KI-Jobverlust: Die nächste Suche dauert länger

Ein nationaler Arbeitsmarktbericht beantwortet eine nationale Frage. Die Person, deren Stelle gerade verschwunden ist, braucht eine andere: Wie lange bis zu einer stabilen nächsten Stelle, und nutzt diese Stelle die schon aufgebauten Kompetenzen? Neue Forschung von Goldman Sachs legt nahe, dass die Wartezeit selbst so viel Aufmerksamkeit verdient wie die Schlagzeilensumme.

Wir haben bereits Aufgaben, die sich innerhalb eines Jobs ändern, von einem Job getrennt, der verschwindet, und einen Stellenabbau vom Beweis, dass KI jede Rolle ersetzt hat. Dieser Artikel ist die nächste Frage. Wenn die Rolle weg ist: Wie lange dauert die Rückkehr?

Eine Lohnsumme beantwortet diese Person nicht

Am 30. Oktober 2026 berichtete Fortune über eine Kundennotiz von Goldman Sachs des Ökonomen Pierfrancesco Mei. Beschäftigte, die seit 2025 aus KI-exponierten Jobs verdrängt wurden, brauchten etwa einen Monat länger als andere verdrängte Beschäftigte, um eine neue Stelle zu finden. Sie waren außerdem etwa 10 Prozentpunkte eher ein Jahr später noch arbeitslos. Mei beschrieb diese Effekte als in der Größenordnung vergleichbar mit früheren Wellen technischen Wandels und nannte den Schaden jener früheren Wellen langanhaltend.¹

Axios berichtete am 3. November dasselbe Größenordnungsergebnis für Beschäftigte, die 2025 am ehesten durch KI verdrängt wurden: rund einen Monat länger als andere entlassene Personen und rund 10 Prozentpunkte eher, ein Jahr nach dem Verlust noch arbeitslos zu sein.² Die beiden Berichte formulieren das Zeitfenster nicht gleich (seit 2025 oder im Jahr 2025). Sie beschreiben dieselbe Notiz. Keiner ist eine amtliche Zählung von Menschen, deren Arbeitgeber den Ersatz durch KI nachgewiesen hat.

Die Alterslücke gehört zum selben Bericht. Beschäftigte ab 35 brauchten etwa fünf Wochen länger als andere Verdrängte, um in Vollzeit zurückzukehren. Unter 35 Jahren waren es etwa drei Wochen länger.¹² Mei schrieb, jüngere Beschäftigte könnten sich flexibler an die KI-Disruption anpassen. Fortune berichtete außerdem, Goldman habe für Jobverluste vor 2023 keine signifikante Lücke zwischen den bewerteten Gruppen gefunden.¹

Die letzte Zeile stammt von Axios. Unter Verdrängten aus KI-exponierten Jobs, die 2025 neue Arbeit fanden, landeten rund drei Viertel in Berufen mit ähnlicher oder größerer KI-Exposition, nach etwas mehr als der Hälfte im Jahr 2023.² Eine neue Stelle kann die Person in dieselbe Art von Exposition zurückbringen.

Die längere Wartezeit ist ein Score, keine Zählung

Der Displaced Worker Supplement des Current Population Survey fragt nicht, ob KI den Verlust verursacht hat. Fortune berichtet, Goldman habe mehr als 15.000 verdrängte Beschäftigte untersucht, die zwischen 2016 und 2025 den Job verloren, einschließlich des neuen Supplements 2023 bis 2025. Goldman bildete einen Score aus der KI-Exposition des Berufs, der Adoptionsrate der Branche und der Frage, ob die Stelle gestrichen wurde, und behandelte die oberen 30 % als wahrscheinlich KI-verdrängt.¹ Axios beschreibt dieselben Zutaten: Beruf, Branchenadoption und die Umstände des Verlusts, einschließlich der Streichung der Stelle.²

Diese Methode ist ein Grund, das Ergebnis ernst zu nehmen, und ein Grund, einen Slogan abzulehnen. „Wahrscheinlich KI-verdrängt“ bedeutet einen hohen Wert auf einem konstruierten Maß. Es bedeutet nicht, dass jemand jeden Kündigungstext geprüft hat. Fortune schreibt, Goldman halte es noch für zu früh, die Wirkung nach Bildung und Geografie zu beurteilen.¹ Die Kundennotiz ist kein öffentliches Dokument. Die Zahlen oben sind Presseberichte.

