Der Vizevorsitzende der US-Notenbank, Philip N. Jefferson, sagte am 13. November 2026, dass generative künstliche Intelligenz sich schnell in der US-Wirtschaft ausbreitet, aber noch keinen klaren Ertrag in der gemessenen Produktivität erbracht hat, während er warnte, dass der technologiegetriebene Anstieg der Rechenzentrum-Investitionen bereits den Preisdruck erhöht. "Die bisherigen Belege erscheinen mit einem begrenzten Beitrag zur aggregierten Produktivität vereinbar, der jedoch das Potenzial hat, erheblich zu wachsen – weitgehend im Einklang mit historischen Epochen technologischer Durchbrüche", sagte Jefferson in einer Rede vor dem Economic Roundtable der University of California, San Diego in San Diego, Kalifornien. "Allerdings bleiben das Ausmaß und der Zeitpunkt künftiger Produktivitätsgewinne hochgradig unsicher."

Die Rede mit dem Titel "New Technology, Old Questions: Productivity Puzzles and the Macroeconomy" wurde vor einem Publikum aus Studierenden, Hochschullehrern und Wirtschaftsvertretern gehalten. Der vollständige Text ist auf der Website der Federal Reserve verfügbar, und die Ausführungen sind auch als PDF abrufbar. Jefferson wies darauf hin, dass die geäußerten Ansichten seine eigenen sind und nicht unbedingt die seiner Kollegen im Federal Reserve Board oder im Federal Open Market Committee (FOMC) widerspiegeln.

Die Position des Vizevorsitzenden ist die zweithöchste im Board of Governors der Federal Reserve, wodurch Jefferson zu den ranghöchsten US-Wirtschaftspolitikern gehört, die eine detaillierte öffentliche Einschätzung der Auswirkungen von KI auf Wachstum, Preise und Beschäftigung vorgelegt haben.

Lehren aus dem Computerzeitalter

Jefferson eröffnete mit der berühmten Beobachtung des Nobelpreisträgers Robert Solow aus dem Jahr 1987, man könne "das Computerzeitalter überall sehen, nur nicht in den Produktivitätsstatistiken", und deutete an, Solow habe "möglicherweise zu viel von den Computern erwartet, die er sah". Zwar nutzten 1989 bereits 32 Prozent der Arbeitnehmer Computer bei der Arbeit, doch die Maschinen jener Ära waren nicht besonders leistungsfähig: Der Prozessor in einem heutigen Telefon leistet etwa so viele Berechnungen pro Sekunde wie 10 Millionen Personal Computer aus dem Jahr 1987. Insgesamt war die nationale Ausgabe für Computer – dargestellt in Abbildung 1 der Rede – damals kaum nachweisbar, obwohl PCs zu einem wichtigen Teil des Zeitgeists geworden waren.

Zehn Jahre später hatte sich die Computerinvestition stark entwickelt, und manche Beobachter – allen voran damaliger Vorsitzender Alan Greenspan – glaubten, sie in den Produktivitätsstatistiken erkennen zu können, wobei der Zusammenhang zwischen beiden erst später nachgewiesen wurde. Jefferson sagte, Investitionen in IT-Kapital – Computer, Software und Kommunikationsausrüstung – hätten Ende der 1990er Jahre die jährliche Wachstumsrate der Arbeitsproduktivität um rund 3/4 Prozentpunkte erhöht.

Der Boom beinhaltete mehr als Kapitalbildung. Unternehmen reorganisierten auch ihre Abläufe rund um Computer, was das Produktivitätswachstum zusätzlich stützte. Technologiefortschritte veränderten die Kosten der Erstellung, Speicherung und Übermittlung von Informationen und gaben Unternehmen die Möglichkeit, ihren Umfang, ihre Skalierung und Produktionsfunktionen neu zu überdenken. Aus diesem Prozess gingen letztlich E-Commerce, eine Welle der Globalisierung und Software in der Cloud hervor. Ein Zeichen dafür, dass die Reorganisation nützlich und bedeutsam war, war der rasante Anstieg des Outputs pro Input-Einheit außerhalb des IT-Sektors Anfang der 2000er Jahre – ein Wachstum, das Erhöhungen der sogenannten totalen Faktorproduktivität (TFP) widerspiegelte und nicht rein auf mehr Kapital zurückzuführen war.

