KI und Arbeit.

Beginnen wir mit Zahlen, nicht mit Meinungen.

• 76 Prozent der Erwerbstätigen nutzen laut McKinsey 2025 in irgendeiner Form KI bei der Arbeit — gegenüber 30 Prozent 2023. Die Adoption ist schneller gelaufen als nahezu alle Prognosen erwartet haben.
• Die US-Produktivität stieg 2025 um rund 2,7 Prozent — fast doppelt so stark wie im Schnitt des vergangenen Jahrzehnts (1,4 Prozent). Der Stanford-Ökonom Erik Brynjolfsson beschreibt das als Übergang von der Investitions- zur „Ernte-Phase": Die Dollars, die in den vergangenen Jahren in KI geflossen sind, schlagen jetzt in der Statistik durch.
• Gleichzeitig hat der Einstiegsarbeitsmarkt gelitten: Eine Harvard-Studie vom Februar 2026 über 62 Millionen Beschäftigte zeigt, dass Junior-Rollen in KI-adaptierenden Firmen um 9 bis 10 Prozent eingebrochen sind, während Senior-Rollen stabil blieben. In Teilsegmenten — Einstiegs-Entwicklerinnen und -Entwickler in den USA unter 25 — sogar bis minus 20 Prozent gegenüber dem Höchststand 2022.
• Die globale Arbeitslosenquote liegt laut ILO Employment-Trends-2026 bei 4,9 Prozent — auf dem Niveau der Vorjahre. Die befürchtete KI-Massenarbeitslosigkeit ist in den Makrodaten nicht zu sehen.
• Rund eine von vier Beschäftigten weltweit arbeitet laut ILO in einer Rolle mit relevanter GenAI-Exposition — aber nur 3,3 Prozent der globalen Beschäftigung fällt in die höchste Gefährdungskategorie. Der Effekt ist real, aber verteilt, nicht konzentriert.

Die Kurzform: KI ist in der Breite angekommen, die Produktivität steigt, der Arbeitsmarkt ist stabil — aber an bestimmten Rändern, vor allem beim Einstieg in Wissensberufe, finden reale, schmerzhafte Brüche statt.

Niemand weiß, wohin dieser Übergang läuft. Aber die Pfade lassen sich beschreiben. Der Future of Jobs Report 2026 des Weltwirtschaftsforums skizziert vier Szenarien, die wir für den nützlichsten Rahmen dieser Debatte halten — weil sie beide Enden der Erzählung ernst nehmen, ohne sich für eines zu entscheiden.

Drei dieser vier Szenarien sind nicht katastrophal. Eines (Displacement) wäre es. Wenig spricht dafür, dass dieses eine Szenario automatisch kommt — alle seriösen Prognosen der letzten Monate (WEF, Gartner, McKinsey, ILO) sehen bei nüchterner Betrachtung eher Umverteilung als Auslöschung. Das ist kein Grund für Euphorie. Aber ein belastbarer Grund, die reine Angst-Erzählung nicht weiter zu reproduzieren.

Die Jahre 2023 und 2024 waren laut. Goldman Sachs warnte, 300 Millionen Jobs seien bedroht. Prominente KI-Vertreter sagten das Ende ganzer Berufsstände voraus. Influencer riefen zur Eile auf: „Bildet euch weiter, springt sofort auf, sonst seid ihr verloren." Die Rhetorik war effektiv — sie erzeugte Angst, Klicks und volle Kurs-Warenkörbe. Sie war aber in den Daten so nicht gedeckt, und sie ist es heute noch weniger.

Gartner selbst hat im Frühjahr 2026 in einem viel beachteten Papier die eigene Position pointiert zusammengefasst: „AI won't cause a jobs apocalypse, but it will unleash job chaos." Keine Auslöschung. Aber Unordnung — Verschiebungen, neue Rollen, Bruchlinien, Umschulungsdruck. Das ist anstrengend und an manchen Stellen schmerzhaft. Es ist aber nicht der Untergang, den die laute Erzählung gezeichnet hat.

