Die wahren Kosten von KI für die Beschäftigung — Hype und Schaden trennen

Als ChatGPT im November 2022 auf den Markt kam, schwankte der öffentliche Diskurs rasch zwischen zwei Polen: techno-utopische Versprechen grenzenloser Produktivität einerseits und apokalyptische Warnungen vor Massenarbeitslosigkeit binnen weniger Jahre andererseits. Drei Jahre später ist die empirische Bilanz differenzierter – und in wesentlichen Hinsichten alarmierender –, als beide Lager vorhergesagt hatten.

Die bestätigten, direkt der KI zuschreibbaren Arbeitsplatzverluste für 2025 sind nach makroökonomischen Maßstäben bescheiden. Der Outplacement-Firma Challenger, Gray & Christmas zufolge seien im Jahr 2024 etwa 12.700 US-amerikanische Arbeitsplätze direkt auf KI zurückzuführen gewesen, 2025 seien es rund 55.000 geworden. ✓ Gesicherte Tatsache [8] Selbst unter Einbeziehung weiter gefasster unabhängiger Schätzungen – die versuchen, KI-bedingte Verdrängung zu erfassen, die in Unternehmensankündigungen nicht ausdrücklich als solche gekennzeichnet wurde – beläuft sich die gesamte KI-zuschreibbare Verdrängung in den USA im Jahr 2025 auf zwischen 200.000 und 300.000 Stellen, was 0,13 bis 0,20 Prozent der nichtlandwirtschaftlichen Beschäftigung entspricht. ◈ Starke Evidenz [8]

Das Yale Budget Lab stellte bei einer Überprüfung des Arbeitsmarktes bis Mitte 2025 fest, dass 33 Monate nach dem Start von ChatGPT keine erkennbare breite Disruption eingetreten sei. ◈ Starke Evidenz [5] Die Analyse des Budget Lab steht im Einklang mit der historischen Erfahrung: Weitreichende technologische Disruption entfalte sich typischerweise über Jahrzehnte, nicht über Monate, da Diffusionsverzögerungen und institutionelle Trägheit die Adoptionskurven weit unter das Niveau drücken, das Labordemonstationen nahelegen würden.

Goldman Sachs Research gelangte in einer im August 2025 veröffentlichten Analyse zu einem ähnlich nüchternen Ergebnis: Bei einer gesamtwirtschaftlichen Ausweitung der gegenwärtigen KI-Anwendungsfälle seien lediglich 2,5 Prozent der US-amerikanischen Beschäftigung direkt von Verdrängung bedroht. Selbst in einem Szenario breiter Adoption steige diese Zahl auf nur 6 bis 7 Prozent der US-Erwerbsbevölkerung. Goldman Sachs schätzte ferner, dass ein etwaiger Anstieg der Arbeitslosigkeit während der KI-Transition vorübergehender Natur sei und sich innerhalb von etwa zwei Jahren auflöse. ⚖ Umstritten [6]

Diese makroökonomischen Befunde enthalten jedoch einen kritischen blinden Fleck: Sie messen Durchschnittswerte über eine Volkswirtschaft mit 160 Millionen Beschäftigten und verdecken damit sektorale und demografische Konzentrationen von Schaden. Die Analogie ist aufschlussreich – die Durchschnittstemperatur einer Stadt sagt wenig darüber aus, ob bestimmte Stadtviertel überflutet werden. Die aggregierten Zahlen sind ruhig; in bestimmten beruflichen Zonen steigt das Wasser bereits.

Um die Auswirkungen von KI auf den Arbeitsmarkt zu verstehen, ist der richtige Referenzpunkt nicht die industrielle Revolution oder die Computerisierung der 1980er-Jahre, sondern der Zeitraum von 2000 bis 2020, in dem sich das US-amerikanische Beschäftigungswachstum stark auf zwei Segmente konzentrierte: hochbezahlte Fachkräftestellen und niedrig entlohnte Dienstleistungspositionen, während Arbeitsplätze mit mittlerer Qualifikation im Bereich Büro, Verwaltung und Produktion stark schrumpften. ◈ Starke Evidenz [10] Dieses Muster – von Ökonomen als „Arbeitsmarkt-Aushöhlung“ oder Jobpolarisierung bezeichnet – wurde durch die Automatisierung routinemäßiger kognitiver Tätigkeiten angetrieben: Buchhaltung, Dateneingabe, Telefonvermittlung und einfache juristische Recherche.

