Die bequemste Geschichte über KI und Arbeitsplätze hat eine klare Auftaktszene: ChatGPT erscheint im November 2022, und der Arbeitsmarkt beginnt zu wackeln. Ein im Januar auf arXiv veröffentlichtes Arbeitspapier legt nahe, dass das Wackeln schon vorher begann. Das passt schlecht zu einer Erzählung, deren Hauptrolle längst besetzt war.
Das Arbeitspapier behauptet nicht, generative KI sei harmlos. Seine Aussage ist enger gefasst und für alle, die klare Ursache-Wirkungs-Zusammenhänge mögen, umso ärgerlicher.
Was die Forschenden tatsächlich gemacht haben
Die Autoren kombinierten drei Arten von Datensätzen. Zum einen waren das Daten der US-Arbeitslosenversicherung. Hinzu kamen Erwerbsbiografien aus Onlineprofilen. Die dritte Quelle waren Informationen zu Hochschulkursen. Zusammen ermöglichten diese Daten einen Vergleich der Veränderungen zwischen Berufen und Abschlussjahrgängen, statt nur auf eine einzige Kurve zur Gesamtarbeitslosigkeit zu starren und zu raten.
Dieses Studiendesign ist wichtig, denn die Frage ist nicht, ob der Arbeitsmarkt für manche Menschen schwieriger wurde. Entscheidend ist, wann, für wen und in welchen Berufen.
Das Problem mit der zeitlichen Abfolge
Der zentrale Befund betrifft die Zeitpunkte. In Berufen mit hoher Exposition gegenüber großen Sprachmodellen begann das Arbeitslosigkeitsrisiko Anfang 2022 von einem Tiefstand aus zu steigen. ChatGPT startete im November desselben Jahres, der Anstieg setzte also fast zwölf Monate früher ein.
Die Daten zu Hochschulabsolventen erzählen eine ähnliche Geschichte:
- Der Abschlussjahrgang 2021. Absolventen des Jahrgangs 2021 und der folgenden Jahrgänge stiegen seltener in diese stark exponierten Berufe ein als die Jahrgänge vor ihnen.
- Wann sich die Lücke auftat. Diese Lücke entstand noch vor Ende 2022, also ebenfalls vor dem Chatbot, den heute alle als Startschuss in Erinnerung haben.
Wäre ChatGPT der Schalter gewesen, hätten die Lichter nicht schon im Winter vor seinem Einbau geflackert.
Was die Autoren nicht sagen
Die Forschenden argumentieren nicht, dass generative KI den Arbeitsmarkt unberührt gelassen habe. Ihr Punkt ist, dass sich der Start nicht als klare kausale Trennlinie eignet, weil die negativen Trends bereits eingesetzt hatten.
Ihre Interpretation der Befunde deutet auf andere Ursachen hin: auf gesamtwirtschaftliche und branchenspezifische Veränderungen, die technologieintensive Berufe bereits unter Druck setzten. Mit anderen Worten: Diese Berufe könnten aus Gründen in Schwierigkeiten geraten sein, die wenig mit einem Chatbot zu tun hatten, und der Chatbot kam dann zu einem Geschehen hinzu, das längst begonnen hatte.
Darin liegt eine hübsche Ironie. KI wird für einen Abschwung verantwortlich gemacht, der diesen Befunden zufolge ohne sie begonnen hatte. Der Technologie werden gelegentlich Ereignisse zugeschrieben, bei denen sie lediglich anwesend war.
Noch einmal zur Bedeutung von 'Exposition'
Die Analyse enthält auch einen methodischen Warnhinweis, der in Schlagzeilen oft verloren geht. KI-Exposition misst, wie stark die Aufgaben eines Berufs von den Fähigkeiten der Sprachmodelle beeinflusst werden könnten. Sie zählt nicht die Arbeitsplätze, die tatsächlich durch KI verloren gegangen sind.
Das sind zwei sehr unterschiedliche Dinge. Ein Beruf kann grundsätzlich stark exponiert sein und trotzdem aus anderen Gründen Beschäftigte verlieren. Genau darauf deutet die zeitliche Abfolge mehr oder weniger hin.
Die Kehrseite verdient dieselbe Ehrlichkeit. Es handelt sich um Beobachtungsdaten aus Aufzeichnungen zur Arbeitslosigkeit und Erwerbsbiografien. Sie schließen spätere Auswirkungen der Einführung von LLM in bestimmten Branchen oder Regionen nicht aus. Ein Arbeitspapier, das zeigt, dass die Geschichte früher begann, zeigt damit nicht, dass sie dort auch endete. Die Einführung braucht Zeit, und ein Effekt, der erst nach dem Ende des Beobachtungszeitraums eintritt, taucht in den Daten nicht auf.
Der Befund zur Bildung
Das ermutigendere Ergebnis des Arbeitspapiers betrifft die Absolventen. Diejenigen, deren Studiengänge eine höhere KI-Exposition aufwiesen, schnitten nach dem Erscheinen von ChatGPT besser ab. Sie verdienten in ihrem ersten Job mehr und brauchten weniger Zeit, ihn zu finden.
Die Autoren hüten sich davor, daraus zu weitreichende Schlüsse zu ziehen. Es handelt sich um einen Zusammenhang, nicht um ein Versprechen an einzelne Beschäftigte oder Gruppen. Dennoch sehen sie darin ein Argument dafür, Kompetenzen, Lehrpläne und Arbeitsmarktergebnisse ausdrücklich miteinander zu verknüpfen, statt darauf zu hoffen, dass die drei von selbst zusammenpassen.
Das ist ein bescheidener Vorschlag, und ein vernünftiger. Zugleich ist es die Art von Empfehlung, die Bestand hat, ganz gleich, wie die Debatte über die Ursachen ausgeht.
Was man daraus mitnehmen sollte
Drei Punkte sollte man sich merken.
- Zeitpunkte sind Belege. Wenn ein Rückgang beginnt, bevor die vermutete Ursache existiert, braucht diese Ursache Gesellschaft.
- Exposition ist eine Prognose des Möglichen. Sie ist keine Opferbilanz.
- Fehlende Beweise wirken in beide Richtungen. Das Arbeitspapier schwächt die Behauptung, ChatGPT habe den Abschwung ausgelöst, schließt aber spätere, stärker lokal begrenzte Auswirkungen nicht aus.
Das praktische Fazit ist weniger dramatisch, als es den beiden Lagern lieb wäre. KI für alles verantwortlich zu machen, ist denkfaul, und sie völlig abzutun, wäre es ebenso. Die schwierigere Aufgabe besteht darin, zu messen, was passiert, Beruf für Beruf und Jahrgang für Jahrgang. Das dauert länger, als eine Schlagzeile zu schreiben, und macht erheblich weniger Spaß.