Produktivitätsgewinne durch KI: Worauf Anleger achten sollten

Künstliche Intelligenz kann Unternehmen dabei helfen, mit den vorhandenen Ressourcen mehr zu produzieren. Ob daraus höhere Löhne, größere Gewinne oder niedrigere Preise entstehen, hängt von Entscheidungen ab, die weit über die Technologie selbst hinausgehen.

Eine weltweite Studie des Wirtschaftswissenschaftlers Swapnanil SenGupta, veröffentlicht in Technological Forecasting and Social Change, untersucht diese uneinheitlichen Zusammenhänge.¹ Bei 69.783 börsennotierten Unternehmen in 83 Ländern im Zeitraum von 2004 bis einschließlich 2023 geht eine größere öffentliche Aufmerksamkeit für KI mit höherer Produktivität einher. Bei den Löhnen zeigen sich jedoch Unterschiede zwischen fortgeschrittenen Volkswirtschaften und Entwicklungsländern.

Für Anleger bieten die Ergebnisse einen sinnvollen Ausgangspunkt, um darüber nachzudenken, wie technologischer Fortschritt zu wirtschaftlichem Wert wird. Produktivität schafft eine Chance. Wettbewerb, Umsetzungskosten, Fähigkeiten der Beschäftigten und die Kundennachfrage bestimmen mit, wer letztlich davon profitiert.

Was die Studie zu KI und Löhnen untersucht

Die Studie misst die Aufmerksamkeit für KI anhand von Google-Trends-Suchanfragen zu künstlicher Intelligenz als Forschungsgebiet. So wird erfasst, wie präsent KI im Informationsumfeld eines Landes ist. Daraus geht jedoch nicht hervor, ob einzelne Unternehmen KI-Systeme eingeführt haben oder wie intensiv ihre Beschäftigten diese nutzen.

Diese Unterscheidung ist zentral. Wenn sich die Erwartungen an eine Technologie ändern, überdenken Führungskräfte möglicherweise Einstellungen, Schulungen oder Investitionen. Beschäftigte prüfen womöglich neu, welche Fähigkeiten sie entwickeln sollten. Solche Reaktionen können parallel zur Einführung der Technologie auftreten, sodass sich ihr jeweiliger Einfluss nur schwer voneinander trennen lässt.

Auch die Lohnkennzahl ist mit Vorsicht zu interpretieren. Sie entspricht den durchschnittlichen Ausgaben eines Unternehmens für Löhne und Gehälter je Beschäftigtem. Veränderungen können sowohl auf die Zusammensetzung der Belegschaft als auch auf die Vergütung zurückzuführen sein. Werden beispielsweise mehr Berufseinsteiger eingestellt, können die durchschnittlichen Ausgaben sinken, ohne dass die bereits beschäftigten Mitarbeiterinnen und Mitarbeiter Gehaltseinbußen hinnehmen müssen.

Die Analyse beschreibt daher Zusammenhänge zwischen der Aufmerksamkeit für KI und Unternehmensergebnissen. Sie kann nicht belegen, dass ein gestiegenes Suchinteresse unabhängig davon Veränderungen bei der Bezahlung von Beschäftigten verursacht.

KI-Produktivität und Lohnentwicklung unterscheiden sich je nach Volkswirtschaft

Bei börsennotierten Unternehmen in fortgeschrittenen Volkswirtschaften geht eine größere Aufmerksamkeit für KI mit niedrigeren Durchschnittslöhnen, höherer Arbeitsproduktivität und höherer Gesamtfaktorproduktivität einher. Die Arbeitsproduktivität beschreibt das Verhältnis zwischen Produktion und Arbeitseinsatz. Die Gesamtfaktorproduktivität soll die Effizienz erfassen, die über Veränderungen bei gemessenen Einsatzfaktoren wie Arbeit und Kapital hinausgeht.

Bei börsennotierten Unternehmen in Schwellen- und Entwicklungsländern zeigt sich eine andere Lohnentwicklung: Anfangs steigen die Löhne, doch diese Zuwächse lassen mit der Zeit nach. Gleichzeitig fallen die Produktivitätseffekte positiv aus.

Eine mögliche Erklärung lautet, dass Unternehmen in fortgeschrittenen Volkswirtschaften einem stärkeren Erwartungsdruck hinsichtlich Automatisierung und Kostenkontrolle ausgesetzt sind. Börsennotierte Unternehmen in Entwicklungsländern benötigen möglicherweise zunächst zusätzliche Kompetenzen, Schulungen und organisatorische Kapazitäten. Die Studie erörtert diese Erklärungen, weist sie jedoch nicht als erwiesene Wirkungsmechanismen nach.

