Für wirtschaftliches Wachstum sind langfristig Innovationen, technischer Fortschritt und Produktivitätssteigerungen entscheidende Triebkräfte. Das schwache Wachstum des Produktionspotenzials in Deutschland in den kommenden zehn Jahren wird jedoch auch stark durch den Arbeitseinsatz geprägt. Eine wesentliche Ursache dafür ist das rückläufige Arbeitsangebot infolge des demografischen Wandels.

Der demografische Wandel verknappt das Arbeitsangebot in Deutschland hauptsächlich über zwei Wege. Zum einen sinkt die Zahl der Personen im erwerbsfähigen Alter, insbesondere in den kommenden Jahren mit dem Renteneintritt der Babyboomer. Zum anderen steigt der Anteil Älterer unter den Personen im erwerbsfähigen Alter. Dies senkt die Erwerbsbeteiligung, da sie bei älteren Erwerbspersonen im Vergleich zu jüngeren tendenziell geringer ist (Altersstruktureffekt).

Das verknappte Arbeitsangebot belastet das BIP-Wachstum in Deutschland nicht nur in der Zukunft. Eigene Berechnungen zeigen, dass der Altersstruktureffekt bereits in den vergangenen zehn Jahren rechnerisch mit einer Verringerung des Wirtschaftswachstums um rund 0,4 Prozentpunkte pro Jahr einherging. In den kommenden Jahren dürfte dieser negative Effekt auf rund 0,6 Prozentpunkte pro Jahr steigen. Die schrumpfende Bevölkerung trägt dann weitere 0,2 Prozentpunkte zum reduzierten Wachstum bei. Weitere Analysen zeigen, dass die Alterung auch über einen indirekten Kanal wirkt, indem sie die Produktivitätsentwicklung in Deutschland beeinträchtigt. Damit lastet die Alterung sowohl auf dem Arbeitseinsatz als auch der Produktivität. In der Vergangenheit wirkten die hohe Zuwanderung sowie eine steigende Erwerbsbeteiligung von Frauen und Älteren diesen Bremseffekten entgegen. Für die kommenden Jahre dürften diese Impulse jedoch geringer ausfallen.

Um mögliche Potenziale für einen höheren Arbeitseinsatz abzuschätzen, lohnt sich ein Blick auf Erwerbsbeteiligung und Arbeitszeit verschiedener Bevölkerungsgruppen. Die Erwerbsquoten von Älteren und Frauen in Deutschland sind inzwischen zwar im europäischen Vergleich recht hoch. Ältere Menschen treten unter den bestehenden Rahmenbedingungen allerdings doch häufig in den Ruhestand ein, bevor sie das gesetzliche Renteneintrittsalter erreichen. Zudem arbeiten in vielen Fällen Ältere und Frauen in Teilzeit mit geringen durchschnittlichen Wochenarbeitsstunden. Dies führt zu einer niedrigen durchschnittlichen Arbeitszeit. Sie spiegelt dabei aber vor allem wider, dass viele Personen heute in Teilzeit arbeiten, die früher gar nicht erwerbstätig gewesen wären. Trotz dieser eigentlich positiven Entwicklung gibt es Hinweise, dass insbesondere Frauen ihre Arbeitszeit oft auch über die bestehenden Stunden hinaus ausweiten möchten. Nicht selten schränken die bestehenden Rahmenbedingungen die Anreize und Möglichkeiten von Frauen ein, ihre Arbeitszeit zu erhöhen. Dazu zählen eine unzureichende Kinderbetreuung sowie adverse finanzielle Erwerbsanreize für verheiratete Zweitverdienende.

Ein wichtiger Hebel, um die wirtschaftlichen Folgen des demografischen Wandels abzumildern, liegt demnach in einer höheren Arbeitszeit von Teilzeitbeschäftigten. Aber auch bei Erwerbsbeteiligung und Zuwanderung bestehen Spielräume. Würden diese genutzt, könnte das Potenzialwachstum deutlich höher ausfallen. Voraussetzung dafür sind bessere wirtschaftspolitische Rahmenbedingungen. Der Aufsatz diskutiert verschiedene Maßnahmen, die dazu beitragen würden.

1 Einleitung

Dieser Aufsatz untersucht die Auswirkungen des demografischen Wandels auf Arbeitsangebot und Wirtschaftswachstum in Deutschland. Die Entwicklung von technischem Fortschritt, Kapitalstock und Arbeitseinsatz bestimmt das Wachstum des Produktionspotenzials. Langfristig sind Produktivitätsfortschritte durch Innovationen und den erfolgreichen Einsatz neuer Technologien die wichtigsten Triebkräfte von Wachstum und Wohlstand. Die Bevölkerungsalterung in Deutschland macht jedoch den sinkenden Arbeitseinsatz zu einer wichtigen Ursache für das schwache Wachstum des deutschen Produktionspotenzials in den kommenden zehn Jahren. Zwar prägt der demografische Wandel die Entwicklung in Deutschland bereits seit Längerem. In den kommenden Jahren werden jedoch besonders viele Personen in den Ruhestand eintreten. Hinzu kommt, dass die Auswirkungen der Alterung auf Arbeitseinsatz und Wachstum in der Vergangenheit lange durch die hohe Zuwanderung sowie die steigende Erwerbsbeteiligung von Frauen und älteren Personen überdeckt wurden. Daher treten die demografischen Belastungen künftig stärker zutage. Vor diesem Hintergrund stellt sich die Frage, von welchen Komponenten des Arbeitseinsatzes ausgleichende Beiträge kommen können, um den erwarteten Rückgang des Arbeitseinsatzes abzuschwächen und welches Potenzial diesen Beiträgen dabei zukommt.

Mittelfristprojektion des Produktionspotenzials

Auch in einer alternden und perspektivisch schrumpfenden Bevölkerung bleibt das gesamtwirtschaftliche Wachstum eine wichtige wirtschaftspolitische Zielgröße. Als gebräuchlicher Wohlstandsindikator wird oft das Pro-Kopf-Wachstum verwendet. Allerdings wird auch das Pro-Kopf-Wachstum durch den demografischen Wandel belastet. So verringert die Bevölkerungsalterung den Anteil der Erwerbstätigen an der Bevölkerung und damit den Arbeitseinsatz je Einwohner. Zudem kann die Alterung die Produktivitätsentwicklung schwächen. Mit Blick auf die Sozialsysteme ist darüber hinaus entscheidend, wie viele Erwerbstätige die Gesamtbevölkerung und insbesondere die wachsende Zahl älterer Menschen tragen müssen. Zudem hängen die finanziellen Spielräume für Verteidigung, Infrastruktur, Bildung und andere staatliche Aufgaben von der gesamtwirtschaftlichen Wirtschaftsleistung ab. Gleiches gilt für die Tragfähigkeit der öffentlichen Finanzen. Angesichts der großen Herausforderungen der kommenden Jahre kommt dem gesamtwirtschaftlichen Wachstum daher weiterhin eine zentrale wirtschaftspolitische Bedeutung zu.

Der Arbeitsmarkt war in den vergangenen Jahren ein stabilisierender Faktor. Dazu hat auch der demografische Wandel beigetragen. Trotz der vielfältigen wirtschaftlichen Krisen und der teils schwachen gesamtwirtschaftlichen Entwicklung in den letzten zehn Jahren stieg die Arbeitslosigkeit nur phasenweise und moderat. Gleichzeitig blieb die Beschäftigung insgesamt lange stabil. Viele Unternehmen verzichteten zunächst auch deshalb auf Stellenabbau, weil sie einen zunehmenden Fachkräftemangel befürchteten. Denn derzeit erreichen viele Menschen das Rentenalter oder stehen kurz davor. Zudem entstanden zusätzliche Arbeitsplätze insbesondere im Gesundheits- und Sozialwesen. Dort steigt der Personalbedarf infolge des demografischen Wandels. (vgl. Exkurs „Veränderte Beschäftigungsstruktur bei geringer Arbeitsmarktdynamik“)

Die Bevölkerungsalterung wird das Wachstum zwar zunehmend belasten; ihr Einfluss auf den Arbeitseinsatz kann jedoch abgemildert werden. Das Arbeitsangebot wird durch die Alterung der Bevölkerung weiter zurückgehen. Es bestehen jedoch auch weiterhin erhebliche Potenziale, dem entgegenzuwirken. Dies gilt insbesondere mit Blick auf die Arbeitszeit von Teilzeitbeschäftigten. Um diese zu erschließen, dürften jedoch weitere Reformen erforderlich sein. Der Aufsatz beleuchtet die Perspektiven für die kommenden Jahre und diskutiert Möglichkeiten, das Arbeitskräfteangebot zu stärken.

Veränderte Beschäftigungsstruktur bei geringer Arbeitsmarktdynamik

Der demografische Wandel veränderte die Beschäftigungsstruktur in Deutschland. Gleichzeitig trieben das sich wandelnde internationale Umfeld, technologische Innovationen, die Energiewende sowie die Dekarbonisierung den Strukturwandel voran.[1] Während die Gesamtbeschäftigung bislang weitgehend stabil blieb, entwickelten sich die Sektoren sehr unterschiedlich. Besonders das Gesundheits- und Sozialwesen bauten Beschäftigung auf. Dort stieg die Nachfrage infolge der Alterung – beispielsweise im Bereich der Altenpflege und medizinischen Versorgung. Auch hochqualifizierte unternehmensnahe Dienstleistungen sowie Bereiche wie Energie- und Wasserversorgung, Bildung oder Sicherheit gewannen an Bedeutung.

Sozialversicherungspflichtige Beschäftigung nach Wirtschaftsbereichen

Das Verarbeitende Gewerbe baute Beschäftigung ab. In den vergangenen drei Jahren ist in der Industrie die Zahl der sozialversicherungspflichtig Beschäftigten um 350 000 oder gut 5 % gesunken. Zunächst war vor allem die Zahl der in der Industrie eingesetzten Leiharbeiter reduziert worden. Der Abbau erfasste später aber zunehmend auch die Kernbelegschaften. Viele Unternehmen reduzieren Stellen dabei über die natürliche Fluktuation und ausbleibende Neueinstellungen. Der Abbau wurde durch Abfindungsangebote noch verstärkt.[2] Betriebsbedingte Kündigungen spielten bislang nur eine untergeordnete Rolle.

Produktionsbehinderung durch Arbeitskräftemangel

Der demografische und technologische Wandel trug zu Fachkräftemangel bei. Zum einen stehen den hohen altersbedingten Abgängen aus dem Erwerbsleben deutlich geringer besetzte Nachwuchsjahrgänge gegenüber. Zum anderen ist mit den Verschiebungen der Arbeitsnachfrage auch ein erheblicher Wandel unter den Berufsgruppen verbunden. Es besteht ein Bedarf an neuen Qualifikationen entsprechend des technischen Fortschritts. So nimmt in der Industrie bereits seit einigen Jahren die Zahl der Personen in klassischen Fertigungsberufen ab. Hingegen steigt der Bedarf an Personen in Mechatronik-, Energie- und Elektroberufen sowie technischen Forschungs-, Entwicklungs-, Konstruktions- und Produktionssteuerungsberufen, die häufig mit erhöhten Anforderungs- und Qualifikationsprofilen einhergehen. Qualifikationen und Arbeitsmarktbedarf könnten künftig häufiger auseinanderfallen.

Der Fachkräftemangel hielt die Arbeitslosigkeit über längere Zeit niedrig. Im historischen Vergleich ist die Arbeitslosigkeit in Deutschland nach wie vor niedrig, und auch die gesamte Erwerbstätigkeit befindet sich nur leicht unterhalb des Anfang 2025 erreichten Rekordbeschäftigungsniveaus. So verzichteten viele Betriebe trotz des per saldo seit Ende 2022 stagnierenden BIP-Wachstums zunächst auf Entlassungen und horteten Arbeitskräfte. Denn sie befürchteten, mit dem Renteneintritt der Babyboomer künftig schwerer Personal zu finden. Gleichzeitig ermöglichte die demografische Entwicklung, Beschäftigung zunehmend über die natürliche Fluktuation abzubauen.[3] So blieb trotz schwacher Konjunktur die Arbeitsmarktanspannung – gemessen am Verhältnis des Bestandes offener Stellen zu Arbeitslosen – lange Zeit hoch. Denn die Unternehmen hielten angesichts des Fachkräftemangels unbesetzte Stellen länger als in der Vergangenheit offen.

Wirtschaftswachstum und Arbeitsmarktlage in Deutschland

Die konjunkturelle Schwäche hinterließ am Arbeitsmarkt dennoch sichtbare Spuren: Sie machte sich zunächst vor allem in den erheblich verminderten neuen Stellenangeboten bemerkbar. Infolgedessen sank die Übergangsrate aus der Arbeitslosigkeit in die Beschäftigung auf einen historischen Tiefstand.[4] Auch die direkten Wechsel von Beschäftigten zwischen Unternehmen gingen zurück. Die Übergänge von Beschäftigung in die Arbeitslosigkeit stiegen zwar etwas an, blieben aber bis zuletzt auf niedrigem Niveau. Insgesamt blieb die Arbeitsmarktdynamik damit schwach.[5]

Arbeitsnachfrage und Übergangsraten auf dem Arbeitsmarkt in Deutschland

Vgl.: Deutsche Bundesbank (2025a, 2026a)
Vgl.: Deutsche Bundesbank (2026b).
Vgl.: Deutsche Bundesbank (2025b).
Vgl.: Hertweck (2026a).
Die schwache Arbeitsmarktdynamik könnte die Produktivitätsentwicklung zusätzlich belastet haben. Vgl.: Deutsche Bundesbank (2022, 2024a, 2025c).

