Warum hat KI bisher nicht zu höherer Arbeitslosigkeit geführt?

Ich dachte, ich teile ein paar allgemeine Überlegungen und einen Rahmen, der mir hilft zu verstehen, warum wir (bisher) keine signifikanten Auswirkungen von KI auf den US-amerikanischen Arbeitsmarkt sehen. Ich konzentriere mich auf die USA, weil (a) die KI-Adoption hier hoch ist, (b) es die größte Volkswirtschaft der Welt ist, (c) im Vergleich zu Europa unsere Arbeitsmarktinstitutionen historisch gesehen eine schnellere Einführung von arbeitsplatzverdrängenden Technologien ermöglichen, und (d) wir über eine ungewöhnlich reichhaltige Palette an Arbeitsmarktstatistiken verfügen, um die aktuellen Bedingungen zu verstehen. Diese Gedanken habe ich kürzlich innerhalb von Anthropic geteilt.

Erstens ist die KI-Adoption in den USA hoch. Es ist also sinnvoll, nach ihren Auswirkungen auf die Produktivität oder die Arbeitslosigkeit zu suchen. Das Produktivitätswachstum der Arbeit war in den letzten Jahren stark, und es gibt Hinweise darauf, dass KI dazu beigetragen hat.

Aber der US-Arbeitsmarkt ist derzeit stabil und nahe der Vollbeschäftigung. Meiner Ansicht nach hat KI bisher zu keinem nennenswerten Anstieg der Arbeitslosenquote geführt. Selbst wenn wir uns auf Arbeitnehmer mit einer hohen Betroffenheit durch aktuelle KI-Automatisierungsmuster konzentrieren, sehen wir in den letzten Jahren keine unerwarteten Anstiege der Arbeitslosigkeit (obwohl diese Arbeitnehmer, wie ich weiter unten erörtern werde, mehr Angst vor Arbeitsplatzverlust haben).

Warum sehen wir keine Auswirkungen der KI-Adoption auf die Arbeitslosigkeit? KI hat (bisher) die Merkmale einer "qualifikationsverzerrenden", arbeitsverstärkenden Technologie. Selbst wenn KI einige Aspekte der Arbeit automatisiert, verstärkt komplementäres menschliches Fachwissen das, was KI (oder Menschen) allein erreichen können. KI erweitert den Horizont dessen, was Menschen erreichen können, was die Rendite der Zusammenarbeit mit KI erhöht.

Die Zukunft ist jedoch noch recht ungewiss. Die Modellfähigkeiten entwickeln sich rasant weiter, und KI-Systeme könnten bald in der Lage sein, autonom ihre eigenen Nachfolger zu entwickeln. Allgemein intelligentere KI-Systeme könnten zu einer Arbeitskräfteverdrängung führen, die sich bisher noch nicht materialisiert hat. Ob dies geschehen könnte (und wie schnell), ist eine offene Frage, an deren Verständnis mein Team arbeitet.

In vielerlei Hinsicht ist dieser kurze Aufsatz mein Versuch, die Wirtschaftsforschung von Anthropic der letzten 18 Monate zu synthetisieren, um zu verstehen, wie Menschen KI nutzen und was das für die Arbeit, den Arbeitsmarkt und die Gesamtwirtschaft im Moment bedeutet. Diese Arbeit hat hervorgehoben, dass die Zukunft noch unsicher ist und die Auswirkungen wahrscheinlich ungleichmäßig sein werden. Bisher haben wir gedämpfte Auswirkungen auf die Arbeitslosigkeit gesehen; dieser Aufsatz präsentiert meinen Rahmen, um zu verstehen, warum (und was sich in Zukunft ändern könnte).

Wichtiger Hintergrundfakt: Der US-Arbeitsmarkt ist derzeit stabil.

• Die Arbeitslosenquote lag im Juni bei 4,2 %, was die Fed als das Niveau ansieht, das mit Vollbeschäftigung und stabilen Preisen vereinbar ist.
• Das Verhältnis von offenen Stellen zu Arbeitslosen stieg im April kürzlich auf knapp über 1, was einige Ökonomen als Hinweis darauf werten, dass Angebot und Nachfrage nach Arbeitskräften annähernd und effizient ausbalanciert sind. Anspruchsvollere Indikatoren wie der HPW-Arbeitsmarktanspannungsindex der New Yorker Fed deuten ebenfalls auf einen ausgeglichenen Arbeitsmarkt hin.
• Die Erwerbsquote der Bevölkerung im Haupterwerbsalter bleibt nahe mehrjähriger Höchststände, was die breite Stärke des Arbeitsmarktes widerspiegelt, die sich in der Expansion nach der Pandemie herausgebildet hat.
• Die wöchentlichen Erstanträge auf Arbeitslosenunterstützung sind in den letzten vier Jahren stabil niedrig geblieben. Und die Kündigungs- und Entlassungsraten liegen immer noch auf oder leicht unter dem Niveau vor der Pandemie.