Der Fall Klarna ist in dieser Debatte zu einem Wendepunkt geworden. 2022 bis 2024 ersetzte das schwedische Fintech rund 700 Stellen im Kundenservice durch einen AI-Chatbot, gebaut in Kooperation mit OpenAI. Das Unternehmen sparte kurzfristig rund 60 Millionen Dollar und feierte den Schritt als Blaupause für die Branche. Die Realität 2025/2026: Die wiederkehrenden Kundenkontakte stiegen um 25 Prozent — jeder vierte Kunde meldete sich erneut, weil sein Anliegen nicht wirklich gelöst war, nur schnell geschlossen. Beschwerden über roboterhafte Antworten, unflexible Skripte und nutzlose Eskalationen häuften sich. Anfang 2026 zog Klarna die Konsequenz und begann, Menschen zurückzuholen. Entlassene Servicekräfte wurden wieder eingestellt, ergänzt um ein Hybrid-Modell: KI übernimmt Routine, Menschen übernehmen alles, was Nuance, Kulanz oder emotionale Arbeit braucht. Die Pointe der Geschichte: Nicht die Automatisierung wurde zurückgenommen — sondern der Mensch kam zurück an die Stelle, an der er gefehlt hat.

Klarna ist kein Einzelfall, sondern das sichtbarste Beispiel eines Musters. Gartner rechnet damit, dass bis 2027 rund die Hälfte aller Unternehmen, die Personal wegen KI abgebaut haben, wieder einstellen werden — oft unter anderen Rollenbezeichnungen, aber mit vergleichbarer Funktion. Die Logik dahinter ist simpel: Qualität kostet Menschen. Wer Qualität will, stellt sie wieder ein. Wer nur Kosten senken will, verliert Kunden.

Die Korrektur des Alarmismus darf nicht in Verharmlosung kippen. Es gibt reale, messbare Brüche — und sie sitzen vor allem an einer bestimmten Stelle des Arbeitsmarkts: beim Einstieg in Wissensberufe.

Die Zahlen aus dem ersten Halbjahr 2026 sind ernüchternd. Einstiegs-Stellen im Tech-Bereich sind in den USA gegenüber 2023 um rund zwei Drittel zurückgegangen; im Vereinigten Königreich lag der Rückgang 2024 bei 46 Prozent, mit Projektionen auf 53 Prozent bis Ende 2026. Eine Harvard-Studie vom Februar 2026 über 62 Millionen Beschäftigte zeigt: In Unternehmen, die GenAI eingeführt haben, sank die Beschäftigung von Juniors um 9 bis 10 Prozent, während Seniors stabil blieben. In bestimmten Alterssegmenten — US-Softwareentwicklerinnen und -entwickler zwischen 22 und 25 — brach die Beschäftigung von ihrem Höchststand Ende 2022 um fast 20 Prozent ein.

Die Mechanik ist nachvollziehbar: Genau die Tätigkeiten, an denen Berufsanfänger klassisch gewachsen sind — Boilerplate schreiben, Bugs fixen, Tests formulieren, einfache Zusammenfassungen, Protokolle, Standard-Texte — sind die, die KI heute leidlich bis gut erledigt. Wer als Junior trotzdem eingestellt wird, muss zunehmend am ersten Tag das können, was früher in ein, zwei Jahren gewachsen ist.

Das ist ein gesellschaftliches Problem, das sich nicht wegargumentieren lässt. Eine ganze Kohorte junger Menschen kommt an einen Arbeitsmarkt, der anders funktioniert, als der, auf den ihre Ausbildung sie vorbereitet hat. Das trifft nicht nur Entwicklung — auch Copywriting, bestimmte Bereiche der Übersetzung, klerikale Einstiegsrollen, Tier-1-Support. Die Betroffenen sind in der Regel nicht diejenigen, die morgen die Elektrikermangel in Rechenzentren füllen werden.

Diese Ehrlichkeit gehört in jede Debatte über KI und Arbeit. Wer die Makro-Hoffnung ausspielt, um das individuelle Betroffensein zu relativieren, verfehlt das Thema. Hoffnung ist richtig — aber sie muss in Umschulungsprogramme, Brückenangebote, Ausbildungsreformen übersetzt werden, sonst bleibt sie Rhetorik.

