Ein neues empirisches Paper zum US-Bankensektor liefert erstmals harte Zahlen zu dem, was bislang nur vermutet wurde: Die Einführung von Generativer KI kostet Banken kurzfristig rund 4,3 Prozentpunkte Eigenkapitalrendite – eine „Innovation Tax” (Innovationstribut), der kleinere Institute existenziell bedroht, während Großbanken ihn als Investition verbuchen können. Gleichzeitig entsteht durch die Verwendung identischer KI-Modelle eine neue Form systemischer Kopplung (algorithmischer Kopplung), die weit über klassische Bilanzvernetzung hinausgeht. Für die deutsche Bankenlandschaft mit ihrer stark ausgeprägten Verbundstruktur bedeutet dies: Was als Effizienzprogramm kommuniziert wird, ist in Wahrheit ein struktureller Konsolidierungsschock – und der Gap zwischen Ankündigung und Wirklichkeit, zwischen PR und ökonomischer Realität, war bei keiner Technologiewelle größer.
I. Das Produktivitätsparadoxon hat jetzt einen Preis
Seit dem Launch von ChatGPT Ende 2022 vergeht kaum eine Quartalspräsentation einer Bank ohne Verweis auf die transformative Kraft von GenAI. Cost-Income-Ratios werden sinken, Produktivität steigen, neue Geschäftsmodelle entstehen – die Erzählung ist einheitlich und optimistisch. Ein aktuelles empirisches Paper[1]The Innovation Tax: Generative AI Adoption, Productivity Paradox, and Systemic Risk in the U.S. Banking Sector zeichnet nun ein präziseres, weitaus ambivalenteres Bild.
Ökonomen haben am Beispiel des US-Bankensektors die ersten zwölf Monate breiter GenAI-Adoption untersucht und dabei ein doppeltes Muster identifiziert: Im Querschnitt sind die Banken, die GenAI einsetzen, tatsächlich die produktivsten Institute – aber nicht, weil die Technologie sie produktiver gemacht hätte, sondern weil die produktivsten Institute als erste adoptieren. Der kausale Effekt der Einführung selbst i…
References