KI verändert Aufgaben schneller als Berufsbezeichnungen

Eine Büroassistentin kann dieselbe Berufsbezeichnung, dieselbe Vorgesetzte und dieselbe Gehaltsstufe behalten, während sich ihre Arbeit fast bis zur Unkenntlichkeit verändert. Aus dem Schreiben der ersten Fassung einer E-Mail wird das Prüfen eines Entwurfs, den die KI erstellt hat. Aus dem Zusammentragen von Zahlen wird die Kontrolle, ob eine automatisch erstellte Zusammenfassung etwas Wichtiges ausgelassen hat. Die Verantwortung für das Ergebnis bleibt beim Menschen, auch wenn ein Großteil der Produktion woanders stattfindet.

Das ist ein veranschaulichendes Szenario, kein berichteter Fall. Es beschreibt aber eine Verschiebung, die man kaum bemerkt, wenn man nur auf Einstellungen, Entlassungen und neue Berufsbezeichnungen schaut. Zwei in diesem Monat veröffentlichte Untersuchungen helfen zu verstehen, warum.

Unsere These: Der wichtigste KI-Effekt für die meisten Arbeitgeber ist derzeit nicht, welche Berufe verschwinden, sondern wie sich der Inhalt bestehender Stellen verändert, ohne dass es jemand offiziell bemerkt. Das hat Folgen für die Weiterbildung, für Nachwuchskräfte und dafür, wie man die Betroffenheit durch KI misst.

Der größte Teil des gemessenen Wandels findet innerhalb von Berufen statt

Der AI Labor Market Tracker von Revelio Labs für September 2026, veröffentlicht am 1. Oktober, zerlegt die Veränderung der ausgeübten Tätigkeiten gegenüber dem Vorjahr in zwei Teile: Veränderungen durch eine andere Zusammensetzung der Berufe und Veränderungen dessen, was Menschen innerhalb desselben Berufs tun. Das Ergebnis: 90 % der gemessenen Veränderung der Tätigkeiten entfallen auf Verschiebungen innerhalb von Berufen, 10 % auf Veränderungen im Berufsmix.¹

Die Zahl ist auffällig, ihre Aussage aber enger und nützlicher als eine Schlagzeile wie „KI hat 90 % der Jobs verändert“. Sie zerlegt die gemessene Veränderung von Tätigkeiten, sie zählt nicht die Beschäftigten, deren Stelle sich gewandelt hat, und sie zeigt nicht, dass KI jede dieser Verschiebungen verursacht hat.

Revelio nennt selbst das Beispiel der Assistenz der Geschäftsführung: Die Rolle legt mehr Gewicht auf die Leitung strategischer Programme und die Projektkoordination, weniger auf Kreditorenbuchhaltung und Rechnungsbearbeitung.¹ Die Bezeichnung ist dieselbe, die Stelle nicht.

Deshalb können stabile Beschäftigungsstatistiken echte Veränderungen verdecken. Wenn eine Organisation weiterhin Buchhalter, Recruiterinnen und Leiter im Kundenservice beschäftigt, deren Zeit aber anders einsetzt, bleibt die Personalstärke stabil, während sich die Arbeit verlagert. Ein Analyst, der früher Berichte zusammengestellt hat, untersucht nun häufiger Ausnahmen. Eine Kommunikationsreferentin schreibt nicht mehr jeden Absatz selbst, sondern prüft Quellen, korrigiert automatisch erstellte Entwürfe und entscheidet, was nicht veröffentlicht werden sollte.

Warum die Beschäftigungszahlen trotzdem ruhig wirken

Am 14. Oktober hat das Budget Lab der Universität Yale seine Beobachtung der Auswirkungen von KI auf den US-Arbeitsmarkt aktualisiert. Die zentralen Befunde: Der Berufsmix verändert sich „noch nicht in einer Weise, die klar mit der Einführung von KI zusammenhängt“, Messgrößen der KI-Nutzung zeigen keinen Zusammenhang mit Veränderungen bei Beschäftigung oder Arbeitslosigkeit, und die kausale Analyse „deutet noch nicht klar auf einen KI-bedingten Fußabdruck auf dem Arbeitsmarkt hin“. Die Autoren wollen die Analyse weiter aktualisieren.²

Das widerspricht Revelio nicht. Yale betrachtet vor allem Beschäftigungsergebnisse und den Berufsmix, die 90-%-Zahl von Revelio betrifft dagegen die Frage, wo sich Tätigkeiten verändern. Beides kann zugleich zutreffen: Die Berufsbezeichnungen bleiben recht stabil, während Aufgaben innerhalb der Stellen neu verteilt werden. Keines der beiden Ergebnisse belegt, dass KI der Hauptgrund für diese Aufgabenverschiebungen ist.

Die Daten haben Grenzen, die man kennen sollte. Revelio stützt sich auf Hunderte Millionen öffentlicher Berufsprofile und auf Stellenanzeigen. In der eigenen Methodik heißt es, dass Büroangestellte und Menschen in Großstädten in diesen Daten häufiger vertreten sind; die Ergebnisse werden anhand amtlicher Arbeitsmarktstatistiken gewichtet, um diese Verzerrung zu verringern.¹ Zudem kann eine geänderte Stellenanzeige eher zeigen, was sich ein Arbeitgeber wünscht, als eine Neugestaltung, die tatsächlich stattgefunden hat.

