Das Vier-Prozent-Versprechen
Am 23. März 2026 stand der Chefvolkswirt der EZB in Frankfurt auf und bezifferte den Gewinn. Über ein Jahrzehnt könnte Künstliche Intelligenz die Produktivität des Euroraums um mehr als vier Prozentpunkte heben. Das ist kein marginaler Zugewinn. Vier Prozentpunkte über zehn Jahre kumuliert sind der Unterschied zwischen einem stagnierenden Block und einem wachsenden. Es ist die Größe der Lücke, die Mario Draghi ein Jahr lang in seinem Wettbewerbsfähigkeitsbericht dokumentiert hat.
Der Gewinn hat eine Bedingung. Die Vier-Punkte-Zahl setzt voraus, dass die Adoption mindestens die Hälfte der Wirtschaft erreicht. Heute liegt die Adoption bei EU-Unternehmen mit zehn oder mehr Beschäftigten bei zwanzig Prozent. Bei kleinen Unternehmen sind es siebzehn.
Die EZB verkauft keinen Optimismus. Sie veröffentlicht einen Konditional. Die Bedingung ist die Adoption. Adoption ist Architektur, kein Anspruch.
Die Rede
Die Rede wurde auf der ECB-SAFE-RCEA International Conference on the Climate-Macro-Finance Interface (3CMFI) in Frankfurt gehalten. Der Redner war Philip R. Lane, Mitglied des EZB-Direktoriums und Chefvolkswirt der Bank. Der Titel — “AI and the euro area economy” — steht auf der Website der EZB. Der Text ist öffentlich. Lesen Sie ihn, nicht die Kommentare darüber.
Lane strukturierte die Rede um drei Fragen. Was tut KI heute der Makroökonomie an? Was könnte sie im kommenden Jahrzehnt tun? Und was müsste wahr sein, damit Europa die Gewinne einfährt? Die erste Antwort: noch nicht viel. Die aggregierten Effekte von KI auf Produktivität, Beschäftigung und Inflation bleiben begrenzt und unsicher. Die Diffusion ist schnell. Die Investition steigt. Der gemessene makroökonomische Effekt ist bislang klein.
Die zweite Antwort ist der Ort, an dem die vier Prozent auftauchen — und der Ort, an dem man genau lesen muss.
Lane prüfte externe Prognosen. Goldman Sachs Research projizierte im März 2023, dass eine breite KI-Adoption das jährliche Wachstum der Arbeitsproduktivität um rund 1,5 Prozentpunkte über ein Jahrzehnt heben könnte. McKinsey deutete im Juni 2023 an, dass KI kombiniert mit breiterer Arbeitsautomatisierung bis 2040 jährlich bis zu 3,4 Prozentpunkte zum Produktivitätswachstum beitragen könnte. Das sind nicht Lanes Prognosen. Das ist die Bandbreite plausibler Szenarien, aus der Lane gearbeitet hat.
Dann lieferte Reuters die Synthese. In der am selben Tag veröffentlichten Berichterstattung fasste die Agentur Lanes Rahmen zusammen: Eine Adoptionsrate im Einklang mit früheren Innovationen wie dem Internet würde mindestens 1,5 Prozentpunkte zusätzliches Produktivitätswachstum über zehn Jahre bringen; wenn die Adoption im heutigen Tempo weiterläuft und mindestens die Hälfte der Wirtschaft erreicht, könnte der Gewinn vier Prozentpunkte übersteigen. Diese Synthese ist die Quelle der Überschrift “Vier-Prozent-Versprechen”. Es ist Reporter-Paraphrase, kein direktes Lane-Zitat. Die Substanz steht in der Rede. Die Synthese steht im Bericht.
Das direkte Zitat — das, was Lane tatsächlich gesagt hat — lautet: Der größte Effekt wird erzielt, wenn KI das Tempo der Innovation materiell beschleunigt, denn statt nur das Produktivitätsniveau zu heben, könnte dies die langfristige Potenzialwachstumsrate erhöhen. Dieser Satz ist die Rede im Kleinen. Die Vier-Punkte-Zahl ist an Innovationsbeschleunigung geknüpft, nicht nur an die Adoption von Werkzeugen.
Der Nenner
Das Vier-Punkte-Szenario verlangt, dass KI mindestens die Hälfte der Wirtschaft erreicht. Der aktuelle Zustand ist dokumentiert.
