Ökonomen warnen, dass KI-Jobprognosen auf den falschen Daten beruhen

Die Debatte über KI-Arbeitsplätze könnte ihrer Evidenz vorauslaufen

Im Technologiesektor werden Prognosen über durch KI verursachte Jobverluste zunehmend dramatischer. MIT Technology Review beschreibt die Stimmung klar: Führungskräfte und Forschende sprechen offen über Rezessionsrisiken, den Zusammenbruch früher Karriereleitern und die Möglichkeit, dass KI als breiter Ersatz für Arbeit fungiert. Die Veröffentlichung hebt jedoch auch einen nüchterneren Gegenpunkt des Ökonomen Alex Imas von der University of Chicago hervor: Die Dateninstrumente, die üblicherweise zur Schätzung von Arbeitsmarktstörungen verwendet werden, könnten zutiefst unzureichend sein.

Die zentrale Kritik lautet, dass Ökonomen und politische Entscheidungsträger sich zu stark auf Task Exposure stützen. Wenn ein Beruf Aufgaben enthält, die KI plausibel erledigen könnte, wird dieser Beruf oft als gefährdet behandelt. Imas argumentiert, dass das nicht ausreicht. Exposure sei, so die im Quelltext zitierte Formulierung, für sich genommen kein aussagekräftiger Prädiktor für Verdrängung.

Warum Task Exposure zu grob ist

Der Artikel erklärt die Logik an einem vertrauten Beispiel. Berufe sind Bündel vieler Aufgaben, von denen einige automatisierbar sein können und andere nicht. Forschende haben einen staatlichen Aufgaben-Katalog genutzt, der erstmals 1998 eingeführt und regelmäßig aktualisiert wurde, um zu schätzen, wie stark Berufe KI ausgesetzt sind. OpenAI verwendete diese Art von Daten im Dezember, um die berufliche Exponierung zu bewerten, und Anthropic verglich später diese Aufgabenlisten mit Millionen von Claude-Gesprächen, um zu sehen, welche Aufgaben Nutzer tatsächlich mit KI erledigten.

Das klingt gründlich, doch das Problem ist strukturell. Ein Beruf ist nicht einfach die Summe seiner automatisierbaren Aufgaben. Einige Aufgaben sind zentral, andere peripher, und wieder andere eng mit Vertrauen, Regulierung oder persönlichem Urteil verbunden. Das Ersetzen oder Ergänzen einer Aufgabe löscht die Rolle darum herum nicht automatisch aus. Expositionsdaten können daher zeigen, wo KI Arbeit berührt, aber nicht, wie sich Beschäftigung verändern wird.

Die fehlenden Daten sind die Realität auf Arbeitnehmendenebene

MIT Technology Review zufolge fordert Imas Ökonomen auf, eine andere Art von Evidenz zu sammeln: Daten, die erfassen, was mit Beschäftigten tatsächlich geschieht, wenn KI-Tools in den Arbeitsmarkt eintreten. Diese Forderung ist wichtig, weil die öffentliche Debatte weiterhin von Prognosen, Anekdoten oder Unternehmensrhetorik dominiert wird, statt von Langzeitdaten zu Löhnen, Arbeitszeiten, Einstellungen, Karriereverläufen und Verdrängung.

Praktisch bedeutet das, dass die Debatte in der falschen Reihenfolge geführt wird. Die Gesellschaft diskutiert politische Reaktionen, bevor sie das Messsystem aufgebaut hat, das nötig ist, um Ausmaß und Form des Problems zu verstehen. Wenn KI den Arbeitsmarkt ungleichmäßig beeinflusst, mit starken Unterschieden nach Alter, Sektor, Seniorität und Region, dann können grobe berufliche Exponierungsscores mehr verschleiern als offenlegen.

Warum das jetzt zählt

Die Dringlichkeit ist nicht nur akademisch. Der Artikel merkt an, dass Beschäftigte bereits in Panik geraten und Gesetzgeber keinen kohärenten Plan für das Nächste formuliert haben. Das ist eine gefährliche Kombination. Wenn die öffentliche Angst hoch und die Evidenz schwach ist, kann Politik reaktiv, symbolisch oder von der lautesten Erzählung vereinnahmt werden.

