Der Rückgang des Produktivitätsfortschritts: Wo liegen die Ursachen? - Transforming Economies

Prof. Dr. Thomas StraubhaarUniversität Hamburg

Der empirische Befund ist eindeutig: Für Deutschland zeigt sich langfristig ein deutlicher Rückgang des Wachstums der Totalen Faktorproduktivität.

Wie Abbildung 1 veranschaulicht, lag das durchschnittliche jährliche Wachstum der TFP in den 1970er Jahren noch bei über zwei Prozent. In den 1980er Jahren erreichte es 1,5 Prozent, in den 1990er Jahren ein Prozent. Seit der Jahrhundertwende verharrt es bei etwas mehr als einem halben Prozent, was auch der Prognose für den Zeitraum bis 2024 entspricht.^[1]

Eine mehr oder weniger ähnliche Verlangsamung der TFP ist in den meisten ökonomisch höher entwickelten Volkswirtschaften erkennbar.

Abb. 1: Trendwachstum der Totalen Faktorproduktivität (Deutschland, 1971-2024)
Quelle: Sachverständigenrat (2019: S. 95).

Kompositionseffekt

Das verlangsamte TFP-Wachstum ist zunächst eine zwangsläufige Begleiterscheinung, die in Deutschland untrennbar mit den immensen Beschäftigungserfolgen der letzten fünfzehn Jahre einhergeht.

Zwischen 2005 (mit einer jahresdurchschnittlichen Erwerbspersonenzahl von rund 39 Millionen) und 2020 (mit einer Erwerbspersonenzahl von rund 45 Millionen vor Ausbruch der Corona-Pandemie im ersten Quartal 2020) sind in Deutschland rund sechs Millionen zusätzliche Erwerbstätige in den Arbeitsmarkt integriert worden.^[2]

Kehrseite des Anstiegs der Erwerbsverhältnisse ist die plausible Annahme, dass die neu beschäftigten Personen zuvor (als Massen von auch vergleichsweise Gutqualifizierten Arbeit suchten) ihre Fähigkeiten nicht erfolgreich auf dem Arbeitsmarkt einbringen konnten, „sodass davon auszugehen ist, dass sie insgesamt weniger produktiv waren als der durchschnittliche Erwerbstätige im Jahr 2005.“^[3]

Mit dem Zugang von weniger produktiven Erwerbspersonen in den Arbeitsmarkt dürfte die durchschnittliche Produktivität gesunken sein, was als „Kompositionseffekt“ bezeichnet wird.^[4]

Strukturwandel

Eine Verlangsamung der Produktivitätsentwicklung kann ebenso das Ergebnis einer strukturellen Verschiebung weg von hochproduktiven Wirtschaftsbereichen – wie dem Verarbeitenden Gewerbe – hin zu Bereichen mit geringerer Produktivität sein, wie sie in vielen Dienstleistungsbereichen zu verzeichnen ist.

Eine geringe bis nicht mögliche Steigerungsfähigkeit der Arbeitsproduktivität gehört zum Wesen vieler Dienstleistungen.

Somit kann nicht ein Produktivitätsparadox, sondern ein Dienstleistungsparadox für Deutschland charakteristisch sein. Solange sich hierzulande die Wertschätzung für eine gute Qualität der Dienstleistungen nicht in entsprechender Bezahlung ausdrückt, solange also im Gesundheits-, Bildungs- und Sozialwesen, bei öffentlichen Dienstleistungen oder in Kunst und Kultur die Löhne nicht stärker steigen, wird die Arbeitsproduktivität im Kriechgang oder überhaupt nicht vorankommen.

Und wenn sich da nichts ändert, werden Roboter und Künstliche Intelligenz das scheinbare Produktivitätsparadox vergrößern und nicht verkleinern, da sie die Arbeitsproduktivität für wenige erhöhen, nicht jedoch für die Masse der Dienstleistenden.

Digitalisierung und immaterielle Wertschöpfung

Mit der strukturellen Transformation von der physischen Industrie- zur güterlosen Dienstleistungs- und nun zur digitalen Wissens- und Datenökonomie ändert sich das Wesen der Ökonomie fundamental.

Insbesondere führte die digitale Transformation der vergangenen Dekaden zu einer steigenden Bedeutung immaterieller Produktionsfaktoren. Der Anteil von Investitionen in immaterielle Produktionsfaktoren an der Bruttowertschöpfung stieg zwischen den Jahren 1995 und 2016 in Deutschland und den USA um etwa 2 Prozentpunkte und in Frankreich um etwa 4 Prozentpunkte an.^[5]

Das Hauptproblem der Zunahme der immateriellen Wertschöpfung liegt darin, dass deren Beitrag zur gesamtwirtschaftlichen Wertschöpfung nicht gemessen, sondern nur geschätzt werden kann. Damit jedoch verschiebt sich deren statistische Erfassung von der Realität in die Welt abstrakter Modelle.