Sollten wir also überhaupt schon eine Auswirkung von KI auf den Arbeitsmarkt erwarten? Ich denke, die Antwort ist ja: Der KI-Sektor ist groß genug, dass wir nach erkennbaren makroökonomischen Effekten suchen können.

• ~20 % der Unternehmen nutzen KI in mindestens einer Geschäftsfunktion. Im Informationssektor, der 5,5 % des BIP ausmacht, liegt der Anteil bei 40 %.
• Die qualitätsbereinigte KI-Produktion ist sowohl 2024 als auch 2025 laut Schätzungen von Patrick McKelvey und meinem Kollegen @akorinek um über 2.000 % pro Jahr gewachsen. Selbst von einer kleinen Anfangsbasis aus deutet dies darauf hin, dass wir Anzeichen für die Auswirkungen von KI im Aggregat sehen sollten.
• Ich glaube, wir beginnen, die Auswirkungen von KI in den aggregierten Produktivitätsstatistiken zu sehen:
• Das Produktivitätswachstum der Arbeit war in den letzten Jahren relativ stark: Das Verhältnis von Output pro Arbeitsstunde stieg von 2022Q1 bis 2026Q1 um 2,0 % pro Jahr, verglichen mit 1,6 % in den vier Jahren vor der Pandemie.
• Sektoren der US-Wirtschaft mit höherer KI-Adoption haben in den letzten vier Jahren tendenziell ein schnelleres Produktivitätswachstum der Arbeit aufzuweisen.
• Das Wachstum der totalen Faktorproduktivität – wie Ökonomen die Produktivität gerne messen – war in den letzten Jahren bescheidener (insbesondere nach Berücksichtigung der Faktorauslastung). Dies schwächt die Evidenz, aber gemischte Signale bei der Produktivität könnten selbst darauf hindeuten, dass eine Beschleunigung im Gange ist.
• Unternehmen treffen Einstellungsentscheidungen basierend auf Überzeugungen über den zukünftigen Wert der Beschäftigung eines neuen Arbeitnehmers im Verhältnis zu den Kosten.
• Unternehmen berücksichtigen, wie produktiv die Arbeitnehmer in Zukunft sein werden, die Löhne im Laufe der Beschäftigung und die erwartete Dauer des Arbeitsverhältnisses.
• Aus diesem Grund sollten die Überzeugungen der Unternehmen über die Zukunft die Arbeitsmarktergebnisse heute prägen, in Form von Trennungen, Einstellungen und Berufswechseln. Aber über Kündigungen, Entlassungen und Raten der Arbeitsplatzsuche hinweg sehen wir ein Muster der Stabilität. Es gibt ebenfalls keine Hinweise auf einen ungewöhnlich schnellen beruflichen Wandel aufgrund von KI.
• Stellenausschreibungen für Softwareentwicklung haben sich seit Mai 2025 insgesamt erholt im Vergleich zu allen anderen Stellenausschreibungen, was auf eine steigende Nachfrage nach Arbeitnehmern in einem Beruf hindeutet, in dem die KI-Fähigkeiten am meisten Fortschritte machen.

Gibt es Hinweise darauf, dass eine Arbeitskräfteverdrängung stattfindet, selbst wenn sie (noch) nicht makroökonomisch folgenreich ist? Die Evidenz ist gemischt. Aber insgesamt bin ich nicht überzeugt.

