Jobs, die ‘durch KI gefährdet’ sind, verschwanden bereits vor dem Start von ChatGPT

Ein umfassendes neues Studie zeigt, dass Jobs, die durch KI gefährdet sind, bereits vor dem Start von ChatGPT verschwanden, aber Studierende, die in diesen Fähigkeiten ausgebildet wurden, höhere Gehälter und schnellere Einstellungen erhielten.

Ein umfassendes neues Forschungsprojekt zwischen US-Universitäten hat ergeben, dass die Ursprünge der KI-verletzlichen Jobskrise nicht mit dem Start von ChatGPT im späten Jahr 2022 zusammenhängen, sondern dass die Probleme bereits früher im Jahr 2022 auftraten, aus offensichtlich unabhängigen Gründen.

Darüber hinaus zeigt die Studie, dass Absolventen, deren Universitätsabschlüsse stärker ‘KI-exponiert’ waren, tatsächlich mit höheren Gehältern und kürzeren Arbeitslosenzeiten nach dem Markteintritt von ChatGPT verbunden waren.

Die neue Arbeit nutzt drei große Datensätze, darunter mehr als zehn Millionen aus LinkedIn-Profilen gesammelte Daten sowie Arbeitslosenunterlagen und Versicherungsansprüche. Die Autoren erklären:

‘[Unsere] Ergebnisse zeigen, dass die Verschlechterung der Arbeitsmarktbedingungen für LLM-exponierte Arbeitnehmer und Absolventen in den Jahren 2022-2024 bereits vor dem massenmarktweiten Auftreten von LLM-Anwendungen im Gange war. Das Risiko der Arbeitslosigkeit in hoch exponierten Berufen stieg ab Anfang 2022 – lange vor ChatGPT – und in den meisten Berufen und Bundesstaaten beobachten wir keine diskrete Unterbrechung, die mit seiner Einführung zusammenhängt.

‘Frühkarriere-Arbeitnehmer waren unverhältnismäßig betroffen: Absolventen der Jahrgänge 2021-2023 traten in hoch exponierte Jobs mit geringeren Raten ein und erlebten längere beobachtete Verzögerungen bis zu ihrem ersten Job als frühere Jahrgänge, mit Lücken, die sich öffneten, wiederum vor Ende 2022. Gleichzeitig blieb die LLM-relevante Ausbildung innerhalb dieser Umgebung wertvoll.’

Die neue Arbeit interpretiert den Aufstieg von KI als Eindringen in einen Arbeitsmarkt, der bereits durch breitere wirtschaftliche und sektorspezifische‑Druck geschwächt war, und bemerkt, dass Fähigkeiten, die KI ergänzen, ihren Marktwert beibehalten oder sogar gewonnen haben.

Die Autoren schließen den Artikel mit der Empfehlung, dass der Start von ChatGPT im November 2022 nicht als Trenner zwischen dem vor-KI- und dem KI-inklusiven Arbeitsmarkt behandelt werden sollte und dass eine Reihe von gleichzeitigen Umständen zusammen mit dem aufkommenden Einfluss von Large Language Models (LLMs) berücksichtigt werden sollte:

‘Diese Ergebnisse haben Auswirkungen auf Forschung und Politik. Zunächst warnen sie davor, den Start von ChatGPT als sauberes natürliches Experiment für den Arbeitsmarkt-Einfluss von KI zu behandeln: Designs, die die Arbeitsmarkt-Schwäche nach 2022 hauptsächlich den LLMs zuschreiben, riskieren, die KI-Diffusion mit gleichzeitigen makroökonomischen Verschiebungen (mögliche Beispiele umfassen Geldpolitik, sektorale Nachfrage und/oder post-pandemische Anpassung) zu verwechseln.’

Die Autoren schlagen vor, dass Universitäten und Ausbildungsprogramme nicht auf Fähigkeiten verzichten sollten, die oft als ‘KI-anfällig’ bezeichnet werden, wie Schreiben, Codieren und Informationsanalyse. Laut den Ergebnissen der Studie kann das Lehren dieser Fähigkeiten auf eine Weise, die mit KI zusammenarbeitet, mit dem Schwerpunkt auf die Überprüfung von Ausgaben, die Beurteilung der Qualität und die Verwendung von Chatbots als Werkzeuge und nicht als Ersatz, dazu beitragen, dass Absolventen in einem instabilen Arbeitsmarkt wettbewerbsfähig bleiben.

