Welche neuen Studien und Daten zu künstlicher Intelligenz sind für Personalverantwortliche tatsächlich relevant? Im KI & HR Radar filtern wir aktuelle Forschung zu KI, Recruiting und Arbeitswelt nach ihrem praktischen und strategischen Wert für HR.
Diese Woche lohnt sich besonders der Blick auf scheinbar widersprüchliche Arbeitsmarktdaten. Ein neues Working Paper findet bei jungen US-Hochschulabsolventen bislang keinen statistisch nachweisbaren KI-bedingten Anstieg der Arbeitslosigkeit. Gleichzeitig zeigen neue Arbeitsmarktdaten weiterhin eine deutlich schwächere Nachfrage nach Junior-Beschäftigten in besonders KI-exponierten Berufen.
Dazu kommt ein Befund, der die Debatte über Automatisierung erweitert: Technisch können heutige Roboter bereits überraschend viele körperliche Tätigkeiten ausführen. Wirtschaftlich konkurrenzfähig sind sie gegenüber menschlicher Arbeit aber bislang nur bei einem winzigen Teil davon. Und eine neue Arbeitsmarktmodellierung zeigt, wie groß der Umbau dennoch werden könnte, wenn KI und Automatisierung breiter diffundieren.
1. Neue Studie widerspricht der einfachen These vom KI-bedingten Jobschock für Berufseinsteiger
Kaum ein KI-Arbeitsmarktthema hat uns in den vergangenen Wochen so beschäftigt wie die Entwicklung bei Berufseinsteigern. Die aktualisierten Stanford-Daten zeigen eine auffällige Beschäftigungslücke bei jungen Menschen in stark KI-exponierten Berufen.
Ein neues Working Paper von Robert Fairlie und Jane Wu liefert jetzt einen wichtigen Gegenpunkt. Die Forschenden untersuchen mit Mikrodaten des Current Population Survey, ob sich im Sommer 2026 bei jungen Hochschulabsolventen bereits ein ungewöhnlicher Anstieg der Arbeitslosigkeit erkennen lässt.
Ihr Ergebnis: Bislang nicht.
Die Arbeitslosenquote von 22- bis 25-jährigen Hochschulabsolventen lag im Juni, Juli und August 2026 im Durchschnitt bei rund 7,3 Prozent. Das ist erhöht, liegt aber innerhalb der Schwankungsbreite der vergangenen Sommer. Auch im Vergleich zu älteren Hochschulabsolventen und jungen Menschen ohne Hochschulabschluss finden die Autoren keinen statistisch signifikanten ungewöhnlichen Anstieg.
Besonders interessant ist ein zusätzlicher Test. Die Forschenden erweitern die klassische Arbeitslosigkeitsdefinition um junge Absolventen, die aktuell nicht aktiv nach Arbeit suchen, aber angeben, einen Job zu wollen. Diese Gruppe erhöht die gemessene Quote um knapp zwei Prozentpunkte. Doch auch mit diesen von den Autoren als sidelined unemployed bezeichneten Personen ergibt sich für 2026 kein statistisch signifikanter KI-Effekt.
Auch eine höhere KI-Exposition des jeweiligen Berufs ist in den Modellen nicht mit einem statistisch signifikanten zusätzlichen Anstieg der Arbeitslosigkeit verbunden.
Zum NBER Working Paper „The Early Impacts of AI on Employment among Recent College Graduates“
Widerspricht das Stanford?
Nicht unmittelbar. Und genau darin liegt der interessante Punkt dieser Woche.
Die Studien messen unterschiedliche Dinge mit unterschiedlichen Daten. Stanford arbeitet mit administrativen Payroll-Daten von ADP und betrachtet Beschäftigungsentwicklungen innerhalb unterschiedlich KI-exponierter Berufsgruppen. Fairlie und Wu verwenden dagegen die US-Haushaltsbefragung CPS und fragen insbesondere, ob sich bei jungen Hochschulabsolventen ein ungewöhnlicher Anstieg der Arbeitslosigkeit feststellen lässt.
Weniger Neueinstellungen in bestimmten KI-exponierten Berufen müssen deshalb nicht automatisch zu einem sofort messbaren Anstieg der Arbeitslosigkeit aller jungen Hochschulabsolventen führen. Absolventen können andere Berufe annehmen, in andere Branchen wechseln, weiterstudieren oder vorübergehend außerhalb der klassischen Arbeitslosigkeitsstatistik landen.
Die neue Untersuchung ist deshalb kein Beleg dafür, dass KI keinen Einfluss auf Einstiegsjobs hat. Sie zeigt aber, dass die derzeit verfügbaren Daten eine viel stärkere Aussage – etwa „KI verursacht bereits einen allgemeinen Jobschock bei Hochschulabsolventen“ – nicht tragen.
