Anthropic führt die Kennzahl „Beobachtete Exposition“ (Observed Exposure) ein und findet begrenzte Hinweise auf Spitzen bei der KI-bedingten Arbeitslosigkeit

In einer wegweisenden Veröffentlichung am 5. März 2026 veröffentlichte Anthropic ein umfassendes wirtschaftliches Forschungspapier mit dem Titel „Labor market impacts of AI: A new measure and early evidence“ (Arbeitsmarktauswirkungen von KI: Ein neues Maß und erste Belege). Die Studie führt einen neuartigen Rahmen zur Messung der Interaktion von Künstlicher Intelligenz (Artificial Intelligence, AI) mit der Erwerbsbevölkerung ein und geht über theoretische Spekulationen hinaus, um tatsächliche Nutzungsdaten zu analysieren.

Die Ergebnisse bieten einen nuancierten Blick auf die aktuelle Wirtschaftslandschaft: Während Berufe mit hoher KI-Exposition Anzeichen für ein langsameres prognostiziertes Wachstum und weniger Einstellungen für Einstiegspositionen zeigen, gibt es bisher keine Hinweise auf einen systematischen Anstieg der Arbeitslosigkeit für diese Arbeitnehmer. Diese Forschung liefert einen entscheidenden Datenpunkt in der laufenden Debatte über KI-bedingte Arbeitsplatzverdrängung und deutet darauf hin, dass sich die Auswirkungen der Technologie derzeit eher als „Einstellungsstopp“ oder Absorption und nicht als Massenentlassungen manifestieren.

Jenseits der Theorie: Die Kennzahl „Beobachtete Exposition“ (Observed Exposure)

Frühere Versuche, die Auswirkungen von KI auf Arbeitsplätze zu quantifizieren, stützten sich weitgehend auf theoretische Fähigkeiten – die Frage, ob ein Large Language Model (LLM) eine Aufgabe ausführen könnte. Die neue Forschung von Anthropic argumentiert, dass Fähigkeit nicht gleichbedeutend mit Einführung ist. Um diese Lücke zu schließen, entwickelten die Forscher Maxim Massenkoff und Peter McCrory eine neue Kennzahl namens „beobachtete Exposition“ (observed exposure).

Diese Kennzahl führt Daten aus drei Hauptquellen zusammen:

1. Theoretische Fähigkeit: Schätzungen aus früheren Studien (wie Eloundou et al., 2023) darüber, ob Aufgaben durch LLMs automatisiert werden können.
2. Echte Nutzung: Aggregierte, anonymisierte Daten aus dem Anthropic Economic Index, die verfolgen, wie Claude tatsächlich in beruflichen Umgebungen eingesetzt wird.
3. Aufgabendefinitionen: Die O*NET-Datenbank, die über 800 Berufe in spezifische Teilaufgaben unterteilt.

Durch das Filtern theoretischer Möglichkeiten durch die Brille des tatsächlichen Verhaltens identifiziert die Kennzahl „beobachtete Exposition“ nicht nur, welche Jobs automatisiert werden könnten, sondern welche automatisiert werden. Die Studie ergab, dass theoretische Modelle zwar vermuten lassen, dass 94 % der Aufgaben im Bereich „Computer & Mathematik“ exponiert sind, die tatsächliche Abdeckung durch Claude derzeit jedoch bei etwa 33 % liegt, was eine erhebliche Verzögerung zwischen technischer Machbarkeit und wirtschaftlicher Realität verdeutlicht.

Hauptergebnisse: Langsameres Wachstum, keine Massenentlassungen

Die zentrale Schlussfolgerung des Papiers stellt das katastrophale Narrativ einer sofortigen, massenhaften technologischen Arbeitslosigkeit infrage. Trotz der schnellen Einführung von Tools wie Claude ist die Arbeitslosenquote für Arbeitnehmer im am stärksten exponierten Quartil seit der Veröffentlichung von ChatGPT Ende 2022 nicht signifikant von der in nicht exponierten Rollen abgewichen.

Die Daten zeigen jedoch einen dämpfenden Effekt auf die Arbeitsnachfrage für exponierte Rollen.