KI kehrt diese Aushöhlung nicht um; sie beschleunigt und erweitert sie. Was generative KI von früheren Automatisierungswellen unterscheidet, ist präzise ihre Reichweite in kognitive, sprachbasierte und sogar kreative Arbeit, die frühere Software nicht ersetzen konnte. Die Analyse des IWF vom Januar 2024 ergab, dass etwa 40 Prozent der weltweiten Beschäftigung KI-exponiert seien, in fortgeschrittenen Volkswirtschaften steige dieser Wert auf rund 60 Prozent – ein historisch beispielloses Ausmaß der Exposition, da frühere Automatisierung primär routinemäßige manuelle und niedrigqualifizierte kognitive Tätigkeiten betroffen habe, nicht den professionellen und managerialen Kern. ✓ Gesicherte Tatsache [2]

Der MIT-Ökonom David Autor ordnete diese Dynamik in einem 2024 veröffentlichten Arbeitspapier des National Bureau of Economic Research in ihren strukturellen Kontext ein: Der Kern mittlerer Qualifikation und mittleren Einkommens des US-amerikanischen Arbeitsmarktes sei in den vergangenen zwei Jahrzehnten durch Automatisierung und Globalisierung fortschreitend ausgehöhlt worden, und ob sich KI in der nächsten Phase als destruktiv oder konstruktiv erweise, sei keine technologische Unvermeidlichkeit, sondern eine politische Entscheidung. ◈ Starke Evidenz [11] Fünfundsiebzig Prozent der erwachsenen US-Amerikaner glauben laut einer in Autors Arbeitspapier zitierten Gallup-Umfrage, dass KI zu weniger Arbeitsplätzen führen werde – eine Zahl, die eine verbreitete Intuition hinsichtlich dieser strukturellen Verwundbarkeit widerspiegelt, auch wenn die Makrodaten dies bislang in aggregierter Form nicht bestätigt haben.

Ein im September 2024 veröffentlichtes IWF-Arbeitspapier, das Daten aus US-amerikanischen Pendlerregionen von 2010 bis 2021 untersuchte, stellte fest, dass Gebiete mit höherer KI-Adoption einen stärkeren Rückgang des Beschäftigungs-Bevölkerungs-Verhältnisses verzeichneten. Entscheidend war, dass der negative Beschäftigungseffekt primär von der Fertigungsindustrie, niedrigqualifizierten Dienstleistungen, Beschäftigten mit mittlerer Qualifikation und Nicht-MINT-Berufen getragen wurde – nicht von der hochbezahlten Fachkräfteschicht, die den Großteil der medialen Aufmerksamkeit auf sich zieht. ◈ Starke Evidenz [9] Die regionale Granularität dieses Befundes ist von Bedeutung: Die Auswirkungen von KI auf den Arbeitsmarkt verteilen sich nicht gleichmäßig über die Geografie, und Gemeinden, deren wirtschaftliche Basis auf routinemäßiger kognitiver Dienstleistungsarbeit beruht, sehen sich einem qualitativ anderen Risiko gegenüber als Metropolregionen, die von hochqualifizierter Fachkräftebeschäftigung getragen werden.

Die Human Capital Leadership Review, die diese Evidenz im Dezember 2025 zusammenfasste, identifizierte eine sogenannte Bifurkationsbedrohung: eine Spaltung zwischen KI-augmentierten „Super-Arbeitskräften“ – Fachleuten, die KI einsetzen, um ihre Leistung zu vervielfachen und Spitzengehälter zu erzielen – und einer marginalisierten mittleren Schicht, deren Aufgaben automatisiert werden, ohne dass ihr Zugang zur neuen Augmentierungsprämie gewährt werde. ◈ Starke Evidenz [10]

Die im Juli 2025 veröffentlichte Analyse von Microsoft Research, die auf 200.000 anonymisierten Microsoft-Copilot-Gesprächen aus dem Zeitraum Januar bis September 2024 basiert, erstellte die bislang wohl granularste Karte beruflicher KI-Exposition. Dolmetscher und Übersetzer stehen an der Spitze der Liste: 98 Prozent ihrer Arbeitstätigkeiten überschneiden sich mit KI-Fähigkeiten – eine außerordentliche Zahl, die die nahezu vollständige Digitalisierung der sprachlichen Vermittlung widerspiegelt. Historiker, Schriftsteller und Vertriebsmitarbeiter zählen ebenfalls zu den am stärksten exponierten Berufsgruppen. Insgesamt identifizierte Microsoft Research 8,4 Millionen US-amerikanische Beschäftigte in den 40 am stärksten von KI betroffenen Berufskategorien. ◈ Starke Evidenz [7]

