Brookings Papers on Economic Activity
Die Studie: Methodik und Grundlagen
Die Studie kombiniert zwei Datenquellen, die ihre besondere Belastbarkeit begründen. Erstens: zwei Runden repräsentativer Beschäftigtenbefragungen, die von den Autoren eigens entwickelt und in sieben Ländern gleichzeitig durchgeführt wurden – USA, Deutschland, Großbritannien, Frankreich, Italien, Schweden und die Niederlande. Die erste Welle erhob im Mai/Juni 2025 rund 5.000 Antworten pro Land, die zweite Welle im Januar/Februar 2026 rund 3.000 pro Land. Befragungsmethodik und Gewichtung orientierten sich an den nationalen Arbeitskräfteerhebungen der jeweiligen Länder, um Vergleichbarkeit zu gewährleisten.
Zweitens: Unternehmensdaten aus dem EU-Erhebungsprogramm zur IKT-Nutzung in Unternehmen (EU-ICT-Firm-Survey, 157.000 Unternehmen in 32 Ländern) sowie aus dem US-amerikanischen Business Trends and Outlook Survey. Diese Kombination aus Beschäftigten- und Unternehmensperspektive über mehrere Jahre hinweg macht die Studie zu einer der methodisch robustesten ihrer Art.
Die wichtigsten Befunde im Überblick
Befund 1: Nutzungsquoten – Deutschland im Mittelfeld
Anfang 2026 nutzen 43% der US-Beschäftigten generative KI für ihre Arbeit. Deutschland liegt mit 31,5% im europäischen Mittelfeld – hinter Großbritannien (36,3%), Schweden (35,6%) und den Niederlanden (35,6%), aber vor Frankreich (28,1%) und Italien (25,6%). Im Vergleich zu den USA entspricht das einem Rückstand von 11,5 Prozentpunkten, oder anders ausgedrückt: US-Beschäftigte nutzen KI zwischen 18% und 68% häufiger als ihre europäischen Kollegen.
Befund 2: Der »Triple Gap« – nicht doppelt, dreifach zurück
Die Nutzungsquote allein unterschätzt den tatsächlichen Abstand. Wer KI nutzt, tut das in den USA mit deutlich höherer Intensität: Bedingte Nutzende dort verbringen 13% ihrer Arbeitszeit mit KI-Anwendungen – in Deutschland sind es nur 7%. Der eigentlich aufschlussreiche Wert aber ist der Anteil aller Arbeitsstunden mit KI-Nutzung, also über Nutzende und Nicht-Nutzende hinweg.
In den USA beträgt dieser Wert 5,2%. Das ist laut Studie mehr als das Dreifache der entsprechenden Werte für Deutschland, Frankreich und Italien. Für diese Länder liegt er schätzungsweise unter 1,7%. Auch das Vereinigte Königreich, Schweden und die Niederlande erreichen nur etwa die Hälfte des US-Wertes. Deutschland hat also nicht nur einen Rückstand bei der Verbreitung – dieser Rückstand wird durch die geringere Nutzungsintensität massiv verstärkt.
Doppelter Nachteil: Deutschland hat nicht nur weniger KI-Nutzende (31,5% vs. 43%), diese setzen KI auch nur halb so intensiv ein (7% vs. 13% der Arbeitszeit). Der tatsächliche Rückstand ist damit erheblich größer, als die bloßen Nutzungsquoten vermuten lassen.
Befund 3: Die Schere öffnet sich – Deutschland fällt aktiv zurück
Zwischen den beiden Befragungswellen (Mai/Juni 2025 und Januar/Februar 2026) stieg die Nutzungsquote in den USA um 3,6 Prozentpunkte. In Deutschland, Frankreich und Italien wuchs sie hingegen nur um 0,1 bis 1,1 Prozentpunkte. Das bedeutet: Der Abstand wächst aktiv. Es handelt sich nicht um einen historischen Rückstand, sondern um eine sich beschleunigend öffnende Schere.
Compounding-Effekt: Die Studie zeigt, dass Länder mit bereits höherer KI-Nutzung ihre Nutzungsrate stärker steigern. Länder wie Deutschland, die heute zurückliegen, riskieren damit nicht nur einen gleichbleibenden, sondern einen sich progressiv vergrößernden Rückstand.
Befund 4: Der Scheinvorteil der deutschen Unternehmensdaten
Auf den ersten Blick erscheinen die deutschen Unternehmenszahlen weniger besorgniserregend: 26% der deutschen Unternehmen nutzen KI für irgendeinen Geschäftszweck – das liegt über dem EU-Durchschnitt von 20%. Doch dieser Wert ist trügerisch.
