Erst die Hände, dann die Köpfe.

300 Millionen Jobs weltweit. Betroffen von KI. Sagt Goldman Sachs. Der IMF legt nach: 60 Prozent aller Arbeitsplätze in Industrieländern sind exponiert. Das World Economic Forum rechnet mit 92 Millionen wegfallenden Stellen bis 2030.

Ich bin 54. Mein Lebenslauf ist ein Zickzack — Kinderpfleger, Agentur-Gründer, Samsung, Marketing, und seit ein paar Jahren in der Business Intelligence. Ich nutze KI jeden Tag — Claude, ChatGPT, Gemini, je nach Aufgabe. Wenn ich die Statistiken lese, sitze ich auf dem heißesten Stuhl im Raum.

Aber ich bin nicht nervös. Und das hat Gründe. Die stehen in den Daten.

Die Prophezeiung, die nicht kam

2013 veröffentlichten zwei Oxford-Forscher eine Studie, die alles veränderte. Carl Benedikt Frey und Michael Osborne analysierten 702 Berufe und kamen zu einem Ergebnis, das in jeder Zeitung stand: 47 Prozent aller US-Jobs sind durch Automatisierung bedroht. Innerhalb von ein bis zwei Jahrzehnt.

Die Berufe auf der Abschussliste? Telemarketer. Dateneingabe. Buchhaltung. Lager. Transport. Handarbeit. Routine. Wiederholbare Aufgaben. Hände, nicht Köpfe.

Wer war sicher? Ärzte. Therapeuten. Psychologen. Kreative. Manager. Menschen, die denken, fühlen, entscheiden. Cognitive Complexity als Schutzschild.

Es ist 2026. Die Kassierer sind noch da. Die Trucker fahren noch. Self-Checkout wächst langsam, autonomes Fahren ist ein Versprechen geblieben. Die 47-Prozent-Apokalypse? Nicht eingetreten. Die OECD hat die Zahl schon 2016 auf 9 Prozent korrigiert. Dann 2019 auf 14 Prozent. Frey und Osborne lagen richtig bei der Richtung. Aber falsch bei der Größenordnung.

Und vor allem falsch bei der Frage, wen es trifft.

Die große Umkehrung

Denn was 2013 niemand auf dem Zettel hatte: Die nächste Welle kommt nicht für die Hände. Sie kommt für die Köpfe.

Seit ChatGPT, seit generativer KI, hat sich das Risikoprofil komplett gedreht. Die Brookings Institution hat es durchgerechnet: Hochschulabsolventen sind heute fünfmal stärker KI-exponiert als Leute ohne Studium. Fünfmal. Die Jobs, die 2013 als sicher galten — Analyse, Beratung, Texterstellung, Programmierung — sind die heißen Stühle von 2026.

Goldman Sachs bestätigt es nach Branchen: Verwaltung und Büro? 46 Prozent der Aufgaben automatisierbar. Recht? 44 Prozent. Architektur und Ingenieurwesen? 37 Prozent. Management und Finanzen? 35 Prozent.

Und jetzt ganz unten: Handwerk und Wartung? 4 Prozent. Bau? 6 Prozent.

Die Ironie ist brutal. Die Jobs, die 2013 zittern sollten, sind heute die sichersten. Und die, die sich zurücklehnen konnten, sitzen jetzt aufrecht.

Deutschland, Land der Fachkräfte

Wir reden in Deutschland gerne über den Fachkräftemangel. Aber wir reden ungern über das, was das IAB — das Institut für Arbeitsmarkt- und Berufsforschung — seit Jahren dokumentiert.

2013 lag das Substituierbarkeitspotenzial bei Helferjobs bei 58 Prozent. Bei Experten bei unter 20 Prozent. Klare Hierarchie: Je weniger Qualifikation, desto austauschbarer. Das war die Welt, in der wir uns sicher fühlten.

2022, nach dem GenKI-Schock, sieht es so aus: Helfer immer noch bei 58 Prozent. Aber Fachkräfte? 47 Prozent. Spezialisten? 44 Prozent. Experten? 37 Prozent. Die Schere schließt sich. Rasant.

Unternehmensführung und Organisation: 65 Prozent substituierbar. Informatik und IT: 63 Prozent. Recht und Verwaltung: 58 Prozent. Das sind keine Hilfsjobs. Das sind die Stellen, für die man studiert hat.

Am wenigsten betroffen? Sozialarbeit. Pflege. Kochen. Reinigung. Die Jobs, die in Deutschland chronisch unterbezahlt sind. Ausgerechnet.

Das Alters-Paradox

Jetzt wird es persönlich. Der IMF sagt: Jüngere Arbeitnehmer können KI-Chancen leichter nutzen. 70 Prozent der Gen Z nutzt KI regelmäßig. Bei meiner Generation — Gen X, 43 bis 58 — sind es 35 Prozent. Die NBER-Studie mit 5.000 Kundensupport-Mitarbeitern zeigt: Anfänger bekommen durch KI einen Produktivitätsschub von 34 Prozent. Erfahrene? Minimaler Effekt.

Die Interpretation, die daraus gerne gemacht wird: Die Jungen lernen schneller, die Alten werden abgehängt. 54, IT, das war’s dann wohl.

Aber die Statistik erzählt nicht die ganze Geschichte.

