KI-Jobverlust: Warum die düsteren Prognosen nicht eintreffen – und was die Daten wirklich sagen

Die widersprüchlichsten Prognosen der Wirtschaftsgeschichte

300 Millionen Jobs weltweit bedroht. 50 % aller Einstiegspositionen für Akademiker verschwinden in fünf Jahren. Eine „Great Recession“ für Bürojobs. So lauteten die Schlagzeilen, als Goldman Sachs, Anthropic und andere Schwergewichte ihre KI-Prognosen veröffentlichten. Gleichzeitig berichtet das Weltwirtschaftsforum von einem Netto-Plus von 78 Millionen Arbeitsplätzen bis 2030. Und Goldmans eigene Nachfolgestudie? Die findet zwei Jahre später: „keine messbaren Auswirkungen“ auf den Arbeitsmarkt. Was stimmt denn nun?

Diese Frage treibt nicht nur Berufstätige um. Sie beschäftigt auch diejenigen, die die Technologie mitentwickeln. Marina Mogilko, die bei Amazon an KI-Produkten arbeitet, hat sämtliche verfügbaren Studien durchforstet – von akademischer Forschung bis zu institutionellen Reports. Ihr Fazit fällt anders aus, als man erwarten würde. Werfen wir einen detaillierten Blick auf die Daten – und darauf, was sie für deine Karriere bedeuten.

Die düsteren Prognosen: Was die großen Player vorhersagen

Die Liste der alarmierenden Studien ist lang und die Absender sind keine Clickbait-Blogs, sondern Institutionen mit Gewicht:

• Goldman Sachs (2023): Das Äquivalent von 300 Millionen Vollzeitstellen weltweit könnte durch generative KI automatisiert werden. Ein Viertel aller aktuellen Arbeitsplätze in den USA und Europa.
• Anthropic (2025): Eine umfassende Studie kartiert KIs Reichweite über alle wichtigen US-Berufsfelder. Das Ergebnis: KI kann theoretisch die meisten Aufgaben in Wirtschaft, Finanzen, Management, Informatik, Recht und Büroadministration abdecken. Die Forscher beobachten aktiv ein Szenario, das sie selbst „Great Recession for White Collar Workers“ nennen.
• Anthropic-CEO Dario Amodei: Gegenüber Axios erklärte er, KI könne bis zu 50 % der Einstiegspositionen für Hochschulabsolventen innerhalb von fünf Jahren eliminieren. Die Arbeitslosigkeit könne auf 10 bis 20 % steigen.
• Tufts University (März 2026): Der „American AI Jobs Risk Index“ prognostiziert rund 9,3 Millionen gefährdete US-Arbeitsplätze in den nächsten zwei bis fünf Jahren – mit bis zu 757 Milliarden Dollar gefährdetem Haushaltseinkommen.

Und das sind nicht nur Zahlen in Berichten. Seit Mai 2023 wurden rund 99.000 angekündigte US-Entlassungen mit KI als Faktor dokumentiert. Allein im März 2026 wurde KI bei etwa 25 % der erfassten Kündigungen als Grund genannt. Besonders betroffen: Datenanalyse, Softwareentwicklung, Texterstellung, Finanzwesen, Rechtsberatung und Kundensupport.

Aber – und dieses „Aber“ ist entscheidend – die Challenger-Reports selbst warnen davor, dass schwer zu trennen ist, wie viel davon tatsächlich KI ist und wie viel davon Unternehmen nutzen, die KI als willkommene Begründung für ohnehin geplante Kostensenkungen vorschieben. „KI-bedingte Entlassung“ klingt für Investoren besser als „Wir haben während COVID zu viele Leute eingestellt“.

Die Kehrtwende: Warum sich die Prognosen fundamental widersprechen

Liest man die Reports Seite an Seite, fällt eines auf: Sie widersprechen sich fundamental. Das Weltwirtschaftsforum (Future of Jobs Report 2025) zeichnet ein völlig anderes Bild: 170 Millionen neue Stellen entstehen, 92 Millionen fallen weg – ein Netto-Plus von 78 Millionen Arbeitsplätzen bis 2030.

Noch bemerkenswerter: Goldman Sachs selbst veröffentlichte im März 2025 eine Folgeanalyse – zwei Jahre nach der 300-Millionen-Schlagzeile. Das Ergebnis ihrer eigenen Ökonomen: Die gesamtwirtschaftlichen Auswirkungen auf den Arbeitsmarkt sind „weiterhin vernachlässigbar“. Kein messbarer Effekt auf Arbeitslosigkeit, Entlassungen oder Produktivität. Zwei Jahre, dieselbe Bank – eine komplett andere Schlussfolgerung.

