KI-Jobverluste in Zahlen 2026: Was hinter den Schlagzeilen steckt

Jede Schlagzeile zu KI und Jobs, die Sie in den letzten zwölf Monaten gelesen haben, endet mit einer Zahl. 300 Millionen. 92 Millionen. 41 %. 14 %. 78 Millionen. 25 %. Die Zahlen sind fast immer real. Die Schlagzeilen, die darauf aufbauen, lesen sie fast immer falsch. Dieselbe Statistik, die sagt „KI wird 300 Millionen Jobs verdrängen", ist auch die Statistik, die sagt „und mehr als das schaffen", und die Leute, die die erste Hälfte zitieren, zitieren die zweite selten.

Dieser Beitrag macht die unglamouröse Variante. Er geht die Statistiken zu KI-bedingten Jobverlusten durch, die 2026 tatsächlich kursieren — woher jede Zahl stammt, was sie misst, was sie nicht misst und wie verlässlich sie ist. Am Ende sollten Sie in der Lage sein, jede Schlagzeile zu KI und Jobs zu lesen und die drei Fragen zu stellen, die ein echtes Signal von einer recycelten Pressemitteilung trennen.

Wenn Sie die personalisierte Version davon möchten statt des Makrobildes, machen Sie die 4-minütige KI-Karriererisiko-Bewertung und erhalten Sie einen 0–100-Risikowert, der auf denselben Datensätzen basiert, gewichtet für Ihre konkrete Rolle, Branche, Land und Seniorität.

Die drei Fragen, die Sie zu jeder KI-Jobverlust-Statistik stellen sollten

Vor den Zahlen kommt der Filter. Jede KI-Jobverlust-Statistik gehört in eine von drei Kategorien, und die Schlagzeilen behandeln sie, als wären sie dieselbe.

Exposition — der Anteil der Aufgaben eines Berufs, den KI plausibel erledigen könnte. Das messen das OpenAI/UPenn-Paper „GPTs are GPTs", die 300-Millionen-Zahl von Goldman Sachs, die 40-%-Zahl des IWF zur globalen Exposition und die Studien der OECD zur Automatisierungswahrscheinlichkeit. Es ist eine Fähigkeitsobergrenze, kein Verdrängungswert. Exposition sagt Ihnen, was technisch verwundbar ist, nicht was tatsächlich ersetzt wird.

Adoption — der Anteil der Beschäftigten oder Unternehmen, die KI heute tatsächlich nutzen. Das messen der Anthropic Economic Index, die Cengage/RAND-Lehrerumfrage, die State-of-AI-Umfragen von McKinsey, das KI-Modul der Survey of Business Uncertainty der Federal Reserve und die Daten von LinkedIn zur KI-Lohnprämie. Adoption sagt Ihnen, wie sehr KI tatsächlich am Arbeitsplatz angekommen ist, nicht wie viel sie verdrängt hat.

Verdrängung — der Anteil der Beschäftigten, die wegen KI ihren Job verloren haben, deren Stunden gekürzt wurden oder deren Löhne komprimiert wurden. Das ist die seltenste und am schwierigsten zu erfassende Messung. Layoffs.fyi verfolgt Tech-Entlassungen, isoliert aber keine KI-Ursachen. Der monatliche Job-Cut-Report von Challenger Gray begann 2023, KI-bedingte Kürzungen zu kennzeichnen. Federal Reserve und BLS entwickeln noch Methodiken. Verdrängungsstatistiken, die existieren, sind verrauscht, oft von Arbeitgebern selbst gemeldet und hinken den Schlagzeilen chronisch hinterher.

Pull-quote: Eine KI-Expositions-Zahl sagt Ihnen, was verwundbar ist. Eine KI-Adoptions-Zahl sagt Ihnen, was genutzt wird. Nur eine KI-Verdrängungs-Zahl sagt Ihnen, was tatsächlich mit Jobs passiert — und die Verdrängungszahlen sind immer noch die kleinsten, verrauschtesten und am wenigsten zitierten der drei.

Jede Statistik unten ist mit einer der drei Kategorien getaggt. Lesen Sie das Tag, bevor Sie die Zahl lesen.

Die Schlagzeilen-Zahlen (und was sie tatsächlich bedeuten)

Goldman Sachs: „300 Millionen Vollzeitäquivalente exponiert"

Kategorie: Exposition. Der Goldman-Sachs-Bericht 2023 von Joseph Briggs und Devesh Kodnani schätzte, dass generative KI weltweit etwa 300 Millionen Vollzeitäquivalente der Automatisierung aussetzen könnte, wobei etwa zwei Drittel der US-Berufe in gewissem Maße exponiert sind. Das ist die meistzitierte einzelne KI-Jobverlust-Zahl im Umlauf.

