Lane: KI-Auswirkungen auf Geldpolitik und Zinsniveau
EZB-Direktor Philip R. Lane beleuchtet die komplexen Auswirkungen Künstlicher Intelligenz (KI) auf die Geldpolitik. Er betont die Unsicherheiten bezüglich der Inflation und des natürlichen Zinsniveaus (R*).
KI-Welle: Produktivitätsschub mit Inflationsrisiken
Künstliche Intelligenz (KI) kann die Produktivität dauerhaft steigern und Einkommen erhöhen, was über einen Nachfragemechanismus Inflationsdruck erzeugen könnte.
EZB-Direktor Philip R. Lane betont jedoch, dass Haushalte und Unternehmen die Auswirkungen von Produktivitätsschocks nur langsam verarbeiten und ihre Ausgaben entsprechend anpassen.
Die Konsumreaktion bleibt träge, auch aufgrund individueller Unsicherheiten über Einkommenseffekte.
Die inflationären Auswirkungen der KI-Transformation hängen von mehreren Faktoren ab: ob KI arbeits- oder kapitalvermehrend wirkt (was die Einkommensverteilung beeinflusst), vom Umfang der erforderlichen Investitionen in die KI-Infrastruktur und vom steigenden Energiebedarf, der die Energiepreise nach oben treiben könnte.
Die geografische Verteilung der KI-Aktivitäten ist ebenfalls entscheidend für die Nachfrageeffekte in Europa.
Die Auswirkungen auf den natürlichen Zins (R*) sind unklar: Optimismus könnte R* erhöhen, doch Unsicherheiten über Einkommenspfade und -verteilung führen zu Vorsichtssparen und dämpfen einen Anstieg.
Der Nettoeffekt auf R* bleibt ungewiss, auch wegen der Investitionsvolatilität und der Adoptionsgeschwindigkeit der Technologie.
KI als Schock-Verstärker: Datenbasierte Politik nötig
KI kann auch andere zyklische Schocks in der Wirtschaft verstärken.
Lane nennt hierbei Energieschocks, Finanzschocks und Rezessionsschocks.
Die hohe Energieintensität der KI bedeutet, dass steigende Energiepreise den Fortschritt und die Adoptionsrate bremsen könnten.
Die Kapitalintensität impliziert, dass eine Straffung der Finanzierungsbedingungen negative Auswirkungen auf KI-Sektoren hätte.
Als Arbeitsersatz könnte KI zudem den Arbeitsplatzabbau während einer Rezession intensivieren.
Es bestehen potenzielle Rückkopplungsschleifen zwischen diesen Kanälen.
Ein widerstandsfähigeres Energiesystem reduziert diese Risiken.
Angesichts der vielen Unsicherheiten bezüglich Stärke und Zeitpunkt der Mechanismen ist ein datenabhängiger Ansatz am besten geeignet, um die Gesamtauswirkungen von KI auf die Geldpolitik zu bewerten.
Dies wird eine große Herausforderung für Ökonomen und Entscheidungsträger sein.
Quelle: Philip R. Lane: AI and monetary policy
IN: