Am Mittwochabend setzt sich in München eine gemischte Runde zusammen, Lehrerinnen, Pflegekräfte, Ingenieure, Beraterinnen, Eltern zwischen zwei Jobs, bei Wein und Käseplatten, und verbringt zwei Gesprächsrunden mit einer einzigen Frage: Was bedeutet KI für meinen Job? Kein Experten-Panel. Kein Pitch. Einfach Menschen, die es gemeinsam durchdenken, in kleinen Gruppen, weil dieses Gespräch am besten funktioniert, wenn der Raum nicht nur aus Leuten besteht, die sich ohnehin schon einig sind.
Dieser Beitrag ist nicht die Antwort auf diese Frage. Niemand hat sie bislang, und das ist der ehrliche Ausgangspunkt, kein Disclaimer, den man schnell hinter sich bringt. Was folgt, ist der Hintergrund: die tatsächlichen Zahlen, aus Anthropics eigener Forschung und von unabhängigen Ökonomen, Stand Juli 2026, plus wo meine eigenen Texte zu diesem Thema in diesem Jahr gelandet sind, und wo sie ihre Meinung ändern mussten.
Die ehrliche Ausgangszahl
Anthropic, das Unternehmen hinter Claude, betreibt ein laufendes Forschungsprojekt namens Anthropic Economic Index. Es untersucht echte, anonymisierte Gespräche mit der KI und stellt eine einfache Frage: Wofür wird das eigentlich tatsächlich genutzt? Der jüngste große Befund, veröffentlicht 2026: Rund 49 Prozent aller Jobs hatten mindestens ein Viertel ihrer Aufgaben in irgendeiner Form mit Claude in Berührung (Anthropic, Labor Market Impacts).
Diese Zahl klingt alarmierend, bis man versteht, was "in Berührung" bedeutet. Anthropic unterscheidet zwei Nutzungsarten: Augmentation, bei der ein Mensch im Prozess bleibt und die KI beim Denken, Entwerfen oder Prüfen hilft, und Automatisierung, bei der die KI die Aufgabe komplett allein erledigt. Über weite Teile des Jahres 2025 verschob sich das Verhältnis Richtung Automatisierung, von 55 zu 41 Prozent im Januar auf ein fast ausgeglichenes 55 zu 42 im März. Dann drehte der Trend. Bis November 2025 war der Anteil augmentierter Nutzung auf 52 Prozent gestiegen, automatisierte Nutzung auf 45 Prozent gefallen (Anthropic, Economic Index: Cadences). Menschen geben Aufgaben also nicht einfach ab. Sie holen das Werkzeug zurück in eine unterstützende Rolle, eine deutlich andere Geschichte als die, die Schlagzeilen meist erzählen.
Wer tatsächlich betroffen ist, und es ist nicht, wer die alte Automatisierungsgeschichte vorhersagte
Die klassische Automatisierungsangst, seit den Fabrikrobotern, war, dass zuerst manuelle, gewerbliche Arbeit betroffen sein würde. Die Anthropic-Daten zeigen das Gegenteil. Softwareentwickler zeigen die höchste Exposition, rund 75 Prozent ihrer Aufgaben liegen theoretisch in Reichweite des Modells. Das passt zu dem, was ich dieses Jahr Agentic Engineering nenne: Werkzeuge wie Claude Code lassen eine einzelne Entwicklerin einen KI-Agenten durch eine mehrstufige technische Aufgabe von Anfang bis Ende führen, nicht nur eine Zeile vervollständigen, eine andere Größenordnung an Exposition als ein Chatbot, der Fragen beantwortet. Kundenservice und Dateneingabe folgen dicht dahinter. Gleichzeitig hat rund ein Drittel der Belegschaft, Köche, Mechanikerinnen, Bademeister, Barkeeperinnen, praktisch keine Exposition, weil ihre Arbeit physisch und situativ ist auf eine Weise, die eine Chat-Oberfläche nicht berührt (Anthropic, Labor Market Impacts).