• Wie Maxim Massenkoff und ich in unserem Bericht über die Arbeitsmarktauswirkungen dokumentiert haben, haben wir keine sich verschlechternden Arbeitslosenquoten für Arbeitnehmer in Rollen mit einem großen Anteil an Aufgaben, die Claude zur Automatisierung verwendet wird, im Vergleich zu Arbeitnehmern in anderen Rollen festgestellt. Die Aktualisierung dieser Analyse mit neueren Daten des BLS ändert dieses Ergebnis nicht.
• Wir finden einige Hinweise darauf, dass die Einstellungsraten für junge Arbeitnehmer in stark KI-exponierten Rollen im letzten Jahr oder so geschwächt haben. Dies steht im Einklang mit den Ergebnissen in Canaries in the Coal Mine, einem Papier von Forschern des Stanford Digital Economy Lab.
• Aber diese Evidenz für die Verdrängung junger Arbeitnehmer sollte mit Vorsicht interpretiert werden. Es ist schwierig, kausale Effekte zu erkennen, da KI in einem ungewöhnlich volatilen makroökonomischen Umfeld entstanden ist: die Auflösung von Verwerfungen aus der Pandemie-Ära, die rasche Straffung der Geldpolitik, die Volatilität der Rohstoffpreise nach der russischen Invasion in der Ukraine und eine anhaltende globale politische Unsicherheit (z. B. durch Handelskriege). Da Einstellungen eine Form von Investitionen sind, kann eine allgemeine wirtschaftliche Unsicherheit die Einstellungen selbst belasten.
• Anders ausgedrückt: Von 2022 bis heute erlebten die USA die größte rezessionsfreie Verlangsamung des Arbeitsmarktes, die je verzeichnet wurde (die "makellose Disinflation"). Dies fiel mit einem "Low Hire, Low Fire"-Arbeitsmarkt zusammen. Diese Art von Arbeitsmarkt trifft Berufseinsteiger am härtesten. Im Moment haben junge Arbeitnehmer möglicherweise aus makroökonomischen Gründen, die nichts mit KI zu tun haben, Schwierigkeiten, einen Job zu finden.
• Unabhängig davon argumentiert einige neuere Arbeit, dass der Anstieg der Fernarbeit nach der Pandemie Auswirkungen auf junge Arbeitnehmer in Rollen hat, die stark KI-exponiert sind. Es ist eine Herausforderung, die Auswirkungen von KI von anderen Schocks zu isolieren, die die Wirtschaft erschüttern.
• Während wir noch keine Arbeitslosigkeitseffekte sehen, stellen wir fest, dass Arbeitnehmer in Rollen mit Aufgaben, die Claude zur Automatisierung verwendet wird, größere Besorgnis darüber äußern, ihren Job zu verlieren, als diejenigen in weniger exponierten Rollen.

Wenn Sie glauben, dass der US-Arbeitsmarkt derzeit gesund ist, dass KI prinzipiell makroökonomisch erkennbare Effekte erzeugen könnte und dass dies noch nicht zu einer Verdrängung in stark KI-exponierten Rollen geführt hat, dann ist die nächste Frage offensichtlich:

Warum hat KI keinen signifikanten Anstieg der Arbeitslosigkeit verursacht?

Bisher ist KI sowohl qualifikationsverzerrend als auch arbeitsverstärkend. Sie ergänzt Fachwissen. Sie ist auf Menschen angewiesen, die die komplexesten Arbeiten lenken und bewerten. Und sie belohnt KI-Kompetenz. Die Modellfähigkeiten verbessern sich schnell, bleiben aber hartnäckig zerklüftet. Um die Lücken dieser zerklüfteten Grenze zu füllen, ist fachkundige Aufsicht erforderlich, um unglaublich leistungsfähige KI-Systeme zu steuern und sich zu erholen, wenn sie versagen.

Natürlich sind einige Arbeitsplätze stärker von einer direkten Verdrängung durch Automatisierung bedroht. Zum Beispiel sind technische Redakteure, Datenerfasser, Kundendienstmitarbeiter und Computerprogrammierer Arbeitsplätze, bei denen KI die Kernaufgaben und -verantwortlichkeiten zuverlässig übernehmen kann. Obwohl wir keinen Anstieg der Arbeitslosigkeit für Arbeitnehmer in diesen Rollen gesehen haben, werden Berufe mit einer höheren beobachteten Exposition laut BLS-Prognosen bis 2034 voraussichtlich weniger wachsen.

Aber bisher ist das Gesamtbild eines der Arbeitsverstärkung. Die Auswirkungen auf den Arbeitsmarkt werden in der Folge ungleichmäßig sein, selbst wenn sich die Fähigkeiten rasant weiterentwickeln. Dies bedeutet nicht, dass alle Fähigkeiten, die derzeit eine Prämie auf dem Arbeitsmarkt erzielen, dies auch in Zukunft tun werden. Einige Arten von Fachwissen könnten an Wert verlieren (z. B. reine Codierungsimplementierung), während andere an Wert gewinnen (z. B. Managementfähigkeiten wie Delegation und Bewertung).

