KI als Jobkiller für Berufseinsteiger? Entwarnung mit Vorbehalt

Derzeit wird vielfach befürchtet, dass Künstliche Intelligenz den Einstieg in Beschäftigung erschweren oder gar zu einem Kahlschlag am Arbeitsmarkt führen könne. Neue Beschäftigtendaten für Deutschland zeichnen hier ein weniger dramatisches Bild: Ein allgemeiner Beschäftigungseinbruch in KI-exponierten Berufen bleibt aus. Unterm Strich haben sich diese sogar günstiger entwickelt als die weniger exponierten Berufe. Bei jungen Beschäftigten zeigt sich indes ein im Vergleich zum negativen Effekt der schwachen Konjunktur zwar geringer, aber jedoch zunehmend negativer Zusammenhang.

Seit dem Start von ChatGPT Ende 2022 ist häufig von einer drohenden „Jobapokalypse“ die Rede. Besonders gefährdet erscheinen auf den ersten Blick junge Menschen: Typische Aufgaben zu Beginn einer Berufslaufbahn, so das Argument, lassen sich durch generative KI relativ gut automatisieren. Personen, die sich bereits länger im Arbeitsmarkt befinden beziehungsweise in einem konkreten Betrieb tätig sind, verfügen demgegenüber häufiger über komplementäres Wissen und ein stärkeres berufliches Urteilsvermögen. KI wird in der Forschung daher als „erfahrungsbegünstigender technologischer Wandel“ (seniority biased technological change) diskutiert.

Die bisherige empirische Evidenz zu den Beschäftigungseffekten von KI ist jedoch gemischt. Eine jüngst erschienene prominente Studie von Erik Brynjolfsson und anderen kommt für die USA zu dem Ergebnis, dass die Beschäftigung von 22- bis 25-Jährigen in stark KI-exponierten Berufen um 19 Prozent stärker zurückgegangen ist als in den weniger KI-exponierten.

Ein ähnlicher Zusammenhang konnte für die EU bisher nicht nachgewiesen werden. Auch die Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD) schätzt den bisherigen Beitrag generativer KI zu den schwierigeren Arbeitsmarktbedingungen junger Menschen im aktuellen OECD-Beschäftigungsausblick nur als begrenzt ein. Ein stärkeres Gewicht misst sie hingegen Faktoren wie Konjunktur, Zinsen, Branchenstruktur und institutionellen Unterschieden bei.

Vor diesem Hintergrund wird im Folgenden für Deutschland aufgezeigt, wie sich die Beschäftigung in unterschiedlich KI-exponierten Berufen in Abhängigkeit vom Alter der Beschäftigten entwickelt hat. Ein besonderer Fokus liegt dabei auf der frühen Erwerbsphase im Alter von 20 bis 29 Jahren. Dabei werden auch andere Faktoren wie die Homeofficefähigkeit und die Konjunkturabhängigkeit eines Berufs berücksichtigt. Grundlage sind monatliche administrative Daten von rund 22,3 Millionen sozialversicherungspflichtig Vollzeitbeschäftigten (siehe Infokasten „Daten und Methoden“).

Die Zahl der Beschäftigten in KI-exponierten Berufen ist unterm Strich leicht gestiegen

Zwischen 2022, dem Startjahr von ChatGPT, und 2025 ging die Zahl der Vollzeitbeschäftigten in Deutschland leicht zurück. Die Beschäftigung von 20- bis 29-Jährigen entwickelte sich dabei am schwächsten: Sie lag im Jahresdurchschnitt 2025 rund 3 Prozent unter dem Niveau von 2022. Bei den 30- bis 39-Jährigen betrug der Rückgang rund 1,3 Prozent, bei den 40- bis 64-Jährigen weniger als 1 Prozent.

Aufschlussreich ist hier der Vergleich zwischen mehr und weniger KI-exponierten Berufen. Tatsächlich zeigt sich bei ersteren kein allgemeiner Beschäftigungseinbruch (siehe Abbildung 1a). Insgesamt lag die Beschäftigung in den beiden am stärksten exponierten Berufsgruppen 2025 sogar um rund 1 Prozent über dem Niveau von 2022, in den drei weniger exponierten Gruppen dagegen um gut 3 Prozent darunter. Dieses Muster findet sich noch deutlicher für Beschäftigte ab 30 Jahren, wo sich der Zuwachs in den KI-exponierten Berufen gegenüber 2022 sogar auf rund 2 Prozent beläuft.

In der frühen Erwerbsphase hingegen ist eher das gegenteilige Mustererkennbar: In den stark KI-exponierten Berufen sank die Vollzeitbeschäftigung gegenüber 2022 um 3,8 Prozent, in den weniger exponierten Berufen um 2,6 Prozent. Unterm Strich ergibt sich ein sehr bemerkenswerter Befund: Während das Beschäftigungswachstum in den KI-exponierten Berufen bei den 30- bis 39-Jährigen um fast 6 Prozentpunkte höher und bei den 40- bis 64-Jährigen um rund 5 Prozentpunkte stärker ausfiel als in den weniger KI-exponierten Berufen, lag der entsprechende Wachstumsabstand in der Altersgruppe zwischen 20 und 29 Jahren bei minus 1,2 Prozentpunkten (siehe Abbildung 1b).

