Was ist ein Ökonom in der datengetriebenen Internetökonomie?
Was macht eigentlich einen Ökonomen aus? Lange war die Antwort relativ einfach. Ökonomen beschäftigen sich mit Knappheit, Preisen, Märkten, Anreizen und der Frage, wie begrenzte Ressourcen möglichst sinnvoll eingesetzt werden können. Das ist nicht falsch geworden. Aber es reicht nicht mehr.
Denn die moderne Internetökonomie funktioniert in wichtigen Bereichen anders als die Ökonomie, für die viele unserer klassischen Modelle entwickelt wurden. Daten können nahezu kostenlos kopiert werden. Software lässt sich millionenfach nutzen, ohne dass ihre Grenzkosten entsprechend steigen. Plattformen bringen Marktseiten zusammen und erzeugen Netzwerkeffekte. Algorithmen entscheiden darüber, welche Informationen, Produkte oder Preise ein Nutzer überhaupt zu sehen bekommt. Und künstliche Intelligenz beginnt inzwischen, wirtschaftliche Entscheidungen nicht nur vorzubereiten, sondern teilweise selbst auszuführen.
Der Ökonom des 21. Jahrhunderts muss deshalb mehr können, als Bilanzen, Preise, Zinssätze und volkswirtschaftliche Statistiken zu analysieren.
Er muss Systeme verstehen.
Das bedeutet nicht, dass jeder Ökonom zum Informatiker werden muss. Aber er sollte verstehen, was Datenbanken, APIs, Cloud-Infrastrukturen, Plattformen oder Large Language Models grundsätzlich leisten. Und er sollte einschätzen können, was geschieht, wenn aus einem KI-Assistenten ein KI-Agent wird, der selbstständig Informationen beschafft, Programme aufruft und Aktionen ausführt.
Dabei hat sich in den vergangenen Jahren noch etwas Entscheidendes verändert: Auch Programmieren ist für Ökonomen zugänglicher geworden.
Mit KI-Systemen wie Claude oder ChatGPT kann ein Ökonom heute durchaus „light“ programmieren. Er kann sich Python-Code für eine Datenanalyse erstellen lassen, eine kleine Anwendung prototypisch entwickeln, Excel-Auswertungen automatisieren oder Daten über Schnittstellen zusammenführen. Entscheidend ist nicht mehr allein, ob er jede Zeile Code selbst schreiben kann. Entscheidend ist zunehmend, ob er das Problem präzise formulieren, die Logik verstehen und das Ergebnis kontrollieren kann.
Das senkt die Grenze zwischen ökonomischer Analyse und technischer Umsetzung erheblich. Eine Idee muss nicht mehr zunächst ausführlich einem Entwickler erklärt werden. Der Ökonom kann sie selbst ausprobieren. Aus einer Hypothese kann innerhalb weniger Stunden ein kleines Modell oder ein Prototyp entstehen.
Damit verändert sich auch der Begriff der Knappheit. Daten sind zunächst einmal nicht knapp: Wenn ich einen Datensatz kopiere, verliert der ursprüngliche Besitzer ihn nicht. Knapp wird vielmehr die Fähigkeit, aus Daten wirtschaftlich relevante Informationen zu gewinnen. Hochwertige Daten, Rechenleistung, Energie, leistungsfähige Modelle, Aufmerksamkeit und Zugang zu Kunden werden zu entscheidenden Ressourcen.
Und damit verändert sich wirtschaftliche Macht.
In der herkömmlichen Oekonomie beruhte Marktmacht häufig auf Kapital, Produktionskapazitäten oder Vertrieb. In der Internetökonomie kommen Datenbestände, Netzwerkeffekte, Cloud-Infrastrukturen, digitale Ökosysteme und zunehmend KI-Modelle hinzu. Der moderne Ökonom muss deshalb nicht nur fragen: Was kostet ein Produkt? Er muss fragen: Wer kontrolliert die Infrastruktur? Wem gehören die Daten? Wer definiert die Standards? Wer besitzt den Zugang zum Kunden? Und wer eignet sich die dadurch entstehenden ökonomischen Renten an?
Gerade die KI verschärft diese Entwicklung – und verändert gleichzeitig die Arbeit des Ökonomen selbst.
Noch nie standen uns so viele Daten und gleichzeitig so leistungsfähige Instrumente zu ihrer Auswertung zur Verfügung. KI kann Geschäftsberichte analysieren, Daten strukturieren, Szenarien berechnen, Märkte beobachten, Modelle programmieren und innerhalb von Sekunden Hypothesen entwickeln, für die früher Stunden oder Tage benötigt wurden.
Aber daraus entsteht ein bemerkenswerter Widerspruch:
Je leistungsfähiger die Werkzeuge werden, desto wichtiger wird das ökonomische Urteil.
Eine KI kann zehn Bewertungsmodelle rechnen. Sie weiß deshalb noch lange nicht, welches für ein bestimmtes Unternehmen sinnvoll ist. Sie kann Korrelationen entdecken, ohne eine überzeugende wirtschaftliche Kausalität nachzuweisen. Sie kann aus historischen Daten Muster ableiten – und trotzdem an einem Strukturbruch scheitern. Und sie kann sehr überzeugend formulieren, obwohl ihre Ausgangsdaten oder Annahmen falsch sind.
Genau hier liegt die eigentliche Aufgabe des Ökonomen.
Sein Beitrag besteht künftig immer weniger darin, Informationen mühsam zusammenzutragen oder Berechnungen mechanisch durchzuführen. Seine Aufgabe besteht darin, die richtigen Fragen zu stellen, Daten einzuordnen, Kausalitäten zu hinterfragen, Modelle auszuwählen, Ergebnisse kritisch zu prüfen und wirtschaftliche Konsequenzen abzuleiten.
Das gilt besonders für die Finanzwirtschaft. Unternehmensbewertung, Due Diligence, Kreditprüfung oder Investitionsrechnung werden durch KI vereinfacht: Sie können erheblich leistungsfähiger werden. Der Ökonom kann heute Datenanalyse, Simulation, Dokumentenanalyse und sogar kleinere Softwarelösungen miteinander verbinden.
Aber nur dann entsteht daraus ein Fortschritt, wenn wir nicht einfach bestehende Verfahren automatisieren. Denn ein Grundsatz bleibt auch in der KI-Ökonomie bestehen:
Wenn ein schlechter Prozess digitalisiert wird, entsteht kein guter Prozess.
Vielleicht beschreibt genau das das Wesen des modernen Ökonomen am besten.
Er ist weder reiner Theoretiker noch Datenanalyst, weder Informatiker noch KI-Spezialist. Er bewegt sich zwischen diesen Welten. Er verbindet ökonomische Theorie mit Daten, Technologie und institutionellem Wissen. KI erweitert dabei seinen Werkzeugkasten erheblich – bis hin zum „Programmieren light“.
Sein eigentlicher Wettbewerbsvorteil liegt jedoch woanders.
Er muss verstehen, was die Zahlen bedeuten.
Denn Daten werden reichlicher, Rechenleistung wird leistungsfähiger und Programmieren wird einfacher. Gute ökonomische Urteilsfähigkeit dagegen dürfte auch in der datengetriebenen Internetökonomie eine knappe Ressource bleiben.