Die neue Studie trägt den Titel AI-exponierte Jobs verschlechterten sich vor ChatGPT und stammt von fünf Forschern, die mit verschiedenen Abteilungen der University of Pittsburgh, der Stanford University, der Chapman University und der Columbia University in Verbindung stehen, in Zusammenarbeit mit dem AI Economy Institute von Microsoft in Redmond und Revelio Labs in New York.

Methode und Daten

Die Ergebnisse des Artikels sind, wie die Autoren betonen, ein krasser Gegensatz zu vorherigen Berichten, einschließlich eines des Digital Economy Lab von Stanford, sowie dunklen Vorzeichen von Persönlichkeiten wie dem CEO von Anthropic, der warnend im Mai 2025 sagte, dass KI ‘die Hälfte aller Einstiegsstellen im weißen Kragen eliminieren könnte’*.

Die analytische Methode der Autoren untersuchte zunächst die Arbeitslosigkeit unter Arbeitnehmern in Berufen, die am stärksten von der KI-gesteuerten Automatisierung betroffen waren, wobei die Exposition mithilfe von sechsstelligen Standard-Berufsklassifikationscodes (SOC) definiert wurde, die auf zwei Ziffern gemittelt wurden, um die Expositionsgrade für breitere zwei Ziffern SOC-Kategorien zu schätzen.

Monatliche Verwaltungsdaten wurden aus dem ETA 203-Bericht gezogen, der vom U.S. Department of Labor’s Employment and Training Administration zusammengestellt wurde und den letzten Beruf von Personen, die weiterhin Arbeitslosenunterstützung beantragen, enthält.

Diese Datenpunkte wurden dann mit jährlichen Beschäftigungsdaten auf Ebene der Berufe aus dem Occupational Employment and Wage Statistics-Programm des Bureau of Labor Statistics kombiniert, um das monatliche Arbeitslosenrisiko für jeden Beruf in jedem Bundesstaat zu schätzen (wobei das Risiko als die Wahrscheinlichkeit definiert wurde, dass ein Arbeitnehmer in einem bestimmten Beruf weiterhin Arbeitslosenunterstützung beantragt).

Historisch gesehen, so die Studie, hatten die Jobs, die am stärksten von KI betroffen waren, ein 20-80% geringeres Arbeitslosenrisiko als weniger exponierte Rollen, wobei die Lücke während der Pandemie zunahm, als remote-fähige Arbeit als widerstandsfähiger erwies. Dieser Vorteil begann jedoch im frühen Jahr 2022 zu schwinden, und bis 2023-2024 hatte sich die Differenz größtenteils aufgelöst:

Das Arbeitslosenrisiko in KI-exponierten Jobs begann im frühen Jahr 2022 zu steigen, was eine lange Periode der relativen Stabilität beendete. A zeigt diese Umkehrung als die Lücke zwischen hoch- und niedrig exponierten Rollen, die sich vor dem Start von ChatGPT verengt. B zeigt eine ähnliche Zunahme im höchstexponierten Quintil, wobei das Risiko nach einem Tiefpunkt anstieg und dann auf einem Plateau blieb. C zeigt den Effekt auf Computer- und Mathematik-Jobs, während die meisten anderen Bereiche stabil blieben. Das Risiko wurde monatlich über die US-Bundesstaaten gemessen und quartalsweise gemittelt. Quelle

Wie wir in den obigen Grafiken sehen können, haben die Autoren die Berufe in Quintile nach ‘KI-Exposition’ unterteilt und diese im Laufe der Zeit verfolgt. Weniger exponierte Jobs zeigten konsistent ein höheres Arbeitslosenrisiko und eine stärkere saisonale Variation, wobei alle Gruppen während der Pandemie im Jahr 2020 ihren Höhepunkt erreichten und im frühen Jahr 2022 einen Tiefpunkt erreichten.

Nach diesem Tiefpunkt begann das Arbeitslosenrisiko in den am stärksten exponierten Quintilen zu steigen, lange vor dem Start von ChatGPT, und dann zu stabilisieren, anstatt in den Monaten, die folgten, zu beschleunigen.