Erstens liegen Dänemark, Finnland und Schweden bereits bei über 35%. Zweitens und entscheidend: Wenn man nur den wertschöpfungsrelevanten Einsatz betrachtet – KI in der Produktion von Gütern und Dienstleistungen –, liegt Deutschland bei nur 6%. Die USA sind bei 7%, Schweden bei 9%. Das legt nahe, dass deutsche Unternehmen KI vor allem für periphere Funktionen wie Marketing oder Verwaltung einsetzen, nicht aber für ihre Kernprozesse. KI als Werkzeug zur Effizienzsteigerung in der Wertschöpfungskette – das ist in Deutschland noch die Ausnahme.
Unternehmensquoten im Vergleich (2025)
| Land | KI für beliebigen Zweck | KI in der Produktion |
| USA | ~34% (proj.) | 7% |
| Schweden | >35% | 9% |
| Deutschland | 26% | 6% |
| EU-Durchschnitt | 20% | 4% |
Befund 5: Was erklärt die Lücke? Management – nicht Kultur, nicht Regulierung
Dies ist aus wissenschaftlicher Sicht der bedeutendste Befund der Studie. Die Autoren analysieren systematisch, welche Faktoren die Unterschiede in der KI-Adoption erklären. Strukturelle Merkmale – Altersstruktur der Belegschaft, Bildungsniveau, Branchenzusammensetzung, Betriebsgröße – erklären rund 55% der durchschnittlichen Adoptionslücke zwischen den USA und Europa.
Der verbleibende Teil – also fast die Hälfte der Lücke – lässt sich durch strukturelle Faktoren allein nicht erklären. Was erklärt ihn? Die Studie zeigt in einer erweiterten Analyse: Sobald man Unterschiede in der aktiven Ermutigung von Mitarbeitenden durch ihre Arbeitgeber einbezieht, erklärt dieses einzelne Merkmal statistisch nahezu die gesamte verbleibende Lücke zwischen USA und Europa. US-Unternehmen ermutigen ihre Belegschaft zur KI-Nutzung, stellen Tools bereit und schaffen damit die Voraussetzung für Adoption. Deutsche Unternehmen tun dies deutlich seltener. Verbote und Kulturskepsis spielen hingegen kaum eine Rolle.
Wissenschaftlicher Kernbefund: Eine statistische Zerlegung der Adoptionslücke (Oaxaca-Blinder-Dekomposition) zeigt: Wenn deutsche Unternehmen ihre Mitarbeitenden in gleichem Maße zur KI-Nutzung ermutigen würden wie US-Unternehmen, würde die Adoptionslücke statistisch nahezu verschwinden. Die Ursache der Lücke ist damit klar identifiziert – und sie ist steuerbar.
Wichtige Zusatzerkenntnis: Training allein wirkt nicht
Die Studie differenziert zwischen drei Formen der Förderung: aktive Ermutigung, Toolbereitstellung und Training. Das überraschende Ergebnis: Während Ermutigung und Toolbereitstellung stark prädiktiv für die tatsächliche Nutzung sind, ist KI-Training allein nicht signifikant prädiktiv. Das widerspricht dem verbreiteten Ansatz vieler Unternehmen, die primär in Schulungsprogramme investieren und hoffen, dass die Nutzung daraus folgt. Ohne aktive Ermutigung und konkrete Werkzeuge bleibt Training weitgehend wirkungslos.
Befund 6: Die Produktivitätslücke ist bereits heute messbar
KI-Nutzende berichten von durchschnittlich 1,9 Stunden Zeitersparnis pro Woche – das entspricht 5,8% der Arbeitszeit. Auf alle Beschäftigten hochgerechnet, entsteht in den USA bereits eine Zeitersparnis von 2,3% aller Arbeitsstunden. In Europa liegt dieser Wert zwischen 1,0% und 1,8%. Die Studie schätzt, dass daraus bereits heute ein Produktivitätsvorsprung der USA von 0,5 bis 1,3 Prozentpunkten gegenüber Europa resultiert – messbar, nicht prognostiziert.
Auf der Makroebene bestätigen Unternehmensdaten aus 29 europäischen Ländern: Eine Steigerung der KI-Nutzungsquote in einem Sektor um 10 Prozentpunkte ist mit einem zusätzlichen kumulierten Produktivitätswachstum von 2 bis 5 Prozentpunkten verbunden. Dieser Zusammenhang gilt für den Zeitraum 2019–2024 und zeigt sich in ähnlicher Größenordnung auch für die USA.