Für HR bedeutet das: Unternehmen sollten die Berufseinsteigerfrage ernst nehmen, aber nicht aus einzelnen Arbeitsmarktindikatoren vorschnell auf einen flächendeckenden KI-bedingten Stellenabbau schließen. Interessanter als die allgemeine Arbeitslosenquote dürfte für viele Unternehmen ohnehin sein, ob sich der eigene Mix aus Junior-, Mid-Level- und Senior-Rollen verschiebt.
Wie belastbar ist das? Das Working Paper verwendet etablierte US-Arbeitsmarktdaten und testet die Ergebnisse mit mehreren Vergleichsgruppen sowie Difference-in-Differences- und Event-Study-Modellen. Gleichzeitig ist die untersuchte Zeitspanne nach breiter Einführung generativer KI noch kurz. Die Autoren selbst sprechen von frühen Auswirkungen. Nicht signifikante Effekte bedeuten zudem nicht, dass ein Effekt ausgeschlossen ist – sondern dass er mit diesen Daten bislang nicht belastbar nachgewiesen werden kann.
2. Neue Arbeitsmarktdaten: 90 Prozent der Veränderung passiert innerhalb bestehender Berufe
Während die neue NBER-Studie vor zu weitgehenden Aussagen über Berufseinsteiger warnt, liefert der am 1. Oktober aktualisierte AI Labor Market Tracker von Revelio Labs einen zweiten wichtigen Blick auf den US-Arbeitsmarkt.
Der vielleicht wichtigste Befund steht dabei nicht bei den Jobverlusten: 90 Prozent der im Jahresvergleich gemessenen Veränderung von Arbeitsaktivitäten findet innerhalb bestehender Berufe statt. Nur rund zehn Prozent entfallen auf Verschiebungen zwischen unterschiedlichen Berufen.
Das spricht für eine Entwicklung, die für HR besonders relevant ist: KI verändert möglicherweise zunächst stärker Jobs als Jobtitel.
Revelio nennt beispielsweise Executive Assistants. In deren Stellenprofilen gewinnen strategische Programmsteuerung und Projektkoordination an Bedeutung, während Tätigkeiten rund um Rechnungsbearbeitung zurückgehen.
Zum AI Labor Market Tracker – September 2026
Bei Junior-Rollen bleibt das Warnsignal bestehen
Gleichzeitig bestätigt der Tracker ein Muster, das wir aus anderen Untersuchungen kennen. Das Volumen der Stellenanzeigen in den am stärksten KI-exponierten Berufen liegt gegenüber den am wenigsten exponierten Berufen rund 29 Prozent niedriger als es die relative Entwicklung seit Oktober 2022 erwarten ließe. Im Juli hatte die Lücke allerdings noch rund 40 Prozent betragen – sie hat sich also zuletzt verkleinert.
Die Schwäche konzentriert sich weiterhin besonders auf Junior-Positionen.
Noch interessanter ist jedoch ein scheinbares Gegenstück: Unternehmen, die nach der Revelio-Methodik tatsächlich KI eingeführt haben, wachsen beim Personalbestand stärker als Nicht-Adopter. Dieses Wachstum konzentriert sich allerdings deutlich auf erfahrenere Beschäftigte. Revelio beziffert den relativen Zuwachs bei Senior-Rollen auf 32 Prozent und bei Junior-Rollen auf lediglich sechs Prozent.
Auch bei Entlassungen ergibt sich kein einfaches Automatisierungsbild. Besonders KI-exponierte Unternehmen verzeichnen in den ausgewerteten WARN-Meldungen nicht mehr, sondern weniger Entlassungen als weniger exponierte Unternehmen.
Für HR bedeutet das: Die wichtigere Transformationsfrage könnte kurzfristig nicht lauten „Welche Berufe verschwinden?“, sondern „Welche Aufgaben verschwinden aus unseren bestehenden Rollen – und welche kommen hinzu?“. Das betrifft Stellenbeschreibungen, Kompetenzmodelle, Stellenbewertung und Personalentwicklung unmittelbar.
Wie belastbar ist das? Revelio arbeitet mit sehr großen Datenbeständen aus beruflichen Online-Profilen, Stellenanzeigen, Beschäftigtenbewertungen und weiteren Quellen und legt die Methodik der einzelnen Indikatoren offen. Es handelt sich aber nicht um amtliche Arbeitsmarktstatistik. Besonders wichtig: KI-Exposition ist nicht dasselbe wie tatsächliche KI-Nutzung. Auch die Identifikation von KI-Adoptern über ausgeschriebene Integrationsrollen ist ein Proxy. Die Ergebnisse zeigen starke Zusammenhänge und Entwicklungen, aber nicht automatisch kausale KI-Effekte.