Eurostat veröffentlichte seine Zahlen für 2025 am 11. Dezember 2025. Zwanzig Prozent der EU-Unternehmen mit zehn oder mehr Beschäftigten nutzten in diesem Jahr KI-Technologien, gegenüber 13,5 Prozent im Jahr 2024. Das Wachstum — 6,5 Prozentpunkte in einem einzigen Jahr — ist die schnellste Rate, die die Erhebung je gemessen hat. Das Niveau bleibt zwanzig Prozent.
Disaggregieren Sie nach Unternehmensgröße, und die Struktur wird sichtbar. Siebzehn Prozent der kleinen Unternehmen (10–49 Beschäftigte) nutzten KI. Dreißig Komma vier Prozent der mittleren Unternehmen (50–249 Beschäftigte). Fünfundfünfzig Prozent der großen Unternehmen (250+ Beschäftigte). Die Lücke zwischen klein und groß beträgt achtunddreißig Prozentpunkte. Der Nenner, den Lanes Szenario verlangt — die Hälfte der Wirtschaft — ist in keiner Größenklasse außer den großen Unternehmen erreicht, und selbst dort nur knapp.
Die Geografie verschärft die Struktur. Dänemark führt mit zweiundvierzig Prozent. Finnland liegt bei 37,8. Schweden bei 35. Am anderen Ende meldet Rumänien 5,2 Prozent. Polen 8,4. Bulgarien 8,5. Der Durchschnitt des Euroraums liegt zwischen diesen Polen. Die Länder, die das Vier-Punkte-Szenario in die Realität ziehen werden, sind nicht die Länder mit der breitesten Lücke. Es sind die Länder, in denen die Lücke bereits am schmalsten ist.
Das ist das Nenner-Problem. Die Vier-Punkte-Zahl der EZB ist eine Funktion eines Bruchs. Der Zähler ist plausibel — KI erzeugt Produktivitätsgewinne in Firmen, die sie gut nutzen. Der Nenner ist der Anteil der Wirtschaft, in dem diese Firmen existieren. Heute ist der Nenner eine von fünf. Das Versprechen verlangt eine von zwei.
Was die SAFE-Erhebung ergab
Die andere primäre Quelle ist die eigene Erhebung der EZB, der Survey on the Access to Finance of Enterprises (SAFE). Die Welle des vierten Quartals 2025 enthielt Ad-hoc-Fragen zur KI-Adoption. Fünftausend Unternehmen im Euroraum antworteten. Die Ergebnisse wurden im Februar 2026 im Fokusartikel des Wirtschaftsberichts veröffentlicht.
Die Schlagzeile klingt ermutigend. Zwei Drittel der befragten Unternehmen meldeten, dass ihre Beschäftigten KI nutzen. Lesen Sie weiter und die Struktur kehrt sich um. Siebenundzwanzig Prozent der Unternehmen nutzen KI überhaupt nicht. Dreiunddreißig Prozent nutzen sie sehr selten oder experimentell. Einunddreißig Prozent nutzen sie moderat. Sieben Prozent nutzen sie signifikant.
Sieben Prozent. Das ist der Anteil der Unternehmen im Euroraum, in denen KI tatsächlich in den Betrieb eingebettet ist. Nicht gelegentlich geöffnet. Nicht in einer Abteilung pilotiert. Signifikant genutzt. Die Zahl ist für KMU und große Unternehmen gleich — das ist die einzige gute Nachricht in den Daten. Wenn Unternehmen sich auf KI einlassen, bestimmt die Größe nicht die Tiefe der Nutzung.
Aber das Einlassen ist selten. Unter den Nicht-Nutzern nennen dreißig Prozent fehlenden Nutzen als Hauptbarriere. Zwanzig Prozent nennen Systeminkompatibilität. Zwanzig Prozent nennen Kompetenzmangel. Die Barrieren sind nicht Neugier oder Budget. Sie sind Bereitstellungsmethodik, Datenreife und die Unfähigkeit zu identifizieren, wo das Werkzeug sich auszahlt. Das sind architektonische Probleme. Sie lassen sich nicht mit Lizenzkäufen lösen.
Die Investitionsabsicht folgt demselben Muster. Unternehmen erwarten, im Durchschnitt neun Prozent der Gesamtinvestition für KI bereitzustellen. Nicht-Nutzer planen vier Prozent. Moderate Nutzer planen elf. Signifikante Nutzer planen zwanzig. Die engagiertesten Unternehmen investieren das Fünffache der am wenigsten engagierten. Die Lücke weitet sich, sie schließt sich nicht.