Die Federal Reserve Bank von St. Louis veröffentlichte im August 2025 eine Analyse der Arbeitslosigkeitstrends nach beruflichem KI-Expositionswert für den Zeitraum 2022 bis 2025 und fand eine statistisch signifikante Korrelation: Berufe mit höherer KI-Exposition wiesen steilere Anstiege der Arbeitslosigkeit auf, mit einem Korrelationskoeffizienten von 0,57. Computer- und mathematische Berufe – mit einem KI-Expositionswert von etwa 80 Prozent – verzeichneten einige der steilsten Anstiege der Arbeitslosigkeit aller Berufskategorien. ◈ Starke Evidenz [3]

Der Kundendienstsektor bietet eines der deutlichsten empirischen Fenster in das, was bestätigte, messbare Verdrängung konkret bedeutet. Die Site Selection Group dokumentierte einen Rückgang von etwa 80.000 Kundendienstpositionen in den USA zwischen 2022 und 2024 – eine Kontraktion, die sich auf den Zeitraum der schnellsten Einführung von KI-Kundendienst konzentrierte. ◈ Starke Evidenz [8] Dies ist keine Projektion und kein Modell; es ist ein beobachteter Personalabbau in einem konkreten Sektor während eines konkreten Zeitfensters der KI-Adoption.

Um festzustellen, welche Berufe vor KI-bedingter Verdrängung geschützt sind, muss man verstehen, was KI nicht leisten kann – nicht, woran sie heute scheitert, sondern was für ein System, das Sprache, Code und Bilder verarbeitet und generiert, strukturell unerreichbar bleibt. Die Antwort konvergiert auf zwei Kategorien: verkörperte physische Arbeit, die Geschicklichkeit und situatives Urteilsvermögen in unstrukturierten Umgebungen erfordert, sowie zwischenmenschliche Beziehungen mit hohem Vertrauensbedarf, bei denen der Wert der Interaktion untrennbar mit der Person verbunden ist, die sie erbringt.

Handwerksberufe – Elektriker, Klempner, Kälte- und Klimatechniker, Bauarbeiter – fallen in die erste Kategorie. Ihre Arbeit erfordert die physische Manipulation komplexer, variabler Umgebungen, Problemlösung in Echtzeit vor Ort und haftungsrelevantes Urteilsvermögen, das nicht an ein Sprachmodell delegiert werden kann, das aus der Ferne operiert. Diese Berufe weisen niedrige KI-Expositionswerte und starke prognostizierte Wachstumskurven auf. Projektionen des Bureau of Labor Statistics, zitiert in der ALM-Corp-Synthese, zeigen ein Wachstum bei Pflegefachkräften (Nurse Practitioners) von 52 Prozent zwischen 2023 und 2033 – getrieben durch die demografische Nachfrage einer alternden Bevölkerung, die keine KI-Implementierung umlenken kann. ◈ Starke Evidenz [8]

Berufe in der Körperpflege und Gastronomie nehmen eine andere, aber gleichermaßen geschützte Position ein. Projektionen des Bureau of Labor Statistics zeigen, dass im Bereich Nahrungszubereitung und -service bis 2033 voraussichtlich mehr als 500.000 Stellen hinzukommen werden. ◈ Starke Evidenz [8] Diese Rollen erfordern physische Präsenz, emotionale Einfühlsamkeit und sind in einem Arbeitsmarkt angesiedelt, in dem robotergestützte Substitution bei den derzeitigen Lohnniveaus wirtschaftlich nicht wettbewerbsfähig bleibt.

Die Unterscheidung zwischen Exposition und Verdrängung ist hier entscheidend. Die IWF-Analyse vom Januar 2024 ergab, dass in fortgeschrittenen Volkswirtschaften rund 60 Prozent der Arbeitsplätze von KI betroffen sein könnten – doch Betroffenheit sei nicht gleichbedeutend mit Elimination. ✓ Gesicherte Tatsache [2] Etwa die Hälfte der exponierten Arbeitsplätze in fortgeschrittenen Volkswirtschaften werde voraussichtlich von KI als Produktivitätsinstrument profitieren – was bedeute, dass die Arbeitskraft ihre Rolle behalte, jedoch mit KI-gestützter Leistungssteigerung. Die andere Hälfte sehe sich Lohneinbußen oder Elimination gegenüber. Die entscheidende Variable, die bestimmt, welches Ergebnis eintritt, sei die Anpassungsfähigkeit – und es ist die Verteilung der Anpassungsfähigkeit, die die wichtigste und am wenigsten berichtete Dimension der Arbeitsmarktwirkung von KI darstellt.

