Het gewicht van de maakindustrie in de EU-economie
In 2023 genereerden de ruwweg 2,2 miljoen maakbedrijven van de EU ongeveer 2.470 mld. EUR aan toegevoegde waarde en stelden zij 30,3 miljoen mensen tewerk. De bredere industriesector produceerde 29% van de toegevoegde waarde van de EU-bedrijfseconomie uit slechts 7% van haar ondernemingen en ongeveer 21% van haar werkgelegenheid – een teken van hoge productiviteit per werknemer.
| Maatstaf | EU-maakindustrie (2023) |
|---|---|
| Ondernemingen | ~2,2 miljoen |
| Toegevoegde waarde | ~2.470 mld. EUR |
| Werkzame personen | 30,3 miljoen |
| Industrieaandeel in de toegevoegde waarde van de bedrijfseconomie | 29% |
| Industrieaandeel in de werkgelegenheid van de bedrijfseconomie | ~21% |
What it means
De industrie genereert 29% van de toegevoegde waarde van de EU-bedrijfseconomie uit slechts 7% van haar bedrijven en ongeveer een vijfde van haar werknemers, wat betekent dat elke industriële werknemer ruim boven het economiebrede gemiddelde produceert. Voor een exploitant is juist die bovengemiddelde productiviteit de reden waarom investeringen in efficiëntie en automatisering zich versterken: kleine verbeteringen per eenheid schalen over een productiekrachtige basis.
Context
De structurele bedrijfsstatistiek van Eurostat meet jaarlijks de omvang en de output van de bedrijfseconomie; deze cijfers hebben betrekking op het referentiejaar 2023. De EU-bedrijfseconomie als geheel telde in 2023 rond de 33 miljoen ondernemingen, 162,2 miljoen werkzame personen en 10.460 mld. EUR aan toegevoegde waarde. De hoge toegevoegde waarde van de maakindustrie ten opzichte van haar werkgelegenheidsaandeel weerspiegelt de kapitaalintensieve, geautomatiseerde productie – dezelfde kenmerken die energie en betrouwbaarheid tot centrale bedrijfskosten maken.
Related charts
How fast the industrial-AI market is growing
Global investment in energy efficiency
Industrial-tech markets at a glance
Related topics
How to Reduce Industrial Energy Costs: Practical Quick Wins · Generative AI in Manufacturing: Practical Examples · Specific Energy Consumption (SEC) · Machine Learning (Industrial)
Relevant to: Chemicals · Steel & Metals · Food Processing · Paper & Packaging