KI gestaltet Arbeitsmärkte durch Augmentation um, nicht durch Massenelimination
Die Roboter nehmen dir nicht deinen Job — sie verändern ihn, und die Lohnlücke zwischen Arbeitnehmern, die KI nutzen können, und denen, die das nicht können, vergrößert sich bereits. Eine Literaturübersicht von 2020–2025 zeigt, dass die eigentliche Arbeitsmarktgeschichte Transformation ist, nicht Beendigung.
Erklaerung
Die Schlagzeilenangst vor KI und Jobs — Massenarbeitslosigkeit — verfehlt immer wieder die alltäglichere und dringendere Realität: Die meisten Jobs verschwinden nicht, sie werden umstrukturiert. Eine neue Studie, die fünf Jahre Forschung (2020–2025) zusammenfasst, zeigt, dass KI am häufigsten als Augmentation-Werkzeug fungiert, das heißt, sie übernimmt Teile eines Jobs statt des ganzen Jobs. Der Arbeitnehmer bleibt, aber die Rolle verschiebt sich.
Was sich tatsächlich ändert, ist die Skill-Prämie. Die Nachfrage nach technischen Fähigkeiten (Datenkompetenz, KI-Tool-Proficiency) und interdisziplinären Fähigkeiten (die Fähigkeit, neben automatisierten Systemen zu arbeiten, Outputs zu interpretieren, KI-gestützte Workflows zu verwalten) steigt stark an. Arbeitnehmer, die diese Fähigkeiten haben, ziehen bei den Löhnen davon. Arbeitnehmer, die das nicht tun, fallen zurück — nicht unbedingt heute ihren Job verlierend, aber schnell an Verhandlungsmacht verlierend.
Auch HR-Praktiken werden umstrukturiert. Einstellungskriterien, Leistungskennzahlen und Schulungsinvestitionen werden alle um KI-Bereitschaft neu kalibriert, was bedeutet, dass die organisatorische Ebene — nicht nur die Technologie — darüber entscheidet, wer gewinnt und wer nicht.
Die wichtigste Erkenntnis der Studie ist auch ihre am wenigsten dramatische: Technologie ist nicht die entscheidende Variable. Wie Organisationen KI einsetzen, und wie Institutionen und Regierungen diesen Einsatz regulieren und unterstützen, wird wichtiger sein als die rohe Leistungsfähigkeit der Werkzeuge selbst. Das ist ein Politik- und Managementproblem, kein technisches.
Die praktische Erkenntnis für heute: Wenn du in HR, Strategie oder Workforce Planning tätig bist, ist die Frage nicht „wird KI unsere Leute ersetzen?" Es ist „regeln wir die KI-Einführung so, dass wir die Fähigkeiten und Löhne unserer Belegschaft nicht stillschweigend aushöhlen?" Die meisten Organisationen stellen diese Frage noch nicht.
Diese systematische Literaturübersicht (2020–2025) ist bemerkenswert weniger wegen ihrer Ergebnisse — die weitgehend frühere arbeitsökonomische Intuitionen bestätigen — sondern wegen ihrer Rahmung: Sie integriert explizit technologische, organisatorische und institutionelle Perspektiven in einem Feld, das von engen aufgabenbasierten Substitutionsmodellen dominiert wurde (à la Acemoglu & Restrepo, Autor et al.).
Die Unterscheidung zwischen Augmentation und Substitution leistet hier echte Arbeit. Reine Substitution — KI ersetzt eine Rolle vollständig — bleibt die Ausnahme. Augmentation, bei der KI spezifische Task-Bündel innerhalb einer Rolle absorbiert, ist der dominante Modus. Dies stimmt mit der Task-Level-Granularität neuerer empirischer Arbeiten überein (z.B. Eloundou et al., 2023 zu GPT-Exposures-Scores), aber die Übersicht geht weiter, indem sie feststellt, dass Augmentation immer noch strukturelle Lohndivergenzen erzeugt: Arbeitnehmer, deren komplementäre Fähigkeiten an Wert gewinnen, erfassen Gewinne, während diejenigen, deren verbleibende Aufgaben von geringem Wert sind, mit Lohnkompression konfrontiert sind, auch ohne Jobverlust.