Der folgenreichste Befund in der jüngeren empirischen Literatur zu KI und Beschäftigung betrifft nicht aggregierte Verdrängungsraten oder sektorale Arbeitslosigkeitstrends. Es handelt sich um eine Verteilungserkenntnis, die die Brookings Institution am 12. Februar 2026 in Zusammenarbeit mit GovAI veröffentlichte und die nicht nur misst, wer KI-exponiert ist, sondern wer KI-exponiert ist und zugleich eine geringe Anpassungsfähigkeit aufweist.

Die Studie beginnt mit einer grundlegenden Beobachtung: Von den 37,1 Millionen US-amerikanischen Beschäftigten in den am stärksten KI-exponierten Berufen verfügen 26,5 Millionen über eine überdurchschnittliche Anpassungsfähigkeit – das heißt, sie besitzen Bildungsabschlüsse, berufliche Übertragbarkeit, finanzielle Ressourcen oder geografische Mobilität, die ihnen bedeutsame Optionen für einen Übergang eröffnen. Diese Beschäftigten dominieren die Schlagzeilen. Es sind die Silicon-Valley-Ingenieure und die Finanzanalysten, deren anspruchsvolle Tätigkeiten KI angeblich ins Visier nehme. ✓ Gesicherte Tatsache [1]

Doch der wichtigste Befund der Studie betrifft die verbleibende Kohorte: etwa 6,1 Millionen US-amerikanische Beschäftigte, die sowohl einer hohen KI-Exposition als auch einer geringen Anpassungsfähigkeit gegenüberstehen. Diese Beschäftigten – überwiegend konzentriert in Büro-, Verwaltungs- und routinemäßigen kognitiven Dienstleistungsrollen – verfügen weder über die Qualifikationen noch über die finanziellen Puffer oder die berufliche Flexibilität, um einen erzwungenen Übergang zu bewältigen. Sie sind nicht in einer Karrierewende begriffen. Sie sitzen in der Falle. ✓ Gesicherte Tatsache [1]

Die Anpassungsfähigkeitslücke ist der zentrale analytische Rahmen, durch den der arbeitsmarktbezogene Schaden von KI beurteilt werden muss. Die gängige Darstellung – Fachkräfte im Bürosektor seien KI-exponiert, folglich seien sie die primären Opfer von KI – begeht einen logischen Fehler: Sie verwechselt Exposition mit Schaden. Exposition ohne Anpassungsfähigkeit ist kategorisch schädlicher als Exposition mit Anpassungsfähigkeit. Ein Softwareingenieur in einem San-Francisco-Unternehmen, der seinen Arbeitsplatz durch KI-Automatisierung verliert, verfügt in den meisten Fällen über Qualifikationen, Ersparnisse, berufliche Netzwerke und geografische Mobilität, um den Übergang zu bewältigen. Die Verwaltungsassistentin bei einer regionalen Versicherungsgesellschaft in Ohio, die dieselben Dateneingabe- und Terminplanungsaufgaben erledigt, die KI inzwischen übernehmen kann, verfügt über keine dieser Ressourcen.

Diese Unterscheidung wird durch die Qualifikationsbarriere bei neuen KI-Arbeitsplätzen zusätzlich verschärft. Laut SSRN-Forschung, zitiert in der ALM-Corp-Synthese, erfordern etwa 77 Prozent der neu geschaffenen KI-bezogenen Stellen einen Masterabschluss. ⚖ Umstritten [8] Selbst wenn die Nettoschöpfungsprojektion des Weltwirtschaftsforums – 92 Millionen Arbeitsplätze verdrängt, 170 Millionen geschaffen, ein Nettogewinn von 78 Millionen bis 2030 – sich als zutreffend erweisen sollte, bedeutet die strukturelle Qualifikationsinkongruenz, dass verdrängte Bürokräfte nicht einfach in neu geschaffene KI-Operations- oder Prompt-Engineering-Stellen wechseln können. Die Arbeitsplätze, die eliminiert werden, erfordern einen Schulabschluss. Die Arbeitsplätze, die geschaffen werden, erfordern einen Hochschulabschluss. Die Arithmetik der Nettoschöpfung ist für diese Kohorte schlicht irrelevant.

