Wer künstliche Intelligenz einführt, wächst bei den Erfahrenen und kürzt zuerst beim Berufseinstieg, und genau das ist die Karrierelücke

Eine Studie des Stanford Digital Economy Lab vergleicht erstmals in 41 Ländern Unternehmen, die generative KI einführen, mit solchen, die es nicht tun.

Eine Studie des Stanford Digital Economy Lab vergleicht zum ersten Mal in 41 Ländern Unternehmen, die generative KI einführen, mit solchen, die es nicht tun. Sie beantwortet die Frage, an der der Report Work After AI 2026 im September noch offen enden musste, und sie beantwortet sie anders, als die lauteste Lesart erwartet.

Der Report Work After AI 2026 hält in seinem dritten Kernbefund fest, dass die Karrierelücke beim Einstellen entsteht und nicht beim Kündigen. Die Beschäftigung der 22- bis 25-Jährigen in den am stärksten exponierten Berufen liegt in den Vereinigten Staaten 19 Prozent unter dem Stand ihrer Altersgenossen in weniger exponierten Berufen, und dieser Abstand kommt vollständig über ausbleibende Einstellungen zustande. Offen bleiben musste im September die Frage nach der Ursache, denn die Forschung war sich darüber nicht einig. Zwei der sorgfältigsten Studien, die dänische Registerstudie von Anders Humlum und Emilie Vestergaard und die Auswertung des Zahlungsdienstleisters Ramp (ramp.com) mit dem Arbeitsmarktdatenanbieter Revelio Labs (reveliolabs.com), kamen übereinstimmend zu dem Ergebnis, dass der Einbruch gerade nicht von jenen Firmen ausgeht, die die Technologie tatsächlich einführen. Wer das ernst nahm, musste die Ursache woanders suchen, bei den Zinsen, beim Homeoffice oder bei der Konjunktur.

Am 20. September 2026 hat das Stanford Digital Economy Lab ein Arbeitspapier veröffentlicht, das diese Frage neu stellt und breiter beantwortet als jede Studie zuvor. Bharat Chandar, Mitautor jener Stanford-Reihe, aus der die 19 Prozent stammen, und Bouke Klein Teeselink vom King's College London haben unter dem Titel „How Does AI Change Labor Demand? Evidence from 41 Countries“ untersucht, was in den Belegschaften von Unternehmen geschieht, die generative KI nachweislich einführen. Diese Analyse berührt den dritten und den vierten Kernbefund des Reports, und sie ist seit dem 3. Oktober als Quelle 143 in der kommenden Fassung 1.3 eingearbeitet.

Die Studie vergleicht Unternehmen und nicht Berufe, und das ist der entscheidende Unterschied

Fast alle Arbeiten zum Berufseinstieg, auch die Stanford-Reihe selbst, sortieren Berufe danach, wie viel ihrer Arbeit eine Maschine theoretisch übernehmen könnte, und vergleichen dann die Beschäftigung in stärker und schwächer exponierten Berufen. Diese Exposition ist eine Möglichkeit, keine Tatsache, und der Report warnt an mehreren Stellen davor, sie mit Ersetzung zu verwechseln. Chandar und Klein Teeselink gehen den anderen Weg. Sie fragen nicht, was die Maschine könnte, sondern wer sie einsetzt.

Als Einführung zählt dabei, dass ein Unternehmen nach dem Start von ChatGPT mindestens eine Stelle ausgeschrieben hat, in der der Umgang mit generativer KI verlangt oder gewünscht wird. Aus 1,25 Milliarden Stellenanzeigen aus 41 Ländern haben die Autoren zunächst mit Schlagwörtern und dann mit einem Sprachmodell 1,36 Millionen solcher Anzeigen herausgefiltert, wobei der zweite Schritt Fehltreffer wie die Copiloten von Fluglinien, Bewerber mit dem Vornamen Claude und den juristischen Abschluss LLM aussortiert. Gemessen wird anschließend nicht die Anzeige, sondern die Belegschaft. Dafür stehen 154 Millionen Beschäftigungsverhältnisse aus öffentlichen Berufsprofilen zur Verfügung, überwiegend aus LinkedIn, aufbereitet von Revelio Labs, also von demselben Anbieter, auf dessen Daten auch die Ramp-Auswertung beruht.

