Theoretisches Potenzial vs. tatsächlicher KI-Einsatz und wichtige Kennzahlen
Die Studie stellt einen neuen Ansatz vor, um die Auswirkungen von KI auf den Arbeitsmarkt zu messen. Forscher nutzten bisher oft theoretische Kennzahlen wie den sogenannten Beta-Wert, der Arbeitsaufgaben auf einer einfachen Skala bewertet: Eine 1 bedeutet, dass ein Large Language Model (LLM) die Aufgabe allein doppelt so schnell erledigen kann, eine 0,5 steht für Aufgaben, die zusätzliche Softwaretools erfordern, und eine 0 bedeutet, dass die KI keine Beschleunigung bewirkt.
Um die Lücke zwischen Theorie und Realität zu schließen, führt die Anthropic-Studie die neue Kennzahl der beobachteten Exposition (Observed Exposure) ein. Diese Kennzahl erfasst quantitativ, welche der theoretisch durch KI unterstützbaren Aufgaben in der Praxis tatsächlich in einem beruflichen Kontext automatisiert genutzt werden. Die Studie zeigt, dass eine deutliche Diskrepanz zwischen den Fähigkeiten der KI und der realen Umsetzung besteht. Viele theoretisch mögliche KI-Aufgaben werden in der Praxis noch nicht genutzt. Mögliche Gründe sind rechtliche Vorgaben, fehlende Spezialsoftware oder notwendige menschlichen Überprüfung. Ein Beispiel ist die Berufskategorie „Computer und Mathematik“: Obwohl theoretisch 94 Prozent der Aufgaben durch KI abgedeckt werden könnten, liegt die beobachtete Abdeckung durch tatsächliche KI-Nutzung aktuell erst bei 33 Prozent.
Betroffene Berufe und Branchen
Die beobachtete Exposition unterscheidet sich je nach Berufsbild. Ganz oben auf der Liste der am stärksten betroffenen Berufe stehen Computerprogrammierer mit einer KI-Abdeckung von 74,5 Prozent, gefolgt von Kundendienstmitarbeitern (70,1 Prozent) und Datenerfassern (67,1 Prozent). Auch Finanz- und Investmentanalysten gehören zu den stark betroffenen Berufsgruppen.
Auf der anderen Seite weisen etwa 30 Prozent der Arbeitnehmer überhaupt keine KI-Exposition auf, weil ihre Aufgaben in den erhobenen Datenstrukturen nicht von Automatisierung berührt werden. Diese unbetroffene Gruppe umfasst Jobs, die physische Arbeit, Handwerk oder persönliche Präsenz erfordern. Typische Beispiele für Berufe ohne KI-Einfluss sind Köche, Motorradmechaniker, Rettungsschwimmer, Barkeeper, Tellerwäscher sowie Tätigkeiten in der Landwirtschaft.
Demografische Merkmale: Wer ist am stärksten betroffen?
Die demografischen Gruppen, die in Berufen mit der höchsten KI-Exposition arbeiten, unterscheiden sich erheblich von denen ohne KI-Exposition. Frauen, ältere Menschen sowie diejenigen mit einem höheren Bildungsabschluss und einem höheren Einkommen sind tendenziell stärker betroffen.
|
Merkmal |
Keine KI-Exposition |
Höchste KI-Exposition (Oberstes Quartil) |
|
Alter (Durchschnitt) |
41,0 Jahre |
42,9 Jahre |
|
Frauenanteil |
38,8 Prozent |
54,4 Prozent |
|
Hochschulabschluss (Master/Promotion) |
4,5 Prozent |
17,4 Prozent |
|
Stundenlohn (Durchschnitt) |
22,23 $ |
32,69 $ |
Tabelle 1: KI-Exposition nach demografischen Merkmalen
Die Daten basieren auf Arbeitnehmern in den USA. Stark betroffene Arbeitnehmer sind im Durchschnitt älter und mit einer Wahrscheinlichkeit von 54,4 Prozent weiblich. Zudem sind sie eher weiß (65,1 Prozent) oder asiatischer Abstammung (9,1 Prozent). Am wenigsten betroffen sind hispanische und schwarze Arbeitnehmer, die in der ungeschützten Gruppe deutlich stärker vertreten sind.
Ein großer Unterschied zeigt sich bei der Bildung und dem Einkommen: Die stark exponierte Gruppe verdient im Durchschnitt etwa 47 Prozent mehr als die ungeschützte Gruppe. Fast viermal so viele Personen in der hoch exponierten Gruppe besitzen einen fortgeschrittenen Universitätsabschluss im Vergleich zur Gruppe ohne Exposition.
Auswirkungen auf Arbeitslosigkeit und Neueinstellungen
Trotz der hohen Exposition vieler Büroberufe liefert die Studie keine Anzeichen für einen systematischen Anstieg der Arbeitslosigkeit bei stark exponierten Arbeitnehmern seit der Veröffentlichung von ChatGPT Ende 2022. Die Trends der Arbeitslosenquoten verlaufen zwischen stark und wenig betroffenen Gruppen weitgehend parallel. Allerdings weisen Prognosen des amerikanischen Bureau of Labor Statistics (BLS) darauf hin, dass Berufe mit einer höheren beobachteten KI-Exposition bis zum Jahr 2034 ein etwas geringeres Beschäftigungswachstum aufweisen werden.
Eine spürbare und direkte Auswirkung zeigt sich bereits heute bei den Neueinstellungen von jungen Arbeitnehmern. Bei der Altersgruppe der 22- bis 25-Jährigen fiel die Rate der Jobneuzugänge in den stark exponierten Berufen in der Post-ChatGPT-Ära im Vergleich zu 2022 um etwa 14 Prozent. Die Arbeitslosigkeit dieser jungen Gruppe stieg zwar nicht messbar an, was daran liegen könnte, dass junge Menschen länger an Universitäten bleiben, in andere Branchen ausweichen oder den Arbeitsmarkt gar nicht erst betreten. Allerdings ist die verlangsamte Einstellungsrate in diese Berufe ein erstes konkretes Signal für einen strukturellen Wandel auf dem Arbeitsmarkt.
Bewertung
Noch hat die KI ihr volles Potenzial auf dem Arbeitsmarkt nicht entfaltet. Es ist also gut möglich, dass es in den nächsten Monaten und Jahren noch wesentlich stärkere Verschiebungen geben wird. Dabei ist aber nicht zu vergessen, dass KI nicht nur zum Abbau von Jobs führt, sondern dass auch viele neue Berufe entstehen. Zudem wird es auch im Zukunft zahlreiche Berufe geben, die vom Einsatz der KI kaum berührt sein werden. Dazu gehören zum Beispiel Berufe in den Bereichen Handwerk, Soziales und Bildung.
