Europäische Zentralbank setzt KI zur Eindämmung der Inflation ein

Die Europäische Zentralbank steht vor einer Herausforderung, für die es in der modernen Geschichte der Geldpolitik kaum Parallelen gibt. Die Welt ist instabiler, Schocks treten schneller auf und traditionelle Wirtschaftsmodelle haben Schwierigkeiten, mit ihnen umzugehen. Daher kommt künstliche Intelligenz gleich an mehreren Fronten ins Spiel. Drei aktuelle Beiträge direkt aus dem Hause der Europäischen Zentralbank (EZB) zeigen, wie tief KI das Denken der europäischen Zentralbanker durchdringt. Es handelt sich um eine Reaktion auf ein reales Problem: Wie lässt sich die Geldpolitik in einer Zeit steuern, in der sich die Bedingungen schneller verändern, als traditionelle Instrumente sie erfassen können?

Warum herkömmliche Modelle nicht ausreichen

Standardmäßige Wirtschaftsmodelle haben eine Schwäche, die in den vergangenen Jahren deutlich zutage getreten ist: Sie arbeiten nur mit wenigen Variablen und gehen von relativ stabilen Beziehungen zwischen ihnen aus. Doch die Realität nach der Pandemie hat diese Logik durchbrochen.

Die Inflation kam von mehreren Seiten gleichzeitig. Unterbrochene Lieferketten, der Energieschock, Kriege, Veränderungen im Verhalten der Unternehmen und eine Verschiebung der Inflationserwartungen. „Bei der Steuerung der Inflation geht es heute nicht um die Feinabstimmung der Arbeitslosigkeit entlang einer stabilen Phillips-Kurve, sondern um ein glaubwürdiges Bekenntnis zum Ziel der Preisstabilität“, sagte Isabel Schnabel in einer Rede im März.

Philip Lane wies in seiner Rede über KI und den Euroraum auf eine weitere Dimension des Problems hin. Die Schätzungen der makroökonomischen Auswirkungen künstlicher Intelligenz bewegen sich in einer enorm großen Bandbreite – von einem marginalen Einfluss bis hin zu einem grundlegenden Wandel der gesamten Wirtschaft. Das schafft bereits für sich genommen ein analytisches Problem: Wie soll die Geldpolitik ausgerichtet werden, wenn sich die grundlegenden Parameter des Ausblicks je nach Modell unterscheiden?

Quantil-Regressionswälder

Eine der Antworten der EZB ist ein Modell, das als Quantil-Regressionswald (QRF) bezeichnet wird. Ein Arbeitsteam der EZB beschrieb es in einem Blogbeitrag, und es ist eines der anschaulichsten Beispiele dafür, wie KI in der Praxis des Zentralbankwesens funktioniert.

Das Modell liefert nicht nur eine einzige Zahl, sondern eine vollständige Wahrscheinlichkeitsverteilung. Es sagt nicht nur, wo die Inflation voraussichtlich liegen wird, sondern auch, wie groß die Wahrscheinlichkeit ist, dass sie nach oben oder unten überrascht. Dabei arbeitet es gleichzeitig mit 60 Variablen und kann komplexe Abhängigkeiten/Situationen erkennen, in denen die Beziehung zwischen Ursache und Wirkung nicht linear, sondern sprunghaft ist.

Die Ergebnisse aus dem Jahr 2025 zeigen, dass das Modell funktioniert. Im zweiten und vierten Quartal 2025 identifizierte es Aufwärtsrisiken für die Kerninflation, die tatsächlich eintraten. Die Inflation übertraf die Prognosen der EZB schließlich um 20 Basispunkte. Wo das Modell kein deutliches Risiko anzeigte, lag die tatsächliche Inflation näher an den Prognosen.

KI-Entwicklung in der EU gegenüber den USA

Der Anteil der Beschäftigten im Euroraum, die KI bei ihrer Arbeit einsetzen, stieg von 26 Prozent im Jahr 2024 auf 40 Prozent im Jahr 2025. Die Geschwindigkeit ihrer Verbreitung ist in der Geschichte früherer Technologien beispiellos.

