Die Kernbotschaft: KI verändert – aber anders als erwartet

KI verändert die Arbeitswelt – aber nicht so, wie die meisten denken. Während Schlagzeilen von massenhaften Jobverlusten warnen, zeigt diese Anthropic-Studie ein differenzierteres Bild: Die tatsächliche Durchdringung von KI in Berufen bleibt weit hinter den theoretischen Möglichkeiten zurück. Gleichzeitig verschieben sich die Gewichte – nicht mit einem Knall, sondern schleichend, besonders bei jungen Berufseinsteigern. Für Personalverantwortliche und Führungskräfte ist das eine gute Nachricht und eine Warnung zugleich: Wer jetzt nicht hinschaut, verliert den Anschluss an eine Entwicklung, die noch steuerbar ist.

Das Messinstrument: Von der Theorie zur beobachteten Realität

Das Herzstück der Studie ist ein neues Messinstrument namens „Observed Exposure“. Im Gegensatz zu früheren Modellen, die ausschließlich fragen, ob KI eine Aufgabe theoretisch übernehmen könnte, misst dieses Instrument, ob sie es tatsächlich tut. Drei Datenquellen fließen zusammen: Die O*NET-Datenbank mit rund 800 Berufen und ihren Aufgabenprofilen, die theoretischen Expositionsbewertungen von Eloundou et al. (2023) und reale Nutzungsdaten aus dem Anthropic Economic Index.

Die Forscher unterscheiden dabei zwischen Augmentierung – KI unterstützt den Menschen bei einer Aufgabe – und Automatisierung – KI führt die Aufgabe eigenständig aus. Letztere wird in der Messung doppelt gewichtet, weil sie ein stärkeres Signal für potenzielle Arbeitsplatzverdrängung darstellt. Außerdem zählen nur Nutzungsmuster, die in beruflichen Kontexten auftreten – private Nutzung bleibt außen vor.

Die Visualisierung als Radardiagramm macht die „Theorie-Praxis-Lücke“ eindrucksvoll sichtbar: In der Kategorie „Computer & Math“ sind theoretisch 94 % der Aufgaben KI-fähig, real abgedeckt werden aber nur 33 %. Bei Büro- und Verwaltungsberufen liegt die theoretische Durchdringung bei 90 %, die tatsächliche deutlich darunter. Diese Kluft ist kein Zeichen für das Versagen von KI, sondern für Adoptionsbarrieren: rechtliche Hürden, Softwareanforderungen, Prüfschritte und organisatorische Trägheit.

Wer ist betroffen – und wer nicht?

Die zehn am stärksten exponierten Berufe zeigen ein klares Muster: An der Spitze stehen Computer-Programmierer (74,5 % Abdeckung), gefolgt von Kundenservice-Mitarbeitenden (70,1 %) und Dateneingabekräften (67,1 %). Auch Marktforscher, Finanzanalysten und IT-Sicherheitsexperten finden sich unter den Top 10. Am anderen Ende: 30 % aller Beschäftigten mit null Exposition – Köche, Mechaniker, Rettungsschwimmer, Barkeeper.

Ein überraschendes Ergebnis der demografischen Analyse: Die am stärksten KI-exponierten Beschäftigten sind im Durchschnitt älter, häufiger weiblich, besser ausgebildet und verdienen rund 47 % mehr als die nicht-exponierte Gruppe. Absolventen mit Master- oder Doktortitel sind in der exponierten Gruppe fast viermal so häufig vertreten. Das widerspricht dem weit verbreiteten Narrativ, KI treffe vor allem Geringqualifizierte.

Der Blick auf die Daten: Keine Massenarbeitslosigkeit – aber ein Frühwarnsignal

Beim Blick auf die Arbeitsmarktdaten zeigt sich bislang kein Masseneffekt: In einem Difference-in-Differences-Rahmen finden die Forscher keinen statistisch signifikanten Anstieg der Arbeitslosigkeit bei hochexponierten Berufsgruppen seit der Veröffentlichung von ChatGPT Ende 2022. Die Arbeitslosenquoten der am stärksten und am wenigsten exponierten Gruppen verlaufen nahezu parallel.

Doch unter der Oberfläche bewegt sich etwas: Bei jungen Beschäftigten zwischen 22 und 25 Jahren zeigt sich ein Rückgang der Neueinstellungen in exponierte Berufe um rund 14 % – ein Ergebnis, das knapp statistisch signifikant ist und die Befunde anderer Studien (Brynjolfsson et al. 2025) bestätigt. Wichtig: Es handelt sich nicht um Entlassungen, sondern um eine schleichende Verlangsamung bei Neueinstellungen. Die jungen Menschen, die nicht eingestellt werden, kehren möglicherweise an Hochschulen zurück, nehmen andere Stellen an oder verlassen den Arbeitsmarkt vorläufig.

Die BLS-Beschäftigungsprognosen bis 2034 korrelieren leicht negativ mit der Observed Exposure: Pro 10 Prozentpunkte höherer KI-Exposition sinkt die prognostizierte Beschäftigungsentwicklung um 0,6 Prozentpunkte. Der Zusammenhang ist schwach, aber richtungsweisend – und er tritt nur mit dem neuen Maßstab auf, nicht mit rein theoretischen Expositionsmaßen.

Einordnung: Was das für Arbeiten 5.0 bedeutet

Für die Debatte um Arbeiten 5.0 ist diese Studie aus mehreren Gründen richtungsweisend. Sie ersetzt Spekulation durch Empirie, Theorie durch beobachtete Realität. Das Ergebnis ist nüchterner als viele Prognosen: KI verdrängt (noch) keine Massen von Beschäftigten. Aber sie verändert die Einstiegsmöglichkeiten für junge Menschen in wissensintensiven Berufen – und das ist ein Frühwarnsignal, das Personalentwicklung und Ausbildungsplanung nicht ignorieren dürfen.

Die Studie widerlegt auch zwei verbreitete Vereinfachungen: Erstens die Annahme, KI betreffe vor allem einfache Tätigkeiten. Tatsächlich sind die exponierten Berufe überdurchschnittlich qualifiziert und gut bezahlt. Zweitens die Vorstellung, theoretisches Potenzial bedeute automatisch praktische Verdrängung. Die enorme Lücke zwischen Theorie und Praxis zeigt: Adoption ist kein Schalter, sondern ein Prozess – beeinflusst von Regulierung, Organisationskultur und Vertrauen.

Für Führungskräfte und HR-Verantwortliche in KMU und öffentlichem Dienst bedeutet das: Weder Panik noch Passivität sind angemessen. Was zählt, ist ein evidenzbasiertes Monitoring der eigenen Berufsprofile, eine strategische Investition in Qualifizierung – und vor allem die Bereitschaft, die Schleicheffekte bei Neueinstellungen junger Fachkräfte als das zu erkennen, was sie sind: erste Signale eines strukturellen Wandels, der sich gestalten lässt, wenn man früh genug hinschaut.