Warum glauben wir, dass KI eine qualifikationsverzerrende, arbeitsverstärkende Technologie ist? Ich werde einige Beobachtungen auf der Grundlage von Arbeiten machen, die vom Anthropic Economic Research-Team veröffentlicht wurden, sowie von Erkenntnissen aus dem Anthropic Economic Index:

• Trotz der unglaublichen Fortschritte der KI und der raschen Einführung in der gesamten Wirtschaft gibt es keine Stelle in der O\NET-Taxonomie (einem Katalog des Arbeitsministeriums über Berufe und ihre typischen Aufgaben), für die alle* zugehörigen Aufgaben systematisch von Claude erledigt werden. Wenn Arbeitsplätze feste Aufgabenbündel sind – was sie nicht sind, aber dazu später mehr – dann schränken die wesentlichen, nicht automatisierten Aspekte der Arbeit sowohl den gesamten Produktivitätsanstieg ein als auch verstärken sie die Rendite der Arbeit. Aufgaben, die Claude nicht bewältigen kann, können von zwischenmenschlicher Koordination, persönlichen Interaktionen oder der Auseinandersetzung mit der physischen Welt abhängen, die bisher nur Menschen können (siehe "The task is not the job" von @lugaricano).
• In unserem Januar-Bericht, Economic Primitives, stellen wir fest, dass anspruchsvolle Benutzereingaben und komplexe Claude-Ausgaben stark korreliert sind. Mit anderen Worten, wenn Claude ein komplexes Wirtschaftsmodell erstellt, tut es dies in der Praxis unter der Anleitung von jemandem, der ergänzende, fachkundige Anweisungen gibt.
• Während Claude im Durchschnitt tendenziell erfolgreich ist, hat das Modell bei den komplexeren Arbeiten die größten Schwierigkeiten. Dies deckt sich weitgehend mit den METR-Aufgabenhorizont-Ergebnissen, bei denen eine höhere Zuverlässigkeit zu Lasten kürzerer Aufgabenhorizonte geht. Wir finden Hinweise darauf, dass Menschen im Kreislauf die Komplexität der Arbeit erhöhen, die Claude bewältigt.
• In unserem März-Bericht, Learning Curves, haben wir festgestellt, dass Menschen bereits nach sechs Monaten der Nutzung eher dazu neigen, mit Claude als Gedankenpartner zu interagieren und erfolgreichere Interaktionen mit Claude haben. Wenn KI allein gut genug wäre, würden wir diesen Effekt nicht erwarten.
• Weit verbreitete Aufgabenautomatisierung kann die Arbeit dennoch verstärken. Warum? Weil Arbeitsplätze keine festen Aufgabenbündel sind. Neue Technologien haben historisch gesehen zu großen Veränderungen innerhalb bestehender Arbeitsplätze geführt, selbst wenn einige Arbeitsplätze verschwinden. Und sie haben völlig neue Arten von Arbeit hervorgebracht, die neue technische Fähigkeiten mit komplementärem menschlichem Fachwissen kombinieren. Wir sehen Anzeichen für diesen Effekt in unserer Forschung: Eine häufig genannte Quelle der wahrgenommenen Produktivität bei 81k Claude-Nutzern war die Reichweite – in der Lage zu sein, mehr und kompetenter zu tun. Diese Befähigung durch KI könnte die Grenzen unserer Rollen neu ziehen und neue Bündelungen von Aufgaben innerhalb von Arbeitsplätzen hervorbringen – einige automatisieren, die Bedeutung anderer verstärken – während sie netto das Grenzprodukt der Arbeit erhöht.
• In unserem Juni-Bericht zum Economic Index, Cadences, erwarten über ein Drittel aller Befragten aus der Anthropic Economic Index Survey, dass KI in der Lage sein wird, die meisten oder alle Aufgaben, die sie in ihren Jobs erledigen, in den nächsten zwölf Monaten zu übernehmen. Ein ähnlicher Anteil der Befragten erwartet, dass sich die beruflichen Verantwortlichkeiten für sich selbst und ihre Kollegen im kommenden Jahr ändern werden. Die Erwartungen an Arbeitsplatzverlust waren jedoch deutlich geringer. Tatsächlich neigen diejenigen, die Claude auf automatisiertere Weise nutzen, tendenziell zu größerem Optimismus hinsichtlich der Auswirkungen von KI auf ihr Gehalt, ihre Arbeitsplatzsicherheit und ihre Fähigkeit, einen Job zu finden.
• Mit der Verbesserung der KI-Fähigkeiten werden wir zunehmend leistungsfähigere Agenten sehen, die komplexe, langfristige, wertvolle Aufgaben autonom bewältigen können. Wird KI die Arbeit immer noch verstärken? Um diese Frage zu klären, haben wir kürzlich Nutzungsmuster von Claude Code analysiert, um zu sehen, ob agentisches Programmieren die Rendite von Fachwissen verändert. Claude Code wurde in den sieben Monaten, die wir verfolgt haben, für immer wertvollere Aufgaben eingesetzt, aber wir haben anhaltende Renditen für menschliches Fachwissen gesehen: Das heißt, Menschen treffen Planungsentscheidungen und delegieren die Implementierung an Claude. Menschen mit mehr Fachwissen sind bei ihren Aufgaben häufiger erfolgreich und erholen sich konsequenter, wenn Claude einen Fehler macht. Die Rendite für reine Programmierfähigkeiten mag gesunken sein, aber agentisches Programmieren hat bisher den Wert anderer, komplementärer Fähigkeiten erhöht.