Die richtige Lesart lautet also nicht „KI hat still und leise neun von zehn Jobs automatisiert“, sondern: Zahlen zu Stellenverlusten allein ergeben ein unvollständiges Bild, und Daten auf Aufgabenebene, so unvollkommen sie sind, zeigen Führungskräften, auf welche Veränderungen sie in ihren eigenen Teams achten sollten.

Neue KI-Arbeit kommt selten mit einer neuen Berufsbezeichnung

Wir stellen uns gern vor, dass KI Arbeitsplätze über neue Titel schafft: KI-Ingenieurin, Modellevaluator, Automatisierungsspezialistin. Diese Rollen gibt es, und sie sind wichtig. Daneben gibt es aber einen leiseren Weg: Ein vertrauter Beruf übernimmt neue Aufgaben, Tools und Entscheidungsbefugnisse. Die Organisation schreibt keine Stelle für einen „KI-Qualitätsprüfer“ aus, sondern erwartet von der Teamleitung im Kundenservice, automatisch erstellte Antworten zu prüfen, oder vom Finanzleiter, zu testen, ob KI-gestützten Zahlen zu trauen ist.

Das ist eine konzeptionelle Überlegung, keine Behauptung, dass solche Aufgaben inzwischen überall üblich wären. Sie wirft aber eine Messfrage auf: Zählen wir ausdrücklich als KI gekennzeichnete Stellen oder die KI-bezogene Arbeit, die sich über bestehende Rollen verteilt?

Die Daten auf beiden Seiten wollen sorgfältig gelesen werden:

• KI-bezogene Rollen wachsen schneller. Laut Revelio ist die Beschäftigung in KI-bezogenen Rollen seit November 2022 um 19 % gestiegen, gegenüber 3 % bei anderen Rollen. Die Definition ist weit gefasst und reicht „von KI-Ingenieuren bis zu Bauarbeitern für Rechenzentren“. Verglichen werden Wachstumsraten; wie viele Arbeitsplätze KI netto geschaffen hat, lässt sich daraus nicht ablesen.¹
• KI-Anwender wuchsen schon vorher. Unternehmen, die Revelio als KI-Anwender einstuft, haben ihre Belegschaft schneller ausgebaut als Nicht-Anwender. Sie wuchsen aber schon vor der Einführung schneller, was einfache Aussagen über Ursache und Wirkung unsicher macht.¹
• Geforderte Skills verändern sich in betroffenen Berufen schneller. Der Global AI Jobs Barometer 2026 von PwC, der auf mehr als einer Milliarde Stellenanzeigen beruht, stellt fest, dass sich die geforderten Skills in KI-exponierten Berufen mehr als doppelt so schnell verändern wie in weniger exponierten Rollen.³ Das ist ein Beleg für ausgeschriebene Anforderungen, keine direkte Messung dessen, was jeder Beschäftigte tut.

Das eigentliche Risiko: Die Lernkurve wird ausgehöhlt

Eine Aufgabe kann für eine erfahrene Mitarbeiterin Routine sein und für jemanden, der den Beruf erst lernt, unverzichtbar. Einfache Berichte entwerfen, grundlegenden Code prüfen oder unkomplizierte Fälle vorsortieren wirkt gerade deshalb automatisierbar, weil es strukturiert ist. Genau dabei bauen Nachwuchskräfte aber die Mustererkennung auf, die sie brauchen, bevor sie schwierigere Entscheidungen übernehmen.

Forschende des Digital Economy Lab der Universität Stanford haben auf Basis von ADP-Lohndaten für Millionen US-Beschäftigte bis Juni 2026 festgestellt, dass die Beschäftigung von 22- bis 25-Jährigen in KI-exponierten Berufen heute 19 % unter dem Niveau liegt, das sie erreicht hätte, wenn sie mit weniger exponierten Vergleichsgruppen Schritt gehalten hätte. Belege für eine breite, gesamtwirtschaftliche Verdrängung von Arbeitsplätzen fanden sie nicht.⁴ Eine relative Lücke beweist nicht, dass KI jede ausgebliebene Einstellung verursacht hat, und eine US-Stichprobe beschreibt nicht automatisch Europa, gemeinnützige Organisationen oder jede Branche. Sie verweist aber auf ein echtes organisatorisches Paradox: Arbeitgeber brauchen Menschen mit Urteilsvermögen und streichen zugleich einen Teil der Arbeit, an der dieses Urteilsvermögen früher erlernt wurde.

Drei mögliche Neugestaltungen, als Veranschaulichung gedacht und nicht als Berichte über namentlich genannte Arbeitgeber:

• Eine Fördermittelreferentin in einer gemeinnützigen Organisation lässt die KI einen Antragsentwurf zusammenstellen und verwendet mehr Zeit darauf, Förderfähigkeit, Nachweise und Vorgaben der Geldgeber zu prüfen.
• Ein Teamleiter im Kundenservice verlässt sich auf automatische Erstantworten und kümmert sich dafür um die Qualität der Eskalationen und um ungewöhnliche Fälle.
• Eine Junior-Finanzanalystin konsolidiert weniger Tabellen und hinterfragt mehr Auffälligkeiten.