Der eigentliche Kunstgriff liegt im Vergleich. Unternehmen, die KI einführen, sind größer, zahlen besser und beschäftigen mehr Menschen in exponierten Berufen als andere, und sie wachsen womöglich aus Gründen, die mit der Technologie nichts zu tun haben. Ein schlichter Vergleich würde deshalb die Wirkung der Einführung mit der Auswahl der Einführenden verwechseln. Die Autoren betrachten darum ausschließlich Auslandstöchter multinationaler Konzerne, stellen jeder Tochter eines einführenden Unternehmens vergleichbare Töchter von Unternehmen ohne KI-Einführung im selben Land und derselben Branche gegenüber, und sie erklären die Einführung selbst über einen Umweg: Unternehmen führen die Technologie eher ein, wenn die anderen Konzernmütter am Hauptsitz ihrer eigenen Mutter sie einführen, und was die Mutter tut, kommt bei den Töchtern im Ausland an. Was mit der Belegschaft einer Tochter in Brasilien geschieht, wird also daraus erklärt, was die Nachbarn ihrer Mutter in Chicago oder Paris tun. Das ist ein Instrument, mit dem sich die Auswahl von der Wirkung trennen lässt, und die Autoren prüfen es mit einem Dutzend Gegenrechnungen, die das Bild nicht verändern.

Die Verschiebung entsteht durch Wachstum oben und nicht durch Abbau unten

Das Ergebnis lässt sich in einem Satz sagen: Die Einführung der Technologie verändert, wen ein Unternehmen beschäftigt, und kaum, wie viele. Bis März 2026, also gut drei Jahre nach dem Start von ChatGPT, ist der Anteil der Berufseinsteiger an der Belegschaft der einführenden Töchter um 1,9 Prozentpunkte gesunken, von einem Ausgangswert von 57 Prozent. Der Rückgang beginnt fast unmittelbar nach dem Start und setzt sich drei Jahre lang fort.

Entscheidend ist jedoch, woraus dieser Rückgang besteht. Die Zahl der erfahrenen Beschäftigten steigt in den einführenden Töchtern um 6,7 Prozent. Die Zahl der Einsteiger liegt um 2,5 Prozent niedriger, und dieser Wert ist statistisch nicht von null zu unterscheiden. Die Gesamtbeschäftigung wächst um 3,3 Prozent. In Personen gerechnet beschäftigt die durchschnittliche einführende Tochter mit rund 255 Positionen im März 2026 etwa acht Erfahrene mehr und vier Einsteiger weniger, als sie es ohne die Einführung täte. Einen Abbau zeigen diese Daten nicht. Die Belegschaft wird nach oben umgebaut.

Dieses Muster ist kein amerikanischer Sonderfall. Für 31 Länder lässt sich die Rechnung einzeln aufstellen, und in 23 davon sinkt der Einsteigeranteil, statistisch gesichert in den Vereinigten Staaten, in Großbritannien, Spanien, Polen, Brasilien, Mexiko und Saudi-Arabien. In keinem einzigen Land sinkt die Gesamtbeschäftigung der einführenden Töchter messbar. Das Muster zeigt sich im Informationssektor am stärksten, aber es zeigt sich auch außerhalb, nur schwächer, und es zeigt sich unabhängig davon, ob die erste KI-Stelle eines Unternehmens eine Entwicklerin, ein Jurist, ein Manager oder eine Designerin war. Der Rückgang des Einsteigeranteils ist also kein Nebenprodukt davon, dass Unternehmen KI-Fachleute einstellen.