Ein aktueller Washington-Post-Tiefenrecherche zu KI und Jobs zitiert einen Ökonomen des Peterson Institute, der zu dem Schluss kommt: Alle wichtigen Fragen zu den Auswirkungen von KI auf den Arbeitsmarkt sind weiterhin unbeantwortet. Eine Stanford-Analyse fand rückläufige Beschäftigung für Berufseinsteiger in KI-exponierten Rollen – eine Studie einer Economic-Innovation-Gruppe fand genau das Gegenteil: Junge Arbeitnehmer in diesen Feldern schnitten besser ab als ihre Altersgenossen in weniger KI-exponierten Bereichen.

Selbst die Expertinnen und Experten, die der Technologie am nächsten stehen, halten sich mit Prognosen auffällig zurück. Chip Huyen, Autorin des Standardwerks „AI Engineering“, antwortete auf einer kürzlichen Konferenz auf die Frage, ob Studierende überhaupt noch KI-Engineering-Karrieren anstreben sollten: „Engineering ging nie darum, Code zu schreiben. Es ging immer darum, Probleme zu lösen – und Probleme wird es weiterhin geben.“ Sie erzählte dann von einer Studentin, die sich für Physiotherapie statt Informatik entschied – und Huyen versuchte nicht, sie umzustimmen. Tibo Stoio, CTO von Codex, wurde gefragt, wie der Softwareentwickler-Job in zwei Jahren aussehen werde. Seine Antwort: „Zwei Jahre sind zu lang für jede Vorhersage.“ Er hatte Vermutungen für sechs Monate – das war’s. Der CTO eines Unternehmens, das KI-Coding-Tools baut, kann dir nicht sagen, wie Softwareentwicklung 2027 aussieht.

Was uns die Geschichte über Technologie-Paniken lehrt

Wir waren schon mehrfach an diesem Punkt – und es lief nie so, wie die Vorhersagen es wollten.

Die bekannteste Automatisierungsstudie stammt von den Oxford-Forschern Frey und Osborne (2013). Ihre Schätzung: 47 % aller US-Arbeitsplätze seien durch Computerisierung hochgradig gefährdet. Ein Jahrzehnt später untersuchte das ITIF (Information Technology and Innovation Foundation), was tatsächlich geschah. Der am stärksten als automatisierungsgefährdet eingestufte Beruf – Versicherungsprüfer – verzeichnete zwischen 2013 und 2021 ein Beschäftigungswachstum von 16,4 Prozent. Der am wenigsten gefährdete Beruf – Freizeittherapeut – erlebte einen Rückgang von 8,9 Prozent. Die Korrelation zwischen vorhergesagtem Automatisierungsrisiko und tatsächlichem Jobverlust lag bei 0,26 – statistisches Rauschen.

Die Geschichte wiederholt sich. Als Geldautomaten in den 1970ern und 80ern aufkamen, schien das Schicksal der Bankschalter-Mitarbeiter besiegelt – der Name der Maschine sagt es ja schon: „Automated Teller“. Tatsächlich sank die durchschnittliche Anzahl der Schaltermitarbeiter pro Filiale von 21 auf etwa 13. Aber Filialen wurden billiger zu betreiben, also eröffneten die Banken mehr davon – und die Gesamtbeschäftigung im Schalterdienst stieg bis in die 2000er-Jahre hinein. Die Mitarbeiter verschwanden nicht; ihre Tätigkeit verlagerte sich vom Geldzählen zur Kundenberatung und zum Verkauf von Finanzprodukten.

Tabellenkalkulationsprogramme verdrängten rund zwei Millionen Buchhaltungsjobs. Gleichzeitig entstanden Millionen neuer Stellen für Wirtschaftsprüfer, Finanzanalysten und Controller – Berufe, die es in diesem Umfang vorher nicht gab. 1966 berief die US-Regierung die „National Commission on Technology, Automation and Economic Progress“ ein. Präsident Kennedy nannte Automatisierung die größte innenpolitische Herausforderung seiner Zeit. Die Sorge war Massenarbeitslosigkeit. Innerhalb eines Jahrzehnts stieg die Beschäftigung.

Und 2016 sagte Geoffrey Hinton, Turing-Award-Gewinner und einer der prominentesten KI-Forscher, wir sollten aufhören, Radiologen auszubilden, weil KI bereits besser sei als Menschen im Lesen medizinischer Bilder. Fast zehn Jahre später ist die Nachfrage nach Radiologen in den USA auf einem Rekordhoch.

