Stabilität als Ergebnis präziser Kopplung: Diskrete Wirksamkeit in der Integration technologischer und institutioneller Logiken

Organisationale Stabilität wird unter Bedingungen technologischer Dynamik häufig als Spannungsverhältnis zwischen Bewahrung und Veränderung beschrieben. Diese Dichotomie verfehlt jedoch die eigentliche Herausforderung. Stabilität entsteht nicht im Widerstand gegen Innovation, sondern in der Qualität der Kopplung zwischen technologischen Möglichkeiten und institutionellen Ordnungen. Das Framework der Diskreten Wirksamkeit bietet hierfür eine differenzierte Perspektive: Es rückt nicht die umfassende Steuerung dieser Kopplung in den Vordergrund, sondern deren gezielte, punktuelle Gestaltung. Ordnung wird damit nicht flächendeckend gesichert, sondern durch präzise gesetzte Verbindungen stabilisiert.


Im Zentrum steht die Einsicht, dass Organisationen aus unterschiedlichen, teils widersprüchlichen Logiken bestehen. Technologische Systeme – insbesondere KI – operieren entlang von Effizienz, Optimierung und Mustererkennung. Institutionelle Strukturen hingegen basieren auf Normen, Verantwortungszuschreibungen und historisch gewachsenen Entscheidungsprämissen. Unter Innovationsdruck geraten diese Logiken in ein asymmetrisches Verhältnis: Die Geschwindigkeit technologischer Entwicklung übersteigt die Anpassungsfähigkeit institutioneller Ordnungen. Stabilität kann unter diesen Bedingungen nur entstehen, wenn es gelingt, beide Logiken so zu koppeln, dass sie sich wechselseitig begrenzen und zugleich produktiv ergänzen.


Diskrete Wirksamkeit setzt genau an dieser Schnittstelle an. Anstatt zu versuchen, technologische und institutionelle Logiken vollständig zu harmonisieren, identifiziert sie jene Punkte, an denen ihre Verbindung entscheidungswirksam wird. Diese Punkte liegen typischerweise dort, wo algorithmische Ergebnisse in organisationale Entscheidungen überführt werden: in der Definition von Zielsystemen, in der Bewertung von Handlungsmöglichkeiten und in der Zuschreibung von Verantwortung. Eingriffe an diesen Stellen verändern nicht die Gesamtheit des Systems, wohl aber die Art und Weise, wie es wirkt.


Ein zentrales Beispiel für solche Kopplungspunkte ist die Festlegung von Zielgrößen. KI-Systeme benötigen klar definierte Optimierungskriterien, um ihre Leistungsfähigkeit zu entfalten. Gleichzeitig spiegeln diese Kriterien normative Prioritäten wider, die nicht aus den Daten selbst hervorgehen. Diskrete Wirksamkeit besteht darin, diese Zielgrößen bewusst zu setzen und regelmäßig zu überprüfen. Stabilität entsteht, wenn technologische Optimierung an institutionell legitimierte Ziele gebunden bleibt. Ohne diese Bindung droht eine Entkopplung, in der Effizienzgewinne erzielt werden, die jedoch nicht mehr mit der strategischen Ausrichtung der Organisation kompatibel sind.


Ein weiterer entscheidender Kopplungspunkt liegt in der Gestaltung von Entscheidungsprozessen. Unter KI-Einfluss verschiebt sich die Rolle menschlicher Akteure: von der unmittelbaren Entscheidung hin zur Bewertung und Einordnung algorithmischer Vorschläge. Stabilität erfordert hier eine klare Definition, wann und wie diese Bewertung erfolgt. Diskrete Interventionen können beispielsweise festlegen, dass bestimmte Entscheidungstypen zwingend eine menschliche Validierung erfordern oder dass algorithmische Empfehlungen nur unter bestimmten Bedingungen umgesetzt werden dürfen. Solche Setzungen begrenzen nicht die technologische Leistungsfähigkeit, sondern strukturieren ihre Wirkung.


Besondere Bedeutung kommt der Verantwortungsarchitektur zu. Technologische Systeme tendieren dazu, Verantwortung zu entpersonalisieren, indem sie Entscheidungen als Ergebnis datenbasierter Analysen darstellen. Organisationale Stabilität setzt dem eine klare Zuschreibung entgegen: Verantwortung bleibt an Rollen und Funktionen gebunden, unabhängig davon, in welchem Umfang technische Systeme beteiligt sind. Diskrete Wirksamkeit zeigt sich hier in der präzisen Definition dieser Zuschreibungen. Sie verhindert, dass Verantwortung implizit verschoben wird, und stellt sicher, dass Entscheidungen weiterhin legitimiert und nachvollzogen werden können.


Die Qualität dieser Kopplung entscheidet darüber, ob Innovation als integrierter Bestandteil organisationaler Ordnung wirkt oder als externer Störfaktor. Eine zu enge Kopplung kann dazu führen, dass technologische Entwicklung blockiert wird, weil sie nicht in bestehende Strukturen passt. Eine zu lose Kopplung hingegen erzeugt Inkonsistenzen, da unterschiedliche Logiken unverbunden nebeneinander existieren. Stabilität entsteht im Zwischenraum: dort, wo die Verbindung stark genug ist, um Kohärenz zu sichern, und gleichzeitig offen genug bleibt, um Anpassung zu ermöglichen.


Ein oft übersehener Aspekt ist die Sequenzierung dieser Kopplungen. Diskrete Wirksamkeit bedeutet nicht nur, die richtigen Punkte zu identifizieren, sondern auch, sie in der richtigen Reihenfolge zu adressieren. Frühzeitige Eingriffe an zentralen Kopplungspunkten können spätere Anpassungen erheblich erleichtern, während verspätete Interventionen zu aufwendigen Reorganisationen führen. Stabilität ist daher auch eine Frage des Timings: Sie entsteht, wenn Interventionen antizipativ erfolgen und nicht erst als Reaktion auf bereits eingetretene Inkonsistenzen.


Darüber hinaus erfordert diese Form der Stabilisierung eine kontinuierliche Selbstbeobachtung. Organisationen müssen in der Lage sein, die Wirkung ihrer Kopplungen zu evaluieren und bei Bedarf anzupassen. Diese Reflexivität ist integraler Bestandteil diskreter Wirksamkeit. Sie verhindert, dass einmal gesetzte Verbindungen ihre Funktion verlieren oder unbeabsichtigte Nebenwirkungen erzeugen. Stabilität wird so zu einem dynamischen Gleichgewicht, das durch wiederholte, gezielte Eingriffe aufrechterhalten wird.

Im Kontext zunehmender technologischer Komplexität gewinnt schließlich die Fähigkeit zur Reduktion an Bedeutung. Nicht jede potenzielle Kopplung muss realisiert werden. Im Gegenteil: Eine Überkopplung kann die Organisation überfordern und ihre Anpassungsfähigkeit einschränken. Diskrete Wirksamkeit erfordert daher die bewusste Entscheidung, bestimmte Verbindungen nicht herzustellen. Stabilität entsteht auch durch das, was nicht gekoppelt wird.


In der Gesamtschau zeigt sich, dass organisationale Kontinuität unter Innovationsdruck nicht durch die Dominanz einer Logik gesichert werden kann – weder durch technologische noch durch institutionelle. Sie entsteht durch die präzise Gestaltung ihrer Verbindung. Das Framework der Diskreten Wirksamkeit bietet hierfür eine belastbare Orientierung: Stabilität ist kein Zustand, sondern ein Effekt gezielter Kopplungen, die den Handlungsspielraum strukturieren, ohne ihn zu verengen. In einer Umgebung permanenter Veränderung wird Stabilität damit zur Fähigkeit, Verbindungen bewusst zu setzen – und ebenso bewusst zu begrenzen.