Computer- und Mathematik-Jobs sahen den größten Anstieg des Arbeitslosenrisikos vor dem Start von ChatGPT, dann ein Plateau. Die meisten anderen Rollen zeigten wenig Veränderung. Einige Bundesstaaten, einschließlich Kalifornien, Washington und Alaska, sahen nach dem Start von ChatGPT Zunahmen, aber die nationalen Risikostände blieben nahe den Vorpandemie-Normen, was auf den Einfluss früherer wirtschaftlicher Drucke hinweist.

Datenüberlegungen

Die Autoren betonen, dass das Arbeitslosenrisiko statistisch gesehen Muster über Berufstypen hinweg zeigen wird, aber nicht die Ergebnisse für bestimmte Gruppen wie frisch gebackene Absolventen erfassen kann, die möglicherweise nicht für Leistungen berechtigt sind oder keinen vorherigen Job haben. Andere Forschungen und Branchenbehauptungen deuten darauf hin, dass frühkarriere-Arbeitnehmer den größten Einfluss von KI ausgesetzt sind, was bedeutet, dass die gesamten Arbeitslosendaten diejenigen verpassen könnten, die am stärksten betroffen sind.

Um diese Einschränkung zu überwinden, zog die neue Studie 10.584.980 LinkedIn-Profile heran, die von Revelio Labs bereitgestellt wurden. Jeder Datensatz aus dem Datensatz enthielt detaillierte Bildungsgeschichten, die den Abschluss, das Studienfach, das Abschlussjahr und die Universität umfassten, sowie Karrieredaten wie Jobtitel (die auf sechs Ziffern SOC-Codes abgebildet wurden), Arbeitgeber, Startdaten und Orte.

Die Gehälter der Jobs wurden mithilfe eines ‘proprietären Machine-Learning-Modells’ geschätzt, das auf Visa-Anträgen, Selbstauskünften und öffentlichen Stellenanzeigen trainiert wurde und sowohl rollenspezifische Details als auch individuelle Karriereverläufe umfasste.

Da die tatsächlichen Gehälter nicht überprüft werden konnten, verfolgte die Analyse auch die Anzahl der Monate, die Absolventen brauchten, um ihren ersten beobachteten Job innerhalb von drei Jahren nach Abschluss ihres Studiums zu beginnen, wobei diejenigen ausgeschlossen wurden, die in diesem Zeitraum keine registrierte Beschäftigung hatten (ein Maß, das als Proxy für Arbeitsmarkt-Reibung diente, unter der Annahme, dass Absolventen ihre Profile aktualisieren, wenn sie eingestellt werden):

Absolventen, die nach 2022 in den Arbeitsmarkt eintraten, brauchten länger, um KI-exponierte Jobs zu sichern, aber dieser Rückgang in der Arbeitsmarktperformance begann Monate vor dem Start von ChatGPT. Oben zeigt A, dass Absolventen mit hoch exponierten ersten Jobs typischerweise schneller Arbeit fanden, bis sich dieses Muster nach 2022 umkehrte; B zeigt eine ähnliche Verzögerung für hochbezahlte Rollen, wenn auch weniger ausgeprägt; und C zeigt, dass die Kohorten 2021 und 2022 KI-exponierte Jobs mit geringeren Raten eingegangen sind als frühere Kohorten, wobei die Unterforderung vor ChatGPT auftrat. Schließlich zeigt D, dass es keine äquivalente Verschiebung für niedrig exponierte Jobs gab, was die These untermauert, dass der Niedergang der weitverbreiteten KI-Adoption vorausging.

Die Autoren analysierten die Dauer der Jobsuche über die Abschlussjahrgänge hinweg, wobei sie monatliche Jobangebote nach Bundesstaat und Sektor kontrollierten und Unterschiede in Abschluss, Studienfach und Universität berücksichtigten, wobei die Exposition gegenüber LLMs mithilfe von SOC-Codes definiert wurde.

Vor dem Start von ChatGPT verbrachten Absolventen, die in hoch exponierte Rollen eintraten, im Allgemeinen weniger Zeit mit der Jobsuche als ihre Kollegen. Für die Kohorten 2023 und 2024 kehrte sich dieses Muster um, wobei exponierte Rollen länger brauchten, um gesichert zu werden.

