Auswirkungen der KI auf den Arbeitsmarkt oder vom Mythos des Jobkillers
Künstliche Intelligenz (KI) entwickelt sich mit einer rasanten Geschwindigkeit. Die Fortschritte sind beeindruckend. Diagnosetools in der Medizin, personalisierte Empfehlungen im E-Commerce, autonom erzeugte Inhalte auf sozialen Medien, selbstfahrende Autos, KI-Agenten im Büro oder, wie zuletzt prominent auf der Bühne der Hannover-Messe gesehen, humanoide Roboter – die Einsatzmöglichkeiten werden immer vielfältiger. Viele sprechen bereits von einer „general purpose technology“, also einer Technologie, die das Potenzial hat, Gesellschaft, Wirtschaft und Arbeitswelt in einer Weise umzukrempeln wie man es für die Vergangenheit der Dampfmaschine, der Elektrifizierung oder auch dem Internet zugeschrieben hat. KI-Tools erscheinen unfassbar wirkmächtig. Das Bild, das von KI in der öffentlichen Diskussion gezeichnet wird, schwankt daher je nach Perspektive zwischen zwei Narrativen, dem der Weltenzerstörerin und dem der Weltenerlöserin.
Das macht am Ende auch nicht vor den Einschätzungen halt, wie KI den Arbeitsmarkt verändert. Allerdings gewinnt man den Eindruck, dass hier die Erzählung der Weltenzerstörerin dominiert. KI wird das Potenzial zugeschrieben, in weiten Teilen der Arbeitswelt Aufgaben zu automatisieren, die bislang von Menschen übernommen werden. In diesem Sinne setzt sich eine Diskussion um potenziell negative Beschäftigungseffekte der Digitalisierung fort, die vor mehr als einer Dekade begonnen hatte. Zu Beginn dieser Debatte, Mitte der 2010er Jahre, standen insbesondere Tätigkeiten und Berufe auf dem Prüfstand, die man auch in der Vergangenheit schon immer als besonders automatisierungsanfällig betrachtet hatte, zum Beispiel Beschäftigte in der industriellen Produktion mit Helfer- und Routineaufgaben. Mittlerweile rücken vor allem im Zusammenhang mit generativer KI auch berufliche Tätigkeiten in den Blickpunkt der Automatisierungsdebatte, die aufgrund relativ hoher kognitiver Anforderungen in der Vergangenheit immer als Profiteure des technischen Fortschritts betrachtet wurden.
Meine Kollegin, Stefanie Seele (2024), zeigt zum Beispiel für Deutschland, dass rund neun von zehn Beschäftigten mit sehr hohen Qualifikationsanforderungen, sogenannte Experten nach der Definition der Klassifikation der Berufe, eine große KI-Nähe aufweisen. Unter denjenigen auf dem zweithöchsten beruflichen Anforderungsniveau, den sogenannten Spezialisten, trifft dies auf jeden Zweiten bzw. jede Zweite zu. Die ermittelte KI-Nähe beruht auf einem Konzept, bei dem vereinfacht gesagt geprüft wird, ob die Aufgaben von Beschäftigten in bestimmten Berufen potenzielle Berührungspunkte zu den Einsatzmöglichkeiten von unterschiedlichen KI-Anwendungen im Jahr 2018 aufweisen. Die Herangehensweise ähnelt damit jener wie bei der potenziellen Substituierbarkeit durch Digitalisierungstechnologien, mit der die Automatisierungsdebatte vor mehr als zehn Jahren wieder Fahrt aufgenommen hatte. Da ist man schnell bei der Hand und setzt KI-Nähe mit leicht substituierbar gleich. Und schon ist man bei der Weltenzerstörerin, die das Ende der Arbeit einläutet. Niemand scheint mehr sicher. Vor allem wenn man bedenkt, welche Entwicklungssprünge KI-Anwendungen seit 2018 gemacht haben, wodurch das Ausmaß der KI-Betroffenheit und der Kreis der KI-nahen Beschäftigten größer geworden sein dürfte.
In den Beschäftigtenstatistiken ist allerdings bislang kein negativer Beschäftigungseffekt der KI sichtbar geworden. Von massenhaften Freisetzungswellen bei den besonders KI-nahen Gruppen keine Spur. Die Entwicklung bei der Anzahl der Beschäftigten ist diesbezüglich unauffällig. Die empirische Evidenz ähnelt damit jener, die bereits im Zusammenhang mit anderen Digitalisierungstechnologien zu beobachten war.
Dies mag erstens daran liegen, dass KI-Anwendungen in den betroffenen beruflichen Aufgabenbereichen aufgrund zu hoher Hürden noch nicht in einem Ausmaß zum Einsatz kommen, wie es ihr Rationalisierungspotenzial auf den ersten Blick vermuten lassen würde. Die Verbreitung von KI in deutschen Unternehmen schreitet zwar voran, ist aber noch weit davon entfernt, flächendeckend umfassende Wirkung zu erzeugen. Die Gründe hierfür sind vielfältig; Scheufen et al. (2025) geben hier einen Überblick.
Zweitens ist völlig offen, ob KI tatsächlich substitutiv wirkt oder nicht eher komplementär. Das Konzept der KI-Nähe oder der KI-Betroffenheit führt nicht zwangsläufig zum Schluss, dass bislang ausgeübte Tätigkeiten automatisiert werden. KI-Tools zur automatischen Bilderkennung ersetzen Radiologen und Dermatologen nicht. Sie verbessern deren Diagnosefähigkeit und erlauben es den Ärztinnen und Ärzten, ihre wertvolle Zeit für andere Aufgaben zu verwenden – zum Beispiel für die Identifikation von geeigneten individualisierten Therapien und die Beratung der Patienten. Oder mit anderen Worten, KI-nahe Beschäftigte werden produktiver – vorausgesetzt, sie haben die Kompetenzen, die KI-Anwendungen effektiv und effizient einzusetzen. Das ist im Zweifel eine Frage der Aus- und Weiterbildung und im Grund nichts anderes wie in der Vergangenheit schon bei allen anderen Technologien.
Aber selbst wo KI-Tools tatsächlich Automatisierungseffekte erzeugen, ist drittens nicht gesagt, dass die betroffenen Beschäftigten ihre Jobs verlieren.
