Welche Jobs verändert KI wirklich? Drei Studien, ein Bild.

Wie verändert KI Arbeit? Nicht als abstrakte Frage für Konferenzbühnen. Sondern ganz konkret: Welche Aufgaben fallen weg, welche entstehen, was passiert mit den Menschen, die diese Arbeit heute machen? Ich beschäftige mich seit zwei Jahren mit dieser Frage. In meiner eigenen Arbeit, in Beratungsprojekten, in der Auseinandersetzung mit Kunden, die genau das wissen wollen.

Was sich verändert hat: Die Frage kommt häufiger. Und drängender. Vor einem Jahr kam sie am Rande von Workshops, als Nebensatz. Heute steht sie auf der Agenda. Führungskräfte, die bisher über Tools und Effizienz gesprochen haben, fragen jetzt nach Teamstrukturen, Stellenprofilen, Zukunftsfähigkeit. Den Leuten wird klar, dass das nicht mehr theoretisch ist.

Jetzt sind innerhalb weniger Wochen drei Studien erschienen, die aus völlig verschiedenen Richtungen auf diese Frage schauen. Karpathy bewertet Berufe von außen. Microsoft misst, was Menschen tatsächlich mit KI tun. Anthropic fragt die Nutzer selbst. Ich habe alle drei gelesen und nebeneinandergelegt. Einzeln erzählt jede eine andere Geschichte. Zusammen ergibt sich ein Bild, das nützlicher ist als jede Heatmap.

Drei Blickwinkel auf dieselbe Frage

Andrej Karpathy hat im März eine interaktive Karte veröffentlicht, die 342 US-Berufe nach KI-Gefährdung einfärbt. Seine These ist simpel: Je digitaler der Job, desto exponierter. Softwareentwickler 9 von 10, Dachdecker 0 von 10. Jobs über 100.000 Dollar Jahresgehalt haben einen durchschnittlichen Exposure-Score von 6,0. Jobs unter 30.000 Dollar liegen bei 3,4. Das klingt intuitiv. Und es dreht die klassische Karriereberatung um. Jahrzehntelang hieß es: Investiere in Bildung, dann bist du sicher. Wenn KI Informationen besser verarbeitet als physische Objekte, stimmt das nicht mehr.

Fast zeitgleich hat Microsoft Research 200.000 echte Copilot-Gespräche ausgewertet. Keine Spekulation, keine LLM-Bewertung von Berufsbildern. Echte Nutzungsdaten. Und hier wird es spannend: Die Korrelation zwischen Gehalt und KI-Anwendbarkeit ist schwach. Auch beim Bildungsniveau: breite Streuung, kein klares Muster. Die simple Geschichte "Akademiker gefährdet, Handwerker sicher" hält den echten Nutzungsdaten nicht stand. Microsoft zeigt außerdem, dass KI nicht binär eingesetzt wird. Manche Berufe delegieren Aufgaben an KI. Andere nutzen sie als Werkzeug, bei dem die eigentliche Arbeit beim Menschen bleibt. Dieser Unterschied ist wichtig und er taucht bei Karpathy nicht auf.

Dann Anthropic. 81.000 Claude-Nutzer in 159 Ländern, befragt zu ihren Erfahrungen. Keine Berufsbewertung von außen, keine Nutzungsmessung. Sondern: Was erleben die Menschen selbst? Und der wichtigste Befund widerspricht dem, was die öffentliche Debatte suggeriert. Es gibt kein Team Optimist und kein Team Pessimist. Hoffnung und Angst existieren in derselben Person.

Drei Methoden, drei Antworten. Und keine davon erzählt die ganze Geschichte.

Warum man in Aufgaben denken muss, nicht in Berufen

Wenn man alle drei Studien nebeneinanderlegt, fällt auf, dass sie dasselbe Problem haben. Karpathy bewertet ganze Berufe. Rot oder grün. Gefährdet oder nicht. Aber kein Beruf besteht aus einer einzigen Tätigkeit.