Im Fokus

von Thomas Lemcke 21. September 2026
Über Zukunft wird häufig gesprochen, als beginne sie mit einer Idee. Neue Technologien entstehen, wissenschaftliche Erkenntnisse eröffnen Möglichkeiten, Unternehmen entwickeln Produkte, Gesellschaften formulieren Ziele. Wirtschaftlich beginnt Zukunft jedoch oft an einem anderen Punkt: mit der Bereitschaft, etwas in der Gegenwart für sie zu binden. Eine Fabrik muss errichtet werden, bevor feststeht, wie lange ihre Produkte gefragt sein werden. Ein Stromnetz muss erweitert werden, bevor der künftige Bedarf exakt bekannt ist. Forschung muss finanziert werden, obwohl ihr Ergebnis offen ist. Rechenzentren entstehen, bevor sich endgültig beurteilen lässt, welche Geschäftsmodelle die dafür benötigte künstliche Intelligenz dauerhaft tragen werden. Zwischen einer erkannten Möglichkeit und ihrer wirtschaftlichen Realität liegt deshalb eine Ressource, deren Bedeutung leicht unterschätzt wird, solange sie ausreichend verfügbar erscheint: Kapital. Es stellt nicht nur Geld bereit. Es ermöglicht, Ressourcen aus ihrer unmittelbaren Verwendung zu lösen und für eine Zukunft einzusetzen, deren Ertrag noch nicht feststeht. In diesem Sinn verbindet Kapital Gegenwart und Zukunft. Und je größer die Investitionen werden, die eine wirtschaftliche Transformation voraussetzt, desto deutlicher tritt diese Funktion wieder hervor. Die gegenwärtige Entwicklung künstlicher Intelligenz macht diesen Zusammenhang besonders sichtbar. Lange konnte ein wesentlicher Teil der digitalen Ökonomie mit einer Vorstellung verbunden werden, die den materiellen Unterbau ihrer Leistungen in den Hintergrund treten ließ. Software ließ sich vervielfältigen, digitale Dienste konnten schnell skalieren, und einige besonders erfolgreiche Geschäftsmodelle benötigten für zusätzliches Wachstum vergleichsweise wenig physisches Kapital. Immateriell war diese Wirtschaft deshalb nie. Rechenzentren, Kommunikationsnetze, Halbleiterfabriken, Energieversorgung und logistische Infrastrukturen bildeten immer ihre materielle Grundlage. Doch die gegenwärtige Investitionswelle verschiebt deren Sichtbarkeit. Leistungsfähige künstliche Intelligenz verlangt nicht nur Modelle, Daten und Algorithmen. Sie benötigt Server, Halbleiter, Kühlung, Netzanschlüsse, Energie und Gebäude. Die Bank für Internationalen Zahlungsausgleich beobachtet deshalb bereits eine Veränderung der Finanzierung: Die erwartete Größenordnung der Investitionen lässt sich zunehmend nicht mehr allein aus den laufenden Cashflows der beteiligten Unternehmen finanzieren; Fremdkapital und Private Credit gewinnen an Bedeutung. Die Europäische Zentralbank beschreibt die Entwicklung inzwischen sogar als ein neues Zeitalter des Kapitals. Hinter der zugespitzten Formulierung liegt ein bemerkenswerter Befund: Eine Technologie, die wirtschaftliche Prozesse stärker digitalisieren und Teile geistiger Arbeit skalierbarer machen könnte, erzeugt zugleich einen außerordentlichen Bedarf an physischer Infrastruktur und langfristiger Finanzierung. Doch künstliche Intelligenz ist nur das gegenwärtig auffälligste Beispiel. Auch die Transformation der Energieversorgung, die Elektrifizierung von Verkehr und Industrie, der Ausbau von Netzen, neue Produktionskapazitäten und die Modernisierung bestehender Infrastruktur verlangen erhebliche Investitionen. Die Internationale Energieagentur erwartet für 2026 weltweite Energieinvestitionen von rund 3,4 Billionen US-Dollar; fast 60 Prozent der gesamten Energieinvestitionen entfallen inzwischen auf den Elektrizitätsbereich. Allein für Stromnetze werden 2026 Investitionen von annähernd 550 Milliarden US-Dollar erwartet. Solche Größenordnungen bedeuten nicht, dass die gesamte Wirtschaft plötzlich ungewöhnlich kapitalintensiv geworden wäre. Sie zeigen vielmehr, dass mehrere zentrale Zukunftsfelder gleichzeitig auf Voraussetzungen angewiesen sind, die sich nicht im Tempo einer Software aktualisieren lassen. Ein Algorithmus kann innerhalb kurzer Zeit verbessert werden. Ein Übertragungsnetz nicht. Eine digitale Anwendung kann Millionen zusätzlicher Nutzer erreichen, ohne für jeden von ihnen neu gebaut zu werden. Ein Kraftwerk, eine Fabrik oder ein Rechenzentrum bleibt dagegen an Material, Fläche, Energie, Genehmigungen und Bauzeiten gebunden. Die Geschwindigkeit technologischer Möglichkeiten trifft damit auf die Geschwindigkeit physischer Realisierung – und beide folgen unterschiedlichen Zeitordnungen. Gerade deshalb wäre es irreführend, die gegenwärtige Entwicklung lediglich als Forderung nach „mehr Investitionen“ zu beschreiben. Kapital war nie verschwunden. Industriegesellschaften beruhten immer auf langfristigen Investitionen, und auch die digitale Wirtschaft war ohne enorme Kapitalbestände nicht denkbar. Ebenso wenig lässt sich aus einzelnen großen Investitionsprogrammen schließen, dass die gesamtwirtschaftliche Kapitalbildung historisch außergewöhnliche Werte erreicht hätte. Die Rückkehr des Kapitals bezeichnet deshalb keine Rückkehr einer Ressource, die zwischenzeitlich bedeutungslos geworden wäre. Sie bezeichnet die erneute Sichtbarkeit einer wirtschaftlichen Funktion: Zukunft muss häufig vorfinanziert werden. Bevor sich zeigt, ob eine Möglichkeit trägt, müssen Ressourcen gebunden werden. Menschen arbeiten an Projekten, deren Ertrag erst Jahre später entstehen kann. Maschinen werden angeschafft, Gebäude errichtet, Infrastruktur aufgebaut und Forschung betrieben, obwohl Nachfrage, Technologie und Wettbewerbsbedingungen sich bis zur Amortisation verändert haben können. Kapital überbrückt diese zeitliche Differenz. Es erlaubt einer Wirtschaft, in der Gegenwart etwas zu tun, dessen Rechtfertigung teilweise erst in der Zukunft sichtbar werden kann. Damit verändert sich auch die Frage, die an Kapital gestellt werden muss. Üblicherweise wird es als Menge und Preis betrachtet: Wie viel Finanzierung steht zur Verfügung, und zu welchen Kosten? Beides ist entscheidend. Doch für langfristige Transformationen kommt eine dritte Dimension hinzu: Zeit. Kapital unterscheidet sich danach, wie lange es gebunden bleiben kann, welche Unsicherheit es währenddessen aushält und wann es einen Ertrag erwartet. Eine Finanzierung, die nach kurzer Zeit Liquidität oder sichere Rückzahlungen verlangt, ermöglicht andere Projekte als Eigenkapital, das mehrere Jahre ohne laufenden Ertrag gebunden bleiben kann. Bankkredit, Anleihen, Venture Capital, Private Credit, langfristiges Eigentümerkapital und öffentliche Finanzierung stellen deshalb nicht einfach verschiedene Wege dar, dieselbe Geldmenge bereitzustellen. Ihre Bedingungen verändern den zeitlichen Raum, in dem wirtschaftliches Handeln möglich wird. Eine im September 2026 veröffentlichte Untersuchung über Venture Capital zeigt in einem spezifischen chinesischen Kontext, dass längerfristig orientierte Kapitalgeber tatsächlich mit längeren Haltedauern, früheren Investitionsphasen und anderen Innovationsresultaten verbunden sein können. Daraus lässt sich keine allgemeine Regel für sämtliche Unternehmen oder Kapitalmärkte ableiten. Aber der Befund macht eine grundsätzliche Eigenschaft sichtbar: Kapital besitzt einen Zeithorizont. Diese zeitliche Dimension reicht bis in die Eigentums- und Finanzierungsstruktur von Unternehmen hinein. Wer Kapital bereitstellt, beeinflusst auch, welche Zeit ein Unternehmen besitzen kann. Das bedeutet