Ersetzt KI unsere Jobs? Was wirklich mit unserer Arbeit passiert
KI ersetzt bislang vor allem Aufgaben, nicht ganze Jobs: Routinetätigkeiten innerhalb von Rollen werden automatisiert, während Kontext, Verantwortung und Empathie beim Menschen bleiben. Historische Muster wie das Jevons-Paradox und Beispiele von Klarna bis Starbucks zeigen, dass sinkende Kosten die Nachfrage oft erhöhen statt Stellen zu vernichten. Wie sich der Arbeitsmarkt langfristig entwickelt, ist offen – es hängt davon ab, wie aktiv Unternehmen und Politik den Wandel gestalten.
Redaktionell aufbereitet aus unseren Originalausgaben. Alle verwendeten Newsletter und externen Quellen sind am Ende des Artikels verlinkt.
Das Wichtigste
- „Aufgabe weg“ heißt nicht „Job weg“: KI-Forscher François Chollet bringt es auf die Formel, dass KI Aufgaben automatisiert, keine Jobs. Das Radiologie-Beispiel zeigt es: Vor zehn Jahren totgesagt, heute gefragter denn je.
- Das Jevons-Paradox wirkt: Wird eine Leistung billiger, steigt oft die Nachfrage – Software-Firmen berichten, dass Kunden mit KI-Unterstützung nicht Personal abbauen, sondern mehr Projekte annehmen.
- Die Gegenbeispiele sind real, aber lehrreich: Klarna wollte den Kundenservice fast vollständig auf KI umstellen – und holte wieder Menschen zurück, weil die Qualität litt.
- Trotz hoher KI-Adoption blieben die messbaren Effekte zunächst klein: In einer Umfrage des Wall Street Journal (2025) nutzten 78 % der Firmen mindestens eine KI-Anwendung, typische Kosteneinsparungen lagen aber unter 10 %.
- Das Massenarbeitslosigkeits-Narrativ hat auch eine ökonomische Funktion: Wer glaubt, ein KI-Unternehmen ersetze die halbe Wirtschaft, bewertet es höher. Skepsis gegenüber apokalyptischen Prognosen ist angebracht – Nvidia-Chef Jensen Huang warf KI-Chefs 2026 sogar öffentlich einen „Gotteskomplex“ vor.
Erklärung und Kontext
Wer in den letzten Jahren CEOs zuhörte, konnte den Eindruck gewinnen, menschliche Arbeitskraft habe ihren Wert verloren: Anthropic berichtete schon 2025, intern würden rund 90 % des Codes mit KI-Hilfe geschrieben, Google sprach von 25 %, Microsoft von 30 %. Klarna kündigte an, im Kundenservice fast vollständig auf KI zu setzen.
Die Realität erwies sich als widerspenstiger. Klarna – eine der ersten „All-in“-Firmen – kündigte 2025 an, wieder mehr Menschen im Kundenservice einzusetzen: Die Qualität hatte gelitten, Beschwerden häuften sich. Amazon meldete parallel echte Automatisierungsfortschritte im Lager (die „Vulcan“-Roboter sortierten in einer deutschen Lagerhalle über 500.000 Produkte). Beides stimmt gleichzeitig: KI automatisiert manche Tätigkeiten schneller als erwartet – und scheitert an anderen, die trivial wirken.
Schon 2018, lange vor ChatGPT, kam in Experteninterviews des Oxforder Future of Humanity Institute (die Lukas für seine Masterarbeit zur politischen Steuerung von KI führte) immer wieder derselbe Punkt: KI wird weniger die Anzahl der Jobs verändern als die Aufgaben darin. Genau das ist eingetreten: Ein Junior-Entwickler schreibt weniger Code selbst und prüft mehr KI-Vorschläge. Eine Marketingkraft redigiert KI-Entwürfe statt bei null zu beginnen. Ein Kundenbetreuer übernimmt, wenn Empathie oder Eskalation nötig sind.
Warum sinkende Kosten mehr Arbeit schaffen können
Der britische Ökonom William Stanley Jevons beobachtete 1865, dass effizientere Dampfmaschinen den britischen Kohleverbrauch nicht senkten, sondern verdreifachten: Wird eine Ressource billiger, werden tausend Anwendungen rentabel, die vorher zu teuer waren. Bei Softwareentwicklung läuft dieses Muster seit 2025/26 live: Coding-Assistenten sind beeindruckend gut – und trotzdem boomt die Nachfrage nach Entwicklung, weil mehr Projekte wirtschaftlich werden.
Der Ökonom Alex Imas ergänzt einen zweiten Effekt: Je reicher Gesellschaften werden, desto mehr zahlen sie für das, was nur Menschen liefern – Ärzte, die zuhören, Therapeuten, die einen wirklich sehen, Service mit echtem Kontakt. Starbucks rollte seine Automatisierungsstrategie zurück und stellte wieder mehr Baristas ein, weil Kunden das Menschliche wollen und dafür zahlen.
