Ersetzt KI Jobs, oder unterstützt sie die Arbeit?

Ersetzt KI Jobs oder unterstützt sie die Arbeit klingt nach zwei Theorien, die um dieselbe Zukunft konkurrieren. Echte Einstellungsdaten zeigen, dass beides bereits gleichzeitig passiert, aufgeteilt nach der Art der Arbeit, die eine Rolle tatsächlich umfasst. Ein Working Paper der Harvard Business School, das echte US-Stellenanzeigen vor und nach dem öffentlichen Start von ChatGPT auswertete, fand genau diese Aufteilung, und sie fällt schärfer aus, als beide Seiten der Debatte meist zugeben.

Was die Studie tatsächlich gemessen hat

Das Paper "Displacement or Complementarity? The Labor Market Impact of Generative AI", veröffentlicht im Dezember 2024 von Chen, Srinivasan und Zakerinia, bildet für jeden Beruf in der O*NET-Aufgabendatenbank zwei Werte: wie automatisierbar seine Aufgaben sind, und wie sehr diese Aufgaben durch generative KI ergänzt statt ersetzt werden könnten. Die Autoren glichen diese Werte anschließend mit einem nahezu vollständigen Datensatz echter US-Stellenanzeigen ab und verglichen Einstellungen vor und nach dem Start von ChatGPT, mit einem Synthetic-Difference-in-Differences-Design gegen eine passende Kontrollgruppe. Das ist keine Befragung zu Arbeitgebererwartungen. Es misst Stellenanzeigen, die bereits geschaltet wurden.

Stellenanzeigen teilten sich, sie schrumpften nicht einfach

Sobald die Berufe nach Aufgabenmischung gruppiert wurden, bewegten sich die beiden Gruppen in entgegengesetzte Richtungen. Stellenanzeigen für Berufe im obersten Viertel des Automatisierungspotenzials sanken nach der Einführung generativer KI um 17 Prozent pro Quartal und Firma im Vergleich zur Kontrollgruppe. Stellenanzeigen für ergänzungsfähige Berufe, also solche, die automatisierbare Aufgaben mit Arbeit verbinden, die weiterhin einen Menschen braucht, stiegen im selben Zeitraum um 22 Prozent pro Quartal und Firma.

Dieselbe Teilung zeigt sich bei den Kompetenzanforderungen, nicht nur bei der Anzahl offener Stellen. Bei automatisierungsgefährdeten Rollen sank die Zahl der in Stellenanzeigen verlangten KI-bezogenen Kompetenzen um 24 Prozent pro Firma und Quartal. Bei ergänzungsfähigen Rollen stieg derselbe Wert um 15 Prozent. Automatisierungsgefährdete Einstellungen schrumpften und verlangten weniger. Ergänzungsfähige Einstellungen wuchsen und verlangten mehr.

Was die beiden Arten von Rollen tatsächlich trennt

Die Trennlinie in der Studie ist nicht die Branche oder der Jobtitel, sondern die Aufgabenmischung innerhalb der Rolle. Eine Rolle aus strukturierten, wiederholbaren Aufgaben erzielt einen hohen Automatisierungswert und einen niedrigen Ergänzungswert. Eine Rolle, die Aufgaben, die generative KI erledigen kann, mit Aufgaben verbindet, die weiterhin Urteilsvermögen, Verhandlung oder das Lesen einer konkreten Situation verlangen, landet auf der anderen Seite, und das Paper behandelt genau diese Kombination als die mit den größten Produktivitätsgewinnen statt Stellenabbau.

Das passt zu wie eine Aufgabe tatsächlich für die Automatisierung bewertet wird auf dieser Seite: Aufgabe für Aufgabe, nicht Jobtitel für Jobtitel. Es passt auch zu den sechs nichttechnischen Bereichen, die diese Seite misst, denn Urteilsvermögen und das Lesen von Menschen sind genau die Teile einer Rolle, die ein Sprachmodell nicht von selbst aufnehmen kann.

Was man damit anfangen sollte, bevor es offensichtlich wird

Nichts davon sagt, dass die Rolle einer bestimmten Person automatisierungsanfällig oder ergänzungsfähig ist. Das erfordert einen Blick auf die tatsächlichen Aufgaben innerhalb einer konkreten Rolle, nicht auf den Titel auf einer Visitenkarte. Was die Forschung stützt, ist ein praktischer Schritt: schon jetzt Belege für die urteilsintensiven Teile einer Rolle aufbauen und zeigen, statt abzuwarten, auf welcher Seite der Teilung eine Rolle landet. Ein Beleg schlägt eine aufgelistete Fähigkeit in einem Einstellungsprozess so oder so, und der Sechs-Bereiche-Check ist eine Möglichkeit, einen konkreten, prüfbaren Stand zu bekommen.

Die ehrliche Grenze

Das ist die Lesart eines Papers zu US-Stellenanzeigen, gestützt auf einen Datensatz und eine Bewertungsmethode, kein universelles Gesetz, und Werte auf Berufsebene mitteln über echte Unterschiede zwischen zwei Personen, die formal denselben Job bei zwei verschiedenen Firmen machen. Was das Paper direkt stützt, ist, dass generative KI die Arbeitsnachfrage nicht insgesamt geschrumpft hat. Sie hat diese Nachfrage zu Rollen umgelenkt, die Maschinentempo mit etwas verbinden, das eine Maschine weiterhin nicht selbst liefern kann.