Was sie tatsächlich aussagt: 300 Millionen Jobs enthalten Aufgaben, die KI plausibel erledigen könnte. Was sie nicht aussagt: 300 Millionen Jobs werden verloren gehen. Goldmans eigenes Modell projizierte auch, dass KI das globale BIP über ein Jahrzehnt um etwa 7 % heben und neue Jobs etwa in dem Umfang schaffen könnte, der dem Anteil der US-Beschäftigung in Berufen entspricht, die es 1940 noch nicht gab — etwa 60 % der heutigen Beschäftigung. Der Verdrängungs- und der Schöpfungsarm des Modells sind dasselbe Modell. Der Verdrängungsarm wird zitiert; der Schöpfungsarm nicht.

WEF Future of Jobs 2025: 92 Millionen verdrängt, 170 Millionen geschaffen, netto +78 Millionen

Kategorie: Mischung aus Exposition, Adoptionsprognose und Arbeitgeberumfrage. Der Future-of-Jobs-Report des Weltwirtschaftsforums vom Januar 2025 befragte Arbeitgeber, die mehr als 14 Millionen Beschäftigte in 55 Volkswirtschaften abdecken. Arbeitgeber erwarteten 170 Millionen neue Stellen und 92 Millionen verdrängte Stellen bis 2030, ein Nettogewinn von 78 Millionen Jobs weltweit. Sie erwarteten außerdem, dass 39 % der heutigen Kernkompetenzen bis 2030 obsolet werden und 59 % der globalen Belegschaft umgeschult werden müssen.

Das ist die ausgewogenste Einzelzahl im öffentlichen Umlauf. Die Verdrängung ist real (92 Millionen, vor allem kaufmännische und administrative Rollen). Die Schöpfung ist ebenfalls real (170 Millionen, vor allem in KI und maschinellem Lernen, Big Data, FinTech, erneuerbarer Energie und Care-Arbeit). Die ehrliche Lesart lautet: strukturelle Umverteilung in der Größenordnung von 11–12 % der globalen Belegschaft, nicht netto Jobvernichtung. Die KI-Jobkarte 2030 legt die rollenspezifische Aufschlüsselung dar, welche Rollen innerhalb dieses netto-positiven Gesamtwerts verschwinden und welche wachsen.

Anthropic Economic Index: 36 % der Berufe nutzen KI für 25 %+ der Aufgaben

Kategorie: Adoption. Der Anthropic Economic Index, gestartet im Februar 2025 und 2025 sowie bis 2026 hinein aktualisiert, analysierte Millionen anonymisierter Claude-Gespräche und ordnete sie O*NET-Berufen und -Aufgaben zu. Die Schlagzeilen-Zahlen aus den zugrunde liegenden Papieren: etwa 36 % der Berufe nutzen KI für mindestens 25 % ihrer Aufgaben; etwa 4 % nutzen KI für mehr als die Hälfte; das Verhältnis Augmentation zu Automatisierung liegt bei etwa 57:43; und Computer- und mathematische Berufe machen allein etwa 37 % aller Claude-Gespräche aus.

Was der Index misst: wo KI tatsächlich genutzt wird. Was er nicht misst: wo KI Jobverluste verursacht. Hohe Nutzung ist manchmal ein Frühsignal für Verdrängung, manchmal ein Signal für kompetente Augmentation und manchmal ein Zeichen, dass der Beruf Zugang zu einem Laptop hat. Die vollständige Aufschlüsselung steht in der Erklärung zum Anthropic-Diagramm.

IWF: 40 % der globalen Beschäftigung exponiert, 60 % in fortgeschrittenen Volkswirtschaften

Kategorie: Exposition. Das Staff Discussion Note des IWF vom Januar 2024 („Gen-AI: Artificial Intelligence and the Future of Work", Cazzaniga et al.) schätzte, dass weltweit etwa 40 % der Jobs KI ausgesetzt sind, in fortgeschrittenen Volkswirtschaften auf etwa 60 % steigend und in einkommensschwachen Volkswirtschaften auf etwa 26 % fallend. Etwa die Hälfte dieser Exposition könnte die Produktivität erhöhen (Komplementarität); die andere Hälfte könnte Arbeit substituieren.

