Eine 7,2 Billionen Yuan Lücke in der GDP-Rechnung, selbst der Fed-Vorsitzende versteht die Token-Ökonomie nicht.

Am 30. Mai 2026 veröffentlichte das Halbleiterforschungsinstitut SemiAnalysis einen tiefgehenden Bericht mit dem Titel „AI Dark Output: The Visible Cost of Invisible Output“ und stellte das Konzept des „dunklen Outputs“ vor. Es wurde beurteilt, dass KI in großem Maßstab reale wirtschaftliche Werte schafft, aber diese Werte in der BIP-, Preisindex- und Beschäftigungsstatistik fast nicht nachweisbar sind. Die Größe dieser Werte „könnte der industriellen Revolution nicht nachstehen“.

Der Bericht schätzt, dass die Arbeitsaufgaben, die von der gegenwärtigen Generation von KI ersetzt oder erheblich verstärkt werden können, einem Lohnpool von etwa 1,5 Billionen US-Dollar entsprechen. Wenn die KI diese Aufgaben übernimmt, bleiben möglicherweise nur ein paar Dollar an Token-Ausgaben als wirtschaftliche Spur übrig. Aus Sicht des BIPs „verschwindet“ der Output fast vollständig.

Derzeit wird 41 % des US-amerikanischen Dienstleistungs-BIPs (7,2 Billionen US-Dollar) mit der Methode der „Lohnverankerung“ berechnet. Die Output-Wachstumsrate wird als Anstieg des Lohns oder der Arbeitsstunden definiert. Das bedeutet, wenn KI die Arbeitsleistung eines Anwalts verdoppelt, aber die Anzahl der Anwälte und die Löhne unverändert bleiben, wird im BIP kein Output-Wachstum registriert. Die Produktivitätssteigerung durch KI kann in der Statistik überhaupt nicht auftauchen.

Abbildung: 41 % des US-amerikanischen Dienstleistungs-BIPs ($ 7,2 Billionen) wurden 2025 mit der Methode der „Lohnverankerung“ berechnet - das Output-Wachstum wird als Anstieg des Lohns oder der Arbeitsstunden definiert. Daher kann die Produktivitätssteigerung durch KI in der Statistik überhaupt nicht auftauchen.

Das Konzept im Bericht bezieht sich auf das „dunkle Energie“ aus der Physik. Es kann nicht direkt beobachtet werden, aber es macht den dominanten Anteil der Universumsenergie aus und kann nur durch seine Gravitationseffekte auf die umgebenden Objekte wahrgenommen werden.

Abbildung: Die „Drei-Test“-Schwelle des BIPs: Reale Arbeit, Marktpreise und statistisch erfassbare Transaktionen halten eine Vielzahl von realen wirtschaftlichen Aktivitäten fern. Der orangefarbene Bereich ist genau der Versteckplatz des „dunklen Outputs“.

Dieses Dilemma, „die Technologie zu sehen, aber den Output nicht“ ist nicht das erste Mal aufgetreten.

1987 bemerkte der Nobelpreisträger für Ökonomie Robert Solow ein seltsames Phänomen: Computer waren überall, aber die offiziellen Produktivitätsdaten zeigten keine Verbesserung, als ob die Computer nie existiert hätten. Mehr als dreißig Jahre später taucht dasselbe Problem erneut auf, nur dass diesmal die KI die Hauptrolle spielt, und die Situation ist schwieriger als damals.

Im Dezember 2025 räumte der bevorstehende Fed-Vorsitzende Kevin Warsh bemerkenswert öffentlich dieses Dilemma ein: Die Zinspolitik ausschließlich auf der Grundlage der bestehenden Statistiken festzulegen, ist wie das Fahren eines Autos unter Blick in den Rückspiegel. Die Verzögerung der Daten kann zu einer Fehleinschätzung des wirtschaftlichen Potenzials führen, und man wagt es nicht, zu handeln, wenn eigentlich ein Wachstum bei niedriger Inflation möglich wäre. Die Entscheidungsträger müssen schließlich wie beim Wetten raten.

Dies ist möglicherweise das am stärksten unterschätzte Messrisiko der KI-Zeit. Die makroökonomischen Daten sind wie ein Spiegel, aber das, was er derzeit zeigt, ist ein stark verzerrtes Wirtschaftsbild.

Einer Seite nach gibt es überall Baustellen für Rechenzentren, die Bestellungen für GPUs reichen bis zwei Jahre in die Zukunft, und die Einnahmen der Stromunternehmen steigen stark. Andererseits ist der wirtschaftliche Wert der KI-Outputs im BIP fast nicht nachweisbar.

Abbildung: Der KI-Output existiert bereits real, bevor er messbar wird.