nicht, dass eine bestimmte Eigentumsform grundsätzlich langfristiger oder wirtschaftlich überlegen wäre. Familienunternehmen können kurzfristig handeln, börsennotierte Unternehmen jahrzehntelang investieren, öffentliche Institutionen können langfristige Projekte ermöglichen und zugleich unter kurzfristigen politischen Zwängen stehen. Entscheidend ist etwas anderes: Kapital ist niemals vollständig von den Erwartungen seiner Träger getrennt. Renditeanforderungen, Liquiditätsbedürfnisse, Laufzeiten, Risikotoleranzen und Governance bestimmen mit, welche Projekte finanziert werden können und wie lange eine Organisation warten kann, bevor aus einer Investition ein Ergebnis entstehen muss. Zwei Unternehmen können deshalb dieselbe technologische Möglichkeit erkennen und dennoch über sehr unterschiedliche Fähigkeiten verfügen, sie zu verfolgen. Nicht weil eines mehr weiß als das andere, sondern weil ihre Finanzierung ihnen unterschiedliche Zeithorizonte eröffnet. Gerade in Europa gewinnt diese Frage an Bedeutung. Die Herausforderung besteht nicht ausschließlich darin, ob genügend Ersparnisse vorhanden sind. Die privaten Haushalte des Euroraums sparen nach Angaben der Europäischen Zentralbank jährlich rund 1,4 Billionen Euro. Ein erheblicher Teil europäischen Vermögens finanziert zugleich Investitionen außerhalb Europas. Die entscheidende Frage lautet deshalb auch, durch welche Kapitalmärkte, Finanzierungsformen und institutionellen Strukturen Ersparnisse in produktive langfristige Investitionen übersetzt werden können. Für manche Vorhaben genügt Fremdkapital, weil zukünftige Cashflows relativ verlässlich erscheinen. Andere benötigen Eigenkapital, das Verluste oder lange Entwicklungsphasen tragen kann. Wieder andere – insbesondere Infrastruktur mit breiten gesellschaftlichen Wirkungen – können Finanzierungsmodelle erfordern, in denen privates und öffentliches Kapital unterschiedliche Risiken übernehmen. Die Menge vorhandenen Geldes sagt daher noch wenig darüber aus, welche Zukunft damit tatsächlich finanziert werden kann. Kapital wird erst durch seine Bedingungen zu einer wirtschaftlichen Möglichkeit. Darin liegt zugleich eine Grenze jeder Erzählung von der Rückkehr des Kapitals. Mehr Kapital erzeugt nicht automatisch mehr Zukunft. Die Geschichte technologischer Umbrüche ist auch eine Geschichte von Fehleinschätzungen, Überkapazitäten und Investitionen, deren private Erträge weit hinter den Erwartungen zurückblieben. Gerade wenn eine Technologie als fundamental wahrgenommen wird, können sich Erwartungen gegenseitig verstärken. Unternehmen investieren, weil Wettbewerber investieren; Kapitalgeber finanzieren Kapazitäten, weil sie mit stark wachsender Nachfrage rechnen; steigende Bewertungen erleichtern weitere Finanzierung. Die Infrastruktur, die auf diese Weise entsteht, kann langfristig wirtschaftlich oder gesellschaftlich nützlich sein und trotzdem für einzelne Investoren erhebliche Verluste verursachen. Eine produktive Investition für eine Volkswirtschaft muss nicht automatisch eine profitable Investition für jeden Kapitalgeber sein. Umgekehrt ist nicht jede profitable Investition von besonderer volkswirtschaftlicher Bedeutung. Kapital besitzt deshalb keine eingebaute Fähigkeit, zwischen tragfähiger Zukunft und überzeugender Zukunftserzählung zu unterscheiden. Die gegenwärtige KI-Investitionswelle macht dieses Problem besonders deutlich. Niemand kann heute mit Sicherheit wissen, welche Rechenkapazitäten in einigen Jahren benötigt werden, wie schnell Hardware effizienter wird, welche Modelle sich durchsetzen, welche Anwendungen ausreichend hohe Zahlungsbereitschaft erzeugen oder wie sich Energiepreise und regulatorische Bedingungen entwickeln. Trotzdem können Unternehmen mit dem Bau der notwendigen Infrastruktur nicht warten, bis all diese Fragen beantwortet sind. Würden sie vollständige Gewissheit verlangen, könnte die Möglichkeit bereits an anderen Orten realisiert worden sein. Investieren sie dagegen zu früh, zu groß oder in die falsche technische Architektur, kann Kapital dauerhaft fehlgebunden werden. Genau darin liegt die Besonderheit großer Transformationsphasen: Je weniger die Zukunft feststeht, desto früher müssen teilweise Entscheidungen getroffen werden, die nur schwer rückgängig zu machen sind. Die BIS weist deshalb zu Recht darauf hin, dass die Nachhaltigkeit der gegenwärtigen Finanzierung letztlich davon abhängt, ob die hohen Ertragserwartungen tatsächlich erfüllt werden. Zugleich entstehen neue Finanzierungsstrukturen, in denen langfristige Abnahmeverpflichtungen, Zweckgesellschaften, Private Credit und Garantien die wirtschaftlichen Risiken auf verschiedene Akteure verteilen. Kapital finanziert hier nicht nur Zukunft. Es organisiert, wer die Unsicherheit dieser Zukunft trägt. Damit wird eine zweite Grenze sichtbar. Kapital kann Möglichkeiten ermöglichen, aber es kann ihre Realisierung nicht erzwingen. Eine Milliarde Euro baut noch kein Stromnetz. Zwischen einer Finanzierungsentscheidung und einer funktionsfähigen Infrastruktur liegen Grundstücke, Planungsverfahren, Genehmigungen, Fachkräfte, Lieferketten, Maschinen, technische Standards und organisatorische Fähigkeiten. Fehlen diese komplementären Voraussetzungen, kann zusätzliches Kapital sogar auf ein begrenztes Angebot treffen und zunächst Preise erhöhen, statt zusätzliche Kapazitäten hervorzubringen. Die wirtschaftliche Wirkung einer Investition hängt deshalb nicht allein davon ab, ob Geld mobilisiert wurde. Sie hängt davon ab, ob eine Wirtschaft dieses Kapital in reale Fähigkeiten übersetzen kann. Gerade bei Infrastruktur und industriellen Kapazitäten wird damit eine Unterscheidung wichtig, die in politischen und wirtschaftlichen Debatten leicht verloren geht: Finanzierungskapazität und Umsetzungskapazität sind nicht dasselbe. Diese Unterscheidung verändert auch den Blick auf die Rolle des Staates. Manche Zukunftsinvestitionen besitzen Eigenschaften, die private Finanzierung erschweren: sehr lange Amortisationszeiten, schwer zurechenbare Erträge, hohe Anfangskosten oder Wirkungen, von denen viele profitieren, ohne unmittelbar dafür zu bezahlen. Straßen, Netze, Grundlagenforschung oder bestimmte Sicherheitsinfrastrukturen folgen anderen Finanzierungslogiken als ein Produkt, dessen Käufer und Erlöse klar identifizierbar sind. Daraus folgt weder, dass der Staat jede strategisch erscheinende Investition finanzieren sollte, noch dass private Kapitalmärkte langfristige Transformation grundsätzlich nicht leisten könnten. Es bedeutet vielmehr, dass unterschiedliche Formen von Zukunft unterschiedliche Finanzierungsarchitekturen benötigen. Die relevante Frage lautet dann nicht, ob öffentliches oder privates Kapital „besser“ ist, sondern welches Risiko an welcher Stelle getragen werden kann und welche institutionelle Form verhindert, dass die langfristige Möglichkeit entweder an kurzfristigen Renditeanforderungen oder an fehlender wirtschaftlicher Disziplin scheitert. An diesem Punkt zeigt sich, weshalb die aktuelle Investitionswelle über ihre unmittelbaren Technologien hinausweist. Eine Wirtschaft kann über ausgezeichnete Forschung verfügen und dennoch Schwierigkeiten haben, daraus Produktionskapazitäten entstehen zu lassen. Sie kann hohe private Ersparnisse besitzen und dennoch zu wenig langfristiges Risikokapital mobilisieren. Sie kann öffentliche