Jefferson verwies darauf, dass der Grundstein für den Produktivitätsboom der 1990er Jahre lange vor Solows Beobachtung von 1987 gelegt wurde. Grundlagenforschung, die die Basis des modernenComputing legte, umfasste die Erfindung des Transistors 1947 und des Fortran-Compilers 1954, gefolgt von Jahrzehnten angewandter Forschung durch Unternehmen, die praktische Anwendungen hervorbrachte und die Informationstechnologie unaufhörlich verbesserte.

Diese Geschichte deutet auf ein einfaches Modell des Produktivitätswachstums hin. Grundlagenforschung, die ohne konkrete Anwendung betrieben wird, erweitert unser Wissen über die Welt. Angewandte Forschung entwickelt praktische industrielle Anwendungen, die die Produktivität steigern und die Produktionskosten senken. Sinken die Kosten, fallen tendenziell auch die Preise, insbesondere im Wettbewerb. Mit der Zeit intensivieren Unternehmen den Einsatz von günstigeren Kapitalgütern, die durch höhere Produktivität entstehen – ein Prozess, der als "Kapitalvertiefung" bekannt ist – und Unternehmen, die dieses Kapital nutzen, überdenken ihren Produktionsansatz, wodurch die TFP weiter steigt und der Investitionszyklus womöglich erneut beginnt. Wie das Computerbeispiel zeigt, brauche dieser Prozess Zeit, bis seine volle Wirkung spürbar und messbar sei, insbesondere bei Technologien, die eine Reorganisation der Unternehmen erfordern, sagte Jefferson.

Anwendung des Modells auf KI

Jefferson argumentierte, dass sich dasselbe Modell weitgehend auf die Entwicklung von KI übertragen lässt. Die heutigen generativen Modelle lassen sich auf Grundlagenforschung zurückführen, die kurz nach der Erfindung des Transistors begann. Praktische Anwendungen entstanden viele Jahre später – so begann der US-Postdienst in den 1990er Jahren, KI zum Lesen handschriftlich adressierter Briefe einzusetzen. Der Einsatz nahm – insbesondere im Informations- und Finanzsektor – etwa 10 Jahre später mit dem Aufkommen von Machine-Learning-Modellen deutlich zu. Schließlich sind große Sprachmodelle, nach enormen Verbesserungen und dem Training auf riesigen Datensätzen – nach manchen Darstellungen dem gesamten Text des World Wide Web – heute gut genug, um die beliebten Chatbots, Coding-Assistenten und smarten Geräte von heute zu unterstützen sowie eine Vielzahl weniger sichtbarer Anwendungen wie die wissenschaftliche Forschung.

"Die heutige Welt spiegelt die Welt wider, die Bob Solow beobachtete", sagte Jefferson. Generative KI beherrscht die Schlagzeilen, sitzt auf unseren Smartphones und taucht in Software und Kundendienstanrufen auf; sie kann weitreichende Folgen für Arbeitnehmer, Unternehmen und Regierungsbehörden haben – einschließlich Zentralbanken. Doch die alten Fragen bleiben: Wie stark nutzen Unternehmen und Arbeitnehmer sie tatsächlich, und wirkt sich diese Nutzung auf die Produktivitätsstatistiken aus?

Verbreitung: steigend, aber ungleichmäßig

Aktuelle Umfragen zeigen, dass ein beachtlicher und steigender Anteil der US-Unternehmen und Arbeitnehmer generative KI nutzt. Umfragen unter Arbeitnehmern haben ergeben, dass 40 bis 50 Prozent der erwerbstätigen Erwachsenen die Technologie in ihren Jobs verwenden, wie die blaue Linie in Abbildung 2 der Rede zeigt. Unter den Arbeitnehmern, die KI bei der Arbeit einsetzen, nutzt jedoch nur ein bescheidener Teil sie täglich.

Die Verbreitung variiert zudem stark je nach Branche. Während die Indikatoren für die Unternehmensverbreitung je nach Methodik stark schwanken, veranschaulicht die Umfrage des Census Bureau an einer national repräsentativen Stichprobe von US-Unternehmen die branchenübergreifenden Unterschiede. Wie in Abbildung 3 dargestellt, zeigt die Umfrage, dass – Stand Oktober 2026 – rund 25 Prozent aller US-Unternehmen die Technologie in mindestens einer Geschäftsfunktion nutzten (Stand Mitte dieses Jahres). Dieser Anteil lag in wissensintensiven Branchen wie professionellen Dienstleistungen und Information näher bei 40 Prozent, während er am anderen Ende des Spektrums bei Bergbau sowie Freizeit- und Gastgewerbe etwa 10 Prozent betrug.