Der Brookings/GovAI-Befund, dass etwa 86 Prozent der 6,1 Millionen Beschäftigten mit geringer Anpassungsfähigkeit und hoher Exposition Frauen sind, ist kein Randdatum. Er spiegelt tiefgreifende strukturelle Muster wider, wie geschlechtsspezifische berufliche Segregation sowohl Risiko als auch Ressourcen innerhalb des US-amerikanischen Arbeitsmarktes verteilt hat. ✓ Gesicherte Tatsache [1]

Büro- und Verwaltungsarbeit – Dateneingabe, Terminkoordination, einfache Aktenführung, Kundenkorrespondenz, Büroadministration – wurde während des größten Teils des vergangenen Jahrhunderts überproportional von Frauen ausgeführt. Diese berufliche Konzentration war nicht technologisch unvermeidlich; sie war das Ergebnis eines Arbeitsmarktes, in dem Frauen in Rollen gelenkt wurden, die als unterstützend, subsidiär und routinemäßig klassifiziert waren, nicht als strategisch oder professionell. Die Ironie ist nun offenkundig: Dasselbe Klassifizierungssystem, das diese Rollen historisch unterbewertete, macht sie jetzt zum primären Ziel der KI-Substitution.

Die Geschlechterdimension der KI-bedingten Verdrängung wird durch die Messkriterien der Anpassungsfähigkeit selbst verstärkt. Der Anpassungsfähigkeitsindex der Brookings/GovAI-Studie berücksichtigt Faktoren wie Bildungsniveau, berufliche Übertragbarkeit, Zugang zu finanziellen Sicherheitsnetzen und geografische Mobilität. Frauen in Büroberufen sind in mehreren Dimensionen dieses Index systematisch benachteiligt: Sie sind häufiger geografisch immobil (aufgrund von Betreuungspflichten), verfügen seltener über MINT-Qualifikationen, die für technische Übergangspositionen erforderlich wären, und sind häufiger in Teilzeit- oder unregelmäßigen Beschäftigungsverhältnissen tätig, die im Falle einer Verdrängung weniger Schutz bieten.

Die umfassendere IWF-Analyse fügt diesem Befund eine globale Dimension hinzu. In fortgeschrittenen Volkswirtschaften habe der IWF festgestellt, dass KI einzigartigerweise hochqualifizierte Arbeitsplätze betreffe – ein Muster, das sich von früheren Automatisierungswellen unterscheide. Doch innerhalb dieser breiten Expositionslandschaft folge die Verteilung der Anpassungsfähigkeit geschlechtsspezifischen Linien, die vorbestehende Arbeitsmarktungleichheiten widerspiegeln, nicht technologische Neutralität. ✓ Gesicherte Tatsache [2]

Daten zur Erwerbsbeteiligung unterstreichen die strukturelle Verwundbarkeit. Zahlen des Bureau of Labor Statistics, zitiert in der ALM-Corp-Synthese, zeigen, dass die Erwerbsbeteiligung von Beschäftigten im Haupterwerbsalter ohne Hochschulabschluss von 88,6 Prozent im Jahr 1990 auf 82,3 Prozent in den letzten Jahren gesunken sei – eine langfristige Erosion, die KI für die spezifische Kohorte von Frauen in routinemäßiger kognitiver Dienstleistungsarbeit zu beschleunigen droht. ◈ Starke Evidenz [8]

Einer der politisch relevantesten Befunde in der jüngeren Literatur ist, dass die Arbeitsmarktwirkung von KI kein technologisch fixiertes Ergebnis ist, sondern ein variables, das maßgeblich durch das institutionelle Umfeld geprägt wird, in dem KI eingeführt wird. Die AB-Academics-Analyse, veröffentlicht im Januar 2026, stellte fest, dass in nordischen Ländern mit starker Gewerkschaftsvertretung und aktiver Arbeitsmarktpolitik die KI-Adoption mit engeren Lohnunterschieden einhergegangen sei. In den Vereinigten Staaten und im Vereinigten Königreich hingegen sei die KI-Adoption mit schärferer Lohnpolarisierung zusammengefallen. ◈ Starke Evidenz [12]

Diese Divergenz ist nicht zufällig. Nordische Arbeitsmärkte zeichnen sich durch zentralisierte Tarifverhandlungen, umfassende aktive Arbeitsmarktprogramme (Umschulungssubventionen, Arbeitsvermittlung, Lohnversicherung), starke gewerkschaftliche Beteiligung an betrieblichen Technologieadoptionsentscheidungen und soziale Sicherungssysteme aus, die Verdrängungsschocks erheblich abfedern. Wenn ein dänisches Unternehmen Verwaltungsfunktionen automatisiert, tritt die verdrängte Arbeitskraft in ein gut finanziertes Übergangssystem ein, das hohe Einkommensersatzraten, staatlich subventionierte Umschulungsmöglichkeiten und rechtliche Verpflichtungen des Arbeitgebers zur Konsultation von Arbeitnehmervertretern vor Umstrukturierungen umfasst.