Gleichzeitig — und diese Seite wird in den Mainstream-Debatten oft übersehen — entstehen in einem Tempo neue Räume, das der öffentlichen Diskussion nicht entspricht. Der deutlichste: die Infrastruktur rund um KI selbst.

Rechenzentren als digitale Industriestädte

Ein modernes Hyperscale-Rechenzentrum ist keine Serverhalle, sondern ein Campus mit Verwaltungsgebäuden, Schulungszentren, 24/7-Kantinen, Parkflächen für tausende Beschäftigte, eigenen Sicherheits- und Medizinbereichen, teils Werksfeuerwehren, Lagerflächen, Wartungshallen. Drumherum: Hotels für Servicetechniker, Wohnraum, Kindertagesstätten, Einzelhandel, Gastronomie, Tankstellen, Schulen. Eine Wirtschaftsregion entsteht — nicht als Nebenprodukt, sondern als Voraussetzung.

Die Zahlen dahinter sind nicht klein. Die Internationale Energieagentur rechnet für 2026 allein in den USA mit einem Stromverbrauch der Rechenzentren von über 250 TWh, global mit einer Verdopplung des Sektors bis 2030 auf rund 945 TWh. Um diesen Ausbau physisch möglich zu machen, werden laut IEA und US-Arbeitsstatistik rund 300.000 zusätzliche Elektriker benötigt — während gleichzeitig etwa 20.000 pro Jahr in Rente gehen. Dazu kommen rund 17.500 Elektro- und Elektronikingenieur:innen, dazu Netzwerker, Kühltechniker, Gebäudesicherheits-Spezialisten. Google, Microsoft, Amazon und andere Hyperscaler haben 2025/2026 eigene Ausbildungsprogramme aufgesetzt, weil der Markt nicht liefert.

Die zweite Ring-Wirtschaft

Rund um diese Bauten entstehen Jobs, die nichts mit KI-Programmierung zu tun haben — und genau deshalb für Quereinsteiger interessant sind:

• Sicherheitsdienste, digital aufgewertet: biometrische Zugangskontrollen, Drohnenüberwachung, KI-gestützte Videoanalyse. Der klassische Wachjob wird technischer, anspruchsvoller, besser bezahlt.
• Facility Management: „Smart Building Operator" statt Hausmeister — KI-gesteuerte Klimasysteme, autonome Reinigungsroboter, App-gesteuerte Wartungsplanung.
• Logistik: tägliche Anlieferungen in Hyperscale-Größenordnung, KI-optimierte Routenplanung, autonome Transportroboter, digitale Lagerverwaltung.
• Reinigung, Gastronomie, Gärtnerei — alle digitaler, alle erlernbar. Tablet-basierte Checklisten, QR-Codes an Geräten, KI-Übersetzung von Fachsprache in einfache Anweisungen.
• Handwerk: Elektro, Heizung, Klima, Kühlung, Wasserbau, Brandschutz — die physische Schicht, ohne die keine Cloud läuft. Genau hier ist der akuteste Arbeitskräftemangel der kommenden Jahre.

Wenn die Technik streikt — HITL in der physischen Welt

Je mehr automatisiert wird, desto größer wird eine Gruppe von Rollen, die in der Debatte fast nie auftaucht: die Einsatz-Teams für den Fall, dass etwas schiefgeht. Drohnen stürzen ab, Roboter blockieren, Serverraum-Türen klemmen, Kühlkreisläufe lecken, Cyberangriffe treffen physische Infrastruktur. Jede dieser Situationen braucht Menschen, die vor Ort sind, Entscheidungen treffen und Hand anlegen — häufig mit spezialisierter Ausbildung, stets in Bereitschaftszeiten, grundsätzlich gut bezahlt. Das ist Human-in-the-Loop in seiner physischsten Form (→ Details in unserer Seite zu Agentic AI).

