KI-Automatisierung: Warum der Produktivitätsgewinn dem gehört, der die Prozesse besitzt

Der Bitwise-Stratege Jeff Park hat 2026 in einem viel diskutierten Essay eine pointierte These vertreten: Künstliche Intelligenz sei kein neutraler Produktivitätsmultiplikator, sondern ihrer Architektur nach ein Kapitalkonzentrator. Jeder Euro an Produktivität, den sie erzeugt, fließe zuerst und am dauerhaftesten zu dem, der die Rechenleistung, die Daten und das Modell besitzt (Park 2026, Meinungsbeitrag).

Man muss Parks Anlage-Schlussfolgerungen nicht teilen, um den operativen Kern ernst zu nehmen. Denn auf Unternehmensebene stellt sich exakt dieselbe Frage in nüchterner Form: Wenn KI-Automatisierung Produktivität freisetzt – wem gehört dieser Gewinn? Dem Anbieter der Plattform, auf der Sie ein Ergebnis einkaufen? Oder Ihnen, weil der automatisierte Prozess Teil Ihres Betriebs ist?

Dieser Beitrag ordnet ein, was KI-Automatisierung tatsächlich leistet, wo die Evidenz belastbar ist und welche Konsequenz sich daraus für mittelständische Entscheider ergibt.

Was KI-Automatisierung von klassischer Software unterscheidet

Klassische Automatisierung folgt festen Regeln: Wenn A eintritt, tue B. Sie ist hervorragend für strukturierte, wiederholbare Abläufe – Rechnungen verbuchen, Datensätze abgleichen, Benachrichtigungen auslösen.

KI-Automatisierung erweitert diesen Raum um Aufgaben, die bisher menschliches Urteilsvermögen verlangten: unstrukturierte Texte verstehen, Dokumente klassifizieren, Anfragen beantworten, Inhalte erzeugen. Der Unterschied ist nicht graduell, sondern kategorial – sie greift in Tätigkeiten ein, die zuvor als nicht automatisierbar galten.

Die Größenordnung dieses Felds ist erheblich. McKinsey schätzte bereits 2017, dass sich rund die Hälfte der heutigen Arbeitstätigkeiten mit zum damaligen Zeitpunkt bereits verfügbarer Technologie automatisieren ließe – nicht ganze Berufe, sondern Tätigkeiten innerhalb von Berufen (McKinsey Global Institute 2017). Goldman Sachs taxierte 2023, dass generative KI weltweit rund 300 Millionen Vollzeitstellen einer Teilautomatisierung aussetzen könnte (Goldman Sachs 2023).

Wichtig: „exponiert“ heißt nicht „ersetzt“. Beide Studien sprechen von technischer Automatisierbarkeit einzelner Tätigkeiten, nicht von einem Eins-zu-eins-Wegfall von Stellen. Diese Unterscheidung wird in der öffentlichen Debatte regelmäßig verwischt.

Die unbequeme These: KI begünstigt Kapital, nicht Arbeit

Der langfristige Trend, auf den sich Park beruft, ist unabhängig von ihm dokumentiert. Karabarbounis und Neiman zeigten in einer vielzitierten Studie, dass der Anteil der Arbeit am Volkseinkommen seit den 1980er-Jahren über viele Länder hinweg rückläufig ist – getrieben unter anderem durch sinkende Preise für Investitionsgüter, die Unternehmen Kapital gegenüber Arbeit substituieren ließen (Karabarbounis & Neiman 2014).

KI verstärkt diesen Mechanismus, weil sie die Kosten einer ganzen Klasse von Tätigkeiten gegen die Kosten von Rechenleistung tauscht. Wo eine Aufgabe automatisiert ist, wandert ihr Wertbeitrag vom Faktor Arbeit zum Faktor Kapital – konkret: zu dem, der das automatisierte System besitzt und betreibt.

Was die Daten hergeben – und was nicht

Belastbar ist: Der Arbeitsanteil sinkt langfristig, und Automatisierung trägt dazu bei. Nicht belastbar ist jede präzise Vorhersage über Tempo und Verteilung dieser Verschiebung. Korrelation zwischen Technologiediffusion und sinkendem Arbeitsanteil ist gut belegt; eine saubere kausale Zerlegung – wie viel davon KI, wie viel Globalisierung, wie viel Marktmacht – ist es nicht.

Für Entscheider folgt daraus kein Anlass zu Alarmismus, sondern eine strategische Beobachtung: Der Hebel verschiebt sich vom „mehr Personal“ hin zum „besseren System“. Wer Letzteres besitzt, sichert sich den Gewinn dauerhaft.