Es sollte betont werden, dass die Studie, obwohl sie angibt, dass die Ergebnisse nach ChatGPT verschlechtert wurden, die Daten zeigen, dass dieser Rückgang Monate früher begann und danach anhält, was die Idee einer plötzlichen post-ChatGPT-Katastrophe untergräbt und auch die Zuschreibung des (laufenden) Abwärtstrends ausschließlich auf die LLM-Nutzung untergräbt.

Bildungsexposition

Ein zentrales Anliegen in der Debatte über KI und Beschäftigung ist, ob Studierende weiterhin in Fähigkeiten ausgebildet werden sollten, die von Large Language Models automatisiert werden könnten, wie Schreiben, Codieren oder Synthese. Wenn diese Fähigkeiten ihren Marktwert verloren haben, sollten Absolventen, die am stärksten davon betroffen sind, schlechter abschneiden. Um dies zu testen, schätzten die Autoren die Bildungsexposition gegenüber LLM-relevanten Aufgaben mithilfe von LinkedIn-Profilen, die mit Millionen von Universitätscurricula abgestimmt wurden, und verfolgten die frühen Job-Ergebnisse vor und nach ChatGPT:

Die Bildungsexposition gegenüber LLM-relevanten Aufgaben sagt stärkere frühe Karriere-Ergebnisse nach ChatGPT voraus. Absolventen nach 2022 mit größerer Exposition gegenüber automatisierbaren Fähigkeiten wurden schneller eingestellt und verdienten höhere Gehälter, was die mit der hohen LLM-beruflichen Exposition verbundenen Strafen teilweise ausglich. Alle Modelle kontrollieren Jobangebotsraten, Jobtyp und Bildungshintergrund.

Vor dem Auftreten von ChatGPT zeigte diese Bildungsexposition keinen klaren Zusammenhang mit der Jobsuchzeit oder dem Gehalt. Nach ChatGPT scheint sie mit schnelleren Einstellungen und höheren Startgehältern verbunden zu sein. Obwohl Rollen mit hoher LLM-Exposition tendenziell schlechtere Ergebnisse nach ChatGPT aufwiesen, wurden Absolventen von mehr KI-ausgerichteten Programmen weniger beeinträchtigt.

Anstatt an Wert zu verlieren, schienen Fähigkeiten, die als anfällig für Automatisierung galten, bessere frühe Karriere-Ergebnisse zu unterstützen.

‘Wenn LLMs für die schlechte Arbeitsmarktperformance der Absolventen verantwortlich wären, würden wir erwarten, dass die Bildungsexposition redundant ist und keine Werte hinzufügt, wenn man nach einem Job sucht.

‘Unsere Ergebnisse deuten jedoch darauf hin, dass das Lehren von KI-exponierten Fähigkeiten bessere Ergebnisse für Absolventen nach dem Start von ChatGPT bringt. Diese Zusammenhänge sind schwer mit der Ansicht zu vereinbaren, dass LLM-relevante Bildung nach dem Start von ChatGPT an Wert verloren hat. Wenn auch nicht kausal, deuten sie darauf hin, dass LLM-relevante Vorbereitung mit besseren frühen Karriere-Ergebnissen im post-ChatGPT-Zeitraum vereinbar ist.’

Die Autoren schließen mit der Empfehlung, dass die Schlagzeilen-gewinnenden Beschäftigungstrends, die in dieser Studie untersucht werden, in einem Arbeitsmarkt auftraten, der bereits von früheren Ereignissen und Trends geprägt war. Wie es steht, scheint es unmöglich, den Einfluss von ChatGPT und KI auf die Beschäftigungstrends von den unabhängigen Kräften zu trennen, die den Markteinbruch auslösten, ähnlich wie es unmöglich ist, Salz aus der Suppe zu entfernen.

* Es ist jedoch zu beachten, dass ein großer Teil der aktuellen Kommentare zugeben, dass diese Art von Untergangsprophezeiungen von KI-investierten Gründern eher einer Astroturfing-Strategie ähnelt, mit dem Ziel, potenzielle Kunden und Investoren zu beeindrucken und die Aktienkurse zu steigern.

Erstveröffentlichung am Mittwoch, den 7. Januar 2026