01 Preisverfall von „Testaments“

Schauen wir uns zunächst die Preisentwicklung eines gewöhnlichen Testaments in den letzten tausend Jahren an.

Im 17. Jahrhundert kostete die Erstellung eines Testaments durch einen Pergamentkopisten etwa 3.000 US-Dollar in heutigen Werten. In der Renaissance betrug die Gebühr eines Notars etwa 800 US-Dollar. 1900 zahlte man einem Anwalt etwa 400 US-Dollar. In den 1990er Jahren verlangten selbstständige Anwälte immer noch 400 US-Dollar.

2010 senkte LegalZoom den Preis auf 150 US-Dollar. 2026 kostet die Erstellung eines etwa 5.000-Wort-Testaments durch ein fortschrittliches Modell über die API weniger als 0,5 US-Dollar. Von 150 US-Dollar auf 0,5 US-Dollar, das ist eine Kostenreduktion von über 99 % in 16 Jahren.

Abbildung: Abwärtstrend der Kosten für die Erstellung eines Rechts-testaments zwischen dem 17. Jahrhundert und 2026.

Die Berechnungslogik des BIPs versagt direkt, wenn es um Preisverfälle dieser Größenordnung geht.

Wie wird das Dienstleistungs-BIP berechnet? Es basiert hauptsächlich auf Quittungen und Angeboten. Die Statistiker fragen die Anwaltskanzleien, ob die Servicepreise gestiegen oder gefallen sind, und dividieren dann das Gesamtunternehmenseinkommen durch den Preis, um die „Menge“ des Dienstleistungsangebots rückwärts zu berechnen. Wenn die KI die Erstellung von Dokumenten übernimmt, verschwinden die Quittungen der Anwaltskanzleien - die Kosten werden in die nur wenige Cent kostenden Token-Gebühren absorbiert.

Wenn die Statistiker erneut erfragen, stellen sie fest, dass der durchschnittliche Servicepreis sogar gestiegen ist, weil den menschlichen Anwälten nur noch komplexere und wertvollere Fälle bleiben. Aber das, was das Statistikamt sieht, ist: Preissteigerung, Einbußen bei den Einnahmen. Schlussfolgerung: Rezession. Ein Rechtsdokument von gleichbleibendem Wert verschwindet einfach aus dem BIP-Buch, nur weil der Ersteller von einem Menschen auf KI gewechselt hat. Das bestehende Berechnungsrahmenwerk war von Anfang an nicht darauf ausgelegt, Kostenverfälle dieser Größenordnung zu bewältigen.

02 Zwei Arten von „dunklem Output“

Anfangend mit der Diskussion über ein Testament teilt dieser Bericht den dunklen KI-Output in zwei Kategorien ein.

Erste Kategorie: Substituierender dunkler Output.

Arbeitsaufgaben, die ursprünglich von Menschen erledigt wurden, werden jetzt von KI durchgeführt. Zum Beispiel die oben diskutierten Testamente, Standardverträge, Dateneingabe, Kundenservice-Antworten. Die „Lohnrechnungen“ für diese Aufgaben verschwinden aus den Statistiken und hinterlassen nur wenige Cent an API-Aufrufebenen in der Abrechnungssystemen der Cloud-Anbieter.

Der Kern des substituierten dunklen Outputs ist das „Verschwinden von Transaktionsaufzeichnungen“. Der wirtschaftliche Wert besteht weiterhin, aber die volkswirtschaftliche Rechnung kann ihn nicht mehr erfassen.

Zweite Kategorie: Neuer dunkler Output.

Es bezieht sich auf Arbeitsaufgaben, an denen sich früher überhaupt niemand beteiligt hat, weil die Kosten zu hoch waren und es nicht lohnend war. KI senkt die Preise auf ein Niveau, auf dem sie jederzeit und überall genutzt werden können.

Beispielsweise kostet es 2.000 US-Dollar, einen wissenschaftlichen Literaturüberblick von einem Forschungsassistenten erstellen zu lassen. Jetzt kann es mit einer API-Aufrufe von 2 US-Dollar in wenigen Minuten erledigt werden. Vor ein paar Jahren hätte man es als absurd angesehen, wenn man die Zeit, die Kosten und das Ergebnis vergleicht.

Es gibt auch eine subtile Situation: KI erledigt die Arbeit von Menschen, ohne dass „Lohn“ entsteht.

Beispielsweise hat ein Unternehmen früher 10.000 US-Dollar für externe Personalienstleistungen ausgegeben. Jetzt kauft es für dieselben 10.000 US-Dollar ähnliche KI-gesteuerte Dienstleistungen. Das BIP wird nicht beeinflusst. Wenn diese Dienstleistung jedoch in einen internen KI-Prozess umgewandelt wird und nur 10 US-Dollar an Token-Kosten verursacht, sinkt das BIP um 9.990 US-Dollar. Dieselbe Arbeit, derselbe Wert, aber der Unterschied auf dem Konto hängt nur davon ab, „wo“ sie ausgeführt wird.