Drei Szenarien – und ein offenes Rennen
Wie sich der Arbeitsmarkt entwickelt, hängt davon ab, wie Wirtschaft und Gesellschaft die Transformation gestalten. Der Ökonom Ansh Juneja beschreibt drei mögliche Pfade:
- Produktivitätsschub: KI erzeugt neue Nachfrage – mehr Produkte, mehr Dienstleistungen, mehr Jobs.
- Verlagerung: Viele traditionelle Jobs verschwinden, aber neue Branchen entstehen.
- Einstiegsproblem: Vor allem Junior-Stellen entfallen, Umschulung gelingt zu langsam, soziale Spannungen wachsen.
Keines dieser Szenarien ist determiniert. Die AI-Peanuts-Position: Es braucht eine Doppelstrategie – Bildungssysteme, die gezielt auf das vorbereiten, worin Menschen (noch) überlegen sind: Kontext, Verantwortung, Empathie, Kreativität. Und Governance, die Fehlanreize verhindert, etwa den Druck, KI ausschließlich als Kostenbremse einzusetzen. Der größte strategische Fehler vieler Unternehmen ist, beim Thema KI nur ans Ersetzen zu denken statt daran, Arbeit produktiver und besser zu machen.
Grenzen und Risiken
- Die Datenlage ist jung und volatil. Adoptionszahlen, interne Code-Anteile und Einsparquoten ändern sich schnell; die hier genannten Werte stammen aus den Ausgaben von Mai 2025 und Mai 2026 und sind entsprechend datiert.
- Aggregat vs. Einzelfall: Dass der Arbeitsmarkt insgesamt nicht kollabiert, hilft der einzelnen Sachbearbeiterin nichts, deren Aufgabenprofil sich halbiert. Übergänge sind individuell hart, auch wenn die Statistik freundlich aussieht.
- Junior-Problem ernst nehmen: Das dritte Szenario (wegfallende Einstiegsjobs) ist das plausibelste Risiko – gerade in Branchen, in denen Juniors bisher mit Routineaufgaben lernten.
- Interessengeleitete Prognosen überall: Sowohl „KI ersetzt alle“ (gut für Bewertungen von KI-Firmen) als auch „alles bleibt, wie es ist“ (beruhigend für Status-quo-Profiteure) sind Narrative mit Absender. Einzelstudien und CEO-Aussagen immer auf Anreize prüfen.
Häufige Fragen
Welche Jobs sind am stärksten betroffen?
Am stärksten verändern sich Tätigkeiten mit hohem Anteil wiederholbarer, gut beschreibbarer Aufgaben: Standardtexte, Routineauswertungen, einfache Kundenanfragen, Code-Boilerplate. Der Job als Ganzes verschwindet meist nicht – sein Zuschnitt ändert sich.
Warum hat Klarnas KI-Kundenservice nicht funktioniert?
Nach eigener Darstellung litt die Qualität: zu viele Fehler, zu wenig Vertrauen der Kunden. Klarna kündigte 2025 an, wieder mehr Menschen einzusetzen. Die Lehre ist nicht „KI taugt nichts im Support“, sondern: Vollersatz ist ein anderes Spiel als Unterstützung – und Kundenkontakt hat einen eigenen Wert.
Was ist das Jevons-Paradox – und gilt es immer?
Es beschreibt, dass Effizienzgewinne den Gesamtverbrauch einer Ressource erhöhen können, weil mehr Anwendungen rentabel werden. Es ist ein wiederkehrendes Muster, kein Naturgesetz: Ob es greift, hängt davon ab, ob es unerfüllte Nachfrage gibt, die durch sinkende Kosten aktiviert wird.
Was sollte ich persönlich tun?
Die Aufgaben im eigenen Job ehrlich sortieren: Was ist Routine (wird KI übernehmen), was ist Kontext, Beziehung, Verantwortung (wird wertvoller)? Wer KI-Werkzeuge aktiv nutzt, um den Routineanteil selbst zu automatisieren, verschiebt das eigene Profil in Richtung der wertvollen Hälfte.
Werden durch KI auch neue Jobs entstehen?
Historisch hat jede Basistechnologie neue Berufsbilder geschaffen, die vorher niemand vorhersah. Erste Beispiele gibt es bereits (Agenten-Betrieb, KI-Qualitätssicherung, Skill-/Workflow-Design). Ihr Umfang ist die eigentliche offene Wette der nächsten Jahre.
Quellen und ursprüngliche AI-Peanuts-Ausgaben
- AI-Peanuts-Ausgabe vom 13.05.2025: „Werden wir alle ersetzt? Was KI wirklich mit unseren Jobs macht“
- AI-Peanuts-Ausgabe vom 05.05.2026: „Der Chip-König greift die KI-Apokalyptiker an“
- Aus den Ausgaben verlinkt (Auswahl, Stand der jeweiligen Ausgabe): Bloomberg zu Klarnas Kurswechsel (Mai 2025), WSJ-Umfrage zur KI-Nutzung in Firmen (2025), IEEE Spectrum zu Amazons Lagerrobotern, ARC-Prize-Leaderboard, Guardian zu Starbucks' Automatisierungs-Rückzug (April 2025)