Die Skill-Demand-Ergebnisse stimmen mit der breiteren Literatur überein — steigende Renditen für technische und hybride (technisch + Domäne) Fähigkeiten — aber die Übersicht fügt organisatorische Textur hinzu: Firmen strukturieren aktiv Job-Architekturen um, nicht nur neue Anforderungen posten. Rollengrenzen werden neu gezogen, Berichtswege verschoben und Leistungsrahmen aktualisiert, um KI-vermittelte Outputs widerzuspiegeln. Dies ist ein unterberichteter Mechanismus, durch den KI die Arbeit beeinflusst, unterschiedlich von Schlagzeilen-Automatisierungsrisiko.
Das institutionelle Argument ist der schärfste Beitrag der Studie und ihr am wenigsten entwickelter. Die Behauptung, dass Governance — organisatorische Politik, Arbeitsregulierung, öffentliche Investitionen in Umschulung — die rohe KI-Leistungsfähigkeit bei der Bestimmung von Arbeitsergebnissen überwiegen wird, ist plausibel und wichtig, aber die Übersicht hält inne, ohne zu spezifizieren, welche Governance-Mechanismen Effektgrößen demonstriert haben, die handlungswürdig sind. Das ist die offene Frage, die diese Literatur noch beantworten muss.
Was das Bild ändern würde: Belege dafür, dass Augmentation-Mode-Einsatz Verdrängung systematisch verzögert statt verhindert (eine „Lump of Labour" aufgeschoben), oder dass Lohnlücken schrumpfen, während KI-Fähigkeiten zur Ware werden. Keines ist im Fenster 2020–2025 sichtbar, aber die nächsten zwei Jahre Lohndaten werden aussagekräftig sein.
Reality Meter
Warum dieser Score?
Trust Layer Score-Basis
Detaillierte Evidenz-Aufschluesselung folgt. Bis dahin: die Score-Basis ergibt sich aus den unten verlinkten Quellen und dem Reality-Meter weiter oben.
- 48 Quellen hinterlegt
- Trust 42/100 im Schnitt
- Trust 40–95/100
Zeithorizont
Community-Einschaetzung
Glossar
- Augmentation
- Ein Modus der KI-Integration, bei dem künstliche Intelligenz spezifische Aufgaben innerhalb einer Arbeitsfunktion übernimmt, während die Rolle selbst bestehen bleibt. Im Gegensatz zur vollständigen Ersetzung werden einzelne Tätigkeiten automatisiert, die Arbeitnehmerin oder der Arbeitnehmer bleibt aber beschäftigt.
- Substitution
- Die vollständige Ersetzung einer Arbeitsfunktion oder Rolle durch Technologie, insbesondere KI. Im Gegensatz zur Augmentation führt Substitution zum Wegfall der gesamten Position, nicht nur einzelner Aufgaben.
- Task-Level-Granularität
- Die Analyse von Automatisierungseffekten auf der Ebene einzelner, spezifischer Aufgaben statt auf der Ebene ganzer Berufe oder Rollen. Dies ermöglicht eine präzisere Messung, welche konkreten Tätigkeiten durch Technologie betroffen sind.
- Lohnkompression
- Eine Verringerung der Lohnunterschiede zwischen verschiedenen Arbeitnehmergruppen, die auftritt, wenn Arbeitskräfte mit weniger wertvollen Restaufgaben ihre Löhne nicht steigern können, während andere profitieren.
- Job-Architekturen
- Die strukturelle Gestaltung von Arbeitsfunktionen, einschließlich Aufgabenzusammensetzung, Berichtswege und Leistungskriterien. Unternehmen passen diese aktiv an, um neue Technologien wie KI zu integrieren.
- Lump of Labour
- Ein ökonomisches Konzept, das besagt, dass die Gesamtmenge an verfügbarer Arbeit begrenzt ist. Die Idee, dass Technologie Arbeitsplätze nur verzögert statt dauerhaft verdrängt, wird als eine aufgeschobene Version dieses Phänomens beschrieben.
Wie siehst du das?
Deine Einschaetzung gewichtet kuenftige Themen.