Die IWF-Zahl wird weitläufig als Schlagzeile „60 % der Jobs in reichen Ländern sind in Gefahr" behandelt. Das ist falsch. Exposition ist Aufgabenüberschneidung, nicht Verdrängung, und der IWF hat die exponierte Hälfte ausdrücklich in Komplementarität (Produktivitätsgewinn, Lohnprämie) und Substitution (Abwärtsdruck) aufgeteilt. Etwa die Hälfte der 60 % entfällt auf jede Seite. Korrekt gelesen sagt die IWF-Zahl, dass etwa 30 % der Jobs in fortgeschrittenen Volkswirtschaften bis zu einem unbestimmten späteren Zeitpunkt einem substanziellen Substitutionsrisiko ausgesetzt sind — viel näher an der WEF-Umverteilungs-Zahl als an den 60-%-Schlagzeilen.

McKinsey: 12 Millionen Amerikaner müssen möglicherweise bis 2030 den Beruf wechseln

Kategorie: Verdrängungsprognose. McKinseys Bericht von 2023 „Generative AI and the future of work in America" schätzte, dass 12 Millionen Amerikaner bis 2030 möglicherweise den Beruf wechseln müssen, vor allem aus Büro-Support, Kundenservice und Gastronomie hinaus und in Gesundheitswesen, MINT, Transport und Management hinein. Dasselbe Modell zeigte, dass KI die projizierte Berufswechsel-Zahl gegenüber einer Vor-KI-Baseline um etwa 25 % beschleunigt und die Verdrängung, die durch Automatisierung breiter ohnehin im Raum stand, um etwa ein Jahrzehnt vorzieht.

Das ist eine der saubersten Verdrängungsstatistiken in öffentlichen Daten, weil es um Berufswechsel geht, nicht um Arbeitslosigkeit. Für die 12 Millionen Menschen wird nicht prognostiziert, dass sie arbeitslos werden. Für sie wird prognostiziert, dass sie in einen anderen Beruf wechseln müssen als den, den sie jetzt haben. Das ist ein ernstzunehmender Anpassungsaufwand — aber es ist auch das, was jede frühere Produktivitätswelle bewirkt hat.

Layoffs.fyi: rund 245.000 Tech-Entlassungen über 2024 und 2025

Kategorie: Verdrängung, partielle Zuschreibung. Der Community-gepflegte Tracker Layoffs.fyi verzeichnete 2024 mehr als 150.000 Tech-Mitarbeiter-Entlassungen und etwa 95.000 in den meisten Monaten von 2025. Die Zuschreibung zu KI ist partiell — viele davon waren Rationalisierungen nach der Übereinstellung von 2022, Korrekturen nach den Nullzinsen oder Restrukturierungen aus anderen Gründen, aber mehrere der größten Ankündigungen 2024 und 2025 (Klarna, Salesforce, Duolingos Streichungen bei Auftragnehmern, Googles wiederkehrende 1–2-%-Produktivitätskürzungen, IBMs vielzitierter Plan, Einstellungen für Rollen pausieren zu lassen, „die KI ersetzen könnte") nannten KI ausdrücklich als Teil der Begründung.

Die ehrliche Lesart: KI ist einer von mehreren Treibern von Tech-Entlassungen, nicht die ganze Geschichte. Eine saubere Zählung der „durch KI verlorenen Jobs" innerhalb dieser 245.000 existiert nicht; Schätzungen von Forschern, die versucht haben, die Ursachen zu entwirren, schreiben typischerweise zwischen 15 % und 30 % der jüngsten Tech-Entlassungen einer KI-spezifischen Automatisierung zu, der Rest geht auf Margendruck, Post-Pandemie-Korrektur und Normalisierung der Kapitalkosten zurück. Das sind immer noch 35.000–75.000 Tech-Jobs, die ausdrücklich KI über zwei Jahre zurechenbar sind — bedeutsam, aber ein kleiner Bruchteil der Schlagzeile.

Challenger Gray: KI in rund 25.000–35.000 angekündigten US-Stellenstreichungen seit 2023 genannt

Kategorie: Verdrängung, vom Arbeitgeber zugeschrieben. Der monatliche Job Cut Report von Challenger Gray & Christmas verfolgt KI-bedingte Entlassungen seit Mai 2023 als eigene Kategorie. Der kumulative Wert bis Anfang 2026 liegt im groben Bereich von 25.000–35.000 in den USA angekündigten Streichungen, bei denen Arbeitgeber KI ausdrücklich als Haupt- oder Mitgrund nannten. Das ist das, was einer Statistik „spezifisch durch KI verlorene Jobs" in US-Daten am nächsten kommt, und es bleibt weit kleiner, als die meisten Schlagzeilen suggerieren.