Die Zukunft ist schwer zu deuten. Es könnte durchaus sein, dass der qualifikationsverzerrende, arbeitsverstärkende Aspekt der KI verschwindet, wenn die Modelle sich weiter verbessern. Die zerklüftete Grenze könnte glatter werden. Und an einem bestimmten Punkt könnte die Rendite menschlichen Fachwissens abnehmen.

Ein Hauptgrund für die große Unsicherheit über die Zukunft ist, dass KI die Innovation selbst automatisieren könnte. Die Ausstattung von Maschinen mit allgemeinen kognitiven Fähigkeiten ist ein direkter Katalysator für weitere Innovationen, und zwar in einer Weise, wie es frühere Basistechnologien nicht waren. Der Verbrennungsmotor konnte keine neuen Verkehrsmittel erfinden. In ansonsten standardmäßigen Wirtschaftsmodellen kann die Automatisierung von Innovationen – die wir vielleicht zuerst in der rekursiven Selbstverbesserung sehen – wirtschaftliche Singularitäten hervorbringen: unendliches Wachstum in endlicher Zeit.

Werden solche Singularitäten eintreten? Nicht, wenn es wesentliche Aufgaben gibt, die niemals automatisiert werden, sei es aus technischen Gründen oder aufgrund gesellschaftlicher Zwänge. Diese "schwachen Glieder" sind die Grenzen des Wachstums: "Wirtschaftswachstum kann weniger durch das, was wir gut können, eingeschränkt werden, sondern durch das, was wesentlich und dennoch schwer zu verbessern ist", wie Aghion, Jones und Jones (2017) argumentieren. Solche schwachen Glieder können den Arbeitseinkommensanteil langfristig hoch halten, selbst bei sehr schneller, weit verbreiteter, aber unvollständiger Automatisierung.

Die Logik der "schwachen Glieder" gilt nicht nur für die Produktion von Gütern, sondern auch für die Automatisierung von Innovationen. Ob KI das Produktivitätswachstum dramatisch beschleunigt, erfordert nicht nur verbesserte Fähigkeiten, sondern eine breit angelegte Automatisierung der Aufgaben, die am F&E-Prozess beteiligt sind. Jüngste Ergebnisse deuten darauf hin, dass schwache Glieder derzeit eine Einschränkung für die Automatisierung der Softwareproduktion darstellen: Eine 10- bis 20-fache Steigerung der generierten Codezeilen nach der Einführung von Codierungsagenten führte nur zu einer 30%igen Steigerung der Software-Releases und zu keinem Gesamtanstieg der App-Nutzung.

Gegen Skalierungsgesetze ist schwer zu argumentieren. Die Modelle werden besser werden. Viel besser. Ich erwarte, dass dies ein schnelleres Produktivitätswachstum antreiben wird, und vielleicht sogar deutlichere Anzeichen von RSI. Aber ich erwarte nicht, dass die Arbeitslosigkeit in einem Jahr spürbar höher sein wird – zumindest nicht aufgrund von KI.