Ein Wirtschaftsindikator, keine Nutzerzählung
Der Indikator von CaixaBank Research geht von einer konkreten Frage aus: Welchen Anteil hat das mit neuen Technologien verbundene Kapital an der spanischen Wirtschaft? Die am 13. Februar 2020 veröffentlichte Studie entwickelt ein Maß, um diese Verbreitung abzuschätzen und einen möglichen Zusammenhang mit künftigem Wachstum zu untersuchen. Gegenstand ist der Bestand an technologischem Kapital, nicht die Nutzungshäufigkeit einer bestimmten Anwendung.
Für die Berechnung verwendet die Analyse EU-KLEMS-Daten zu vier Kapitalarten: Software und Datenbanken, Forschung und Entwicklung, Computer sowie Telekommunikationsausrüstung. Der kombinierte Bestand wird zu den geleisteten Arbeitsstunden ins Verhältnis gesetzt; das Ergebnis wird in Euro zu Preisen von 2010 je Stunde ausgedrückt. Die Einheit verknüpft Kapital und Arbeit, statt nutzende Unternehmen zu zählen.
Die Autoren erklären ihre Wahl mit einer Schwierigkeit bei der Messung: Zum Zeitpunkt der Studie gab es keine Daten, die künstliche Intelligenz direkt in wirtschaftlichen Größen quantifizierten. Deshalb verwenden sie Anlagekategorien, die zur Entwicklung solcher Technologien beitragen können, aber auch anderen Zwecken dienen. Das Maß bildet somit ein breites Spektrum technologischer Fähigkeiten ab und keine gesonderte Bewertung von KI.
Auch das Datum ist wichtig. Die Studie stammt aus dem Jahr 2020; ihre Ergebnisse beziehen sich auf die damals untersuchten Reihen und den damaligen Zeitraum. Sie hilft, eine Methodik und eine historische Entwicklung zu verstehen, ist aber nicht als aktuelle Messung der spanischen Wirtschaft zu lesen.
Produktives Kapital und Unternehmensadoption: zwei verschiedene Fragen
Ein Indikator für Kapital je Arbeitsstunde und eine Befragung zur Technologienutzung in Unternehmen messen nicht dasselbe. Der erste setzt einen Kapitalbestand zur Arbeit ins Verhältnis; die zweite fragt Unternehmen, ob sie bestimmte Technologien einsetzen. Die Perspektiven ergänzen einander, doch Prozentsätze und Einheiten sind nicht austauschbar.
Die IKT-Erhebung des INE unterscheidet außerdem die Bezugszeiträume: Angaben zur Technologienutzung beziehen sich auf das erste Quartal des Erhebungsjahres, während Umsätze im elektronischen Handel das Vorjahr betreffen. In der am 22. Oktober 2026 veröffentlichten Ausgabe bezieht sich der Wert zur KI-Adoption daher auf das erste Quartal 2026, die Angaben zu Online-Umsätzen dagegen auf 2025.
Bei Unternehmen mit mindestens 10 Beschäftigten stellte das INE fest, dass im ersten Quartal 2026 33,6 % Technologien der künstlichen Intelligenz nutzten und 39,4 % Cloud-Computing-Dienste bezogen. Bei Unternehmen mit weniger als 10 Beschäftigten gaben 21,4 % an, KI zu nutzen. Die Unternehmensgröße verändert die beobachtete Quote.
Diese Zahlen ermöglichen einen Vergleich von Gruppen anhand ihrer angegebenen Nutzung, sagen für sich genommen aber weder aus, wie hoch die Investitionen einzelner Unternehmen sind, noch welche wirtschaftlichen Ergebnisse damit verbunden sind. Für diese Aspekte werden weitere Kennzahlen benötigt, etwa Ausgaben, Nutzungsintensität oder Veränderungen betrieblicher Indikatoren.
