Eine neue IW-Studie im Auftrag von eco feiert „Industrial AI“ als deutschen Wettbewerbsvorteil: Nicht die Basismodelle zählen, sondern Engineering, Daten, Domänenwissen. Schon der zentrale Leitwert – 120 Milliarden Euro Umsatz durch KI-Innovationen – hält dem Vergleich mit der rigorosesten deutschen Innovationsstatistik nicht stand. Und die „starke industrielle Basis“, auf der das Ganze angeblich ruht, schrumpft – mit sich beschleunigendem Tempo, genau im Untersuchungszeitraum der Studie. Was als Stärke präsentiert wird, ist bei näherem Hinsehen die Beschreibung einer Architektur-Abhängigkeit – die Studie selbst liefert, ungewollt, alle Belege dafür.

Eine vertraute Dramaturgie

Die deutsche KI-Debatte kennt inzwischen ein wiederkehrendes Genre: die Trostschrift. Ihr Grundmuster ist immer gleich. Erster Schritt: die unbequeme Tatsache anerkennen – die großen Basismodelle kommen aus den USA und zunehmend aus China, Europa spielt dort keine Rolle. Zweiter Schritt: die Tatsache umdeuten – das sei gar kein Nachteil, sondern die falsche Frage. Dritter Schritt: eine eigene, unangreifbare Nische ausrufen, in der Deutschland angeblich naturgegeben stark ist. Die aktuelle Studie „Der Deutschland Case: Wie KI das industrielle Geschäftsmodell erneuert„, erstellt von IW Consult im Auftrag von eco – Verband der Internetwirtschaft, folgt dieser Dramaturgie fast lehrbuchhaft. Im Vorwort heißt es sinngemäß: Man solle nicht fragen, warum es kein europäisches OpenAI gebe, sondern wo Deutschland stattdessen führend sein könne. Genau in dieser Formulierung liegt bereits die ganze Schwäche des Arguments – sie beantwortet eine unbequeme Frage, indem sie eine andere, bequemere an ihre Stelle setzt.

Die These: Spezialisierung statt Basismodell

Der Befund selbst ist unstrittig und in den Zahlen der Studie gut dokumentiert: 83 Prozent der befragten deutschen KI-Start-ups bauen ihre Produkte auf bestehenden, überwiegend nicht-deutschen Basismodellen auf. 54 Prozent der KI-nutzenden Unternehmen zählen zu den „Spezialisierern“ oder „dualen Anwendern“, die fremde Modelle mit eigenen Daten und Prozesswissen verfeinern. Der Wettbewerbsvorteil, so die Studie, liege genau in dieser Kombination aus industriellem Prozesswissen, Engineering-Kompetenz und proprietären Daten – nicht in der Entwicklung eigener Grundlagenmodelle.

Das ist, für sich genommen, eine plausible Beschreibung des Status quo. Problematisch wird es an der Stelle, an der aus der Beschreibung eine normative Erzählung von Stärke wird – ohne dass die Frage gestellt wird, wer in dieser Konstellation eigentlich die Architektur kontrolliert und wer sich ihr anpasst.

Die verschwiegene Ebene: Architekturmacht

Hier lohnt der Rückgriff auf eine Unterscheidung, die in der Innovationsforschung seit Henderson und Clark etabliert ist: der Unterschied zwischen Komponentenwissen und Architekturwissen. Wer die Architektur eines Systems kontrolliert – die Schnittstellen, die Weiterentwicklungslogik, die Spielregeln, nach denen alle anderen sich richten müssen –, hat eine andere Machtposition als jemand, der innerhalb dieser Architektur lediglich Komponenten optimiert, so brillant er das auch tut. Basismodelle sind heute exakt eine solche Architekturebene. Wer sie kontrolliert, bestimmt Preislogik, API-Design, Update-Zyklen, Sicherheits- und Zugriffsregeln – und damit langfristig auch, wie viel Wertschöpfung bei den „Spezialisierern“ überhaupt ankommen darf.

Die Studie beschreibt exakt diese Konstellation, ohne sie beim Namen zu nennen: Deutsche Unternehmen kennen im Schnitt 6,4 Basismodelle und nutzen 2,7 davon aktiv, 56 Prozent der Cloud-Nutzer setzen mehrere Anbieter parallel ein, bei Start-ups sind es 79 Prozent. Die Studie deutet das als Zeichen von Wettbewerbsintensität und technologischer Wahlfreiheit. Man kann dieselben Zahlen aber ebenso gut umgekehrt lesen: als Symptom struktureller Abhängigkeit von mehreren außereuropäischen Architekturanbietern gleichzeitig, weil kein einziger europäischer Anbieter stark genug ist, um überhaupt zur Standardwahl zu werden. „Multi-Cloud, Multi-Modell“ ist dann keine strategische Souveränität, sondern die Streuung eines Risikos, das man selbst nicht kontrollieren kann.

