Die Datenlage: Widerspruch als Normalzustand

Im März 2026 liegen so viele empirische Daten zum Verhältnis von KI und Arbeitsmarkt vor wie nie zuvor. Die Harvard Business School hat US-Stellenanzeigen von 2019 bis 2025 ausgewertet. Anthropic hat einen Economic Index veröffentlicht, der tatsächliche KI-Nutzung im Arbeitsalltag misst. Das World Economic Forum hat seinen Future of Jobs Report aktualisiert. Und die Bertelsmann Stiftung hat den deutschen Markt unter die Lupe genommen.

Die ehrliche Zusammenfassung: Die Daten widersprechen sich -- teilweise fundamental. Je nachdem, welche Studie du zitierst, steht der Arbeitsmarkt vor einer Renaissance oder vor einer stillen Krise. Beides gleichzeitig zu behaupten wäre unseriös. Aber beide Perspektiven haben empirische Grundlagen. Genau das macht die Einordnung schwierig -- und genau deshalb lohnt es sich, genauer hinzuschaün.

Harvard: Weniger Stellen für automatisierbare Rollen

Die Harvard Business School hat alle US-Stellenanzeigen der letzten sechs Jahre analysiert. Das zentrale Ergebnis: Rollen, die stark automatisierbar sind, verzeichnen 17 Prozent weniger Stellenanzeigen. Gleichzeitig sind Positionen, die auf Human-AI Collaboration ausgelegt sind, um 22 Prozent gewachsen.

Das klingt nach einer sauberen Verschiebung: weniger Routine, mehr Zusammenarbeit. Aber die Details erzählen eine komplexere Geschichte. Die stärksten Rückgänge finden sich in Finance und Technologie -- also nicht in den klassischen Blue-Collar-Bereichen, die man intuitiv zürst vermuten würde. Am schnellsten wachsen Rollen, die Social Skills, Urteilsvermögen und die Fähigkeit zur Zusammenarbeit mit KI-Systemen erfordern.

Der Harvard-Befund bestätigt, was viele im Tagesgeschäft schon beobachten: KI ersetzt nicht pauschal Jobs, sondern verändert die Zusammensetzung von Aufgaben innerhalb bestehender Rollen. Der Finanzanalyst wird nicht arbeitslos -- aber er braucht andere Fähigkeiten als noch vor drei Jahren.

Anthropic: Die Kluft zwischen Potenzial und Realität

Anthropics Economic Index liefert eine Perspektive, die in der öffentlichen Debatte oft untergeht. Die Forscher haben gemessen, was KI theoretisch automatisieren könnte -- und was tatsächlich automatisiert wird. Das Ergebnis: Die reale Adoption ist nur ein Bruchteil dessen, was technisch möglich wäre.

Das ist keine Entwarnung. Es ist ein Timing-Argument. Die Technologie ist da, die Infrastruktur wächst, aber die Integration in bestehende Arbeitsabläufe ist langsamer als die Modell-Entwicklung. Anthropic nennt das Szenario, über das die Wissensarbeiter-Ökonomie nachdenken sollte, eine mögliche "Great Recession for white-collar workers" -- analog zur Finanzkrise 2007-2009, als die US-Arbeitslosenquote von 5 auf 10 Prozent stieg.

Aktuell zeigen die Daten noch keinen Anstieg der Arbeitslosigkeit in den am stärksten exponierten Berufen. Aber es gibt erste Hinweise auf verlangsamte Einstellungen bei Berufseinsteigern zwischen 22 und 25 Jahren. Das ist subtiler als eine Entlassungswelle, aber potenziell genauso weitreichend: Wenn der Einstieg in eine Karriere schwieriger wird, hat das Auswirkungen auf eine ganze Generation.

Demografisch sind die am stärksten exponierten Gruppen tendenziell älter, besser ausgebildet, besser bezahlt und häufiger weiblich. Das widerspricht dem gängigen Narrativ, dass KI vor allem Geringqualifizierte trifft.

WEF: Die grosse Netto-Rechnung

Das World Economic Forum hat über 1.000 Unternehmen in 55 Ländern befragt. Die Headline-Zahl: Bis 2030 werden weltweit 92 Millionen Jobs wegfallen und 170 Millionen neu entstehen -- ein Netto-Plus von 78 Millionen Stellen.

Auf den ersten Blick beruhigend. Aber drei Aspekte relativieren die Zahl erheblich.

Erstens: 41 Prozent der befragten Unternehmen planen, ihre Belegschaft aufgrund von KI-Automatisierung zu reduzieren. Gleichzeitig wollen 77 Prozent in Weiterbildung investieren. Das heisst: Unternehmen planen Abbau und Umschulung gleichzeitig. Die Frage ist, ob die Umschulung schnell genug passiert.

Zweitens: Die neun Jobs entstehen nicht zwingend dort, wo die alten wegfallen. Ein entlassener Buchhalter in Leipzig wird nicht automatisch zum AI Operations Specialist in München. Geografische, branchenbezogene und qualifikatorische Diskrepanzen sind in den WEF-Zahlen nicht abgebildet.

Drittens: KI und Big Data stehen an der Spitze der gefragtesten Skills. Das überrascht niemanden. Aber es bedeutet auch: Wer diese Skills nicht aufbaut, fällt zurücksteigt aus dem Pool der vermittelbaren Arbeitskräfte heraus. Die Schere zwischen KI-kompetenten und nicht-KI-kompetenten Arbeitnehmern wird größer, nicht kleiner.