Verglichen mit reiferen Technologien wie dem Personal Computer sei KI nicht wirklich überall angekommen – im Sinne einer vollständigen Integration in die Arbeitsabläufe der meisten Unternehmen und Arbeitnehmer in der gesamten Wirtschaft, sagte Jefferson. Vielmehr scheine die Wirtschaft in einem früheren Stadium zu sein, das ein natürlicher Teil des langen Zyklus von Innovation und Einführung ist: Die neue Technologie hat ihre Leistungsfähigkeit gezeigt, und Unternehmen und Arbeitnehmer nutzen sie aktiv und erkunden ihre Möglichkeiten, wobei manche Branchen, Unternehmen und Berufe in diesem Prozess viel weiter fortgeschritten sind als andere.

Produktivitätsstatistik: zu früh für eine Bewertung

Zeigt sich die bisherige Verbreitung bereits in den aggregierten Produktivitätsstatistiken? Das Produktivitätswachstum ist in den letzten Jahren tatsächlich gestiegen, aber Jefferson sagte, es sei zu früh zu bestimmen, welche Rolle KI dabei spielte. Da Produktivitätsmaße so volatil sind, betrachten Ökonomen oft langfristige gleitende Durchschnitte, um quartals- oder sogar jahresbezogene Schwankungen auszublenden. Das Wachstum der Arbeitsproduktivität lag zwischen 2020 und 2025 im Durchschnitt bei 2,2 Prozent – ein willkommener Anstieg gegenüber den bescheidenen 1,5 Prozent im durchschnittlichen Wachstumstempo des vorherigen Konjunkturzyklus. Dieser Anstieg begann jedoch vor dem Debüt der beliebten KI-Chatbots im Jahr 2022 und spiegelt vermutlich eine Vielzahl von Faktoren wider, darunter eine Zunahme von Unternehmensgründungen. "Die Isolierung des KI-Beitrags zum jüngsten Produktivitätswachstum ist nicht einfach", sagte Jefferson. "Wir brauchen mehr Daten." Er verwies darauf, dass Forschung rückblickend den Produktivitätsboom der 1990er Jahre mit IT verband, dass dies aber zum damaligen Zeitpunkt nicht sicher bekannt war.

Auf mikroeconomischer Ebene gibt es zunehmend Belege dafür, dass die neue Technologie die Effizienz bei bestimmten Aufgaben direkt und erheblich steigert, insbesondere dort, wo sie menschliche Arbeitskraft am ehesten ersetzen kann. Eine einflussreiche akademische Studie fand beispielsweise, dass generative KI-Tools die Fähigkeit mancher Kundendienstmitarbeiter, Probleme zu lösen, signifikant verbesserten.

Gleichzeitig erscheinen die Belege darüber, wie sich Effizienzgewinne auf Aufgabenebene auf die breitere Produktivität auswirken, gemischt. Einige aktuelle Studien haben positive Zusammenhänge zwischen Produktivitätswachstum und KI-Verbreitung oder -Exposition auf Unternehmensebene festgestellt. Andererseits haben manche Umfragen, die die Kausalität direkter messen wollen, bislang nur bescheidene Effekte gefunden. Eine aktuelle Studie unter Führungskräften schätzte, dass KI den Umsatz pro Mitarbeiter in den vergangenen drei Jahren um nur 1/2 Prozent erhöht hat.

Jefferson nannte zwei mögliche Erklärungen für die scheinbare Diskrepanz zwischen Gewinnen auf Aufgaben- und Unternehmensebene. Erstens bleibe selbst bei Unternehmen, die KI einsetzen, der Umfang begrenzt, da sie noch experimentieren und lernen: Eine aktuelle Studie ergab, dass die meisten einführenden Unternehmen KI in höchstens einigen wenigen Geschäftsfunktionen nutzen, am häufigsten in Vertrieb und Marketing, Strategie und Geschäftsentwicklung sowie Informationstechnologie. Zweitens gehen selbst bei den naheliegendsten Anwendungsfällen Effizienzgewinne in einem Bereich mit kompensierenden Kosten, neuen Anforderungen oder Engpässen anderswo einher – etwa berichten manche Unternehmen, dass KI-generierter Code mehr Fehler enthält, weshalb mehr Debugging-Arbeit nötig ist.

