Ist KI schuld am Einstellungsrückgang? Was die Stellendaten zeigen

Ist KI schuld am Einstellungsrückgang in genau den Berufen, die als erstes betroffen sein sollten? Forscher der Federal Reserve Bank of New York haben diese Geschichte an echten US Stellenanzeigen überprüft, und das Timing passt nicht. Die Lücke zwischen KI exponierten und KI sicheren Berufen öffnete sich, bevor ChatGPT überhaupt veröffentlicht wurde, und wurde danach nicht sichtbar größer. Irgendetwas hat die Einstellungen in diesen Berufen gedrückt. Die Belege sagen: Es begann, bevor generative KI in irgendeinem Browser existierte.

Das ist relevant, weil diese Schuldzuweisung überall auftaucht und selten geprüft wird. Ein Rückgang fällt auf, eine neue Technologie ist der naheliegende Schlagzeilen Verdächtige, und beides wird verknüpft, ohne die Daten nebeneinanderzulegen. Die Fed Forscher haben genau das getan.

Erstens: ein echter Expositionswert, keine Vermutung über eine Berufsbezeichnung

Die Studie verband einen Expositionswert pro Beruf, gebaut aus echten Nutzungsmustern, mit den US Stellenanzeigendaten von Lightcast und den Aufgabenbeschreibungen von O*NET und verfolgte dann das Anzeigenvolumen für stark und schwach exponierte Berufe über die Zeit. Weniger als 10 Prozent der Beschäftigten und offenen Stellen liegen in Berufen mit einem Expositionswert von 0,4 oder höher auf dieser Skala, und 40 Prozent der Beschäftigten sind in Jobs ohne jede gemessene Exposition. Der größte Teil des Arbeitsmarkts lag nach diesem Maßstab nie im direkten Wirkungsbereich.

Zweitens: Die Lücke entstand vor der Technologie, der sie zugeschrieben wird

Hier liegt der Befund, der die einfache Geschichte widerlegt. Die Divergenz im Anzeigenvolumen zwischen stark und schwach exponierten Berufen begann vor 2022, deutlich vor der Veröffentlichung von ChatGPT im November. Eine Ursache kann keine Wirkung erklären, die begann, bevor die Ursache existierte. Was auch immer die Stellenanzeigen in exponierten Berufen bereits ausdünnte, es lief, bevor das Werkzeug, auf das alle zeigen, für einen einzigen Verbraucher verfügbar war.

Drittens: Die Lücke blieb stabil, als die Technologie tatsächlich ankam

Wäre generative KI selbst die treibende Kraft hinter der Divergenz, würde man einen deutlichen Bruch genau um die Veröffentlichung herum erwarten, dann eine wachsende Lücke mit zunehmender Verbreitung. Die Forscher fanden keinen solchen Bruch: Die Lücke zeigt nach 2022 keine klare zusätzliche Verschiebung im Verlauf und stabilisiert sich nach 2023, statt sich zu vergrößern. Auch Einstiegspositionen in exponierten Berufen entfernten sich nicht weiter von Senior Positionen, genau das Muster, das eine einfache Automatisierungsgeschichte zuerst vorhersagen würde.

Viertens: Was eine falsch datierte Ursache für die eigene Reaktion ändert

Das heißt nicht, dass KI keinerlei Effekt auf Einstellungen hat. Es heißt, dass die Stellenanzeigendaten generative KI nicht als Haupttreiber des jüngsten Rückgangs in exponierten Berufen stützen, genau die Schlussfolgerung, die die Forscher selbst aus dem Timing ziehen. Dieser Unterschied, zwischen einer Aufgabe, die automatisierbar aussieht, und einem Menschen, der tatsächlich seinen Job verliert, lohnt sich auch bei der nächsten Schlagzeile über einen Einstellungsrückgang. Der falschen Ursache hinterherzulaufen verschwendet das Einzige, das bei einem echten Rückgang etwas bringt: überprüfbare Belege für Urteilsvermögen aufzubauen, die jemanden unabhängig davon einstellen lassen, welcher Faktor die Anzeigen tatsächlich ausgedünnt hat. Wer wissen will, wie die eigene Rolle überhaupt auf Exposition bewertet wird, findet hier, wie diese Werte tatsächlich entstehen, und hier eine Checkliste, um die eigene Woche statt einer Schlagzeile zu lesen. Der Check bewertet sechs dieser Urteilsbereiche direkt, aus Ihren eigenen Antworten, in etwa sieben Minuten.