Die Implikation ist direkt und politisch unbequem: Das Ausmaß des Schadens, den KI den 6,1 Millionen Beschäftigten mit geringer Anpassungsfähigkeit zufügt, die Brookings/GovAI identifiziert haben, ist keine Funktion der Leistungsfähigkeit der Technologie. Es ist eine Funktion dessen, ob diese Beschäftigten Zugang zu institutionellem Schutz und Übergangsressourcen haben. Im US-amerikanischen Kontext haben sie diesen weitgehend nicht. Die amerikanische Infrastruktur für den Arbeitsmarktübergang – Community-College-Umschulungsprogramme, Trade-Adjustment-Assistance-Mechanismen, Arbeitslosenversicherung – wurde für ein Verdrängungsmuster der Industrieära konzipiert, das durch geografisch konzentrierte Fabrikschließungen gekennzeichnet war, nicht für die diffuse, sektorübergreifende Verdrängung routinemäßiger kognitiver Arbeit.

David Autor vom MIT formulierte diesen Punkt in seinem NBER-Arbeitspapier von 2024 direkt: Die Anwendung von KI als destruktiv oder konstruktiv sei eine politische Entscheidung, keine technologische Unvermeidlichkeit. ◈ Starke Evidenz [11] Die aggregierten OECD-Daten – ein Anstieg der Lohnungleichheit um etwa 10 Prozent in den Mitgliedsländern zwischen 2000 und 2022, getrieben durch die Automatisierung routinemäßiger kognitiver Arbeit – stellen einen Durchschnitt dar, der die breite institutionelle Varianz zwischen den Ländern verdeckt. ◈ Starke Evidenz [12]

Die Evidenzlage zu den Arbeitsmarktauswirkungen von KI ist genuinely umstritten, und intellektuelle Redlichkeit erfordert, die Meinungsverschiedenheiten ebenso substanziell darzulegen wie die Bereiche des Konsenses. Drei unterschiedliche Forschungspositionen sind in der aktuellen Literatur vertreten, und sie lassen sich nicht durch einen Mittelweg versöhnen.

Die erste Position, vertreten durch die Analyse des Yale Budget Lab aus dem Jahr 2025, hält fest, dass die 33 Monate seit dem Start von ChatGPT keine erkennbare breite Disruption auf dem US-amerikanischen Arbeitsmarkt hervorgebracht hätten und dass der historische Befund konsistent zeige, dass sich weitreichende technologische Disruption über Jahrzehnte und nicht über Jahre entfalte. ◈ Starke Evidenz [5] Diese Position ist methodologisch konservativ und historisch fundiert: Sie weist zu Recht darauf hin, dass Vorhersagen einer raschen technologischen Massenarbeitslosigkeit im vergangenen Jahrhundert wiederholt aufgestellt und widerlegt worden seien.

Die Analyse von Goldman Sachs Research vom August 2025 stützt diese gemäßigte Sichtweise mit Sektormodellierung: Lediglich 2,5 Prozent der US-Beschäftigung seien unter gegenwärtigen Bedingungen direkt von Verdrängung bedroht, und ein etwaiger Anstieg der Arbeitslosigkeit während der Übergangsphase sei wahrscheinlich vorübergehender Natur, mit einer Dauer von etwa zwei Jahren. ⚖ Umstritten [6]

Die dritte Position, vertreten durch Brynjolfsson, Chan und Chen am Stanford Digital Economy Lab in ihrem Papier vom August 2025 – bezeichnenderweise betitelt Canaries in the Coal Mine? –, hält fest, dass die aggregierte Beschäftigung zwar gesund bleibe, berufs- und karrierestufenbezogene Daten jedoch klare Frühsignale konzentrierten Schadens zeigten. ◈ Starke Evidenz [4] Die Kanarienvogel-Metapher ist mit Bedacht gewählt: Berufseinsteiger in KI-exponierten Berufen sind die Kanarienvögel – die Ersten, die den Schaden erfahren, der sich, wenn nichts unternommen werde, die berufliche Hierarchie hinauf fortpflanzen werde.