Wichtig: Ich sage nicht, dass es diesmal genauso läuft. KI ist in wesentlichen Punkten anders. Sie greift kognitive Arbeit an, nicht nur Routine-Handgriffe. Sie kann schreiben, logisch schlussfolgern und programmieren auf eine Weise, die keine frühere Automatisierungstechnologie beherrschte. Die historischen Parallelen sind nicht perfekt. Aber sie zeigen ein konsistentes Muster: Wir sind notorisch schlecht darin vorherzusagen, was Technologie mit Jobs macht.

Wie einer der Diskutanten im zweiten Quellvideo pointiert formuliert: „Wenn du nicht wüsstest, dass es diese bahnbrechende Technologie gibt, die kluge Leute für eine Job-Apokalypse halten, und du würdest nur auf die Daten schauen – du würdest nicht erkennen, dass irgendetwas Besonderes passiert. Die Daten zeigen keinen großen exogenen Meteoriten, der auf den Arbeitsmarkt zurast.“

Was die harten Daten tatsächlich zeigen

Schauen wir uns die Fakten an, nicht die Narrative:

• US-Arbeitslosenquote: 4,5 % (Jugendarbeitslosigkeit: 8,8 %) – beides leicht unter dem historischen Durchschnitt.
• Neugründungen: Die Zahl neuer Unternehmenslizenzen pro Kopf hat sich in den USA in den letzten zehn Jahren verdoppelt.
• Meta als Beispiel: Von 2019 bis 2025 wuchs die Belegschaft von 16.000 auf 80.000. Selbst wenn Meta jetzt 10.000 Stellen abbaut, fällt es auf das Niveau von vor etwa 24 Monaten zurück.
• Radiologen: Die Stellenausschreibungen sind 2026 gestiegen – nicht gesunken. Das KI-gestützte Bildscannen ist nur ein kleiner Teil des Jobs. Diagnose und Behandlungsplanung sind genauso wichtig wie eh und je.
• Softwareentwickler: Die Zahl der Stellenausschreibungen für Coder ist im Jahresvergleich um 11 % gestiegen. Die Nachfrage nach Menschen, die mit KI-Tools umgehen und „Vibe Coding“ beherrschen, ist gewachsen, weil KI jetzt auf fast jedes Startup anwendbar ist.

Die Daten zeichnen ein nuanciertes Bild, das weder der „Alles-bleibt-wie-es-ist“- noch der „Totale-Job-Apokalypse“-Erzählung entspricht. Es gibt reale Verwerfungen – vor allem im Kundenservice und in der Rechtsbranche. Aber eine flächendeckende Beschäftigungskrise ist in den Zahlen nicht zu erkennen.

Die Marketing-Maschine: Warum CEOs den Weltuntergang predigen

Ein Faktor, der in der öffentlichen Debatte oft übersehen wird: die wirtschaftlichen Anreize hinter den düsteren Prognosen. Wie wir bereits im Artikel zum Techno-Feudalismus durch KI beleuchtet haben, dienen apokalyptische Szenarien oft auch der Rechtfertigung milliardenschwerer Investments. Die Analyse aus dem zweiten Quellvideo bringt es auf den Punkt: Die KI-Branche hat Hunderte Milliarden Dollar an Kapital eingesammelt. Um diese Bewertungen zu rechtfertigen, muss in den nächsten drei bis fünf Jahren eines von zwei Dingen passieren:

1. Entweder Unternehmen erzielen eine Billion Dollar an zusätzlichen Umsätzen durch neue, KI-getriebene Produkte – was aktuell kaum jemand nachweisen kann.
2. Oder es kommt zu einer massiven Zerstörung im Arbeitsmarkt, die enorme Effizienzgewinne und Kosteneinsparungen freisetzt.