Selbst Ökonomen, die früher vor einer Überinterpretation von KI-Folgen für Arbeit gewarnt haben, bewegen sich laut dem Beitrag näher an die Ansicht, dass diese Technologie eine beispiellose Wirkung auf Arbeit haben könnte. Das bestätigt nicht jede Untergangsbehauptung. Es deutet jedoch darauf hin, dass passives Warten auf bessere Daten, die von selbst auftauchen, ein Fehler sein könnte.

Eine Messlücke kann zu einem Politikversagen werden

Die wichtigste Idee des Beitrags ist, dass schlechte Messung nicht nur akademische Verwirrung erzeugt. Sie kann die politische Handlungsfähigkeit direkt schwächen. Wenn Regierungen nicht wissen, welche Beschäftigten verdrängt werden, welche Rollen sich verändern oder wo frühe Karriereleitern zu brechen beginnen, können sie keine gezielten Antworten entwickeln. Weiterbildungspolitik, soziale Absicherung, Bildungsreformen und sogar Steuerdebatten hängen davon ab, zu verstehen, was KI tatsächlich in Unternehmen und Berufen tut.

Deshalb gleicht der im Artikel beschriebene Aufruf ebenso einer institutionellen Herausforderung wie einer ökonomischen. Bessere Arbeitsmarktdaten rund um KI zu schaffen, könnte eine Koordination zwischen Forschenden, Arbeitgebern und öffentlichen Stellen erfordern. Es könnte auch verlangen, schneller zu sein als der übliche Takt der Arbeitsmarktstatistik, die echten Veränderungen in der Arbeitsorganisation oft hinterherhinkt.

Die Debatte über die Zukunft der Arbeit braucht bessere Instrumentierung

Ein Grund, warum die Debatte über KI und Arbeit so polarisiert ist, liegt darin, dass sie mit schwacher Instrumentierung geführt wird. Auf der einen Seite stehen pauschale Behauptungen, KI werde bald fast alle Jobs übernehmen. Auf der anderen Seite wird daran erinnert, dass massenhafte Arbeitsplatzverluste bislang nicht klar in den Gesamtdaten auftauchen. Beides kann in begrenztem Sinn wahr sein und dennoch das verfehlen, was unter der Oberfläche geschieht.

Der Beitrag von MIT Technology Review besteht darin, die Lücke zwischen Exposition und Verdrängung als zentrale analytische Bruchlinie zu benennen. Diese Unterscheidung verdient mehr Aufmerksamkeit. Ein Beruf kann stark KI-exponiert sein und dennoch jahrelang bestehen. Ein anderer kann nur teilweise exponiert sein, aber anfällig werden, weil Junior-Aufgaben zuerst verschwinden und damit die Pipeline unterbrochen wird, aus der künftige Expertinnen und Experten hervorgehen.

Die nächste ernsthafte KI-Arbeitsmarktgeschichte wird vermutlich statistisch, nicht rhetorisch sein

Die stärkste Lehre aus dem Beitrag ist, dass die Gesellschaft weniger Theater und bessere Evidenz braucht. Große Prognosen über einen vollständigen Ersatz von Arbeit mögen die Schlagzeilen beherrschen, sind aber kein Ersatz für disziplinierte Messung. Wenn die Ökonomen recht haben und die derzeitigen Instrumente erbärmlich sind, dann ist der nächste entscheidende Schritt nicht eine weitere Podiumsdiskussion darüber, ob KI Arbeit zerstören wird. Es ist eine anhaltende Anstrengung, die Daten auf Arbeitnehmendenebene zu erheben, die nötig sind, um zu sehen, was sich wirklich verändert.

Bis dahin bleiben sowohl Optimismus als auch Panik unterbestimmt. Die Debatte über die Zukunft der Arbeit ist inzwischen so groß, dass das Fehlen besserer Evidenz selbst zu einer der wichtigsten Tatsachen über KI wird.

Dieser Artikel basiert auf einer Berichterstattung von MIT Technology Review. Den Originalartikel lesen.