Milliarden bereitstellen und trotzdem an Planung und Umsetzung scheitern. Sie kann eine technologische Möglichkeit richtig erkennen und dennoch zu viel für ihre Realisierung bezahlen. Keine dieser Spannungen lässt sich allein durch mehr Geld auflösen. Aber ohne die Fähigkeit, Ressourcen über Zeit zu binden, bleiben viele Möglichkeiten ebenfalls abstrakt. Kapital ist deshalb weder der Ursprung wirtschaftlicher Zukunft noch deren Garantie. Es ist eine ihrer Bedingungen. Gerade diese Bedingung könnte in den kommenden Jahren wieder stärker darüber entscheiden, welche Unternehmen und Volkswirtschaften technologische Möglichkeiten tatsächlich in produktive Strukturen übersetzen können. Wenn künstliche Intelligenz, Elektrifizierung, Energieinfrastruktur und neue industrielle Kapazitäten gleichzeitig erhebliche Vorleistungen verlangen, wird nicht nur die Fähigkeit wichtig, Innovationen hervorzubringen. Ebenso wichtig wird, wie Finanzierung, Eigentum und institutionelle Strukturen mit langen Entwicklungszeiten umgehen. Das könnte auch erklären, weshalb die wirtschaftliche Bedeutung von Geduld neu bewertet werden muss. Geduld ist dabei keine Tugend und Langfristigkeit kein Wert an sich. Kapital kann auch jahrzehntelang falsch gebunden sein. Entscheidend ist die Fähigkeit, zwischen einer Zukunft, die Zeit benötigt, und einer Investition, die lediglich länger braucht, um ihren Irrtum sichtbar zu machen, zu unterscheiden. Genau diese Unterscheidung lässt sich nicht vollständig im Voraus treffen. Damit kehrt die Unsicherheit an den Ausgangspunkt zurück. Kapital wird benötigt, weil Zukunft noch nicht Realität ist. Wäre ihr Ertrag bereits gewiss, wäre ein wesentlicher Teil des unternehmerischen Risikos verschwunden. Investieren bedeutet deshalb immer, Ressourcen unter Bedingungen unvollständigen Wissens festzulegen. Technologischer Fortschritt beseitigt diese Unsicherheit nicht. Er kann sie sogar vergrößern, weil neue Möglichkeiten schneller entstehen, als die langfristigen Folgen früherer Investitionen sichtbar werden. Je kürzer Innovationszyklen werden und je länger gleichzeitig die Lebensdauer der dafür notwendigen Infrastruktur ist, desto anspruchsvoller wird diese zeitliche Spannung. Eine Anlage, die heute gebaut wird, muss möglicherweise eine Technologie tragen, deren nächste Generation noch nicht entwickelt ist. Kapital finanziert damit nicht nur einen erwarteten Zustand der Zukunft. Es finanziert die Fähigkeit, mit einer Zukunft umzugehen, die sich während der Investitionsdauer weiter verändert. Vielleicht liegt darin die eigentliche Rückkehr des Kapitals. Nicht darin, dass Geld wieder wichtiger würde, nachdem es eine Zeit lang unwichtig gewesen wäre. Und auch nicht darin, dass jede Zukunft zwangsläufig kapitalintensiver sein müsste als die Vergangenheit. Sichtbarer wird vielmehr eine elementare wirtschaftliche Tatsache, die in einer Welt scheinbar grenzenlos skalierbarer digitaler Möglichkeiten leicht in den Hintergrund geraten konnte: Zwischen Möglichkeit und Wirklichkeit liegt Zeit. Diese Zeit muss finanziert werden. Sie verlangt Ressourcen, bevor Erträge entstehen, Infrastruktur, bevor ihre Auslastung feststeht, und Entscheidungen, bevor Gewissheit möglich ist. Die Zukunft einer Wirtschaft entscheidet sich deshalb nicht allein daran, welche Technologien sie entwickelt, welche Erkenntnisse sie hervorbringt oder welche Möglichkeiten sie erkennt. Sie entscheidet sich auch daran, ob sie Kapital in Formen bereitstellen kann, die lange genug tragen, ohne die Möglichkeit wirtschaftlicher Korrektur auszuschalten; ob aus Finanzierung tatsächlich Produktionsfähigkeit entsteht; und ob Ressourcen dort gebunden werden können, wo ihr zukünftiger Wert noch nicht vollständig beweisbar ist. Zukunft beginnt mit Möglichkeiten. Wirtschaftlich wird sie dort, wo jemand bereit ist, Gegenwart für sie zu binden. QUELLENNACHWEIS European Central Bank (2026): A new age of capital: growth, sovereignty and AI . Speech by Christine Lagarde, President of the European Central Bank, Vienna, 14. September 2026. Aldasoro, Iñaki / Doerr, Sebastian / Rees, Daniel (2026): Financing the AI boom: from cash flows to debt . BIS Bulletin No. 120, Bank for International Settlements, 7. Januar 2026. International Energy Agency (2026): World Energy Investment 2026 . IEA, Paris, 28. Mai 2026. European Investment Bank (2026): Investment Report 2025/2026: Capitalising on Europe’s strengths . European Investment Bank, 3. März 2026. OECD (2026): OECD Compendium of Productivity Indicators 2026 . OECD Publishing, Paris, 23. Juni 2026. DOI: 10.1787/734a5e68-en. KfW Research (2026): Unternehmen vermelden hohe Investitionsbedarfe, aber niedrige Investitionsplanungen . KfW Research, Frankfurt am Main, 1. Juli 2026. Li, Yingxiang / Liu, Tong / Xu, Ting (2026): The Impact of Patient Capital . NBER Working Paper No. 35711, National Bureau of Economic Research, September 2026. DOI: 10.3386/w35711.
von Thomas Lemcke 21. September 2026
Technologischer Fortschritt wird häufig daran gemessen, was er schneller, billiger oder leichter verfügbar macht. Maschinen reduzieren den Bedarf an bestimmten Formen körperlicher Arbeit, neue Verkehrssysteme verkürzen Distanzen, digitale Kommunikation senkt die Kosten des Austauschs, Software ermöglicht Leistungen in Größenordnungen, für die nicht mit jeder zusätzlichen Nutzung eine neue Produktionsanlage entstehen muss. Auch künstliche Intelligenz wird vor allem unter diesem Blickwinkel betrachtet: Welche Tätigkeiten kann sie übernehmen, welche Prozesse beschleunigen, welche Kosten senken, welche Fähigkeiten erweitern? Dahinter liegt jedoch eine zweite ökonomische Bewegung, die weniger sichtbar ist. Wenn eine Technologie etwas leichter verfügbar macht, verändert sie zugleich die Bedeutung dessen, was für ihre Nutzung weiterhin benötigt wird. Ein Produktionsfaktor wird produktiver, andere werden dadurch stärker beansprucht. Ein bisheriger Engpass verliert an Bedeutung, während an anderer Stelle eine neue Begrenzung entstehen kann. Technologischer Fortschritt beseitigt Knappheit deshalb nicht einfach. Er verändert ihre Struktur. Knappheit ist dabei nicht mit Mangel gleichzusetzen. Eine Ressource kann grundsätzlich vorhanden sein und dennoch nicht in ausreichender Menge, am benötigten Ort, zum erforderlichen Zeitpunkt oder in einer geeigneten Form zur Verfügung stehen. Ebenso wenig bedeutet eine höhere wirtschaftliche Bedeutung automatisch einen höheren Preis. Entscheidend ist zunächst das Verhältnis zwischen begrenzten Ressourcen und den Verwendungsmöglichkeiten, die mit ihnen verbunden sind. Genau dieses Verhältnis kann sich durch technologischen Fortschritt grundlegend verändern. Gegenwärtig lässt sich diese Bewegung besonders deutlich an künstlicher Intelligenz beobachten. Ihre Anwendungen erscheinen zunächst als Fortsetzung einer digitalen Ökonomie, deren Produkte sich weitgehend von ihrer physischen Herstellung gelöst zu haben scheinen. Eine Softwareanwendung lässt nicht erkennen, in welchem Rechenzentrum sie ausgeführt wird. Eine Suchanfrage verrät nichts über die Stromnetze, die ihre Verarbeitung ermöglichen. Ein Sprachmodell trägt keine sichtbaren Spuren der Halbleiterfabriken, Kühlanlagen, Übertragungsnetze oder Finanzierungsstrukturen, auf denen seine Nutzung beruht. Die digitale Ökonomie war deshalb nie immateriell. Ihre materiellen