Zwei Vorbehalte. Erstens unterschätzt die Zählung die tatsächliche Verdrängung mit ziemlicher Sicherheit, weil Arbeitgeber starke Anreize haben, Formulierungen wie „Restrukturierung", „Effizienz" oder „Veränderung des Betriebsmodells" zu verwenden, statt KI ausdrücklich zu nennen. Zweitens kann die Zählung den größeren und wichtigeren Effekt nicht erfassen: nicht das Entlassen bestehender Mitarbeiter, sondern das stille Einstellen von weniger neuen, wenn Stellen frei werden.

Pull-quote: Die direkt gezählte „durch KI verloren"-Zahl 2026 liegt im Zehntausenderbereich, nicht im Millionenbereich. Der weitaus größere Effekt ist in Entlassungsstatistiken unsichtbar — er zeigt sich in nicht ausgeschriebenen Rollen, unbesetzt gelassenen Vakanzen und nicht eingestellten Absolventenjahrgängen. Die Schlagzeilen handeln von Entlassungen, weil Entlassungen leicht zu zählen sind. Das echte Signal liegt in den offenen Stellen.

LinkedIn: Einstiegsstellen in Tech Mitte 2025 um 15–20 % im Jahresvergleich gesunken

Kategorie: adoptionsgetriebenes Verdrängungssignal. LinkedIns Future-of-Work-Report 2024 und die folgenden vierteljährlichen Workforce Reports bis 2025 dokumentierten einen Rückgang von Einstiegsstellen-Ausschreibungen in Tech um 15–20 % im Jahresvergleich. Einstiegsstellen in Beratung, Finanzen und Recht schwächten sich ebenfalls ab, wenn auch in geringerem Maße. Senior-Stellen blieben stabil oder wuchsen.

Das ist das sauberste adoptionsgetriebene Verdrängungssignal, das wir haben. Es besagt: Die Aufgaben, die historisch das untere Ende der White-Collar-Pyramide definierten — Erstentwürfe von Analysen, Dokumentenprüfung, Vorlagenbefüllung, einfache Programmierung, Statusberichte — werden zunehmend von KI-Tools absorbiert, und Unternehmen reagieren, indem sie weniger dieser Plätze kaufen. Die Plätze darüber werden noch gekauft; einige sogar mit Aufschlag. Die Aufschlüsselung Wird KI Softwareentwickler ersetzen untersucht das speziell für die Softwareentwicklung, und die GitHub-Copilot-Anmeldestopp-Analyse deckt die Stückkosten-Seite ab.

LinkedIn: Erwähnungen von KI-Skills in Stellenausschreibungen wuchsen 2023 bis 2024 um das 21-Fache

Kategorie: Adoption. LinkedIns Daten von 2024 zeigten, dass Stellenausschreibungen, die GPT, Copilot, Claude oder allgemeine KI-Skills erwähnen, zwischen 2023 und 2024 um etwa das 21-Fache gewachsen sind. Derselbe Datensatz zeigte eine durchschnittliche KI-Skill-Lohnprämie von etwa 25 % in den USA, in bestimmten technischen Rollen über 40 % steigend.

Das ist das Spiegelbild der Einstiegsstellen-Statistik. Die KI-Skill-Prämie wird an Beschäftigte gezahlt — meist mit mehrjähriger Erfahrung oder in Senior-Rollen —, deren bestehende Domänenexpertise mit KI dramatisch produktiver wird. Es ist keine Bezahlung dafür, KI zu kennen. Es ist eine Bezahlung dafür, ein Domänenexperte zu sein, der KI auch fließend bedienen kann. Die Aufschlüsselung KI-Skills 2026 ordnet, welche konkreten Skills gerade die größte Prämie ziehen und welche am schnellsten zur Massenware werden.

BLS: am schnellsten schrumpfende US-Berufe bis 2033

Kategorie: Verdrängungsprognose. Die Employment Projections 2023–2033 des U.S. Bureau of Labor Statistics (veröffentlicht September 2024) zeigen, dass die am schnellsten schrumpfenden Berufe bis 2033 Telefonisten (-40 %), Textverarbeiter und Schreibkräfte (-37 %), Vorstandssekretäre und administrative Assistenten der Geschäftsführung (-21 %), Datenerfasser (-11 %) und mehrere andere kaufmännische und routinemäßige Informationskategorien sind. Auch Kundenservice-Mitarbeiter werden voraussichtlich deutlich zurückgehen.