Zwei Kennzahlen, zwei Perspektiven auf Digitalisierung
Die Kennzahlen unterscheiden sich nach Messgegenstand, Einheit und Zeitraum. Die Nutzungsanteile sind keine Werte für technologisches Kapital je Arbeitsstunde.
| Was gemessen wird | Technologisches Kapital je Arbeitsstunde |
|---|---|
| KI-Nutzung: 10 oder mehr Beschäftigte | 33,6 % |
| KI-Nutzung: weniger als 10 Beschäftigte | 21,4 % |
| Bezahlte Cloud-Dienste: 10 oder mehr Beschäftigte | 39,4 % |
Die INE-Prozentsätze beschreiben angegebene Nutzung, nicht Investitionshöhe oder wirtschaftliche Wirkung. Das Kapitalmaß stammt aus der 2020 veröffentlichten Analyse.
Was der internationale Vergleich von 2020 zeigte
Im Vergleich fortgeschrittener Volkswirtschaften lag die USA bei technologischem Kapital je Arbeitsstunde an der Spitze. Frankreich und Deutschland befanden sich im Mittelfeld, während Spanien und das Vereinigte Königreich niedrigere Werte aufwiesen. CaixaBank Research beschrieb außerdem ein starkes Wachstum des spanischen Maßes über die untersuchten zwei Jahrzehnte. Ein niedrigeres Niveau kann mit raschem Fortschritt einhergehen.
Der Artikel stellte in Aussicht, dass Spanien sich in etwa zehn Jahren den Werten Frankreichs oder Deutschlands nähern könnte, sofern der beobachtete Trend anhielte. Das war eine bedingte Projektion, weder ein später bestätigtes Ergebnis noch eine Garantie. Die Schätzung setzte voraus, dass sich das Muster fortsetzt, das in dieser Analyse erfasst worden war.
Die sektorale Aufschlüsselung für Spanien zeigte Unterschiede zwischen Tätigkeiten mit hohem technologischem Kapital und solchen mit mittleren oder niedrigen Werten. Die Studie verknüpfte die höheren Werte mit Branchen, die Eurostat als Hochtechnologieindustrien oder wissensintensive Dienstleistungen einstuft. Die Analyse umfasste 31 Industrie- und Dienstleistungssektoren; Landwirtschaft und Bergbau waren in dieser sektoralen Aufschlüsselung nicht enthalten. Beide Bereiche gehörten jedoch zum nationalen Gesamtwert für den Ländervergleich.
Die Autoren stellten fest, dass sich die sektoralen Unterschiede im untersuchten Zeitraum nicht annäherten. Sie hielten es außerdem für möglich, dass sich künftige Fortschritte auf weniger technologieintensive Tätigkeiten ausweiten könnten, bezeichneten dies jedoch als Möglichkeit. Der beobachtete Zusammenhang erklärt nicht von selbst, wodurch die Unterschiede entstehen oder wie sie sich entwickeln werden.
Was die neueren Unternehmensstatistiken ergänzen
Die INE-Erhebung bietet einen aktuelleren Blick auf die von Unternehmen angegebene Adoption. Neben der KI-Nutzung erfasste sie, dass 34,3 % der Unternehmen mit mindestens 10 Beschäftigten Datenanalysen mit eigenem Personal durchführten und 39,4 % im ersten Quartal 2026 Cloud-Dienste bezogen. Diese Zahlen messen angegebene Praktiken, nicht technologisches Kapital je Arbeitsstunde.
Der Unterschied nach Unternehmensgröße ist für die Interpretation der Adoption wichtig: Bei Unternehmen mit mindestens 10 Beschäftigten lag die KI-Nutzung bei 33,6 %, bei Unternehmen mit weniger als 10 Beschäftigten bei 21,4 %. Die Prozentsätze beziehen sich auf unterschiedliche Gruppen; der Wert größerer Unternehmen ist daher nicht automatisch ein passender Zielwert für ein kleines Unternehmen.
Das INE weist darauf hin, dass die Daten für 2025 wegen Änderungen der CNAE-Wirtschaftszweigklassifikation und des erfassten Personenkreises nicht uneingeschränkt mit früheren Jahren vergleichbar sind. Der Vergleich zwischen Erhebungsjahrgängen ist begrenzt und muss bei der Bewertung zeitlicher Veränderungen berücksichtigt werden.
