Wenn über Künstliche Intelligenz und Arbeitsplätze diskutiert wird, dominieren zwei Extreme: Die einen prophezeien Massenarbeitslosigkeit, die anderen winken ab. Was bisher fehlte, waren belastbare Daten. Am 5. März 2026 hat das KI-Unternehmen Anthropic eine Studie veröffentlicht, die genau diese Lücke schließen will — mit einem entscheidenden Unterschied zu früheren Untersuchungen: Statt nur theoretisch zu schätzen, was KI-Systeme leisten könnten, hat Anthropic ausgewertet, wofür Millionen von Menschen ihr KI-Modell Claude im Arbeitsalltag tatsächlich nutzen.
Eine neue Messmethode: Theorie trifft Praxis
Das Forscherteam hat eine neue Kennzahl entwickelt, die es „beobachtete Exponierung" (Observed Exposure) nennt. Der Ansatz kombiniert drei Datenquellen: eine staatliche US-Datenbank mit rund 800 Berufen und ihren typischen Aufgaben (O*NET), frühere Forschungsergebnisse zur theoretischen KI-Fähigkeit und — das ist das Neue — echte Nutzungsdaten aus Anthropics eigenem System. Dabei wird unterschieden, ob die KI eine Aufgabe komplett automatisch erledigt oder ob ein Mensch sie nur als Hilfsmittel einsetzt. Vollautomatische Nutzung zählt stärker.
Warum ist das wichtig? Bisherige Studien haben vor allem geschätzt, welche Aufgaben KI theoretisch schneller erledigen könnte. Das führte regelmäßig zu alarmierenden Schlagzeilen. Anthropics Ansatz zeigt dagegen, was in der Praxis tatsächlich passiert — und diese Realität sieht deutlich differenzierter aus.
Die Zahlen: Riesige Kluft zwischen Können und Tun
Das zentrale Ergebnis ist ernüchternd — für Optimisten wie für Pessimisten gleichermaßen. Im Bereich IT und Mathematik könnte KI laut Theorie 94 Prozent aller Aufgaben beschleunigen. Tatsächlich genutzt wird sie dort aber nur für 33 Prozent. In der Büroverwaltung: 90 Prozent theoretisch möglich, 25 Prozent tatsächlich genutzt. Im Finanzwesen: 85 Prozent Potenzial, 20 Prozent Realität.
Die Gründe für diese Lücke sind vielfältig: Rechtliche Vorgaben verhindern den Einsatz, Unternehmen brauchen Zeit für die Einführung neuer Systeme, Sicherheitsanforderungen erfordern menschliche Kontrolle, und oft fehlt schlicht die passende Software, um KI-Modelle in bestehende Arbeitsabläufe einzubinden.
Welche Berufe sind am stärksten betroffen?
Die Studie identifiziert die zehn Berufsgruppen mit der höchsten tatsächlichen KI-Durchdringung. Ganz oben: Programmierer mit 74,5 Prozent — drei Viertel ihrer typischen Aufgaben werden bereits durch KI unterstützt oder automatisiert. Auf Platz zwei folgen Kundenservice-Mitarbeiter mit 70,1 Prozent, deren Routineaufgaben zunehmend über automatisierte Schnittstellen (APIs) abgewickelt werden. Danach kommen Dateneingabe-Fachkräfte (67,1 Prozent), medizinische Dokumentationsspezialisten (66,7 Prozent), Marktforscher (64,8 Prozent), Vertriebsmitarbeiter (62,8 Prozent), Finanzanalysten (57,2 Prozent), Software-Tester (51,9 Prozent), IT-Sicherheitsanalysten (48,6 Prozent) und IT-Support-Spezialisten (46,8 Prozent).
Am anderen Ende des Spektrums: 30 Prozent aller Beschäftigten zeigen keinerlei messbare KI-Exponierung. Dazu gehören Berufe wie Köche, Mechaniker, Barkeeper und Rettungsschwimmer — Tätigkeiten, die auf körperlicher Arbeit oder direktem Menschenkontakt basieren.
Keine Massenarbeitslosigkeit — aber ein Warnsignal bei Berufseinsteigern
Trotz der hohen Durchdringung in einzelnen Berufsgruppen findet die Studie keinen systematischen Anstieg der Arbeitslosigkeit in den besonders betroffenen Berufen seit Ende 2022. Die Arbeitslosenquoten von stark und schwach exponierten Berufsgruppen verlaufen nahezu parallel.
