Forscher des Instituts für Arbeitsmarkt- und Berufsforschung (IAB) haben die Entwicklung der Vollzeitbeschäftigung in Berufen mit unterschiedlicher potenzieller Exposition gegenüber künstlicher Intelligenz verglichen. In der Altersgruppe der 20- bis 29-Jährigen wichen die Werte voneinander ab, die Autoren betonen jedoch: Der Vergleich belegt für sich genommen nicht, dass KI die Ursache dafür ist.
- Die potenzielle Exposition zeigt, welche Aufgaben in einem Beruf mithilfe von Sprachmodellen und darauf basierender Software schneller erledigt werden könnten; sie misst weder den tatsächlichen KI-Einsatz noch die Verdrängung von Beschäftigten.
- In den Jahren 2022 bis 2025 sank die Vollzeitbeschäftigung der 20- bis 29-Jährigen in Berufen mit hoher Exposition um 3,8 % und in solchen mit geringerer Exposition um 2,6 %. Die Differenz von 1,2 Prozentpunkten belegt keinen kausalen Zusammenhang.
- Unter Berücksichtigung weiterer Einflussfaktoren ist der negative Zusammenhang mit der KI-Exposition für diese Altersgruppe statistisch nicht signifikant; deutlicher trat der Zusammenhang mit konjunktureller Verwundbarkeit zutage.
Was potenzielle KI-Exposition bedeutet
Der vom IAB verwendete Indikator schätzt den Anteil der beruflichen Tätigkeiten ab, die große Sprachmodelle (LLMs) oder darauf aufbauende Anwendungen deutlich schneller ausführen könnten. Es handelt sich um eine Bewertung des technischen Potenzials auf Berufsebene. Der Wert gibt keinen Aufschluss darüber, ob konkrete Arbeitgeber derartige Werkzeuge einsetzen oder ob dadurch Stellen abgebaut wurden.
Vergleich der Beschäftigung junger Erwerbstätiger
Den Studiendaten zufolge sank die Zahl der Vollzeitbeschäftigten im Alter von 20 bis 29 Jahren zwischen 2022 und 2025 in Berufen mit hoher Exposition um 3,8 %, in Berufen mit geringerer Exposition hingegen um 2,6 %. Der Unterschied beläuft sich auf 1,2 Prozentpunkte. Es handelt sich um einen deskriptiven Vergleich zweier Berufsgruppen: Er isoliert den Einfluss von KI nicht von allen sonstigen Unterschieden zwischen ihnen und liefert somit keinen Kausalitätsnachweis.
In einem Modell, das gleichzeitig die potenzielle KI-Exposition, das Homeoffice-Potenzial und die Anfälligkeit eines Berufs für konjunkturelle Einbrüche berücksichtigt, bleibt der negative Zusammenhang zwischen KI-Exposition und der Beschäftigung 20- bis 29-Jähriger statistisch nicht signifikant. Das Modell erlaubt es mithin nicht, den beobachteten Zusammenhang verlässlich von einem Zufallseffekt abzugrenzen. Zugleich belegt dieser Befund jedoch nicht, dass KI keinerlei Einfluss hat.
Datenbasis und methodische Grenzen der Studie
Die Untersuchung stützt sich auf monatliche Daten der Bundesagentur für Arbeit für den Zeitraum Januar 2021 bis Dezember 2025. Im Durchschnitt wurden rund 22,3 Millionen sozialversicherungspflichtig Vollzeitbeschäftigte im Alter von 20 bis 64 Jahren erfasst. Nicht enthalten sind unter anderem Beamte, Selbstständige, ausschließlich geringfügig Beschäftigte (Minijobber), Auszubildende, Angehörige von Militärberufen sowie Arbeitslose. Die Altersspanne von 20 bis 29 Jahren dient den Autoren als Näherungswert für die frühe Karrierephase und nicht als direkter Nachweis des erstmaligen Berufseinstiegs.
Das Modell berücksichtigt zudem Berufs- und Branchenunterschiede sowie zeitliche und saisonale Schwankungen. Der Zusammenhang zwischen Homeoffice-Eignung und Beschäftigung fiel leicht positiv aus, war jedoch statistisch nicht signifikant. Ein ausgeprägterer negativer Zusammenhang zeigte sich bei der konjunkturellen Anfälligkeit: Die Beschäftigung junger Menschen in Berufen wirtschaftsschwacher Branchen ging zwischen 2022 und 2025 um 4,2 % zurück.
Die Autoren heben hervor, dass ein statistisch signifikanter negativer Zusammenhang zwischen höherer KI-Exposition und Beschäftigungsentwicklung im verarbeitenden Gewerbe sowie in nichtakademischen Berufen festzustellen war. Im Dienstleistungssektor und bei akademischen Berufen wurde ein solcher Zusammenhang im Rahmen der Analyse nicht beobachtet. Dies sind Ergebnisse einzelner beruflicher Teilauswertungen und kein allgemeingültiges Fazit für alle jungen Beschäftigten. Die Autoren stufen die Studie als deskriptiv ein und betonen, dass für den Nachweis eines Kausalzusammenhangs administrative Beschäftigtendaten mit dem tatsächlich beobachteten betrieblichen KI-Einsatz verknüpft werden müssen.