Ein Softwareentwickler schreibt Code. Er reviewt auch Code, klärt Anforderungen, erklärt Entscheidungen, dokumentiert Architektur, debuggt Probleme in der Produktion. KI verändert einige dieser Aufgaben massiv. Andere kaum. Denselben Beruf mit einer Zahl zu bewerten ist wie eine Durchschnittsnote für eine Schulklasse: Sie sagt wenig darüber aus, wer welche Hilfe braucht.

Microsoft kommt dem näher. Ihre Daten zeigen, dass selbst vermeintlich physische Berufe digitale Anteile haben. Ein Elektriker recherchiert Vorschriften, dokumentiert Arbeit, kommuniziert mit Kunden. KI sickert überall rein. Nur eben unterschiedlich tief. Und Anthropic zeigt die menschliche Seite davon: Dieselbe Person erlebt KI gleichzeitig als Werkzeug und als Bedrohung. Weil verschiedene Teile ihrer Arbeit unterschiedlich betroffen sind.

Die Auflösung ist unbequem. Die Frage "Ist mein Job sicher?" hat keine Ja-oder-Nein-Antwort. Die nützlichere Frage lautet: Welche meiner Aufgaben verändern sich? Wie schnell? Und was kommt stattdessen? Das ist schwieriger. Aber es führt zu Antworten, mit denen man tatsächlich arbeiten kann.

Vier Quadranten statt einer Skala

Wenn man Karpathys KI-Exposition mit den Arbeitsmarktprognosen des Bureau of Labor Statistics kombiniert, ergibt sich ein Bild, das nützlicher ist als jede einzelne Skala.

Karpathys Karte zeigt dir nur eine Achse: exponiert oder nicht. Die Tabelle zeigt, warum das nicht reicht. Quadrant A und B haben beide hohe KI-Exposition. Aber die Konsequenzen sind völlig unterschiedlich. Und Quadrant D zeigt, dass du auch ohne KI ein Problem haben kannst, wenn die Nachfrage nach deiner Arbeit sinkt.

Die Microsoft-Daten ergänzen das um eine dritte Dimension: Wie wird KI eingesetzt? In Quadrant A nutzen viele KI als Partner. Sie delegieren Teilaufgaben und übernehmen die Steuerung. In Quadrant B übernimmt KI zunehmend ganze Aufgabenblöcke. Der Unterschied zwischen Delegation und Ersetzung verläuft nicht entlang der Berufsbezeichnung. Er verläuft entlang der einzelnen Aufgabe.

Was die Zahlen nicht zeigen

Es gibt einen Befund in der Anthropic-Studie, der mich mehr beschäftigt hat als alle Scores und Quadranten. 28 Prozent der Befragten sehen wirtschaftliche Chancen durch KI. 18 Prozent fürchten wirtschaftliche Verdrängung. Bei freiberuflichen Kreativen halten sich Nutzen und Bedrohung fast die Waage. KI ist gleichzeitig ihr Werkzeug und ihr Konkurrent.

Erleichterung: Ein Softwareentwickler aus Japan erzählt in der Studie, dass KI ihm zum ersten Mal erlaubt hat, pünktlich Feierabend zu machen und seine Tochter abzuholen.

Frustration: Ein französischer Freelancer beschreibt, dass sich trotz der Zeitersparnis nichts verändert hat, weil man einfach schneller laufen muss, um am gleichen Ort zu bleiben.

Beide nutzen KI. Beide profitieren. Einer ist erleichtert, der andere frustriert. Das bildet keine Heatmap ab.

Nur 4 Prozent der Befragten hatten reale Verdrängung erlebt. Trotzdem war die Sorge um Jobs der stärkste Prädiktor für die Gesamteinstellung gegenüber KI. Stärker als Angst vor Überwachung oder Fehlinformation. Die Angst ist der Realität voraus. Aber sie ist trotzdem real. Ich sehe das in jedem Workshop. Wenn du sagst "KI", hören viele zuerst "Gefahr für meinen Job". Egal was die Daten sagen.

Für Führungskräfte ist das eine Information, die sie nicht ignorieren können. Wer KI einführen will, ohne diese Angst zu adressieren, bekommt keine Transformation. Er bekommt Widerstand.