In jedem Fall wird der menschliche Anteil stärker interpretierend. Offen bleibt, wie Neueinsteiger lernen, diese Interpretation gut zu leisten. Eine praktische Antwort: Das Prüfen und Korrigieren von KI-Ergebnissen wird Teil der Einarbeitung von Nachwuchskräften, mit Feedback von erfahrenen Kolleginnen und Kollegen, statt es den Erfahrenen vorzubehalten.

Eine bessere Frage als „Welche Berufe verschwinden?“

Wer die Betroffenheit durch KI nur anhand von Berufsbezeichnungen bewertet, übersieht die praktischen Entscheidungen. Ein nützlicherer Ausgangspunkt ist konkret: Woraus besteht die Arbeit, welche Schritte lassen sich wirklich unterstützen, wer prüft das Ergebnis, und was passiert, wenn das System falsch liegt? Eine einzige Rolle kann leicht automatisierbare Aufgaben neben solchen enthalten, bei denen rechtliche Verantwortung, Vertrauen oder implizites Wissen im Mittelpunkt stehen.

Drei Unterscheidungen helfen:

Das verändert die Diskussion über Skills. Es geht nicht darum, ob jede Mitarbeiterin zur Prompt-Ingenieurin werden muss. Es geht darum, welche bestehenden Rollen jetzt mehr Kompetenz bei Prüfung, fachlichem Urteil, Kommunikation, Eskalation und Verantwortung für KI-gestützte Ergebnisse brauchen, und wie diese Fähigkeiten in der Praxis aufgebaut werden. Welche Aufgaben sich zuerst ändern, lesen Sie in unserem Artikel darüber, wie KI-Agenten die Arbeitswelt verändern.

Für kleine Unternehmen, gemeinnützige Organisationen und einzelne Abteilungen in größeren Unternehmen ist das wahrscheinlichste Risiko eher alltäglich als dramatisch: Das Organigramm bleibt gleich, und niemand bemerkt, dass sich die Arbeit längst verändert hat. Bis die Berufsbezeichnung nachzieht, kann die Weiterbildung Jahre hinterherhinken.

Häufig gestellte Fragen

Verändert KI Berufe oder ersetzt sie sie?

Die aktuelle Datenlage deutet vor allem auf Veränderungen innerhalb von Berufen hin. Revelio Labs führt 90 % der gemessenen Veränderung von Tätigkeiten auf Verschiebungen innerhalb von Berufen zurück, während das Budget Lab der Universität Yale bislang keinen klaren KI-bedingten Effekt auf die Gesamtbeschäftigung findet.

Warum zeigen Beschäftigungsstatistiken die Auswirkungen von KI nicht?

Weil sie Menschen nach Berufen zählen. Wenn Menschen dieselbe Bezeichnung behalten, ihre Zeit aber anders einsetzen, wirkt die Beschäftigung stabil, obwohl sich die Arbeit verändert hat.

Welche Beschäftigten sind am stärksten betroffen?

In US-Daten scheinen Berufseinsteiger in KI-exponierten Berufen am stärksten betroffen zu sein: Forschende aus Stanford stellen fest, dass ihre Beschäftigung 19 % unter dem Niveau liegt, das sie erreicht hätte, wenn sie mit weniger exponierten Vergleichsgruppen Schritt gehalten hätte.

Wie hilighter Sie unterstützen kann

Wenn sich Arbeit innerhalb von Rollen verändert, sind Berufsbezeichnungen kein verlässlicher Wegweiser mehr. hilighter hilft Ihnen, das Bild aktuell zu halten: Skills nach Rolle, Niveau und Team erfassen, Stärken und Lücken in Ihrer Organisation erkennen, die Skills Ihrer Mitarbeitenden mit dem vergleichen, was jede Rolle heute verlangt, und alle Mitarbeitenden mit einem personalisierten Lernpfad begleiten. Die Analyse AI Job Impact bietet eine indikative Einschätzung, wie KI Ihre Rollen und Skills verändern könnte. Es gibt einen kostenlosen Tarif, und die Tarife richten sich nach der Anzahl der Rollen, bei unbegrenzter Zahl von Mitarbeitenden.

Quellen

1. Revelio Labs, AI Labor Market Tracker, United States, September 2026, veröffentlicht am 1. Oktober 2026, sowie der Methodik-Anhang. Auf Basis öffentlicher Berufsprofile und Stellenanzeigen.
2. The Budget Lab at Yale, Tracking the Impact of AI on the Labor Market, 14. Oktober 2026.
3. PwC, 2026 Global AI Jobs Barometer, Juni 2026. Analyse von mehr als einer Milliarde Stellenanzeigen.
4. E. Brynjolfsson, B. Chandar und R. Chen, Stanford Digital Economy Lab, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Arbeitspapier, überarbeitet am 12. August 2026.

Quellen zuletzt geprüft am 18. Oktober 2026.