Voraussetzungen waren für einen großen Teil ihrer Nutzer lediglich kaum sichtbar. Mit dem Ausbau künstlicher Intelligenz verändert sich weniger diese grundsätzliche Abhängigkeit als ihre Größenordnung. Der weltweite Stromverbrauch von Rechenzentren könnte sich nach Berechnungen der International Energy Agency bis 2030 gegenüber der Mitte dieses Jahrzehnts ungefähr verdoppeln. Gleichzeitig fließen außergewöhnlich große Investitionen in spezialisierte Halbleiter, Rechenzentren, Energieversorgung und Netzinfrastruktur. Die Bank für Internationalen Zahlungsausgleich beziffert die KI-bezogenen Investitionen der fünf größten Technologieunternehmen allein für 2025 und 2026 auf mehr als eine Billion US-Dollar. Ein Teil dieser Infrastruktur wird inzwischen nicht mehr ausschließlich aus den hohen laufenden Cashflows der Unternehmen finanziert, sondern auch über Anleihen, Private Credit und andere Finanzierungsformen. Eine Technologie, deren Leistungen digital erscheinen, erhält damit eine zunehmend kapitalintensive physische Grundlage. Das bedeutet allerdings nicht, dass Energie oder Rechenkapazität nun dauerhaft zu den entscheidenden Knappheiten der digitalen Wirtschaft werden. Gerade diese Schlussfolgerung wäre zu statisch. Steigende Nachfrage schafft Investitionsanreize, Engpässe fördern Substitution, Effizienzgewinne verändern den Ressourcenbedarf, zusätzliche Kapazitäten entstehen. Was heute begrenzt verfügbar ist, kann morgen reichlicher vorhanden sein. Knappheit erzeugt wirtschaftliche Reaktionen – und diese Reaktionen verändern wiederum die Bedingungen der Knappheit. Besonders sichtbar wird dieser Zusammenhang dort, wo unterschiedliche Geschwindigkeiten aufeinandertreffen. Software kann innerhalb kurzer Zeit entwickelt und weltweit verbreitet werden. Rechenzentren benötigen Jahre. Stromnetze, neue Erzeugungskapazitäten oder Halbleiterfabriken folgen wiederum anderen Investitions-, Planungs- und Bauzyklen. Nachfrage kann deshalb schneller entstehen als jene Infrastruktur, die sie bedienen soll. Die Geschwindigkeit des Digitalen trifft auf die Geschwindigkeit des Physischen. Daraus kann eine Begrenzung entstehen, obwohl von einer Ressource insgesamt keineswegs zu wenig vorhanden sein muss. Elektrizität kann in einem Stromsystem grundsätzlich verfügbar sein, während an einem bestimmten Standort Netzkapazität fehlt. Kapital kann in einer Volkswirtschaft reichlich vorhanden sein und für bestimmte Investitionen dennoch schwer zugänglich bleiben. Qualifizierte Arbeitskräfte können vorhanden sein, ohne über jene Fähigkeiten zu verfügen, die eine neue Technologie verlangt. Knappheit besitzt deshalb eine räumliche, zeitliche und funktionale Dimension. Sie beschreibt nicht nur, wie viel von etwas existiert, sondern auch, ob unterschiedliche Voraussetzungen wirtschaftlicher Tätigkeit im richtigen Verhältnis zueinander verfügbar sind. Doch der interessantere ökonomische Vorgang beginnt erst an dieser Stelle. Neue Technologien verändern nicht nur den Bedarf an jenen Ressourcen, die sie unmittelbar verbrauchen. Sie verändern die relative Bedeutung komplementärer Produktionsfaktoren. Wenn eine Leistung günstiger, produktiver oder leichter skalierbar wird, können gerade jene Voraussetzungen wichtiger werden, die mit ihr zusammenwirken müssen. Die Wirtschaftsgeschichte kennt diesen Zusammenhang. Elektrizität wurde nicht allein dadurch produktiv, dass Strom verfügbar war. Produktionsanlagen mussten verändert, Maschinen anders angeordnet und Arbeitsabläufe neu organisiert werden. Auch Computer führten nicht automatisch zu höherer Produktivität, sobald Unternehmen sie anschafften. Ihre wirtschaftliche Wirkung hing wesentlich davon ab, ob gleichzeitig Prozesse, Fähigkeiten und Organisationsformen angepasst wurden. Forschungen über sogenannte General Purpose Technologies zeigen deshalb, dass zwischen der Verfügbarkeit einer grundlegenden Technologie und ihrer breiten Produktivitätswirkung erhebliche Zeit liegen kann. Die Technologie ist bereits vorhanden, während jene komplementären Voraussetzungen, durch die sie wirtschaftlich wirksam werden kann, erst entstehen müssen. Technologischer Fortschritt verändert damit nicht nur einzelne Produktionsfaktoren. Er verändert deren Verhältnis zueinander. Bei künstlicher Intelligenz könnte genau dieser Zusammenhang eine größere Rolle spielen als die Frage, wer überhaupt Zugang zu leistungsfähigen Modellen besitzt. Ein Unternehmen kann dieselben oder vergleichbare technologischen Möglichkeiten nutzen wie seine Wettbewerber und dennoch völlig andere wirtschaftliche Ergebnisse erzielen. Rechenleistung allein schafft keine Produktivität. Ebenso wenig tun dies Daten, Kapital, qualifizierte Beschäftigte oder organisatorische Fähigkeiten jeweils für sich. Entscheidend ist ihre Verbindung innerhalb einer konkreten Wertschöpfung. Für einen großen Technologieanbieter können Energie, Halbleiter und Rechenzentren begrenzende Faktoren sein. Für ein Industrieunternehmen kann es die Integration einer Technologie in bestehende Produktionsprozesse sein. Für ein wissensintensives Unternehmen können spezifische Daten, Erfahrungswissen oder geeignete Fähigkeiten an Bedeutung gewinnen. Für ein anderes Unternehmen könnte nicht die Technologie selbst knapp sein, sondern der Zugang zu Kunden, Vertrauen oder die Fähigkeit, aus einer wachsenden Zahl technischer Möglichkeiten ein tragfähiges Angebot entstehen zu lassen. Knappheit wandert damit nicht einfach von einer einzelnen Ressource zur nächsten. Es verändert sich der Ort, an dem wirtschaftliche Differenzierung entsteht. Gerade darin liegt eine bemerkenswerte Folge technologischer Verbreitung: Je allgemeiner eine Technologie verfügbar wird, desto weniger muss ihr bloßer Besitz wirtschaftlich unterscheiden. Wenn Software schneller und mit geringerem Aufwand erzeugt werden kann, könnte ihre reine Herstellung an Differenzierungskraft verlieren, während Integration, Distribution oder spezifisches Wissen wichtiger werden. Wenn Inhalte nahezu unbegrenzt produziert werden können, verschwindet ihr wirtschaftlicher Wert nicht automatisch; Aufmerksamkeit, Auswahl und Vertrauen können jedoch relativ bedeutsamer werden. Wenn Analyse kostengünstiger wird, kann die Fähigkeit wichtiger werden, relevante Fragen zu stellen, geeignete Daten zu besitzen oder aus mehreren möglichen Analysen wirtschaftliche Konsequenzen abzuleiten. Das bedeutet nicht, dass diese Faktoren zwangsläufig knapp werden oder dauerhaft knapp bleiben. Es bedeutet, dass sich die Relationen verändern, in denen sie wirtschaftliche Bedeutung erhalten. Wettbewerb findet deshalb nicht notwendigerweise dort statt, wo die sichtbarste neue Technologie liegt. Er kann sich auf jene komplementären Voraussetzungen verlagern, die sich nicht im gleichen Tempo vervielfältigen lassen wie die Technologie selbst. Diese Verschiebung darf allerdings nicht mit einem Nullsummenspiel verwechselt werden. Technologischer Fortschritt kann reale Fülle erzeugen. Er kann Produktionskosten senken, bisher unzugängliche Leistungen verfügbar machen und den Raum wirtschaftlicher Möglichkeiten erheblich erweitern. Elektrifizierung, industrielle Automatisierung, Containerisierung und Digitalisierung haben nicht lediglich bestehende Knappheiten an andere Stellen verschoben. Sie haben Produktivität und Wohlstand ermöglicht, die zuvor nicht