Die methodologische Auflösung dieses Streits ist nicht rein empirischer Natur – sie ist teilweise eine Frage der moralisch relevanten Analyseeinheit. Wenn die relevante Einheit die aggregierte US-Beschäftigung ist, haben Yale und Goldman Sachs recht, dass das Bild stabil bleibt. Wenn die relevante Einheit Berufseinsteiger in der Softwareentwicklung im Jahr 2024 oder die 6,1 Millionen Beschäftigten mit geringer Anpassungsfähigkeit im Jahr 2026 sind, sieht das Bild wesentlich anders aus. Beide sind zutreffende Beschreibungen unterschiedlicher Ausschnitte der Realität. Die politische Frage ist, welcher Ausschnitt dringendere Aufmerksamkeit erfordert.

Die relativ bescheidenen bestätigten Verdrängungszahlen von 2024–2025 – 55.000 direkte KI-bedingte Stellenstreichungen, 200.000 bis 300.000 insgesamt KI-zuschreibbare Positionen – müssen im Kontext betrieblicher Adoptionszeitpläne interpretiert werden, nicht als stabiles langfristiges Gleichgewicht. Die Einführung von KI in Unternehmen folgt einer gut dokumentierten Diffusionskurve: Pilotprojekte 2022–2023, selektive Einführung im großen Maßstab 2024–2025 und tiefgreifende operative Integration, die ab 2026–2028 ganze Funktionsbereiche umgestaltet. Die heute sichtbaren Zahlen repräsentieren die Vorderkante der Einführung, nicht ihren ausgereiften Zustand.

Die breitere Einschätzung des IWF ist hier relevant: Etwa die Hälfte der KI-exponierten Arbeitsplätze in fortgeschrittenen Volkswirtschaften sehe sich der Gefahr von Lohneinbußen oder Elimination gegenüber – nicht unmittelbar, sondern in dem Maße, wie sich die KI-Fähigkeiten erweitern und die Kostenstrukturen der Unternehmen anpassen. ✓ Gesicherte Tatsache [2] Der Zeitpunkt dieser Materialisierung ist umstritten – die ALM-Corp-Synthese, die auf mehrere Forschungsstränge zurückgreift, verortet die wesentlichen Verstärkungseffekte zwischen 2027 und 2030 –, doch die strukturellen Kräfte, die sie antreiben, sind es nicht. ⚖ Umstritten [8]

Die Analyse der Federal Reserve Bank von St. Louis vom August 2025 liefert einen wertvollen Frühindikator: Der Korrelationskoeffizient von 0,57 zwischen KI-Adoptionsraten und Arbeitslosigkeitsveränderung über Berufsgruppen hinweg von 2022 bis 2025 stellt ein gemessenes Signal dar, keinen Krisenalarm. ◈ Starke Evidenz [3] Doch Korrelationskoeffizienten, die in frühen Adoptionsphasen gemessen werden, tendieren dazu, die endgültige Effektstärke zu unterschätzen, da die Adoption in Unternehmen nichtlinear verläuft: Sie beschleunigt sich, wenn Softwarekosten sinken, die Vertrautheit der Beschäftigten zunimmt und der Wettbewerbsdruck nachrückende Unternehmen zwingt, die KI-getriebenen Kostenstrukturen der Vorreiter zu übernehmen.

Die Frage, ob der globale Nettobeschäftigungseffekt positiv ausfallen wird – das WEF prognostiziert eine Nettschöpfung von 78 Millionen Arbeitsplätzen bis 2030 – oder negativ, ist tatsächlich ungelöst. ⚖ Umstritten [8] Was nicht ungelöst ist, ist die Verteilungsfrage: Ob der Nettoeffekt positiv oder negativ ausfällt – die Beschäftigten mit geringer Anpassungsfähigkeit werden von neu geschaffenen KI-Stellen nicht profitieren. Der Wendepunkt 2027–2030 ist für die 6,1 Millionen Beschäftigten mit geringer Anpassungsfähigkeit ein Countdown, kein ferner Horizont.