2 Demografischer Wandel verknappt das Arbeitsangebot und belastet das Wirtschaftswachstum

2.1 Erwerbspersonenpotenzial schrumpft aus mehreren Gründen

Der demografische Wandel ist in Deutschland im internationalen Vergleich ausgeprägt. Nach dem Babyboom in Nachkriegsdeutschland sanken die Geburtenraten seit Anfang der 1970er Jahre dauerhaft, und die Lebenserwartung stieg. Die durchschnittliche Kinderzahl pro Frau schwankte seitdem um einen Wert von 1,4 Kindern pro Frau.[1] Das entspricht etwa zwei Dritteln des Niveaus, das für die einfache Reproduktion der Bevölkerung von einer Generation zur nächsten erforderlich wäre (2,1 Kinder pro Frau). Dieser Prozess ist in vielen demografisch „reifen“ Industrieländern ähnlich und drückt sich in deutlich steigenden Altenquotienten aus. Aktuell gehen die Personen der Boomer-Generation verstärkt in Rente, und der Altenquotient steigt stärker.[2]

Altenquotient Deutschlands im internationalen Vergleich 1991 bis 2035

Die demografische Entwicklung verringert das Arbeitsangebot auf mehreren Wegen. Zum einen sinkt die Zahl der Personen im erwerbsfähigen Alter. Deren Zahl geht in Deutschland mit zunehmendem Tempo zurück. Zum anderen steigt der Anteil älterer Personen, die eine niedrigere Erwerbsbeteiligung aufweisen als jüngere Altersgruppen, während der Anteil von Personen im Kernerwerbsalter mit hoher Erwerbsquote sinkt. So ist die Erwerbsbeteiligung der derzeit immer stärker besetzten Generation der 55- bis 64-Jährigen sowie der in den nächsten Jahren stark wachsenden Gruppe der 65- bis 74-Jährigen deutlich niedriger als diejenige der 35- bis 54-Jährigen. Diese Verschiebung der Altersstruktur verringert für sich genommen die gesamtwirtschaftliche Erwerbsquote und das Erwerbspersonenpotenzial.[3] In den vergangenen Jahren wurde dieser Altersstruktureffekt durch eine steigende individuelle Erwerbsbeteiligung innerhalb der einzelnen Bevölkerungsgruppen und die Zuwanderung ausgeglichen. Künftig dürften diese gegenläufigen Impulse jedoch schwächer ausfallen.

Ohne Zuwanderung gerechnet geht die Bevölkerungszahl in Deutschland bereits seit Längerem zurück. Die Zuwanderung der vergangenen Jahre konnte den Sterbefallüberschuss der einheimischen Bevölkerung zwar mehr als ausgleichen. Künftig dürfte sie aber nicht mehr ausreichen, um den Rückgang der einheimischen Bevölkerung zu kompensieren.

Erwerbspersonenpotenzial in Deutschland

Der demografische Wandel bremst zudem die durchschnittliche Arbeitszeit. Ältere Erwerbstätige arbeiten häufiger in Teilzeit oder in geringfügiger Beschäftigung. Die durchschnittliche Arbeitszeit der 55- bis 64-Jährigen ist etwas geringer, diejenige der 65- bis 74-jährigen Beschäftigten beträgt etwa die Hälfte der 35- bis 54-jährigen Personen. Mit dem steigenden Anteil der Älteren sinkt daher auch die durchschnittliche Arbeitszeit aller Beschäftigten.

Die zunehmende Nutzung von künstlicher Intelligenz (KI) hat die Arbeitsnachfrage bislang kaum geschmälert. Zwar könnte die rasche Verbreitung von KI den Personalbedarf der Unternehmen verringern und damit die Arbeitsnachfrage senken. Eine neue Bundesbankumfrage zeigt jedoch bislang nur geringe gesamtwirtschaftliche Beschäftigungseffekte – unabhängig von Qualifikation und Berufserfahrung der Beschäftigten. (vgl. Exkurs „Produktivitäts- und Arbeitsmarkteffekte von generativer künstlicher Intelligenz in deutschen Unternehmen“) Auch für die kommenden Jahre erwarten die deutschen Unternehmen im Durchschnitt kaum Beschäftigungseffekte durch KI.[4] Der demografisch bedingte Rückgang des Arbeitsangebots dürfte daher erst einmal nicht auf weniger Arbeitsnachfrage infolge von KI treffen.

Produktivitäts- und Arbeitsmarkteffekte von generativer künstlicher Intelligenz in deutschen Unternehmen

Die wirtschaftlichen Folgen generativer künstlicher Intelligenz (KI) sind potenziell von erheblicher Bedeutung, aber nach wie vor sehr unsicher. Vor allem die Einschätzungen zur Wirkung auf Produktivität und Beschäftigung gehen stark auseinander.[1] Zudem rücken zunehmend mögliche Folgen für einzelne Bevölkerungsgruppen in den Fokus, etwa für Berufsanfängerinnen und Berufsanfänger.[2] Hierzu können Unternehmensbefragungen wichtige Hinweise liefern. Die Bundesbank nutzt in regelmäßigen Abständen ihre Unternehmensumfrage (BOP-F), um die Verbreitung von KI im deutschen Unternehmenssektor und deren Folgen zu beobachten. Im ersten Quartal 2026 wurden im Rahmen dieser Umfrage erneut mehr als 7 000 Unternehmen zur Nutzung generativer KI befragt.[3]

Die Verbreitung generativer KI nimmt 2026 weiter stark zu. Laut Unternehmensangaben steigt der Anteil der Unternehmen mit aktueller oder bis Jahresende erwarteter Nutzung gegenüber 2025 von 44 % auf 68 %. Die KI-Nutzung verbreitete sich damit deutlich stärker als vor einem Jahr erwartet.[4] In der Umfrage vom zweiten Quartal 2025 hatten lediglich 56 % der Unternehmen für 2026 mit einer Nutzung generativer KI gerechnet.[5] Auch die Nutzungsintensität steigt 2026 weiter. Etwa 7 % der Unternehmen nutzen generative KI umfangreich, gut 28 % begrenzt. Weitere 25 % nutzen sie zu experimentellen Zwecken. Rund 7 % rechnen damit, KI bis zum Jahresende einzuführen.

Die KI-Nutzung steigt 2026 in allen Wirtschaftsbereichen und über alle Unternehmensgrößen hinweg. Gleichwohl bleiben die sektoralen Unterschiede groß. Unternehmen aus dem Bereich Information und Kommunikation liegen weiter an der Spitze. Im Verarbeitenden Gewerbe steigt die KI-Adoption ähnlich stark wie im gesamtwirtschaftlichen Durchschnitt. Der Anteil der begrenzten und experimentellen Nutzung ist dort jedoch etwas stärker ausgeprägt. Auch nach Unternehmensgröße nimmt die Nutzung 2026 durchweg zu. Die Nutzungsrate bei kleinen Unternehmen ist insgesamt geringer und wächst etwas schwächer als bei großen Unternehmen. Wenn kleine Unternehmen generative KI nutzen, tun sie dies im Schnitt hingegen mit einer höheren Nutzungsintensität als große Unternehmen.

Nutzung von generativer künstlicher Intelligenz in deutschen Unternehmen

Knapp die Hälfte der Unternehmen, die generative KI 2025 stärker nutzten, gingen bereits von positiven Produktivitätseffekten aufgrund der gesteigerten Anwendung der Technologie aus. Rund 46 % der Unternehmen berichten von Zuwächsen der Arbeitsproduktivität um 1 % oder mehr. Ähnlich viele Unternehmen gaben an, dass die KI-Nutzung ihre Arbeitsproduktivität gegenüber dem Vorjahr nicht verändert hat, während nur 8 % Rückgänge meldeten. Die berichtete Produktivitätswirkung zeigt einen engen Zusammenhang zur Nutzungsintensität. Bei Unternehmen mit zunehmender, aber weiterhin experimenteller KI-Nutzung, berichteten etwa 28 % von Produktivitätsgewinnen. Unter Unternehmen mit umfangreicher Nutzung belief sich dieser Anteil auf 83 %. Im Durchschnitt ergab sich für Unternehmen mit zunehmender KI-Nutzung ein zugeschriebener Produktivitätseffekt von etwa 1,2 %.[6]

Gesamtwirtschaftlich dürften die Produktivitätseffekte deutlich geringer ausfallen. Eine Überschlagsrechnung ergibt für 2025 einen gesamtwirtschaftlichen Effekt von rund 0,5 %.[7] Ein solcher Beitrag wäre beachtlich. Er läge etwas über dem gesamtwirtschaftlichen Arbeitsproduktivitätswachstum pro Kopf von 0,3 % im Jahr 2025 (nach - 0,6 % 2024 und - 1,5 % 2023). Ohne den überschlägig berechneten KI-Beitrag allein wäre das Wachstum der Arbeitsproduktivität 2025 also negativ ausgefallen. Die Größenordnung fügt sich in andere Umfrageergebnisse ein.[8] Auch dort überwiegen positive Einschätzungen. Die hier vorgestellten BOP-F-Angaben erfassen jedoch keine gemessenen Produktivitätswirkungen. Vielmehr spiegeln sie Effekte wider, die Unternehmen der generativen KI zuschreiben. Solche Einschätzungen können wichtige Hinweise liefern, die tatsächlichen Wirkungen aber auch überzeichnen.[9]

Effekte zunehmender Nutzung generativer künstlicher Intelligenz 2025 in deutschen Unternehmen

Die meisten Unternehmen berichteten für 2025 von keinen nennenswerten Beschäftigungseffekten durch die verstärkte Nutzung generativer KI. Ansonsten hielten sich positive und negative Angaben in etwa die Waage. Im Durchschnitt ergab sich rechnerisch damit nahezu kein Effekt auf die Beschäftigung. Gesamtwirtschaftlich dürfte generative KI die Beschäftigung bislang daher kaum verändert haben. Ein ähnliches Bild ergab sich auch in einer weiteren, international vergleichbaren BOP-F-Frage im ersten Quartal 2026 zum erwarteten Beschäftigungseffekt von KI in den nächsten drei Jahren. Deutsche Unternehmen erwarteten demnach kaum Veränderungen, während die Angaben im Vereinigten Königreich und in den Vereinigten Staaten deutlich negativer ausfielen.[10]

Auch nach Qualifikation und Berufserfahrung untergliedert glichen sich die Beschäftigungseffekte generativer KI überwiegend aus. Rund 80 % der Unternehmen mit zunehmender KI-Nutzung sahen für die einzelnen Gruppen praktisch keine Veränderung. Nur in den Randbereichen zeigten sich lediglich leichte Unterschiede. Für höher qualifizierte Beschäftigte mit mindestens einem Bachelorabschluss oder einem vergleichbaren Abschluss sowie für Beschäftigte mit mindestens fünf Jahren Berufserfahrung überwogen positive Angaben. Für geringer qualifizierte Beschäftigte war das Bild etwas negativer. Für Berufsanfängerinnen und Berufsanfänger ergab sich kein klares Muster. Auch zwischen den Sektoren zeigten sich keine wesentlichen Unterschiede. Die Ergebnisse sprechen daher derzeit eher für eng begrenzte Verschiebungen innerhalb der Belegschaften als für spürbare Veränderungen der Beschäftigung. Auch gesamtwirtschaftlich dürften die Effekte bislang kaum ins Gewicht fallen. Diese geringen Effekte sind auch deswegen bemerkenswert, weil Studien für die USA nahelegen, dass generative KI die Beschäftigungschancen für Berufsanfänger in stark KI-exponierten Tätigkeiten beeinträchtigt.[11]

Vgl.: OECD (2025).
Vgl.: Brynjolfsson et al. (2025) sowie unter anderem The Economist (2026) und The New York Times (2025).
Für Details zur BOP-F-Umfrage vgl.: Boddin et al. (2023). Fragen zur KI-Nutzung im Rahmen der BOP-F-Umfrage wurden bereits im zweiten Quartal 2024 und 2025 gestellt, vgl.: Deutsche Bundesbank (2024b, 2025d, 2026c). Neben der Erfassung der KI-Adoptionsquote legte jede Umfrage einen speziellen Fokus. Die Umfrage im zweiten Quartal 2024 erfasste unter anderem Ziele der Nutzung, im zweiten Quartal 2025 wurden Informationen zu Nutzungsintensität, Ausgaben für die Technologie und erwarteten wirtschaftlichen Effekten erhoben, während die hier vorgestellten Ergebnisse der Umfrage im ersten Quartal 2026 unter anderem Arbeitsmarkteffekte stärker beleuchtet.
Bisherige Daten zeigen, dass Unternehmen die zukünftige Nutzung von KI gut einschätzen können. Rund 90 % jener Unternehmen, die im zweiten Vierteljahr 2025 angaben, generative KI bis zum Jahresende einführen zu wollen und 2026 auch an der Umfrage teilnahmen, nutzten generative KI laut BOP-F Umfrage im ersten Vierteljahr 2026 tatsächlich.
Vgl.: Deutsche Bundesbank (2026c).
Die Antwortmöglichkeiten zu den Auswirkungen einer zunehmenden Nutzung generativer KI auf die Arbeitsproduktivität und Beschäftigung sind in sieben Intervalle gegliedert: Rückgang um 6 % oder mehr, Rückgang um 3 % bis 5 %, Rückgang um 1 % bis 2 %, keine beziehungsweise geringfügige Änderung (±1 %), Anstieg um 1 % bis 2 %, Anstieg um 3 % bis 5 % sowie Anstieg um 6 % oder mehr. Für die Berechnung durchschnittlicher Effekte werden den Kategorien die Werte - 6 %, - 4 %, - 1,5 %, 0 %, 1,5 %, 4 % und 6 % zugeordnet. Für die offenen Randkategorien wird somit jeweils konservativ die Untergrenze verwendet. Alle Statistiken werden unter Verwendung von Unternehmensgewichten berechnet, um repräsentative Schätzungen zu erhalten.
Die Überschlagsrechnung unterstellt für Unternehmen ohne zunehmende Nutzung generativer KI keine Produktivitätseffekte. Dies beinhaltet Unternehmen, die generative KI zwar nutzen, die Nutzung jedoch nicht erhöht haben, sowie solche, in denen die Technologie nicht eingesetzt wird. Mögliche negative allgemeine Gleichgewichtseffekte, etwa infolge von Verdrängungs- oder Wettbewerbswirkungen, werden somit ausgeblendet.
Vgl.: Kerkhof et al. (2024).
Vgl.: Baslandze et al. (2026).
Vgl.: Yotzov et al. (2026).
Vgl.: Brynjolfsson et al. (2025).