Auch die Stichprobe der Entwicklungsländer ist selektiv. Börsennotierte Unternehmen unterscheiden sich erheblich von informellen Betrieben und kleinen, nicht börsennotierten Unternehmen. Ihre Ergebnisse sollten daher nicht als repräsentativ für die gesamte Erwerbsbevölkerung eines Landes betrachtet werden.

Warum höhere Produktivität nicht automatisch höhere Gewinne bedeutet

Für die Folgen für Anleger ist zunächst die Unterscheidung zwischen der Schaffung und der Abschöpfung wirtschaftlichen Werts entscheidend.

Stellen wir uns ein hypothetisches Unternehmen vor, das mithilfe von KI die Bearbeitungszeit für Kundenbestellungen verkürzt. Die schnellere Bearbeitung schafft zusätzliche Kapazität. Der Gewinn steigt jedoch nur, wenn das Unternehmen diese Kapazität produktiv nutzt und der Vorteil die Kosten für Software, Integration, Überwachung und Schulungen übersteigt.

Der Wettbewerb kann die Gewinne umverteilen. Wenn konkurrierende Unternehmen ähnliche Werkzeuge einführen, verlangen Kunden möglicherweise niedrigere Preise. Die Branche wird effizienter, während den einzelnen Unternehmen kaum zusätzliche Gewinne bleiben. Umgekehrt können knappe technische Fachkräfte oder marktmächtige Softwareanbieter einen Teil des Nutzens durch höhere Vergütungen oder Gebühren abschöpfen.

Dies sind wirtschaftlich mögliche Entwicklungen, keine durch diese Studie belegten Ergebnisse. Sie erklären, warum Anleger prüfen sollten, wie ein Unternehmen im Wettbewerb besteht, bevor sie eine Meldung über Produktivitätssteigerungen durch KI in eine Gewinnprognose einfließen lassen.

Ein Unternehmen mit differenzierten Produkten, vertrauensvollen Kundenbeziehungen oder schwer nachzuahmenden Prozessen hat möglicherweise mehr Spielraum, Wertschöpfung für sich zu behalten. Dennoch kann sein Aktienkurs bereits hohe Erwartungen widerspiegeln.

Zeitersparnisse durch KI in finanzielle Erträge umwandeln

Eine weitere Herausforderung besteht darin, eingesparte Zeit in messbare wirtschaftliche Ergebnisse umzuwandeln.

Ein Tool könnte Beschäftigten täglich eine Stunde einsparen, ohne die Gesamtpersonalkosten zu senken. Das kann trotzdem wertvoll sein, wenn Beschäftigte dadurch mehr Kundenanliegen lösen, Produkte verbessern oder eine steigende Nachfrage bedienen. Der finanzielle Nutzen hängt davon ab, was anschließend geschieht.

Eine Studie aus dem Jahr 2026 unter Führungskräften von Unternehmen liefert dazu einen relevanten Kontext. Die Studie stützt sich auf knapp 750 Führungskräfte und kommt zu dem Ergebnis, dass die wahrgenommenen Produktivitätsverbesserungen die gemessenen Zugewinne übersteigen. Dies könnte darauf zurückzuführen sein, dass es dauert, bis sich die Vorteile in den Umsätzen niederschlagen. Außerdem findet die Studie kaum Belege für einen kurzfristigen Rückgang der Gesamtbeschäftigung, obwohl die Erwartungen an die Belegschaft von Unternehmen zu Unternehmen unterschiedlich ausfallen.

Das legt nahe, dass Anleger Verbesserungen einzelner Aufgaben von Verbesserungen des Geschäftsbetriebs unterscheiden sollten. Schnelleres Verfassen von Texten oder schnellere Analysen sind Zwischenergebnisse. Eine bessere Kundenbindung, zusätzliche Verkäufe oder nach der Implementierung niedrigere Kosten sind aussagekräftigere Belege für wirtschaftlichen Nutzen.

Eine aktuelle Berichterstattung von Securities.io zu KI und effizienter Personalbeschaffung beleuchtet eine damit verbundene Möglichkeit: den Personalbestand am Bedarf auszurichten. Höhere Effizienz kann bedeuten, Kapazitäten dort auszubauen, wo Kunden sie benötigen, und zugleich unnötige Ausgaben zu begrenzen.

Investitionen in die Belegschaft können nachhaltige KI-Erträge unterstützen

Die in SenGuptas Arbeit festgestellte Lohnentwicklung wirft auch die Frage nach der Nachhaltigkeit auf. Niedrigere durchschnittliche Arbeitskosten können die kurzfristigen Finanzergebnisse verbessern, belegen aber nicht, dass ein Unternehmen ein leistungsfähigeres Betriebsmodell aufgebaut hat.

Beschäftigte kennen oft Ausnahmen, Kundenpräferenzen und betriebliche Einschränkungen, die sich nur schwer in Software abbilden lassen. Unternehmen benötigen dieses Wissen, um zu entscheiden, wo Automatisierung sinnvoll ist und wann menschliches Urteilsvermögen weiterhin erforderlich bleibt.