Übersetzt auf den Mittelstand: besitzen statt mieten

Hier wird Parks abstrakte Eigentumsfrage operativ. Ein KMU kann KI auf zwei Arten nutzen:

– Mieten: Man kauft Ergebnisse über eine Plattform ein – pro Anfrage, pro Nutzer, pro Monat. Der Prozess lebt beim Anbieter; man hat ein Resultat, aber keinen Vermögenswert.

– Besitzen: Man integriert die Automatisierung in die eigenen Systeme und Datenflüsse. Der Prozess ist Teil des Betriebs, die Logik dokumentiert, die Daten bleiben im Haus.

Beides hat Berechtigung. Standardisierte Randaufgaben mietet man sinnvollerweise. Aber bei Prozessen, die den Kern der eigenen Wertschöpfung berühren, ist Mieten teuer erkauft: Man baut Abhängigkeit auf, gibt Daten ab und überlässt den Produktivitätsgewinn dem Plattformbetreiber.

Drei Ebenen des „Besitzens“

Rechenlogik: Liegt die Prozesslogik dokumentiert bei uns? Ohne sie ist der Prozess nicht übertragbar oder anpassbar.

Daten: Bleiben unsere Prozess- und Kundendaten in unserer Hoheit? Daten sind der Rohstoff jeder weiteren Optimierung.

Schnittstellen: Können wir Anbieter wechseln, ohne den Prozess zu verlieren? Das vermeidet Lock-in und Preissetzungsmacht des Anbieters.

Woran man echte von scheinbarer Automatisierung unterscheidet

Nicht alles, was „KI“ im Namen trägt, erzeugt einen bleibenden Vorteil. Drei Prüffragen helfen:

1. Verschwindet die manuelle Arbeit – oder verlagert sie sich nur? Echte Automatisierung eliminiert den Handgriff. Scheinbare verschiebt ihn (z. B. von „Daten eintippen“ zu „KI-Output korrigieren“).

2. Skaliert der Nutzen ohne proportionalen Mehraufwand? Ein Prozess, der bei doppeltem Volumen doppelt so viel Betreuung braucht, ist nicht automatisiert.

3. Wem gehört das Ergebnis in einem Jahr? Wenn der Vorteil mit dem Anbietervertrag endet, war es Miete, kein Aufbau.

Fazit: Die strategische Frage ist eine Eigentumsfrage

Parks Essay ist als Investment-Meinung zu lesen, nicht als Studie. Aber sein operativer Kern hält der nüchternen Prüfung stand: KI-Automatisierung verschiebt Produktivität dorthin, wo das System besessen wird. Für ein Unternehmen ist die relevante Entscheidung deshalb nicht „KI ja oder nein“, sondern „mieten oder besitzen“ – Prozess für Prozess, entlang der eigenen Wertschöpfung.

Wer diese Frage bewusst beantwortet, behält den Gewinn im Haus. Wer sie nicht stellt, verschenkt ihn an die Plattform.

FAQ

Was ist KI-Automatisierung?

KI-Automatisierung kombiniert klassische, regelbasierte Automatisierung mit Modellen, die unstrukturierte Aufgaben übernehmen – etwa Texte verstehen, Dokumente einordnen oder Inhalte erzeugen. Sie erweitert den automatisierbaren Bereich um Tätigkeiten, die bisher menschliches Urteil verlangten.

Ersetzt KI Arbeitsplätze im Mittelstand?

Studien sprechen von Tätigkeiten, nicht von Berufen: Goldman Sachs (2023) schätzt rund 300 Millionen weltweit automatisierungs-exponierte Vollzeitäquivalente. Exponiert bedeutet teilautomatisierbar, nicht zwingend wegfallend. Praktisch verschiebt sich der Hebel von „mehr Personal“ zu „besseren Systemen“.

Sollte ein KMU KI mieten oder selbst aufbauen?

Randaufgaben lassen sich sinnvoll als Plattformleistung mieten. Bei Prozessen im Kern der Wertschöpfung ist Eigentum vorzuziehen, weil Daten, Logik und Produktivitätsgewinn im Unternehmen bleiben.

Was unterscheidet KI-Automatisierung von normaler Software?

Klassische Software folgt festen Regeln. KI-Automatisierung kann auch mit Mehrdeutigkeit und unstrukturierten Daten umgehen und so Aufgaben übernehmen, die zuvor regelbasiert nicht abbildbar waren.