2.2 Bevölkerungsalterung lastet auf Wirtschaftswachstum und Produktivitätsentwicklung

Die Beiträge der Facetten des demografischen Wandels zum Wirtschaftswachstum lassen sich rechnerisch ermitteln. Dazu dient eine Wachstumsbeitragszerlegung. Ausgangspunkt ist die Sichtweise, wonach sich die gesamtwirtschaftliche Produktion aus der Bevölkerungszahl, dem Anteil der Bevölkerung im erwerbsfähigen Alter, der Erwerbsbeteiligung und der wirtschaftlichen Leistungsfähigkeit der Erwerbspersonen ergibt (vgl. den Exkurs „Rechnerischer Beitrag der Bevölkerungsalterung zum BIP-Wachstum“).

Rechnerischer Beitrag der Bevölkerungsalterung zum BIP-Wachstum

Zur Analyse der demografischen Einflüsse auf das Wirtschaftswachstum wird das Wachstum des BIP in mehrere Komponenten in Anlehnung an Arce et al. (2025) zerlegt. Ausgangspunkt ist die Gleichung, derzufolge sich das BIP als Produkt aus Bevölkerung, Altersstruktur, Erwerbsbeteiligung und wirtschaftlicher Leistung je Erwerbsperson darstellen lässt. Daraus ergibt sich eine Zerlegung des BIP-Wachstums in die Beiträge dieser einzelnen Faktoren. Auf diese Weise lässt sich quantifizieren, welchen Beitrag Bevölkerungsentwicklung, Alterung, Erwerbsbeteiligung und wirtschaftliche Leistungsfähigkeit zum Wirtschaftswachstum leisten.

$$ Y = \frac{Y}{LF_{15−74}} \times \frac{LF_{15−74}}{LF_{15−64}} \times \frac{LF_{15−64}}{WAP_{15−64}} \times \frac{WAP_{15−64}}{POP} \times POP $$

Das Bevölkerungswachstum erfasst Veränderungen der Gesamtbevölkerung (\( POP \)). Die Alterung wird über den Anteil der Bevölkerung im erwerbsfähigen Alter (15 bis 64 Jahre) an der Gesamtbevölkerung gemessen (\( \frac{WAP_{15−64}}{POP} \)). Sinkt dieser Anteil, weil der Anteil älterer Menschen zunimmt (Altersstruktureffekt), ergibt sich ein negativer Wachstumsbeitrag. Die Erwerbsbeteiligung wird in zwei Komponenten aufgeteilt. Die erste erfasst Veränderungen der Erwerbsneigung der 15- bis 64-Jährigen (\( \frac{LF_{15−64}}{WAP_{15−64}} \)). Die zweite misst die zunehmende Erwerbsbeteiligung älterer Menschen im Alter von 65 bis 74 Jahren (\( \frac{LF_{15−74}}{LF_{15−64}} \)). Dies liefert Hinweise darauf, inwieweit eine höhere Erwerbsbeteiligung Älterer und anderer Gruppen, insbesondere von Frauen, die demografischen Belastungen abfedern konnte. Die verbleibende Komponente misst das Bruttoinlandsprodukt je Erwerbsperson (\( \frac{Y}{LF_{15−74}} \)) und kann als umfassendes Maß der wirtschaftlichen Leistungsfähigkeit interpretiert werden. Sie erfasst unter anderem Produktivitätsfortschritte und Kapitalvertiefung.

Der rechnerischen Zerlegung zufolge wird die Bevölkerungsalterung das Wirtschaftswachstum in den kommenden Jahren stärker belasten als bislang. In den letzten 15 Jahren stützte das Bevölkerungswachstum infolge der hohen Nettozuwanderung das BIP-Wachstum spürbar. In den kommenden fünf Jahren dürfte die Bevölkerung hingegen schrumpfen. Dazu tragen sowohl der zunehmende Sterbefallüberschuss infolge der Bevölkerungsalterung als auch die weniger stark erwartete Zuwanderung bei. Für sich genommen dürfte dies das BIP-Wachstum um rund 0,2 Prozentpunkte pro Jahr verringern. Bedeutender für das rückläufige Arbeitsangebot ist aber der Altersstruktureffekt. Dieser belastete das Wachstum bereits in den vergangenen zehn Jahren deutlich. In diesem Zeitraum belief sich sein Wachstumsbeitrag auf durchschnittlich - 0,4 Prozentpunkte pro Jahr. Bis 2030 verstärkt er sich voraussichtlich auf - 0,6 Prozentpunkte pro Jahr. Gleichzeitig lieferte die steigende Erwerbsneigung in der Vergangenheit kräftige Impulse für das Wirtschaftswachstum. Zuletzt nahmen diese Beiträge jedoch ab.[5]

Bevölkerungsalterung und Wirtschaftswachstum in Deutschland

Neben dem Arbeitsangebot kann der demografische Wandel auch das Produktivitätswachstum beeinflussen. Zwar könnte ein knapperes Arbeitsangebot Unternehmen zu mehr Investitionen in Digitalisierung oder Automatisierung veranlassen und so die Produktivität stützen.[6] Jedoch könnte das Produktivitätswachstum über die Bevölkerungsalterung auch gedämpft werden. So zeigen Studien, dass die Gründungs- und Innovationsdynamik in Ländern mit älteren Bevölkerungen geringer ist.[7] Zudem verändert sich mit dem Alter tendenziell die Konsumstruktur. Die Nachfrage nach Dienstleistungen mit vergleichsweise geringer Produktivität dürfte steigen.[8]

In diesem Aufsatz wird über eine Analyse der demografischen Entwicklung in einzelnen Regionen versucht, den Effekt der Demografie auf die Produktivität zu isolieren. Wenn die Bevölkerung altert, verändern sich oft zugleich Technologie oder wirtschaftspolitische Rahmenbedingungen. Diese Entwicklungen können selbst eine Reaktion auf die Alterung sein. Dadurch bleibt oft unklar, welcher Teil der Produktivitätsentwicklung tatsächlich auf den demografischen Wandel zurückgeht. Dies bedeutet aus methodischer Sicht, dass sich sein Einfluss nur schwer von anderen Entwicklungen trennen lässt. Da die Alterung zwischen Regionen allerdings unterschiedlich stark verläuft, entstehen Vergleichsmöglichkeiten.[9] Diese lassen sich ausnutzen, um den kausalen Effekt von Bevölkerungsalterung auf die Produktivitätsentwicklung abzuschätzen.[10]

Neuartige Schätzungen für Deutschland zeigen, dass die Bevölkerungsalterung der Produktivitätsentwicklung entgegenstand. Danach verringerte ein Anstieg des Anteils der Bevölkerung im Alter von 60 bis 74 Jahren (an den 20- bis 74-Jährigen) um 1 % die Stundenproduktivität um etwa 0,1 %.[11] Insgesamt ergibt sich für 2000 bis 2021 ein dämpfender Effekt auf das Wachstum der gesamtwirtschaftlichen Arbeitsproduktivität von rund 0,1 Prozentpunkten pro Jahr. Damit spielte die Alterung eine Rolle für das bereits seit Längerem verminderte Produktivitätswachstum in Deutschland.[12]

3 Arbeitsmarktorientierte Zuwanderung rückläufig

Neben der heimischen Bevölkerung spielte die Zuwanderung eine wichtige Rolle für den Arbeitseinsatz in Deutschland. Ihr Beitrag zur Beschäftigungsentwicklung wurde zuletzt jedoch deutlich kleiner. Die Entwicklung der vergangenen Jahre liefert Hinweise für die Perspektiven der Zuwanderung und ihre Bedeutung für das Arbeitsangebot in den kommenden Jahren.

Die Struktur der Zuwanderung nach Deutschland hat sich in den vergangenen eineinhalb Jahrzehnten grundlegend gewandelt. Nach einer Phase niedriger Zuwanderungsraten in den 2000er Jahren markierte der Wegfall der Beschränkungen der Arbeitnehmerfreizügigkeit für die seit 2004 beigetretenen mittel- und osteuropäischen EU-Mitgliedstaaten im Mai 2011 einen wichtigen Einschnitt.[13] In den folgenden Jahren nahm die arbeitsmarktorientierte Zuwanderung erheblich zu. Zuletzt war sie jedoch rückläufig, und die Flüchtlingsmigration gewann an Bedeutung.

Beitrag der Zuwanderung zur Entwicklung der Erwerbspersonen und Beschäftigung

In den 2010er Jahren trugen arbeitsmarktorientierte Zuwanderinnen und Zuwanderer aus den neuen EU-Mitgliedstaaten wesentlich zum Beschäftigungsaufbau in Deutschland bei.[14] Sie trugen vor allem deshalb stark zum Erwerbspersonenpotenzial in Deutschland bei, weil sie häufig über diejenigen Qualifikationen verfügten, die in Deutschland nachgefragt waren. Hierfür spricht die relativ niedrige Arbeitslosenquote unter den Staatsangehörigen dieser Länder in Deutschland.[15] Zudem strebten viele in Deutschland ausgebildete Berufseinsteigerinnen und -einsteiger vermehrt höher qualifizierte Tätigkeiten (die von Spezialisten beziehungsweise Experten) an. Die altersbedingt ausscheidenden Jahrgänge waren zuvor jedoch vorwiegend im mittleren Qualifikationsniveau (Fachkräfte) tätig. Auch dadurch stieg der Bedarf insbesondere an Fachkräften, aber auch an relativ niedrig qualifizierten Helfern.[16] Die Zuwanderung hat demnach nicht nur wesentlich zum Beschäftigungswachstum in Deutschland beigetragen, sondern auch den Strukturwandel am Arbeitsmarkt unterstützt.

Seit einigen Jahren geht die Zuwanderung aus anderen EU-Mitgliedstaaten in der Nettobetrachtung deutlich zurück und ist inzwischen weitgehend versiegt. Dazu trägt auch bei, dass mehr als ein Drittel der arbeitsmarktorientierten EU-Zuwanderinnen und -Zuwanderer Deutschland innerhalb von zwei Jahren wieder verlassen.[17] Die arbeitsmarktorientierte Zuwanderung aus Drittstaaten konnte diesen Rückgang bislang nicht ausgleichen. Zwar gewannen Fachkräfte aus Ländern wie Indien, Vietnam oder Marokko an Bedeutung. Insgesamt bleibt die arbeitsmarktorientierte Zuwanderung aber seit einigen Jahren weit hinter dem Niveau der 2010er Jahre zurück. Eine Rückkehr zu den hohen Wanderungsgewinnen der 2010er Jahre erscheint zudem wenig wahrscheinlich, da viele der damaligen Herkunftsländer inzwischen mit ähnlichen demografischen Herausforderungen konfrontiert sind wie Deutschland.

Indikatoren arbeitsmarktorientierter Zuwanderung

Die Flüchtlingsmigration hat für den deutschen Arbeitsmarkt an Bedeutung gewonnen. Dies galt zunächst für die Zuwanderung aus den acht wichtigsten Asylherkunftsstaaten, unter anderem Syrien, und ab 2022 zusätzlich für die Fluchtbewegung aus der Ukraine. Flüchtlinge kommen vor allem aus Schutzgründen nach Deutschland, also wegen Krieg, Gewalt und Verfolgung. Ihre Integration in den Arbeitsmarkt verläuft meist langsamer als bei arbeitsmarktorientierter Zuwanderung. Sowohl die demografische Struktur als auch das Qualifikationsprofil von Flüchtlingen unterscheidet sich deutlich von der arbeitsmarktorientierten Zuwanderung. Unter den Flüchtlingen befinden sich auch viele Kinder, Jugendliche und Alleinerziehende, die kurzfristig gar nicht oder nur eingeschränkt dem Arbeitsmarkt zur Verfügung stehen. Zudem stehen unzureichende Kinderbetreuung, fehlende Sprachkenntnisse oder kulturelle Hürden einer schnelleren Integration teilweise entgegen. Dadurch dauert die Arbeitsmarktintegration häufig mehrere Jahre. Langfristig trug aber auch die Fluchtmigration merklich zum Beschäftigungsaufbau bei.

4 Stellschrauben des Arbeitsangebots im Inland

Um mögliche Stellschrauben für mehr Arbeitseinsatz einzuschätzen, lohnt sich ein Blick auf Erwerbsbeteiligung und Arbeitszeit verschiedener Bevölkerungsgruppen. Im Mittelpunkt stehen dabei Frauen und ältere Menschen. Denn die Erwerbsbeteiligung von Männern ist seit langem vergleichsweise hoch, und die überwiegende Mehrheit der Männer ist vollzeitbeschäftigt.[18] Darüber hinaus lässt sich an der demografisch bedingten Schrumpfung der Zahl der einheimischen Bevölkerung kaum etwas ändern.

Die Erwerbsbeteiligung von Frauen und Älteren ist in den vergangenen zwei Jahrzehnten deutlich gestiegen. Es stellt sich die Frage, ob Spielräume für einen höheren Arbeitseinsatz bestehen und welche Rolle die bestehenden Rahmenbedingungen dabei spielen.

4.1 Erwerbsbeteiligung von Frauen dank Teilzeit erhöht

Die Erwerbsbeteiligung von Frauen in Deutschland ist in den vergangenen Jahren deutlich gestiegen, allerdings vor allem durch Teilzeitbeschäftigung. Zwischen 2008 und 2025 erhöhte sich die Erwerbsquote von Frauen von 73 % auf 81 % und lag damit über dem EU-Durchschnitt.[19] Gleichzeitig verringerte sich der Abstand zu Ländern mit traditionell hoher Frauenerwerbstätigkeit wie Schweden. Der Beschäftigungsaufbau ging jedoch überwiegend mit mehr Teilzeitarbeit einher. Entsprechend blieb die durchschnittliche regelmäßige Wochenarbeitszeit von Frauen im europäischen Vergleich niedrig. Gleichzeitig weisen Befragungen darauf hin, dass viele teilzeitbeschäftigte Frauen ihre Arbeitszeit erhöhen möchten.[20] In anderen EU-Mitgliedstaaten mit hoher Erwerbsbeteiligung von Frauen stieg die durchschnittliche Wochenarbeitszeit von Frauen zudem seit 2017 deutlich.

