Warum wir weniger über KI und Jobs wissen, als wir glauben
Weniger als 20 % der Unternehmen setzen überhaupt KI ein. Jugendbeschäftigung in exponierten Berufen sinkt — die Arbeitslosigkeit aber nicht. Brookings sagt: Die KI-Arbeitsmarktforschung steckt noch im „ersten Inning“.
Die Vertrauenslücke
Öffnen Sie eine beliebige Nachrichtenseite und Sie finden selbstbewusste Prognosen über KI und Arbeitsplätze. Millionen Stellen werden automatisiert. Ganze Branchen werden umgekrempelt. Der Wandel sei bereits in vollem Gange.
Aber laut Jed Kolko, der im März 2026 für die Brookings Institution schrieb, ist die ehrliche Wahrheit weit bescheidener: Wir wissen eigentlich noch gar nicht, was passiert. Seine Analyse "Research on AI and the Labor Market Is Still in the First Inning" argumentiert, dass die Kluft zwischen öffentlicher Gewissheit und tatsächlicher Evidenz gefährlich groß ist.
Beginnen wir mit einer grundlegenden Tatsache, die es selten in die Schlagzeilen schafft: Laut dem U.S. Census Bureau's Business Trends and Outlook Survey (BTOS) nutzen weniger als eines von fünf Unternehmen KI in irgendeiner Form. [Fakt] Nicht "nutzen KI, um Mitarbeiter zu ersetzen" — nutzen KI überhaupt, für irgendetwas. Und unter denen, die es tun, setzen noch weniger KI direkt in der Produktion von Gütern und Dienstleistungen ein. Die atemlose Erzählung einer KI-transformierten Wirtschaft ist der Realität der meisten Unternehmen weit vorausgeeilt.
Das ist wichtig, weil die verfügbaren Arbeitsmarktdaten von dieser frühen, ungleichmäßigen Adoption geprägt sind. Aus einer Phase, die im Grunde noch ein Pilotversuch ist, weitreichende Schlussfolgerungen zu ziehen — genau das ist die Art von Fehler, vor der Forscher und Arbeitnehmer vorsichtig sein sollten.
Widersprüchliche Signale überall
Kolko hebt ein beunruhigendes Muster hervor in der Forschung: Studien widersprechen sich ständig, selbst wenn sie ähnliche Daten verwenden.
Nehmen Sie die Jugendbeschäftigung. Eine Studie von Brynjolfsson und Kollegen (2025) fand, dass die Beschäftigung junger Arbeitnehmer in Berufen mit hoher KI-Exposition stärker sank als in weniger exponierten Rollen. Das klingt alarmierend — und für junge Menschen, die Karrieren als Kundendienstmitarbeiter oder Verwaltungsassistenten erwägen, könnte es sich persönlich anfühlen. Aber dieselben Daten zeigen minimale Unterschiede bei älteren Arbeitnehmern über das KI-Expositionsspektrum hinweg. [Fakt] Warum sollte KI selektiv jüngere Arbeitnehmer betreffen, aber ältere unberührt lassen? Eine Möglichkeit: Jüngere Arbeitnehmer sind einfach mobiler und reagieren früher auf Signale, verlassen exponierte Berufe bevor sie dazu gezwungen werden. Eine andere: Die Daten sind zu verrauscht und der Zeitraum zu kurz, um echte KI-Effekte von normaler Arbeitsmarktfluktuation zu unterscheiden.
Mittlerweile fand eine separate Analyse von Eckhardt und Goldschlag (2025) den umgekehrten Trend bei der Arbeitslosigkeit: Arbeitnehmer in höher KI-exponierten Berufen sahen die Arbeitslosigkeit weniger steigen als die in weniger exponierten Rollen. Wenn KI bereits in großem Maßstab Arbeitnehmer verdrängen würde, würde man das Gegenteil erwarten. [Fakt] Brookings' eigene Analyse aktueller Beschäftigungsdaten fand ebenfalls keine Anzeichen einer KI-Jobsapokalypse — zumindest noch nicht.
