Die Zahlen hinter den Schlagzeilen

Alle paar Wochen taucht eine neue Vorhersage auf, die besagt, dass KI Millionen von Arbeitsplätzen vernichten wird. Das Problem besteht darin, dass die meisten dieser Prognosen messen, was KI leisten könnte, und nicht, was sie tut. Die Studie von Anthropic aus dem Jahr 2026 hat dies geändert, indem sie die reale Nutzung misst. Wenn man die Ergebnisse mit den Gehaltsdaten von Stanford und dem eigenen Wirtschaftsindex von Anthropic vergleicht, ergibt sich ein klareres und fundierteres Bild.

In diesem Artikel sind die wichtigsten zusammengefasst KI- und Jobstatistiken aus diesen Primärquellen. Jede Zahl ist mit einer veröffentlichten Studie verknüpft, sodass Sie die tatsächlichen Zahlen und nicht die Schlagzeilen-Panik erhalten. Hier sehen Sie, was die Daten darüber zeigen, welche Arbeitsplätze gefährdet sind, wie Menschen KI bei der Arbeit wirklich nutzen und ob sich davon bereits in der Beschäftigung zeigt.

Wichtige Statistiken auf einen Blick

• Theoretisch könnte KI 94 % der Computer- und Mathematikaufgaben bewältigen, die tatsächliche Nutzung deckt jedoch nur 33 % davon ab.

• Beim API-Verkehr von Unternehmen entfallen 77 % der Nutzung auf Automatisierung, gegenüber nur 12 % auf Erweiterung, während die Verbrauchernutzung nahezu gleichmäßig verteilt bleibt.

• Der am stärksten exponierte Beruf ist Computerprogrammierer mit einer Aufgabenabdeckung von 75 %; Dateneingabe-Keyer liegen bei 67 %.

• Laut Stanford verzeichneten Berufseinsteiger im Alter von 22 bis 25 Jahren in den am stärksten KI-gefährdeten Berufen einen relativen Beschäftigungsrückgang von 13 %.

• 30 % der US-amerikanischen Arbeitnehmer weisen in den Nutzungsdaten keine beobachtete KI-Abdeckung auf.

• Codierungsaufgaben machen rund 35 % aller Verbraucher aus Claude-Gespräche und fast die Hälfte des geschäftlichen API-Verkehrs.

• Auf die 20 Länder mit dem höchsten Pro-Kopf-Verbrauch entfallen 48 % des weltweiten Claude-Verbrauchs, was zeigt, wie uneinheitlich die Akzeptanz immer noch ist.

Woher die Zahlen kommen

Diese Statistiken basieren auf drei miteinander verbundenen Forschungsbereichen, die alle auf realen Daten und nicht auf Umfragen oder Vermutungen basieren.

Der erste ist der Anthropic-Bericht vom März 2026 mit dem Titel „Auswirkungen der KI auf den Arbeitsmarkt“, der eine Metrik namens beobachtete Exposition einführt. Es kombiniert theoretische Fähigkeitswerte mit der tatsächlichen Claude-Nutzung, um zu messen, wie viel KI von jeder Aufgabe tatsächlich erledigt. Der zweite ist der Anthropic Economic Index, eine laufende Serie, die Nutzungsmuster über Aufgaben, Berufe und Länder hinweg verfolgt. Die dritte Studie ist Stanfords „Canaries in the Coal Mine“, eine Studie von Erik Brynjolfsson und Kollegen, die Lohn- und Gehaltsabrechnungsunterlagen von ADP, dem größten Lohn- und Gehaltsabrechnungsanbieter in den USA, analysierte.

Zusammen ergeben diese zwei Blickwinkel auf dieselbe Frage. Anthropic zeigt, wofür KI eingesetzt wird, und Stanford zeigt, ob sich dieser Einsatz auf die Beschäftigungszahlen auswirkt. Die Tatsache, dass sie weitgehend übereinstimmen, macht das Bild glaubwürdig.

Die Kluft zwischen Theorie und realer Welt

Die zentrale Erkenntnis all dieser Arbeiten ist, dass der tatsächliche Fußabdruck der KI weitaus kleiner ist als ihr Potenzial. Anthropic berichtet, dass KI in Computer- und Mathematikberufen theoretisch 94 % der Aufgaben erledigen könnte, die beobachtete Nutzung jedoch nur 33 % abdeckt. Im Büro- und Verwaltungsbereich sieht es ähnlich aus: Die theoretische Leistungsfähigkeit liegt bei fast 90 %, die tatsächliche Akzeptanz liegt jedoch weit zurück.

Diese Lücke besteht auch dort, wo KI am beliebtesten ist. Codieren ist mit Abstand die häufigste Verwendung von Claude, aber auf Berufsebene macht es immer noch etwa ein Drittel der abgedeckten Aufgaben aus. Aufgrund von Modellbeschränkungen, gesetzlichen Vorschriften, Softwareanforderungen und menschlichen Kontrollen, die die Einführung in der Praxis verlangsamen, verzögert sich die Einführung. Die Erkenntnis ist, dass Fähigkeit und Bereitstellung zwei sehr unterschiedliche Dinge sind und die Distanz zwischen ihnen die Geschichte ist.