Die SAFE-Daten segmentieren auch nach Unternehmensmerkmalen. Fünfundvierzig Prozent der großen Unternehmen sowie der börsennotierten oder mit Wagniskapital finanzierten Unternehmen befinden sich in einer fortgeschrittenen Adoptionsphase — signifikante oder moderate Nutzung. Bei jungen Unternehmen steigt der Wert auf sechsundfünfzig Prozent. Seit 2020 gegründete Firmen adoptieren KI fast doppelt so schnell wie etablierte Mid-Cap-Unternehmen derselben Branche. Das Muster ist branchenübergreifend konstant: Die operativ flexibelsten Firmen adoptieren am schnellsten, und die Firmen mit dem größten institutionellen Gewicht bewegen sich am langsamsten.
Die meistgenannte Barriere unter Nicht-Nutzern ist nicht technisch. Dreißig Prozent melden fehlenden Nutzen. Das ist keine Beschwerde über KI. Es ist eine Beschwerde über die Bereitstellung. Ein Unternehmen, das nicht identifizieren kann, wo KI sich auszahlt, ist kein Unternehmen mit einem Werkzeugproblem. Es ist ein Unternehmen ohne ein architektonisches Problemstatement. Das Werkzeug kommt stromabwärts. Das Problemstatement ist der Engpass.
Das ist es, was “weit verbreitet, aber selten” in Zahlen heißt. KI ist überall. Die Adoption ist woanders.
Die Beschäftigten-Ebene
Lane fügte einen dritten Datenpunkt hinzu, den man leicht falsch liest. Der Consumer Expectations Survey der EZB zeigt, dass der Anteil der Beschäftigten im Euroraum, die KI nutzen, von sechsundzwanzig Prozent im Jahr 2024 auf vierzig Prozent im Jahr 2025 gestiegen ist. Die Adoption, merkte Lane an, übertrifft die historische Diffusion des Internets oder des Personalcomputers.
Vierzig Prozent der Beschäftigten nutzen KI-Werkzeuge. Sieben Prozent der Unternehmen nutzen KI signifikant. Diese beiden Zahlen beschreiben dieselbe Wirtschaft.
Die Implikation ist direkt. Die Beschäftigten adoptieren KI schneller, als ihre Arbeitgeber sie einsetzen. Die Werkzeuge sind im Browser. Die Integration ist nicht im Arbeitsablauf. Ein Mitarbeiter, der ChatGPT nutzt, um ein Meeting zusammenzufassen, nutzt KI. Ein Unternehmen, dessen Abläufe rund um KI-Fähigkeiten neu gestaltet wurden, setzt KI ein. Das Erste erzeugt einen Produktivitätsvorteil, der vom Individuum eingefangen wird und für das Unternehmen weitgehend unsichtbar bleibt. Das Zweite erzeugt einen Produktivitätsgewinn, der sich in Ausstoß, Kosten und Wettbewerbsposition zeigt.
Die Vierzig-Prozent-Zahl der Beschäftigten ist das, was die EZB “schnelle Diffusion” nennt. Die Sieben-Prozent-Zahl der Unternehmen ist das, was ein Ökonom Adoption nennen würde. Diffusion ohne Adoption erzeugt Lärm — messbare Aktivität, die sich nicht in messbare Produktivität umsetzt. Die makroökonomischen Daten sind konsistent. Die aggregierten Effekte von KI bleiben, in Lanes Worten, begrenzt und unsicher.
Das Energierisiko
Lane fügte eine Warnung hinzu, die die meisten Berichte übersprungen haben. Das optimistische Szenario setzt voraus, dass die Infrastruktur, die nötig ist, um KI zu skalieren — Rechenzentren, Rechenleistung, Strom — verfügbar ist. Sie könnte es nicht sein.
Die Rede stellt fest, dass eine weitere Beschleunigung von KI- und Digitalinvestitionen durch unzureichende Energieversorgung, Mangel an qualifiziertem Personal und Überregulierung gehemmt werden könnte. Die Energiebeschränkung ist die materiellste der drei. KI-Workloads sind energieintensiv. Anhaltend hohe Energiekosten heben die Grenzkosten für das Training neuer Modelle und den Betrieb der Inferenz im Maßstab. Sie verringern auch das Tempo, mit dem Firmen adoptieren können — jeder in Energie ausgegebene Euro ist ein Euro, der nicht in Integration ausgegeben wird.