Dennoch könnten sich, so Jefferson, breitere Verbesserungen mit der Zeit durchaus materialisieren. Unternehmen und Arbeitnehmer werden ihren KI-Einsatz voraussichtlich ausweiten und intensivieren und Produktion sowie Arbeitsabläufe neu organisieren, und erfolgreiche Unternehmen könnten einen Wettbewerbsvorteil erlangen, der es ihnen ermöglicht zu expandieren und Arbeitskräfte sowie Kapital von konkurrierenden Firmen abzuziehen.

Makroökonomische Implikationen

Jeffersons Grundannahme ist, dass die Einführung der neuen Technologie die Produktionskapazität der Wirtschaft letztlich erheblich, aber allmählich anheben wird. Erwartungen dieser längerfristigen Gewinne auf der Angebotsseite der Wirtschaft erhöhen bereits heute die aggregierte Nachfrage deutlich. Ein wesentlicher Teil des Anstiegs der Aktienkurse der letzten Jahre kann auf die Begeisterung rund um die neue Technologie zurückgeführt werden, und dieser zusätzliche Wohlstand erhöht offenbar die Konsumausgaben der Haushalte. Unternehmen bauen neue Rechenzentren in sehr großem Umfang und statteten sie aus, um Modelltraining und Inferenz zu unterstützen, was das aggregierte Investitionsvolumen der Unternehmen rasch wachsen lässt.

Diese Ausgaben erzeugen Aufwärtsdruck auf die Ressourcenauslastung und das allgemeine Preisniveau. Da die Investitionsnachfrage zudem in einigen Branchen konzentriert ist, in denen das Angebot kaum mithalten kann – etwa bei Speicher- und Logikchips –, hat sie auch zu steilen Preisanstiegen bei bestimmten Gütern beigetragen. Mittelfristig, sagte Jefferson, sollte das Angebot dieser Güter aufholen, und der breitere Produktivitätsschub durch die Einführung sollte sich materialisieren; beide Entwicklungen sollten den heutigen Aufwärtsdruck auf die Preise mildern.

Während die neue Technologie insgesamt letztlich höheren Output und Einkommen generieren sollte, räumte Jefferson ein, dass dieser Übergang für manche Arbeitnehmer und Unternehmen schmerzhaft sein könnte. Unternehmen, die bei der Einführung zurückbleiben, könnten in einen Wettbewerbsnachteil geraten, und ihre langfristige Überlebensfähigkeit könnte gefährdet sein. Selbst in Unternehmen, die die Technologie erfolgreich einführen, könnten Arbeitnehmer, die auf Aufgaben spezialisiert sind, die KI effizienter erledigen kann – etwa bestimmte Aspekte der Softwareentwicklung – von Arbeitsplatzverlusten betroffen sein.

"Ein Risiko für meine Grundprognose ist, dass die neue Technologie Arbeitskräfte viel schneller verdrängen könnte, als sie sich anpassen und umschulen können, was zu einem Anstieg der Arbeitslosigkeit führen könnte", sagte Jefferson. In diesem Szenario wäre eine zentrale Frage für die Geldpolitik, wie viel dieses Anstiegs strukturell bedingt ist – also eine dauerhafte Diskrepanz zwischen den Fähigkeiten der Arbeitnehmer und den Bedürfnissen der Unternehmen widerspiegelt – und daher voraussichtlich bestehen bleibt, selbst wenn die Wirtschaft nahe an ihrem vollen Potenzial arbeitet. Die Geldpolitik kann zyklische Bedingungen beeinflussen, etwa einen vorübergehenden Rückgang von Beschäftigung und Ausgaben, aber sie kann die strukturellen Faktoren, die die langfristigen Beschäftigungsquoten bestimmen, nicht adressieren.