Es gibt eine zweite Wendung. Schon bevor ChatGPT existierte, verdienten Beschäftigte in den am stärksten exponierten Berufen im Schnitt 47 Prozent mehr als jene in wenig exponierten Berufen, und hatten deutlich häufiger einen akademischen Abschluss. Die erste Welle der KI verdrängt nicht die verletzlichsten Arbeitnehmer der Wirtschaft. Sie krempelt zuerst die Schreibtische der relativ gut bezahlten und gut ausgebildeten um. Ob das so bleibt, oder ob es nur die Reihenfolge ist, in der die Welle ankommt, gehört zu den offenen Fragen, die man am Mittwoch in die kleinen Gruppen mitnehmen sollte.
Die Generationenlücke ist bislang die eigentliche Geschichte
Wenn eine Zahl aus 2026 mehr Verbreitung verdient hätte, dann diese. Ein Team um den Stanford-Ökonomen Erik Brynjolfsson wertete Lohnabrechnungsdaten von Millionen amerikanischer Arbeitnehmer aus und fand einen relativen Beschäftigungsrückgang von 13 Prozent bei Berufseinsteigern, im Alter von 22 bis 25 Jahren, in den am stärksten KI-exponierten Berufen, seit generative KI zum Mainstream wurde. Für die engere Gruppe der 22- bis 25-Jährigen erreicht der Rückgang 16 Prozent. Die Beschäftigung älterer, erfahrener Arbeitnehmer in denselben Berufen blieb stabil oder wuchs (Fortune, Juni 2026; Stanford Digital Economy Lab). Der Effekt hat sich nicht umgekehrt. Er ist seit der ersten Datenerhebung um rund einen halben Prozentpunkt pro Monat gewachsen, über inzwischen fast vier Jahre Daten.
Nüchtern formuliert: Das ist nicht "KI nimmt Jobs weg" im Sinne der üblichen Schlagzeilen. Die Gesamtarbeitslosigkeit in den am stärksten exponierten Berufen hat sich kaum bewegt, plus rund 0,2 Prozent im Jahresvergleich, Stand April 2026. Verändert hat sich, wer überhaupt durch die Tür kommt. Wer im eigenen Feld etabliert ist, für den sagen die bisherigen Daten: wahrscheinlich alles in Ordnung. Wer gerade erst einsteigen will, für den ist die erste Sprosse der Leiter messbar höher als vor vier Jahren. Ein Raum mit Zweiundzwanzigjährigen und Fünfundvierzigjährigen wird "Was bedeutet KI für meinen Job" als zwei verschiedene Fragen erleben, und genau für diese Lücke ist das Mittwoch-Format gemacht: kleine gemischte Gruppen statt einer einzigen Podiumsdiskussion.
Warum Unternehmen jetzt handeln, nicht später
Ich habe im März darüber geschrieben, als Block, das Zahlungsunternehmen von Jack Dorsey, in einem einzigen Schritt fast die Hälfte seiner Belegschaft entließ, rund 4.000 Menschen, und die Aktie am selben Tag um 24 Prozent stieg (Half the People. All the Output.). Die ökonomische Logik dahinter ist fast neunzig Jahre alt. Ronald Coase argumentierte 1937, Firmen existierten, weil die Koordination von Arbeit innerhalb eines Unternehmens manchmal günstiger ist, als sie stückweise am offenen Markt einzukaufen. Wird diese Koordination noch günstiger, weil KI-Agenten Arbeit erledigen können, für die früher eine eigene Person zur Steuerung nötig war, schrumpft die Grenze der Firma. Blocks eigene Ingenieure lieferten schon vor den Kürzungen 40 Prozent mehr Code pro Kopf, dank interner KI-Werkzeuge. Das ist kein Einzelfall. Es ist der Mechanismus hinter einem breiteren Trend: weniger Menschen produzieren denselben oder mehr Output, und Investoren belohnen es.
