Eine aktualisierte Stanford-Studie mit Lohndaten von Millionen US-Beschäftigten zeigt: Von einer KI-Entlassungswelle kann keine Rede sein — die Beschäftigung wächst sogar. Aber die Lücke zwischen erfahrenen und jungen Fachkräften in KI-exponierten Berufen ist auf 19 Prozent gewachsen. Internationale Daten bestätigen das Muster.
Das Stanford Digital Economy Lab hat seine Studie „Canaries in the Coal Mine? Six Facts About the Recent Employment Effects of Artificial Intelligence" (Erik Brynjolfsson, Bharat Chandar, Ruyu Chen) mit Daten bis Juni 2026 aktualisiert. Datenbasis sind keine Umfragen, sondern echte Lohnabrechnungsdaten des US-Personaldienstleisters ADP — monatlich 3,5 bis 5 Millionen Beschäftigte, Januar 2021 bis Mitte 2026. Die KI-Anfälligkeit einzelner Berufe bestimmen die Forscher über eine von OpenAI mitentwickelte Klassifikation sowie den Anthropic Economic Index.
Das Ergebnis ist differenzierter als die Schlagzeilen der letzten zwei Jahre: Die Gesamtbeschäftigung wuchs im Untersuchungszeitraum um 6 Prozent, selbst in den am stärksten KI-exponierten Berufen noch um 4 Prozent. Der eigentliche Effekt zeigt sich erst beim Blick auf die Altersgruppen — und auf die Neueinstellungen, nicht auf Kündigungen.
Das Muster zeigt sich nicht nur in den USA — vier unabhängige Datenquellen zeichnen dasselbe Bild.
22- bis 25-Jährige in stark KI-exponierten Berufen: Beschäftigung seit ChatGPT-Start (Nov. 2022) um 11 % gesunken, bei geringer KI-Exposition um 10 % gestiegen. Lücke wuchs von 15 % (Sommer 2025) auf 19 %.
Von 285.000 netto verlorenen Jobs der 15- bis 29-Jährigen (2022–2026) entfielen laut Bank of Korea 268.000 auf KI-intensive Branchen. Beschäftigte in den 50ern legten im selben Zeitraum um 230.000 zu.
Laut ifo-Umfrage (Juni 2026, 3.000+ Unternehmen) erwarten 48 % sinkende Einstiegslöhne für Berufseinsteiger:innen ohne Studium — bei jungen Akademiker:innen sind es sogar 51 %.
Die weltweite Jugendarbeitslosigkeit stieg laut ILO 2025 auf 12,4 % (67 Mio. Menschen) — besonders mittelqualifizierte Einstiegsberufe sind betroffen.
Wer bereits im Unternehmen ist, behält den Job mit ähnlicher Wahrscheinlichkeit wie zuvor. Es gibt keine auffälligen Entlassungsspitzen in den Daten.
Junior-Positionen werden nach Abgängen einfach nicht mehr neu besetzt. Stellen verschwinden lautlos, statt spektakulär abgebaut zu werden — Löhne reagieren dabei kaum.
Der Effekt konzentriert sich auf Berufe, in denen KI menschliche Arbeit automatisiert — typische Einstiegsaufgaben wie Datenaufbereitung oder Textentwürfe.
Erfahrene Fachkräfte nutzen KI komplementär, gestützt auf Erfahrungswissen — dort bleibt die Beschäftigung stabil oder wächst sogar.
Laut OpenAI-Nutzungsdaten aus US-Unternehmen verwenden ausgerechnet Berufseinsteiger:innen ChatGPT am intensivsten — weil ihre Aufgaben hochgradig standardisiert sind, machen sie sich damit unbeabsichtigt selbst leichter ersetzbar. Firmen sparen gleichzeitig genau die Stellen ein, an denen die Fachkräfte von morgen eigentlich ausgebildet würden — was die Expertise-Pipeline langfristig gefährdet. Reine Prompting-Kompetenz reicht laut weiteren Studien nicht, um fehlendes Fachwissen auszugleichen.
Der komplementäre KI-Vorteil erfahrener Fachkräfte entsteht nicht von selbst — er wurde einst als Berufseinsteiger:in erarbeitet. Wer diese Stufe komplett wegrationalisiert, baut sich die eigene Fachkräfte-Pipeline von morgen ab.
Vier unabhängige Datenquellen aus drei Kontinenten zeichnen dasselbe Bild: KI führt bisher nicht zum großen Jobabbau, den viele befürchtet hatten — aber sie verengt gezielt die erste Sprosse der Karriereleiter. Das ist paradoxerweise fast schlimmer als eine breite Entlassungswelle, weil der Effekt kaum sichtbar wird: keine Schlagzeile, keine Pressemitteilung, nur eine Stelle, die einfach nie ausgeschrieben wird.
Das passt zu einem Muster, das Anthropics eigene Studie zu Claude Code bereits zeigte: Der Vorsprung mit KI-Werkzeugen entsteht aus Fachwissen und Erfahrung, nicht aus reiner Tool-Bedienung. Genau dieses Fachwissen entsteht aber klassischerweise im Berufseinstieg — der Stufe, die gerade am stärksten unter Druck gerät.
Quellen: Stanford Digital Economy Lab · heise online · Korea Times (Bank of Korea) · ifo Institut · ILO. Stand: 20.08.2026.
Welches Modell für welche Aufgabe, welche Tools wirklich zählen und wie du richtig promptest — komplett lesbar, kein Download.
Jetzt gratis lesen →Ich helfe dir, KI-Workflows so aufzubauen, dass sie entlasten statt Ausbildung zu verdrängen. Lass uns reden.