Das ist das asymmetrische Risiko im Vier-Punkte-Szenario. Die Oberseite verlangt, dass sich die Adoption von zwanzig auf fünfzig Prozent verdoppelt. Die Unterseite verlangt nur, dass sich eine Variable gegen den Trend bewegt — Energiepreise, ein Hyperscaler, der in einer Region die Kapazitätsgrenze erreicht, eine regulatorische Verschärfung bei Genehmigungen für Rechenzentren — und das optimistische Szenario rückt zur Basislinie zusammen. Die 1,5-Punkte-Bahn ist robuster als die 4-Punkte-Bahn. Letztere ist ein Tail-Ergebnis, das verlangt, dass mehrere Dinge gleichzeitig gut laufen.
Was das für einen Hersteller mit 200 Mitarbeitern bedeutet
Übersetzen wir das Makro ins Operative. Ein Hersteller mit 200 Mitarbeitern in Portugal, Deutschland oder den Niederlanden liegt statistisch im Segment der mittleren Unternehmen. Dieses Segment meldet dreißig Prozent KI-Adoption. Die meisten Peers nutzen KI nicht. Eine signifikante Minderheit tut es.
Wenn sich das Vier-Punkte-Szenario realisiert, wird der Hersteller binnen eines Jahrzehnts Wettbewerbern gegenüberstehen, die mit messbar höherer Produktivität arbeiten. Nicht im vagen Sinn von “KI wird alles verändern”. Im konkreten Sinn, dass ein Wettbewerber mit KI eingebettet in Produktionsplanung, Qualitätskontrolle, Kundendienst und Designiteration mehr Output pro Beschäftigtem erzeugt als einer ohne. Die Produktivitätslücke wird sich in Margen, Preisen, Lieferzeiten und letztlich im Marktanteil zeigen.
Wenn sich das 1,5-Punkte-Szenario realisiert — das wahrscheinlichere Ergebnis bei den aktuellen Adoptionsraten — ist die Lücke kleiner, sie begünstigt aber weiterhin die Firmen, die früh adoptiert haben. Der kumulierte Effekt einer jährlichen Produktivitätsdifferenz von 1,5 Punkten über zehn Jahre beträgt etwa sechzehn Prozent Gesamtvorteil. Für einen Hersteller, der über die Marge konkurriert, ist das kein Rundungsfehler. Es ist der Unterschied zwischen tragfähigem Betrieb und strukturellem Niedergang.
In beiden Szenarien sind die Unternehmen, die den Gewinn einfahren, die, die von Diffusion auf Beschäftigtenebene zu Adoption auf Unternehmensebene übergegangen sind. Beschäftigte individuell ChatGPT nutzen zu lassen ist keine Strategie. Das passiert von selbst. Strategie ist die konkrete Entscheidung darüber, in welchen Arbeitsabläufen KI eingebettet wird, welche Daten sie braucht, wer sie pflegt, wie ihr Output geprüft wird und wie ihre Nutzung gemessen wird.
Ein Hersteller mit 200 Mitarbeitern, der auf der produktiven Seite des Vier-Punkte-Versprechens stehen will, muss in den nächsten achtzehn Monaten sechs Entscheidungen treffen. Welche zwei operativen Arbeitsabläufe profitieren am stärksten von KI-Integration. Welche Datenquellen diese Abläufe benötigen und ob sie in nutzbarer Form existieren. Wer in der Organisation für die Integration verantwortlich ist — nicht für ihre Bewertung, für ihren Besitz. Wie der Output des KI-Systems geprüft wird, bevor er einen Kunden oder ein finanzielles Ergebnis berührt. Wie Adoption gemessen wird — tägliche Nutzung, wöchentliche Nutzung, welche Art von Nutzung. Und wie das System aktualisiert wird, wenn sich die zugrundeliegenden Modelle ändern.
Keine dieser Entscheidungen verlangt einen Doktortitel in maschinellem Lernen. Alle verlangen, dass jemand in der Firma sie besitzt. Die Barriere ist nicht die Technologie. Es ist die Zuweisung von Verantwortung.
Die Eurostat-Länderaufgliederung schärft den Punkt. Ein Hersteller, der in dänischen oder finnischen Märkten konkurriert, trifft auf ein Peerset, in dem vierzig Prozent der Firmen bereits KI betreiben. Ein Hersteller in rumänischen oder polnischen Märkten trifft auf ein Peerset, in dem es fünf bis acht Prozent sind. Die Wettbewerbslandschaft ist im Binnenmarkt nicht einheitlich. Dasselbe Produkt, in zwei Mitgliedstaaten verkauft, trifft bei den Firmen nebenan auf zwei verschiedene Produktivitätsbasen. Bauen Sie für die dänische Basis, und der rumänische Markt bleibt erreichbar. Bauen Sie für die rumänische Basis, und der dänische Markt schließt sich — leise, über Margendruck, bevor es irgendjemand ankündigt.