Wer seine Zeit verkauft, für den hat sich der Boden bereits verschoben
Für die Freelancer, Beraterinnen und kleinen Agenturinhaber, die am Mittwoch wahrscheinlich mit im Raum sitzen, zählt eine zweite, unmittelbarere Verschiebung genauso stark. Wenn eine Aufgabe, die früher vierzig Stunden brauchte, jetzt vier braucht, muss jemand diese Differenz auffangen, und zunehmend ist das die Person, die früher nach Stunden abgerechnet hat. Freelance-Schreibhonorare fielen im Vorjahresvergleich um rund 30 Prozent im Commodity-Segment des Marktes. Junior-Softwareentwicklung auf Freelance-Plattformen fiel um 21 Prozent. Eine Analyse tatsächlicher Unternehmensausgaben fand, dass die Ausgaben für Freelancer-Marktplätze zwischen 2021 und 2025 von 0,66 auf 0,14 Prozent der Gesamtausgaben fielen, wobei jeder gesparte Freelancer-Dollar durch rund drei Cent KI-Kosten ersetzt wurde, ein fünfundzwanzigfacher Effizienzgewinn für den Einkäufer (Ramp, 2026). McKinsey, die weltweit größte Unternehmensberatung, erzielt inzwischen rund ein Viertel ihrer Honorare erfolgsbasiert statt nach Zeit und Material, genau weil KI die Bearbeitungszeit verkürzt hat (Your Hourly Rate Is Dead). Die abrechenbare Stunde ist nicht überall tot, aber sie stirbt dort am schnellsten, wo KI die zugrunde liegende Aufgabe bereits gut erledigen kann.
Wir waren schon einmal hier, und das gute Ende war nie automatisch
Es ist verlockend, das alles als beispiellos zu behandeln. Ist es nicht, und der historische Vergleich taugt eher als Warnung denn als Beruhigung. Britanniens Handweber, rund vierhunderttausend auf ihrem Höhepunkt in den 1820er-Jahren, sahen ihr gesamtes Gewerbe innerhalb einer einzigen Generation zusammenbrechen, als der mechanische Webstuhl kam. Die Ludditen, die zwischen 1811 und 1816 Maschinen zerschlugen, waren qualifizierte Arbeiter, keine Narren, und sie irrten sich nicht darüber, was ihnen geschah. Sie irrten sich nur darüber, was es aufhalten könnte. Was tatsächlich folgte, war fast ein Jahrhundert an Streiks, parlamentarischen Kämpfen und sozialer Erfindungsarbeit, der Acht-Stunden-Tag, das Wochenende, die Arbeitslosenversicherung, bevor die Industriewirtschaft überhaupt etwas hervorbrachte, das dem heute als normal empfundenen Mittelstandsleben ähnelte (Gespenster von 1811).
Die Ökonomen Daron Acemoglu und Pascual Restrepo nennen das schließlich gute Ende dieser Geschichte den Wiedereinsatz-Effekt: Neue Technologie zerstört alte Aufgaben, schafft aber auch neue für Menschen. Entscheidend ist, dass sie ausdrücklich betonen: Wiedereinsatz geschieht nicht automatisch. Er geschah im zwanzigsten Jahrhundert, weil Gewerkschaften, öffentliche Bildungsausgaben und Politik Technologie aktiv in Richtung Ergänzung statt bloßem Ersatz von Arbeitskräften lenkten. Die aktuelle Prognose des World Economic Forum trägt genau diese Ambivalenz in sich: rund 170 Millionen neue Jobs weltweit bis 2030, gegen 92 Millionen verdrängte, ein Nettogewinn von 78 Millionen, bei zusätzlich 120 Millionen Arbeitnehmern mit mittelfristigem Verdrängungsrisiko in der Zwischenzeit (WEF Future of Jobs Report). Die Nettozahl klingt beruhigend, bis man bemerkt, dass die 92 Millionen, die ihre Rolle verlieren, überproportional Bürokräfte, Kassiererinnen, Dateneingabepersonal, nicht automatisch dieselben Menschen sind, die die 170 Millionen neuen Rollen in KI-Engineering, Cybersicherheit oder Pflege besetzen. Ob Wiedereinsatz für eine bestimmte Person, in einem bestimmten Land, eintritt, ist eine Frage von Politik und Institutionen, kein Naturgesetz der Ökonomie.