Zusammengenommen unterscheiden die beiden Messungen die Ansammlung technologischer Ressourcen von der angegebenen Adoption durch Unternehmen. Ihre Zahlen sollten weder addiert noch zusammengeführt werden: Sie beziehen sich auf unterschiedliche Einheiten, Fragen und Bezugszeiträume.
Grenzen des wirtschaftlichen Näherungsmaßes
Das Maß für technologisches Kapital kombiniert vier Anlagekategorien: Software und Datenbanken, Forschung und Entwicklung, Computer sowie Telekommunikationsausrüstung. Diese Kategorien werden als Näherungswert für den Bestand an Technologien verwendet, die für die Entwicklung neuer Technologien relevant sind. Das Maß erfasst ein breiteres Kapitalportfolio als KI allein.
Das Verhältnis je Arbeitsstunde setzt Kapital und Arbeit zueinander in Beziehung und ermöglicht einen Vergleich der relativen Ausstattung. CaixaBank Research verwendet es als Maß für die wirtschaftliche Bedeutung des technologischen Kapitals. Die Kennzahl beschreibt den Kapitalbestand je Arbeitsstunde; sie ist keine direkte Zählung von Anwendungen oder Robotern.
Der Artikel weist außerdem darauf hin, dass manche Industrieroboter allgemeinen Maschinenkategorien zugeordnet werden konnten. Dadurch ist ihr Technologiegehalt in der Kapitalstatistik schwerer zu erkennen. Dieser Hinweis macht den Umfang der Klassifikation verständlicher, verwandelt den Indikator aber nicht in eine direkte Zählung von Robotern.
Die Analyse von CaixaBank Research liefert eine Näherung an die wirtschaftliche Bedeutung des technologischen Kapitals im untersuchten Zeitraum und zeigt Unterschiede zwischen Ländern und Sektoren. Manche Industrieroboter konnten allgemeinen Maschinenkategorien zugeordnet werden, wodurch ihr Technologiegehalt in der Kapitalstatistik schwerer zu erkennen ist. Der Indikator bleibt ein Näherungsmaß für den Bestand an technologischem Kapital.
Wie sich Kennzahlen für Entscheidungen nutzen lassen
Für ein Unternehmen lautet die praktische Frage nicht nur, ob andere Organisationen KI oder Cloud-Dienste einsetzen. Entscheidend ist auch, welches konkrete Problem gelöst werden soll und woran eine Verbesserung erkennbar wäre. Die INE-Statistiken ordnen die angegebene Verbreitung bestimmter Technologien ein; das Maß von CaixaBank Research bietet einen historischen Bezugspunkt für technologisches Kapital. Beide Kennzahlen beschreiben unterschiedliche Aspekte der Digitalisierung.
Eine interne Bewertung kann festlegen, welches Anlagegut oder welcher Dienst eingeführt wird, in welchem Prozess er zum Einsatz kommt und welches Ergebnis beobachtet werden soll. Je nach Ziel kann dieses Ergebnis die benötigte Zeit für eine Aufgabe, die Fehlerquote oder die Betriebskosten sein. Ein zuvor festgelegter Ausgangswert ermöglicht Vergleiche, ohne Adoption mit Nutzen gleichzusetzen.
Bei nationalen Zahlen sollte man das Jahr, die Größe der erfassten Unternehmen und die Definition des Indikators prüfen. Außerdem sind akkumuliertes Kapital, angegebene Nutzung und Ergebnisse auseinanderzuhalten. So legt die INE-Erhebung für die IKT-Nutzung und die Umsätze im elektronischen Handel unterschiedliche Bezugszeiträume zugrunde.
Die Studie von 2020 schätzte das technologische Kapital der spanischen Wirtschaft und beschrieb Unterschiede zwischen Ländern und Sektoren im untersuchten Zeitraum; die 2026 veröffentlichte INE-Erhebung erfasst die von Unternehmen angegebene Nutzung von KI, Cloud-Diensten und Datenanalyse. Die beiden Messungen beleuchten unterschiedliche Aspekte der Digitalisierung.