Allerdings gibt es ein frühes Warnsignal: Bei jungen Arbeitnehmern zwischen 22 und 25 Jahren zeigt sich ein Rückgang von rund 14 Prozent bei der Einstellung in stark KI-exponierte Berufe — verglichen mit dem Stand vor der breiten KI-Einführung 2022. Die Forscher betonen, dass dieses Signal vorsichtig zu interpretieren ist, da auch andere Faktoren wie veränderte Bildungswege oder konjunkturelle Schwankungen eine Rolle spielen könnten. Dennoch: Es deutet darauf hin, dass KI den Arbeitsmarkt zunächst über verlangsamte Einstellungen verändert, nicht über Kündigungswellen.
Das Profil der Betroffenen überrascht
Entgegen der verbreiteten Annahme, KI bedrohe vor allem Geringqualifizierte, zeichnet die Studie ein anderes Bild. Beschäftigte in stark KI-exponierten Berufen sind im Schnitt 47 Prozent besser bezahlt als ihre Kollegen in wenig betroffenen Berufen. Sie sind 16 Prozentpunkte häufiger weiblich und viermal so häufig Hochschulabsolventen mit Masterabschluss oder höher. KI trifft also zuerst die gut ausgebildete Wissensarbeit — Analyse, Recherche, Dokumentation, Programmierung.
Was bedeutet das für Unternehmen?
Für Geschäftsführer und Vorstände liefert die Studie drei zentrale Erkenntnisse:
- Die Einführung braucht Zeit — und das ist normal. Nur weil ein KI-Modell eine Aufgabe theoretisch erledigen kann, heißt das nicht, dass es morgen die halbe Belegschaft ersetzt. Integration in bestehende Systeme, Schulung, Compliance und Qualitätssicherung brauchen Zeit. Die Studie belegt das mit harten Zahlen.
- Personalplanung wird komplexer. Das Warnsignal bei Berufseinsteigern sollte Unternehmen aufhorchen lassen. Wer heute Nachwuchs für KI-exponierte Berufe sucht, konkurriert mit einem Arbeitsmarkt, in dem junge Fachkräfte zunehmend in andere Richtungen abwandern. Die US-Produktivitätsdaten zeigen gleichzeitig deutliche Zuwächse — 14 Prozent im Kundenservice, 26 Prozent in der Softwareentwicklung.
- Die Lücke zwischen Potenzial und Einsatz ist Ihre Chance. Unternehmen, die KI heute strategisch einführen, verschaffen sich einen Vorsprung gegenüber Wettbewerbern, die noch abwarten. Die Studie zeigt klar: Der Markt hat das Potenzial noch lange nicht ausgeschöpft.
Einordnung: Wichtige Studie, aber mit Einschränkungen
Die Studie ist die bisher fundierteste Analyse zum tatsächlichen KI-Einsatz am Arbeitsplatz. Dass ein KI-Anbieter seine eigenen Nutzungsdaten öffentlich auswertet, ist bemerkenswert transparent. Allerdings gibt es berechtigte Kritik: Die Daten stammen ausschließlich von Anthropics eigenem Modell Claude und bilden damit nur einen Teil des Marktes ab. Unternehmen, die GPT-Modelle von OpenAI, Googles Gemini oder Open-Source-Modelle wie Llama einsetzen, erscheinen in dieser Auswertung nicht. Auch erfasst die Methode nur direkte KI-Nutzung — indirekte Effekte, etwa wenn KI-gestützte Produkte ganze Marktsegmente verändern, bleiben außen vor.
Dennoch: Für die strategische Planung in Unternehmen liefert die Studie einen wertvollen Rahmen. Nicht als Kristallkugel, sondern als Kompass — der zeigt, wo die Reise hingeht und wie schnell sie vorankommt.
Quellen
- Anthropic Research — „Labor Market Impacts of AI: A New Measure and Early Evidence" (Originalstudie)
- Anthropic auf X — Offizielle Ankündigung der Studie zum Anthropic Economic Index
- CMSWire — Analyse zur Kundenservice-Exponierung und Branchenauswirkungen
- EdTech Innovation Hub — Zusammenfassung der Kernergebnisse und Methodik
- The AI Corner — Detailanalyse der Berufsgruppen und Expositionswerte
- U.S. Bureau of Labor Statistics — Produktivitätsdaten 2025