Wird KI Ökonomen ersetzen? Vollständige Analyse

60% KI-Exposition, 36% Automatisierungsrisiko – Ökonomen verbringen ihre Karriere damit, zu studieren, wie Märkte auf technologische Disruption reagieren. Jetzt erleben sie es am eigenen Leib. Die Profession, die kreative Zerstörung modelliert, erlebt sie aus erster Hand – und die Erfahrung lehrt Ökonomen etwas Wichtiges über ihre eigene Arbeit, das sie nicht allein aus der Theorie gelernt hätten.

Die Daten: Hohe Exposition, moderates Risiko

Die Exposition ist erheblich – höher als in den meisten Sozialwissenschaften – aber das Risiko wird durch die urteilsintensive Natur der wirtschaftlichen Beratung und den institutionellen Kontext gemildert, in dem die meisten professionellen Ökonomen arbeiten.

Die Analyse wirtschaftlicher Daten und Trends, die quantitative Kernaufgabe, liegt bei 48% Automatisierung [Schätzung]. Diese Zahl erscheint angesichts der analytischen Fähigkeiten von KI überraschend niedrig, spiegelt aber wider, dass wirtschaftliche Datenanalyse nicht nur das Durchführen von Regressionen ist. Es beinhaltet die Auswahl des richtigen Modells für die Frage, das Bereinigen von Daten, die oft unordentlich und unvollständig sind, das Adressieren von Identifikationsproblemen durch cleveres Forschungsdesign und das Interpretieren von Ergebnissen im Kontext von institutionellem Wissen, das KI fehlt.

Arbeitsökonomen in unserer Datenbank zeigen noch höhere Exposition: 58% insgesamt mit 46% Risiko [Schätzung], getrieben durch die hochgradig quantitative Natur der Arbeitsmarktanalyse.

In den Vereinigten Staaten gibt es etwa 19.600 Ökonomen unter der formalen BLS-Klassifikation [Fakt], die ein mittleres Gehalt von 113.940 Dollar verdienen [Fakt]. Das Bureau of Labor Statistics prognostiziert 6% Wachstum bis 2034 [Fakt] – überdurchschnittlich, was anhaltende Nachfrage nach wirtschaftlicher Expertise in öffentlichen und privaten Sektoren widerspiegelt.

Wo KI in der Wirtschaft hervorragend ist

KI transformiert tatsächlich mehrere Bereiche der wirtschaftlichen Praxis.

Nowcasting – die Verwendung von Echtzeit-Daten (Kreditkartentransaktionen, Satellitenbilder, Web-Traffic, Stromverbrauch, Gehaltsabrechnungsdaten) zur Schätzung aktueller wirtschaftlicher Bedingungen – ist ein Bereich, in dem maschinelles Lernen klare Vorteile gegenüber traditionellen ökonometrischen Methoden hat. Die Federal Reserve Bank of New York, die GDPNow-Modelle der Atlanta Fed und große kommerzielle Prognostiker verwenden alle Machine-Learning-Ansätze.

Prognosen sind ein weiterer Bereich erheblicher KI-Beiträge. Neuronale Netzwerke und Ensemble-Methoden können weit mehr Variablen verarbeiten und nichtlineare Beziehungen erkennen, die traditionelle Modelle verfehlen. Aktuelle vergleichende Studien haben herausgefunden, dass Machine-Learning-Ansätze häufig Konsensprognosen bei gemeinsamen wirtschaftlichen Zielen entsprechen oder übertreffen [Behauptung], obwohl sie bei längeren Horizonten oder während Regimewechseln begrenzter bleiben.

Literaturüberprüfung und -synthese – der arbeitsintensive Prozess des Lesens von Hunderten von Papieren – beschleunigt sich mit KI-Tools dramatisch. Die NBER-Arbeitspapierreihe, SSRN und andere Repositorien enthalten Hunderttausende von Wirtschaftspapieren; KI-Zusammenfassungs- und Suchtools haben transformiert, wie Forscher diese Literatur navigieren.

Warum menschliche Ökonomen unverzichtbar bleiben

Wirtschaftliches Urteilsvermögen ist fundamental anders als wirtschaftliche Berechnung. Betrachten Sie die Geldpolitik: Wenn die Federal Reserve über Zinsänderungen entscheidet, ist die Datenanalyse der einfache Teil. Der schwierige Teil ist das Abwägen konkurrierender Risiken (Inflation gegen Arbeitslosigkeit), das Verstehen der Transmissionsmechanismen im aktuellen Wirtschaftsumfeld, das Antizipieren, wie Marktteilnehmer auf das Politiksignal reagieren werden, und das Navigieren des politischen Umfelds.

Das ist keine Datenverarbeitung – es ist Urteil unter Unsicherheit mit enormen Konsequenzen. Die Inflationserfahrung 2022-2024 zeigte, wie selbst ausgefeilte Prognosetools die Hartnäckigkeit der Inflation verfehlten und wie menschliche Ökonomen schwierige Entscheidungen mit unvollkommener Information treffen mussten.