Der historische Vergleich ist ein anderer Text und muss als Geschichte gekennzeichnet bleiben. Goldman Sachs Research veröffentlichte „How Automation Impacts the Lives and Careers of Displaced Workers“ am 11. September 2026, nicht im Oktober. Der Text betrachtet frühere Automatisierungswellen. Technikverdrängte brauchten etwa einen Monat länger für eine neue Stelle als Menschen in stabilen oder wachsenden Berufen und erlitten bei der Wiederbeschäftigung drei Prozentpunkte höhere reale Einkommensverluste, wenn sie von einer Vollzeitstelle in eine andere wechselten. Ein Jahrzehnt später lagen ihre Realeinkommen noch unter denen vergleichbarer Beschäftigter, die Jobs in nicht gestörten Berufen verloren hatten. Wer innerhalb von drei Jahren nach dem Verlust mindestens vier Wochen in Umschulung verbrachte, erzielte im folgenden Jahrzehnt etwa zwei Prozentpunkte mehr kumuliertes Reallohnwachstum als Peers ohne Umschulung und wurde seltener wieder arbeitslos.³

Diese Umschulungszahl ist ein Zusammenhang in historischen Daten. Sie ist kein randomisierter Nachweis, dass ein bestimmter Kurs den Gewinn verursacht hat. Sie ist trotzdem ein praktischer Grund, Übergangshilfe als etwas Messbares zu behandeln und nicht als Abschiedsgeste.

Ein starker Oktober schließt die Lücke nicht

Beide Geschichten können in derselben Woche wahr sein. Am 6. November 2026 meldete das U.S. Bureau of Labor Statistics, dass die Beschäftigung außerhalb der Landwirtschaft im Oktober um 165.000 stieg, mehr als der durchschnittliche Monatszuwachs von 48.000 in den vorangegangenen zwölf Monaten. Die Arbeitslosenquote änderte sich kaum und lag bei 4,1 %. Auch die Zahl der Arbeitslosen, 7,1 Millionen, änderte sich kaum. Die Beschäftigung stieg in professionellen und Unternehmensdienstleistungen, im Gesundheitswesen sowie in Verkehr und Lagerei.⁴

Eine Beschäftigungsstatistik beschreibt die Beschäftigung in der ganzen Wirtschaft. Meis Vergleich beschreibt Menschen, die den Job bereits verloren haben und als wahrscheinlich KI-verdrängt bewertet wurden. Ein starker Gesamtmonat beweist nicht, dass KI die Zuwächse erzeugt hat, und er widerlegt keine längere Suche in einzelnen Berufen. Neue Jobs in Gesundheit oder Lagerei sind nicht automatisch der nächste Schritt für eine Buchhaltungskraft oder eine Junior-Analystin.

Goldman hatte Substitution und Augmentation schon in einer April-Notiz getrennt. Der öffentliche Artikel vom 24. April 2026 sagt, KI habe das monatliche Wachstum der US-Beschäftigung im vergangenen Jahr um rund 16.000 Jobs gesenkt und die Arbeitslosenquote um 0,1 Prozentpunkte erhöht, während Jobs mit Augmentationspotenzial etwa 9.000 zum monatlichen Wachstum beitrugen. Elsie Peng schreibt, die Gesamtwirkung sei wahrscheinlich kleiner als diese Schätzungen, weil sie Einstellungen für den Bau von Rechenzentren und zusätzliche Nachfrage aus Produktivitätsgewinnen nicht vollständig erfassen.⁵ Fortunes Bericht vom 6. April über dieselbe Notiz ergänzt die Aufteilung, die die öffentliche Seite nicht druckt: Substitution von etwa 25.000 Jobs im Monat, Augmentation legt etwa 9.000 zurück.⁶ Beide Texte sagen, das Ergebnis komme aus einem Modell, nicht aus einer Zählung KI-bedingter Kündigungen.

Die nützliche Botschaft ist das Nebeneinander von Verlust und Neueinstellung, nicht der exakte Rest. Ein Unternehmen, das den Rechnungsabgleich automatisiert, kann Kundenberater oder Datenspezialisten einstellen. Keine dieser Vakanzen passt automatisch zu der Person, die Ausnahmen, Kunden und regulatorische Grenzfälle kannte. Denselben Punkt haben wir gemacht, als neue KI-Infrastrukturjobs kein Wechselplan waren.

Das übersehene Risiko ist die Berufstreppe

Ein Übergang ist kein Software-Tutorial. Eine Assistenz kann Urteil über Ausnahmen, Vertraulichkeit und Kundenbeziehungen haben, während der Einstellungsmarkt eine engere technische Rolle ausschreibt. Eine Junior-Analystin kann sehen, wie Entwurfsarbeit auf Einstiegsniveau verschwindet, bevor es genug Gelegenheiten gab, eine Annahme zu hinterfragen. Eine erfahrene Person kann Domänenwissen haben und trotzdem keinen Nachweis, den ein neuer Arbeitgeber akzeptiert.