Der wirkliche statistische Schwarze Loch tritt auf, wenn die Kosten gegen Null gehen, die Transaktionen aus dem Markt verschwinden und die Arbeit von Unternehmen interniert wird. Diese Szenarien sind jedoch genau die Bereiche, in denen KI am wahrscheinlichsten in großem Maßstab eindringt.

03 In der KI-Zeit kann man nicht zählen, wie viele „Schrauben“ mehr produziert werden

Ähnliche Messprobleme traten auch in der Zeit der industriellen Revolution auf, als Maschinen die Handarbeit ersetzten und die Output-Formen sich radikal änderten. Aber die Fertigungsindustrie hat einen natürlichen statistischen Vorteil: Der Output ist physisch und kann gezählt werden.

Beispielsweise ist der reale Preis von Schrauben in den letzten sechs Jahrhunderten um über 99 % gesunken, und die globale Produktion hat sich um etwa 10 Milliardenfache erhöht. Das BIP-Rahmenwerk hat diese Veränderung richtig als Wachstum und Produktivitätssteigerung erfasst.

Abbildung: Realer Preis und globale Produktion von Schrauben

Aber die Dienstleistungsbranche hat keine „Schrauben“. Es gibt keine „Rechtsdienstleistungseinheiten“, keine „Tonnen von Literaturüberblicken“ und keine „Fässer von Beratungsdienstleistungen“. Das einzige, was man erhält, sind die Anzahl der von Anwälten ausgestellten Rechnungen und die von Beratungsfirmen erhobenen Servicegebühren.

Ehemals hätte ein Ökonomen-Team möglicherweise ein Jahrhundert gebraucht, um eine Studie über die Produktivität der industriellen Revolution durchzuführen. Heute kann man es mit wenigen US-Dollar an API-Gebühren erhalten. Der Output ist derselbe, aber das BIP sieht nur, dass letzterer hinter einem Komma im Posten „Computersystemdesign“ untergeht.

Es ist in dem Bericht sehr treffend gesagt, dass wir bis heute noch keine funktionale Vokabeln haben, um geistige Arbeit zu beschreiben. Die industrielle Revolution hatte die „PS“-Einheit, die eine Methode bot, um die Maschinenleistung und die menschliche Arbeit auf derselben Skala zu vergleichen.

Das „Token“ in der KI-Zeit kann dies nicht leisten, denn eine Million Tokens können entweder Müllinformationen oder eine wichtige Entscheidung, die die Unternehmensstrategie ändert, produzieren. Der wirtschaftliche Wert hängt vom Inhalt des Outputs ab, nicht von der Anzahl der Tokens.

Wenn der Wert der KI-Outputs nur über Token-Ausgaben, Strompreise und Wasserverbrauch beobachtet werden kann - mit anderen Worten, nur die Kosten-Seite zu sehen - wird die Wirtschaftsdaten ein anomales Bild präsentieren: Die Investitionen steigen rasant, aber der Output ist still. Das ist wie eine Blase. Wenn Investoren und die Zentralbank anhand der verzerrten Daten urteilen, dass KI eine Blase ist und die Liquidität einschränken, werden die Folgen real und tiefgreifend sein.

04 Abfall der Beschäftigung, Anstieg der Löhne, aber niemand bekommt eine Gehaltserhöhung

Da der dunkle Output nicht direkt beobachtet werden kann, kann man ihn vielleicht indirekt über die „Nebenwirkungen“ verfolgen? Das Team hinter dem Bericht versucht es auf diesem Weg mit einem Dunkel-Output-Monitor.

Sie haben ein seltsames Signal entdeckt: In den Wirtschaftssektoren, die am stärksten von KI betroffen sind, sinkt die Anzahl der Beschäftigten im Vergleich zur gesamten Wirtschaft, aber die Löhne in diesen Sektoren steigen.

Der Grund ist einfach.

KI ersetzt zuerst die alltäglichen Aufgaben von Junior-Mitarbeitern. Wenn die am niedrigsten bezahlten Mitarbeiter aus der Stichprobe verschwinden, bleiben die erfahreneren und besser bezahlten Mitarbeiter übrig. So steigt das durchschnittliche Gehalt in dieser Branche. Niemand bekommt tatsächlich eine Gehaltserhöhung, sondern die Statistikwerte selbst steigen.

Diese Diskrepanz zwischen Beschäftigung und Löhnen ist eines der Merkmale des substituierten dunklen Outputs.

Abb