Wirtschaftliche Politikberatung – einem Staat zu sagen, ob ein vorgeschlagenes Handelsabkommen seinen Arbeitern nützen wird, oder wie ein CO₂-Preis gestaltet werden soll, der sowohl wirksam als auch politisch lebensfähig ist – erfordert die Integration technischer Analyse mit politischer Machbarkeit, Verteilungsbedenken und normativen Werten. Das sind keine Optimierungsprobleme mit klaren Zielfunktionen.

Kausale Inferenz in der Wirtschaft ist fundamental eine menschliche Unternehmung. Die Kredibilitätsrevolution, die die empirische Wirtschaft über die letzten drei Jahrzehnte transformiert hat, basiert auf kreativen Forschungsdesigns – natürliche Experimente, instrumentale Variablen, Regressionsdiskontinuitäten, Differenz-in-Differenzen –, die spezifische institutionelle Merkmale ausnutzen. KI kann diese Designs implementieren, sobald sie spezifiziert sind, aber das Design selbst erfordert tiefes Wissen des wirtschaftlichen Umfelds.

Die akademische vs. angewandte Kluft

Akademische Ökonomen, die sich hauptsächlich auf empirische Analyse konzentrieren, haben das höchste Störungsrisiko. Die Fähigkeit, Regressionen durchzuführen – die Fähigkeit, die die empirische Wirtschaft jahrzehntelang definiert hat – wird zu einer Ware. Die Ökonomen, die in der Akademie florieren werden, sind diejenigen, die neuartige Fragen stellen, neue theoretische Rahmenbedingungen entwickeln, clevere natürliche Experimente entwerfen und Ergebnisse mit tiefem institutionellen Wissen interpretieren.

Angewandte Ökonomen in Regierung, Beratung und dem privaten Sektor stehen vor weniger Verdrängung, weil ihre Arbeit inhärent urteilsintensiv und kundenorientiert ist. Wirtschaftliche Analyse für Nicht-Ökonomen erklären, bei Entscheidungen mit realen Konsequenzen beraten, allgemeine Prinzipien an spezifische Kontexte anpassen und Analysen produzieren, die in rechtlichen oder regulatorischen Verfahren standhalten – all das erfordert menschliche Fähigkeiten.

Die Tech-Sektornachfrage

Die Expansion von „Ökonomen-Rollen" in Technologieunternehmen war eine der auffälligsten Entwicklungen in der Profession im letzten Jahrzehnt. Amazon beschäftigt Hunderte von Doktoranden-Ökonomen, die an Preisgestaltung, Marktplatzdesign, Empfehlungssystemen und Arbeitsmarktfragen arbeiten. Microsoft, Meta, Google, Uber, Airbnb und Dutzende anderer Unternehmen haben Wirtschaftsforschungsteams.

Die Vergütung ist oft erheblich höher als akademische Gehälter – Senior-Tech-Ökonomen verdienen häufig 300.000-500.000+ Dollar [Behauptung] in Gesamtvergütung, wobei führende Rollen deutlich mehr zahlen.

KI-Ökonomie: Das heißeste Subfeld

Die wirtschaftliche Analyse der KI selbst ist zu einem der aktivsten Forschungsbereiche geworden. Wie wird KI die Produktivität, Ungleichheit, Arbeitsmarktdynamiken, Bildungsrenditen beeinflussen? Die Konzentrierung wirtschaftlicher Macht durch die KI-Industrie selbst?

Ökonomen wie David Autor, Daron Acemoglu, Erik Brynjolfsson und Anton Korinek haben einflussreiche Forschungsprogramme rund um diese Fragen aufgebaut. NBERs KI-Ökonomie-Arbeitsgruppe, Stanfords Digital Economy Lab und MITs IDE sind konzentrierte Aktivitätszentren.

Wirtschaftliche Entwicklung und internationale Institutionen

Ein wichtiger, aber oft übersehener Beschäftigungsbereich für Ökonomen liegt in internationalen Entwicklungsorganisationen und multilateralen Institutionen. Der Internationale Währungsfonds, die Weltbank, die regionalen Entwicklungsbanken (Asiatische Entwicklungsbank, Interamerikanische Entwicklungsbank, Afrikanische Entwicklungsbank), die OECD, das UN-Entwicklungsprogramm – all diese Institutionen beschäftigen Hunderte von Ökonomen für Länderanalyse, Programmbewertung und Politikberatung.

Diese Rollen kombinieren technische wirtschaftliche Analyse mit politischen Kenntnissen und kulturellem Verständnis auf eine Weise, die KI besonders schlecht replizieren kann. Das Verstehen, warum eine bestimmte Reform in Rumänien scheiterte, aber in Estland erfolgreich war, erfordert nicht nur Datenkenntnisse, sondern institutionelles Gedächtnis, Netzwerke von Kontakten in der Regierung und die Art von Nuancen, die aus persönlichen Beziehungen entstehen.