Die Korrelation mit dem Beschäftigungswachstum

Die Forscher fanden eine negative Korrelation zwischen der „beobachteten Exposition“ und den Beschäftigungsprognosen. Für jeden Anstieg der KI-Exposition um 10 Prozentpunkte sinkt das vom Bureau of Labor Statistics (BLS) prognostizierte Beschäftigungswachstum um 0,6 Prozentpunkte. Diese Validierung deutet darauf hin, dass KI zwar keine sofortigen Entlassungen verursacht, aber den Bedarf an künftigen Personalaufstockungen verringern könnte.

Der „Kanarienvogel im Kohlebergwerk“: Junge Arbeitnehmer

Das vielleicht besorgniserregendste Ergebnis bezieht sich auf Berufseinsteiger. Die Studie identifizierte suggestive Belege dafür, dass sich die Einstellungen für Arbeitnehmer im Alter von 22 bis 25 Jahren in Bereichen mit hoher Exposition verlangsamt haben.

• Raten der Arbeitsplatzsuche: Nach ChatGPT ist die Rate, mit der junge Arbeitnehmer in exponierte Berufe eintreten, im Vergleich zum Niveau von 2022 um etwa 14 % gesunken.
• Statistische Signifikanz: Obwohl dieser Trend kaum statistisch signifikant ist, deckt er sich mit der Hypothese des „Einstellungsstopps“ – Unternehmen behalten möglicherweise erfahrenes Personal, während sie KI einsetzen, um Arbeiten zu absorbieren, die früher von Junior-Mitarbeitern erledigt worden wären.

Berufe mit hoher vs. niedriger Exposition

Die Untersuchung klärt genau, welche Rollen derzeit den Druck der KI-Integration spüren. Im Gegensatz zu früheren Automatisierungswellen, die körperliche Arbeit betrafen, zielt dieser Wandel auf hochqualifizierte, kognitive Berufe ab.

Tabelle: Am stärksten und am wenigsten exponierte Berufe nach beobachteter Exposition

Beruf	Expositionsgrad	Primär betroffene Aufgaben
Computerprogrammierer	Hoch (75 %)	Codierung, Debugging, Skriptautomatisierung
Kundendienstmitarbeiter	Hoch	Abfragebeantwortung, Informationsbeschaffung
Datentypisten	Hoch (67 %)	Dokumente lesen, strukturierte Daten eingeben
Finanzanalysten	Hoch	Datensynthese, Berichterstattung
Köche	Niedrig (0 %)	Physische Zubereitung von Speisen
Motorradmechaniker	Niedrig (0 %)	Physische Reparatur und Wartung
Rettungsschwimmer	Niedrig (0 %)	Physische Überwachung und Rettung

Das demografische Profil des „am stärksten exponierten“ Arbeitnehmers ist eindeutig: Er ist wahrscheinlich höher bezahlt, besser ausgebildet und verfügt über einen Hochschulabschluss. Beispielsweise machen Arbeitnehmer mit Hochschulabschluss 17,4 % der am stärksten exponierten Gruppe aus, verglichen mit nur 4,5 % in der nicht exponierten Gruppe.

Implikationen für die Zukunft der Arbeit

Die Forschung von Anthropic dient als kritische Ausgangsbasis für die Überwachung des wirtschaftlichen Übergangs zu einer KI-gestützten Wirtschaft. Die Autoren stellen fest, dass die aktuellen Auswirkungen zwar subtil sind – vor allem sichtbar in reduzierten Einstellungen von Junioren statt in Entlassungen –, sich dies jedoch ändern könnte, wenn sich die KI-Fähigkeiten verbessern und die Barrieren für die Einführung (wie rechtliche Beschränkungen oder Software-Integration) gesenkt werden.

Die Studie schließt mit einem Aufruf zu Demut und anhaltender Wachsamkeit. Der Rahmen für die „beobachtete Exposition“ soll regelmäßig aktualisiert werden, damit politische Entscheidungsträger und Ökonomen die Lücke zwischen dem Potenzial der KI und ihrem tatsächlichen wirtschaftlichen Fußabdruck verfolgen können. Vorerst scheint sich der Arbeitsmarkt unter dem Gewicht der generativen KI zwar zu biegen, aber nicht zu brechen.