Eine Gruppe von knapp 200 Ökonomen, KI-Forschenden und Technologievertretern warnt vor erheblichen wirtschaftlichen Verwerfungen durch leistungsfähigere künstliche Intelligenz. In der Erklärung „We Must Act Now“ fordern die Unterzeichnenden Politik, Wissenschaft und Wirtschaft dazu auf, sich frühzeitig auf mögliche Veränderungen von Beschäftigung, Produktivität und Wohlstand vorzubereiten.
Bemerkenswert ist die Warnung, da sie nicht nur aus der Technologiebranche kommt. Zu den Unterzeichnenden gehören auch Wirtschaftswissenschaftler, die weitreichende Prognosen zu den Folgen künstlicher Intelligenz bislang zurückhaltend beurteilt haben. Ihre Beteiligung deutet auf einen Stimmungswandel hin: Die Möglichkeit schneller und umfangreicher Veränderungen am Arbeitsmarkt wird inzwischen auch von Fachleuten ernst genommen, die eine unmittelbar bevorstehende Automatisierungswelle weiterhin keineswegs für erwiesen halten.
Eine Prognose über unausweichliche Massenarbeitslosigkeit enthält die Erklärung jedoch nicht. Sie beschreibt ein Szenario mit großen Chancen und Risiken – und fordert, die wirtschaftlichen Folgen besser zu erforschen, bevor weitreichende Veränderungen statistisch eindeutig sichtbar werden.
Eine ungewöhnlich breite Warnung vor den Folgen leistungsfähiger KI
Die am 13. Juli 2026 veröffentlichte Erklärung beruht auf drei zentralen Annahmen. Erstens könne künstliche Intelligenz innerhalb der kommenden zehn Jahre erheblich leistungsfähiger werden. Zweitens könne dies eine wirtschaftliche Transformation auslösen, die größer als die industrielle Revolution ausfalle, sich aber in wesentlich kürzerer Zeit vollziehe. Drittens müssten Anreize, Leitplanken und Institutionen geschaffen werden, damit KI menschliche Fähigkeiten ergänzt und gesellschaftlichen Nutzen erzeugt.
Organisiert wurde die Initiative unter anderem von den Ökonomen Erik Brynjolfsson, Ajay Agrawal und Anton Korinek sowie dem KI-Forscher Tom Cunningham. Die Stanford-Mitteilung zur Veröffentlichung nennt 16 Nobelpreisträger unter den Unterzeichnenden. Hinzu kommen bekannte Arbeitsmarktökonomen, KI-Forschende sowie Vertreter von Unternehmen wie OpenAI, Anthropic und Google.
Die Zusammensetzung macht die Erklärung politisch und wissenschaftlich relevant. Sie verbindet Personen, die stark steigende KI-Fähigkeiten erwarten, mit Ökonomen, die vor überzogenen Annahmen über Automatisierung und Produktivität gewarnt haben. Diese Gruppe teilt nicht zwingend dieselbe Einschätzung darüber, wann eine tiefgreifende Transformation eintreten könnte. Gemeinsam ist ihr jedoch die Auffassung, dass die möglichen Folgen schwerwiegend genug sind, um frühzeitig zu handeln.
Warum sich die Debatte unter Ökonomen verändert
Warnungen vor einer weitgehenden Automatisierung menschlicher Arbeit sind nicht neu. Führungskräfte und Forschende aus der Technologiebranche argumentieren seit mehreren Jahren, dass leistungsfähige KI einen großen Anteil wissensbasierter Tätigkeiten übernehmen könnte. Solche Prognosen wurden von Ökonomen häufig mit Verweis auf frühere technologische Umbrüche relativiert.
Dampfmaschinen, Elektrifizierung, Industrieroboter und Computer beseitigten bestimmte Tätigkeiten und Berufsbilder, schufen langfristig aber auch neue Produkte, Unternehmen und Beschäftigungsmöglichkeiten. Technologische Veränderungen verliefen zudem oft langsamer, als ihre frühen Befürworter angenommen hatten. Zwischen einer technischen Möglichkeit und ihrer flächendeckenden wirtschaftlichen Nutzung liegen Investitionen, organisatorische Anpassungen, Qualifizierung und die Neugestaltung von Prozessen.
Diese historischen Erfahrungen bleiben relevant. Sie liefern jedoch keine Garantie dafür, dass sich die Entwicklung künstlicher Intelligenz im gleichen Tempo und mit vergleichbaren Beschäftigungswirkungen vollzieht.