Erwerbsquote und Wochenarbeitszeit der Frauen im europäischen Vergleich

Studien führen die im internationalen Vergleich hohe Teilzeitquote von Frauen in Deutschland auf ein Zusammenspiel institutioneller, finanzieller und kultureller Faktoren zurück.[21] Generell mindern hohe Transferentzugsraten die Anreize von Teilzeitbeschäftigten, ihre Wochenarbeitszeit auszuweiten.[22] Denn zusätzliche Erwerbstätigkeit von Teilzeitbeschäftigten führt häufig dazu, dass staatliche Leistungen gekürzt werden oder höhere Abgaben anfallen. Schwierigkeiten bei der Vereinbarkeit von Familie und Beruf, etwa aufgrund fehlender oder unzureichender Kinderbetreuungsangebote, gelten als ein weiteres zentrales Hemmnis für ein höheres Arbeitsangebot insbesondere von Frauen.[23] Zudem zeigen Studien, dass ungünstige finanzielle Erwerbsanreize das Arbeitsangebot von Zweitverdienenden dämpfen können.[24] Dies betrifft in der Regel verheiratete Frauen.[25] In diesem Zusammenhang werden insbesondere das Ehegattensplitting, die kostenlose Mitversicherung in der gesetzlichen Krankenversicherung, die Beihilfeberechtigung bis zu bestimmten Einkommensgrenzen für Ehepartner sowie die Möglichkeit, gleichzeitig eine geringfügige Beschäftigung auszuüben, genannt.[26]

Zur Einschätzung, wie bedeutsam ungünstige finanzielle Erwerbsanreize im Vergleich zur Kinderbetreuungssituation für die Arbeitsangebotsentscheidung sind, dient eine neuartige Auswertung von SOEP-Daten.[27] Dazu wird die durchschnittliche Vollzeiterwerbstätigenquote lediger Frauen ohne Kind mit derjenigen verheirateter Frauen mit Kind(ern) unter 14 Jahren im eigenen Haushalt verglichen.[28] Der Unterschied lässt sich in die jeweiligen Beiträge zerlegen, die vom Familienstand und Kinderstatus ausgehen. Der Beitrag des Familienstands erfasst Unterschiede zwischen verheirateten und ledigen Frauen – jeweils ausschließlich mit oder ohne Kinder. Er spiegelt damit im Wesentlichen die ungünstigen finanziellen Erwerbsanreize wider, die mit dem Familienstand „verheiratet“ verbunden sind. Der Beitrag des Kinderstatus erfasst Unterschiede zwischen Frauen mit und ohne Kind bei gleichem Familienstand. Dieser bildet damit näherungsweise die erschwerten Erwerbsbedingungen ab, denen Frauen mit Kindern unterliegen. Die Bedeutung bestehender Rollenbilder kann mit diesem Ansatz nicht gesondert ausgewiesen werden. Sie dürften sowohl den Einfluss des Familienstands als auch den des Kinderstatus mitprägen.

Die Ergebnisse sprechen dafür, dass sowohl eingeschränkte Kinderbetreuungsmöglichkeiten als auch ungünstige finanzielle Erwerbsanreize für Verheiratete zur vergleichsweise geringen Vollzeiterwerbstätigenquote von Frauen in Deutschland beitrugen.[29] Rund zwei Drittel des Unterschieds bei der Vollzeiterwerbstätigenquote zwischen ledigen Frauen ohne Kind und verheirateten Frauen mit Kind(ern) entfallen rechnerisch darauf, dass letztere Kinder haben. Ungefähr ein Drittel wird durch auf den Beitrag des Familienstands „verheiratet“ erklärt. Der Befund einer niedrigeren Vollzeiterwerbstätigenquote unter verheirateten Frauen – sowohl mit als auch ohne Kinder – bleibt bestehen, wenn verheiratete Frauen nur mit denjenigen ledigen Frauen verglichen werden, die zusammen mit einem Partner oder einer Partnerin in einem gemeinsamen Haushalt ohne Eheschließung leben. Der Beitrag des Familienstands „verheiratet“ scheint somit nicht auf das Zusammenleben mit einem Partner zurückzugehen, sondern auf Merkmale, die spezifisch mit dem Status „verheiratet“ verbunden sind.

Vollzeiterwerbsquoten von Frauen

Die relative Bedeutung von Familienstand und Kindern im Haushalt unterscheidet sich nach Haushaltssituation und Lebensphase. Die Vollzeiterwerbstätigenquote sinkt mit der Anzahl der Kinder deutlich und steigt mit dem Alter des jüngsten Kindes spürbar. Dies spricht für steigende Anforderungen an die Vereinbarkeit von Familie und Beruf mit wachsender Kinderzahl. Aber auch mit älteren Kindern bleiben die Vollzeiterwerbstätigenquoten deutlich niedriger als bei Frauen ohne Kinder.[30] Außerdem steigen mit höherem Bildungsniveau der Frau die Vollzeiterwerbstätigenquoten deutlich, und der Beitrag des Familienstands „verheiratet“ verliert an Bedeutung.[31] Dagegen gewinnt der Beitrag des Familienstands „verheiratet“ mit höherem Bildungsniveau – und damit typischerweise höherem Einkommen – des Ehepartners oder der Ehepartnerin an Bedeutung. Dazu passt, dass ein höheres Paareinkommen progressiv höher besteuert wird. Dadurch kann die Arbeitsausweitung für Zweitverdienende auch bei eher niedrigem eigenen Einkommen relativ hoch besteuert und der Arbeitsanreiz entsprechend stark gemindert sein.

4.2 Ältere mit hoher und steigender Teilzeitquote

Auch die Erwerbsbeteiligung der 55- bis 64-Jährigen ist in Deutschland in den vergangenen Jahren deutlich gestiegen, während ihre durchschnittliche Arbeitszeit sank. Zwischen 2008 und 2025 erhöhte sich die Erwerbsquote dieser Altersgruppe von 59 % auf 77 % und liegt damit inzwischen über dem Durchschnitt der EU-27.[32] Die durchschnittliche regelmäßige Wochenarbeitszeit ging dagegen von 35,9 auf 34,2 Stunden zurück und blieb deutlich unter dem europäischen Durchschnitt. Viele zusätzliche Erwerbspersonen dieser Altersgruppe arbeiten in Teilzeit oder nutzen gleitende Übergänge in den Ruhestand.

Erwerbsquote und Wochenarbeitszeit der Älteren im europäischen Vergleich

Die derzeit geltenden Rahmenbedingungen setzen Anreize für einen frühzeitigen Renteneintritt. Das gesetzliche Renteneintrittsalter lag 2024 bei 66 Jahren. Laut Deutscher Rentenversicherung lag das durchschnittliche Renteneintrittsalter bei Altersrente 2024 mit 64,7 Jahren deutlich niedriger. Ein wichtiger Grund dafür ist die abschlagsfreie Rente nach 45 Beitragsjahren. Sie ist nach dem gesetzlichen Rentenalter der zweithäufigste Rentenzugangszeitpunkt: 2024 nutzten ungefähr 269 000 Menschen oder rund 29 % aller Altersrentenzugänge diese Regelung.[33] Begründet wird dies häufig damit, Menschen mit hohen körperlichen oder psychischen Belastungen einen früheren Renteneintritt zu ermöglichen. Eine Studie des DIW zeigt jedoch, dass auch viele Personen davon Gebrauch machten, die beruflich nicht stark belastet sind.[34] Auch die recht geringen Abschläge bei einem vorzeitigen Renteneintritt schwächen die Arbeitsanreize für Ältere.[35]

4.3 Erreichte Arbeitsmarkterfolge ausbauen

Die vergleichsweise niedrige durchschnittliche Wochenarbeitszeit in Deutschland ist vor allem Ausdruck der erfolgreichen Arbeitsmarktintegration von Frauen und Älteren. So arbeiten heutzutage häufig Personen in Teilzeit, die früher gar nicht (mehr) einer Erwerbsarbeit nachgegangen wären. Dazu trugen Reformen wie der Ausbau der Kinderbetreuung, die Erhöhung des gesetzlichen Renteneintrittsalters und die Einschränkung von Frühverrentungsmöglichkeiten bei.

Nichtsdestotrotz stehen die aktuellen Rahmenbedingungen einem höheren Arbeitseinsatz bei Frauen und Älteren teilweise entgegen. Ein höherer Arbeitseinsatz würde nicht nur das Wachstum, sondern auch die Finanzierung der Sozialversicherungen stärken. Reformen, die die Erwerbsanreize erhöhen, würden daher einen doppelten Nutzen entfalten. Sie würden das Arbeitsvolumen ausweiten und damit das Wachstum stärken sowie den demografisch bedingten Anstieg der Sozialbeiträge begrenzen.[36] Denn eine höhere Erwerbsbeteiligung und längere Arbeitszeiten stärken die Finanzierungsbasis der Sozialversicherungen. Umgekehrt würden dauerhaft höhere Beitragssätze die Arbeitsanreize schwächen und den Arbeitseinsatz dämpfen.[37] Dies ist insbesondere in Deutschland relevant, da die Steuer- und Abgabenbelastung im internationalen Vergleich bereits hoch ist.[38]

5 Potenziale für einen höheren Arbeitseinsatz

Zur Abschätzung des Spielraums für ein höheres Erwerbspersonenpotenzial in der mittleren Frist werden Szenarien für Zuwanderung, Erwerbsbeteiligung und Arbeitszeit betrachtet. Die bisherigen Analysen zeigen, dass Frauen, Ältere und Zugewanderte erheblich zum erweiterten Arbeitsangebot in Deutschland in den vergangenen Jahren beitrugen. Insgesamt stellt sich die Frage, in welchem Umfang mehr Zuwanderung, höhere Arbeitszeiten von Teilzeitbeschäftigten und eine weitere Steigerung der Erwerbsbeteiligung die demografisch bedingte Verringerung des Arbeitseinsatzes abmildern können. Dazu werden Szenarien definiert und fortgeschrieben.

Das Basisszenario bildet die als wahrscheinlich angesehene Entwicklung des potenziellen Arbeitsangebots ab. Es unterstellt eine gegenüber den letzten Jahren etwas abgeschwächte Zuwanderung, eine weiter steigende altersspezifische Erwerbsbeteiligung unter Berücksichtigung der bereits stark gestiegenen Erwerbsquoten sowie eine Abschwächung des bisher rückläufigen Trends bei der Arbeitszeit. In diesem Basisszenario sind geänderte wirtschaftspolitische Rahmenbedingungen berücksichtigt, sofern sie die Bundesregierung hinreichend konkret plant oder bereits verabschiedete. Die Projektion des Erwerbspersonenpotenzials erstreckt sich über die nächsten zehn Jahre bis 2035. Sie wird in Vollzeitäquivalenten ermittelt, um den Einfluss der Arbeitszeit abzubilden.[39]

Im Basisszenario geht das potenziell zur Verfügung stehende Arbeitsangebot ab dem laufenden Jahr zurück. Es sinkt in den nächsten zehn Jahren im Durchschnitt um knapp ein ½ % pro Jahr. Trotz der unterstellten weiter steigenden altersspezifischen Erwerbsbeteiligung überwiegen die negativen Effekte der Bevölkerungsalterung. Per saldo verringert der daraus resultierende Rückgang des Arbeitseinsatzes das Wachstum des Produktionspotenzials um 0,3 Prozentpunkte pro Jahr. Damit ist der rückläufige Arbeitseinsatz ein wichtiger Faktor für das schwache Potenzialwachstum von nur noch 0,3 % pro Jahr.

Zur Veranschaulichung der Potenziale für ein höheres Arbeitsangebot werden die Annahmen zur Zuwanderung, zur Erwerbsbeteiligung und zur Arbeitszeit variiert. Im Basisszenario beträgt die Nettozuwanderung annahmegemäß 250 000 Personen pro Jahr.[40] Zwischen 2010 und 2025 lag die Nettozuwanderung – ohne die außergewöhnlich hohen Flüchtlingszuzüge der Jahre 2015 und 2022 – im Durchschnitt bei rund 370 000 Personen pro Jahr. Zuletzt ging sie jedoch deutlich zurück und betrug 2025 nach Angaben des Statistischen Bundesamtes 235 000 Personen. Die Varianten der Migrationsannahmen umfassen eine hohe mittelfristige durchschnittliche jährliche Nettozuwanderung von 350 000 Personen, die sich am Umfang der letzten Jahre orientiert, eine niedrige von 150 000 Personen sowie eine Variante ausgeglichener Wanderungsströme.[41] Hinsichtlich der Erwerbsbeteiligung orientiert sich das günstige Szenario an einer Kopplung des Renteneintrittsalters an die Lebenserwartung nach 2031.[42] Zusätzlich wird unterstellt, dass sich die Erwerbsquoten in Deutschland bis 2035 schrittweise weiter erhöhen und sich an das schwedische Niveau annähern. Denn Schweden gilt als „Best practice“-Beispiel in Europa, was die Erwerbsbeteiligung angeht. Dies betrifft insbesondere Frauen und Ältere.[43] Das günstige Szenario zur Arbeitszeit unterstellt vor allem eine höhere Arbeitszeit von Frauen.[44] In einer weiteren Variante mit konstantem individuellen Arbeitszeitverhalten – hier wirkt nur der Altersstruktureffekt – liegt das Resultat zwischen dem günstigen und dem Basisszenario.

Die stärkste Wirkung zur Stabilisierung des Arbeitsangebots tritt in dem Szenario mit einer Ausweitung der Arbeitszeit auf. Gegenüber der Basisvariante liegt die durchschnittliche Arbeitszeit in diesem Szenario um 1,3 Stunden pro Woche höher. Dies würde knapp die Hälfte der Lücke von rund drei Stunden pro Woche gegenüber dem Durchschnitt der anderen EU-Länder schließen. Die Reserven zur Erhöhung der Erwerbsbeteiligung – über das bereits erwartete Maß hinaus – sind dagegen nur relativ gering. Bei der Migration ist in den nächsten Jahren kaum zu erwarten, dass die hohen Zuwanderungszahlen der vergangenen Jahre gehalten werden können. Keine oder nur geringe Zuwanderung würden den Arbeitseinsatz jedoch erheblich weiter belasten.