Für Softwareentwickler — einen der meistdiskutierten KI-exponierten Berufe — ist das Bild ähnlich unklar. Coding-Assistenten wie GitHub Copilot und Claude sind weit verbreitet, dennoch ist die Arbeitslosigkeit unter Entwicklern nicht gestiegen. Die Einstellungen haben sich abgekühlt, aber das hängt mit Zinsen, Tech-Korrekturen und Post-Pandemie-Normalisierung zusammen. Einen "KI-Effekt" zu isolieren ist tatsächlich schwierig.
Die Geschichte mahnt zur Bescheidenheit
Eines von Kolkos eindrücklichsten Argumenten betrifft den historischen Vergleich. Viele Analysten bezeichnen den jetzigen Moment als beispiellos. Aber die Daten erzählen eine andere Geschichte.
Laut Kolkos Brookings-Analyse verliefen die beruflichen Veränderungen zwischen 2019 und 2024 — der Zeitraum, in dem generative KI aufkam — ungefähr im selben Tempo wie nach 1984 (der PC-Ära) und nach 1996 (der Internet-Ära). [Fakt] Die Rate, mit der Menschen zwischen Berufen wechseln, hat sich seit dem Aufkommen von KI-Tools nicht merklich beschleunigt.
Und hier kommt der eigentliche Dämpfer: Die beruflichen Verschiebungen der 1910er bis 1950er Jahre — als die Landwirtschaft mechanisiert wurde, die Industrie boomte und Millionen Arbeiter von Bauern zu Fabrikarbeitern wurden — waren weit dramatischer als alles, was wir heute sehen.
Das heißt nicht, dass KI keine dramatischen Veränderungen auslösen wird. Es heißt, dass wir möglicherweise in der frühesten Phase eines langen Übergangs stecken — und die wichtigsten Veränderungen noch Jahre entfernt sein könnten.
Warum "Wir wissen es nicht" Sie mehr beunruhigen sollte als Gewissheit
Kolko identifiziert einen potenziellen "Erzähler-Bias" unter Forschern. Akademiker und Analysten, die täglich große Sprachmodelle nutzen, neigen eher dazu, diese Tools als transformativ einzuschätzen — weil sie sich in ihrer eigenen Arbeit transformativ anfühlen. Aber die Erfahrung eines Think-Tank-Forschers, der ChatGPT zum Entwürfe-Schreiben nutzt, unterscheidet sich grundlegend von der eines Fabrikarbeiters, einer Krankenschwester oder eines LKW-Fahrers. [Einschätzung]
Für Arbeitnehmer, die ihre Karriere planen möchten, ist die Unsicherheit tatsächlich wichtiger als jede konkrete Vorhersage. Wenn wir wüssten, dass KI den Kundendienst innerhalb von drei Jahren automatisiert, könnten Sie entsprechend planen. Aber die Realität ist chaotischer: Es könnte in drei Jahren passieren, oder in zehn, oder es könnte sich auf völlig unerwartete Weise entwickeln.
Die praktische Erkenntnis ist nicht Selbstzufriedenheit. Es ist Vorbereitung ohne Panik. Verstehen Sie die KI-Exposition Ihrer eigenen Rolle — unsere Daten zu Berufen wie Kundendienstmitarbeitern, Softwareentwicklern und Verwaltungsassistenten können dabei helfen. Aber behandeln Sie jede selbstbewusste Prognose über Zeitpläne mit gesundem Misstrauen. Die Forschung steckt, wie Kolko es ausdrückt, noch im ersten Inning.
Quellen
- Kolko, J. (2026). "Research on AI and the Labor Market Is Still in the First Inning." Brookings Institution. brookings.edu
- Brookings Institution (2026). "New Data Show No AI Jobs Apocalypse — For Now." brookings.edu
- ADP Research / Stanford HAI (2025). "Assessing the Real Impact of Automation on Jobs." hai.stanford.edu
- U.S. Census Bureau. "Business Trends and Outlook Survey (BTOS)." census.gov
Aktualisierungsverlauf
- 2026-03-19: Quellenlinks und ## Quellen ergänzt
- 2026-03-15: Erstveröffentlichung
Dieser Artikel wurde mithilfe von KI (Claude, Anthropic) recherchiert und verfasst. Zentrale Erkenntnisse stammen aus Jed Kolkos Analyse vom März 2026 bei der Brookings Institution. Die Interpretation spiegelt KI-generierte Analyse öffentlicher Forschung wider und sollte nicht als professionelle Karriereberatung verstanden werden.