Generative KI kann über digitale Infrastrukturen relativ schnell in sehr unterschiedlichen Branchen eingesetzt werden. Sie betrifft nicht nur körperliche Routinetätigkeiten oder einzelne Produktionsprozesse, sondern potenziell auch Analyse, Programmierung, Kommunikation, Kundenservice, Verwaltung und kreative Wissensarbeit. Die Verbreitung könnte daher breiter und schneller erfolgen als bei Technologien, die zunächst erhebliche physische Investitionen erforderten.
Dass Ökonomen wie Daron Acemoglu und Simon Johnson die Erklärung unterstützen, bedeutet nicht, dass sie die weitreichendsten Prognosen der Technologiebranche übernommen haben. Es zeigt vielmehr, dass auch skeptische Fachleute das Risiko signifikanter Arbeitsplatzverlagerungen inzwischen für plausibel genug halten, um institutionelle Vorbereitung zu verlangen.
Sagt die Erklärung Massenarbeitslosigkeit durch KI voraus?
Die Formulierungen der Erklärung sind bewusst konditional. KI „könnte“ erheblich leistungsfähiger werden und „könnte“ großflächige Arbeitsplatzverlagerungen auslösen. Daraus folgt weder, dass diese Entwicklung sicher eintreten wird, noch dass der Wegfall bestimmter Tätigkeiten automatisch zu einem entsprechenden Rückgang der Gesamtbeschäftigung führt.
Für die Einordnung sind drei Ebenen zu unterscheiden.
Technische Automatisierbarkeit
KI-Systeme können immer mehr Aufgaben bearbeiten, die bisher Menschen vorbehalten waren. Daraus lässt sich jedoch noch nicht ableiten, dass Unternehmen diese Aufgaben vollständig automatisieren werden. Wirtschaftlichkeit, Fehleranfälligkeit, Haftungsfragen, Akzeptanz und organisatorische Voraussetzungen beeinflussen, ob technische Möglichkeiten praktisch genutzt werden.
Veränderungen einzelner Tätigkeiten und Stellen
Häufig verändert KI zunächst einzelne Bestandteile eines Arbeitsplatzes. Beschäftigte erstellen beispielsweise einen ersten Entwurf mit einem KI-System, prüfen automatisierte Analysen oder bearbeiten komplexe Ausnahmefälle, während Standardprozesse automatisiert werden.
Solche Veränderungen können die Produktivität erhöhen, ohne dass eine Stelle unmittelbar entfällt. Sie können aber auch dazu führen, dass ein Unternehmen für dieselbe Arbeitsmenge weniger Personal benötigt.
Auswirkungen auf die Gesamtbeschäftigung
Selbst wenn bestimmte Berufe schrumpfen, können neue Aufgaben, Dienstleistungen und Unternehmen entstehen. Unklar ist jedoch, ob neue Beschäftigung schnell genug geschaffen wird, welche Qualifikationen dafür benötigt werden und ob betroffene Beschäftigte realistische Übergangsmöglichkeiten erhalten.
Eine positive langfristige Bilanz schließt deshalb erhebliche kurzfristige Belastungen nicht aus. Genau an diesem Punkt setzt die Erklärung an: Selbst ein letztlich produktivitäts- und wohlstandssteigernder Wandel könnte in der Übergangsphase Millionen Beschäftigte unter Anpassungsdruck setzen.
Die Geschwindigkeit könnte wichtiger sein als das endgültige Ergebnis
Technologische Veränderungen erzeugen nicht nur Gewinner und Verlierer. Entscheidend ist auch, wie viel Zeit Beschäftigten, Unternehmen und Institutionen für die Anpassung bleibt.
Verliert ein Berufsfeld über mehrere Jahrzehnte an Bedeutung, können Bildungssysteme reagieren, Unternehmen ihre Personalstrukturen schrittweise verändern und Beschäftigte in angrenzende Tätigkeiten wechseln. Vollzieht sich ein vergleichbarer Wandel innerhalb weniger Jahre, steigen die Risiken von Arbeitslosigkeit, Qualifikationsengpässen und dauerhaftem Einkommensverlust.