erreichbar waren. Auch künstliche Intelligenz könnte einen solchen Möglichkeitsraum erweitern. Ein größerer Möglichkeitsraum hebt Knappheit jedoch nicht auf. Er verändert die Entscheidungen, die innerhalb dieses Raums getroffen werden müssen. Hinzu kommt, dass technische Effizienz und ökonomische Nutzung nicht dasselbe sind. Wird eine Leistung durch höhere Effizienz günstiger, kann ihre Nutzung zunehmen. Ein einzelner Rechenvorgang kann weniger Energie benötigen, während die Zahl der Rechenvorgänge so stark wächst, dass der gesamte Energiebedarf dennoch steigt. Wie groß solche Rebound-Effekte tatsächlich ausfallen, hängt von Technologie, Preisen und Nachfrage ab; ein allgemeines Gesetz lässt sich daraus nicht ableiten. Der entscheidende Punkt liegt vielmehr darin, dass eine Verbesserung der technischen Effizienz allein noch nicht bestimmt, wie sich der Ressourcenverbrauch einer ganzen Ökonomie entwickelt. Technologie verändert Möglichkeiten, und Menschen und Unternehmen reagieren auf diese Möglichkeiten. Die gegenwärtigen Investitionen in künstliche Intelligenz machen diese Dynamik besonders deutlich. Sie sind nicht nur Ausdruck technologischer Erwartungen. Sie schaffen bereits heute Kapitalstock, Infrastruktur und langfristige finanzielle Verpflichtungen für eine Zukunft, deren wirtschaftliche Erträge noch nicht vollständig bekannt sind. Rechenzentren werden gebaut, Halbleiterkapazitäten erweitert, Energieversorgung geplant und Kapital gebunden, bevor feststeht, welche Anwendungen dauerhaft profitabel sein werden und wie groß die späteren Produktivitätsgewinne tatsächlich ausfallen. Die wirtschaftliche Zukunft einer Technologie beginnt damit nicht erst, wenn ihre Produkte erfolgreich sind. Sie beginnt bereits mit den Ressourcen, die heute eingesetzt werden, um diese Zukunft überhaupt möglich zu machen. Darin liegt zugleich ein Risiko jeder großen technologischen Erwartung: Komplementäre Ressourcen werden nicht erst dann benötigt, wenn sich der wirtschaftliche Erfolg erwiesen hat. Sie müssen häufig vorher aufgebaut werden. Investitionen folgen deshalb nicht nur gesichertem Wissen über die Zukunft, sondern Erwartungen darüber, welche Produktionsbedingungen diese Zukunft verlangen könnte. Gerade deshalb wäre es falsch, aus der gegenwärtigen Entwicklung eine dauerhafte Rangfolge neuer Knappheiten abzuleiten. Energie kann zum Engpass werden und durch zusätzliche Erzeugungs- oder Netzkapazitäten wieder an Bedeutung verlieren. Rechenleistung kann knapp sein und durch effizientere Hardware, neue Architekturen oder andere Modelle relativ günstiger werden. Kapital kann reichlich verfügbar sein, solange hohe zukünftige Erträge erwartet werden, und deutlich selektiver werden, sobald diese Erwartungen sinken. Fähigkeiten, die heute selten sind, können durch Ausbildung, Erfahrung oder wiederum durch Technologie verbreitet werden. Auch Unternehmen reagieren auf Knappheit: Sie investieren, substituieren, verändern Prozesse, wechseln Standorte oder entwickeln Alternativen. Dadurch verschiebt sich erneut, was wirtschaftlich begrenzend wirkt. Knappheit ist deshalb nicht nur eine Einschränkung wirtschaftlicher Tätigkeit. Sie ist zugleich ein Signal dafür, dass sich die Bedingungen der Wertschöpfung verändern. Für Unternehmen und Volkswirtschaften entsteht daraus eine Beobachtungsfrage, die weit über die gegenwärtige Entwicklung künstlicher Intelligenz hinausweist. Bei einer neuen Technologie ist nicht allein interessant, welche bestehenden Tätigkeiten sie übernimmt, welche Kosten sie senkt oder welche neuen Produkte sie ermöglicht. Ebenso bedeutsam ist, welche anderen Voraussetzungen durch ihre Verbreitung stärker beansprucht werden, welche bislang selbstverständlichen Ressourcen an Bedeutung gewinnen und welche Fähigkeiten sich nicht im gleichen Tempo skalieren lassen wie die Technologie selbst. Dabei geht es nicht darum, den nächsten Engpass vorherzusagen. Die größere Herausforderung liegt darin, zu erkennen, dass die Struktur wirtschaftlicher Begrenzungen nicht konstant bleibt. Jede technische Lösung verändert das System, in dem sie eingesetzt wird. Sie kann bestehende Grenzen erweitern und gleichzeitig neue Abhängigkeiten erzeugen; sie kann einen Produktionsfaktor weniger bedeutsam machen und dadurch einen anderen stärker hervorheben. Gerade erfolgreiche Technologien können deshalb die Voraussetzungen ihres eigenen Erfolgs verändern. Künstliche Intelligenz macht diesen Vorgang gegenwärtig ungewöhnlich sichtbar. Bestimmte Formen der Informationsverarbeitung und kognitiven Leistung könnten leichter skalierbar werden, während gleichzeitig außergewöhnliche Mengen an Kapital in Rechenleistung, Energie und Infrastruktur fließen. Doch auch diese Voraussetzungen bleiben nicht unverändert. Halbleiter werden effizienter, Netze werden erweitert, zusätzliche Erzeugungskapazitäten entstehen, neue Finanzierungsformen entwickeln sich, Unternehmen verändern ihre Prozesse und neue Anwendungen verschieben erneut die Nachfrage. Die ökonomisch interessante Frage ist deshalb möglicherweise nicht, welche Ressource im Augenblick am knappsten ist. Interessanter ist, wie eine neue Technologie die Relationen zwischen den Ressourcen verändert, von denen ihre wirtschaftliche Nutzung abhängt. Technologischer Fortschritt erweitert den Raum dessen, was wirtschaftlich möglich ist. Gerade dadurch verändert er aber auch die Voraussetzungen, die benötigt werden, um diese Möglichkeiten zu nutzen. Manche Begrenzungen verlieren an Bedeutung, andere treten hervor, wieder andere entstehen erst durch die neuen Möglichkeiten selbst. Was heute knapp ist, kann morgen selbstverständlich werden. Was lange selbstverständlich erschien, kann zum begrenzenden Faktor werden. Die wirtschaftliche Bedeutung einer neuen Technologie zeigt sich deshalb nicht allein darin, was sie schneller, billiger oder leichter verfügbar macht. Ebenso aufschlussreich ist, welche Voraussetzungen ihrer Nutzung dadurch an Bedeutung gewinnen – und wie lange diese Bedeutung bestehen bleibt. Knappheit verschwindet nicht. Aber sie bleibt auch nicht dort, wo wir sie zuletzt gefunden haben. QUELLENNACHWEIS International Energy Agency (IEA) (2026): Key Questions on Energy and AI. Paris. IEA – Key Questions on Energy and AI International Energy Agency (IEA) (2025): Energy and AI. Paris. IEA – Energy and AI Bank for International Settlements (BIS) (2026): Aldasoro, Iñaki; Doerr, Sebastian; Rees, Daniel: Financing the AI boom: from cash flows to debt. BIS Bulletin No. 120, 7 January 2026. BIS – Financing the AI boom Bank for International Settlements (BIS) (2026): Artificial intelligence, growth and financial stability: challenges for central banks. 10 September 2026. BIS – Artificial intelligence, growth and financial stability Brynjolfsson, Erik; Rock, Daniel; Syverson, Chad (2021): The Productivity J-Curve: How Intangibles Complement General Purpose Technologies. American Economic Journal: Macroeconomics, 13(1), 333–372. Working-paper version: NBER Working Paper 25148. NBER – The Productivity J-Curve Greening, Lorna A.; Greene, David L.; Difiglio, Carmen (2000): Energy efficiency and consumption – the rebound effect – a survey. Energy Policy, 28(6–7), 389–401. Sorrell, Steve (2009): Jevons’ Paradox revisited: The evidence for backfire from improved energy efficiency. Energy Policy, 37(4), 1456–1469.