Regionaler Strukturwandel

Besonders interessant ist der geografische Effekt. Stillgelegte Industrie-Standorte, ehemalige Braunkohle-Reviere, ländliche Regionen mit viel Fläche und Zugang zu günstiger Energie werden zu neuen Arbeits-Hubs. Microsoft hat 2023 eine 20-Milliarden-Euro-Investition in europäische Infrastruktur angekündigt; die Investments der Hyperscaler haben sich seitdem vervielfacht. Ein ehemaliger Kraftwerks-Techniker wird mit einer sechsmonatigen Umschulung zum Rechenzentrum-Spezialisten. Ein Bankfilialmitarbeiter wechselt in die Campus-Kundenbetreuung. Ein Automechaniker wird zum Roboter-Wartungstechniker. Das sind keine theoretischen Pfade — sie werden gerade durchgetreten.

Und jenseits der Infrastruktur

Zu den neuen Räumen gehören auch: KI-Governance (die Rolle, die unsere Seiten zu ISO 42001 und EU AI Act beschreiben), Evaluation und Prüfung von KI-Systemen, Compliance-Spezialisierungen, Fachrollen für ethisch sensible Anwendungen (Gesundheit, Justiz, öffentliche Verwaltung), KI-gestützte Bildung und Umschulung, Mensch-Maschine-Schnittstellen-Design, Domain-Expertise in kombinierten Feldern — Jurist-plus-KI, Arzt-plus-KI, Ingenieur-plus-KI. Viele dieser Rollen hatten vor drei Jahren keinen Namen.

Ein ökonomisches Argument fehlt in fast allen Alarmismus-Artikeln: die historische Erfahrung mit Produktivitätssprüngen. Die Industrielle Revolution, die Elektrifizierung, die Computerisierung, das Internet — jedes dieser Ereignisse hat einzelne Berufe drastisch reduziert oder ganz zum Verschwinden gebracht. Jedes hat die Gesamtbeschäftigung erhöht, nicht gesenkt.

Die Mechanik ist bekannt: Wenn Technologie Tätigkeiten billiger macht, sinken die Preise für die Produkte, in denen diese Tätigkeiten stecken. Wenn Produkte billiger werden, wird mehr davon gekauft. Wenn mehr davon gekauft wird, braucht es mehr Produktion — und mit ihr neue Arbeit, oft in Bereichen, die vor dem Sprung nicht existierten. Ökonomen nennen das die Jevons-Logik oder, allgemeiner, den Produktivitäts-Jobs-Zusammenhang.

Der Stanford-Ökonom Erik Brynjolfsson, einer der meistzitierten Forscher zur Ökonomie der KI, beschreibt die aktuelle Phase als Übergang von der „Investitions-Phase" in die „Ernte-Phase" entlang einer sogenannten J-Kurve: Erst fließen jahrelang Dollars in Infrastruktur, Schulung, Umbau; dann, mit Verzögerung, schlagen die Gewinne in der Statistik durch. Der Sprung der US-Produktivität auf 2,7 Prozent in 2025 — doppelt so hoch wie der Jahrzehntsdurchschnitt — wird in seiner Lesart genau so erklärbar.

Wichtig: Brynjolfsson selbst ist kein Jubler. In seinen Veröffentlichungen der letzten Monate warnt er ausdrücklich davor, die Gewinne als automatisch breit verteilt zu betrachten. „Ich bin ziemlich zuversichtlich, was die Produktivitätsgewinne angeht, und was den Reichtum, der entstehen wird. Aber ich bin sehr besorgt, dass er nicht gleichmäßig verteilt sein wird, und dass viele Menschen dabei ernsthaft verletzt werden." Das ist die Nuance, die der öffentlichen Debatte fehlt: Der Kuchen wächst, aber das sagt nichts darüber, wer davon wie viel bekommt. Verteilung ist eine politische Frage, keine technische.