Die Unterzeichnenden argumentieren daher nicht ausschließlich mit dem möglichen Ausmaß der Transformation. Sie betonen die Kombination aus Umfang, Geschwindigkeit und Unsicherheit. Das Stanford Digital Economy Lab verweist darauf, dass frühere Basistechnologien Gesellschaften längere Anpassungsphasen ermöglicht hätten, während bei KI möglicherweise nur wenige Jahre zur Verfügung stünden.
Allerdings ist auch diese Geschwindigkeit noch nicht verlässlich prognostizierbar. KI-Fähigkeiten können sich schnell weiterentwickeln, während die organisatorische Umsetzung deutlich langsamer verläuft. Umgekehrt können standardisierte digitale Anwendungen innerhalb kurzer Zeit in vielen Unternehmen eingeführt werden. Welche Dynamik überwiegt, dürfte sich nach Branche, Tätigkeit und Geschäftsmodell unterscheiden.
Wie belastbar sind bisherige Erkenntnisse zu KI und Beschäftigung?
Die Forschung steht vor einem grundlegenden Messproblem. Unternehmen legen häufig nicht offen, ob Personalentscheidungen auf KI, allgemeinen Kostensenkungen, konjunktureller Unsicherheit oder veränderten Geschäftsmodellen beruhen. Gleichzeitig erfassen offizielle Arbeitsmarktstatistiken neue Technologien meist langsamer, als diese in Unternehmen eingeführt werden.
Auch die Messung der KI-Nutzung ist schwierig. Der Zugang zu einem KI-Werkzeug sagt wenig darüber aus, wie häufig es verwendet wird, welche Aufgaben es übernimmt und ob dadurch Beschäftigung ersetzt oder ergänzt wird.
Das Stanford Digital Economy Lab hat deshalb die „AI Economic Indicators“ aufgebaut. Die Plattform soll Daten zur Verbreitung von KI, zu Beschäftigungseffekten und zu makroökonomischen Veränderungen zusammenführen. Die bisher ausgewiesenen Ergebnisse zeigen Unterschiede zwischen stärker und schwächer von KI betroffenen Tätigkeitsfeldern, liefern aber noch kein einheitliches Bild einer gesamtwirtschaftlichen Beschäftigungskrise.
Hinweise auf Belastungen für Berufseinsteigende
Ein 2025 veröffentlichtes Stanford-Arbeitspapier untersuchte administrative Beschäftigungsdaten aus den Vereinigten Staaten. Bei 22- bis 25-jährigen Beschäftigten in besonders stark von generativer KI betroffenen Berufen stellten die Forschenden einen relativen Beschäftigungsrückgang von 16 Prozent fest. Bei erfahrenen Beschäftigten in denselben Berufsfeldern sowie in weniger KI-exponierten Tätigkeiten blieb die Beschäftigung dagegen stabil oder nahm zu.
Die Rückgänge konzentrierten sich nach Angaben der Autoren auf Berufe, in denen KI eher automatisierend als unterstützend eingesetzt werden kann. Die Studie bezeichnet ihre Ergebnisse als frühe Evidenz, die mit einem überproportionalen Effekt auf Berufseinsteigende vereinbar sei. Sie beweist jedoch nicht, dass sämtliche beobachteten Veränderungen ausschließlich durch KI verursacht wurden.
Gerade diese Einschränkung ist wichtig. Einzelne Indikatoren können frühe Veränderungen sichtbar machen, sollten aber nicht vorschnell zu einer allgemeinen Prognose über den gesamten Arbeitsmarkt ausgeweitet werden.
Der Transformation Tracker des Stanford Digital Economy Lab kommt bei zwölf makroökonomischen Indikatoren bislang zu einem zurückhaltenden Ergebnis: Für eine umfassende wirtschaftliche Transformation durch KI gebe es derzeit noch keine eindeutigen Belege. Der Tracker wurde zuletzt am 1. Juli 2026 aktualisiert.
Beides kann gleichzeitig zutreffen: Bestimmte Beschäftigtengruppen können bereits unter Druck geraten, während in gesamtwirtschaftlichen Produktivitäts- und Wachstumsdaten noch keine grundlegende Transformation erkennbar ist.
Ergänzt KI menschliche Arbeit oder ersetzt sie Beschäftigte?
Eine Kernfrage der Erklärung lautet, welche Art von KI Unternehmen entwickeln und einsetzen. Technologie folgt nicht zwangsläufig einem einzigen wirtschaftlichen Pfad. Investitionsentscheidungen, Leistungskennzahlen und Organisationsmodelle beeinflussen, ob Systeme primär zur Unterstützung von Beschäftigten oder zur Verringerung des Personalbedarfs eingesetzt werden.