Die verschwiegene Prämisse: eine erodierende Basis

Die gesamte Argumentation der Studie ruht auf einer stillschweigenden Annahme: dass die „starke industrielle Basis“, auf der „Industrial AI“ angeblich aufbaut, ein stabiles, verlässliches Fundament ist, das durch KI-Anwendung zusätzlich gehärtet wird. Diese Annahme hält der Gegenprobe nicht stand – im Gegenteil, sie wird durch die aktuelle Entwicklung direkt konterkariert. Die industrielle Wertschöpfung in Deutschland lag Ende 2025 rund 7,5 Prozent unter ihrem letzten Höhepunkt von Ende 2017 (IW Köln). Der Produktionsindex des Verarbeitenden Gewerbes ist seit 2018 im strukturellen, nicht bloß konjunkturellen Abwärtstrend – ein kumulierter Rückgang von rund 15 Prozent. Und die Erosion beschleunigt sich in genau dem Zeitraum, den die Studie selbst als Untersuchungsfenster wählt: 2024 gingen laut EY rund 56.000 Industriearbeitsplätze verloren, 2025 bereits 124.100 – mehr als das Doppelte. Die Industrieumsätze sind seit 2023 um fast fünf Prozent geschrumpft, mit den stärksten Einbußen ausgerechnet in den Kernbranchen, auf die sich die Studie beruft: Automotive, Metall, Chemie.

Damit gerät die zentrale Prämisse der Studie – Deutschlands Wettbewerbsvorteil liege im industriellen Kontext, weil dieser Kontext stark und belastbar sei – in eine unangenehme Spannung zu den Fakten. Wenn das industrielle Substrat, auf das „Industrial AI“ aufsetzen soll, selbst schrumpft und die Schrumpfung sich beschleunigt, dann stellt sich die Frage, ob KI hier tatsächlich einen bestehenden Vorteil vertieft – oder ob die Erzählung von der Vertiefung genau in dem Moment lauter wird, in dem die Substanz, auf die sie sich beruft, dünner wird. Eine Wachstumsgeschichte, die ihre eigene Grundlage nicht mehr genau ansieht, ist nicht zwangsläufig falsch. Aber sie ist mit erhöhter Sorgfalt zu lesen, gerade wenn sie – wie hier – die einzige unbestrittene Tatsache (schwindende Industriebasis) durch eine unbewiesene Hoffnung (KI als Kompensationsmotor) ersetzt, ohne dies als Ersetzung kenntlich zu machen.

Die historische Parallele – und ihre Grenze

Diese Konstellation ist keine Neuheit der KI-Ära. Sie wiederholt ein Muster, das sich in der deutschen Industriegeschichte mehrfach beobachten lässt: Unternehmen, die sich auf ihre Integrations- und Engineering-Exzellenz verlassen, während die Architekturebene bei anderen liegt. Nixdorf und Kienzle vertrauten auf ihre Stärke in Anwendungssoftware und Kundennähe, während IBM und später Wintel die Architekturregeln der Bürokommunikation setzten – mit bekanntem Ausgang. Ähnliches lässt sich, mit anderer Chronologie, in Teilen der deutschen Automobilzulieferindustrie beobachten, deren Vertrauen in mechanische Integrationskompetenz der softwaredefinierten Fahrzeugarchitektur neuer Wettbewerber nicht viel entgegenzusetzen hatte.

Man darf diese Analogie aber nicht unbesehen übertragen, und genau hier braucht die Kritik eine Gegenprobe, keinen Automatismus. Der deutsche Maschinen- und Anlagenbau kennt zahlreiche Fälle, in denen Domänenwissen, proprietäre Prozessdaten und Integrationskompetenz über Jahrzehnte hinweg tragfähige, international führende Nischenpositionen erzeugt haben – die klassischen Hidden Champions, die nie eigene Grundlagentechnologie entwickelt haben und trotzdem strukturell unabhängig geblieben sind. „Spezialisierung ohne eigene Basistechnologie“ ist also nicht per se die Wiederholung des Nixdorf-Fehlers.