Diese Projektionen beziehen KI ein, sind aber kein reines KI-Signal — die meisten der schrumpfenden Berufe waren schon vor generativer KI im langfristigen Rückgang. KI beschleunigt den Trend, sie initiiert ihn nicht. Die am schnellsten wachsende Seite derselben Projektion — Windkrafttechniker (+60 %), Pflegefachkräfte/Nurse Practitioners (+46 % bis +52 %), Data Scientists (+36 %), Information Security Analysts (+33 %), häusliche Pflegekräfte und persönliche Pflegehelfer — ist das umgekehrte Bild und erklärt, warum die Nettobeschäftigung über den Projektionszeitraum +6,7 Millionen Jobs beträgt.

Was diese Zahlen zusammen ergeben

Zusammen gelesen erzählen die KI-Jobverlust-Statistiken 2026 eine konkretere Geschichte als jede einzelne Schlagzeile.

Die Expositions-Zahlen sind groß und weitgehend korrekt. Goldmans 300 Millionen, die 40 %/60 % des IWF, die aufgabenbezogenen Studien der OECD und die Adoptions-Messungen von Anthropic stimmen alle in derselben Form überein: etwa ein Drittel bis zwei Drittel der Arbeit in fortgeschrittenen Volkswirtschaften hat eine bedeutsame Aufgabenüberschneidung mit KI, am stärksten konzentriert in Wissensarbeit und am leichtesten in Rollen mit physischer Präsenz und Lizenzpflicht.

Die Adoptions-Zahlen sind konzentriert und wachsen schnell. KI wird in einer Minderheit von Berufen stark genutzt — Softwareentwicklung, Schreiben, Übersetzen, bestimmte Analystenaufgaben, Kundenservice — und im Rest leicht oder gar nicht. Die Konzentration ist real. Das 21-fache Wachstum der KI-Skill-Ausschreibungen, die 1,8 Millionen zahlenden GitHub-Copilot-Abonnenten, der KI-generierte Codeanteil von 25–30 % bei großen Tech-Unternehmen, die 60 % der US-K-12-Lehrer, die KI-Tools nutzen, und die KI-Skill-Prämie, die im Durchschnitt über 25 % steigt, bestätigen das alle.

Die Verdrängungs-Zahlen sind in absoluten Zahlen klein, in ihrer Zusammensetzung groß. Die direkt zurechenbaren KI-Entlassungen, die Challenger Gray zählt, liegen kumulativ im Zehntausenderbereich. Die KI teilweise zurechenbaren tech-weiten Entlassungen liegen im hohen Zehntausenderbereich. Die Berufswechsel-Projektion von McKinsey über 12 Millionen erstreckt sich über sechs Jahre und ist auf viele Ursachen verteilt. Keine davon ist die Millionen-verloren-Zahl, die die Schlagzeilen suggerieren.

Die Zusammensetzung der Verdrängung ist die Geschichte. Die stattfindende Verdrängung trifft das untere Ende der Pyramide am härtesten — Einstiegs-Wissensarbeit — und berührt die Senior-, lizenzierten, präsenzgebundenen oder physisch-handwerklichen Schichten kaum. Sie wird auch von erheblicher neuer Rollenschöpfung in KI-nahen Funktionen, im Gesundheitswesen, in der Energiewende und im qualifizierten Handwerk begleitet, von denen einige selbst nach Berücksichtigung der KI-Verdrängung netto job-positiv sind.

Pull-quote: KI-Jobverluste 2026 sind keine Rezession. Es ist eine Umverteilung. Die verlorenen Plätze konzentrieren sich am unteren Ende der White-Collar-Pyramide; die gewonnenen Plätze konzentrieren sich oben in der Pyramide, in physischer Arbeit und in angrenzenden Funktionen. Die Herausforderung ist nicht die absolute Jobzahl. Sie ist, ob Sie auf der Seite der Umverteilung sind, die einen Platz behält.

Wo die Statistiken ein echtes Risiko zeigen

Wenn Sie die Statistiken nach Beruf kombinieren, schärft sich das Hochrisikobild.

Tier-1-Kundenservice. Die Adoptionsdaten von Anthropic, Klarnas Offenlegungen 2024, die BLS-Berufsrückgangs-Projektionen und parallele Implementierungen bei Shopify, Zendesk, Salesforce Service Cloud und Intercom Fin weisen alle in dieselbe Richtung. Mindestens die Hälfte des routinemäßigen Ticketvolumens in großen Implementierungen wird bis Ende 2026 von KI bearbeitet werden. Siehe Wird KI Kundenservice-Mitarbeiter ersetzen für die rollenspezifische Analyse.