Die Wiederbeschäftigungszahl von Axios gehört hierher. Wenn etwa drei Viertel der Menschen, die 2025 KI-exponierte Jobs verließen, in Berufe mit ähnlicher oder größerer Exposition wechselten, dann ist „eine Stelle gefunden“ nicht dasselbe wie „das Risiko verlassen“.² Die September-Forschung beschreibt eine ältere Fassung dieser Verschiebung: Technikverdrängte wechselten eher in routiniertere, weniger komplexe Arbeit, weil die Veränderung, die den Job strich, auch den Marktwert der Kompetenzen senkte.³

Die praktische Antwort ist keine allgemeine Anweisung, KI-Experte zu werden. Es ist eine kurze Karte: was die Person schon kann, welcher Nachweis das belegt und was zwei oder drei benachbarte Rollen wirklich verlangen.

Was ein kleiner Arbeitgeber zuerst tun kann

Stellen Sie sich eine Dienstleistungsorganisation mit etwa 70 Personen vor, die KI-gestützte Dokumentenverarbeitung einführt. Sechs Koordinatorinnen und Koordinatoren prüfen Eingänge, korrigieren Datensätze, sprechen mit Kunden und eskalieren ungewöhnliche Fälle. Sinkt die Bearbeitungszeit, kann die Leitung Personal reduzieren, mehr Nachfrage aufnehmen, Durchlaufzeiten kürzen oder die Koordination auf Qualitätsprüfung und Kundenbetreuung umschulen. Die bessere Wahl hängt von Auslastung, Fehlerquoten, Geld und dem ab, was Beschäftigte wollen. Diese Szene ist eine Illustration. Sie ist kein befragtes Unternehmen.

Messen Sie Aufgaben, bevor Sie ein Personenziel verkünden. Notieren Sie vier bis sechs Wochen lang Mengen, Ausnahmquoten, Nacharbeit, Eskalationszeit und Kundenergebnisse. Trennen Sie Zeit, die wirklich verschwunden ist, von Arbeit, die in ein anderes Team gewandert ist. Schneller vorbereitete Dokumente sind nicht dasselbe wie schneller gelöste Fälle.

Bauen Sie dann für jede betroffene Rolle eine Übergangskarte. Listen Sie gezeigte Kompetenzen: Datenprüfung, Prozesswissen, Kundenkommunikation, regulatorisches Urteil. Vergleichen Sie sie mit den Aufgaben und Nachweisen, die zwei oder drei realistische Zielrollen verlangen. Eine Qualitätsrolle kann Stichproben und Auditnotizen brauchen. Eine Kundenrolle kann Verhandlung und Kontenerfahrung brauchen. Schreiben Sie die Lücken auf. Nennen Sie nicht jede Lücke „KI-Kompetenz“.

Bieten Sie bezahlte Übung an echter Arbeit, mit Aufsicht, die zum Risiko passt. Ein kurzer Prompt-Workshop kann das Zutrauen heben. Er zeigt nicht, dass jemand eine von KI erzeugte Akte gegen einen Qualitätsraster prüfen, einen wiederkehrenden Fehler dokumentieren oder eine simulierte Kundenausnahme bearbeiten kann. Diese Ergebnisse sind ein Portfolio. Eine Teilnahmebescheinigung ist keines.

Beobachten Sie, ob die neue Rolle hält. Verfolgen Sie interne Platzierung, Verbleib nach sechs und zwölf Monaten, Lohnänderungen, ob der Wechsel eine Wahl war, und Qualitätsergebnisse. Jemanden für ein paar Wochen auf einen neuen Titel zu setzen, ist kein abgeschlossener Übergang. Ist eine Versetzung unmöglich, bleiben Hilfe bei der Jobsuche und Zeit für Weiterbildung echte Unterstützung. Sagen Sie klar, was der Arbeitgeber nicht versprechen kann.