Deine Stimme fliesst in Topic-Weights, Community-Kompass und kuenftige Priorisierung ein. Community-Kompass ansehen
Quellen
- Tier 3 The impact of AI on the labour market
- Tier 3 Latest AI News, Developments, and Breakthroughs | 2026 | News
- Tier 3 The 2025 AI Index Report | Stanford HAI
- Tier 3 Artificial Intelligence News -- ScienceDaily
- Tier 3 AI Developments That Changed Vibrational Spectroscopy in 2025 | Spectroscopy Online
- Tier 3 AI breakthrough cuts energy use by 100x while boosting accuracy | ScienceDaily
- Tier 3 Reuters AI News | Latest Headlines and Developments | Reuters
- Tier 3 Inside the AI Index: 12 Takeaways from the 2026 Report
- Tier 1 Human scientists trounce the best AI agents on complex tasks
- Tier 3 Sony AI Announces Breakthrough Research in Real-World Artificial Intelligence and Robotics - Sony AI
- Tier 3 This new brain-like chip could slash AI energy use by 70% | ScienceDaily
- Tier 3 State AI Laws – Where Are They Now? // Cooley // Global Law Firm
- Tier 3 AI Regulation: The New Compliance Frontier | Insights | Holland & Knight
- Tier 3 The White House’s National Policy Framework for Artificial Intelligence: what it means and what comes next | Consumer Finance Monitor
- Tier 3 Trump Administration Releases National AI Policy Framework | Morrison Foerster
- Tier 3 What President Trump’s AI Executive Order 14365 Means For Employers | Law and the Workplace
- Tier 3 Manatt Health: Health AI Policy Tracker - Manatt, Phelps & Phillips, LLP
- Tier 3 Battle for AI Governance: White House’s Plan to Centralize AI Regulation and States’ Continuous Opposition
- Tier 3 AI Omnibus: Trilogue Underway…What to Expect as Negotiations Progress | Insights | Ropes & Gray LLP
- Tier 3 AI Regulation News Today 2025: Latest Updates on EU AI Act, US Rules & Global Impact - Prime News Mag
- Tier 3 AI regulation set to become US midterm battleground | Biometric Update
- Tier 3 Top Large Language Models of 2025 | Best LLMs Compared
- Tier 3 Large language model - Wikipedia
- Tier 1 [2604.27454] Exploring Applications of Transfer-State Large Language Models: Cognitive Profiling and Socratic AI Tutoring
- Tier 3 Top 50+ Large Language Models (LLMs) in 2026
- Tier 3 The Best Open-Source LLMs in 2026
- Tier 3 10 Best LLMs of April 2026: Performance, Pricing & Use Cases
- Tier 3 Emerging applications of large language models in ecology and conservation science
- Tier 3 From Elicitation to Evolution: A Literature-Grounded, AI-Assisted Framework for Requirements Quality, Traceability, and Non-Functional Requirement Management | IJCSE
- Tier 3 Labor market impacts of AI: A new measure and early ...
- Tier 3 Tracking the Impact of AI on the Labor Market - Yale Budget Lab
- Tier 3 AI and Jobs: Labor Market Impact Echoes Past Tech Transitions | Morgan Stanley
- Tier 3 The Jobs AI Is Likely to Boost—and Those It May Disrupt | Goldman Sachs
- Tier 3 How will Artificial Intelligence Affect Jobs 2026-2030 | Nexford University
- Tier 3 Young People Are Falling Behind, but Not Because of AI - The Atlantic
- Tier 3 AI is getting better at your job, but you have time to adjust, according to MIT | ZDNET
- Tier 3 New Data Challenges AI Job Loss Narrative | Robert H. Smith School of Business
- Tier 3 AI's impact on the job market is starting to show up in the data
- Tier 3 AI speeds up prior auth, coding while driving higher costs for health systems: PHTI report
- Tier 3 AI-enabled Medical Devices Market Size, Share | Forecast [2034]
- Tier 3 Journal of Medical Internet Research - Artificial Intelligence, Connected Care, and Enabling Digital Health Technologies in Rare Diseases With a Focus on Lysosomal Storage Disorders: Scoping Review
- Tier 3 Generative AI analyzes medical data faster than human research teams | ScienceDaily
- Tier 3 Rede Mater Dei de Saúde: Monitoring AI agents in the revenue cycle with Amazon Bedrock AgentCore | Artificial Intelligence
- Tier 3 Artificial Intelligence (AI) in Healthcare & Medical Field
- Tier 3 AI in Healthcare Market Rises 37.66% Healthy CAGR by 2035
- Tier 3 Here's how the data fed into medical AI can help — or hurt — health care | GBH
- Tier 3 Future of AI in Healthcare: Trends and Predictions for 2027 and Beyond
- Tier 3 2026 Conference
Optional Vorhersage abgeben Optional: Wenn du willst, gib deine Vorhersage zur Kernfrage ab.
Prediction
Werden sich die Lohnlücken zwischen KI-kompetenten und nicht-KI-kompetenten Arbeitnehmern bis 2027 weiter vergrößern, statt zu schrumpfen, wenn KI-Fähigkeiten breiter zugänglich werden?