Erwerbspersonenpotenzial in Vollzeitäquivalenten

Ein ausgedehnterer Arbeitseinsatz würde das Potenzialwachstum deutlich stärken. Im Szenario mit höherer Arbeitszeit würde das Potenzialwachstum zwischen 2026 und 2035 im Durchschnitt 0,6 % pro Jahr betragen. Damit würde die durchschnittliche jährliche Wachstumsrate um 0,3 Prozentpunkte höher ausfallen als im Basisszenario. Neben den direkten Potenzialeffekten eines höheren Arbeitsvolumens spielen hier auch positive indirekte Effekte auf den Kapitaleinsatz eine Rolle. Denn mittelfristig (also im Zeitraum von 2029 bis 2035) orientiert sich die Entwicklung der Sachkapitalbildung annahmegemäß an der Entwicklung des Arbeitsangebots.[45] Steigen Arbeitszeit und Erwerbsbeteiligung gleichzeitig, könnte das Potenzialwachstum sogar um 0,4 Prozentpunkte höher ausfallen als im Basisszenario. Bleiben entsprechende Verbesserungen aus und sinkt zeitgleich die Nettozuwanderung auf 150 000 Personen pro Jahr, läge das Potenzialwachstum hingegen um 0,1 Prozentpunkte pro Jahr niedriger.[46] Im Falle einer ausgeglichenen Nettozuwanderung würde das Potenzialwachstum pro Jahr um 0,3 Prozentpunkte niedriger liegen.

Auswirkungen unterschiedlicher Annahmen zum Arbeiteinsatz auf das Produktionspotenzial

Die Szenarien zeigen, dass sich der demografisch bedingte Rückgang des Arbeitseinsatzes zumindest teilweise abmildern lässt. Die Annahmen zu Arbeitszeit und Erwerbsbeteiligung spiegeln Potenziale wider, die unter den derzeitigen Rahmenbedingungen nicht vollständig ausgeschöpft werden. Höhere Arbeitszeiten und eine stärkere Erwerbsbeteiligung erscheinen bei entsprechenden Reformen durchaus erreichbar. Bei der Zuwanderung sind die Spielräume dagegen begrenzter. Angesichts der demografischen Alterung auch in vielen Herkunftsländern dürfte das höhere Zuwanderungsszenario allein durch bessere Rahmenbedingungen kaum dauerhaft erreichbar sein. Reformen bleiben dennoch wichtig, um die arbeitsmarktorientierte Zuwanderung zu fördern.

6 Wirtschaftspolitische Implikationen

Der demografische Wandel lässt sich kaum aufhalten, seine wirtschaftlichen Folgen jedoch begrenzen. In den kommenden Jahren dämpft er Arbeitseinsatz und Wachstum erheblich. Viele Beschäftigte der geburtenstarken Jahrgänge gehen dann in den Ruhestand. Die Bundesregierung hat bereits einzelne Maßnahmen zur Stärkung der Arbeitsanreize und zur Begrenzung steigender Sozialbeiträge angestoßen. Dazu zählen Reformen beim Bürgergeld sowie Vorhaben, die den Anstieg der Beitragssätze der Kranken- und Pflegeversicherung dämpfen sollen. Dennoch bestehen weiterhin erhebliche zusätzliche Handlungsmöglichkeiten.

Ein wichtiger Hebel zur Erhöhung des Arbeitsangebots dürfte darin bestehen, die Rahmenbedingungen für längere Arbeitszeiten der Teilzeitbeschäftigten zu verbessern. Ein weiterer Ausbau der Kinderbetreuung könnte Vollzeit- und vollzeitnahe Beschäftigung erleichtern. Trotz Fortschritten bestehen weiterhin Betreuungslücken. Dies betrifft nicht nur die Anzahl der Plätze, sondern auch die Betreuungszeiten und die Verlässlichkeit.[47] Zudem könnte im Abgabensystem angesetzt werden, um die Arbeitsanreize für Zweitverdienende zu stärken. Diskutiert werden derzeit unter anderem Änderungen bei der beitragsfreien Mitversicherung in der Kranken- und Pflegeversicherung, bei Minijobs und beim Ehegattensplitting. Aktuell werden im Zuge der Reformpläne für die gesetzliche Krankenversicherung und die soziale Pflegeversicherung eine (moderate) Einschränkung der beitragsfreien Mitversicherung diskutiert. Zudem soll der pauschale Beitragssatz bei einer geringfügigen Beschäftigung auf den durchschnittlichen Beitragssatz steigen. Für das Ehegattensplitting liegen verschiedene Reformvorschläge vor, die auch die Erwerbsanreize für Zweitverdienende erhöhen können. Sie unterscheiden sich in ihren Wirkungen auf das Arbeitsangebot und Steueraufkommen sowie in ihrer rechtlichen Dimension stark.[48]

Mit Blick auf die Arbeitsanreize insgesamt sind weitere Faktoren relevant. So ist es wichtig, den absehbar starken Anstieg der Beitragssätze für die Sozialversicherung möglichst zu begrenzen. Dazu würde auch ein ausgeweiteter Arbeitseinsatz beitragen. Zudem sind die hohen Transferentzugsraten bedeutsam.[49] Hierbei spielt sicherlich auch eine Rolle, dass Transfers bei Erwerbslosigkeit daran orientiert werden, dass Erwerbsbereitschaft besteht.

Das Arbeitsangebot kann auch dadurch gestärkt werden, dass Anreize zum vorgezogenen Renteneintritt abgebaut werden. Die Daten zum tatsächlichen Rentenalter legen nahe, dass die einzelnen Altersgrenzen eine wichtige Rolle spielen. Die abschlagsfreie Rente nach 45 Beitragsjahren setzt erhebliche Anreize für einen frühen Renteneintritt. Zudem erscheinen die Abschläge bei frühem Rentenzugang insgesamt gesehen als zu gering. Darüber hinaus zeigt sich, dass bei einer Anhebung der Altersgrenzen das tatsächliche Rentenalter den gesetzlichen Altersgrenzen recht eng folgt. Daher ist es für längere Erwerbsleben bedeutsam, das gesetzliche Rentenalter (für die Zeit nach 2031) und die Altersgrenze für den frühestmöglichen Rentenzugang an die Lebenserwartung zu koppeln. Zusätzliche Lebensjahre sollten teilweise auf längere Erwerbstätigkeit entfallen. Diese Maßnahmen würden nicht nur das Arbeitsangebot erhöhen, sondern auch den Anstieg der Sozialversicherungsbeitragssätze begrenzen.[50]

Die qualifizierte Zuwanderung aus Drittstaaten sollte weiter erleichtert werden. Das Fachkräfteeinwanderungsgesetz schafft dafür bereits vergleichsweise liberale Rahmenbedingungen. Bürokratische Hürden bei Visa, Anerkennung von Bildungsabschlüssen und Integration erschweren allerdings die Zuwanderung qualifizierter Arbeitskräfte weiterhin erheblich. Mehr Digitalisierung, einheitliche Verfahren und zentrale Ansprechpartner könnten die Prozesse beschleunigen. Die geplante Work and Stay Agentur könnte hier helfen. Entscheidend ist jedoch eine schnelle und konsequente Umsetzung. Gleichzeitig sollte Deutschland ausländische Fachkräfte langfristig stärker binden, etwa durch bessere Integration, Sprachförderung und verlässliche Bleibeperspektiven.

Weiterbildung gewinnt durch den technologischen und strukturellen Wandel zunehmend an Bedeutung. Fachwissen veraltet schneller, und Tätigkeitsprofile verändern sich laufend. Beschäftigte und Unternehmen sollten Weiterbildung deshalb stärker gemeinsam vorantreiben. Auch die Arbeitsmarktpolitik kann Anreize für Qualifizierung stärken. Stärkere Anreize könnten insbesondere geringqualifizierte Arbeitslose stärker für längere Qualifizierungsmaßnahmen gewinnen. Gerade in Zeiten schnellen technologischen Wandels werden aktuelle Qualifikationen immer wichtiger, um neue Technologien gewinnbringend für höheres Produktivitätswachstum einzusetzen.

Technischer Anhang: Methodik zur Schätzung der Effekte von Bevölkerungsalterung auf das Wachstum mittels regionaler Daten

Zur Abschätzung der kausalen Wachstumseffekte von Bevölkerungsalterung dient ein Instrument-Variablen-Ansatz aus der Literatur.[51] Datengrundlage sind regionale Angaben zu BIP, Arbeitsvolumen und Erwerbstätigen aus den VGR der Länder sowie Bevölkerungsdaten auf Kreisebene (400 Kreise) von Destatis für den Zeitraum 2000 bis 2021.[52] Die kausale Schätzung von Alterungseffekten ist durch mögliche Wechselwirkungen zwischen Bevölkerungsalterung und BIP-Wachstum erschwert (Endogenität). Beispielsweise können regionale Unterschiede bei Wirtschaftsleistung Migration oder Mortalität beeinflussen.[53] So kann es sein, dass jüngere Menschen vermehrt in Kreise ziehen, deren Wirtschaftsleistung – auch erwartungsgemäß – hoch ist. Auf der anderen Seite kann ein höheres Wirtschaftswachstum dazu führen, dass sich die Lebenserwartung stärker erhöht als in weniger stark wachsenden Regionen. Dies kann beispielsweise der Fall sein, wenn die wirtschaftliche Entwicklung zu steigendem Lebensstandard und gesünderer Lebensweise beiträgt.

In der ökonometrischen Schätzung wird die Veränderung des BIP pro Kopf auf die Veränderung des Bevölkerungsanteils älterer Personen regressiert.

$$ \begin{align} ln \left(\frac{GDP_{s,t+z}}{N_{s,t+z}} \right) − ln \left(\frac{GDP_{s,t}}{N_{s,t}} \right) &= \beta \left[ln \left(\frac{A_{s,t+z}}{N_{s,t+z}} \right) − ln \left(\frac{A_{s,t}}{N_{s,t}} \right) \right] \\ &+ X′_{s,t} \delta_t + \gamma_s + \gamma_t + \gamma_{Bundesland,t} \\ &+ \varepsilon_{s,t+z} \end{align} $$

Betrachtet wird dabei der Anteil der Personen im Alter zwischen 60 und 74 Jahren an der Zahl der Personen im Alter zwischen 20 und 74 Jahren (\( \frac{A}{N} \)). Als Robustheitstest werden verschiedene Zeithorizonte (\( z \)) für die Berechnung der Wachstumsraten verwendet.[54] Die zu schätzende Elastizität \( \beta \) misst dabei den Effekt der Bevölkerungsstruktur auf das BIP pro Kopf (BIP relativ zur Zahl der Personen im Alter zwischen 20 und 74 Jahren; \( \frac{GDP}{N} \)). Der Vektor \( X \) enthält Kontrollvariablen. So werden BIP-Effekte berücksichtigt, die sich aus kreisspezifischen Unterschieden in der sektoralen Struktur der Wirtschaft ergeben. Dies wird erreicht, indem kreis- und zeitvariable sektorale Beschäftigungsanteile in die Schätzung eingehen. Darüber hinaus werden diverse, kreis- beziehungsweise zeitinvariante Fixed-Effects in der Schätzung berücksichtigt.[55] So werden zum einen Konjunktur- und Preiseffekte auf Ebene des Bundes und der Bundesländer (\( \gamma_t \) beziehungsweise \( \gamma_{Bundesland,t} \)) aufgegriffen. Fixed-Effects (für den Trend; \( \gamma_s \)) auf Kreisebene werden dabei auch berücksichtigt. Sie sollen dazu beitragen, die Ergebnisse um Effekte aufgrund von Transfers oder Pendeln zu bereinigen.[56] \( \varepsilon_{s,t} \) ist der Störterm beim kreisspezifischen Wachstum des BIP pro Kopf. Um Aussagen über aggregierte Wachstums- und Produktivitätseffekte treffen zu können, werden in der Schätzung die Beobachtungen mit der Bevölkerungszahl im Ausgangsjahr gewichtet. Die Koeffizienten werden dabei mittels Two-Stage-Least-Squares geschätzt.

Als Instrument für die tatsächliche Veränderung der Bevölkerungsstruktur werden kreisspezifische Variationen der von der Wirtschaftsleistung unabhängigen demografischen Entwicklung verwendet.

$$ \Delta \left( \frac{\hat A_{s,t+z}}{\hat N_{s,t+z}} \right) = ln \left( \frac{\hat A_{s,t+z}}{\hat N_{s,t+z}} \right) − ln \left( \frac{A_{s,t}}{N_{s,t}} \right) $$

wobei

$$ \hat A_{s,t+z} = \sum_{60 \leq j \leq 74} \hat N_{j,s,t+z} = \sum_{60 \leq j \leq 74} N_{j,s,t} \cdot SP(z)_{j,t} $$

$$ \hat N_{s,t+z} = \sum_{20 \leq j \leq 74} \hat N_{j,s,t+z} = \sum_{20 \leq j \leq 74} N_{j,s,t} \cdot SP(z)_{j,t} $$

Da sich Überlebenswahrscheinlichkeiten von Personen über die Zeit wenig ändern, kann die heimische Bevölkerungszahl eines Kreises gut prognostiziert werden. Das heißt, für Veränderungsraten zwischen Zeitpunkten \( t \) und \( t+z \) wird auf Basis der tatsächlichen Bevölkerung eines Kreises aus dem Ausgangsjahr \( t \) (initiale Altersstruktur) der Alterskoeffizient in jedem Kreis \( z \) Jahre in die Zukunft fortgeschrieben. Somit werden die Schätzergebnisse um Wechselwirkungen zwischen Wirtschaftsleistung und Migration bereinigt. Die Bevölkerungszahl wird dabei unter Verwendung aggregierter, statistischer Überlebenswahrscheinlichkeiten (\( SP \)) auf Basis von Angaben des Statistischen Bundesamtes für verschiedene Altersjahre fortgeschrieben.[57]

Laut Schätzergebnissen dämpfte Bevölkerungsalterung das Pro-Kopf-BIP in Deutschland wesentlich (Tabelle 2.1). Die Ergebnisse sind statistisch hoch signifikant und sehr ähnlich für unterschiedliche Zeithorizonte der Wachstumsraten. Demnach verringerte ein Anstieg des Anteils der Bevölkerung im Alter von 60 bis 74 Jahren (an den 20- bis 74-Jährigen) um ein 1 % das Pro-Kopf-BIP (im Alter 20 bis 74) um etwa 0,2 %.