3. Roboter könnten technisch drei Viertel der körperlichen Aufgaben erledigen – wirtschaftlich sieht es völlig anders aus
Die Diskussion über KI und Arbeit konzentriert sich bislang stark auf Büro- und Wissensarbeit. Eine am 30. September veröffentlichte Analyse von Anthropic erweitert den Blick auf körperliche Arbeit und Robotik.
Die Forschenden entwickelten einen Robotik-Expositionsindex und ordneten berufliche Tätigkeiten danach ein, ob heutige Robotersysteme sie technisch ausführen können.
Das Ergebnis wirkt zunächst spektakulär: Roboter können demnach bereits etwa drei Viertel der körperlichen Aufgaben in US-Berufen zumindest unter bestimmten Bedingungen ausführen. Diese Tätigkeiten entsprechen rund 34 Prozent der gesamten Arbeitszeit.
Gemeinsam mit Tätigkeiten, die Large Language Models bearbeiten können, sind nach der Analyse rund 80 Prozent der Arbeitszeit zumindest technisch gegenüber einer der beiden Technologien exponiert.
Doch genau hier kommt die entscheidende Einschränkung.
Technische Machbarkeit ist noch lange keine wirtschaftliche Automatisierung. Viele Roboter funktionieren bislang nur in stark strukturierten Umgebungen. Vor allem aber sind sie teuer. Nach der Modellierung der Autoren sind heutige Robotersysteme nur für etwa 0,3 Prozent der Arbeit kostengünstiger als menschliche Beschäftigte.
Zur Anthropic-Studie „What work can robots do?“
Exposure ist nicht gleich Substitution
Der Befund ist auch für die bisherige GenAI-Debatte lehrreich. Ein Beruf kann technisch stark gegenüber einer Technologie exponiert sein, ohne dass Unternehmen ihn kurzfristig automatisieren.
Entscheidend sind zusätzlich Kosten, Zuverlässigkeit, Integration in reale Prozesse, Geschwindigkeit, Regulierung und die Frage, ob Menschen bestimmte Tätigkeiten weiterhin besser oder flexibler erledigen.
Die Autoren modellieren zudem, wie stark fallende Robotikkosten die Wirtschaftlichkeit verändern könnten. Würden die realen Kosten langfristig lediglich im bisherigen Tempo sinken, könnte es Jahrzehnte dauern, bis Roboter für einen größeren Anteil der Arbeit tatsächlich kostengünstiger werden.
Für HR bedeutet das: Expositionsstudien sollten weder für Wissensarbeit noch für körperliche Arbeit als Prognose konkreter Stellenverluste gelesen werden. Für Workforce Planning ist eine zweite Ebene notwendig: Ist eine Aufgabe nicht nur technisch automatisierbar, sondern im konkreten Unternehmen auch wirtschaftlich, organisatorisch und regulatorisch sinnvoll zu automatisieren?
Wie belastbar ist das? Die Untersuchung kombiniert Tätigkeitsdaten mit Bewertungen heutiger Robotikfähigkeiten und ökonomischen Kostenannahmen. Sie liefert damit einen systematischen Expositionsindikator, aber keine beobachtete Automatisierungsquote. Zudem stammt die Untersuchung von einem KI-Anbieter. Die Autoren legen Methodik und Annahmen offen, dennoch sollten insbesondere langfristige Kostenprojektionen als Szenarien und nicht als Prognosen verstanden werden.
4. McKinsey: Nicht die Zahl der Jobs, sondern die Größenordnung der Übergänge könnte das Problem werden
Einen breiteren Blick auf den möglichen Umbau des Arbeitsmarktes liefert ein neuer Report des McKinsey Global Institute vom 29. September.
Die Modellierung kommt für die USA zu einem zunächst kontraintuitiven Ergebnis: Insgesamt könnten in den kommenden zehn Jahren mehr Arbeitsplätze entstehen, als durch Automatisierung ersetzt werden.
Das bedeutet jedoch nicht, dass der Übergang problemlos wäre.
McKinsey schätzt, dass bis 2035 rund 11 Millionen Beschäftigte aus schrumpfenden Tätigkeitsfeldern in andere Berufe wechseln müssten. Je nach Geschwindigkeit der Automatisierung reicht die modellierte Spannweite von etwa sechs bis 16 Millionen.
Zum McKinsey-Report „Workforce in motion: Skills and pathways to future jobs in the United States“
Damit verschiebt sich die Perspektive: Ein Arbeitsmarkt kann netto weiterhin Beschäftigung schaffen und gleichzeitig für Millionen Menschen erhebliche Anpassungsprobleme erzeugen.