Die Falle, in beiden Märkten, ist es, Diffusion auf Beschäftigtenebene mit Fähigkeit auf Unternehmensebene zu verwechseln. Eine Werkhalle, in der das Planungsteam ChatGPT nutzt, um E-Mails zu schreiben, ist keine Werkhalle mit KI in der Produktion. Ein Wartungsteam, das gelegentlich einen Chatbot bittet, ein Sensorprotokoll zu interpretieren, ist kein Wartungsteam, das vorausschauende Wartung betreibt. Der Consumer Expectations Survey wird beides als KI-Nutzung erfassen. Die Produktivitätsdaten werden es nicht tun. Die Unternehmenszahl von Eurostat ist das härtere Maß, und sie ist es, die auf das Vier-Punkte-Szenario abbildet. Zwanzig Prozent. Nicht vierzig.
Wo Bluewaves Ansetzt
Bluewaves baut in Drei-Wochen-Waves. Jedes Engagement produziert einen Gizmo — ein spezifisches KI-Werkzeug, in einem spezifischen Arbeitsablauf eingesetzt, im Besitz eines spezifischen Teams. Wir laufen keine Piloten. Wir produzieren keine Strategie-Slidedecks. Wir bringen funktionierende KI in den täglichen Einsatz.
Die Wahl ist bewusst. Die EZB-Daten sagen Ihnen, warum. Sieben Prozent der Unternehmen im Euroraum nutzen KI signifikant. Die anderen dreiundneunzig nicht. Die Lücke ist nicht Bewusstsein. Es ist die institutionelle Lücke zwischen dem Kennen einer Technologie und dem Einbetten in den Betrieb. Diese Lücke zu schließen ist keine Frage von mehr Präsentationen. Es ist eine Frage, eine spezifische Sache zu bauen, sie vom Team, das sie täglich nutzen wird, adoptieren zu lassen, und ihre Nutzung als Beweis zu messen.
Ein Hersteller mit 200 Mitarbeitern, der seine erste Wave abschließt, hat einen Gizmo, der von einem Team täglich genutzt wird. Das ist mehr, als dreiundneunzig Prozent der Unternehmen im Euroraum erreicht haben.
Die Position
Das Vier-Punkte-Versprechen ist real. Der Konditional ist auch real. Die EZB hat beides veröffentlicht. Lanes Rede ist ehrlich über die Asymmetrie: Die Oberseite ist groß, die Bedingungen sind anspruchsvoll, und der aktuelle Nenner ist ein Fünftel dessen, was das optimistische Szenario verlangt.
Die europäische Produktivität wird steigen, wenn europäische Unternehmen KI einsetzen. Sie wird nicht steigen, wenn europäische Beschäftigte individuell KI-Werkzeuge nutzen, während europäische Unternehmen weiter über Adoptionsstrategien diskutieren. Der erste Zustand ist verbreitet. Der zweite ist selten. Lane hat die Lücke zwischen beiden veröffentlicht. Die Lücke ist der Artikel.
Ein Produktivitätsanstieg von 1,5 Punkten über ein Jahrzehnt ist auf den aktuellen Bahnen erreichbar. Er reicht auch nicht aus, um die Pro-Kopf-BIP-Lücke EU-USA zu schließen, die Draghi zu siebzig Prozent geringerer Produktivität zuschrieb. Der Vier-Punkte-Anstieg würde signifikantes Terrain zurückholen. Er verlangt, dass die Adoption die Hälfte der Wirtschaft erreicht. Die Hälfte der Wirtschaft bedeutet, dass kleine Unternehmen mit dem Dreifachen der aktuellen Rate adoptieren. Kleine Unternehmen, die mit dem Dreifachen der aktuellen Rate adoptieren, bedeutet, dass kleine Unternehmen etwas tun, was sie noch nicht getan haben: KI in den Betrieb einbetten, nicht nur im Browser öffnen.
Die Architektur ist nicht optional. Sie ist die Variable. Die EZB hat sie gemessen. Die Zahl ist zwanzig Prozent. Das Versprechen ist vier. Der Abstand dazwischen ist die Arbeit.
Die Arbeit hat nicht begonnen.