Innerhalb der Berufe verschiebt sich dabei die Nachfrage. Bei den Erfahrenen wandert sie um 5 Prozent zu den am stärksten exponierten Tätigkeiten hin, bei den Einsteigern um 2 Prozent von ihnen weg. Am deutlichsten wächst der Anteil der Informatik- und Mathematikberufe an der Belegschaft, und ausgerechnet dort fällt der Einsteigeranteil am stärksten, um 3,3 Prozentpunkte. Signifikante Rückgänge des Einsteigeranteils zeigen sich außerdem in den Rechtsberufen, in Betriebswirtschaft und Finanzen, im Vertrieb und im Management, alles Berufsgruppen aus der oberen Hälfte der Expositionsrangfolge. Die Autoren ziehen daraus den Schluss, dass die Technologie bei den Einsteigern Arbeit einspart und bei den Erfahrenen in exponierten Tätigkeiten zusätzliche schafft.

Für den Report ist das ein Widerspruch an einer Stelle und eine Bestätigung an der anderen

Der Widerspruch betrifft die Zuschreibung. Die dänische Studie und die Ramp-Auswertung sahen den Einbruch nicht bei den einführenden Unternehmen. Chandar und Klein Teeselink sehen ihn mit derselben Datenklasse, aber mit einem anderen Maß für die Einführung, in 41 statt in einem Land und mit einem Instrument, das die Auswahl von der Wirkung trennt, genau dort. Beide Befunde bleiben im Report nebeneinander stehen, denn eine Studie hebt die andere nicht auf. Die Gewichte haben sich jedoch verschoben. Wer heute sagt, der Umbau beim Berufseinstieg habe mit der Technologie nichts zu tun, muss die bisher breiteste Messung dazu erklären.

Die Bestätigung betrifft die Leitthese. Der Report hat den Jobkiller von Anfang an als Story der Kapitalmärkte gelesen und die tatsächliche Wirkung der Technologie im Umbau der Organisation verortet, nicht im Abbau der Belegschaft. Genau das zeigt diese Studie: Die einführenden Unternehmen werden nicht kleiner, sie werden erfahrener. Das ist zugleich der erste beschäftigungsseitige Beleg für den Mechanismus, den die österreichische Berichterstattung im Sommer als Seniorisierung bezeichnet hat. Das AI Jobs Barometer von PwC (pwc.com) hatte ihn nur in Stellenanzeigen gezeigt, also in dem, was Arbeitgeber verlangen. Hier zeigt er sich in dem, wen sie beschäftigen.

Zwei Dinge dürfen dabei nicht geschehen. Die 19 Prozent der Stanford-Reihe und die 6,7 Prozent dieser Studie sind keine gegenseitige Bestätigung, obwohl ein Autor an beiden beteiligt ist, denn die eine misst Berufe nach Exposition in Lohnabrechnungsdaten und die andere Unternehmen nach Einführung in Berufsprofilen. Und der Zuwachs der einführenden Unternehmen ist kein Zuwachs der Gesamtwirtschaft. Die Autoren halten in ihrem eigenen Modell ausdrücklich fest, dass einführende Unternehmen auch deshalb wachsen können, weil sie den anderen Marktanteile abnehmen, und dass die Beschäftigung insgesamt dabei sogar sinken kann. Was die Studie zeigt, ist die Entscheidung im einzelnen Unternehmen. Was sie nicht zeigt, ist die Summe.

Für den deutschsprachigen Raum sagt die Studie nichts, und das ist selbst ein Befund

Deutschland, Österreich und die Schweiz sind in den 41 Ländern enthalten, und für alle drei bleiben die Schätzungen ohne gesichertes Ergebnis. Für Deutschland liegen alle vier Größen nahe null, mit breiten Unsicherheitsbereichen. Für Österreich zeigt der Einsteigeranteil leicht nach unten und die Gesamtbeschäftigung leicht nach oben, beides nicht gesichert. Für die Schweiz zeigen die Schätzungen in die Gegenrichtung, ebenfalls nicht gesichert. Wer diese Studie als Beleg für den DACH-Raum zitiert, zitiert sie falsch.

