„Nichts ist mächtiger als eine Technologie, deren Zeit gekommen ist“ – mit diesem Bekenntnis schließt ein vielbeachteter Kommentar zur KI-Revolution in Deutschland. Der Satz stimmt. Er beantwortet nur nicht die entscheidende Frage: Wessen Zeit ist wirklich gekommen? Wer tatsächlich von der KI-Welle profitiert, wer auf ihr surft und wer von ihr überrollt wird, lässt sich nicht mit nationalen Erfolgsversprechen beantworten. Es braucht eine strukturelle Analyse – jenseits von Motivationsrhetorik.

„So gewinnt Deutschland die KI-Revolution.“ Solche Überschriften sind das journalistische Äquivalent des Anfeuerns beim Halbmarathon: gemeint ist es gut, aber es verändert das Rennergebnis nicht. Was der Text darunter liefert, ist ein vertrautes Muster: korrekte Diagnosen, richtige Einzelbeobachtungen, eine argumentative Leerstelle dort, wo es entscheidend wäre.

Die PR-Schere beginnt beim Titel

Die Formulierung „so gewinnt Deutschland“ setzt voraus, dass Deutschland sich noch im Rennen befindet, dass ein klar definierter Wettbewerb mit erkennbaren Gewinnerbedingungen existiert und dass die richtige Handlungsanleitung fehlt – nicht etwa die strukturellen Voraussetzungen. Alle drei Prämissen sind zumindest fraglich. Dieser Zug, eine offene strukturelle Frage durch eine handlungsanleitende Überschrift zu schließen, bevor sie gestellt wurde, ist das Grundmuster dessen, was man als PR-Schere bezeichnen kann: die Lücke zwischen kommunikativer Gewissheit und analytischer Substanz.

Das ist keine Kritik an einzelnen Autoren. Es ist das Grundproblem eines Wirtschaftsjournalismus, der im Modus der nationalen Chefsache-Dramatik operiert: Deutschland vs. USA, Aufholjagd, letzte Chance, zweite Chance gibt es nicht. Diese Sprache erzeugt Dringlichkeit, ersetzt aber keine Strukturanalyse.

Was der Artikel richtig sieht

Es wäre ungerecht, die realen Stärken des Texts zu übergehen. Die Diagnose stimmt: hohe Lohnkosten, abwandernde Wertschöpfung, ein Fachkräftemangel mit strukturellem Charakter – und KI als mögliches Produktivitätsinstrument, das diese Defizite zumindest abmildern kann. Auch der Verweis auf die Dampfmaschine ist analytisch bemerkenswert: Regionen, die früh adoptierten, profitierten durch Pfadabhängigkeit über Generationen. Das ist historisch gut belegt und für den Mittelstand ein ernster Hinweis.

Ebenso berechtigt ist die Warnung, dass Deutschland bei der KI-Nutzung in Unternehmen nur europäischer Durchschnitt ist, während die USA abermals enteilen. Diese Beobachtung trifft.

Was strukturell fehlt

Erstens: Die Verwechslung von Nutzung und Wertschöpfung.

Wenn deutsche Unternehmen KI einsetzen, aber die Modelle aus den Vereinigten Staaten kommen, die Chips aus Taiwan, die Infrastruktur von amerikanischen Hyperscalern betrieben wird – was bleibt dann für Deutschland? Adoption ist kein industriepolitisches Argument. Es ist strukturell dasselbe Muster wie bei der Smartphone-Revolution: Deutschlands Unternehmen und Konsumenten nutzten Smartphones intensiv; die Wertschöpfung fand bei Apple, Samsung und Qualcomm statt. Wer in der KI-Ära primär konsumiert, was anderswo produziert wird, hat kein Produktivitätsproblem gelöst – er hat eine neue Abhängigkeit aufgebaut.

Alfred Chandler hat gezeigt, dass industrielle Führerschaft auf organisationalen Fähigkeiten beruht, die sich über Zeit akkumulieren und nicht durch späte Adoption repliziert werden können. Die Frage wäre also nicht: Nutzen deutsche Unternehmen KI? Sondern: In welchen Segmenten bauen sie eigenständige Kompetenz auf, die verteidigbar ist?

Zweitens: Die Infrastrukturfrage bleibt ausgeblendet.

Kein Wort zu Energiepreisen. Dabei ist dieser Faktor strukturell entscheidend: Training und Betrieb großer KI-Modelle skalieren nahezu linear mit Energieverbrauch. Der deutsche Industriestrom liegt bei einem Vielfachen amerikanischer, skandinavischer oder nahöstlicher Tarife. Das macht wettbewerbsfähige Foundation-Model-Entwicklung in Deutschland strukturell unwahrscheinlich – nicht wegen fehlender Intelligenz oder Kapitals, sondern wegen physischer Kostenstruktur. Darüber hinaus sind Hyperscaler-Kapazitäten und Halbleiterversorgung amerikanisch und taiwanesisch dominiert. Diese Infrastrukturabhängigkeiten mit einem Hinweis auf den flexiblen Arbeitsmarkt zu beantworten, verfehlt das Problem.