Die eigentliche Frage, die die Studie nicht stellt, lautet deshalb: Unter welchen Bedingungen kippt Integrationskompetenz von einer stabilen Nische in eine Architektur-Falle um? Ein plausibler Unterschied zu den klassischen Maschinenbau-Fällen liegt in der Geschwindigkeit und Kapitalintensität der Architekturebene selbst. Mechanische Schnittstellen ändern sich über Jahrzehnte kaum; die Basismodell-Ebene der KI verändert sich in Monaten, mit Kapitalanforderungen, die kein Mittelständler und kaum ein europäischer Konzern allein stemmen kann. Wo die Architekturebene selbst hochvolatil und kapitalintensiv ist, bindet sie die „Spezialisierer“ enger und schneller an sich, als es klassische Systemintegration je getan hat. Genau diese Differenz – und damit die eigentliche Risikoabschätzung – fehlt in der Studie vollständig.

Was übrig bleibt: eine Diagnose ohne Machtfrage

Am Ende bleibt von der Studie eine korrekte, gut belegte Beschreibung der gegenwärtigen Nutzungspraxis deutscher Unternehmen und Start-ups – und eine normative Umdeutung dieser Praxis in eine Erfolgsgeschichte, die die eigentliche Machtfrage konsequent ausklammert. Dass 51 Prozent der Industrieunternehmen technische Leistungsfähigkeit und 46 Prozent eine spezialisierte Datenbasis als Auswahlkriterium nennen, beschreibt eine Anpassungsstrategie an vorgegebene Architekturen, keine Gestaltungsmacht über sie. „Industrial AI“ mag eine reale und ökonomisch messbare Stärke sein. Ob sie eine dauerhafte Position oder eine Übergangserzählung ist, die die eigentliche Frage nach europäischer Architekturkontrolle verschiebt, entscheidet sich nicht an den 120 Milliarden Euro Innovationsumsatz, sondern an einer Frage, die die Studie gar nicht stellt.

Die 120-Milliarden-Zahl im Vergleich

Auch der zentrale Leitwert der Studie hält einer genaueren Prüfung nicht ohne Weiteres stand. Die Studie behauptet, KI-gestützte Produktinnovationen erzielten bereits „mehr als 15 Prozent an allen Innovationsumsätzen“ der deutschen Wirtschaft. Zum Vergleich lohnt der Blick auf die methodisch anspruchsvollste deutsche Innovationsstatistik: das Mannheimer Innovationspanel des ZEW, seit 1993 als Panel geführt und deutscher Beitrag zum EU-weiten Community Innovation Survey, mit Non-Response-Korrektur und expliziter Hochrechnung auf die Zielgrundgesamtheit. Danach trugen Produktinnovationen insgesamt – über alle Technologien und Branchen hinweg – 2022 nur 12 Prozent zum Gesamtumsatz der deutschen Wirtschaft bei. Das ist der niedrigste Wert der vergangenen anderthalb Jahrzehnte, sogar unter dem bisherigen Tiefstwert des Rezessionsjahres 2009, und der Trend zeigt seit Jahren nach unten.

Wenn der gesamte Produktinnovationsumsatz der deutschen Wirtschaft laut der rigorosesten verfügbaren Erhebung historisch niedrig und rückläufig ist, wirkt die Behauptung, eine einzelne, junge Technologiekategorie mache bereits 15 Prozent aller Innovationsumsätze aus, bemerkenswert hoch – es sei denn, die beiden Zahlen messen gar nicht dasselbe. Genau das ist der Fall. Die 120-Milliarden-Zahl beruht nicht auf einer repräsentativen Erhebung der Gesamtwirtschaft, sondern auf der Selbstauskunft einer bereits selbstselektierten Teilstichprobe von 226 Unternehmen, die sich selbst als KI-nutzend einstufen – hochgerechnet auf die Gesamtwirtschaft, ohne externe Prüfung, was im Einzelfall als „KI-Element“ zählt. Bei einem derzeit modischen Thema ist der Anreiz für Unternehmen groß, auch triviale Funktionen – einen Chatbot im Frontend, einen Empfehlungsalgorithmus – als KI-gestützte Innovation zu deklarieren. Verglichen mit der um Antwortverzerrung bereinigten ZEW-Erhebung ist das eine deutlich schwächere Evidenzbasis für eine deutlich stärkere Behauptung.