Junior-Wissensarbeit-Rollen. LinkedIns Rückgang bei Einstiegsstellen, Microsofts Offenlegung von KI-generiertem Code, McKinseys 12-Millionen-Berufswechsel-Projektion und die Zuschreibungsdaten von Challenger Gray weisen alle in dieselbe Richtung. Die am stärksten exponierten Plätze sind Erstentwurfs-Analysten, Paralegals, Junior-Softwareentwickler, Berater im ersten Jahr, Einstiegs-Marketing- und Content-Mitarbeiter, Datenerfasser und der Großteil des kaufmännischen Büro-Supports.

Routinemäßige Informationsverarbeitung. BLS-Projektionen für Textverarbeiter, Schreibkräfte, Datenerfasser und Buchhalter waren schon vor KI in steilem Rückgang. KI beschleunigt das Gefälle. Das sind die Berufe, deren langfristiger Schrumpfungstrend die zuverlässigste Vorhersage im gesamten Datensatz ist.

Wo die Statistiken zeigen, dass das Risiko geringer ist

Dieselben Zahlen, anders gelesen, zeigen, wo Verdrängung weit langsamer abläuft, als die Schlagzeilen suggerieren.

Physische Präsenz und Facharbeit. Der Anthropic Economic Index platziert Bauwesen, Transport, Lebensmittelzubereitung, persönliche Pflege und Facharbeiterberufe am Boden — minimale KI-Nutzung, weil die Arbeit nicht durch Tippen erledigt werden kann. BLS-Projektionen zeigen, dass die Bauindustrie 2026 etwa 349.000 netto neue Stellen zusätzlich zur Ersatznachfrage benötigt, wobei 92 % der Bauunternehmer Schwierigkeiten beim Besetzen melden (AGC 2025). Der Markt für Bauroboter ist real und wächst, deckt aber nur einen schmalen Teil der Arbeit ab.

Akutmedizin und bettnahe klinische Rollen. BLS projiziert ein Wachstum der Pflegefachkraft-Rollen von 46–52 % bis 2033. Die FDA hat mehr als 1.247 KI-Medizinprodukte zugelassen, 873 davon in der Radiologie — praktisch alle analytisch oder diagnostisch, keines ersetzt die Stunde am Krankenbett. UCLA Health und Permanente berichten, dass Tools für Ambient Documentation etwa 30 Minuten pro Schicht sparen, was sich in weniger Burnout und mehr Zeit am Krankenbett übersetzt, nicht in weniger Klinikern. Siehe Wird KI Pflegekräfte ersetzen.

Lizenzierte Berufe mit persönlicher Haftung. Anwälte, Wirtschaftsprüfer, Ärzte, Architekten und andere lizenzierte Rollen haben einen strukturellen Schutzwall, den die Expositions-Statistiken nicht auflösen können. KI erledigt mehr der zugrunde liegenden Aufgaben; die lizenzierte Unterschrift, das Prüfungsurteil, die Rechtsberatung und die Diagnose erfordern weiterhin den qualifizierten Menschen. Siehe Wird KI Anwälte ersetzen und Wird KI Buchhalter ersetzen.

Bildung und Care-Arbeit. BLS zeigt Erzieher, häusliche Pflegekräfte, persönliche Pflegehelfer und Sonderpädagogen unter den am schnellsten wachsenden Kategorien. KI augmentiert administrative Arbeit in diesen Rollen (Unterrichtsplanung, Dokumentation), substituiert aber nicht den relationalen Kern. Siehe Wird KI Lehrer ersetzen.

Für die umfassende Rangliste siehe Jobs, die KI nicht ersetzt und Welche Jobs tatsächlich durch KI ersetzt werden können.

Skills, die Sie aufbauen sollten, wenn Sie auf der falschen Seite der Statistiken stehen

Die Statistiken sagen Ihnen auch, was zu tun ist. Drei Muster wiederholen sich über jeden Datensatz.

Domänenexpertise + KI-Kompetenz. Die LinkedIn-Prämie wird an Senior-Buchhalter gezahlt, die KI-gestützte Abstimmung nutzen, an Senior-Entwickler, die KI-Pair-Programming nutzen, an Marketing Manager, die Kampagnensysteme mit KI betreiben, und an Projektmanager, die KI-Agenten orchestrieren. Die Prämie wird für die Domäne gezahlt, dann durch die KI verstärkt. Bauen Sie zuerst die Domänen-Tiefe auf; fügen Sie die KI-Schicht als Zweites hinzu. Die Rangliste KI-Skills 2026 deckt ab, welche konkreten Tools und Skills derzeit die größte Prämie ziehen und welche am schnellsten zur Massenware werden.