von Thomas Lemcke 21. September 2026
Noch nie war Wissen in einer vergleichbaren Menge verfügbar. Wissenschaft produziert fortlaufend neue Erkenntnisse, Unternehmen verfügen über immer größere Datenbestände, digitale Systeme machen Informationen nahezu überall zugänglich, und künstliche Intelligenz erweitert die Möglichkeiten, dieses Wissen zu suchen, zu verbinden und auszuwerten. Was früher Wochen der Recherche erforderte, kann teilweise innerhalb weniger Stunden erschlossen werden. Simulationen machen Entwicklungen sichtbar, bevor sie eintreten. Forschung ermöglicht Technologien, deren Anwendungsmöglichkeiten noch vor wenigen Jahren kaum vorstellbar waren. Vieles spricht deshalb dafür, moderne Gesellschaften als Wissensgesellschaften zu beschreiben. Weniger selbstverständlich ist allerdings eine andere Annahme: dass eine Gesellschaft, die immer mehr weiß, deshalb auch immer besser handeln kann. Deutschland bietet für diesen Widerspruch ein interessantes Untersuchungsfeld. Das Land verfügt über eines der fortgeschrittensten Innovationssysteme der OECD, vergleichsweise hohe Forschungs- und Entwicklungsausgaben und ein ausgeprägtes Zusammenspiel von Wissenschaft und Industrie. Zugleich bestehen Schwierigkeiten beim Transfer von Wissen aus öffentlicher Forschung in neue Produkte und Dienstleistungen, beim Zugang innovativer junger Unternehmen zu privatem Kapital und bei der Verbreitung neuer Technologien. Auch der deutsche Mittelstand ist keineswegs innovationslos. Gleichzeitig identifiziert KfW Research bürokratische, finanzierungsbezogene und kompetenzbezogene Hemmnisse als wesentliche Hindernisse für Innovation; bürokratische Hemmnisse sind dabei mit einer geschätzten Betroffenheitswahrscheinlichkeit von 46 Prozent für ein typisches mittelständisches Unternehmen besonders weit verbreitet. Das Bild ist deshalb widersprüchlicher, als die verbreitete Diagnose eines Mangels an Innovation vermuten lässt: Wissen und Innovationsfähigkeit können vorhanden sein, ohne dass daraus im gleichen Maße neue wirtschaftliche oder gesellschaftliche Realität entsteht. Vielleicht beginnt das Problem bereits bei einer Vorstellung, die so selbstverständlich erscheint, dass sie selten hinterfragt wird. Wissen wird häufig behandelt, als enthalte es bereits eine Handlungsanweisung. Doch eine wissenschaftliche Erkenntnis sagt zunächst etwas darüber aus, was wir erkennen können. Eine technische Entwicklung erweitert den Raum dessen, was möglich wird. Daraus folgt noch nicht, ob diese Möglichkeit wirtschaftlich tragfähig, gesellschaftlich erwünscht, rechtlich zulässig oder unter den gegebenen Bedingungen realisierbar ist. Wissen muss interpretiert, Möglichkeiten müssen bewertet, Alternativen gegeneinander abgewogen und Entscheidungen getroffen werden. Für ihre Umsetzung werden Kapital, Personal und Kompetenzen benötigt; rechtliche Voraussetzungen müssen erfüllt, Zuständigkeiten geklärt und gegebenenfalls Genehmigungen erteilt werden. Und selbst eine erfolgreiche Umsetzung garantiert noch nicht die beabsichtigte Wirkung. Zwischen Erkenntnis und Wirkung liegt kein gerader Weg. Dort liegen Institutionen. Moderne Gesellschaften haben hochentwickelte Einrichtungen geschaffen, um Wissen hervorzubringen: Universitäten, Forschungsinstitute, Entwicklungsabteilungen, Dateninfrastrukturen und inzwischen leistungsfähige Systeme künstlicher Intelligenz. Für die Übergänge zwischen Wissen, Entscheidung und Wirkung existiert dagegen kein vergleichbar geschlossenes System. Wissenschaft kann Erkenntnisse hervorbringen, ohne für deren wirtschaftliche Anwendung zuständig zu sein. Unternehmen können eine technische Möglichkeit erkennen, ohne ihre Entwicklung finanzieren zu können. Kapitalgeber können einen belastbaren Funktionsnachweis verlangen, bevor sie investieren, obwohl gerade für diesen Nachweis bereits Kapital benötigt wird. Eine Behörde kann für die Einhaltung einer Vorschrift zuständig sein, ohne für die wirtschaftlichen Folgen der dadurch entstehenden Verzögerung verantwortlich zu sein. Jede Institution kann innerhalb ihrer eigenen Logik nachvollziehbar handeln – und das Gesamtergebnis kann dennoch darin bestehen, dass eine vorhandene Möglichkeit nicht realisiert wird. Darin liegt ein Teil dessen, was sich als Übersetzungsfähigkeit bezeichnen ließe. Gemeint ist nicht lediglich der klassische Transfer wissenschaftlicher Erkenntnisse in Unternehmen. Es geht um die Fähigkeit eines gesellschaftlichen Systems, Erkenntnisse über mehrere Übergänge hinweg in realisierbare Handlung zu überführen. Wissen allein genügt dafür nicht. Es braucht Urteil, Entscheidung, Kapital, Kompetenzen, Recht und organisatorische Fähigkeit. Eine leistungsfähige Wissensordnung ist deshalb noch keine leistungsfähige Handlungsordnung. Gerade Deutschland macht sichtbar, wie unterschiedlich diese Übergänge beschaffen sein können. Rechtliche und administrative Anforderungen können Zeit, Geld und Aufmerksamkeit binden. Für kleinere Unternehmen können dieselben Anforderungen schwerer wiegen als für Organisationen mit eigenen Rechts-, Steuer- oder Complianceabteilungen. Gleichzeitig wäre es analytisch zu einfach, daraus einen Gegensatz zwischen Bürokratie und Innovation zu konstruieren. Regeln schaffen Rechtssicherheit, begrenzen Willkür und schützen Interessen, die eine moderne Gesellschaft bewusst schützen will. Eigentum, Arbeitnehmerrechte, Datenschutz, Umwelt, Sicherheit und Wettbewerb benötigen institutionelle Sicherungen. Eine Gesellschaft, die jede technisch mögliche Neuerung möglichst schnell zuließe, wäre nicht zwangsläufig besonders handlungsfähig. Sie könnte lediglich schlecht darin sein, die Folgen ihres Handelns zu begrenzen. Die schwierigere Frage lautet deshalb nicht, ob reguliert wird, sondern wie eine institutionelle Ordnung Schutz und Veränderungsfähigkeit gleichzeitig organisiert. Nicht jede Verzögerung ist ein Zeichen von Dysfunktion. Eine medizinische Therapie muss anders geprüft werden als eine Verwaltungssoftware; kritische Infrastruktur verlangt andere Sicherungen als ein begrenztes digitales Experiment. Geschwindigkeit allein sagt wenig über institutionelle Qualität aus. Problematisch wird es dort, wo unterschiedliche Risiken mit denselben Verfahren behandelt werden, Zuständigkeiten unklar bleiben oder die Summe jeweils nachvollziehbarer Anforderungen eine Komplexität erzeugt, die Handlung faktisch erschwert. Gerade diese kumulative Wirkung verdient Aufmerksamkeit. Eine einzelne Vorschrift muss Innovation nicht verhindern. Datenschutz, Arbeitsrecht, Steuerrecht, Umweltrecht, Dokumentationspflichten, Genehmigungen und Förderbedingungen können jeweils legitime Zwecke verfolgen. Ihre Kombination kann dennoch Kosten und Dauer eines Vorhabens so verändern, dass seine Realisierung unwahrscheinlicher wird. Komplexität besitzt damit eine Wirkung, die keiner einzelnen Regel zugerechnet werden kann. Und sie trifft Akteure unterschiedlich. Wer über Kapital, spezialisierte Abteilungen und Erfahrung mit komplexen Verfahren verfügt, kann Anforderungen anders absorbieren als ein junges Unternehmen, eine kleine Organisation oder ein Forschungsteam, das aus einer Erkenntnis erstmals eine Anwendung entwickeln will. Regulierung bestimmt damit nicht nur, was getan werden darf. Ihre konkrete Ausgestaltung kann mittelbar beeinflussen, wer überhaupt in der Lage ist zu handeln. Doch auch damit wäre die Erklärung unvollständig. Kapital kann fehlen. Kompetenzen können fehlen. Wissenschaft und Wirtschaft können nach unterschiedlichen Zeithorizonten und Anreizstrukturen arbeiten. Eine Technologie kann funktionieren, ohne bereits skalierbar zu sein. Eine Organisation kann alle notwendigen Informationen besitzen und dennoch keine klare Entscheidungsautorität haben. Selbst Förderinstrumente zeigen diese Ambivalenz: Sie können Innovation ermöglichen und zugleich neue administrative Voraussetzungen erzeugen. Die OECD verweist beispielsweise beim Zentralen Innovationsprogramm Mittelstand auf positive zusätzliche Forschungs- und Entwicklungseffekte, zugleich aber auf komplexe Antragsverfahren und einen hohen administrativen Aufwand. Die Lücke zwischen Wissen und Wirkung besitzt deshalb nicht eine Ursache. Sie entsteht aus mehreren Übergängen, an denen unterschiedliche Systeme aufeinandertreffen und jeweils andere Voraussetzungen