Jefferson verwies auch auf mögliche Auswirkungen auf den langfristigen neutralen Zinssatz, oft als r* bezeichnet. Steigt der neutrale Zinssatz, wird die Politik bei jedem gegebenen Federal Funds Rate effektiv akkommodativer; sinkt er dagegen, wird die Politik effektiv restriktiver. Führt die neue Technologie zu dauerhaft höherem Produktivitätswachstum, kann dies den Investitionswillen der Unternehmen und damit deren Finanzierungsbedarf erhöhen und das Zinsniveau anheben. Höheres Produktivitätswachstum kann auch die Ersparnisbildung der Haushalte dämpfen und den Konsum durch höheres erwartetes Zukunftseinkommen ankurbeln – unter diesen Bedingungen würde der neutrale Zinssatz wahrscheinlich steigen, um erhöhte Investitionen mit reduzierten Ersparnissen in Einklang zu bringen. Die Vorhersage von Veränderungen des neutralen Zinssatzes ist jedoch schwierig, angesichts des historisch verrauschten Zusammenhangs zwischen Produktivitätswachstum und realen Zinssätzen. Politische Entscheidungsträger, sagte er, müssten Entwicklungen in Echtzeit und mögliche künftige Entwicklungen aufmerksam verfolgen, um sicherzustellen, dass der geldpolitische Kurs angemessen kalibriert bleibt.

Die Wegweiser sind nach Jeffersons eigener Darstellung, ob Unternehmen ihren KI-Einsatz über die wenigen Geschäftsfunktionen, in denen sie heute konzentriert ist, hinaus ausweiten, ob das Angebot in eingeschränkten Segmenten wie Speicher- und Logikchips mit der Rechenzentrumsnachfrage aufholt und ob genügend Daten zusammenkommen, um den KI-Beitrag zur aggregierten Produktivität zu isolieren.

Konjunkturausblick und politischer Kurs

Zur breiteren Wirtschaft sagte Jefferson, sie habe in diesem Jahr an Dynamik gewonnen und sich in einem Tempo ausgedehnt, das ungefähr ihrem Potenzial entspricht – bemerkenswert angesichts einer Kaskade von Schocks, darunter ein Energieschock und erhebliche Änderungen der Handelspolitik, zusätzlich zum Technologieausbau. Das BIP wuchs im dritten Quartal mit einer Rate von 3,4 Prozent, wie in Abbildung 4 der Rede dargestellt. Die Unternehmensinvestitionen waren recht stark, und die Konsumausgaben blieben robust. Jefferson sagte, er erwarte, dass sich die Expansion im kommenden Jahr ungefähr im Einklang mit dem Potenzialoutput fortsetzen wird.

Ein breites Spektrum aktueller Arbeitsmarktdaten zeigt, dass sich die Bedingungen stabilisiert haben. Die Arbeitslosenquote verlief in diesem Jahr weitgehend seitwärts und lag im Oktober bei 4,1 Prozent, wie in Abbildung 5 dargestellt. Entlassungen bleiben niedrig, und die offenen Stellen sind leicht gestiegen. Obwohl die Schaffung von Arbeitsplätzen volatil war, haben sich die Beschäftigungsgewinne in den letzten Monaten auf viele Branchen ausgeweitet – was Jefferson ermutigend findet. Er erwartet, dass die Arbeitslosenquote kurzfristig um ihr aktuelles Niveau bleibt – ein Niveau, das er mit voller Beschäftigung für vereinbar hält. Die Risiken für seine Output- und Beschäftigungsprognosen sind in etwa ausgeglichen: Ein Anstieg der Unsicherheit infolge der Spannungen im Nahen Osten könnte Aktivität und Einstellungen belasten, während ein weiterer Anstieg der Investitionsausgaben ein stärkeres Wachstum stützen könnte.

Auf der preisstabilitätsbezogenen Seite des Doppelmandats der Fed bleibt die Inflation deutlich über dem 2-Prozent-Ziel des FOMC. Die 12-Monats-Veränderung des Preisindex für persönliche Konsumausgaben, dargestellt durch die blaue Linie in Abbildung 6, lag im September bei 3,6 Prozent. Höhere Energiekosten sind einer der Treiber der erhöhten Inflation: Die Ölpreise waren ziemlich volatil, und das globale Energieangebot steht angesichts zunehmender geopolitischer Spannungen erneut unter Belastung. Jefferson sagte, er bleibe besorgt über das Risiko, dass höhere Energiepreise zu einem dauerhaften Anstieg der Inflation breiter führen könnten.