Eine schnelle Einführung auf individueller Ebene muss jedoch nicht automatisch einen raschen Gewinn für die gesamtwirtschaftliche Produktivität bedeuten. Nur 7 Prozent der Unternehmen im Euroraum nutzen KI umfassend. Und gerade die Tiefe der Einbindung, nicht die bloße Präsenz der Technologie, entscheidet über den makroökonomischen Effekt. Bei einer schnellen Einführung könnte die Gesamtfaktorproduktivität über ein Jahrzehnt hinweg um 0,3 bis 0,4 Prozentpunkte pro Jahr steigen. Bei einer langsamen Einführung wären es ungefähr 0,2 Prozentpunkte. Der Unterschied erscheint gering, summiert sich über zehn Jahre jedoch zu einer erheblichen Lücke beim Lebensstandard.

Die digitalen Investitionen im Euroraum stiegen von 2014 bis 2025 um mehr als 60 Prozent. Das entsprechende Investitionsvolumen in den USA hat sich im gleichen Zeitraum jedoch mehr als verdoppelt. Digitale Investitionen machen im Euroraum etwa 12 Prozent der Gesamtinvestitionen aus. In den Vereinigten Staaten sind es mehr als 24 Prozent.

Schnabel ordnete dieses strukturelle Problem in einen breiteren Kontext ein. Die demografische Alterung, die nachlassende Zuwanderung, die zunehmende Diskrepanz zwischen Qualifikationen und Anforderungen usw. sind Einschränkungen, die sich nicht durch eine lockere Geldpolitik lösen lassen. Wenn es gelänge, dass KI die Kapazitäten der Arbeitskräfte tatsächlich erweitert, könnte dies einen Teil des Drucks mindern, der in arbeitsintensiven Branchen zu steigenden Löhnen und Inflation führt.

Auswirkungen auf die Geldpolitik

Schnabel wies auf einen Mechanismus hin, der sich selbst in Gang setzen könnte. Eine höhere Produktivität steigert den Grenzertrag des Kapitals, dieser treibt den realen Gleichgewichtszins nach oben, wodurch die Geldpolitik faktisch automatisch gelockert wird ohne dass die EZB die Zinssätze ändert.

Lane warnte jedoch vor übermäßigem Optimismus. Sollte KI zu einer Zunahme der Ungleichheit führen und sollten die Produktivitätsgewinne überwiegend den Kapitaleigentümern zufließen, könnte dies umgekehrt die Sparquote erhöhen und den Gleichgewichtszins nach unten drücken. Schnabel fügte dazu einen entscheidenden Hinweis hinzu: Anders als in den 1990er-Jahren, als die Fed (die Zentralbank der USA) tatsächliche Daten über die steigende Produktivität beobachten konnte, verfügt die EZB heute noch über kein entsprechendes makroökonomisches Signal. Die Geldpolitik auf hypothetische Gewinne auszurichten, wäre riskant.

Intern durchläuft die EZB ihre eigene Transformation. Das QRF-Modell ist ein Beispiel dafür. Ein weiteres ist die automatisierte Verarbeitung von Unternehmensinterviews, durch die sich die für jedes Ergebnis benötigte Zeit von etwa einer Stunde auf 20 bis 30 Minuten verkürzt hat, ohne dass die Qualität darunter litt. Die EZB baut drei Säulen auf: ein Analysezentrum für die Arbeit mit Daten, ein Forschungslabor und eine Assistentenwerkstatt für den Einsatz von KI in konkreten Prozessen. Ziel ist es, KI bis Ende 2027 in die meisten zentralen Prozesse der Institution zu integrieren.

Alle KI-Ergebnisse werden dabei von menschlichen Experten überprüft. Die Technologie soll das fachliche Urteilsvermögen erweitern, nicht ersetzen. Dies entspricht auch dem, was Unternehmensdaten über die Auswirkungen von KI auf den Arbeitsmarkt im Euroraum insgesamt zeigen, nämlich dass die Technologie die Beschäftigten bislang stärkt, statt sie zu verdrängen.