KI-nahe Berufe haben in Deutschland bislang nicht pauschal Beschäftigung verloren. Eine neue Auswertung zeigt vielmehr einen Zuwachs in Tätigkeitsfeldern, die rechnerisch viele Berührungspunkte mit künstlicher Intelligenz besitzen. Dahinter steckt allerdings nicht automatisch ein durch KI ausgelöster Stellenboom. Die Untersuchung trennt mehrere Entwicklungen, die in der Debatte häufig vermischt werden.
Ein Beruf kann viele Aufgaben enthalten, bei denen künstliche Intelligenz grundsätzlich eine Rolle spielen könnte, und trotzdem mehr Beschäftigte gewinnen. Genau dieser zunächst widersprüchliche Befund steht im Mittelpunkt einer neuen deutschen Arbeitsmarktanalyse. KI-nahe Berufe werden darin nicht anhand einer Befragung nach tatsächlich verwendeten Programmen bestimmt. Ausgangspunkt ist vielmehr die mögliche Berührung ihrer Tätigkeiten mit verschiedenen KI-Anwendungen. Anschließend wird geprüft, wie sich die Beschäftigung in diesen Feldern entwickelt hat. Das ist eine wichtige Unterscheidung. Eine hohe technische Nähe kann unterschiedliche Folgen ermöglichen: einzelne Aufgaben verändern sich, zusätzliche Leistungen werden wirtschaftlich oder bestimmte Tätigkeiten werden ersetzt. Aus dem technischen Potenzial allein ergibt sich noch keine eindeutige Zahl wegfallender Stellen. Die Untersuchung setzt deshalb bei beobachteten Arbeitsmarktdaten an und fragt, ob sich das erwartete einfache Muster bislang überhaupt erkennen lässt.
Auch ein wachsender Beschäftigungsbestand beantwortet nicht jede Frage nach Veränderungen durch Technik. Innerhalb eines Berufs können Aufgaben verschwinden, während neue hinzukommen. Ein Betrieb kann weniger Personal benötigen, während ein anderer expandiert. Die Gesamtzahl fasst diese Bewegungen zusammen. Deshalb muss zwischen dem Bestand an Arbeitsplätzen und den einzelnen Übergängen der Beschäftigten unterschieden werden. Ein positiver Saldo bedeutet nicht, dass niemand seine Stelle verloren hat. Ein negativer Saldo beweist umgekehrt nicht automatisch, dass eine bestimmte Technik die Ursache war. Nachfrage, Branchenentwicklung und die Zusammensetzung der Beschäftigung können gleichzeitig wirken. Die neue Analyse verbindet deshalb eine Betrachtung der gesamten Beschäftigung mit Informationen über individuelle Erwerbsverläufe. Beide Ebenen ergänzen sich, bleiben aber an ihre jeweiligen Zeiträume und Messgrößen gebunden. Gerade diese Grenzen sind wichtig, wenn aus einer aktuellen Veröffentlichung Aussagen über die Zukunft abgeleitet werden.
Die Auswertung von Stefanie Seele am Institut der deutschen Wirtschaft vergleicht unter anderem Dezember 2019 mit Dezember 2025. In diesem Zeitraum stieg die KI-nahe Beschäftigung um 8,3 Prozent beziehungsweise rund 945.000 Personen. Zuletzt gehörten knapp 12,4 Millionen Beschäftigte zu dieser Gruppe. Der Befund beschreibt damit einen Zuwachs, nicht einen allgemeinen Rückgang. Er ist jedoch keine Schätzung der durch KI neu geschaffenen Arbeitsplätze. Die Einordnung beruht auf Tätigkeitsmerkmalen, während die Beschäftigungszahlen die tatsächliche Entwicklung der entsprechenden Berufsgruppen abbilden. Ob und in welchem Umfang einzelne Betriebe KI einsetzen, wird dadurch nicht direkt gemessen. Genau deshalb kann ein Wachstum in KI-nahen Tätigkeiten nicht ohne weitere Untersuchung vollständig der Einführung künstlicher Intelligenz zugeschrieben werden.