Für HR ist das ein wichtiger Unterschied. Eine positive Gesamtbeschäftigung beantwortet nicht die Frage, ob die Menschen aus schrumpfenden Tätigkeiten über die Kompetenzen, Qualifikationen, Mobilität und Zugänge verfügen, die für wachsende Tätigkeiten erforderlich sind.
Für HR bedeutet das: Reskilling sollte nicht abstrakt als „mehr Weiterbildung“ verstanden werden. Entscheidend wird, welche realistischen Übergänge zwischen heutigen und zukünftigen Rollen bestehen und welche Kompetenzlücken dafür tatsächlich geschlossen werden müssen. Für strategische Personalplanung bedeutet das: weniger Fokus auf pauschale Jobverlustprognosen, mehr auf konkrete Übergangspfade.
Wie belastbar ist das? Anders als die NBER-Untersuchung oder der Revelio-Tracker beobachtet der McKinsey-Report keine bereits eingetretenen KI-Effekte. Es handelt sich um eine szenariobasierte Modellierung zukünftiger Arbeitsnachfrage. Die Spannweite von sechs bis 16 Millionen notwendigen Berufswechseln zeigt selbst, wie stark das Ergebnis von Annahmen über Technologieeinführung und Arbeitsnachfrage abhängt. Der Report eignet sich deshalb für Workforce-Szenarien, nicht als Vorhersage.
Unsere Artikel der Woche
KI-Kompetenz wird zur Pflicht – aber wird sie auch bezahlt?
KI-Kompetenz wandert zunehmend aus der Spezialistenecke in reguläre Stellenprofile. Wir zeigen, warum die Nutzung eines KI-Tools allein noch keinen Gehaltsaufschlag rechtfertigt – zusätzliche Gestaltung, Komplexität, Governance- oder Risikoverantwortung aber sehr wohl eine Neubewertung der Stelle auslösen kann.
Technostress durch KI? Was Studien wirklich zeigen
Eine derzeit viel zitierte Untersuchung wird teilweise als Beleg für gesundheitliche Folgen von KI am Arbeitsplatz präsentiert. Die entscheidenden Daten stammen jedoch aus den Jahren 2011 bis 2019. Wir haben untersucht, was die Studie tatsächlich zeigt – und was nicht.
Was aus den Studien dieser Woche hängen bleibt
Die wichtigste Erkenntnis dieser Woche lautet vielleicht: Es gibt weiterhin keine einzelne Kennzahl, die uns sagt, was KI mit dem Arbeitsmarkt macht.
Die neue NBER-Analyse findet bislang keinen statistisch belastbaren KI-bedingten Arbeitslosigkeitsschock bei jungen Hochschulabsolventen. Gleichzeitig bleibt in anderen Daten die Nachfrage nach Junior-Beschäftigten in stark KI-exponierten Berufen auffällig schwach.
Revelio wiederum zeigt, dass ein Großteil der Veränderung innerhalb bestehender Berufe stattfindet. Genau das kann erklären, warum eine tiefgreifende Transformation der Arbeit nicht zwangsläufig sofort in Arbeitslosenquoten sichtbar wird.
Die Robotik-Analyse liefert dazu eine wichtige methodische Erinnerung: Technische Machbarkeit, tatsächliche Einführung und wirtschaftliche Substitution sind drei verschiedene Dinge. Zwischen ihnen können enorme Abstände liegen.
Und die McKinsey-Szenarien machen deutlich, dass selbst ein Arbeitsmarkt mit positiver Netto-Beschäftigung vor erheblichen Problemen stehen kann, wenn Millionen Menschen zwischen Tätigkeiten und Berufen wechseln müssen.
Für HR folgt daraus: Nicht auf die eine große Jobverlustzahl warten. Relevanter ist, systematisch zu beobachten, welche Aufgaben sich verändern, wo Junior-Rollen zurückgehen, welche neuen Anforderungen innerhalb bestehender Stellen entstehen und welche realistischen Übergänge Beschäftigte in neue Tätigkeiten haben.
Quellen
- Fairlie, Robert W.; Wu, Jane: The Early Impacts of AI on Employment among Recent College Graduates, NBER Working Paper 35796 / CESifo Working Paper 12994, September 2026.
- Zweig, Ben; Simon, Lisa K.; Wilkie-Rogers, Caelan: AI Labor Market Tracker – September 2026, Revelio Labs, veröffentlicht am 1. Oktober 2026.
- Anthropic: What work can robots do?, 30. September 2026.
- McKinsey Global Institute: Workforce in motion: Skills and pathways to future jobs in the United States, 29. September 2026.
Offenlegung: Dieser Beitrag wurde mit KI-Unterstützung erstellt. Die genannten Quellen und zentralen Studienergebnisse wurden anhand der verlinkten Originalquellen geprüft.
Jetzt hier abonnieren