Es sei daran erinnert, dass das Wachstum der TFP in aller Regel als Restgröße (als sogenanntes Solow-Residium) berechnet wird – und zwar als nicht direkt erklärbare Wertschöpfung, die sich ergibt, „nachdem vom berechneten Produktionswachstum die gemessenen Veränderungen der einzelnen Produktionsfaktoren, gewichtet mit ihren Produktionselastizitäten, abgezogen wurden.“^[6] Wie anfällig derartige residuale Schätzverfahren für Fehler aller Art sind, dürfte offensichtlich sein.

Daten sind anders zu messen als Waren

Daten sind wie Dienstleistungen und Wissen nicht dinglicher Natur. Das macht es für die Statistik so schwierig, sie zu erfassen. Deshalb tun sich herkömmliche Verfahren zur Messung ökonomischer Aktivitäten so schwer.

Daten sind um Dimensionen rascher hin und her zu bewegen als Güter, aber auch als Dienstleistungen. Dass digital erbrachte Dienstleistungen eine neue Form der statistischen Erfassung erforderlich machen und insbesondere (räumliche) Abgrenzungsprobleme zu bewältigen sind, ist selbstredend.

Neuvermessung der Datenökonomie

 „Measuring the Digital Transformation“ lautet der Titel einer OECD-Publikation, die danach strebt, aufzuzeigen, wie sich der Wert von Daten messen und in die gängigen Statistiken zur Erfassung ökonomischer Aktivitäten einbinden lässt.

Quintessenz der OECD-Analyse ist, dass „as existing metrics and measurement tools struggle to keep up, it is imperative to act now. … More must be done to strengthen the evidence base needed to monitor and shape the digital transformation.”^[7]

Ohne fundamentale Anpassung von Statistiken droht der Wirtschaftspolitik zunehmend ein Stochern im Nebel der Unschärfe und Ungenauigkeit.

Das wird dann dramatisch, wenn die positiven Folgen neuer Technologien wie beispielsweise der Digitalisierung – da nicht klar erkennbar – unterschätzt und somit Produktivitätsfortschritte viel zu gering ausgewiesen werden, was wiederum die Reallohnentwicklung negativ beeinflusst.

Als Folge davon wird das reale Wirtschaftswachstum unterschätzt, was sich negativ auf Stimmungen und Erwartungen und damit auf Konjunkturprognosen auswirkt. Um Messfehler künftig zu verringern und zu verhindern, bedarf es einem Neuverständnis in Ökonomie und Ökonomik und darauf aufbauend einer Neuvermessung wirtschaftlicher Aktivitäten und Transaktionen.

Bei dem Beitrag handelt es sich um eine Zusammenfassung aus: Thomas Straubhaar (Hrsg.): Neuvermessung der Datenökonomie. Edition HWWI Band 6. Hamburg University Press. Hamburg 2021. Das der Publikation zugrundeliegende Forschungsprojekt wurde von der NORDAKADEMIE-Stiftung (Elmshorn/Hamburg) großzügig unterstützt.

Literatur

IAB (2020): Daten zur kurzfristigen Entwicklung von Wirtschaft und Arbeitsmarkt (Stand: November 2020). Institut für Arbeitsmarkt- und Berufsforschung der Bundesagentur für Arbeit (IAB). Online abrufbar unter: http://doku.iab.de/arbeitsmarktdaten/Aktuelle_Daten.pdf.

OECD (Organisation for Economic Cooperation and Development) (2019): Measuring the Digital Transformation: A Roadmap for the Future. Paris (OECD Publishing). Online abrufbar unter: http://www.oecd.org/going-digital/measuring-the-digital-transformation-9789264311992-en.htm.

Sachverständigenrat (zur Begutachtung der gesamtwirtschaftlichen Entwicklung) (2019): Den Strukturwandel meistern. Jahresgutachten 2019/20. Online abrufbar unter: https://www.sachverstaendigenrat-wirtschaft.de/jahresgutachten-2019.html.

Sachverständigenrat (zur Begutachtung der gesamtwirtschaftlichen Entwicklung) (2016): Zeit für Reformen. Jahresgutachten 2016/17. Online abrufbar unter: https://www.sachverstaendigenrat-wirtschaft.de/publikationen/jahresgutachten/fruehere-jahresgutachten/jahresgutachten-201617.html.

Sachverständigenrat (zur Begutachtung der gesamtwirtschaftlichen Entwicklung) (2015): Zukunftsfähigkeit in den Mittelpunkt. Jahresgutachten 2015/16. Online abrufbar unter: https://www.sachverstaendigenrat-wirtschaft.de/publikationen/jahresgutachten/fruehere-jahresgutachten/jahresgutachten-201516.html.

[1] Sachverständigenrat (2019: S.95).

[2] Daten aus IAB (2020).

[3] Sachverständigenrat (2015: S.288).

[4] Sachverständigenrat (2016: S.129). Der „Kompositionseffekt“ ist – mit gegenteiligem Vorzeichen – das Gegenstück zur „Entlassungsproduktivität“, die entsteht, wenn eine gegebene Wertschöpfung mit deutlich weniger Erwerbstätigen erbracht wird, was die (Arbeits-)Produktivität ansteigen lässt.

[5] Sachverständigenrat (2019: S.165).

[6] Sachverständigenrat (2019: S.90).

[7] OECD (2019, S. 16).