Bewegen Sie sich in Richtung physischer Präsenz, lizenzierter oder verantwortungstragender Arbeit. Die BLS-Top-Wachstumsliste — Pflegefachkräfte, Elektriker, Windkrafttechniker, Sanitäter, Sonderpädagogen — ist das Gegenteil der KI-Expositions-Liste. Der Karrierepivot von einer hochexponierten Schreibtisch-Rolle in eine dieser Kategorien ist nicht trivial, aber gut kartiert. Das Future-Proof-Career-Playbook führt durch die realistischen Pivot-Wege.

Bauen Sie Skills für Agenten-Orchestrierung und KI-Operations auf. Die am schnellsten wachsende Rollenfamilie 2026 ist der hausinterne KI-Integrator — variabel betitelt als AI Ops, Workflow Engineer, Agent Orchestration Specialist, AI Programme Manager. Das WEF projiziert +40 % Wachstum für KI/ML-Spezialistenrollen bis 2030. Der Einstieg erfolgt meist mid-career, oft aus Projektmanagement-, Operations- oder Business-Analyst-Rollen. Siehe den Rollenpivot-Abschnitt der KI-Arbeitsmarkt-Prognosen 2026.

Wie Sie die nächste KI-Jobverlust-Schlagzeile lesen, die Sie sehen

Drei Gewohnheiten.

Taggen Sie die Statistik. Geht es um Exposition, Adoption oder Verdrängung? Wenn die Schlagzeile Ihnen Exposition oder Adoption gibt und das Verb im Satz „verloren" oder „ersetzt" lautet, übersetzt die Schlagzeile das eine ins andere — und Sie sollten das nicht tun.

Finden Sie den Nenner. „KI hat 700 Kundenservice-Jobs ersetzt" ist ohne den Personalbestand des Unternehmens, den Zeithorizont, den tatsächlich ersetzten gegenüber dem reorganisierten Anteil und ob das Unternehmen später einige davon wieder eingestellt hat (Klarna hat das bekanntlich getan), bedeutungslos. Eine Statistik ohne Nenner ist eine Pressemitteilung.

Prüfen Sie die Quelle. Die glaubwürdigen Quellen für KI-Jobstatistiken 2026 sind: BLS Employment Projections 2023–2033 (Beschäftigungswachstum auf Berufsebene), der WEF Future of Jobs Report 2025 (Arbeitgeberumfrage), der Anthropic Economic Index (reales Adoptionsverhalten), die OECD-Reihe AI and the Future of Work (Aufgabenexposition), das IWF-Staff-Note zu generativer KI (globale Exposition), die State-of-AI-Umfragen von McKinsey und der Bericht zur generativen KI auf dem Arbeitsmarkt 2023 (unternehmensseitig und Projektion), die monatlichen Job Cut Reports von Challenger Gray (in den USA angekündigte Streichungen einschließlich KI-Zuschreibung), die LinkedIn Workforce Reports (Ausschreibungen, Prämie und Skill-Daten) und Layoffs.fyi (Community-gepflegter Tracker für Tech-Entlassungen). Wenn die Statistik in der Schlagzeile nicht auf eine dieser oder eine vergleichbare Peer-Reviewed-Quelle zurückgeht, behandeln Sie sie als Marketing-Text.

Häufig gestellte Fragen

F: Wie viele Jobs hat KI bisher tatsächlich ersetzt?

A: Die direkt gezählte, vom Arbeitgeber zugeschriebene Zahl, die Challenger Gray verfolgt, liegt im groben Bereich von 25.000–35.000 in den USA angekündigten Stellenstreichungen seit Mai 2023, bei denen KI als Haupt- oder Mitgrund genannt wurde. Schätzungen, die versuchen, einen Anteil breiterer Tech-Entlassungen KI zuzurechnen, addieren typischerweise weitere 35.000–75.000 über denselben Zeitraum. Der Gesamtwert im direkt zurechenbaren Korb liegt kumulativ im niedrigen sechsstelligen Bereich — viel kleiner, als die meisten Schlagzeilen suggerieren. Der größere, aber schwerer zu zählende Effekt liegt in nicht ausgeschriebenen Rollen und unbesetzten Vakanzen, besonders auf Einstiegsebene. Siehe den Abschnitt oben zu Layoffs.fyi und Challenger Gray für die Quellenaufschlüsselung.

F: Was bedeutet die 300-Millionen-Zahl von Goldman Sachs tatsächlich?