Die CEOs der großen KI-Firmen setzen kommunikativ auf Szenario 2. Sam Altman prognostiziert, dass bis Ende 2028 mehr intellektuelle Kapazität in Rechenzentren als außerhalb davon existieren werde. Elon Musk erklärt: „KI und Roboter werden alle Jobs ersetzen. Arbeiten wird optional.“ Die Kommentatoren des Quellvideos nennen das, was es ist: „Katastrophisierung als kaum verhüllter Versuch zu sagen: Meine Technologie ist so umwälzend, dass sie die Gesellschaft verändern wird – also investiere zu dieser verrückten Bewertung.“

Erschwerend kommt hinzu, dass die KI-Marke beim Durchschnittsbürger dramatisch an Vertrauen verloren hat. Die einzige Bevölkerungsgruppe mit einer positiven Wahrnehmung von KI sind Menschen mit einem Einkommen über 200.000 Dollar. Sie sehen KI als Innovation und Portfoliotreiber. Der durchschnittliche Mittelstandshaushalt sieht dagegen steigende Stromrechnungen und hört CEOs von „optionaler Arbeit“ sprechen. Dass dieser Vertrauensverlust reale Konsequenzen hat, zeigt auch unsere Analyse zu den 80 % der CEOs, die um ihren Job fürchten, wenn die KI-Strategie nicht liefert.

Nicht optimieren – resilient werden

Hier liegt der vielleicht wichtigste Punkt des gesamten Themas – und die Kernaussage beider Quellvideos: Wenn du genau wüsstest, was kommt, wäre die richtige Strategie, dich exakt auf diese Zukunft zu optimieren. Aber wenn die Zukunft genuin unsicher ist – wenn ernsthafte Forscher sich nicht einmal auf die Richtung einigen können, geschweige denn auf das Ausmaß – dann ist Optimierung die falsche Strategie. Die richtige Strategie ist Resilienz: Werde zu jemandem, der unabhängig vom Szenario erfolgreich ist.

Konkret bedeutet das drei Dinge:

1. Geh in die Tiefe, nicht in die Breite

Mathematik, Statistik, Wahrscheinlichkeitstheorie – die Art von Denken, die nicht verfällt, wenn das nächste Tool kommt. Wenn du verstehst, warum ein Modell funktioniert, und nicht nur, wie man die API aufruft, kannst du dich anpassen, wenn sich die Werkzeuge ändern. Und das werden sie.

2. Lerne, schnell zu lernen

Die wertvollste Fähigkeit im Moment ist nicht ein bestimmtes Framework oder eine Programmiersprache. Es ist die Fähigkeit, etwas Neues in ein bis zwei Wochen aufzugreifen und produktiv damit zu werden. Die Halbwertszeit von Tech-Kenntnissen sinkt rapide – die Fähigkeit zum schnellen Upskilling wird zum entscheidenden Wettbewerbsvorteil.

3. Werde komfortabel mit Mehrdeutigkeit

Diejenigen, die am meisten kämpfen werden, sind nicht die mit den „falschen“ Skills. Es sind die, die gelähmt darauf warten, dass ihnen jemand den richtigen Weg zeigt. Diesen eindeutig richtigen Weg gibt es gerade nicht. Es gibt eine Reihe vernünftiger Pfade – das Beste, was du tun kannst, ist, einen davon zu wählen und loszugehen. Kurskorrekturen sind später möglich. Kurskorrekturen sind unmöglich, wenn du stillstehst.

Fazit: Die ehrliche Antwort ist unbequem – und befreiend

Niemand weiß, was kommt. Nicht ich, nicht Chip Huyen, nicht der selbstbewusste Thread auf Twitter. Und genau das ist die nützlichste Information, die du haben kannst – denn sie verändert, was die richtige Reaktion auf unsere Situation ist.

Die düsteren Prognosen haben ihre Berechtigung als Warnsignale. Die optimistischen Gegenprognosen haben ihre Berechtigung als Erinnerung an historische Muster. Aber für deine Karriereentscheidung taugen beide nicht als Blaupause. Die Unsicherheit selbst ist der wichtigste Datenpunkt.

Wenn dir jemand erzählt, er wisse genau, welche Jobs sicher sind und welche nicht – dann verkauft er dir entweder etwas, oder ihm fehlt die Demut, die fundamentale Unsicherheit dieses Moments einzuräumen. Die ehrliche Antwort ist unbequemer. Aber sie ist auch befreiender. Denn sie bedeutet: Der Vorteil liegt bei denen, die anpassungsfähig sind. Und das ist etwas, das du tatsächlich kontrollieren kannst.

Du brauchst keine perfekte Prognose. Du brauchst eine Strategie, die keine braucht.

Quellen: Marina Mogilko: „Why Nobody Knows What’s Coming (AI & Jobs)“, AI Brand & Jobs Diskussion, Goldman Sachs Economic Research (2023, 2025), Anthropic Economic Index (2025), World Economic Forum Future of Jobs Report (2025), Tufts American AI Jobs Risk Index (März 2026), Washington Post: „AI and Jobs“ Deep Dive (2025), Frey & Osborne Oxford Study (2013), ITIF Retrospective Analysis.