Hinweis: Das Beitragsbild wurde mit künstlicher Intelligenz erzeugt.
Aaron Chatterji ist nicht der bekannteste Name im KI-Diskurs. Doch der Chefökonom von OpenAI gehört zu den einflussreichsten Akteuren in der laufenden Debatte über Künstliche Intelligenz und Wirtschaft. Sein zwölfköpfiges Forschungsteam hat direkten Zugang zu den Verhaltensdaten von ChatGPT-Nutzern. Die Studien, die daraus entstehen, zählen zu den meistzitierten Quellen in der KI-Forschung weltweit.
Wer Chatterji ist
Chatterji, 48, ist seit 2014 Professor an der Duke University. Er forscht zu Unternehmertum, Innovation und zur politischen Macht von Konzernen. Unter US-Präsident Barack Obama beriet er die Regierung. Unter Joe Biden verantwortete er ein Subventionsprogramm von 53 Milliarden Dollar zur Rückholung der Chipfertigung in die USA. Seit Oktober 2024 arbeitet er für OpenAI, seine Professur ruht.
Seine Aufgabe bei OpenAI: erklären, wie KI künftig Jobs, Produktivität und Wirtschaftswachstum verändert. Das klingt nach Wissenschaft. Es ist zugleich Kommunikation im Dienst eines Unternehmens, das mit rund einer Billion Dollar bewertet wird. Diese Bewertung basiert unter anderem auf der These, dass KI die Produktivität steigert und für Unternehmen unverzichtbar ist.
Die Interessenlage ist eindeutig
Chatterji versichert, auch Ergebnisse veröffentlichen zu dürfen, die keine oder negative Wirkungen von ChatGPT belegen. Er sagt, sein Team publiziere sogar Forschung, die zeige, wenn ein Modell eines Wettbewerbers besser funktioniert als das eigene. Von außen ist das nur begrenzt überprüfbar. Externe Forscher sollen künftig über eine sogenannte Economic Research Exchange unter Auflagen mit Konzerndaten arbeiten können. Wer Zugang erhält, entscheidet OpenAI.
Für Unternehmen, die KI-Investitionen planen, ist das keine Kleinigkeit. Forschungsergebnisse aus dem Haus OpenAI fließen in politische Entscheidungen, in Prognosen von Zentralbanken und in die Kalkulationen von Investoren. Die Frage, welche Befunde veröffentlicht werden und welche nicht, ist damit keine akademische.
Was die Datenlage in deutschen Betrieben zeigt
Unabhängig von der OpenAI-internen Forschung liefern aktuelle Studien ein nüchternes Bild der KI-Realität in deutschen Unternehmen. Laut einer Erhebung von Dun & Bradstreet aus den vergangenen Tagen erzielen 73 Prozent der deutschen Unternehmen, die KI einsetzen, bereits einen messbaren Return on Investment. Gleichzeitig können nur 25 Prozent der Betriebe vorhandene Daten für fundierte Entscheidungen nutzen. Lediglich 3 Prozent gelten als datenreif im Sinne einer strukturierten, KI-tauglichen Datenbasis.
Das ist die operative Lücke, die viele Produktionsleiter kennen: Die KI-Lizenz ist beschafft, der Pilot läuft, aber die Datenpipelines aus ERP, MES und Qualitätssicherung sind nicht sauber genug, um verlässliche Ergebnisse zu liefern. 79 Prozent der deutschen Unternehmen rechnen laut derselben Erhebung mit steigenden KI-Ausgaben. Der globale Durchschnitt liegt bei 67 Prozent.
Vertrauen als Engpassfaktor
Eine Auswertung von Information Services Group für den deutschen Markt, veröffentlicht im August 2026, nennt einen weiteren Faktor: Vertrauen. Eine KI-Anwendung ist im Betrieb erst dann ein verantwortbares Werkzeug, wenn klar ist, welche Aufgabe sie übernimmt, welche Daten dabei fließen und wer bei Fehlern eingreift. Betriebsräte haben dabei eine formale Rolle, die viele Unternehmen unterschätzen.
Hier liegt die Verbindung zur Arbeit von Chatterji. Sein erklärtes Ziel ist es, das Vertrauen in KI zu stärken. Doch Vertrauen entsteht nicht durch Kommunikation allein, sondern durch nachprüfbare Ergebnisse. Die Datenbasis für solche Ergebnisse ist, wie die Zahlen aus deutschen Betrieben zeigen, in vielen Fällen noch nicht tragfähig.
Fazit
Für Entscheider in Produktion und Mittelstand ergeben sich zwei Beobachtungen. Erstens: Die Forschung aus dem Haus OpenAI ist ein Faktor in der politischen und wirtschaftlichen Rahmensetzung für KI. Wer KI-Regulierung und Förderprogramme versteht, sollte wissen, wer die zugrundeliegenden Daten kontrolliert. Zweitens: Die eigene KI-Strategie steht und fällt mit der Qualität der internen Daten. Wer 73 Prozent ROI-Quote liest und daraus ableitet, dass KI automatisch rentiert, greift zu kurz. Die 3 Prozent Datenreife sind die eigentliche Messlatte.
