"KI klaut Jobs": Anthropic-Studie findet am Arbeitsmarkt keine Beweise für häufige Behauptung

Anthropic hat ein neues Maß entwickelt, das theoretische KI-Fähigkeiten mit realen Nutzungsdaten kombiniert. Das Ergebnis: Programmierer und Kundenservice-Mitarbeiter sind am stärksten exponiert, doch die Arbeitslosigkeit in betroffenen Berufen ist bislang nicht gestiegen. Einzig bei jungen Arbeitnehmern gibt es erste Warnsignale.

Anthropic stellt in einem neuen Forschungsbericht ein Maß namens "observed exposure" vor. Anders als bisherige Prognosen zur Automatisierung, die sich laut Anthropic oft als übertrieben erwiesen haben, soll das Maß theoretische Einschätzungen, welche Berufe KI-gefährdet sein könnten, mit tatsächlichen Nutzungsdaten abgleichen.

Die Firma kombiniert dafür die US-Berufsdatenbank O*NET, die theoretischen Expositionswerte aus einer früheren Studie sowie Nutzungsdaten aus dem hauseigenen Anthropic Economic Index, der auf realen Claude-Konversationen basiert. Vollständig automatisierte Nutzung, etwa über API-Schnittstellen, wird dabei stärker gewichtet als Fälle, in denen Menschen KI lediglich als Hilfsmittel einsetzen. Ebenso zählen arbeitsbezogene Kontexte mehr als private. Die Daten basieren ausschließlich auf Claude-Nutzung.

Theoretisches Potenzial und tatsächliche Nutzung klaffen weit auseinander

Der zentrale Befund der Studie: KI ist weit davon entfernt, ihr theoretisches Potenzial auszuschöpfen. Die Studie hinterfragt nicht, ob das theoretische Potenzial korrekt definiert ist; das sollte man berücksichtigen.

Laut den Schätzungen könnten große Sprachmodelle 94 Prozent aller Aufgaben im Bereich Computer und Mathematik theoretisch beschleunigen. In der Praxis, gemessen an der Claude-Nutzung, werden laut Anthropic jedoch nur 33 Prozent dieser Aufgaben tatsächlich abgedeckt.

Als Grundlage dient eine einfache Skala: Aufgaben, die ein Sprachmodell allein doppelt so schnell erledigen kann, erhalten den Wert 1. Aufgaben, die zusätzliche Tools erfordern, erhalten den Wert 0,5. Aufgaben ohne KI-Geschwindigkeitsvorteil erhalten den Wert 0.

Dass die tatsächliche Nutzung hinter dem theoretisch Möglichen zurückbleibt, hat laut den Autoren mehrere Gründe: Manche Aufgaben scheitern an den Grenzen aktueller Modelle, andere verbreiten sich langsam wegen rechtlicher Einschränkungen, spezifischer Softwareanforderungen oder notwendiger menschlicher Überprüfung.

Ein Beispiel: Die Aufgabe "Medikamentennachfüllungen autorisieren und Verschreibungsinformationen an Apotheken übermitteln" gilt als voll exponiert. Theoretisch könnte ein Sprachmodell sie beschleunigen. In der Praxis hat Anthropic jedoch nie beobachtet, dass Claude diese Tätigkeit ausführt.

Dennoch hängen theoretische Fähigkeit und tatsächliche Nutzung stark zusammen: 97 Prozent der beobachteten Aufgaben fallen in Kategorien, die als theoretisch machbar eingestuft werden. Wo KI tatsächlich eingesetzt wird, geschieht dies also überwiegend dort, wo es auch theoretisch Sinn ergibt. Umgekehrt gilt das jedoch nicht: Viele Aufgaben, die theoretisch automatisierbar wären, werden in der Praxis nicht von KI übernommen.

Programmierer, Kundenservice und Dateneingabe am stärksten betroffen

An der Spitze der am stärksten exponierten Berufe stehen laut der Studie Programmierer mit einer Abdeckung von 75 Prozent, gefolgt von Kundenservice-Mitarbeitern und Dateneingabe-Fachkräften. Am anderen Ende des Spektrums stehen 30 Prozent aller Arbeitnehmer mit einer Abdeckung von null. Ihre Aufgaben tauchten in den Claude-Daten zu selten auf. Dazu gehören etwa Köche, Motorradmechaniker, Rettungsschwimmer und Barkeeper.