Ein ergänzender Einsatz kann Beschäftigte von repetitiven Aufgaben entlasten, Informationen schneller zugänglich machen oder die Qualität von Entscheidungen verbessern. Voraussetzung ist, dass Menschen weiterhin über ausreichende Fachkenntnisse, Entscheidungsbefugnisse und Möglichkeiten zur Kontrolle verfügen.
Ein ersetzender Einsatz zielt dagegen darauf, möglichst vollständige Aufgabenketten ohne menschliche Beteiligung abzuwickeln. Auch dies kann in bestimmten Bereichen wirtschaftlich sinnvoll sein. Problematisch wird die Entwicklung, wenn kurzfristige Einsparungen zum einzigen Erfolgskriterium werden und mögliche Folgekosten unberücksichtigt bleiben.
Dazu zählen der Verlust von Erfahrungswissen, schwächere Karrierewege, neue Qualitätsrisiken und eine höhere Abhängigkeit von wenigen technischen Systemen. Unternehmen müssen deshalb nicht grundsätzlich zwischen Automatisierung und Beschäftigungsschutz wählen. Sie müssen jedoch transparent bestimmen, welche Ziele ein KI-Projekt verfolgt und welche organisatorischen Folgen akzeptabel sind.
Was die Debatte für HR und Personalmanagement bedeutet
Die Erklärung richtet sich vor allem an Ökonomen, politische Entscheidungsträger und Technologieunternehmen. Ihre Kernfragen reichen jedoch unmittelbar in die Personalarbeit hinein.
Personalplanung sollte Aufgaben statt nur Stellen betrachten
Klassische Stellenbeschreibungen bilden den Einfluss künstlicher Intelligenz häufig nur unzureichend ab. Ein Beruf kann gleichzeitig gut automatisierbare Routinetätigkeiten, schwer standardisierbare Fachentscheidungen und zwischenmenschliche Aufgaben enthalten.
Eine belastbare Personalplanung sollte deshalb untersuchen, welche konkreten Tätigkeiten sich verändern. Daraus lässt sich ableiten, wo Kapazitäten sinken könnten, welche Rollen neu zugeschnitten werden müssen und an welchen Stellen zusätzliche Kompetenzen erforderlich sind.
Solche Analysen sollten regelmäßig aktualisiert werden. Eine einmalige Bewertung kann angesichts der technischen Entwicklung schnell veralten.
Einstiegspositionen verdienen besondere Aufmerksamkeit
Berufseinsteigende übernehmen häufig Aufgaben, die sich relativ leicht standardisieren lassen: erste Recherchen, Dokumentation, einfache Analysen, Programmroutinen oder vorbereitende Entwürfe. Werden diese Tätigkeiten automatisiert, kann der Bedarf an Juniorpositionen sinken.
Für Unternehmen entsteht damit ein strategisches Problem. Die automatisierten Aufgaben sind nicht nur produktive Arbeit, sondern häufig auch Lerngelegenheiten. Durch sie entwickeln Nachwuchskräfte Prozessverständnis, fachliche Sicherheit und Urteilsfähigkeit.
Fallen diese Lernschritte weg, müssen neue Entwicklungswege entstehen. Andernfalls können kurzfristige Effizienzgewinne langfristig zu einem Mangel an erfahrenen Fach- und Führungskräften beitragen.
Weiterbildung darf sich nicht auf einzelne Werkzeuge beschränken
Schulungen zu konkreten KI-Anwendungen sind notwendig, reichen aber nicht aus. Werkzeuge, Benutzeroberflächen und technische Fähigkeiten verändern sich schnell. Nachhaltiger sind Kompetenzen, die über einzelne Produkte hinausreichen.
Dazu gehören fachliche Urteilskraft, Datenverständnis, die Prüfung automatisierter Ergebnisse und die Fähigkeit, geeignete Aufgaben für den KI-Einsatz zu identifizieren. Beschäftigte müssen nicht nur lernen, wie sie ein System bedienen, sondern auch, wann sie seinen Ergebnissen misstrauen sollten.
Weiterbildung kann zudem nicht jede Form von Arbeitsplatzverlust verhindern. Sie ist nur wirksam, wenn tatsächlich erreichbare neue Tätigkeiten entstehen und Beschäftigte ausreichend Zeit erhalten, die erforderlichen Fähigkeiten aufzubauen.