Wie Menschen KI tatsächlich nutzen: Augmentation vs. Automatisierung

Einer der umfangreichsten Datensätze hier ist die Art und Weise, wie Menschen die Arbeit mit KI aufteilen. Anthropic unterteilt die Nutzung in Augmentation, bei der KI einem Menschen bei der Erledigung einer Aufgabe hilft, und Automatisierung, bei der KI die Aufgabe mit wenig menschlichem Eingreifen erledigt.

Auf der Verbraucherseite ist das Gleichgewicht nahezu ausgeglichen und schwankt hin und her, wobei die Steigerung mit etwa 52 % leicht vorn liegt, verglichen mit 45 % in der jüngsten Berichterstattung. Ganz anders sieht die geschäftliche Nutzung aus. Im First-Party-API-Traffic dominiert die Automatisierung mit 77 % gegenüber nur 12 % der Erweiterung, und 97 % der Aufgaben weisen auf der API automatisierungsorientierte Muster auf, verglichen mit 47 % auf der Verbraucher-App.

Im Laufe der Zeit geht der Trend hin zu einer stärkeren „hands-off“-Nutzung. Der Anteil der Anweisungsgespräche, bei denen Benutzer Claude eine Aufgabe übergeben und sie ausführen lassen, stieg von 27 % Ende 2024 auf 39 % in einer späteren Stichprobe. Da Unternehmen weitaus stärker automatisieren als Verbraucher, ist die starke API-Nutzung der Teil, den Ökonomen im Hinblick auf zukünftige Auswirkungen auf die Arbeitskräfte am genauesten beobachten.

Wo sich der KI-Einsatz konzentriert: Aufgaben und Geographie

Die KI-Nutzung ist alles andere als gleichmäßig verteilt. Von den mehr als 3.000 einzigartigen Arbeitsaufgaben, die auf Claude gesehen wurden, machten die zehn häufigsten etwa 24 % aller Konversationen aus, obwohl dieser Anteil Anfang 2026 auf 19 % sank, da sich umfangreiche Programmierarbeiten auf die API und Claude Code verlagerten. Allein Computer- und Mathematikaufgaben machen etwa 35 % der Verbrauchergespräche und fast die Hälfte des Geschäftsverkehrs aus.

Die Geographie ist ebenso einseitig. Die USA, Indien, Japan, das Vereinigte Königreich und Südkorea sind bei der gesamten Claude-Nutzung führend, und die 20 Länder mit der größten bevölkerungsbezogenen Nutzung machen etwa 48 % aller Aktivitäten aus, gegenüber 45 %. Weltweit hängt die Adoption eng mit dem Einkommen pro Person zusammen. Interessanterweise stützen sich Menschen in Ländern mit geringerer Nutzung häufiger auf KI, um ihre Arbeit zu automatisieren, als dies in Ländern mit hoher Nutzung der Fall ist.

Es gibt auch ein Maß dafür, wie weit sich KI in Arbeitsplätzen verbreitet hat. Anthropic hat herausgefunden, dass in 49 % aller Berufe mindestens ein Viertel ihrer Aufgaben mit Claude ausgeführt wurden, eine Zahl, die in den jüngsten Daten ziemlich stabil geblieben ist.

Die am meisten und am wenigsten exponierten Jobs

Betrachtet man bestimmte Berufe, so stehen drei ganz oben auf der Expositionsliste. Computerprogrammierer führen mit 75 % der Aufgaben, die durch echte KI-Nutzung abgedeckt werden. Als nächstes kommen Kundendienstmitarbeiter, da ihre Kernarbeit zunehmend über den geschäftlichen API-Verkehr erfolgt. Data Entry Keyers folgen mit 67 %, da das Lesen von Dokumenten und das Eingeben von Daten weitgehend automatisiert erfolgt.

Nach breiter Kategorie ist die theoretische Präsenz in Computer und Mathematik sowie Wirtschaft und Finanzen mit jeweils über 94 % am höchsten, gefolgt von Management mit 91 % und Büro und Verwaltung mit 90 %. Auf der anderen Seite wird die körperliche und pflegerische Arbeit kaum berührt. Die Bodenpflege ist mit nur 3,9 % der theoretischen Abdeckung die am wenigsten exponierte Kategorie in der gesamten Studie, während der Transport 12,1 % und die Landwirtschaft 15,7 % beträgt.

Die sichersten Kategorien insgesamt sind praktische Tätigkeiten wie Installation und Reparatur, Baugewerbe, Landwirtschaft, Transport, Produktion, Schutzdienste, Verpflegung und Bedienung, Grundstückspflege, Körperpflege und Unterstützung im Gesundheitswesen. Und 30 % der US-amerikanischen Arbeitnehmer weisen keine KI-Abdeckung auf, darunter Köche, Barkeeper, Rettungsschwimmer, Geschirrspüler und Motorradmechaniker.

