Eine neue Welle der KI-Berichterstattung konzentriert sich meist darauf, welche Berufe möglicherweise verschwunden werden. Was eine kürzlich aktualisierte Studie der Stanford University nahelegt, ist spezifischer und in mancher Hinsicht besorgniserregender: Die Disruption trifft nicht alle Altersgruppen gleichmäßig. Sie konzentriert sich am Startpunkt von Karrieren und betrifft Arbeitnehmer, die noch keine Gelegenheit hatten, jene Art von Erfahrung aufzubauen, die Schutz zu bieten scheint.
Eine Lücke, die sich weiter öffnet
Ökonomen an der Stanford University verfolgen Beschäftigungstrends in Berufen, die hinsichtlich ihrer Anfälligkeit für KI-Disruption eingestuft wurden. Ihr Update vom August 2026 zu einem Papier mit dem Titel „Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence“ stellt fest, dass das zuvor identifizierte Muster nicht abklingt. Es vertieft sich.
Arbeitnehmer im Alter von 22 bis 25 Jahren in den Berufen, die am stärksten der KI-Disruption ausgesetzt sind, sind mittlerweile zu Raten beschäftigt, die 19 Prozent unter denen ihrer Altersgenossen in weniger betroffenen Bereichen liegen. Ein Jahr zuvor lag diese Lücke noch bei 13 Prozent. Der Trend bewegt sich in eine Richtung.
Um dies zu messen, griffen die Forscher auf anonymisierte Gehaltsdaten zurück, die von ADP, einem Personalmanagementunternehmen, aggregiert wurden, und bewerteten die berufliche KI-Exposition mithilfe von zwei separaten Werkzeugen: einem etablierten Indikator für die Auswirkungen auf den Arbeitsmarkt und dem Anthropic Economic Index, der verfolgt, wie verschiedene Berufe das Claude AI Modell tatsächlich in ihrer täglichen Arbeit nutzen. Google veröffentlichte im selben Zeitraum einen vergleichbaren Bericht, der auf den Nutzungsmustern von Gemini basierte.
Entscheidend ist, dass die Forscher bei der Betrachtung der Gesamtwirtschaft ohne Unterscheidung nach Alter kaum oder gar keinen Unterschied in der Gesamtbeschäftigung zwischen den am stärksten und am wenigsten KI-exponierten Berufen feststellten. Das Gesamtbild sieht stabil aus. Das Bild für junge Arbeitnehmer tut das nicht.
Automatisierung versus Augmentierung: Nicht jede KI-Exposition ist gleich
Das ist es, was die meiste Berichterstattung über diese Studie übersieht. Die Forscher behandelten die KI-Exposition nicht als eine einzige einheitliche Kraft. Sie stützten sich auf eine Unterscheidung, die der Anthropic Economic Index zwischen zwei Arten der KI-Nutzung trifft: „automative“ Abfragen, bei denen KI eine zuvor von einem Menschen ausgeführte Aufgabe vollständig ersetzt, und „augmentative“ Abfragen, bei denen KI einem menschlichen Arbeitnehmer hilft, seine Arbeit effektiver zu erledigen.
Berufe wie Buchhalter und Wirtschaftsprüfer sowie Empfangspersonal und Informationsangestellte zählten zu den am stärksten anfälligen für Automatisierung. Rollen wie Vorstandsvorsitzende und diplomierte Gesundheits- und Krankenpfleger zählten zu jenen, in denen KI hauptsächlich zur Ergänzung menschlichen Urteilsvermögens und der Erfahrung eingesetzt wird. Die Beschäftigungsdaten folgen dieser Unterscheidung genau. Jobs, in denen Automatisierung vorherrscht, zeigen die schlechtesten relativen Beschäftigungsniveaus für junge Arbeitnehmer. Jobs, in denen KI erfahrene Arbeitnehmer augmentiert, zeigen eine stabile oder steigende Beschäftigung.