Nutzt die Organisation in der EU ein KI-System, um zu wählen, wer geht, oder um zu filtern, wer für eine verbleibende Rolle ausgewählt wird, kann dieser Zweck unter Anhang III Nummer 4 der KI-Verordnung fallen. Nummer 4 Buchstabe a umfasst Einstellung und Auswahl, einschließlich des Filterns von Bewerbungen und der Bewertung von Kandidaten. Nummer 4 Buchstabe b umfasst Entscheidungen, die die Bedingungen eines Arbeitsverhältnisses betreffen, einschließlich Beförderung oder Beendigung, sowie die Überwachung der Leistung. Der AI Act Service Desk der Kommission sagt, die Hochrisiko-Regeln von Anhang III gelten ab dem 2. Dezember 2027.⁷⁸ Dieses Datum ist keine Rechtsberatung, und eine Kompetenzkarte ist nicht selbst dieses System. Es ist ein Grund, einen menschlichen Nachweis dessen zu behalten, was Menschen können, bevor ein Werkzeug sie reiht.

Ein Kurs erfindet keine Nachfrage

Soziale Organisationen, Arbeitsverwaltungen und lokale Bildungsträger können tun, was ein einzelnes kleines Unternehmen oft nicht kann: Arbeitgeber um einen gemeinsamen Übergang versammeln, kurze Kompetenznachweise prüfen und Menschen mit beaufsichtigten Projekten verbinden. Das zählt besonders für Menschen, die Monate unbezahlter Umschulung nicht finanzieren oder den Arbeitsmarkt nicht wechseln können.

Ein gut gebauter Kurs kann trotzdem keine Nachfrage nach einem schrumpfenden Beruf herstellen. Veröffentlichen Sie Vermittlungsquoten, Löhne und die Jobs, die Absolventinnen und Absolventen tatsächlich bekommen. Beurteilen Sie den Kurs nach diesen Ergebnissen, nicht nach der Zahl der KI-Module im Katalog.

Wie hilighter helfen kann

Die Entscheidung, die diese Forschung stützt, ist enger als die Frage, ob KI mehr Jobs schafft, als sie zerstört. Welche Aufgaben ändern sich hier, wer trägt das Risiko, welche benachbarte Arbeit gibt es, und was würde diese Beschäftigten zu glaubwürdigen Kandidaten machen?

hilighter hilft einem Team, Kompetenzen nach Rolle zu kartieren, Menschen mit diesen Anforderungen in Skills und Talent-Insights zu vergleichen, einen Fähigkeitsnachweis in der Anerkennung von Lernerfolgen zu halten und individuelle Entwicklungspfade zu setzen. Die Sicht KI-Auswirkung auf Berufe ist indikativ. Sie ist nicht Meis Score und keine Vorhersage, dass eine Rolle verschwindet. Ein kostenloser Plan deckt bis zu drei Rollen ab, mit unbegrenzter Zahl von Beschäftigten.

Quellen

1. Fortune, Nick Lichtenberg, Goldman says AI layoffs are starting to look long-lasting, 30. Oktober 2026. Bericht über eine Kundennotiz von Goldman Sachs von Pierfrancesco Mei. Die Notiz selbst ist nicht öffentlich.
2. Axios, Courtenay Brown, AI job displacement is looking extra painful, 3. November 2026.
3. Goldman Sachs Research, How Automation Impacts the Lives and Careers of Displaced Workers, 11. September 2026. Historische Automatisierung, einschließlich des Umschulungsvergleichs. Gelesen am 9. November 2026.
4. U.S. Bureau of Labor Statistics, The Employment Situation, October 2026, Mitteilung USDL-26-1632, 6. November 2026. Die Beschäftigung stieg um 165.000; die Arbeitslosenquote änderte sich kaum und lag bei 4,1 %.
5. Goldman Sachs Research, The Jobs AI Is Likely to Boost, and Those It May Disrupt, 24. April 2026. Netto-Schätzung und Augmentationszahl. Gelesen am 9. November 2026. Die offizielle Überschrift nutzt einen Geviertstrich; dieses Zitat nicht.
6. Fortune, Nick Lichtenberg, AI is cutting 16,000 U.S. jobs a month, Goldman Sachs says, 6. April 2026. Die Substitutionszahl von etwa 25.000 steht in diesem Bericht über Elsie Pengs Notiz.
7. Europäische Kommission, AI Act Service Desk, Anhang III, Nummer 4. Gelesen am 9. November 2026.
8. Europäische Kommission, AI Act Service Desk, When does enforcement start?. Die Hochrisiko-Regeln von Anhang III gelten ab dem 2. Dezember 2027. Gelesen am 9. November 2026.

Quellen zuletzt geprüft: 9. November 2026. Die Oktober-Dauern sind Presseberichte einer Kundennotiz, keine öffentliche Mikrodatenveröffentlichung. Die April-Beschäftigungszahlen stammen aus einem Modell. Die Organisation mit 70 Personen ist illustrativ. Dies ist keine Rechtsberatung. KI-gestützte Übersetzung: eine muttersprachliche Prüfung ist nötig.