Frühe Anzeichen in Beschäftigungsdaten

Hier bieten die beiden Forschungscamps eine sinnvolle Spannung. Anthropic hat seit Ende 2022 keinen systematischen Anstieg der Arbeitslosigkeit bei stark exponierten Arbeitnehmern festgestellt. Der Abstand zwischen den am stärksten und am wenigsten exponierten Gruppen war gering und statistisch nicht von Null zu unterscheiden.

Die Gehaltsabrechnungsstudie von Stanford ergab, dass es auf der Einstiegsebene etwas Schärferes gibt. Berufseinsteiger im Alter von 22 bis 25 Jahren in den Berufen, die der KI am stärksten ausgesetzt sind, wie z. B. Nachwuchs-Softwareentwickler und Kundenbetreuer, verzeichneten einen relativen Beschäftigungsrückgang von 13 %, selbst nach Berücksichtigung von Schocks auf Unternehmensebene. Entscheidend ist, dass sich diese Rückgänge auf Stellen konzentrierten, in denen KI die Arbeit automatisiert, anstatt sie zu erweitern, und ein späteres Update platzierte den deutlichsten Teil des Rückgangs im Jahr 2024.

Die eigenen Daten von Anthropic deuten schwächer in die gleiche Richtung. Es wurde festgestellt, dass die Einstellung junger Arbeitskräfte in exponierten Berufen um etwa 14 % zurückging, ein Ergebnis, das es als kaum signifikant bezeichnete, und bei Arbeitnehmern über 25 gab es keinen vergleichbaren Effekt. Der Zusammenhang mit dem Bureau of Labor Statistics ist ebenfalls schwach, aber vorhanden: Jeder Anstieg der Deckung um 10 Prozentpunkte ging mit einem Rückgang des prognostizierten Beschäftigungswachstums bis 2034 um 0,6 Prozentpunkte einher. Als zusätzlichen Kontext hat der CEO von Anthropic öffentlich gewarnt, dass KI in den kommenden Jahren einen großen Teil der Einstiegsjobs im Angestelltenbereich eliminieren könnte. eine weitaus aggressivere Sichtweise, als die aktuellen Daten unterstützen.

Wer ist am stärksten betroffen?

Das Profil des exponierten Arbeiters durchbricht das übliche Automatisierungsskript. Beim Vergleich des am stärksten exponierten Quartils mit der nicht exponierten Gruppe vor der Einführung von ChatGPT stellte Anthropic fest, dass die exponierte Gruppe im Durchschnitt 47 % mehr verdiente und mit einer um 16 Prozentpunkte höheren Wahrscheinlichkeit weiblich war.

Bildung sticht am meisten hervor. Menschen mit Hochschulabschluss machten 4,5 % der nicht exponierten Gruppe, aber 17,4 % der am stärksten exponierten Gruppe aus, was einem fast vierfachen Unterschied entspricht. Diese Welle erreicht zuerst gebildete, besser bezahlte Wissensarbeiter, was das Gegenteil davon ist, wie frühere Automatisierung Fabriken und routinemäßige manuelle Tätigkeiten erfasste.

Abschluss

Wenn Sie alle Statistiken zusammenfassen, ist die Botschaft eher ausgewogen als alarmierend. Der theoretische Einfluss von KI auf die Wissensarbeit ist enorm und liegt in Bereichen wie Informatik, Finanzen und Verwaltung oft bei über 90 %. Doch die tatsächliche Nutzung deckt nur einen Bruchteil davon ab, etwa ein Drittel selbst in der am stärksten betroffenen Kategorie. Die Hauptaufgaben der KI sind Codierung, Kundenservice und Dateneingabe. Die Arbeit, die es kaum berührt, ist körperliche, manuelle und pflegerische Arbeit.

Die Beschäftigungslage ist weiterhin überwiegend ruhig. Es gibt keinen breiten Anstieg der Arbeitslosigkeit im Zusammenhang mit der KI-Exposition, aber es gibt ein echtes und wiederholtes Signal unter jungen Berufseinsteigern, wo sowohl Stanford als auch Anthropic eine langsame Einstellung in automatisierungsintensiven Positionen sehen. Die Trennung zwischen Augmentation und Automatisierung ist hier von Bedeutung, denn Jobs, bei denen KI Menschen unterstützt, haben sich gehalten, während Jobs, bei denen KI Aufgaben ersetzt, die ersten Risse zeigen.

Für Arbeitnehmer besteht die praktische Lektion nicht darin, über einen Belichtungswert in Panik zu geraten, sondern zu verstehen, auf welcher Seite dieser Linie ihre Aufgaben liegen. Für Arbeitgeber und politische Entscheidungsträger stellen die Daten ein Frühwarnsystem dar, das es wert ist, bei der Aktualisierung im Auge zu behalten. Die Kluft zwischen dem, was KI kann, und dem, was sie tut, ist nach wie vor groß, und wie schnell sich diese Lücke schließt, wird in den nächsten Jahren am wichtigsten sein.

FAQs