Die 12-Monats-Veränderung der Kerninflation (PCE), die volatile Lebensmittel- und Energiepreise ausklammert, lag im September bei 3,1 Prozent. Indirekt zeigen sich höhere Energiekosten in Bereichen wie Flugtickets und Transport, und der Boom der Nachfrage nach neuen Technologien hat ungewöhnlich starke Kostensteigerungen bei Konsumgütern und Dienstleistungen verursacht, die auf dieselben Inputs angewiesen sind, wie etwa Speicher. Die bislang für Oktober eingegangenen Daten bleiben mit deutlich über dem Ziel liegender Inflation vereinbar.

Jefferson achtet auch genau auf die Inflationserwartungen. Umfragebasierte, kurzfristige Maße sind erhöht, was hauptsächlich höhere Energiepreise widerspiegelt, während die meisten Maße der langfristigen Inflationserwartungen stabil auf Niveaus geblieben sind, die mit 2 Prozent Inflation vereinbar sind.

Bei der geldpolitischen Sitzung des FOMC im vergangenen Monat stimmte Jefferson mit der Mehrheit seiner Kollegen dafür, den Federal Funds Rate unverändert zu lassen, wie in Abbildung 7 dargestellt. Die seit dieser Sitzung eingegangenen Daten sind mit einer insgesamt soliden Wirtschaftstätigkeit und Arbeitsmarktlage vereinbar, während die Inflationsdaten anhaltenden Preisdruck zeigen. Dementsprechend sieht Jefferson im Inflationsverlauf das wichtigere Signal zur Bestimmung des angemessenen geldpolitischen Kurses. Künftig, so seine Überzeugung, sollten weitere politische Anpassungen anhand einer sorgfältigen Prüfung der Datentrends, des sich entwickelnden Ausblicks und der Risikobilanz bestimmt werden.

Fazit

Zum Abschluss kehrte Jefferson zu seinem zentralen Thema zurück: Neue Technologien zwingen uns, alte, aber sehr wichtige Fragen erneut zu betrachten. Die Wege von der Innovation zur Einführung und Anpassung hin zu dauerhaften Produktivitätsgewinnen können ungleichmäßig und unvorhersehbar sein – manche würden sogar sagen: rätselhaft. Neue Technologien fordern unsere Aufmerksamkeit lange bevor sie sich auf die gemessene Produktivität auswirken, und sie zwingen uns, unser Verständnis davon, wie die Wirtschaft funktioniert, neu zu überdenken – was die Geldpolitik spannend und herausfordernd macht. "Zum Glück ist, durch all das hindurch, unsere Mission bei der Fed klar", sagte er: das Doppelmandat zu erfüllen, das uns der Kongress gegeben hat – maximale Beschäftigung und Preisstabilität. "Das sind die Ziele jeder einzelnen Maßnahme."

