Anthropic hat kürzlich eine Forschungsarbeit mit dem Titel "Labor market impacts of AI: A new measure and early evidence" veröffentlicht. Der Kern der Arbeit besteht darin, etwas zu tun, was zuvor noch niemand getan hat: zwischen den beiden Linien zu unterscheiden, was KI "theoretisch kann" und was sie "in der Realität tut".
Dieser Unterschied ist viel wichtiger, als Sie denken.
Warum frühere Prognosen immer daneben lagen
Bisher ging man bei der Bewertung der Auswirkungen von KI auf Arbeitsplätze meist so vor: Man listete die Aufgaben in einem Beruf auf, fragte "Kann KI das?", berechnete einen Anteil und kam zu Schlussfolgerungen wie "65 % der Arbeitsplätze in diesem Beruf werden durch KI ersetzt".
Das Problem ist, dass zwischen "kann" und "tut" eine riesige Kluft besteht.
Der Anthropic-Ökonom Peter McCrory führte in dieser Studie das Konzept der "observed exposure" (beobachtete tatsächliche Betroffenheit) ein: die theoretischen KI-Fähigkeiten werden mit den tatsächlichen API-Nutzungsdaten von Claude überlagert, um zu sehen, wofür Nutzer KI tatsächlich einsetzen.
Was die Daten sagen
Das repräsentativste Beispiel sind Programmierer:
- Theoretische Betroffenheit: 94 % der Programmieraufgaben kann KI theoretisch bewältigen
- Tatsächlich beobachtete Betroffenheit: Nur 33 % der Aufgaben werden in der Realität von KI übernommen
Mit anderen Worten: 94 % der Programmierarbeit könnte theoretisch von KI erledigt werden, aber in der Realität hat KI nur ein Drittel durchdrungen. Die anderen über 60 Prozentpunkte liegen nicht daran, dass KI es nicht könnte, sondern an verschiedenen Gründen, warum Menschen es immer noch selbst tun: Trägheit, Autorisierungsfragen, Regulierung, Vertrauenshürden, Integrationskosten …
| Beruf | Theoretische Betroffenheit | Tatsächlich beobachtete Betroffenheit |
|---|---|---|
| Programmierer (gesamt) | 94 % | 33 % |
| Datenerfasser | Hoch | Hoch (beide nahe beieinander) |
| Mikrobiologen | Hoch | Niedrig (Laborarbeit kann nicht an KI ausgelagert werden) |
| Immobilienmanager | Mittel | Niedrig (Verhandlungsgeschick schwer zu KI-isieren) |
Bei stark repetitiven Arbeiten wie der Datenerfassung liegen theoretische und tatsächliche Betroffenheit nahe beieinander – KI erledigt diese Aufgaben tatsächlich.
Bei Mikrobiologen ist die theoretische Betroffenheit jedoch nicht gering (KI kann Datenanalyse und Literaturrecherche), aber die tatsächliche Betroffenheit ist sehr niedrig, weil die Kernarbeit manuell im Labor erledigt wird.
Wer ist gefährdeter: Nicht die Gruppe, die Sie denken
Eine weitere kontraintuitive Erkenntnis: Die Beschäftigten in Berufen mit hoher Betroffenheit haben tatsächlich eine höhere Bildung, ein höheres Gehalt und einen höheren Frauenanteil.
- In den 25 % der Berufe mit der höchsten Betroffenheit verdienen die Beschäftigten im Durchschnitt 47 % mehr als in Berufen mit niedriger Betroffenheit
- Die Wahrscheinlichkeit eines Hochschulabschlusses ist 4,5-mal höher
- Der Frauenanteil ist 16 Prozentpunkte höher als in Berufen mit niedriger Betroffenheit
Dies durchbricht die landläufige Meinung, dass "KI zuerst die gering qualifizierten Arbeitsplätze vernichtet". Wissensarbeit, Textarbeit, Analyse, Programmierung – diese White-Collar-Jobs sind die Bereiche, in die KI zuerst eindringt.
Die Auswirkungen auf junge Menschen sind bereits quantifizierbar: 22- bis 25-Jährige haben eine 14 % niedrigere Wahrscheinlichkeit, einen Arbeitsplatz in Berufen mit hoher Betroffenheit zu finden als zuvor. Es gibt keine Massenarbeitslosigkeit, aber die Einstiegshürden sind gestiegen – es gibt weniger neue Stellen in diesen Berufen, weil die bestehenden Mitarbeiter durch KI ihre Effizienz gesteigert haben.
Was McCrory sagte
"Wenn Sie Claude bitten, Ihnen bei Machine Learning zu helfen, müssen Sie selbst Machine Learning verstehen, um es anleiten zu können."
Das bedeutet: KI ersetzt nicht die Fachkompetenz, sondern verlangt von den Beschäftigten, ihre Fachkompetenz zur Steuerung der KI einzusetzen. Die Hürde sinkt nicht, sie ändert nur ihre Form.
Dies spiegelt sich in den Beschäftigungsdaten wider: In Berufen mit hoher Betroffenheit steigen die Gehälter erfahrener Beschäftigter, aber Einstiegspositionen verschwinden. KI hilft erfahrenen Mitarbeitern, effizienter zu arbeiten, und ersetzt gleichzeitig einen Teil der grundlegenden Arbeiten – früher waren diese grundlegenden Arbeiten die Einstiegsstufe für junge Menschen.
Warum diese Studie wichtig ist
Bisher drehten sich die Diskussionen über KI und Arbeit entweder um die Apokalypse (KI wird alle Arbeitsplätze vernichten) oder um Optimismus (KI wird nur mehr Arbeitsplätze schaffen).
Der Wert der Anthropic-Studie liegt darin, dass sie einen messbaren Rahmen bietet, der frühzeitig erkennen kann, welche Berufe durchdrungen werden, bevor die Beschäftigungsdaten einbrechen. So haben politische Entscheidungsträger Zeit zu reagieren, anstatt erst mit der Schadensbegrenzung zu beginnen, wenn eine Gruppe von Menschen bereits arbeitslos ist.
Die aktuellen beobachteten Daten zeigen: Noch ist es nicht zu Massenarbeitslosigkeit gekommen, aber der Weg für junge Menschen in Berufe mit hoher Betroffenheit beginnt sich bereits zu verengen. Den weiteren Trend kann sich jeder selbst ableiten.
Quellenangabe: Anthropic's research shows that AI can already do a huge portion of many jobs (Fortune); CocoLoop, Labor market impacts of AI: A new measure and early evidence (Anthropic Research)