Dafür gibt es zwei Gründe, und beide stehen schon im Report. Der erste ist die Datengrundlage. Berufsprofile aus LinkedIn decken in den Vereinigten Staaten rund zwei Drittel der amtlichen Beschäftigung ab, in Deutschland 23 Prozent und in Österreich 27 Prozent, und sie überzeichnen Führungskräfte und Fachleute, während manuelle Berufe fast fehlen. Der zweite Grund ist das Messinstrument selbst. Die Einführung wird an Stellenanzeigen erkannt, in denen KI-Fähigkeiten verlangt werden, und genau diese Anzeigen sind in Österreich besonders selten. Im Report steht dazu der österreichische Dreiklang: Österreichische Unternehmen setzen die Technologie überdurchschnittlich häufig ein, 30 Prozent nach Eurostat, und schreiben trotzdem fast keine Stellen aus, in denen sie verlangt wird, 0,8 Prozent nach dem Stanford AI Index. In den Daten dieser Studie liegt der Anteil der KI-Anzeigen in Österreich bei 0,03 Prozent, in Deutschland bei 0,04 Prozent, in Indien, Israel und der Slowakei liegt er zehnmal höher. Ein Instrument, das die Einführung an der Nachfrage nach KI-Fähigkeiten in Anzeigen erkennt, ist in einer Region fast blind, in der Unternehmen die Technologie über eingekaufte Werkzeuge nutzen, ohne dafür Fachkräfte zu suchen. Ob der Umbau nach oben in den deutschsprachigen Belegschaften ausbleibt oder nur nicht gemessen wird, lässt sich mit dieser Studie nicht entscheiden. Der Report liest das Ausbleiben des amerikanischen Musters in Europa seit September als Zeitfenster und nicht als Gegenbeweis, und dabei bleibt es.

Der Berufseinstieg wird nicht gestrichen, seine Anforderungen steigen, und das ist eine Entscheidung im Haus

Was bleibt, ist die klarste Beschreibung dessen, was die Einführung der Technologie mit einer Belegschaft macht, die bisher vorliegt. Die einführenden Unternehmen stellen nicht weniger Menschen ein. Sie stellen andere ein. Die Arbeit, die früher die Lernaufgabe des Einstiegs war, wird dort von Erfahrenen mit der Maschine erledigt, und der Einstieg rückt eine Stufe nach oben, in die Aufsicht über das, was die Maschine liefert. Das ist der vierte Kernbefund des Reports, und er hat jetzt eine Messung in 41 Ländern hinter sich.

Für Führungskräfte folgt daraus keine Entwarnung, sondern eine Verortung. Die Karrierelücke entsteht nicht irgendwo in der Volkswirtschaft, sie entsteht im Einstellungsplan jener Unternehmen, die mit der Technologie arbeiten. Dort fällt die Entscheidung, ob die acht zusätzlichen Erfahrenen von 2026 die Erfahrenen von 2032 ersetzen können, die nie eingestellt wurden. Die Studie zeigt, dass die Unternehmen diese Entscheidung bisher in eine Richtung treffen. Sie zeigt nicht, dass sie richtig ist. In einem Land wie Deutschland, in dem bis 2040 30 Prozent der Erwerbspersonen in Rente gehen, ist sie wahrscheinlich falsch, und sie lässt sich, anders als die Konjunktur und die Zinsen, im eigenen Haus korrigieren.

Gerhard Kürner ist Autor von Work After AI, CEO von 506.ai und Mitgründer von Choose European.

Report als PDF: https://www.gerhardkuerner.com/downloads/Work-After-AI_2026_DE.pdf

Website: workafterai.org

Startartikel: https://www.workafterai.org/p/der-jobkiller-ki-ist-eine-story-der