Deutschland: Stiller Einstellungsstopp statt Kündigungswelle

Für den deutschen Markt zeigen die Daten ein eigenes Muster. Laut Bitkom erwarten 67 Prozent der befragten Unternehmen keine Auswirkungen auf ihre Gesamtbeschäftigung durch KI. Nur ein Fünftel rechnet mit Stellenabbau.

Parallel dazu sind Stellenanzeigen in bestimmten Bereichen zwischen Q3 2024 und Q3 2025 drastisch eingebrochen: Call-Center-Jobs minus 67 Prozent, Copywriting minus 53 Prozent, Projektmanagement minus 48 Prozent, IT-Consulting minus 34 Prozent. Das sind keine marginalen Verschiebungen.

Was in Deutschland passiert, ist kein dramatischer Kahlschlag, sondern ein stiller Einstellungsstopp bei Berufseinsteigern. Unternehmen entlassen nicht, sie stellen einfach weniger ein. Das ist politisch weniger sichtbar als Massenentlassungen, hat aber ähnliche strukturelle Auswirkungen.

Gleichzeitig fehlen laut Bitkom weiterhin über 100.000 IT-Fachkräfte in Deutschland. Fachkräftemangel und KI-bedingter Stellenrückgang existieren parallel -- in verschiedenen Segmenten desselben Arbeitsmarktes. Das ist kein Widerspruch, sondern ein Verteilungsproblem.

Siemens hat Anfang 2026 angekündigt, rund 6.000 Mitarbeitende gezielt auf KI-Kompetenzen umzuschulen statt sie zu entlassen. Das wird gerne als Best Practice zitiert -- und es ist ein guter Ansatz. Aber nicht jedes Unternehmen hat die Ressourcen eines DAX-Konzerns für ein Programm dieser Größenordnung.

Die unbeqüme Wahrheit über Produktivität

Ein Aspekt, der in fast allen Studien mitschwingt, aber selten explizit adressiert wird: KI steigert die Produktivität pro Kopf. McKinsey schätzt, dass bis zu 30 Prozent der aktuell geleisteten Arbeitsstunden automatisiert werden könnten. Das heisst: Weniger Menschen können denselben Output liefern.

Die Frage ist, was Unternehmen mit dieser Produktivitätssteigerung machen. Zwei Szenarien:

Szenario A: Der Output bleibt gleich, die Kosten sinken. Das führt zu Stellenabbau.

Szenario B: Die Kosten bleiben gleich, der Output steigt. Das führt zu Wachstum und potenziell zu neun Rollen.

In der Realität passiert beides gleichzeitig, in unterschiedlichen Unternehmen und Branchen. Aber es gibt einen systematischen Bias: In wirtschaftlich schwachen Phasen dominiert Szenario A. Und die deutsche Wirtschaft ist nicht gerade in Hochstimmung.

Dazu kommt ein Effekt, den eine PwC-Analyse zeigt: Mitarbeitende mit KI-Skills verdienen bis zu 56 Prozent mehr als vergleichbare Kollegen ohne. Der Arbeitsmarkt preist KI-Kompetenz bereits jetzt ein -- und zwar mit erheblichen Prämien.

Was bei Berufseinsteigern passiert

Der vielleicht beunruhigendste Befund betrifft Berufsanfänger. KI automatisiert systematisch die Aufgaben, die traditionell Einstiegspositionen ausmachen: Datenaufbereitung, Recherche, einfache Analysen, Zusammenfassungen, Administrative Zuarbeit.

Das Problem: Diese Aufgaben waren nicht nur Arbeit, sondern auch Ausbildung. Wer als Junior Analyst zwei Jahre lang Spreadsheets pflegt, lernt dabei das Geschäft zu verstehen. Wenn KI diese Aufgaben übernimmt, fällt nicht nur die Stelle weg, sondern auch der Lernpfad.

Die Anthropic-Daten bestätigen das für die Altersgruppe 22-25: keine höhere Arbeitslosigkeit, aber verlangsamte Einstellungsraten. Das ist der stille Umbau, der keine Schlagzeilen macht -- aber dafür langfristige Konseqünzen hat.

Einordnung: Was das konkret bedeutet

Die Datenlage ist klar genug für drei Schlussfolgerungen:

1. Der Strukturwandel ist real, aber nicht gleichmäßig verteilt. Manche Berufe schrumpfen schnell (Call Center, Copywriting, einfaches Consulting), andere wachsen (AI Operations, Human-AI Collaboration, Prompt Engineering). Wer in einem schrumpfenden Segment sitzt, braucht einen Plan.

2. Weiterbildung ist keine Option, sondern eine wirtschaftliche Notwendigkeit. Die Gehaltspämie für KI-Skills ist real, der Einstellungsstopp für Berufseinsteiger ohne diese Skills ebenfalls. Unternehmen, die jetzt nicht in Upskilling investieren, werden in 18 Monaten ein Kompetenzproblem haben.

3. Die Debatte "KI als Jobkiller" versus "KI schafft neu Jobs" ist falsch gerahmt. Beides passiert gleichzeitig. Die relevante Frage ist: Passiert die Verschiebung schnell genug, um die Betroffenen mitzunehmen? Und die ehrliche Antwort, basierend auf den aktuellen Daten, ist: wahrscheinlich nicht für alle.

63 Prozent der Arbeitnehmer sagen laut Umfragen, dass KI den Arbeitsplatz "weniger menschlich" macht. Das ist kein Datenpunkt, den man ignorieren sollte. Technologische Transformation funktioniert nur, wenn die Menschen, die davon betroffen sind, sie mittragen. Und das erfordert mehr als ein LinkedIn-Post über "Reskilling".