Homeoffice und Konjunktur sind weitere potenzielle Einflussfaktoren für die Beschäftigungsentwicklung

Das hier verwendete, von Tyna Eloundou und anderen (2024) entwickelte Maß für die KI-Exposition ist definiert als der Anteil der beruflichen Tätigkeiten, der mit sogenannten Large Language Modellen (LLMs) oder darauf aufbauender Software deutlich schneller erledigt werden könnte. Besonders hoch ist dieses Potenzial in den Berufsbereichen Unternehmensorganisation, Rechnungswesen und Recht sowie in den Geistes- und Naturwissenschaften, in den Medien, der Kunst und Gestaltung, und in der Informatik (siehe Abbildung 2).

Zugleich eignen sich diese Berufe häufig für Tätigkeiten im Homeoffice. Räumliche Distanz, so eine aktuelle These von Peter John Lambert und Yannick Schindler, kann die Einarbeitung, das informelle Lernen und das Mentoring erschweren, sodass Betriebe hier dazu tendieren könnten, eher erfahrene Arbeitskräfte einzustellen als Berufseinsteiger. Homeoffice ist daher eine plausible alternative Erklärung für die altersspezifischen Unterschiede in der Beschäftigungsentwicklung.

Zudem durchlief Deutschland im Untersuchungszeitraum eine wirtschaftliche Schwächephase, was Berufseinsteiger*innen besonders treffen kann, wie Matthias Umkehrer in einer 2019 erschienenen Studie ausführt. Da dieser Konjunktureffekt eine ähnliche altersspezifische Wirkung entfalten könnte wie ein möglicher „KI-Effekt“ wird im Folgenden auch berücksichtigt, wie stark Berufe und Sektoren von der schlechten Konjunktur der letzten Jahre betroffen waren.

KI macht nur einen Teil der Beschäftigungsentwicklung aus

Abbildung 3 zeigt den geschätzten Zusammenhang zwischen den drei Expositionsmaßen und der Beschäftigungsentwicklung nach Altersgruppen. Auf diese Weise lässt sich der jeweils von den beiden anderen Faktoren isolierte Zusammenhang zwischen KI-Exposition, Homeoffice-Eignung, wirtschaftlicher Schwächephase und Beschäftigungsentwicklung visualisieren. Zum Verständnis der Abbildung: Je größer der Balken – egal ob negativ oder positiv – desto stärker ist der Zusammenhang zwischen dem jeweiligen Expositionsmaß und der Beschäftigungsentwicklung.

Bei den 20- bis 29-Jährigen zeigt sich: Der (negative) Zusammenhang zwischen Beschäftigungsentwicklung und KI-Exposition ist schwach und statistisch nicht signifikant (ersichtlich daran, dass die sogenannten Konfidenzintervalle die x-Achse schneiden), nimmt aber über die Zeit zu (ablesbar an den leicht „wachsenden“ grünen Balken). Im Jahr 2025 ging eine um eine Standardabweichung höhere KI-Exposition mit einer schätzungsweise um 1,8 Prozent ungünstigeren Beschäftigungsentwicklung für die jüngere Altersgruppe einher. Ergänzende Analysen zeigen, dass dieser Rückgang nicht durch unterschiedliche Trends vor 2022, beispielsweise die Corona-Pandemie, erklärbar ist (etwa in Bezug auf Faktoren wie Alter oder KI-Exposition).

Für Beschäftigte über 30 Jahre und die Beschäftigung insgesamt zeigt sich hingegen ein positiver, aber ebenfalls statistisch insignifikanter Zusammenhang. Bei Beschäftigten ab 40 Jahren wiederum geht eine um eine Standardabweichung höhere KI-Exposition mit einer um schätzungsweise 1,4 Prozent günstigeren Beschäftigungsentwicklung einher. Berufe mit einer höheren Homeoffice-Eignung erfuhren im selben Zeitraum bei allen Altersgruppen eher eine leicht positive, wenngleich statistisch nicht signifikante Entwicklung (siehe türkise Balken).

Demgegenüber geht die wirtschaftliche Schwächephase mit einem deutlichen und sich über die Jahre verstärkenden Beschäftigungsrückgang einher (ersichtlich daran, dass die blauen Balken bei allen Altersgruppen zunehmend höhere Werte im negativen Bereich aufweisen). Diese Konjunkturanfälligkeit ist bei jungen Beschäftigten besonders ausgeprägt: Ihre Beschäftigung ging in Berufen in wirtschaftlich schwächelnden Sektoren zwischen 2022 und 2025 um 4,2 Prozent zurück.