Schulungen können Beschäftigten helfen, zusätzliche Kapazitäten wirksam zu nutzen. Klare Zuständigkeiten und verlässliche Eskalationsverfahren können verhindern, dass schnellere Abläufe kostspielige Fehler verursachen. Diese Überlegungen knüpfen an die Untersuchung von Securities.io zu Vertrauen der Beschäftigten und Erträgen aus Automatisierung an.

Für Anleger sind unter anderem folgende Fragen relevant:

• Werden die ausgewiesenen Einsparungen nach Abzug der Implementierungs- und Betriebskosten berechnet?
• Bleibt die Servicequalität stabil, wenn die Leistung je Beschäftigtem steigt?
• Kann das Management erläutern, wie die eingesparte Zeit Umsatz oder Cashflow zugutekommt?

Antworten, die durch beständige Betriebskennzahlen gestützt werden, sind aussagekräftiger als allgemeine Versprechen eines umfassenden Wandels.

Accenture ermöglicht Anlegern ein Engagement im Bereich der Implementierung von KI in Unternehmen

Die Notwendigkeit, Technologie mit praktischen Geschäftsprozessen zu verknüpfen, eröffnet Unternehmen Chancen, die Firmen bei der Implementierung von KI unterstützen. Accenture ist dafür ein relevantes Beispiel: Das Unternehmen ist in den Bereichen Technologieintegration, Daten, organisatorischer Wandel und Geschäftsabläufe tätig.

Die Rolle des Unternehmens steht in direktem Zusammenhang mit den ergänzenden Investitionen, die in der Studie erörtert werden. Unternehmen müssen möglicherweise Daten aufbereiten, Arbeitsabläufe neu gestalten, Beschäftigte schulen und Systeme integrieren, bevor KI verlässliche Vorteile bringt. Daraus entsteht Nachfrage, die über die zugrunde liegenden Modelle hinausgeht.

Accenture meldete in seinen Ergebnissen für das Geschäftsjahr 2026 einen Umsatz von 74,2 Milliarden US-Dollar und neue Auftragseingänge im Wert von 84,5 Milliarden US-Dollar. Dabei handelt es sich um konzernweite Zahlen, nicht um Kennzahlen zu KI-Umsätzen oder einen Beleg dafür, dass KI-Einführungen bei Kunden positive Erträge erzielt haben.

Bei der Anlageentscheidung sind zudem gegenläufige Einflüsse zu berücksichtigen. KI könnte die Nachfrage nach Implementierungsleistungen erhöhen und zugleich den Arbeitsaufwand für bestimmte bestehende Tätigkeiten verringern. Anleger sollten prüfen, ob neue Aufträge, Preismodelle und Effizienzsteigerungen bei der Leistungserbringung nach Berücksichtigung von Umstrukturierungs- und Investitionskosten profitables Wachstum ermöglichen.

SenGuptas Studie untersucht Accenture nicht eigens. Das Unternehmen ist als Anbieter von Implementierungsleistungen für Unternehmen relevant; seine Attraktivität als Investment hängt jedoch von der Umsetzung, dem Wettbewerb und der Bewertung ab.

Aktuelle Nachrichten und Entwicklungen zu Accenture (ACN)

KI-Produktivitätsgewinne jenseits der Schlagzeilen bewerten

Der historische Untersuchungszeitraum der Studie endet 2023, was die Schlussfolgerungen zu den heutigen generativen KI-Systemen einschränkt. Auch die statistischen Verfahren ergeben erheblich unterschiedliche Effektstärken. Der Autor warnt zudem davor, den außergewöhnlich hohen Schätzwerten aus Instrumentvariablenanalysen allzu großes Gewicht beizumessen.

Dennoch bleibt die zentrale Frage der Studie relevant: Wie wirken sich Produktivitätssteigerungen auf die Vergütung und die Anpassung von Unternehmen aus?

Für Anleger kommt es nun auf unternehmensspezifische Belege an. Unternehmen, die zusätzliche Kapazitäten in geschätzte Produkte und zuverlässige Dienstleistungen umwandeln, haben bessere Aussichten auf nachhaltige Renditen. KI erweitert die Möglichkeiten von Unternehmen; wie viel davon bei Aktionären, Beschäftigten und Kunden ankommt, hängt von den Entscheidungen des Managements und den Marktbedingungen ab.

Literaturverzeichnis:

¹ SenGupta, S. (2027). Auswirkungen der Aufmerksamkeit für KI auf Löhne und Produktivität auf Unternehmensebene: eine globale Vergleichsstudie. Technological Forecasting and Social Change, 235, 124913. https://doi.org/10.1016/j.techfore.2026.124913