Karpathy hat jeden US-Job nach KI-Exposition bewertet — Das sagen die Daten
OpenAI-Mitgründer Andrej Karpathy hat 342 US-Berufe nach KI-Exposition bewertet. 42% der Beschäftigten — 59,9 Millionen Menschen — landen in der Hochrisikozone. Was bedeutet das für Ihre Karriere?
Wenn Andrej Karpathy — Mitgründer von OpenAI und ehemaliger KI-Direktor bei Tesla — sich ein Wochenende nimmt, um das gesamte Berufshandbuch des US Bureau of Labor Statistics zu durchforsten und jeden Job nach KI-Exposition zu bewerten, horcht man auf. Und das sollte man auch, denn die Ergebnisse zeichnen eines der umfassendsten Bilder, die wir bisher davon haben, wie Künstliche Intelligenz den amerikanischen Arbeitsmarkt umgestaltet.
Karpathy analysierte 342 Berufe, die rund 143 Millionen US-Beschäftigte abdecken [Fakt]. Er vergab für jeden Beruf einen KI-Expositionswert von 0 bis 10, basierend darauf, wie viel der Arbeit plausibel von großen Sprachmodellen und verwandten KI-Systemen übernommen werden könnte. Der gewichtete Durchschnitt über die gesamte US-Arbeitnehmerschaft ergab 4,9 von 10 [Fakt] — was im Grunde bedeutet, dass etwa die Hälfte dessen, was Amerikaner bei der Arbeit tun, heute in der Reichweite von KI-Fähigkeiten liegt.
Diese Schlagzeilen-Zahl verbirgt allerdings enorme Unterschiede. Und in den Extremen wird es wirklich interessant.
Die Hochexpositions-Realität: 59,9 Millionen Beschäftigte
Von diesen 143 Millionen Beschäftigten liegen rund 59,9 Millionen — oder 42% der Belegschaft — in Berufen mit einem Wert von 7 oder höher auf Karpathys Skala [Fakt]. Das sind keine Randberufe. Zusammen verdienen sie jährlich rund 3,7 Billionen US-Dollar an Löhnen (umgerechnet etwa €3,4 Billionen) [Fakt]. Das ist keine Rundungsdifferenz in der Wirtschaft — das ist die Wirtschaft.
Wer steht ganz oben? Medizinische Transkribierer erreichten eine glatte 10 von 10 [Fakt] — im Grunde kann jede Kerntätigkeit in dieser Rolle bereits von einem Sprachmodell gut erledigt werden. Buchhalter und Anwälte erreichten beide 9 von 10 [Fakt], was widerspiegelt, wie viel ihrer Arbeit das Verarbeiten, Analysieren und Erstellen textbasierter Dokumente umfasst. Unsere Analyse für Buchhalter | Anwälte | Medizinische Transkribierer
Am anderen Ende erreichten Dachdecker 0 von 10 [Fakt], Pflegehelfer 1 von 10 [Fakt] und Bauhilfsarbeiter ebenfalls 1 von 10 [Fakt]. Das Muster ist unverkennbar: Jobs mit physischer Präsenz und handwerklichem Geschick bleiben außerhalb der Reichweite von KI. Daten für Dachdecker
Das Einkommensparadox: Höheres Gehalt, höheres Risiko
Das auffälligste Ergebnis ist die Beziehung zwischen Einkommen und KI-Exposition [Fakt]. Beschäftigte mit €74.000+ Jahreseinkommen haben einen Expositionswert von 6,0/10, während solche mit unter €37.000 nur 3,4/10 erreichen [Fakt]. Bildung zeigt ein ähnliches Bild: Bachelor-Absolventen bei 5,7, Berufsabschluss bei 4,7 [Fakt].
Das widerspricht dem alten Automatisierungs-Drehbuch. Generative KI brilliert bei den Aufgaben, für die Gutverdiener bezahlt werden: Dokumentenanalyse, professionelle Korrespondenz, Forschungssynthese. Der Barista und der Klempner sind paradoxerweise sicherer als der Unternehmensanwalt.
Unsere eigenen Daten zeigen ähnliche Muster — Softwareentwickler sind bei Codegenerierung stark exponiert, während Debugging und Architektur schwerer zu automatisieren bleiben.
Vergleich mit anderer Forschung
OpenAIs "GPTs are GPTs"-Papier (Eloundou et al., 2023) schätzte, dass 80% der US-Beschäftigten in Berufen mit mindestens 10% KI-betroffenen Aufgaben sind [Fakt] — breiter, aber flacher als Karpathy.
Der Anthropic Economic Index (2025) fand, dass KI derzeit mehr zur Augmentation als zur Substitution eingesetzt wird [Fakt]. Nur 4% der beobachteten Nutzung war vollständige Aufgabenautomatisierung [Fakt].
Brookings argumentiert, dass die Arbeitsmarktdaten die vorhergesagte Massenverdrängung nicht zeigen [Fakt]. Beschäftigung in vermeintlich hochriskanten Berufen blieb bemerkenswert stabil.
Karpathys Arbeit passt als Oberschranke [Einschätzung] — was KI theoretisch könnte, nicht was sie aktuell tut.
Stärken und Grenzen der Methode
Karpathy nutzte die BLS-Tätigkeitsbeschreibungen und bewertete systematisch alle 342 Berufe. Die 0-10-Skala ist sofort verständlich.
Aber: Die Bewertungen stammen von einem Sprachmodell, das seine eigenen Fähigkeiten einschätzt [Einschätzung] — ein offensichtlicher Vertrauensbias. Die Analyse behandelt Berufe als Monolith — ein Vertragsanwalt hat andere Exposition als ein Prozessanwalt. Und der Komplementaritätseffekt fehlt — KI-Tools machen Arbeitskräfte oft produktiver, statt sie zu ersetzen [Einschätzung].
Was das für Sie bedeutet
Bei hohem Score: Die schlechteste Reaktion ist Panik, die zweitschlechteste Verleugnung.
Die Aufgabe zählt mehr als der Titel. Verstehen Sie, welche Ihrer Aufgaben am meisten exponiert sind, und verlagern Sie Zeit auf die weniger exponierten.
KI-Kompetenz wird unverzichtbar. Wer KI-Tools effektiv nutzt, wird diejenigen übertreffen, die es nicht tun.
Der Zeithorizont ist unsicher, die Richtung nicht. Ob 3 oder 15 Jahre — der Trend ist klar. Beginnen Sie jetzt, während Ihre vorhandenen Fähigkeiten noch geschätzt werden.
Entdecken Sie unsere Analyseseiten für über 1.000 Berufe.
Quellen
- Karpathy, A. (2026). "AI Exposure Score for US Occupations." Fortune | Awesome Agents
- Eloundou, T. et al. (2023). "GPTs are GPTs." OpenAI.
- Anthropic. (2025). "The Anthropic Economic Index." Anthropic
- Brookings Institution. (2025-2026). Berichte zu KI und Arbeitsmarkt.
Aktualisierungshistorie
- 2026-03-22: Erstveröffentlichung basierend auf Karpathys Analyse.
_Dieser Artikel wurde mit KI-Unterstützung erstellt. KI-Offenlegung._