Befund 7: Die ICT-Parallele – wir haben diesen Film bereits gesehen
Die Studie zieht explizit eine historische Parallele. Zwischen 1995 und 2025 stieg die Arbeitsproduktivität in den USA um 85%, in Europa nur um 29%. Diese Lücke entstand maßgeblich dadurch, dass US-Unternehmen Informations- und Kommunikationstechnologien (IKT) schneller und tiefgreifender adoptierten. Die Forschung hat gezeigt: Managementpraktiken erklärten damals den Hauptteil des höheren IKT-Investitionsniveaus und der höheren Renditen in US-Unternehmen im Vergleich zu Europa. Die aktuelle Studie zeigt, dass sich dieser Mechanismus nun bei KI wiederholt – mit dem wichtigen Unterschied, dass das Wissen um diesen Zusammenhang diesmal verfügbar ist, bevor sich die Lücke vollständig öffnet.
Wir haben diesen „Film“ bereits schon einmal gesehen: In den 1990er-Jahren öffnete sich eine Produktivitätsschere zwischen Europa und den USA, die bis heute nicht geschlossen wurde. Der Mechanismus war damals derselbe wie heute: Unternehmen, die neue Technologien organisational verankern, gewinnen. Unternehmen, die sie lediglich bereitstellen, nicht.
Einordnung: KI ist ein Management- und Betriebsmodellthema
Die zentrale Botschaft dieser Studie lautet nicht: „Setzt mehr KI ein“ oder „Kauft bessere Tools“ oder „Schult eure Mitarbeitenden“. Die zentrale Botschaft lautet: KI muss als strategisches Management- und Betriebsmodellthema behandelt werden – nicht als IT-Projekt, nicht als experimentelle Initiative, nicht als Schulungsaufgabe.
In meiner Beratungspraxis sehe ich regelmäßig dasselbe Muster: Ein Unternehmen stellt ChatGPT-Lizenzen bereit, lässt eine Schulung durchführen und wartet auf Ergebnisse. Die bleiben aus – oder beschränken sich auf individuelle Anwendungsfälle ohne systemischen Effekt. Das ist kein Misserfolg des Unternehmens, sondern ein Missverständnis darüber, was KI-Adoption erfordert.
Was die Studie klar belegt: Der Unterschied zwischen US-Unternehmen und deutschen Unternehmen liegt nicht primär in besserer Technologie, größeren Budgets oder digitalaffineren Mitarbeitenden. Er liegt darin, dass US-Unternehmensführungen KI als Priorität setzen, aktiv kommunizieren, Nutzung einfordern und Rahmenbedingungen schaffen. Das ist eine Führungsentscheidung. Und sie ist in jedem Unternehmen möglich – unabhängig von Größe, Branche oder Ressourcen.
Gleichzeitig zeigen die Daten: Die Wirtschaftlichkeit der KI-Adoption ist heute bereits in nationalen Produktivitätsdaten messbar. Wer wartet, zahlt einen realen Preis. Angesichts einer schrumpfenden Erwerbsbevölkerung in Deutschland ist KI-Produktivität keine strategische Option mehr – sie ist eine demographische Notwendigkeit.
Lehren für Unternehmer und Unternehmensberater
Die folgenden acht Handlungsfelder ergeben sich direkt aus den Studienbefunden, ergänzt durch Beobachtungen aus der Praxis.
|
01
KI als Führungsthema setzen, nicht delegieren
Die Studie belegt eindeutig: Aktive Ermutigung durch den Arbeitgeber ist das stärkste Einzelmerkmal für KI-Adoption. Das ist keine IT-Aufgabe. Führungskräfte müssen KI aktiv einfordern, vorleben und in Zielvereinbarungen verankern.
|
02
Tools bereitstellen + ermutigen – Training allein reicht nicht
Die Studie zeigt: KI-Training ohne Ermutigung und Toolbereitstellung ist statistisch nicht signifikant wirksam. Wer nur schult, aber keine Erwartungshaltung schafft, investiert ineffizient. Erst Ermutigung und konkrete Werkzeuge erzeugen tatsächliche Nutzung.
|
|
03
KI-Adoption messen – nicht nur einführen
Die Studienbenchmarks liegen jetzt vor: 31,5% Nutzungsquote, 7% Arbeitszeit-Intensität, 26% Unternehmen (davon nur 6% in der Produktion). Messen Sie Ihren eigenen Stand. Wer nicht weiß, wo er steht, kann die Lücke nicht schließen.
|
04
KI in die Wertschöpfung bringen, nicht nur in die Verwaltung
Deutsche Unternehmen nutzen KI überwiegend in Marketing und Verwaltung, kaum in Produktion und Kernprozessen. Der strategische Hebel liegt in der Wertschöpfungskette. Das ist die Differenz, die auf Produktivitätszahlen durchschlägt.