Laut der First-Stage-Regression sind die Instrumente stark.[58] Trotz der hohen Korrelation zwischen dem Instrument und der instrumentierten Veränderung der Altersstruktur bestehen große Unterschiede zwischen den IV-Schätzern und den einfachen OLS-Schätzern für den Alterungseffekt.[59] Dies spricht dafür, dass Wechselwirkungen zwischen Wirtschaftsleistung und Alterung eine bedeutende Rolle spielen.[60]

**Tabelle 2.1: Hauptschätzergebnisse**
Variablen	3-Jahres-Raten	5-Jahres-Raten	7-Jahres-Raten
Abhängige Variable	Δ\( (GDP/N) \)
Panel A: Reduced-Form-Schätzer
Δ \( ( \hat{A} / \hat{N} ) \)	−⁠ 0,253***	−⁠ 0,222***	−⁠ 0,201***
Δ \( ( \hat{A} / \hat{N} ) \)	(0,062)	(0,070)	(0,070)
Abhängige Variable	Δ\( (A/N) \)
Panel B: First-Stage-Schätzer
Δ \( ( \hat{A} / \hat{N} ) \)	0,952***	0,934***	0,939***
Δ \( ( \hat{A} / \hat{N} ) \)	(0,014)	(0,018)	(0,018)
First-Stage-F-Statistik	304,89	227,22	258,42
Abhängige Variable	Δ\( (GDP/N) \)
Panel C: Instrumenten-Schätzer
Δ\( (A/N) \)	−⁠ 0,265***	−⁠ 0,239***	−⁠ 0,214***
Δ\( (A/N) \)	(0,066)	(0,076)	(0,076)
Abhängige Variable	Δ\( (GDP/N) \)
Panel D: OLS-Schätzer
Δ\( (A/N) \)	−⁠ 0,077	−⁠ 0,049	−⁠ 0,087
Δ\( (A/N) \)	(0,059)	(0,064)	(0,066)
Anzahl der Beobachtungen	2 800	1 600	1 200
Quelle: eigene Berechnungen. Anmerkungen: Cluster-robuste Standardfehler (auf Kreisebene) in Klammern. Jede Beobachtung wird mit der Bevölkerung der Ausgangsperiode gewichtet. Kontrollvariablen: Kreis-Dummies; Jahres-Dummies; Bundesland-Dummies interagiert mit Jahres-Dummies; der Logarithmus des Anteils der Erwerbstätigen in der Ausgangsperiode, die in jedem der folgenden (NACE) Sektoren arbeiten: A (Landwirtschaft), B-E (Produzierendes Gewerbe ohne Bauwirtschaft), F (Bauwirtschaft), G-J (Handel, Transport und Lagerei, Gastgewerbe, Information- und Kommunikation), K-N (Finanz- und Versicherungsdienstleistungen, Unternehmensdienstleistungen), O-T (öffentliche Dienstleistungen). Die Variablen zur sektoralen Beschäftigungsstruktur werden ebenfalls mit den Jahres-Dummies interagiert, um zu ermöglichen, dass sich die Auswirkungen der anfänglichen Wirtschaftsstruktur je nach Jahr unterscheiden. Regressionen mit 3-Jahres-Fenstern umfassen die Jahre 2003, 2006, 2009, 2012, 2015, 2018, 2021. Regressionen mit 5-Jahres-Fenstern umfassen die Jahre 2006, 2011, 2016, 2021. Regressionen mit 7-Jahres-Fenstern umfassen die Jahre 2007, 2014, 2021.

Eine Dekompositionsanalyse liefert Erkenntnisse darüber, über welchen Kanal das Wachstum gegebenenfalls besonders belastet wird. Der Einfluss der Bevölkerungsalterung auf das BIP pro Kopf kann in folgende Komponenten zerlegt werden:

das BIP je Erwerbstätigenstunde (Arbeitsproduktivität),
Stunden je Erwerbstätigen (durchschnittliche Arbeitszeit der Erwerbstätigen)
sowie das Verhältnis von Erwerbstätigen zur Bevölkerungszahl (umfasst Erwerbsquote sowie Beschäftigungsquote).

Laut der Dekompositionsanalyse ist etwa die Hälfte des negativen marginalen Effekts auf das Pro-Kopf-BIP auf eine alterungsbedingte Senkung der Arbeitsproduktivität zurückzuführen (Tabelle 2.2).[61] Demnach verringerte ein Anstieg des Anteils der Bevölkerung im Alter von 60 bis 74 Jahren (an den 20- bis 74-Jährigen) um ein 1 % die Stundenproduktivität um etwa 0,1 %. Der Produktivitätseffekt ist dabei ebenfalls über verschiedene Zeithorizonte der Wachstumsraten statistisch signifikant. Die Ergebnisse ergeben hingegen keinen negativen Alterungseffekt auf die durchschnittliche Arbeitszeit in der Vergangenheit.[62] Die verbleibende Hälfte des marginalen Effekts ist somit auf eine negative Auswirkung auf das Erwerbsverhalten zurückzuführen.[63] Weitere Regressionen deuten darauf hin, dass der adverse Effekt von Bevölkerungsalterung auf das Erwerbsverhalten hauptsächlich über die Erwerbsquote (und nicht über die Beschäftigungsquote) läuft.[64]

Aus den Ergebnissen lassen sich gesamtwirtschaftliche Effekte in der Vergangenheit herleiten. Mithilfe der geschätzten Elastizitäten für den Alterungseffekt auf Pro-Kopf-BIP und Arbeitsproduktivität lassen sich in Verbindung mit aggregierten Angaben gesamtwirtschaftliche Wachstums- und Produktivitätseffekte berechnen. In Deutschland stieg der Anteil älterer Personen (Anteil 60- bis 74-Jähriger an der 20- bis 74-jährigen Bevölkerung) zwischen 2000 und 2021 um rund 13 %.[65] Laut geschätzter Elastizität bedeutet dies, dass im hypothetischen Szenario ohne Bevölkerungsalterung das Pro-Kopf-BIP 2021 um 2,6 % höher gewesen wäre als mit der tatsächlichen Alterung. Dies entspricht einem Rückgang der jährlichen Wachstumsrate des Pro-Kopf-BIP um 0,12 Prozentpunkte aufgrund des Altersstruktur-Effekts. Der Produktivitätseffekt beträgt für den gleichen Zeitraum - 1,3 % beziehungsweise - 0,06 Prozentpunkte pro Jahr.

Die regionalen Schätzungen dürften eine Untergrenze für die gesamtwirtschaftlichen Auswirkungen der Alterung auf BIP pro Kopf und Produktivität liefern. Makroökonomische Effekte (das heißt aggregierte Trends), die bundes- oder bundeslandweit einheitliche Auswirkungen haben, werden in der regionalen Schätzung konstruktionsbedingt nicht berücksichtigt. Tatsächlich altert jedoch die Bevölkerung trendmäßig im ganzen Land. Viele wirtschaftliche Folgen des demografischen Wandels (beispielsweise fiskalische Belastungen oder eine schwächere Innovationsdynamik) betreffen alle Regionen und lassen sich mit regionalen Vergleichen nur begrenzt erfassen. Zudem werden allgemeine Gleichgewichtseffekte in diesem eher partiellen Modellrahmen kaum berücksichtigt.[66] Anpassungsmechanismen können die wirtschaftlichen Belastungen teilweise abfedern. So können beispielsweise Arbeitskräfte, Unternehmen und Kapital zwischen Regionen ausweichen. Hat die regionale Bevölkerungsalterung dagegen einen gemeinsamen Trend, sind solche Ausweichreaktionen deutlich schwerer möglich. Die vorgelegten regionalen Schätzungen dürften die tatsächlichen gesamtwirtschaftlichen Auswirkungen daher eher unterschätzen.

**Tabelle 2.2: Dekompositionsanalyse**
Abhängige Variable	Δ\( (GDP/N) \)	Δ\( (GDP/H) \)	Δ\( (H/L) \)	Δ\( (L/N) \)
	(1)	(2)	(3)	(4)
Panel A: 3-Jahres-Raten
Δ\( (A/N) \)	−⁠ 0,261***	−⁠ 0,180***	0,015	−⁠ 0,091**
Δ\( (A/N) \)	(0,065)	(0,051)	(0,011)	(0,039)
Anzahl der Beobachtungen	2 758	2 758	2 758	2 758
Panel B: 5-Jahres-Raten
Δ\( (A/N) \)	−⁠ 0,240***	−⁠ 0,124**	0,008	−⁠ 0,108**
Δ\( (A/N) \)	(0,076)	(0,057)	(0,010)	(0,045)
Anzahl der Beobachtungen	1 576	1 576	1 576	1 576
Panel C: 7-Jahres-Raten
Δ\( (A/N) \)	−⁠ 0,215***	−⁠ 0,108*	0,004	−⁠ 0,097**
Δ\( (A/N) \)	(0,076)	(0,056)	(0,011)	(0,040)
Anzahl der Beobachtungen	1 182	1 182	1 182	1 182
Quelle: eigene Berechnungen. Anmerkungen: Cluster-robuste Standardfehler (auf Kreisebene) in Klammern. Jede Beobachtung wird mit der Bevölkerung der Ausgangsperiode gewichtet. Die in den Spalten 2, 3 und 4 dargestellten Koeffizienten summieren sich zu dem Haupteffekt, der in Spalte 1 dargestellt ist. Kontrollvariablen: Kreis-Dummies; Jahres-Dummies; Bundesland-Dummies interagiert mit Jahres-Dummies; der Logarithmus des Anteils der Erwerbstätigen in der Ausgangsperiode, die in jedem der folgenden (NACE) Sektoren arbeiten: A (Landwirtschaft), B-E (Produzierendes Gewerbe ohne Bauwirtschaft), F (Bauwirtschaft), G-J (Handel, Transport und Lagerei, Gastgewerbe, Information- und Kommunikation), K-N (Finanz- und Versicherungsdienstleistungen, Unternehmensdienstleistungen), O-T (öffentliche Dienstleistungen). Die Variablen zur sektoralen Beschäftigungsstruktur werden ebenfalls mit den Jahres-Dummies interagiert, um zu ermöglichen, dass sich die Auswirkungen der anfänglichen Wirtschaftsstruktur je nach Jahr unterscheiden. Regressionen mit 3-Jahres-Fenstern umfassen die Jahre 2003, 2006, 2009, 2012, 2015, 2018, 2021. Regressionen mit 5-Jahres-Fenstern umfassen die Jahre 2006, 2011, 2016, 2021. Regressionen mit 7-Jahres-Fenstern umfassen die Jahre 2007, 2014, 2021. Notation: N = Anzahl der Einwohner im Alter von 20 bis 74 Jahren; H = Gesamtanzahl der geleisteten Arbeitsstunden; L = Anzahl der Erwerbstätigen.

Literaturverzeichnis

Acemoglu, D. und P. Restrepo (2017), Secular Stagnation? The Effect of Aging on Economic Growth in the Age of Automation, American Economic Review, Vol 107(5), S. 174 – 179.

Aksoy, Y., H. S. Basso, R. P. Smith und T. Grasl (2019), Demographic Structure and Macroeconomic Trends, American Economic Journal: Macroeconomics, Vol. 11(1), S. 193 – 222.

Arce, O., A. Consolo, A. Dias da Silva und M. Weissler (2025), Foreign workers: a lever for economic growth, The ECB Blog, 8. Mai 2025.

Baslandze, S., Z. Edwards, J. R. Graham, T. McClure, M. Sparks, B. Meyer, S. Ravindranath Waddell und D. Weitz (2026), Artificial Intelligence, Productivity, and the Workforce: Evidence from Corporate Executives, Working Paper, 2026-4, Federal Reserve Bank of Atlanta.

Bick, A. und N. Fuchs-Schündeln (2018), Taxation and labour supply of married couples across countries: A macroeconomic analysis, The Review of Economic Studies, Vol. 85(3), S. 1543 1576.

Bick, A., B. Brüggemann, N. Fuchs-Schündeln und H. Paule-Paludkiewicz (2019), Long-term Changes in Married Couples’ Labor Supply and Taxes: Evidence from the US and Europe Since the 1980s, Journal of International Economics, Vol. 118(C), S. 44 – 62.

Blömer, M., P. Brandt und A. Peich (2021), Raus aus der Zweitverdienerinnenfalle: Reformvorschläge zum Abbau von Fehlanreizen im deutschen Steuer- und Sozialsystem, ifo Forschungsberichte, Nr. 126.

Bloom, D., D. Canning und J. Sevilla (2001), Economic growth and the demographic transition, National Bureau of Economic Research, Working Paper No. 8685.

Boddin, D., M. Köhler und P. Smietanka (2023), Bundesbank Online Panel – Firms (BOP-F), Data Report 2023–07, Deutsche Bundesbank, Research Data and Service Centre.

Boelmann, B., A. Raute und U. Schönberg (2025), Wind of change? Cultural determinants of maternal labor supply, American Economic Journal: Applied Economics, Vol. 17(2), S. 41 – 74.

Brynjolfsson, E., B. Chandar und R. Chen (2025), Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, SIEPR Working Paper.

Bundesministerium für Arbeit und Soziales (2023), Zur Reform der Transferentzugsraten und Verbesserung der Erwerbsanreize, Forschungsbericht 629.

Bundesverwaltungsamt (2026), Wie hoch dürfen die jährlichen Einkünfte meiner Ehegattin/Lebenspartnerin/meines Ehegatten/Lebenspartners sein, damit sie/er als berücksichtigungsfähige Person einen Beihilfeanspruch hat?, Beihilfe Online FAQ.

Buslei, H., L. Felder, J. Geyer und P. Haan (2024), Rente nach 45 Jahren: Auch Personen mit geringer Arbeitsbelastung gehen frühzeitig abschlagsfrei in Ruhestand, DIW Wochenbericht 48/2024, S. 759 – 65.

Cortés, P., J. Hwang, J. Pan und U. Schönberg (2026), Gender Norms and the Labor Market, NBER Working Paper No. 34716.

Cutler, D. M., J. M. Poterba, L. M. Sheiner und L. H. Summers (1990), An Aging Society: Opportunity or Challenge?, Brookings Papers on Economic Activity, Vol. 21(1), S. 1 – 74.

Deutsche Bundesbank (2026a), Jüngste Entwicklung der deutschen Exportmarktanteile und ihrer Triebkräfte, Monatsbericht, März 2026.