gelten. An dieser Stelle zeigt sich jedoch ein noch tieferes Problem. Mehr Wissen beseitigt Unsicherheit nicht notwendigerweise. Es kann sie präziser sichtbar machen. Je mehr wir über mögliche Folgen einer Technologie wissen, desto mehr Risiken können wir berücksichtigen. Je genauer Umweltwirkungen untersucht werden, desto mehr Wechselwirkungen werden sichtbar. Je größer die verfügbaren Datenmengen werden, desto mehr Alternativen können miteinander verglichen werden. Wissen reduziert Ungewissheit und erweitert zugleich den Raum dessen, was bei einer Entscheidung berücksichtigt werden könnte. Eine Wissensgesellschaft steht deshalb nicht zwangsläufig vor immer einfacheren Entscheidungen. Sie kann vor immer besser informierten und zugleich komplexeren Entscheidungen stehen. Ein Teil regulatorischer Komplexität entsteht sogar aus genau diesem Wissen. Erkenntnisse über Umweltgefahren führen zu Umweltstandards, Erkenntnisse über gesundheitliche Risiken zu Sicherheitsanforderungen, Erfahrungen mit Datenmissbrauch zu Datenschutz und Erfahrungen mit wirtschaftlicher Macht zu Wettbewerbsregeln. Je mehr eine Gesellschaft über mögliche Folgen ihres Handelns weiß, desto mehr Gründe kann sie entwickeln, dieses Handeln abzusichern. Darin liegt ein Paradox: Wissen kann Handlung ermöglichen und zugleich zusätzliche Bedingungen für Handlung erzeugen. Damit reicht auch die Forderung nach Beschleunigung nicht aus. Die anspruchsvollere Aufgabe besteht darin, Formen zu schaffen, in denen gehandelt werden kann, obwohl noch nicht alles bekannt ist. Denn bei neuartigen Technologien und gesellschaftlichen Veränderungen existiert bestimmtes Wissen vor der Anwendung noch gar nicht. Modelle können Folgen abschätzen, Labore technische Eigenschaften prüfen und Studien Risiken untersuchen. Wie eine Neuerung unter realen Bedingungen mit Menschen, Organisationen, Märkten und bestehenden Institutionen interagiert, zeigt sich teilweise erst in ihrer Anwendung. Hier dreht sich das Verhältnis zwischen Wissen und Handeln um. Handeln ist nicht nur das Ergebnis von Wissen. Handeln kann selbst Wissen hervorbringen. Damit wird aus dem vermeintlich linearen Weg von Erkenntnis zu Wirkung ein Lernprozess. Wissen eröffnet eine Möglichkeit. Eine Entscheidung ermöglicht Erprobung. Erprobung erzeugt Erfahrung. Erfahrung verändert Wissen. Und dieses Wissen verändert die nächste Entscheidung. Eine handlungsfähige Wissensgesellschaft benötigt deshalb nicht nur Einrichtungen zur Wissensproduktion. Sie benötigt institutionelle Formen, in denen begrenzte Erfahrung möglich wird, ohne dass Verantwortung aufgehoben wird. Reallabore sind ein Beispiel für diese Logik. Ihr Prinzip besteht darin, neue Technologien oder Verfahren unter kontrollierten realen Bedingungen zu erproben. Der Deutsche Bundestag nahm am 25. Juni 2026 einen Gesetzentwurf an, der die Rahmenbedingungen solcher Erprobungsräume verbessern und regulatorisches Lernen fördern soll; das Gesetzgebungsverfahren war zum Zeitpunkt dieser Betrachtung jedoch noch nicht abgeschlossen, das Inkrafttreten stand weiterhin aus. Interessant ist daran weniger das einzelne Gesetz als die institutionelle Idee dahinter. Zwischen den klassischen Alternativen, etwas vollständig zuzulassen oder es nicht zuzulassen, entsteht eine dritte Möglichkeit: begrenzt ermöglichen, beobachten und lernen. Unsicherheit muss damit nicht vollständig verschwinden, bevor gehandelt werden darf. Sie kann unter bestimmten Voraussetzungen organisiert werden. Das verlangt keine möglichst hohe Risikobereitschaft. Es verlangt die Fähigkeit, Risiken zu unterscheiden: reversible von irreversiblen Entscheidungen, begrenzte von systemischen Folgen, kontrollierbare Experimente von Entwicklungen, deren Konsequenzen sich nicht zurückholen lassen. Eine leistungsfähige Institution zeichnet sich dann nicht dadurch aus, dass sie besonders risikofreudig ist. Sie zeichnet sich dadurch aus, dass sie unterscheiden kann, welches Risiko sie unter welchen Bedingungen verantworten kann. Doch Erprobung allein genügt ebenfalls nicht. Organisationen können Pilotprojekte durchführen, Erfahrungen sammeln und Modellversuche finanzieren, ohne dass sich ihre regulären Verfahren verändern. Erfahrung wird erst dann zu institutionellem Lernen, wenn sie Folgen für künftige Entscheidungen, Regeln oder Ressourcen besitzt. Auch in der Sachverständigendebatte zum Bundeserprobungsgesetz wurde deshalb die Frage aufgeworfen, wie das in Reallaboren entstehende Wissen über einzelne Projekte hinaus gesammelt und für regulatorisches Lernen auf unterschiedlichen staatlichen Ebenen nutzbar gemacht werden kann. Damit erscheint neben der Übersetzung von Wissen in Handlung eine zweite Aufgabe: Das Wissen, das durch Handlung entsteht, muss zurück in die Institution gelangen. Eine Gesellschaft kann also auf unterschiedliche Weise an ihren Übergängen scheitern. Sie kann hervorragend forschen und schlecht transferieren. Sie kann Möglichkeiten erkennen und keine Entscheidungen treffen. Sie kann entscheiden und nicht umsetzen. Sie kann experimentieren und nicht skalieren. Und sie kann Erfahrungen sammeln, ohne ihre Institutionen zu verändern. Wissen, Handeln und Lernen bilden deshalb keinen Automatismus. Sie müssen institutionell miteinander verbunden werden. Künstliche Intelligenz könnte diese Frage in den kommenden Jahren noch deutlicher machen. Wenn große Informationsmengen schneller ausgewertet, wissenschaftliche Zusammenhänge leichter erschlossen und Szenarien schneller entwickelt werden können, wächst zunächst die kognitive Kapazität von Organisationen. Aber schnellere Analyse klärt keine Zuständigkeit. Sie stellt kein Kapital bereit. Sie entscheidet nicht, welches gesellschaftliche Risiko akzeptabel ist. Und sie verändert kein Genehmigungsverfahren allein dadurch, dass mehr Wissen verfügbar ist. Je stärker die Wissensproduktion beschleunigt wird, desto sichtbarer könnten deshalb diejenigen Engstellen werden, die nicht auf der Wissensseite liegen. Unsere Fähigkeit zu erkennen könnte schneller wachsen als unsere Fähigkeit, Erkenntnis institutionell zu verarbeiten. Vielleicht besteht die nächste Herausforderung der Wissensgesellschaft deshalb nicht allein darin, immer mehr Wissen hervorzubringen. Mehr Bildung, mehr Forschung, mehr Daten und leistungsfähigere Technologien erweitern den Raum dessen, was eine Gesellschaft tun kann. Doch Möglichkeit ist noch keine Wirkung. Dazwischen liegen Institutionen, die prüfen können müssen, ohne zu erstarren; entscheiden, obwohl nicht alles bekannt ist; begrenzte Risiken ermöglichen, ohne Verantwortung aufzugeben; und aus Erfahrung lernen, ohne jede Regel bei jeder neuen Entwicklung infrage zu stellen. Eine Gesellschaft, die viel weiß, ist noch keine handlungsfähige Gesellschaft. Wissen erweitert zunächst den Raum des Möglichen. Was daraus entsteht, entscheidet sich dort, wo Erkenntnis auf Kapital, Recht, Institutionen und Verantwortung trifft – und auf die Fähigkeit, unter unvermeidbarer Unsicherheit zu handeln und aus diesem Handeln wieder zu lernen. Die Wissensgesellschaft der Zukunft könnte deshalb vor einer Aufgabe stehen, die sie lange unterschätzt hat: Sie muss nicht nur lernen, immer mehr zu wissen. Sie muss lernen, mit ihrem Wissen handeln zu können. QUELLENNACHWEIS OECD (2025): OECD Economic Surveys: Germany 2025. OECD Publishing, Paris. OECD Economic Surveys: Germany 2025 Zimmermann, Volker / KfW Research (2025): Innovationshemmnisse in mittelständischen Unternehmen. Fokus Volkswirtschaft, Nr. 520, November 2025. KfW Research – Innovationshemmnisse in mittelständischen Unternehmen Deutscher Bundestag (2026): Bundestag beschließt Erprobung von Innovationen in Reallaboren. Dokumentation zur zweiten und dritten Beratung vom 25. Juni 2026. Deutscher Bundestag – Bundeserprobungsgesetz / Reallabore Bundesministerium für Digitales und Staatsmodernisierung (2026): Gesetz zur Förderung der Erprobung von Innovationen und neuer Verwaltungsverfahren in Reallaboren und zur Förderung des regulatorischen Lernens (Bundeserprobungsgesetz – BErpG). Dokumentation des Gesetzgebungsverfahrens. BMDS – Bundeserprobungsgesetz Deutscher Bundestag (2026): Stellungnahme zum Bundeserprobungsgesetz (BErpG). Ausschussdrucksache 21(23)85, 18. Mai 2026. Deutscher Bundestag – Stellungnahme zum Bundeserprobungsgesetz