Damit betrifft die Kritik nicht nur die Interpretation der Zahl – ob 120 Milliarden Euro nun Stärke oder Abhängigkeit signalisieren –, sondern die Zahl selbst: Sie ist eine hochgerechnete Selbsteinschätzung einer selbstselektierten Gruppe zu einer weich definierten Kategorie, präsentiert mit der Präzision eines belastbaren volkswirtschaftlichen Aggregats.

Zur Methodik – nachrichtlich

Die inhaltliche Kritik steht hier im Vordergrund, doch der methodische Rahmen verdient zumindest eine kurze Einordnung. Die Studie ist eine Auftragsarbeit von IW Consult für eco – Verband der Internetwirtschaft, „mit freundlicher Unterstützung von“ AWS präsentiert. Bemerkenswert ist dabei weniger das Sponsoring selbst als die Zitationspraxis: Im Regulierungskapitel wird eine Studie von „AWS und Strand Partners“ als scheinbar unabhängige Drittquelle herangezogen, um für planbarere, unternehmensfreundlichere regulatorische Rahmenbedingungen zu argumentieren – eine Position, die sich mit dem Geschäftsinteresse des eigenen Sponsors deckt. Hinzu kommt, dass IW Consult bereits 2023 eine strukturell vergleichbare Studie im Auftrag von Google erstellt hat. Das begründet für sich genommen keinen Vorwurf, mahnt aber zur Vorsicht: Wo der Auftraggeber im eigenen Literaturverzeichnis als Beleg für die ihm genehme Position erscheint, sollte die Diagnose an der Quelle enden – und nicht als politische Handlungsempfehlung übernommen werden.

Ralf Keuper

Quellen

• eco – Verband der Internetwirtschaft e. V.: Der Deutschland Case: Wie KI das industrielle Geschäftsmodell erneuert (Studienseite). https://www.eco.de/der-deutschland-case-wie-ki-das-industrielle-geschaeftsmodell-erneuert/
• eco – Verband der Internetwirtschaft e. V.: IW-Studie: 120 Milliarden Euro Umsatz durch KI-gestützte Innovationen – Deutschlands Stärke liegt in Industrieanwendungen (Pressemitteilung, 7. Juli 2026). https://www.eco.de/presse/iw-studie-120-milliarden-euro-umsatz-durch-ki-gestuetzte-innovationen-deutschlands-staerke-liegt-in-industrieanwendungen/
• IW Consult / eco – Verband der Internetwirtschaft e. V.: Der Deutschland Case: Wie KI das industrielle Geschäftsmodell erneuert (vollständige Studie, PDF, 2026). https://www.eco.de/wp-content/uploads/2026/07/eco_studie_der_deutschland_case.pdf
• ZEW – Leibniz-Zentrum für Europäische Wirtschaftsforschung: Mannheimer Innovationspanel: Innovationsaktivitäten der deutschen Wirtschaft (Projektseite). https://www.zew.de/forschung/mannheimer-innovationspanel-innovationsaktivitaeten-der-deutschen-wirtschaft/
• Hottenrott, Hanna / Peters, Bettina / Rammer, Christian: Wie steht es um die Innovationsfähigkeit Deutschlands?, Wirtschaftsdienst, Heft 4/2024. https://www.wirtschaftsdienst.eu/inhalt/jahr/2024/heft/4/beitrag/wie-steht-es-um-die-innovationsfaehigkeit-deutschlands.html
• Grömling, Michael: Deindustrialisierung durch fortschreitende Handelsabkopplung, IW-Kurzbericht Nr. 27, Institut der deutschen Wirtschaft, 28. März 2026. https://www.iwkoeln.de/studien/michael-groemling-deindustrialisierung-durch-fortschreitende-handelsabkopplung.html
• Umsatzrückgänge und Arbeitsplatzabbau in der deutschen Industrie – 2026 kaum Aussicht auf Besserung (EY-Zahlen, zitiert in: O-Ton Arbeitsmarkt, 17. Februar 2026). https://o-ton-arbeitsmarkt.de/2026/02/17/jobverluste-in-der-industrie-2025/
• Wachter, Isabelle / Kardash, Aliona: Die deutsche Industrie schrumpft – diese Zahlen zeigen den dramatischen Abstieg, Neue Zürcher Zeitung, 15. November 2025. https://www.nzz.ch/visuals/die-deutsche-industrie-schrumpft-diese-zahlen-belegen-wie-dramatisch-der-abstieg-wirklich-ist-ld.1911067