A: Der Goldman-Sachs-Bericht von 2023 schätzte, dass weltweit etwa 300 Millionen Vollzeitäquivalente eine Aufgabenüberschneidung mit generativer KI haben — das heißt, KI könnte einen Teil dieser Aufgaben plausibel erledigen. Es ist eine Expositions-Zahl, keine Verdrängungs-Zahl. Goldmans dasselbe Modell projizierte auch, dass KI das globale BIP über ein Jahrzehnt um etwa 7 % heben und neue Jobs etwa in dem Umfang schaffen könnte, der dem Anteil der US-Beschäftigung in Berufen entspricht, die es 1940 noch nicht gab. Die 300-Millionen-Zahl liest sich am besten als „so viel des globalen Arbeitsmarktes wird umgestaltet", nicht als „so viele Jobs werden verloren gehen".

F: Welche KI-Jobverlust-Statistiken sind am verlässlichsten?

A: Am verlässlichsten sind die, die auf tatsächlicher Messung statt auf Projektion beruhen: BLS Employment Projections (aufgebaut auf Arbeitsmarktdaten), der Anthropic Economic Index (basierend auf realem Konversationsverhalten), die monatlichen Job-Cut-Reports von Challenger Gray (in den USA angekündigte Entlassungen mit Arbeitgeber-Zuschreibung) und die LinkedIn Workforce Reports (aufgebaut auf Stellenausschreibungen und Mitgliederdaten). Weniger verlässlich sind die Schlagzeilen-Expositions-Zahlen von Goldman, IWF und OECD — sie sind nützlich für Form und Richtung, aber nicht für absolute Werte. Am wenigsten verlässlich sind Pressemitteilungs-artige Statistiken einzelner Unternehmen darüber, wie viele Mitarbeiter eine einzelne KI-Implementierung „ersetzt" hat, weil das Unternehmen jeden Anreiz hat, aufzurunden. Siehe die Erklärung zum Anthropic Economic Index für eine tiefere Auseinandersetzung mit dem stärksten Einzeldatensatz.

F: Werden KI-Jobverlust-Statistiken im Zeitverlauf besser oder schlechter?

A: Die Verdrängungs-Statistiken werden besser — Challenger Gray, BLS, die Federal Reserve und eine Reihe akademischer Forscher entwickeln alle präzisere Methoden, um Jobverluste spezifisch KI zuzurechnen. Die Expositions-Statistiken werden nicht viel besser, weil die zugrunde liegende Methodik (KI-Fähigkeiten auf berufliche Aufgaben abzubilden) nur so schnell aktualisiert wird wie die Modellfähigkeit, die jetzt die Geschwindigkeit jedes Peer-Review-Veröffentlichungszyklus übersteigt. Die Adoptions-Statistiken von Anthropic, OpenAI, GitHub und LinkedIn sind 2026 das nützlichste Echtzeit-Signal — sie zeigen, was tatsächlich genutzt wird, und führen die Verdrängung in den meisten Berufen um 12–24 Monate an. Für berufsspezifische Signale, die Sie selbst überprüfen können, machen Sie unseren personalisierten KI-Risikowert.

Holen Sie sich die Statistik, die für Ihre Karriere wirklich zählt

Die Makro-Statistiken sagen Ihnen etwas über den Arbeitsmarkt. Die Statistik, die für Ihre Karriere zählt, ist diejenige, die sie mit Ihrer konkreten Rolle, Branche, Land, Seniorität, Aufgabenmix, KI-Kompetenz, Anforderungen an physische Präsenz und Lizenzierung kombiniert. Keine der Schlagzeilen tut das.

riskquiz.me tut es. Vier Minuten. Neun Dimensionen. Ein personalisierter 0–100-Wert, der direkt auf dieselben Datensätze oben zurückgeht — Anthropic Economic Index für Adoption, BLS Employment Projections für die Berufstrajektorie, OECD und IWF für Aufgabenexposition, McKinsey für unternehmensseitige Dynamiken und die strukturellen Schutzwälle (physische Präsenz, Lizenzierung, persönliche Haftung), die entscheiden, auf welcher Seite der Umverteilung Sie sitzen.

Holen Sie sich Ihren personalisierten KI-Karriererisiko-Wert →

Kostenlos. Aufgebaut auf denselben Arbeitsmarktdaten, auf denen die Statistiken in diesem Beitrag aufbauen. Siehe unsere Methodik für die vollständige Quellenliste und wie die neun Dimensionen gewichtet werden.

Die Statistiken sagen Ihnen, was mit dem Markt passiert. Ihre Zahl sagt Ihnen, was mit Ihnen passiert.