Ein mögliches KI-Warnsignal zeigt sich im verarbeitenden Gewerbe sowie in nicht akademisch geprägten Berufen

Die Ergebnisse deuten darauf hin, dass vor allem die Wirtschaftsschwäche der letzten Jahre  zu einer sinkenden Beschäftigung von jungen Beschäftigten beigetragen hat, während die KI-Exposition unterm Strich eine eher untergeordnete Rolle gespielt haben dürfte.

Allerdings geht zumindest im verarbeitenden Gewerbe sowie in nicht akademisch geprägten Berufen eine höhere KI-Exposition mit einer (statistisch signifikanten) negativen Beschäftigungsentwicklung einher (siehe Abbildung 4). Demgegenüber findet sich kein Zusammenhang im Dienstleistungssektor und für akademisch geprägte Berufe. Entgegen der öffentlichen Diskussion um die Einstiegsprobleme junger Akademiker*innen lenken die Analysen den Blick daher eher auf nichtakademisch geprägte Berufe und das verarbeitende Gewerbe.

Fazit

Die Ergebnisse zeichnen ein deutlich weniger dramatisches Bild als die öffentliche Debatte über eine drohende „Jobapokalypse“. Bis Ende 2025 ist kein allgemeiner Einbruch der Beschäftigung in stark KI-exponierten Berufen zu erkennen. Im Gegenteil: Gegenüber 2022 ist im Mittel sogar ein leichter Beschäftigungszuwachs der KI-exponierten Berufe zu verzeichnen, während die Zahl der Beschäftigten in den weniger exponierten Berufen deutlich schrumpfte.

Nur bei den 20- bis 29-Jährigen zeigt sich zuletzt ein zunehmend negativer Zusammenhang. Dieser ist allerdings bisher nicht statistisch signifikant und deutlich geringer als der negative Einfluss der Rezession. Ein statistisch belastbarer Zusammenhang, der auf eine negative Beschäftigungsentwicklung in KI-exponierten Berufen hinweist, findet sich jedoch im verarbeitenden Gewerbe und bei nichtakademischen Berufen.

Das macht zweierlei deutlich: Erstens relativiert das die aktuelle Debatte, die vor allem bei jungen Akademiker*innen eine Gefahr durch KI sieht. Zweitens bedeutet eine höhere KI-Exposition nicht zwingend eine schwächere Beschäftigungsentwicklung. Der negative Zusammenhang bei den 20- bis 29-Jährigen zeigt sich gerade bei den insgesamt weniger stark exponierten nichtakademischen Berufen.

Allerdings sind diese Befunde rein deskriptiv und lediglich als ein Hinweis darauf zu verstehen, dass KI zu den schlechteren Beschäftigungschancen junger Menschen beim Berufseinstieg zumindest partiell beigetragen haben könnte. Hinzu kommt: Die hier zugrunde gelegte berufliche KI-Exposition misst lediglich, in welchen Berufen KI potenziell eingesetzt werden kann, nicht aber, ob Arbeitgeber sie tatsächlich eingeführt oder genutzt haben.

Um kausale Effekte und die dahinterliegenden Mechanismen zu identifizieren, bedarf es weiterer Forschung, die die beobachtete KI-Nutzung in Betrieben mit administrativen Beschäftigtendaten verknüpft. Stand heute legen die Ergebnisse jedenfalls nahe, dass die teilweise schwache Beschäftigungsentwicklung von Berufseinsteigenden eher mit der schwachen Konjunktur zusammenhängt. Angesichts der äußerst dynamischen Entwicklung sollte KI aber als ein weiterer möglicher Einflussfaktor über 2025 hinaus weiter beobachtet werden.

Literatur

Alipour, Jean-Victor; Falck, Oliver; Schüller, Simone (2023): Germany’s capacity to work from home. European Economic Review, 151, 104354. DOI: https://doi.org/10.1016/j.euroecorev.2022.104354.

Brynjolfsson, Erik; Chandar, Bharat; Chen, Ruyu (2026): Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, Working Paper, überarbeitete Fassung vom 12. August 2026. Institutsseite und PDF der Fassung vom August 2026.

Eloundou, Tyna; Manning, Sam; Mishkin, Pamela; Rock, Daniel (2024): GPTs are GPTs: Labor market impact potential of LLMs. Science, 384(6702), S. 1306–1308. DOI: https://doi.org/10.1126/science.adj0998.

Lambert, Peter John; Schindler, Yannick (2026): The Broken Ladder: AI, Remote Work, and Early-Career Hiring. CAGE Working Paper Nr. 808/2026, University of Warwick. PDF bei CAGE. DOI: https://doi.org/10.2139/ssrn.6787638.

Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD) (2026): OECD Employment Outlook 2026: Geographic Disparities in Jobs and Incomes. Paris: OECD Publishing. DOI: https://doi.org/10.1787/7e710f54-en.

Umkehrer, Matthias (2019): Heterogenous Effects of Entering the Labor Market During a Recession—New Evidence from Germany. CESifo Economic Studies, 65(2), S. 177–203. DOI: https://doi.org/10.1093/cesifo/ifz003.

Bild: New Africa / stock.adobe.com

DOI: 10.48720.IAB.FOO.20261013.01