Worüber sich wirklich noch niemand einig ist, nicht einmal die eigenen Nutzer der KI-Unternehmen
Anthropics jüngste Befragung der eigenen Nutzer, veröffentlicht im Juni 2026, lohnt sich gerade deshalb, weil sie sich nicht sauber auflöst. Über ein Drittel der Befragten erwartet, dass KI binnen zwölf Monaten "das meiste oder fast alles" ihrer Arbeit übernimmt. Doch nur rund 10 Prozent halten den eigenen Jobverlust für wahrscheinlich, eine Rate, die leicht unter der normalen jährlichen Jobfluktuation der US-Wirtschaft liegt. Menschen sorgen sich durchweg mehr um die Jobs ihrer Kolleginnen als um ihre eigenen, ein gut dokumentierter Bias, der von Autounfällen bis zu Entlassungen überall auftaucht. Und jene, die am meisten Arbeit an Claude delegieren, die intensivsten Automatisierungsnutzer, berichten von größerem Optimismus über die eigene Zukunft bei Bezahlung, Jobsicherheit und Aussichten, nicht von weniger (Anthropic, Economic Index: Cadences). Diese Korrelation lässt sich auf mehr als eine Weise lesen: Vielleicht schafft intensive Nutzung tatsächlich Zuversicht und sichert eine Rolle ab, oder es waren einfach die ohnehin selbstbewusstesten und kompetentesten Menschen, die das Werkzeug am schnellsten übernahmen. Die Daten können diese beiden Geschichten noch nicht auseinanderhalten, und wer behauptet, das zu können, verkauft mehr Gewissheit, als er hat.
Warum ein Raum, kein Podium
Das ist am Ende das beste Argument für das Mittwoch-Format. Alles oben Genannte ist ein nationaler oder globaler Durchschnitt, und Durchschnitte verdecken fast alles, was für ein einzelnes Leben zählt: welche Branche, welches Land, welcher Arbeitgeber, welches Alter, welche konkreten Aufgaben einen konkreten Job ausmachen. Eine Statistik über "Kundenservice-Mitarbeiter" sagt sehr wenig darüber, was tatsächlich im Support-Team eines bayerischen Mittelstandsunternehmens passiert, verglichen mit einem Callcenter in einem Land mit anderen Arbeitsschutzregeln. Wer tatsächlich erzählen kann, was sich in der Pflege, im Lehrerberuf oder im Handwerk gerade verschiebt, sitzt am Mittwoch in diesem Raum, nicht in einem Forschungspapier. Das ist keine Schwäche der Daten. Es ist genau der Grund, warum die Organisatoren kleine gemischte Gespräche einer Bühne mit Mikrofon vorgezogen haben.
Vor Mittwoch
Bringen Sie die konkrete Version der Frage mit, die zu Ihrem tatsächlichen Job passt, nicht die durchschnittliche. Was hat sich in den letzten zwölf Monaten in Ihrer konkreten Rolle, Ihrem Team, Ihrer Branche verändert? Was sollten Arbeitgeber, Berufsverband oder Politik jetzt tun, was gerade niemand tut? Das sind die Fragen, die der Raum tatsächlich beantworten kann, besser als jeder Bericht, dieser eingeschlossen.
München | Claude Conversation. Mittwoch, 22. Juli, Theresienstraße 6, 80333 München. Gastgeber: Michael Whelehan, Dr. Florian Steiner, Alexander Eiswirth und Steffi Kieffer, Venue-Partner Make. Deutsch- und englischsprachig. Käse, Aufschnitt, Wein und auch etwas Alkoholfreies. Alle Details und Anmeldung auf Luma.
Zum Weiterlesen
- Gespenster von 1811: die historische und institutionelle Tiefenanalyse hinter dem obigen Abschnitt
- Half the People. All the Output.: warum die Grenze der Firma schrumpft, mit dem vollständigen Block-Fall
- Your Hourly Rate Is Dead: was der KI-getriebene Preisverfall bedeutet, wenn man professionelle Zeit verkauft
- Das Produktivitätsparadox, Version 3.0: warum das langsame, ungleichmäßige Eintreffen der wirtschaftlichen KI-Effekte nicht neu ist, und kein Zeichen dafür, dass sie ausbleiben
Die Technologie funktioniert. Der Zugang gelingt nicht immer. Wenn Sie durchdenken wollen, was KI für Ihr Team bedeutet, sprechen wir.