Die Forscher identifizierten auch ein damit zusammenhängendes Muster hinsichtlich der Art von Wissen, die ein Job erfordert. Einstiegsrollen neigen dazu, stark auf das zu vertrauen, was sie als „kodifiziertes“ Wissen bezeichnen: formale, standardisierte Informationen, die durch Bildung und schriftliche Verfahren erlernt werden können. Höhere Positionen neigen dazu, sich mehr auf „tacit“ Wissen zu verlassen, also die Art, die durch jahrelange Praxis, Mentoring und wiederholten Kontakt mit realen Situationen aufgebaut wird. KI, so scheint es, ist besser in der Lage, mit kodifiziertem Wissen umzugehen als mit tacit Wissen. Das macht Einsteiger in KI-exponierten Bereichen besonders anfällig, nicht weil sie weniger fähig sind, sondern weil das Wissen, das sie einbringen, genau die Art ist, die KI am ehesten reproduzieren kann.
Ein zusätzlicher Befund: Der Beschäftigungsrückgang bei jungen Arbeitnehmern in KI-exponierten Bereichen wird hauptsächlich durch geringere Einstellungsraten angetrieben, nicht durch verstärkte Entlassungen oder Kündigungen. Arbeitgeber stellen schlichtweg weniger neue Arbeitskräfte ein.
Das Problem mit der Auffahrt
Was diese Forschung bedeutsam macht, sind nicht nur die Zahlen. Es ist die strukturelle Dynamik, auf die sie hinweisen.
Der leitende Forscher Erik Brynjolfsson beschrieb das Risiko in einem Interview mit The Washington Post als einen Arbeitsmarkt, der sein Gesamtbeschäftigungsniveau hält und gleichzeitig leise den Einstiegspunkt für Menschen schließt, die ihre Karriere beginnen. Die Jobs, die von Arbeitnehmern gehalten werden, die in KI-exponierten Bereichen bereits etabliert sind, scheinen bisher weitgehend unberührt zu bleiben. Die Disruption trifft diejenigen, die noch nicht eingetreten sind.
Dies ist wichtig dafür, wie Gesellschaften über Bildung, Karrierewege und die langfristige Verteilung von Chancen denken. Wenn KI systematisch die Verfügbarkeit von Einstiegsrollen in bestimmten Bereichen reduziert, betrifft das nicht nur einzelne Arbeitssuchende. Es entfernt das Übungsfeld, durch das Arbeitnehmer historisch gesehen das tacit Wissen entwickelt haben, das sie später in ihrer Karriere wertvoll macht. Man kann in einem Bereich keine leitende Fachkraft werden, wenn die Juniorenrollen, die auf diese Seniorität hinführen, nicht mehr verfügbar sind.
Die Forscher fanden einen partiellen Puffer: Berufe mit einem höheren Anteil an Hochschulabsolventen zeigten gedämpftere Unterschiede zwischen KI-exponierten und weniger exponierten Rollen. In Bereichen mit weniger Hochschulabsolventen war der Kontrast schärfer, wobei die am wenigsten KI-exponierten Berufe wuchsen und die am stärksten exponierten zurückgingen.
Dieser Befund löst das Problem nicht. Er fügt eine Ebene der Komplexität hinzu, wer die Kosten trägt.
Kurz gefasst
Eine Studie der Stanford University, die Beschäftigungsdaten bis 2026 verfolgt, stellt fest, dass Arbeitnehmer im Alter von 22 bis 25 Jahren in KI-exponierten Berufen auf Niveaus beschäftigt sind, die 19 Prozent unter denen von Gleichaltrigen in weniger exponierten Bereichen liegen, gegenüber einer Lücke von 13 Prozent im Vorjahr. Der Effekt wird durch geringere Einstellungen, nicht durch Entlassungen, angetrieben und konzentriert sich auf Rollen, die auf kodifiziertes, lernbares Wissen anstelle von erfahrungsbasiertem tacit Wissen setzen. Berufe, in denen KI Aufgaben automatisiert, zeigen schlechtere Ergebnisse als solche, bei denen KI menschliche Arbeitskräfte augmentiert. Die breitere Wirtschaft sieht in der Aggregation stabil aus. Der Einstiegspunkt in Karrieren in bestimmten Bereichen tut das nicht.
Basierend auf Berichten von Ars Technica.