Der verwendete Indikator knüpft an den Technologiestand von 2021 und mehrere unterschiedliche KI-Anwendungen an. Er beschreibt, wie stark berufliche Aufgaben grundsätzlich mit diesen Fähigkeiten in Berührung kommen könnten. Das ist eine andere Größe als ein bereits realisierter Automatisierungsgrad. Eine Tätigkeit kann technisch berührt werden, ohne vollständig ersetzbar zu sein. Auch eine einzelne gut automatisierbare Aufgabe macht noch nicht den gesamten Beruf aus. Für die Bewertung ist deshalb die Einheit der Betrachtung entscheidend. Ein Beruf bündelt verschiedene Aufgaben, deren Anforderungen nicht identisch sind. Werden nur einzelne davon verändert, kann sich das Tätigkeitsprofil verschieben, ohne dass die Beschäftigung im selben Verhältnis sinkt. Der Begriff KI-Nähe sollte daher nicht wie ein anderes Wort für Arbeitsplatzgefährdung gelesen werden. Er kennzeichnet ein mögliches Berührungsfeld, dessen wirtschaftliche Folgen anschließend erst empirisch untersucht werden müssen.
Die zeitliche Grundlage des Indikators schafft eine zusätzliche Grenze. Technische Fähigkeiten entwickeln sich weiter, während eine einmal festgelegte Einordnung zunächst bestehen bleibt. Ein Beruf, der nach dem früheren Stand wenig Berührung mit KI aufwies, kann durch neue Anwendungen anders betroffen sein. Umgekehrt kann sich ein damals vielversprechender Einsatz als schwer umsetzbar erweisen. Deshalb ist ein solcher Indikator nützlich, aber nicht dauerhaft vollständig. Seine Stärke liegt darin, eine nachvollziehbare und vergleichbare Einteilung bereitzustellen. Für Aussagen über die jüngste Entwicklung generativer Systeme müsste geprüft werden, wie gut diese Einteilung noch passt. Das ist kein Detail am Rand. Es bestimmt, welche technischen Veränderungen in der Analyse überhaupt sichtbar werden können. Ein Befund über einen älteren Expositionsmaßstab darf nicht als vollständige Bewertung sämtlicher heute denkbarer Anwendungen ausgegeben werden.
Ein wesentlicher Teil des Zuwachses hängt mit der allgemeinen Entwicklung des Arbeitsmarkts und seiner Zusammensetzung zusammen. Wenn insgesamt mehr Menschen beschäftigt sind, kann auch eine bestimmte Berufsgruppe wachsen, ohne ihren Anteil zu verändern. Zusätzlich kann sich Beschäftigung zwischen Anforderungsniveaus verschieben. Gewinnen jene Tätigkeiten an Gewicht, die im verwendeten Indikator ohnehin KI-näher sind, steigt die entsprechende Gesamtzahl ebenfalls. Diese beiden Vorgänge sind logisch von einem Wandel innerhalb einzelner Anforderungsgruppen zu unterscheiden. Die Analyse zerlegt das Wachstum deshalb in verschiedene Beiträge. Ein solcher Ansatz hilft, eine scheinbar eindeutige Geschichte zu prüfen. Die bloße Beobachtung, dass KI-nahe Tätigkeiten zunehmen, könnte sonst als unmittelbarer Technikboom gelesen werden. Die Zerlegung zeigt dagegen, dass die Struktur des Arbeitsmarkts selbst einen großen Teil der Entwicklung tragen kann, auch ohne einen direkt gemessenen Einführungseffekt einzelner Programme.
Die sogenannte Shift-Share-Analyse ist dabei eine rechnerische Aufteilung, kein Experiment. Sie fragt, welcher Teil einer Veränderung bei einer gedachten konstanten Struktur auf das allgemeine Wachstum entfiele und welcher Teil mit Verschiebungen zwischen Gruppen zusammenhängt. Solche Gegenrechnungen machen Entwicklungen transparenter. Sie beweisen jedoch nicht automatisch die Ursache jeder Verschiebung. Wenn beispielsweise anspruchsvollere Tätigkeiten wachsen, können dafür verschiedene wirtschaftliche Veränderungen verantwortlich sein. Die Methode zeigt zunächst, wie sich der beobachtete Gesamtzuwachs zusammensetzt. Ein kausaler Nachweis der Wirkung von KI wäre eine andere Aufgabe. Dafür wären Informationen über tatsächliche Einführung, Zeitpunkt und geeignete Vergleichsbetriebe nötig. Gerade die Trennung zwischen rechnerischem Beitrag und wirtschaftlicher Ursache ist wichtig. Sie verhindert, dass eine mathematisch genaue Zerlegung als vollständige Erklärung eines komplexen Arbeitsmarktprozesses missverstanden wird.