Denn was misst die NBER-Studie? Wie schnell jemand ein Kundenticket bearbeitet. Das ist Effizienz. Das ist Geschwindigkeit. Und ja, da hilft KI den Anfängern mehr — weil die KI ihnen das beibringt, was die Erfahrenen schon wissen. KI als Gleichmacher, wie die Forscher selbst sagen.

Aber was die Studie nicht misst: Welche Frage stelle ich der KI? Wie erkenne ich, dass die Antwort Unsinn ist? Wann ignoriere ich den Vorschlag, weil mir 30 Jahre Erfahrung sagen, dass die Realität anders funktioniert?

Musterkennung. Bullshit-Detektor. Kontextwissen. Das lernt man nicht in 30 Prompts. Das lernt man in 30 Jahren.

Ich streite mit meiner KI. Jeden Tag. Ich sage: „Das stimmt nicht.“ Oder: „Guter Ansatz, aber du vergisst den Faktor Mensch.“ Oder: „Klingt schlau, ist aber falsch.“ Das ist keine Technikfeindlichkeit. Das ist Erfahrung. Und die ist nicht automatisierbar.

Die Lücke zwischen Schlagzeile und Realität

40 Prozent der US-Bevölkerung im Erwerbsalter nutzen inzwischen generative KI. Die tatsächliche Zeitersparnis, gemessen, dokumentiert, peer-reviewed? 1,4 Prozent der gesamten Arbeitszeit. Das ist der NBER-Befund von Korinek und Suh, Ende 2024.

1,4 Prozent. Nicht 47. Nicht 60. Nicht 300 Millionen.

Keine Massenentlassungen. Die Arbeitslosenquoten in den OECD-Ländern sind niedrig. Das Bureau of Labor Statistics sieht keinen messbaren KI-Effekt auf die Gesamtarbeitslosigkeit.

Heißt das, die Warner liegen falsch? Nein. Es heißt, dass wir noch am Anfang stehen. Und dass der Wandel anders aussieht als in den Schlagzeilen.

Denn die Veränderung ist real — sie ist nur leiser. Chegg, die Lernplattform? Aktie minus 99 Prozent seit ChatGPT. Stack Overflow? Traffic halbiert. Freelance-Übersetzer, Grafiker, Content Writer spüren massiven Preisdruck. Junior-Programmierer finden schwerer Einstiegsjobs. Die Qualität und Bezahlung sinkt, bevor die Jobs verschwinden.

Das WEF rechnet bis 2030 mit 92 Millionen wegfallenden Stellen — aber auch mit 170 Millionen neuen. Netto plus 78 Millionen. Die Frage ist nicht, ob Jobs verschwinden. Die Frage ist, ob du zu denen gehörst, die in den neuen landen.

Was ich daraus mache

Ich könnte jetzt schreiben: „Lernt Prompten, dann wird alles gut.“ Aber das wäre gelogen.

Die Wahrheit ist: Niemand weiß, wie die Arbeitswelt in fünf Jahren aussieht. Nicht Goldman Sachs, nicht der IMF, nicht das IAB, nicht ich. Die Prognosen von 2013 waren falsch. Die von 2023 könnten es auch sein. In beide Richtungen.

Was ich weiß: Die Leute, die vor zehn Jahren sagten „Mein Job ist zu komplex für Maschinen“, sitzen heute auf dem heißesten Stuhl. Und die Leute, die heute sagen „Das betrifft mich nicht“ — die sollten nochmal hinschauen.

Was ich auch weiß: Ich nutze KI seit über einem Jahr, intensiv, täglich. Nicht als Ersatz für Denken, sondern als Beschleuniger. Ich werde nicht schneller bei dem, was ich schon konnte. Ich werde besser bei dem, was ich alleine nicht geschafft hätte. Das ist ein Unterschied.

Und der dritte Punkt, der in keiner Statistik steht: Die 34 Prozent Produktivitätsschub für Anfänger sind beeindruckend. Aber wenn alle Anfänger denselben Schub kriegen, ist es kein Vorteil mehr. Es ist die neue Baseline. Was dann zählt, ist das, was darüber hinausgeht. Urteilsvermögen. Erfahrung. Die Fähigkeit zu sagen: „Das klingt gut, ist aber falsch.“

Die Statistik sagt, mein Job ist gefährdet. Mein Bauchgefühl sagt: Nur, wenn ich aufhöre zu lernen.

Ich habe die Daten in einem Datenstück aufbereitet: Frey & Osborne vs. Realität, die große Umkehrung, IAB-Substituierbarkeitspotenziale, das Alters-Paradox und die Lücke zwischen Prognose und Wirklichkeit. Mit Charts, mit Quellen, zum Nachprüfen.

→ Datenstück #9: Erst die Hände, dann die Köpfe.

Quellen: Frey & Osborne, „The Future of Employment“ (2013/2017). Goldman Sachs, „The Potentially Large Effects of AI on Economic Growth“, Briggs & Kodnani (2023). IMF, „AI Will Transform the Global Economy“, Georgieva (2024). WEF Future of Jobs Report (2025). Brookings Institution, „What jobs are affected by AI?“ (2019). IAB, Dengler & Matthes, Substituierbarkeitspotenziale, Kurzbericht 9/2024. NBER, Brynjolfsson/Li/Raymond, „Generative AI at Work“ (2023). NBER, Korinek & Suh, „Scenarios for the Transition to AGI“ (2024). OECD Employment Outlook (2023). Eloundou et al., „GPTs are GPTs“, OpenAI/UPenn (2023).