|
|
05
Jetzt handeln – der Compounding-Effekt arbeitet gegen Zögerer
Die Divergenz zwischen 2025 und 2026 zeigt: Vorreitermärkte bauen ihren Vorsprung schneller aus als Nachzügler aufholen können. Die Aufholkosten wachsen mit jedem Quartal des Abwartens. Das ist kein Aufruf zur Hektik, aber ein klares Argument gegen das Abwarten auf „bessere Technologie“.
|
06
Für Berater: Organisationsmodell vor Tool-Beratung
Der Engpass ist nicht Technologie, sondern Managementstruktur. Nachhaltige KI-Beratung beginnt mit der Frage: Wie ermutigt dieses Unternehmen seine Mitarbeitenden? Erst dann folgt die Toolauswahl. Dieser Reihenfolge sollte die Beratungsagenda folgen.
|
|
07
Demographischer Druck als ehrlicher Business Case
Eine schrumpfende Erwerbsbevölkerung macht Produktivitätssteigerung alternativlos. Bei sinkender Belegschaftsgröße ist das heutige Leistungsniveau ohne KI-Unterstützung schlicht nicht aufrechtzuerhalten. Das ist Arithmetik – und ein Argument, das auch skeptische Unternehmenslenker erreicht.
|
08
Beschäftigungsargument für den Betriebsrat
Die Studie findet keine Evidenz dafür, dass höhere KI-Adoption mit Beschäftigungsrückgängen verbunden ist – weder in Europa noch in den USA. Dieses empirische Ergebnis lässt sich konstruktiv im Dialog mit Betriebsräten und skeptischen Mitarbeitenden nutzen.
|
Sofort-Maßnahmen für Unternehmensverantwortliche
- KI-Nutzungsrate und Nutzungsintensität im Unternehmen erheben und mit Studienbenchmarks vergleichen (DE: 31,5% / 7%)
- Führungsebene zur aktiven Ermutigung verpflichten – nicht nur zur Tool-Bereitstellung
- KI-Einsatz in Kernprozessen und Wertschöpfungskette priorisieren (nicht nur Marketing/Verwaltung)
- Zeitersparnis-Effekte intern messen – 1,9 Stunden/Woche pro Nutzenden sind ein starkes internes Wirtschaftlichkeitsargument
- KI-Adoption als messbaren KPI in Führungs- und Abteilungsziele integrieren
- Betriebsrat mit der Beschäftigungs-Evidenz abholen: Sektoren mit höherer KI-Adoption zeigen keinen Beschäftigungsrückgang
Hans-Jörg Vohl begleitet gemeinsam mit dem Team von Project Management Partners seit mehr als 25 Jahren Unternehmen in der Steuerung anspruchsvoller Veränderungsprojekte im Spannungsfeld von wertschöpfenden Zielen und technischer Machbarkeit. Im Mittelpunkt stehen dabei drei Schwerpunkte: Die präzise Zielbestimmung, Exzellenz in der Umsetzung sowie Digitalisierung und Künstliche Intelligenz.
Heute unterstützt Project Management Partners große Unternehmen und den gehobenen Mittelstand im DACH-Raum bei der Entwicklung und Umsetzung tragfähiger KI-Strategien. Zum Einsatz kommt dabei die eigenentwickelte KI-Toolsuite, die Managern und Beratern die Einführung von Künstlicher Intelligenz mit pragmatischen, sofort nutzbaren Hilfen erleichtert.
Dazu gehören unter anderem ein KI-gestütztes KI-Readiness-Assessment, Tools zur Definition und Verbesserung von KI-Use-Cases, die größte Datenbank für KI-Use-Cases in Deutschland sowie eine KI-gestützte Suche nach passenden Umsetzungspartnern für neu entwickelte oder weiter verbesserte Use Cases. Ergänzt wird die Toolsuite durch Funktionen, die Mitarbeiter im Veränderungsprozess gezielt einbinden und überzeugen, sowie durch ein Projektmanagement-Tool, das die Einführung verbindlich strukturiert und wirksam unterstützt.
[1] Primärquelle (Studie): Bick, A., Blandin, A., Deming, D. J., Fuchs-Schündeln, N., Jessen, J. (2026): Mind the Gap: AI Adoption in Europe and the US. BPEA Conference Draft, März 2026. Brookings Papers on Economic Activity, Frühjahr 2026. PDF-Download (Brookings Institution)
[2] Ergänzend (Presseartikel): Bick, A., Fuchs-Schündeln, N., Jessen, J. (2026): „Die neue digitale Kluft: KI-Nutzer sparen fast zwei Stunden Arbeitszeit pro Woche.“ Gastbeitrag, Frankfurter Allgemeine Zeitung, 27. März 2026.