Bilaterale Entwicklungsagenturen – USAID, das Vereinigte Königreichs FCDO, Deutschlands GIZ, Japans JICA – beschäftigen ebenfalls Ökonomen in Programmbewertungs-, Monitoring- und Evaluierungsrollen. Diese Positionen haben erheblichen gesellschaftlichen Einfluss und bieten Karrierewege, die sich von der kommerziellen und akademischen Wirtschaft unterscheiden.

Zentralbankökonomie und Regulierung

Zentralbanken weltweit beschäftigen erhebliche Belegschaften von Ökonomen: die Federal Reserve, die Europäische Zentralbank, die Bank of England, die Bank of Japan und ihre nationalen Pendants. Diese Positionen bieten intellektuelle Herausforderungen, Jobsicherheit und direkten politischen Einfluss.

Die regulatorische Ökonomie – wirtschaftliche Analyse für Regulierungsbehörden wie die FTC, SEC, CFTC, CPSC, EPA und ihre internationalen Pendants – ist ein weiterer Wachstumsbereich. Antitrustökonomie, insbesondere rund um digitale Plattformen und KI-Marktmacht, ist besonders aktiv. Die DOJ-Antitrust-Abteilung, die FTC und ihre europäischen Pendants beschäftigen alle Teams erfahrener Ökonomen für Wettbewerbsanalyse.

Die Vergütung in Regulierungsrollen liegt oft unter dem Privatsektor, wird aber durch Jobsicherheit, Renten und die gesellschaftliche Wirkung der Arbeit ausgeglichen. Ökonomen, die zwischen Regulierungsbehörden und privater Praxis wechseln (die berühmte „Drehtür") können in beiden Welten erhebliche Vergütungen verdienen.

Die Ungleichheitsfrage als Berufsimperativ

Die wachsende wirtschaftliche Ungleichheit in Industrieländern ist zu einem der wichtigsten politischen Themen unserer Zeit geworden, und Ökonomen stehen im Mittelpunkt der Debatte. Die Frage, ob KI die Ungleichheit verschärfen oder mildern wird, ist eine wirtschaftliche Frage mit enormen politischen Implikationen.

Ökonomen wie Raj Chetty, Nathaniel Hendren und ihre Kollegen an Opportunity Insights haben die wirtschaftliche Analyse der intergenerationalen Mobilität revolutioniert und direkte Politikimplikationen mit bundesstaatspezifischen und sogar Community-Level-Daten produziert. Diese Art von Forschung – technisch anspruchsvoll, politisch relevant und institutionell verankert – ist schwer zu automatisieren.

Die wirtschaftliche Analyse der KI-Verdrängung selbst – wer verliert Jobs, in welchen Berufen, in welchen geografischen Gebieten und welche Sicherheitsnetze oder Umschulungsinvestitionen am besten reagieren würden – ist eine wachsende Forschungsagenda, die die Karrieren der nächsten Generation von Ökonomen prägen wird.

Was Ökonomen tun sollten

Meistern Sie maschinelles Lernen und Data Science als analytische Werkzeuge. Die „ML für Ökonomen"-Kurse, die an führenden Abteilungen proliferiert haben, spiegeln eine dauerhafte Verschiebung der erforderlichen Fähigkeiten wider.

Entwickeln Sie Expertise in KI-Ökonomie – die wirtschaftliche Analyse der KI-Auswirkungen auf Märkte, Arbeit und Ungleichheit. Das ist einer der politisch relevantesten Bereiche der zeitgenössischen Wirtschaft.

Bauen Sie Kommunikations- und Beratungsfähigkeiten auf, die wirtschaftliche Analyse in umsetzbare Entscheidungen übersetzen. Verfolgen Sie Subfeld-Spezialisierungen, wo tiefes institutionelles Wissen den Wert steigert: Arbeitsökonomie (insbesondere mit KI), Industrieorganisation (insbesondere Plattformmärkte), öffentliche Wirtschaft, internationaler Handel, Geldpolitik oder Umweltökonomie.

Investieren Sie in das institutionelle und kontextuelle Wissen, das wirtschaftliches Urteilsvermögen über rohe analytische Fähigkeit hinaus wertvoller macht. Zu wissen, wie ein bestimmter Arbeitsmarkt tatsächlich funktioniert, wie eine Regulierungsbehörde Entscheidungen trifft oder wie ein Unternehmen tatsächlich operiert – das ist die Expertise, die KI nicht leicht replizieren kann.

Für detaillierte Daten einschließlich Arbeitsökonomen besuchen Sie die Ökonomen-Berufsseite.

_Diese Analyse wurde mit KI-Unterstützung erstellt, unter Verwendung von Daten aus dem Anthropic Labour Market Report und Projektionen des Bureau of Labor Statistics._

Verwandt: Was ist mit anderen Berufen?

KI verändert viele Berufe:

• Wird KI Geographen ersetzen?
• Wird KI Philosophen ersetzen?
• Wird KI Softwareentwickler ersetzen?
• Wird KI Krankenschwestern ersetzen?

_Erkunden Sie alle 470+ Berufsanalysen in unserem Blog._