Die vorherrschende politische Antwort auf KI-bedingte Arbeitsmarktverdrängung – Umschulungsprogramme, die verdrängten Beschäftigten den Übergang in KI-nahe Berufe ermöglichen sollen – enthält einen strukturellen Widerspruch, den die empirische Evidenz deutlich macht. Wenn etwa 77 Prozent der neu geschaffenen KI-bezogenen Stellen einen Masterabschluss erfordern, ⚖ Umstritten [8] dann ist ein Umschulungsprogramm, das verdrängten Verwaltungskräften sechsmonatige Berufsbildungskurse anbietet, kein Weg in die entstehende KI-Wirtschaft – es ist eine Qualifikationslücke, die in Jahren an Hochschulbildung gemessen wird, die sich die meisten verdrängten Beschäftigten nicht leisten können, zu der sie keinen Zugang haben und die sie in vielen Fällen nicht absolvieren können, während sie Betreuungspflichten wahrnehmen, die überproportional auf Frauen lasten.

Die strukturelle Inkongruenz zwischen der verdrängten Kohorte und den Anforderungen neu geschaffener Stellen ist die politische Herausforderung, für die gegenwärtige Rahmenwerke nicht konzipiert wurden. Das US-amerikanische Trade-Adjustment-Assistance-Programm, das zur Unterstützung von durch internationalen Handel verdrängten Beschäftigten konzipiert wurde, bietet eine Vorlage, die konsistent unterfinanziert und eng definiert geblieben ist. Eine Ausweitung und Umgestaltung solcher Mechanismen für KI-bedingte Verdrängung – mit ausreichend langen Einkommensunterstützungsphasen, um einen echten Qualifikationserwerb zu ermöglichen, Kinderbetreuungsangeboten zur Unterstützung von Frauen mit Betreuungspflichten und Unterstützung bei geografischer Mobilität – würde politische Investitionen erfordern, die bislang nicht erfolgt sind.

Drei spezifische politische Versäumnisse lassen sich aus der Evidenzbasis identifizieren. Erstens sind die gegenwärtigen Umschulungsinvestitionen unzureichend dimensioniert: Unabhängige Schätzungen beziffern die gesamte KI-zuschreibbare Verdrängung im Jahr 2025 auf 200.000 bis 300.000 Positionen, ◈ Starke Evidenz [8] und der politische Apparat zu deren Unterstützung – Community-College-Programme, Gremien für Personalentwicklung, staatliche Umschulungssubventionen – wurde weder für dieses Volumen noch für diese berufliche Verteilung konzipiert. Zweitens wurde die geografische Risikokonzentration nicht in gezielte Interventionen übersetzt: Der Befund des IWF-Arbeitspapiers vom September 2024, dass US-amerikanische Pendlerregionen mit höherer KI-Adoption zwischen 2010 und 2021 stärkere Rückgänge des Beschäftigungs-Bevölkerungs-Verhältnisses verzeichneten, ◈ Starke Evidenz [9] identifiziert konkrete Gemeinden mit erhöhtem Risiko – Gemeinden, die keine gezielten vorbereitenden Investitionen erhalten haben. Drittens wurde die Geschlechterdimension der Anpassungsfähigkeitslücke nicht in die Politikgestaltung integriert: Programme, die ohne explizite Berücksichtigung von Betreuungsbarrieren, dem Ausmaß der Qualifikationslücke und Mustern beruflicher Feminisierung konzipiert werden, werden die 86 Prozent der vulnerabelsten Kohorte, die Frauen sind, nicht erreichen. ✓ Gesicherte Tatsache [1]

Das Gesamtbild – 40 Prozent der weltweiten Beschäftigung sind KI-exponiert, eine Technologie, die kognitive Arbeit in einem historisch beispiellosen Ausmaß ins Visier nimmt ✓ Gesicherte Tatsache [2] – erfordert eine politische Antwort, die auf die am schlechtesten positionierten Beschäftigten kalibriert ist, nicht auf die sichtbarsten. Die 6,1 Millionen Beschäftigten mit geringer Anpassungsfähigkeit, die Brookings und GovAI im Februar 2026 dokumentiert haben, erzeugen keine Silicon-Valley-Schlagzeilen und keine Analystenberichte an der Wall Street. Sie sind, im Titel des Stanford-Digital-Economy-Lab-Papiers vom August 2025, die Kanarienvögel in der Kohlenmine. [4] Ob die Governance-Systeme ihre Warnung registrieren, bevor die Verdrängungswelle die prognostizierte Intensität von 2027–2030 erreicht, wird darüber entscheiden, ob das Arbeitsmarkterbe von KI ein beherrschbarer Übergang oder eine strukturelle Narbe ist, die sich in den wirtschaftlich fragilsten Gemeinden der amerikanischen Erwerbsbevölkerung konzentriert.