Unternehmen benötigen mehrere Szenarien
Wegen der unsicheren Datenlage wäre es wenig sinnvoll, die Personalstrategie auf eine einzige Prognose zu stützen. Unternehmen können stattdessen unterschiedliche Entwicklungspfade modellieren.
Ein Szenario kann von überwiegend unterstützender KI und steigender Nachfrage ausgehen. Ein zweites kann eine starke Automatisierung standardisierter Wissensarbeit unterstellen. Ein drittes kann eine langsamere Einführung berücksichtigen, weil Qualität, Kosten oder organisatorische Hürden den Einsatz begrenzen.
Für jedes Szenario sollten Personalbedarf, Qualifikationen, Karrierewege und Übergangsmöglichkeiten geprüft werden. Szenarioplanung ersetzt keine Prognose. Sie verringert jedoch die Abhängigkeit von einer einzigen Annahme.
Die Grenzen des Aufrufs
Die Erklärung „We Must Act Now“ besitzt ein hohes öffentliches Gewicht, bleibt inhaltlich aber allgemein. Sie enthält keine konkreten Vorschläge zur Finanzierung von Übergängen, zur sozialen Absicherung oder zu arbeitsmarktpolitischen Instrumenten. Auch messbare Kriterien dafür, wann eine bestimmte Intervention erforderlich wäre, fehlen.
Das ist teilweise beabsichtigt. Die Unterzeichnenden wollen zunächst ein gemeinsames Problembewusstsein schaffen, obwohl sie in vielen Einzelfragen unterschiedliche Positionen vertreten dürften.
Die breite Unterstützung darf deshalb nicht mit einem wissenschaftlichen Konsens über bevorstehende Massenarbeitslosigkeit verwechselt werden. Einigkeit besteht eher über die Notwendigkeit, Risiken und Chancen genauer zu untersuchen und Institutionen auf schnellere Veränderungen vorzubereiten.
Offen bleibt insbesondere, wie schnell sich technische Fortschritte in wirtschaftliche Produktivität übersetzen, welche Berufe dauerhaft betroffen sein werden und ob neue Nachfrage die Arbeitsplatzverluste in anderen Bereichen ausgleichen kann.
Fazit: Der Handlungsbedarf entsteht aus der Unsicherheit
Die Erklärung führender Ökonomen und Technologievertreter ist kein Beleg dafür, dass künstliche Intelligenz zwangsläufig eine globale Beschäftigungskrise auslösen wird. Sie dokumentiert jedoch einen relevanten Stimmungswandel: Auch bisher zurückhaltende Wirtschaftswissenschaftler schließen schnelle und erhebliche Verwerfungen am Arbeitsmarkt nicht mehr aus.
Die zentrale Herausforderung liegt in der Übergangsphase. KI kann langfristig Produktivität und Lebensstandard erhöhen und zugleich kurzfristig bestimmte Beschäftigtengruppen stark belasten. Besonders gefährdet könnten Tätigkeiten sein, die sich standardisieren lassen, sowie Einstiegspositionen, deren Aufgaben früh automatisiert werden.
Für HR bedeutet dies, Personalplanung, Weiterbildung und Organisationsentwicklung nicht erst dann anzupassen, wenn Stellenverluste eindeutig nachgewiesen sind. Gleichzeitig wären pauschale Abbauprogramme auf Grundlage unsicherer Prognosen ebenso wenig gerechtfertigt.
Erforderlich ist eine differenzierte Vorbereitung: Unternehmen sollten Tätigkeiten statt nur Stellen analysieren, alternative Szenarien entwickeln, neue Karrierewege schaffen und bei KI-Projekten bewusst entscheiden, ob die Technologie menschliche Arbeit ergänzen oder ersetzen soll.
Die Warnung lautet damit nicht, dass der Ausgang bereits feststeht. Sie lautet, dass die Entscheidungen über diesen Ausgang früher getroffen werden könnten, als Arbeitsmarktstatistiken erkennen lassen.
Quellenbasis
- „Nearly 200 Economists and Tech Leaders Warn of A.I. Threats“, The New York Times, 13. Juli 2026
- „We Must Act Now: A Statement on AI’s Transformation of the Economy“
- Stanford Digital Economy Lab: Mitteilung zur Veröffentlichung von „We Must Act Now“, 13. Juli 2026