Anmerkungen und Literatur zur Rede

1. Die in der Rede geäußerten Ansichten sind Jeffersons eigene und entsprechen nicht unbedingt denen seiner Kollegen im Federal Reserve Board oder im Federal Open Market Committee.
2. Die in der Rede diskutierten jüngsten technologischen Fortschritte werden manchmal als Superintelligenz oder SI bezeichnet.
3. Robert Solow (1987), "We'd Better Watch Out", New York Times, 12. Juli.
4. Der Intel-386-Mikroprozessor, damals eine High-End-Option für PCs, leistete etwa 200.000 Gleitkommaoperationen pro Sekunde (FLOPS). Siehe Richard Grehan, Tom Thompson, Curtis Franklin Jr. und George A. Stewart (1988), "Introducing the New BYTE Benchmarks", BYTE, Juni. Der Apple-A19-Chip, verwendet im iPhone 17, leistet 2,07 Billionen FLOPS. Siehe Nanoreview.net (2026), "Apple iPhone 17: Specifications and Benchmarks",
5. Der geringe Anteil der Computer am Kapitalstock wurde damals als Lösung des Paradoxons angemerkt. Siehe Stephen D. Oliner, Daniel E. Sichel, Jack E. Triplett und Robert J. Gordon (1994), "Computers and Output Growth Revisited: How Big is the Puzzle?", Brookings Papers on Economic Activity, Nr. 2, S. 273–334.
6. Alan Greenspan (1998), "The Implications of Technological Changes", Rede vor der Charlotte Chamber of Commerce, Charlotte, N.C., 10. Juli. Belege für den Zusammenhang zwischen dem Produktivitätsschub und der Informationstechnologie finden sich bei Stephen D. Oliner und Daniel E. Sichel (2000), "The Resurgence of Growth in the Late 1990s: Is Information Technology the Story?", Journal of Economic Perspectives, Bd. 14 (4), S. 3–22.
7. Daniel E. Sichel, Stephen Oliner und Kevin J. Stiroh (2007), "Explaining a Productive Decade", Brookings Papers on Economic Activity, Frühjahr, S. 81–152.
8. Timothy F. Bresnahan, Erik Brynjolfsson und Lorin M. Hitt (2002), "Information Technology, Workplace Organization, and the Demand for Skilled Labor: Firm-Level Evidence", The Quarterly Journal of Economics, Bd. 117 (1), S. 339–76.
9. Sichel, Oliner und Stiroh, "Explaining a Productive Decade" (siehe Anmerkung 7).
10. James Moor (2006), "The Dartmouth College Artificial Intelligence Conference: The Next Fifty Years", AI Magazine, 15. Dezember, S. 87–91.
11. Brian Tanton (2007), "Becoming More Clear", Mailing Systems Technology, 29. Januar.
12. Alexander Bick, Adam Blandin, David J. Deming und Tyler R. Schumacher (2026), "What Work Does Generative AI Do?", NBER Working Paper Series 35677 (Cambridge, Mass.: National Bureau of Economic Research, August).
13. Da Großunternehmen einen überproportionalen Anteil an der Gesamtbeschäftigung ausmachen, sind beschäftigungsgewichtete Verbreitungsraten noch höher als die hier diskutierten Census-Zahlen. Siehe Ivan Yotzov, Jose Maria Barrero, Nicholas Bloom, Philip Bunn, Chanya Chawla, Steven J. Davis, Kevin M. Foster, Aaron Jalca, Brent H. Meyer, Paul Mizen, Michael A. Navarrete, Samil Oh, Katia Garcia Loredo, Monique Reid, Pawel Smietanka, Gregory Thwaites und Ben Zhe Wang (2026), "Firm Data on AI", NBER Working Paper Series 34836 (Cambridge, Mass.: National Bureau of Economic Research, Februar; revidiert Oktober 2026). Dieses Papier findet eine beschäftigungsgewichtete Verbreitungsrate unter US-Unternehmen von 95 Prozent.
14. Erik Brynjolfsson, Danielle Li und Lindsey Raymond (2025), "Generative AI at Work", The Quarterly Journal of Economics, Bd. 140 (2), S. 889–942.
15. Tania Babina, Alex X. He und Renhao Jiang (2026), "Canaries in the Gold Mine: Early Productivity Gains from Artificial Intelligence Creating Organization Capital", NBER Working Paper Series 35684 (Cambridge, Mass.: National Bureau of Economic Research, August).
16. Yotzov et al. (2026), "Firm Data on AI" (siehe Anmerkung 13). Diese Schätzung ist ein beschäftigungsgewichteter Durchschnitt über die Umfrageteilnehmer.
17. Kathryn Bonney, Cory Breaux, Emin Dinlersoz, Lucia Foster, John Haltiwanger und Aditya Pande (2026), "The Microstructure of AI Diffusion: Evidence from Firms, Business Functions, and Worker Tasks", Center for Economic Studies Working Paper No. CES-26-25 (Washington: U.S. Census Bureau, April).
18. Ein wesentlicher Teil dieser Investitionsnachfrage, insbesondere für IT-Ausrüstung, wird durch Importe gedeckt, was den direkten Effekt auf das BIP verringert. Dennoch erhöht die Kapitalvertiefung die Arbeitsproduktivität, unabhängig davon, ob das Kapital importiert wurde oder nicht.
19. Insbesondere haben Speicherchip-Hersteller eine massive Erhöhung der Produktionskapazität angekündigt, die den Preisdruck für Produkte mit DRAM in den kommenden Jahren mindern wird.

Quelle: Federal Reserve Board, Rede des Vizevorsitzenden Philip N. Jefferson, "New Technology, Old Questions: Productivity Puzzles and the Macroeconomy", 13. November 2026, https://www.federalreserve.gov/newsevents/speech/jefferson20261113a.htm