Drittens: Das Arbeitsmarktargument ist eine alte Leier.

Die These, der flexible US-Arbeitsmarkt sei der zentrale Treiber der amerikanischen Produktivitätsdivergenz seit den 1990ern, ist eine Vereinfachung, die den Prüfungstest nicht besteht. Was die USA von Deutschland unterschied, war nicht primär die Leichtigkeit des Kündigens, sondern: ein dichtes Venture-Kapital-Ökosystem, die institutionelle Nähe zwischen Risikokapital und Universitäten (Stanford–Valley, MIT–Route 128), massive staatliche Grundlagenforschungsfinanzierung über DARPA und NIH, und Netzwerkeffekte in wenigen geographischen Clustern. Kündigungsschutz für Gutverdiener zu lockern löst keines dieser Strukturprobleme. Es ist eine ordnungspolitische Lieblingsantwort auf eine institutionelle Frage.

Viertens: „Deutschland“ ist kein strategisches Subjekt.

Der Artikel adressiert Deutschland durchgängig als homogenes Handlungssubjekt: Deutschland muss, Deutschland kann, Deutschland ist wie gemacht dafür. Luhmann hätte daran seine Freude gehabt – als Beispiel für die Selbstbeschreibung eines sozialen Systems, das sich Handlungsfähigkeit zuschreibt, die es als diffuses Aggregat nicht besitzt.

Die analytisch relevante Einheit wäre feiner: Welche Branchen, welche Unternehmenstypen, welche Größenklassen haben realistische Anschlussfähigkeit an KI-gestützte Wertschöpfung? Maschinenbau-Mittelstand mit proprietären Prozessdaten und vertikalem Integrationswissen: hohes Potenzial. Automobilzulieferer in strukturellem Plattformverlust: KI lindert die Symptome, heilt nicht die Ursache. Standardisierte Dienstleistungsbetriebe: Rationalisierungsdruck, aber keine Differenzierungsgrundlage. Diese Differenzierung kommt im Artikel nicht vor.

Was eine strategische Antwort leisten müsste

Herbert Simon hat das Konzept des Aspirationsniveaus beschrieben: Organisationen justieren ihre Ziele nicht nach absolutem Optimum, sondern nach dem, was angesichts ihrer Constraints erreichbar scheint. Für Deutschland bedeutet das die Bereitschaft, Foundation-Model-Führerschaft realistisch zu verorten – als unerreichbar – und stattdessen die Frage zu stellen, wo eigenständige, verteidigbare Stärke möglich ist.

Kandidaten gäbe es: industrielle KI in kapitalintensiven, regulierten Sektoren (Chemie, Pharma, Maschinenbau) mit proprietären Prozessdaten; KI-gestützte Qualitätssicherung und Präzisionsfertigung; institutionell verankertes Vertrauen als Differenzierungsmerkmal gegenüber amerikanischen Plattformen in sensiblen Anwendungsfeldern (Medizin, Recht, Finanz). Das wäre kein großes Gewinnen. Aber es wäre strategisch ehrlich.

Ansoffs Konzept der schwachen Signale passt hier gut: Strategische Rezeptivität bedeutet nicht, auf jedes Signal aufzuspringen, sondern früh zu erkennen, welche Signale strukturrelevant sind – und welche nur Kommunikationsrauschen. „Deutschland gewinnt die KI-Revolution“ ist Kommunikationsrauschen. Die stille Erosion des industriellen Kerns unter den Bedingungen dreier gleichzeitiger Rationalisierungswellen – GenAI, agentische KI, Robotik – ist ein strukturrelevantes Signal.

Fazit

Victor Hugos Satz über die mächtige Idee, deren Zeit gekommen ist, hatte bei seiner ursprünglichen Prägung einen anderen Kontext: Er beschrieb die Unaufhaltsamkeit historischer Transformation, nicht den Aufruf zur Selbstoptimierung. Technologische Revolutionen haben Gewinner und Verlierer – und die Verteilung folgt strukturellen, nicht motivationalen Gesetzen. Wer diese Chance nicht nutzt, bekommt keine zweite, schreibt der Artikel zum Schluss. Das ist richtig. Nur: Welche Chance genau, für wen genau, unter welchen Strukturbedingungen genau – das wäre die eigentliche Analyse.

Ralf Keuper