Die Forscher verglichen ihre Expositionswerte mit den Beschäftigungsprognosen des US Bureau of Labor Statistics (BLS) für den Zeitraum 2024 bis 2034. Das Ergebnis: Berufe mit höherer "observed exposure" weisen schwächer prognostiziertes Wachstum auf. Pro zehn Prozentpunkte mehr Abdeckung sinkt die BLS-Wachstumsprognose um 0,6 Prozentpunkte. Der Zusammenhang sei schwach, aber vorhanden.

Die demografischen Merkmale der am stärksten exponierten Arbeitnehmer widersprechen gängigen Vorstellungen von Automatisierungsopfern. Laut Daten des Current Population Survey sind Beschäftigte in den am stärksten exponierten Berufen häufiger weiblich, häufiger weiß, besser ausgebildet und verdienen im Durchschnitt 47 Prozent mehr als die nicht-exponierte Gruppe. Der Anteil von Personen mit Hochschulabschluss ist in der exponierten Gruppe fast viermal so hoch.

Bislang keine messbare Zunahme der Arbeitslosigkeit

Trotz der hohen Exposition lässt sich laut der Studie bislang kein systematischer Anstieg der Arbeitslosigkeit bei stark exponierten Arbeitnehmern feststellen. Die Autoren verglichen die Arbeitslosenquote der am stärksten exponierten Berufe mit der nicht-exponierten Gruppe. Der durchschnittliche Unterschied seit der Veröffentlichung von ChatGPT Ende 2022 ist gering und statistisch nicht signifikant.

Ein Anstieg der Arbeitslosigkeit von etwa einem Prozentpunkt wäre laut den Forschern mit ihrer Methode nachweisbar. Eine "große Rezession für Büroangestellte", bei der sich die Arbeitslosenquote in der exponierten Gruppe von drei auf sechs Prozent verdoppeln würde, wäre ebenfalls sichtbar. Dergleichen ist bislang nicht eingetreten.

Einziges Warnsignal: Jüngere werden seltener eingestellt

Bei jungen Arbeitnehmern zwischen 22 und 25 Jahren finden die Autoren allerdings Hinweise darauf, dass Einstellungen in exponierten Berufen seit 2024 zurückgegangen sind. Die Jobfindungsrate in stark exponierten Berufen sank bei dieser Altersgruppe um etwa einen halben Prozentpunkt, während sie in weniger exponierten Berufen stabil blieb. Im Durchschnitt der Zeit nach ChatGPT entspricht dies einem Rückgang von 14 Prozent, der allerdings nur knapp statistisch signifikant ist. Bei Arbeitnehmern über 25 Jahren zeigt sich kein vergleichbarer Effekt.

Die Anthropic-Autoren räumen ein, dass alternative Erklärungen möglich sind: Die nicht eingestellten jungen Arbeitnehmer könnten in bestehenden Jobs verbleiben, andere Tätigkeiten aufnehmen oder ins Studium zurückkehren.

Vorherige Studien kamen zu ähnlichen Ergebnissen: Eine großangelegte Untersuchung mit 25.000 Beschäftigten in Dänemark fand trotz hoher KI-Nutzung keine messbaren Veränderungen bei Löhnen und Arbeitszeiten.

Eine Microsoft-Studie auf Basis von 200.000 Copilot-Konversationen identifizierte ebenfalls Wissensarbeiter und Kundenberater als besonders exponiert, warnte aber davor, KI-Fähigkeit mit Automatisierung gleichzusetzen.

Eine Stanford-Studie auf Basis von Millionen US-Lohndaten zeigte bereits einen Beschäftigungsrückgang von 13 Prozent bei jungen Arbeitnehmern in KI-exponierten Berufen, während erfahrene Kollegen stabil blieben.

Anthropic selbst hatte zuvor in seinem vierten Economic Index Report seine Produktivitätsprognosen nach einer Analyse von Claudes Fehlerquoten bei komplexen Aufgaben um etwa die Hälfte nach unten korrigiert.