Die romantische Formel „Menschen wollen immer mit Menschen zu tun haben" stimmt und stimmt nicht. Sie stimmt dort, wo Nuance, Kulanz, Urteilskraft, emotionale Arbeit, Verantwortung gebraucht werden — also in weiten Teilen der Pflege, der Beratung, der Pädagogik, der Medizin, der Krisenarbeit. Sie stimmt nicht in Bereichen, in denen Standardisierung, Geschwindigkeit und Verfügbarkeit die eigentlichen Qualitätskriterien sind: Terminbuchung, einfache FAQs, Übersetzung gebräuchlicher Texte, Formular-Ausfüllhilfen. Dort akzeptieren Kundinnen und Kunden Automation breit — solange sie funktioniert.

Die Klarna-Lektion präzisiert das: Menschen akzeptieren Automation, wenn sie gut ist. Sie lehnen sie ab — und wechseln im Zweifel den Anbieter — wenn Automation so tut, als wäre sie Service, es aber nicht ist. Ein Bot, der das Ticket schließt, ohne das Anliegen zu lösen, ist für das Unternehmen billiger und für den Kunden teurer. Gartner-Daten zeigen, dass Kundenzufriedenheit in hybriden Setups (Routine-KI plus sofortige menschliche Eskalation für Komplexes) deutlich höher ist als bei reiner Automation — und oft höher als bei rein menschlichem Service, weil Wartezeiten sinken.

Ein weiterer, in der Debatte selten präziser Punkt: Verantwortung. Eine KI kann Vorschläge machen. Sie kann Handlungen ausführen. Aber sie kann nicht verantworten. Wer haftet, wenn ein KI-System in einem medizinischen, juristischen, finanziellen oder sicherheitskritischen Kontext falsch liegt? Am Ende ein Mensch — individuell, institutionell, rechtlich. Genau deshalb werden Rollen, die Verantwortung tragen, nicht verschwinden. Sie werden dichter, anspruchsvoller, oft gut bezahlter. Ein Radiologe, der KI-gestützt arbeitet, liest in der gleichen Zeit mehr Bilder mit höherer Genauigkeit — und er muss jedes einzelne mitverantworten. Das ist kein Auslaufmodell, sondern eine Aufwertung.

Diese Verantwortungs-Logik hat eine gesellschaftliche Konsequenz: Jenseits der reinen Automatisierung gibt es einen wachsenden Bereich, den man Aufsichtsarbeit nennen kann. Menschen, die KI-Systeme beobachten, prüfen, nachjustieren, abschalten, freigeben. Das ist Human-in-the-Loop nicht als Kostenstelle, sondern als Kernaufgabe. Mit jedem autonomer werdenden System wächst der Bedarf an Menschen, die es kontrollieren — paradoxerweise.

Für Organisationen

Die Unternehmen, die bislang am meisten verloren haben, sind nicht die zögerlichen, sondern die voreiligen. Klarna ist das sichtbarste Beispiel — aber nicht das einzige. Gartner schätzt, dass bis 2027 etwa die Hälfte aller Firmen, die Personal wegen KI reduziert haben, wieder einstellen werden. Das ist nicht nur betriebswirtschaftlich peinlich, es ist auch menschlich verheerend — für die Entlassenen, für das verbliebene Team, für das Vertrauen in die Führung.

Drei Empfehlungen, die sich aus den 2025/2026er Daten gut begründen lassen:

• Statt ersetzen: ergänzen. Die höchsten Produktivitätsgewinne zeigt die Brynjolfsson-Studie bei Einsteigerinnen und geringqualifizierten Kräften (plus 34 Prozent), nicht bei Profis. KI hebt das untere Ende an, statt das obere zu ersetzen. Das ist ein Argument für Training, nicht für Abbau.
• In Governance investieren. Ein KI-System ohne Aufsichtsarchitektur ist ein Haftungsrisiko. Ein KI-System mit sauberer Governance nach ISO/IEC 42001 (siehe unsere Seite zu ISO 42001) und den Anforderungen des EU AI Act ist wettbewerbsfähiger — weil es sich in regulierten Märkten überhaupt erst einsetzen lässt.
• Umschulungspfade aufmachen. Die Harvard-Zahlen zeigen: Wer Juniors vor die Tür setzt, verliert die Senior-Generation von übermorgen. Unternehmen, die bewusst Einstiegswege erhalten — mit KI-Training, Mentoring, reduzierten Anfangs-Portfolios — sichern sich Talente, die die anderen auf dem Markt nicht mehr finden.