Der vollständige Kurzbericht zur KI-Nähe und Arbeitslosigkeit ergänzt die Bestandszahlen durch eine Auswertung der Stichprobe der Integrierten Arbeitsmarktbiografien. In den betrachteten Verläufen waren KI-nahe Beschäftigte bis 2023 ähnlich selten von den untersuchten Arbeitslosigkeitsphasen betroffen wie Vergleichsgruppen. Sie wechselten allerdings etwas häufiger den Betrieb. Diese Beobachtung lässt mehrere Deutungen zu. Ein Wechsel kann auf gefragte Qualifikationen und neue Möglichkeiten hindeuten, muss aber nicht in jedem Fall freiwillig oder vorteilhaft sein. Der Datensatz zeigt einen Übergang, nicht automatisch dessen persönliche Bedeutung. Für eine umfassende Bewertung wären zusätzlich Informationen über Einkommen, Tätigkeit und Umstände des Wechsels wichtig. Die individuelle Analyse erweitert damit den Blick auf Bewegungen im Arbeitsmarkt, ohne aus jedem Betriebswechsel eine Erfolgsgeschichte zu machen.
Die betrachtete individuelle Stichprobe besitzt eine besondere Auswahl. Sie umfasst Personen, die bereits 2012 sozialversicherungspflichtig beschäftigt waren und deren Status an den späteren Stichtagen bis 2023 beobachtet werden konnte. Wer erst danach in den Arbeitsmarkt eintrat oder vorher ausschied, gehört nicht zu dieser Auswertung. Damit ist gerade die Situation neuer Berufsanfänger nicht vollständig abgebildet. Diese Grenze ist für die KI-Debatte wesentlich. Eine Technologie könnte zunächst beeinflussen, welche neuen Stellen ausgeschrieben werden, ohne dass sich sofort bei langjährig Beschäftigten ein entsprechender Anstieg der Arbeitslosigkeit zeigt. Das ist eine mögliche Entwicklung, kein durch die vorliegende Analyse bereits bewiesener Ablauf. Sie verdeutlicht aber, weshalb stabile Erwerbsverläufe einer ausgewählten Gruppe nicht jede Sorge um den Berufseinstieg beantworten. Bestandsbeschäftigte und neu eintretende Personen stehen vor unterschiedlichen Situationen und müssen entsprechend getrennt untersucht werden.
Auch ein wachsender Berufsbereich kann für einzelne Beschäftigte erhebliche Veränderungen bedeuten. Aufgaben können sich verdichten, Qualifikationsanforderungen verschieben oder bisher typische Einstiegsarbeiten seltener werden. Solche Entwicklungen müssen nicht unmittelbar in der Gesamtzahl der Beschäftigten sichtbar sein. Umgekehrt können zusätzliche Möglichkeiten entstehen, die in einer reinen Verlustbetrachtung übersehen würden. Deshalb ist die sachliche Alternative zur pauschalen Entwarnung nicht eine ebenso pauschale Untergangsprognose. Nötig ist eine genauere Beobachtung verschiedener Größen. Dazu gehören Beschäftigungsbestände, Übergänge, Neueinstellungen und Veränderungen der Aufgaben. Die vorliegende Analyse liefert einen wichtigen Befund für bestimmte Zeiträume und eine definierte Einteilung. Sie widerlegt die einfache Behauptung, technisch KI-nahe Berufe müssten bereits durchweg schrumpfen. Sie beweist aber nicht, dass sich dieser Zustand unter jeder weiteren technischen und wirtschaftlichen Entwicklung unverändert fortsetzt.
Der überraschende Kern liegt in der Differenz zwischen technischer Berührung und beobachtetem Stellenabbau. Die beiden Größen verlaufen nicht zwangsläufig parallel. In den untersuchten deutschen Daten nahm die Beschäftigung in KI-nahen Tätigkeiten zu, und auch die betrachteten individuellen Verläufe zeigten keinen einfachen allgemeinen Nachteil. Gleichzeitig begrenzen der ältere Technologieindikator und die unterschiedlichen Datenzeiträume die Reichweite dieses Befunds. Für die weitere Forschung ist deshalb entscheidend, tatsächliche Nutzung und neue Tätigkeitsprofile genauer einzubeziehen. Erst dann lässt sich besser erkennen, wo KI ergänzt, wo sie Aufgaben ersetzt und wie Betriebe auf diese Veränderungen reagieren. Die Untersuchung schafft damit keinen sicheren Berufskatalog für die Zukunft. Sie liefert etwas Nützlicheres als eine pauschale Prognose: einen überprüfbaren Zwischenstand, der eine verbreitete Gleichsetzung von KI-Nähe und unmittelbar sinkender Beschäftigung nicht bestätigt.
Institut der deutschen Wirtschaft, KI-Nähe des Berufs bisher kein Nachteil auf dem Arbeitsmarkt; doi:10.67087/19.21641