Deutsche Bundesbank (2026b), Zur Rolle von Sonderzahlungen für den Anstieg der Effektivverdienste in Deutschland 2025 und 2026, in: Deutschland-Prognose: Ölpreis-Schock treibt Teuerung an und bremst die Konjunkturerholung, Exkurs, Monatsbericht, Juni 2026.

Deutsche Bundesbank (2026c), Generative KI in deutschen Unternehmen: Verbreitung, Kosten und erwartete wirtschaftliche Auswirkungen, Monatsbericht, März 2026.

Deutsche Bundesbank (2025a), Was steckt hinter dem mehrjährigen Rückgang der deutschen Exportmarktanteile?, Monatsbericht, Juli 2025.

Deutsche Bundesbank (2025b), Aktuelle Entwicklungen bei der Arbeitskräftehortung in Deutschland, Monatsbericht, Mai 2025.

Deutsche Bundesbank (2025c), Allokationseffizienz und Produktivitätsentwicklung im deutschen Verarbeitenden Gewerbe seit Mitte der 2010er Jahre, Monatsbericht, Dezember 2025.

Deutsche Bundesbank (2025d), Nutzung von künstlicher Intelligenz im europäischen Ländervergleich, Monatsbericht, Mai 2025.

Deutsche Bundesbank (2025e), Früher, regulär, später: Wann Versicherte in Rente gehen und wie Ab- und Zuschläge ausgestaltet werden könnten, Monatsbericht, Juni 2025.

Deutsche Bundesbank (2024a), Zur Entwicklung der Unternehmensdynamik im Euroraum, Monatsbericht, März 2024.

Deutsche Bundesbank (2024b), Die Verbreitung und Einsatzziele künstlicher Intelligenz in deutschen Unternehmen, Monatsbericht, Dezember 2024.

Deutsche Bundesbank (2024c), Abgabenlast auf Arbeitseinkommen im internationalen Vergleich: zum Unterschied von Rentenbeitrag und Steuerzahlung, Monatsbericht, Juni 2024.

Deutsche Bundesbank (2022), Produktivitätswirkungen der Reallokation im Unternehmenssektor während der Coronavirus-Krise, Monatsbericht, September 2022, S 47 – 66.

Deutsche Bundesbank (2019), Langfristige Perspektiven der gesetzlichen Rentenversicherung, Monatsbericht, Oktober 2019.

Deutsche Bundesbank (2018), Zur Teilzeitbeschäftigung in Deutschland und Frankreich, Monatsbericht, Mai 2018, S. 55 – 57.

Deutsche Bundesbank (2017), Demografischer Wandel, Zuwanderung und das Produktionspotenzial der deutschen Wirtschaft, Monatsbericht, April 2017, S. 37 – 50.

Deutsche Rentenversicherung (2024), Trends in Zahlen, Jahresbericht 2024.

Dohmen, T., A. Falk, B. H. H. Golsteyn, D. Huffman und U. Sunde (2017), Risk Attitudes across the Life Course, The Economic Journal, Volume 127, Issue 605, Oktober 2017, F95 – F116,

Falck, E., O. Röhe und N. Stähler (2024), Demographics and the Decline in Firm Entry: On The Role of Population Growth and Longevity. Working Paper, available at SSRN 5019366.

Fitzenberger, B., K. Sommerfeld und S. Steffes (2013), Causal effects on employment after first birth– A dynamic treatment approach, Labour Economics, Vol. 25, S. 49 – 62.

Hammer, L. und M. S. Hertweck (2022), EU enlargement and (temporary) migration: Effects on labour market outcomes in Germany, Diskussionspapier der Deutschen Bundesbank, Nr. 02/2022.

Heitmueller, A. (2007), The chicken or the egg?: Endogeneity in labour market participation of informal carers in England, Journal of health economics, Vol. 26(3), S. 536 – 559.

Hertweck, M. S. (2026a), Stock-flow matching in the German labour market, Bundesbank Technical Paper (im Erscheinen).

Hertweck, M. S. (2026b), Adverse finanzielle Erwerbsanreize oder fehlende Kinderbetreuung: Was erklärt die geringe Vollzeiterwerbstätigenquote von Frauen in Deutschland?, Bundesbank Technical Paper (im Erscheinen).

Kerkhof, A., T. Licht, M. Menkhoff und K. Wohlrabe (2024), Die Nutzung von Künstlicher Intelligenz in der deutschen Wirtschaft, ifo Schnelldienst, 2024, 77, Nr. 08, S. 39 – 43.

Knetsch, T. A., K. Sonderhof und W. Kempe (2014), Das Erwerbspersonenpotenzial zu Vollzeitäquivalenten: Messkonzept, Projektion und Anwendungsbeispiele, Schmollers Jahrbuch – Journal of Applied Social Science Studies, Vol. 134(1), S. 1 – 24.

Maestas, N., K. J. Mullen, und D. Powell (2023), The Effect of Population Aging on Economic Growth, the Labor Force, and Productivity, American Economic Journal: Macroeconomics, Vol. 15(2), S. 306 – 332.

Marotzke, P. (2019), The rise of part-time work: A German-French comparison, Diskussionspapier der Deutschen Bundesbank, Nr. 20/2019.

Merki, M., F. Schuster-Johnson und S. Gottschalk (2026), Wer Reformen will, muss Kitas bauen, Dezernat Zukunft, Policy Paper vom 16. April 2026.

OECD (2025), Macroeconomic productivity gains from Artificial Intelligence in G7 economies, OECD Artificial Intelligence Papers, Noß. 41.

Ouimet, P. und R. Zarutskie (2014), Who Works for Startups? The Relation Between Firm Age, Employee Age, and Growth, Journal of Financial Economics, Vol. 112(3), S. 386 – 407.

Paule-Paludkiewicz, H. (2024), Does the Right to Work Part-Time Affect Mothers’ Labor Market Outcomes?, Diskussionspapier der Deutschen Bundesbank, Nr. 12/2024.

Pötzsch, O. und F. zur Nieden (2024), Die Babyboomer: Auf dem Gipfel der demografischen Welle, WISTA Wirtschaft und Statistik, 1/2024, S. 25 – 38.

Projektgruppe Gemeinschaftsdiagnose (2026), Energiepreisschock überlagert Fiskalimpuls – Wachstumskräfte versiegen, Gemeinschaftsdiagnose Frühjahr 2026.

Rengers, M. und T. Körner (2026), Arbeitszeiten und Arbeitszeitwünsche von Männern (und Frauen) – Anhaltspunkte zu Potenzialen für die Gleichstellung, WISTA Wirtschaft und Statistik, 1/2026, S. 68 – 86.

Sachverständigenrat (2026), Frühjahrsgutachten 2026.

Sachverständigenrat (2023), Wachstumsschwäche überwinden – In die Zukunft investieren, Jahresgutachten 2023/24.

Sachverständigenrat (2021), Transformation gestalten: Bildung, Digitalisierung und Nachhaltigkeit, Jahresgutachten 2021/22.

Statistisches Bundesamt (2025), Bei 10,3 % der Paare ist die Frau die Haupteinkommensperson, Zahl der Woche Nr. 10 vom 4. März 2025.

The Economist (2026), Is AI putting graduates out of work already?, 13. Mai 2026.

The New York Times (2025), For some recent graduates, the A.I. job apocalypse may already be here, veröffentlicht in der Druckausgabe am 31. Mai 2025.

Weinberg, B .A. (2004), Experience and Technology Adoption, IZA Discussion Paper, Nr. 1051.

Yotzov, I., J. M. Barrero, N. Bloom, P. Bunn, S. J. Davis, K. M. Foster, A. Jalca, B. H. Meyer, P. Mizen, M. A. Navarrete, P. Smietanka, G. Thwaites und B. Z. Wang (2026), Firm data on AI, NBER Working Paper 34836.