Die eigentliche Lücke

Alle drei Studien zeigen, was KI theoretisch kann. Karpathy zeigt das Potenzial auf Berufsebene. Microsoft zeigt, wie Menschen KI in der Praxis einsetzen. Aber zwischen dem, was möglich ist, und dem, was tatsächlich passiert, klafft eine Lücke. Und in dieser Lücke steckt die eigentliche Geschichte.

Ich kenne diese Lücke aus meiner Arbeit. Unternehmen, die wissen, dass KI ihre Branche verändern wird, aber nicht wissen, wo anfangen. Teams, die Tools haben, aber keine Erlaubnis zu experimentieren. Führungskräfte, die Strategie sagen und Abwarten meinen. Die Lücke ist keine technische. Sie ist organisatorisch. Kulturell. Menschlich.

Die Kluft zwischen dem, was KI kann, und dem, was Unternehmen tatsächlich einsetzen. In dieser Lücke existiert gerade jeder einzelne Job.

Und hier schließt sich der Kreis zu den Studien. Karpathys Karte beantwortet die Frage, welche Berufe KI verändern könnte. Die Microsoft-Daten zeigen, welche Aufgaben KI heute schon verändert. Aber welche Jobs sich tatsächlich verändern, das entscheidet weder die Technologie noch eine Heatmap. Das entscheiden Unternehmen. Durch das, was sie tun. Oder eben nicht tun.

Was bleibt

Drei Dinge nehme ich aus dem Vergleich dieser Studien mit.

Die Panik-Narrative sind falsch. "42 Prozent aller Jobs sind hochexponiert" klingt dramatisch. Aber Exposition heißt nicht Ersetzung. Softwareentwickler haben bei Karpathy einen Score von 9 von 10. Die Nachfrage nach Software steigt trotzdem. Karpathy selbst weist darauf hin. Die Frage ist nicht, ob dein Beruf exponiert ist. Die Frage ist, was du mit den Aufgaben machst, die sich verändern.

Die Beruhigungs-Narrative sind auch falsch. "KI unterstützt nur, ersetzt niemanden" klingt beruhigend. Die Microsoft-Daten zeigen aber, dass in manchen Berufsgruppen KI bereits ganze Aufgabenblöcke übernimmt. Nicht Assistenz. Delegation. Wer sich darauf verlässt, dass alles so bleibt, bewertet eine Technologie, die sich schneller verändert als die meisten Organisationen.

Und dann ist da ein Gedanke, der über diese drei Studien hinausgeht. Wenn KI nicht auf Berufsebene wirkt, sondern auf Aufgabenebene, dann verändert sich nicht nur, was wir tun. Dann verändert sich, wie Berufe geschnitten sind. Ein neuer Job in fünf Jahren könnte Aufgaben aus drei heutigen Berufen kombinieren. Das ist kein Szenario für 2035. Das passiert jetzt schon. Nur schauen die meisten Unternehmen noch auf Stellenprofile, die vor zehn Jahren geschrieben wurden.

Die Werkzeuge, um diese Veränderung zu verstehen, sind da. Was fehlt, ist die organisatorische Fähigkeit, damit zu arbeiten. Und die beginnt nicht mit einer Heatmap. Sie beginnt mit einem ehrlichen Blick auf die eigene Arbeit.

Quellen:

Karpathy, A. (2026): US Job Market Visualizer. Interaktive Treemap mit 342 US-Berufen, bewertet nach KI-Exposition auf Basis von BLS-Daten.

Tomlinson, K., Jaffe, S., Wang, W., Counts, S., Suri, S. (2025): Working with AI: Measuring the Applicability of Generative AI to Occupations. Microsoft Research. Analyse von 200.000 Copilot-Gesprächen, klassifiziert nach O*NET-Arbeitsaktivitäten.

Huang, S. et al. (2026): What 81,000 People Want from AI. Anthropic. Qualitative Befragung von 81.000 Claude-Nutzern in 159 Ländern.