Für Einzelne

Die gute Nachricht zuerst: Die Einstiegshürde in KI ist 2026 niedriger als 2023. Damals brauchte man Prompt-Engineering-Kurse, Kontextwissen, Fachbegriffe. Heute reicht für die meisten Alltagsanwendungen ein klarer Satz an ein gutes Modell. Das bedeutet: Niemand muss sich für Hunderte Euro in Kurse einschreiben, um mitzukommen. Ein, zwei ernsthafte Abende pro Monat mit einem der großen Systeme bringen mehr als die meisten bezahlten Schulungen.

Wichtiger als Tool-Kenntnis ist Urteilsfähigkeit. Eine KI-Antwort kann gut klingen und trotzdem falsch sein (Details zu diesen unauflösbaren Grenzen auf unserer Seite zu Agentic AI). Wer lernt, plausible von belegbaren Aussagen zu unterscheiden, gegenzuprüfen, Quellen einzufordern, bleibt auf jedem Zukunftspfad relevant. Das ist keine Tech-Kompetenz, sondern eine alte: kritisches Denken, jetzt in neuer Umgebung.

Für Berufsentscheidungen: Wer heute am Anfang steht, sollte Berufe bevorzugen, in denen Verantwortung, physische Präsenz, komplexe menschliche Interaktion oder Domain-Expertise zusammenkommen. Handwerkliche Facharbeit, Pflege, Medizin, Pädagogik, Ingenieurwesen, spezialisierte Beratung, KI-Governance — alle robuster als reine Wissensarbeit ohne physisches oder verantwortungsbezogenes Ankerelement. Nicht, weil KI morgen alle Wissensjobs ersetzt, sondern weil die hybriden, verantwortungstragenden Rollen die am stärksten wachsenden sind.

Unsere Arbeit am Thema KI und Arbeit folgt einer klaren Linie: KI ist ein Werkzeug. Verantwortungsvoll eingesetzt eröffnet es Möglichkeiten — unverantwortet richtet es Schaden an. Beide Seiten gehören in jede ernsthafte Debatte.

Diese Haltung hat Vorgeschichte. Unser Gründer David Mirga schreibt und publiziert seit Anfang 2023 zum Thema KI, durch mehrere Bücher und über hundert Fachartikel hindurch. Sein roter Faden ist zweiteilig: Menschen die Angst vor KI zu nehmen — und ihnen Werkzeuge in die Hand zu geben. Konkrete Workflows für unterschiedliche Branchen, Vorgänge und Berufsbilder, damit aus Zuschauern Anwender werden. Die Überzeugung dahinter ist einfach: Wer mit KI produktiv arbeiten kann, muss um seinen Job nicht bangen — er wird wertvoller. Mensch plus KI, das ist der Hebel. Nicht Mensch gegen KI, nicht KI statt Mensch. Diese Seite steht in dieser Linie.

Unsere konkrete Arbeit am Thema KI und Arbeit bewegt sich auf drei Ebenen:

• Bildung und Aufklärung. Verständliche Einordnung für Menschen, die keine KI-Expertinnen sind und es auch nicht werden müssen — Workshops, Vorträge, Publikationen, Schulformate. Siehe unsere Seite zu KI-Bildung.
• Begleitung von Organisationen beim verantwortungsvollen KI-Einsatz — mit dem Anspruch, dass die Belegschaft Teil der Lösung ist, nicht deren Kostenstelle. Governance nach ISO/IEC 42001 und EU AI Act sind dabei die technischen Geländer.
• Einmischung in die öffentliche Debatte. Gegen Alarmismus ebenso wie gegen unkritische Euphorie. Für eine KI-Politik, die den Übergang gestaltet, statt ihn zu erleiden.

Wenn Sie Fragen haben — als Unternehmen, als Bildungseinrichtung, als öffentliche Stelle, als Einzelperson — schreiben Sie uns. Wir antworten persönlich.