Zwischen 2016 und 2021 lag die zusammengefasste Geburtenrate mit 1,5 bis 1,6 Kindern je Frau vergleichsweise hoch und ist zuletzt (2024) wieder auf einen Wert von 1,35 gefallen.
Das Statistische Bundesamt grenzt die Babyboomer als die Geburtenjahrgänge 1957 bis 1968 ab, vgl.: Pötzsch und zur Nieden (2024).
Das Erwerbspersonenpotenzial beschreibt das potenzielle Arbeitsangebot einer Volkswirtschaft. Neben den Erwerbspersonen (Erwerbstätige und Arbeitslose) zählt dazu auch eine Stille Reserve, die am Arbeitsmarkt verfügbar ist, aber aktuell nicht Arbeit sucht. Dagegen werden hier Personen, die zwar arbeitssuchend, aber kurzfristig nicht verfügbar sind, nicht berücksichtigt. Vgl.: Knetsch et al. (2014).
Vgl.: Yotzov et al. (2026).
Auch das Produktivitätswachstum schwächte sich in den vergangenen zehn Jahren deutlich ab und war insbesondere seit 2020 niedrig. Dazu trug auch die ausgeprägte Arbeitskräftehortung bei. Dessen Auflösung stützt hingegen das Produktivitätswachstum im Prognosezeitraum.
Vgl.: Cutler et al. (1990) sowie Acemoglu und Restrepo (2017).
Vgl.: Aksoy et al. (2019), Dohmen et al. (2017), Falck et al. 2024, Ouimet und Zarutskie (2014) sowie Weinberg (2004).
Vgl.: Deutsche Bundesbank (2017) sowie Bloom (2001).
Unterschiede in der Altersstruktur zu einem Zeitpunkt in der Vergangenheit lassen sich ausnutzen, um die Auswirkungen der Alterung auf Wachstum kausal abzuschätzen. Vgl.: Maestas et al. (2023).
Grundlage hierfür sind Angaben auf Ebene der Kreise für die Jahre 2000 bis 2021.
Eine detaillierte Beschreibung des Schätzansatzes und der Schätzergebnisse ist im technischen Anhang enthalten.
Die Schätzungen dürften dabei eine Untergrenze für die gesamtwirtschaftlichen Auswirkungen der Alterung auf Wachstum und Produktivität liefern (vgl. „Technischer Anhang: Methodik zur Schätzung der Effekte von Bevölkerungsalterung auf das Wachstum mittels regionaler Daten“).
Für Personen aus Bulgarien und Rumänien trat die Arbeitnehmerfreizügigkeit Anfang 2014 in Kraft, für Personen aus Kroatien Mitte 2015.
Seit Inkrafttreten der Westbalkanregelung 2016 ist auch ein Gutteil der Zuwanderung aus den Westbalkanstaaten arbeitsmarktorientiert.
Vgl.: Hammer und Hertweck (2022). Etwaiger Missbrauch der Arbeitnehmerfreizügigkeit sollte gleichwohl begrenzt werden.
Bei Fachkräften ist der Arbeitskräftemangel, der auf den demografischen Wandel zurückgeht, besonders deutlich.
Diese Rechnung ist bereits um Saisonarbeitskräfte bereinigt. Das Durchschnittsalter arbeitsmarktorientierter EU-Zuwanderer in den 2010er Jahren war zudem rund fünf Jahre jünger als das einheimischer Erwerbspersonen. Die Abwanderungszahlen sind daher nur geringfügig durch Renteneintritte beeinflusst. Zudem bleiben tendenziell diejenigen EU-Zuwandererinnen und -Zuwanderer in Deutschland, deren Arbeitsmarktintegration geglückt ist, vgl.: Hammer und Hertweck (2022).
Eurostat-Angaben zufolge lag die Erwerbsquote 20- bis 64-jähriger Männer in Deutschland im Jahr 2025 mit 88 % mehr als 2 Prozentpunkte über dem EU27-Durchschnitt. Von den beschäftigten Männern arbeiteten rund 12 % in Teilzeit (im Vergleich zu rund 8 % im EU27-Durchschnitt).
Erwerbsquote in der Altersabgrenzung 20 bis 64 Jahre gemäß Arbeitskräfteerhebung. Dort kommt es allerdings im Vergleich zu den VGR zu einer Untererfassung insbesondere von geringfügiger Erwerbstätigkeit in Deutschland. Dies dürfte die Erwerbsquote in der Arbeitskräfteerhebung unterschätzen und die Arbeitszeit überschätzen.
Einer Auswertung des sozio-oekonomischen Panels (SOEP) zufolge wünschen knapp 18 % der teilzeitbeschäftigten Frauen im Durchschnitt der Jahre 2009 bis 2020 eine erhebliche Erhöhung der wöchentlichen Arbeitszeit um acht Stunden oder mehr bei entsprechender Verdienstanpassung. Weitere 20 % wünschen sich eine Erhöhung von bis zu acht Stunden. Vgl.: Hertweck (2026b). Befragungen im Rahmen des Mikrozensus auf Basis anderer Erhebungsmethoden und Fragestellungen kommen aktuell auf niedrigere, jedoch erhebliche Anteile von teilzeitbeschäftigten Frauen, die im Durchschnitt ihre Arbeitszeit um mehr als zehn Stunden pro Woche ausweiten wollen, vgl.: Rengers und Körner (2026).
Auch bestehende Rollenbilder können das Arbeitsangebot von Müttern und Ehefrauen verringern. Vgl.: Boelmann et al. (2025) sowie Cortés et al. (2026).
Vgl.: Bundesministerium für Arbeit und Soziales (2023).
Vgl.: Merki et al. (2026). Schätzungen zufolge erhöhen zusätzliche Betreuungsplätze das Arbeitsangebot von Müttern, vgl.: Müller und Wohlrich (2020). Der gesetzliche Anspruch auf Teilzeit führte laut einer Studie mittelfristig nicht zu mehr Teilzeitarbeit unter Müttern, erhöhte aber deren Erwerbsbeteiligung. Vgl.: Paule-Paludkiewicz (2024).
Vgl.: Bick und Fuchs-Schündeln (2018) oder Bick et al. (2019) sowie Paule-Paludkiewicz (2019).
Vgl.: Statistisches Bundesamt (2025).
Vgl.: Blömer et al. (2021) beziehungsweise Bundesverwaltungsamt (2026).
Aufbauend auf Sachverständigenrat (2023), Abbildung 105, und auf Basis von DIW-econ Erhebungen.
Vgl.: Hertweck (2026b), basierend auf Angaben von 25- bis 54-jährigen Frauen. In dieser Altersspanne stellt sich die Frage nach der Vereinbarkeit von Beruf und Familie besonders dringlich. Die Ergebnisse sind als deskriptive Zusammenhänge zu interpretieren; sie erlauben keine unmittelbaren kausalen Schlussfolgerungen, da die Zusammensetzung der unterschiedlichen demografischen Gruppen potenziell endogen ist. Es ist insbesondere plausibel, dass die Entscheidung zur Eheschließung selbst selektiv erfolgt. So könnten Paare mit bestimmten Einkommenskonstellationen eher heiraten, weil sie von bestehenden steuerlichen und sozialrechtlichen Regelungen profitieren. Gleichwohl liefern die Ergebnisse aber Hinweise auf mögliche Zusammenhänge und bestimmende Faktoren.
Die Ergebnisse sind konsistent mit früheren Analysen zu den Bestimmungsgrößen der Teilzeitarbeit in Deutschland und Frankreich, vgl.: Deutsche Bundesbank (2018) sowie Marotzke (2019).
Vgl.: Fitzenberger et al. (2013). Die hohe Persistenz könnte zum einen daran liegen, dass auch ältere Kinder Betreuungsanforderungen mit sich bringen, die eine Vollzeittätigkeit erschweren. Andererseits kann eine längere Phase reduzierter Erwerbstätigkeit aufgrund von Kinderbetreuungsaufgaben die Arbeitsmarktbindung dauerhaft schwächen. Personen, die Kinderbetreuungsaufgaben in der Vergangenheit wahrgenommen haben, könnten daher wahrscheinlicher weitere Pflegeaufgaben übernehmen, vgl.: Heitmueller (2007).
Die Analyse von Vollzeiterwerbstätigkeitsraten nach Bildungshintergrund hat gegenüber der Analyse nach Einkommen den Vorteil, dass der Bildungshintergrund nicht durch die aktuelle Erwerbstätigkeit beeinflusst wird. So erhöht Vollzeiterwerbstätigkeit (gegenüber Teilzeiterwerbstätigkeit) direkt das Einkommen, beeinflusst aber nicht den Bildungshintergrund.
Erwerbsquote gemäß Arbeitskräfteerhebung. Dort kommt es allerdings im Vergleich zu den VGR zu einer Untererfassung insbesondere von geringfügiger Erwerbstätigkeit in Deutschland. Dies dürfte die Erwerbsquote in der Arbeitskräfteerhebung unterschätzen und die Arbeitszeit überschätzen.
Vgl.: Deutsche Rentenversicherung (2024) sowie Deutsche Bundesbank (2025e).
Vgl.: Buslei et al. (2024).
Vgl.: Deutsche Bundesbank (2025e).
Vgl.: Deutsche Bundesbank (2019) sowie Sachverständigenrat (2026).
Steigende Beitragssätze dürften den Arbeitseinsatz zusätzlich vor allem dann dämpfen, wenn ihnen keine beitragsäquivalenten Leistungen gegenüberstehen, vgl. auch: Deutsche Bundesbank (2024c).
Vgl.: Sachverständigenrat (2026).
In Abgrenzung zur Personenbetrachtung kann somit auch die Entwicklung der Arbeitszeit berücksichtigt werden. Zur Methodik vgl.: Knetsch et al. (2014). Zusätzlich werden unterschiedliche Geschwindigkeiten bei der Arbeitsmarktintegration nach arbeitsmarktorientierter und Fluchtmigration berücksichtigt.
Die Annahmen zu Geburten, Sterbefällen und Zuwanderung entsprechen den mittleren Annahmen der 16. Koordinierten Bevölkerungsvorausberechnung des Statistischn Bundesamtes und der Statistischen Landesämter. Das Basisszenario entspricht der Variante G2L2W2, aktualisiert um inzwischen veröffentlichte Daten für 2025.
Diese könnte bei Forcierung des Fortzuges vieler Flüchtlinge der vergangenen Jahre eintreten.
Hierbei wird angenommen, dass das Rentenalter nach 2031 so steigt, dass die durchschnittliche Relation von Renten- und Beitragsjahren in etwa auf dem 2031 erreichten Niveau von gut 40 % bleibt, vgl.: Deutsche Bundesbank (2019). Der unterstellte Anstieg der Lebenserwartung entspricht der mittleren Variante der 16. Koordinierten Bevölkerungsvorausberechnung (L2). Die Verknüpfung des Renteneintrittsalters mit der Lebenserwartung würde gemäß diesen Annahmen zwar langsam wirken, sich aber auch nach 2035 im Zeitverlauf zu weiteren Arbeitsangebotseffekten kumulieren. Die Rücknahme der abschlagsfreien Rente nach 45 Versicherungsjahren wäre dagegen mit einem deutlichen Einmaleffekt verbunden, der in dieser Simulation jedoch nicht berücksichtigt ist.
Für Gruppen mit bereits höheren Erwerbsquoten in Deutschland bleiben die Annahmen der Basisprojektion unverändert. In den vorliegenden Projektionen werden die alters- und geschlechtsspezifischen Erwerbsquoten aus dem Mikrozensus auf das VGR-Beschäftigungsniveau hochgerechnet. Wegen Untererfassungen in der Arbeitskräfteerhebung fällt der zusätzliche Anstieg der Erwerbsquoten im „Schwedenszenario“ begrenzt aus. Gegenüber dem Basisszenario steigt die Erwerbsquote der Männer um 0,4 Prozentpunkte und die der Frauen um 1,1 Prozentpunkte.
Der Anteil vollzeitbeschäftigter Arbeitnehmerrinnen steigt gegenüber der Basisvariante annahmegemäß um gut 9 Prozentpunkte. Zudem liegt die Wochenarbeitszeit teilzeitbeschäftigter Frauen annahmegemäß um rund 1,8 Stunden höher. Damit würde sich die Lücke zum EU-Durchschnitt etwa halbieren. Auch für Männer und Selbständige werden höhere Arbeitszeiten unterstellt, die Effekte fallen jedoch geringer aus. Insgesamt steigt die durchschnittliche Arbeitszeit je Erwerbsperson um 0,8 Stunden pro Woche. Im Basisszenario sinkt sie dagegen um 0,5 Stunden pro Woche, vor allem wegen des negativen Altersstruktureffekts von rund 0,3 Stunden pro Woche.
Mögliche Auswirkungen eines veränderten Arbeitseinsatzes auf die Totale Faktorproduktivität werden hingegen nicht berücksichtigt. Die Potenzialschätzung der Bundesbank basiert auf einem Produktionsfunktionsansatz. Der theoretische Modellrahmen, der den Mittelfristprojektionen zugrunde liegt, beruht auf der Annahme, dass Arbeits- und Kapitaleinsatz zueinander komplementär sind. Vgl.: Deutsche Bundesbank (2017).
Die Wirtschaftsforschungsinstitute gehen in ihrer Gemeinschaftsdiagnose davon aus, dass der Wanderungssaldo bis 2030 auf 150 000 Personen pro Jahr zurückgehen wird, vgl.: Projektgruppe Gemeinschaftsdiagnose (2026), S. 56.
Vgl.: Sachverständigenrat (2023), Tz. 346 ff.
Vgl.: Sachverständigenrat (2021), Tz. 317 ff., sowie Sachverständigenrat (2023), Tz. 336 ff. Generell ist bei Reformen des Ehegattensplittings der besondere Schutz von Ehe und Familie durch das Grundgesetz zu beachten.
Vgl.: Bundesministerium für Arbeit und Soziales (2023).
Vgl. unter anderem: Deutsche Bundesbank (2019, 2025e).
Vgl.: Maestas et al. (2023).
Für die Analyse ist eine Bereinigung der Rohdaten für die Bevölkerung auf Kreisebene notwendig. Zum einen wurde der statistische Bruch in den Bevölkerungsdaten durch den „Zensusknick 2011“ (starke Abwärtsrevision der Bevölkerungsdaten im Zuge neuer Erhebungen) bereinigt und die Bevölkerungszahlen vor 2011 korrigiert. Auch der Zensusknick im Jahr 2022 führt dazu, dass Bevölkerungsdaten zwischen 2011 und 2021 korrigiert wurden. Zum anderen werden Bevölkerungsdaten für Kreise im Gegensatz zu den BIP-Daten nicht rückwirkend an Gebietsreformen angepasst. Da die Kreise in den Bevölkerungsdaten teilweise nicht einheitlich über die Zeit definiert sind, wurden hier ebenfalls Anpassungen gemacht.
Vgl.: Maestas et al. (2023).
Um das Problem der Autokorrelation zu vermeiden, gehen nicht überlappende Wachstumsraten in die Schätzung ein.
Enthalten sind Kreis-Dummys, Jahr-Dummys, Bundesland-Dummys interagiert mit Jahr-Dummys sowie sektorale Beschäftigungsanteile im Ausgangsjahr \( t \) (Log-Anteil der Erwerbstätigen für verschiedene Sektoren). Die sektoralen Beschäftigungsanteile werden zusätzlich mit den Jahr-Dummys interagiert, um zu ermöglichen, dass sich die Auswirkungen der anfänglichen Wirtschaftsstruktur je nach Jahr unterscheiden.
Es könnte sein, dass einige strukturell starke Regionen sowohl produktiv sind als auch eine relativ junge Bevölkerung haben. Andere Regionen könnten eine ältere Bevölkerung haben, aber durch Transfers oder Pendeln in der Wirtschaftsleistung stabilisiert sein. Dadurch würde zwischen den Regionen kein klarer Zusammenhang zwischen Bevölkerungsalterung und BIP-Wachstum beziehungsweise Produktivität erkennbar sein. Innerhalb einer Region kann sich jedoch über die Zeit zeigen, dass zunehmende Alterung das Wachstum reduziert. Die Einbeziehung von Kreis-Dummys würde in diesem Fall helfen, den Effekt von Alterung auf Produktivität genauer zu messen.
Die \( z \)-Jahres-Überlebenswahrscheinlichkeit \( SP(z) \) wird hier berechnet als das Produkt der jährlichen Überlebenswahrscheinlichkeiten für jede Kohorte auf der Grundlage der für das Ausgangsjahr \( t \) veröffentlichten Überlebenswahrscheinlichkeiten. Dieser Ansatz kann am Beispiel einer Veränderungsrate über fünf Jahre zwischen 2000 und 2005 illustriert werden. Um die Anzahl der Personen im Alter von 60 Jahren im Jahr 2005 vorherzusagen, wird die beobachtete Anzahl der Personen im Alter von 55 Jahren im Jahr 2000 mit der Fünfjahres-Überlebenswahrscheinlichkeit für Personen im Alter von 55 Jahren multipliziert.
Dies ist ersichtlich am hohen F-Wert sowie an der hohen Korrelation zwischen dem Instrument und der tatsächlichen Veränderung der Bevölkerungsstruktur (Panel B in Tabelle 2.1).
Vgl.: Panel C und Panel D in Tabelle 2.1.
Der OLS-Schätzer ist betragsmäßig kleiner als der IV-Schätzer und geht nahe null. Ein Möglicher Grund hierfür könnte sein, dass stärkeres lokales Wachstum tendenziell zu einer Zunahme der Alterung führt. Migrationseffekte könnten hierfür eine Rolle spielen. So könnte es sein, dass junge Erwachsene in Deutschland ihre Migrationsentscheidungen nicht auf das Wirtschaftswachstum eines Kreises, sondern auf die Einkommensniveaus im Kreis stützen. Bei Konvergenzprozessen wachsen Regionen mit niedrigeren Einkommen tendenziell schneller als Bezirke mit höheren Einkommen. Dies würde bedeuten, dass jüngere Migranten, die höhere Einkommensniveaus anstreben, dazu neigen, in langsamer wachsende Bezirke zu ziehen, die bereits ein relativ hohes BIP-Niveau haben. Weitergehende Schätzungen zeigen, dass in Deutschland Kreise mit anfänglich relativ hohem BIP pro Kopf langsamer wachsen als Kreise mit relativ niedrigem BIP pro Kopf. Auch Mortalitätseffekte könnten den OLS-Schätzer Richtung null verzerren. So könnte sich in stärker wachsenden Regionen die Lebenserwartung stärker erhöhen. Dies ist der Fall, wenn ein höheres Wachstum mehr Spielraum für Investitionen in Gesundheit schafft oder zu einer gesünderen Lebensweise beiträgt. Alternativ könnte auch ein Messfehler in den Bevölkerungsdaten den OLS-Koeffizienten Richtung null verzerren (Attenuation Bias). In den granularen Kreisdaten könnten die beobachteten Veränderungen der Altersstruktur sehr Noise-behaftet sein. Die hier verwendeten Instrumente könnten diesen Messfehler durch die eher deterministische Fortschreibung der Altersstruktur beheben.
Für die Dekompositionsanalyse gehen in separaten Schätzungen diese drei Komponenten (Stundenproduktivität, durchschnittliche Arbeitszeit sowie das Verhältnis von Erwerbstätigen zur Bevölkerungszahl) als abhängige Variablen ein. So wird der marginale Alterungseffekt auf das Pro-Kopf-BIP mechanisch in die drei Wirkungskanäle zerlegt.
Die könnte mit der vermehrten Arbeitsmarktintegration von Frauen zusammenhängen, die vermehrt in Teilzeit arbeiten. So dürften zwischen 2000 und 2021 relativ junge Personen mit unterdurchschnittlichen Arbeitsstunden in den Arbeitsmarkt eingetreten sein.
Die Ergebnisse sind ähnlich, wenn jährliche Wachstumsraten betrachtet werden.
Der Quotient Erwerbstätige je Einwohner ist das Produkt aus der Erwerbsquote (Erwerbspersonen relativ zur Bevölkerung) und der Beschäftigungsquote (Erwerbstätige relativ zu Erwerbspersonen). Schätzungen zeigen, dass der Effekt von Bevölkerungsalterung auf die Arbeitslosenquote statistisch nicht signifikant ist.
Der Anteil älterer Personen stieg von 22,9 % im Jahr 2000 auf 25,9 % im Jahr 2021.
Aggregierte allgemeine Gleichgewichtseffekte werden nur insoweit erfasst, als sie unterschiedlich mit den durch das Altern bedingten wirtschaftlichen Bedingungen der Kreise interagieren.