Totale Faktorproduktivität

Wenn eine Volkswirtschaft mehr produziert als im Vorjahr, kann das zwei sehr verschiedene Gründe haben. Entweder hat sie schlicht mehr eingesetzt: mehr Arbeitsstunden, mehr Maschinen, mehr Kapital. Oder sie hat dieselben Mittel klüger genutzt. Die totale Faktorproduktivität – kurz TFP – misst genau diesen zweiten Anteil. Sie ist der Teil des Wachstums, der übrig bleibt, wenn man alles herausrechnet, was sich durch bloßes Mehr-Einsetzen von Ressourcen erklären lässt. Ökonomen nennen sie deshalb manchmal den „Maßstab unserer Unwissenheit“: Was wir nicht durch Arbeit und Kapital erklären können, landet in der TFP.

TFP als Gradmesser für Fortschritt

Wachstum durch mehr Arbeit oder mehr Maschinen ist endlich. Irgendwann ist die Bevölkerung ausgeschöpft, irgendwann lohnt sich die nächste Fabrik nicht mehr. Wachstum durch eine höhere TFP hingegen ist im Prinzip unbegrenzt. Deshalb interessiert sich die Wirtschaftspolitik so stark für sie.

Ein historisches Beispiel macht das greifbar: Die Industrialisierung im 19. Jahrhundert war nicht nur deshalb so wuchtig, weil plötzlich mehr Menschen in Fabriken arbeiteten. Die Dampfmaschine ermöglichte es, mit derselben Menschenmenge ein Vielfaches zu produzieren. Das ist TFP-Wachstum. Ähnliches erhofft sich die aktuelle Forschung von künstlicher Intelligenz: Wenn KI-Systeme dazu beitragen, dass Ingenieure, Ärzte oder Programmierer in derselben Zeit deutlich mehr leisten, schlägt sich das direkt in der TFP nieder.

Umgekehrt gilt: Stagnierende TFP ist ein Warnsignal. Viele Ökonomen erklären das schwache Wachstum in westlichen Ländern seit den 2000er-Jahren damit, dass die TFP kaum noch zulegt – trotz immenser Investitionen in Digitaltechnik.

Berechnung: Was in der TFP steckt

Die Grundidee ist einfach: Man nimmt den gesamten Output einer Wirtschaft und zieht den Anteil ab, der sich durch den Einsatz von Arbeit und Kapital erklären lässt. Was dann noch übrig ist, gilt als TFP. In der Praxis nutzt man dafür eine Formel, die sogenannte Cobb-Douglas-Produktionsfunktion, die angibt, wie stark Arbeit und Kapital jeweils zum Output beitragen.

Das klingt sauber, ist in der Praxis aber knifflig. Wie misst man „Kapital“ zuverlässig? Zählen zwei alte Maschinen genauso viel wie eine neue, doppelt so schnelle? Und was ist mit dem Wissen der Belegschaft, das nirgendwo in der Bilanz steht? Solche Messprobleme sorgen dafür, dass TFP-Zahlen verschiedener Länder nur bedingt vergleichbar sind.

Wichtig ist auch, was die TFP nicht trennt: In ihr stecken technologischer Fortschritt, bessere Organisation, mehr Bildung der Arbeitskräfte und sogar Glück – etwa besonders gutes Wetter in der Landwirtschaft. Sie ist eine Sammelgröße, kein Röntgenbild eines einzelnen Faktors.

TFP in der KI-Debatte

Seit dem Durchbruch großer Sprachmodelle wie GPT-4 taucht die TFP regelmäßig in Wirtschaftsberichten und Tech-News auf. Die zentrale Frage lautet: Wird KI die TFP messbar steigern – oder bleibt sie ein teures Werkzeug ohne gesamtwirtschaftliche Wirkung? Bisher ist der Befund gemischt. In einzelnen Branchen wie der Softwareentwicklung oder der Medikamentenforschung gibt es Hinweise auf echte Produktivitätszuwächse. Für die Gesamtwirtschaft sind die Effekte noch nicht eindeutig messbar.

Das erinnert an ein früheres Rätsel: In den 1980er-Jahren waren Computer schon weit verbreitet, aber die TFP-Zahlen zeigten kaum Reaktion. Der Ökonom Robert Solow formulierte es pointiert: „Man sieht das Computerzeitalter überall – nur nicht in den Produktivitätsstatistiken.“ Erst in den 1990ern zog die TFP dann klar an. Viele Ökonomen erwarten, dass KI ähnlich verzögert wirkt – weil Unternehmen zuerst ihre Prozesse umbauen müssen, bevor der Output steigt.

Wer also liest, dass ein Tech-Konzern oder eine Regierung mit KI „die Produktivität steigern“ will, meint damit fast immer: die TFP. Sie ist der entscheidende Maßstab dafür, ob eine neue Technologie wirklich etwas verändert – oder ob sie nur teure Schlagzeilen produziert.