Vor zwei Wochen schreckte ein offener Brief von über 200 Ökonomen und KI-Forschern, darunter 16 Nobelpreisträger, die Tech- und Wirtschaftswelt auf: KI könne die Wirtschaft stärker umwälzen als die Industrielle Revolution, und das in weit kürzerer Zeit. Einer der Initiatoren war Erik Brynjolfsson, Direktor des Stanford Digital Economy Lab. In einem Video-Interview vom 21. Juli 2026 liefert er nun die Daten, auf die sich seine Position stützt. Die bekannteste Zahl daraus: In den am stärksten KI-exponierten Berufen ist die Beschäftigung von 22- bis 25-Jährigen um 16 Prozent zurückgegangen.
Das Gespräch führte die Unternehmerin Marina Mogilko auf ihrem Kanal Silicon Valley Girl. Bemerkenswert daran ist, wie sorgfältig Brynjolfsson seine eigene Alarmzahl einordnet.
Die Zahl und was sie tatsächlich aussagt
Der Titel der Studie spielt auf die Kanarienvögel an, die früher im Bergbau als Frühwarnsystem dienten: Sie reagierten auf schlechte Luft, lange bevor die Bergleute etwas merkten. In dieser Rolle sieht die Untersuchung von Erik Brynjolfsson, Bharat Chandar und Ruyu Chen die Berufseinsteiger. Sie erschien im August 2025 als Arbeitspapier, liegt seit November 2025 in überarbeiteter Fassung vor und stützt sich auf die Lohnabrechnungsdaten des US-Dienstleisters ADP, über den Millionen amerikanischer Beschäftigter abgerechnet werden.
Die 16 Prozent sind dabei kein absoluter Einbruch der Gesamtbeschäftigung, sondern ein relativer Rückgang: Verglichen werden junge mit erfahreneren Beschäftigten im selben Unternehmen sowie stark mit schwach betroffenen Berufen. Ebenso wichtig ist die andere Seite desselben Datensatzes. In den am wenigsten exponierten Berufen, etwa der häuslichen Pflege, wächst die Beschäftigung. Ältere Beschäftigte legen zu. Und wer KI einsetzt, um die eigene Arbeit zu erweitern statt sie zu automatisieren, schneidet nach Brynjolfssons Auswertung deutlich besser ab. Der Befund lautet also nicht "KI vernichtet Arbeit", sondern präziser: Sie verschiebt, wo Arbeit entsteht und wo sie wegfällt.
Welche Berufe es trifft
Am deutlichsten betroffen seien laut Brynjolfsson das Programmieren und die Callcenter, dazu Teile von Vertrieb und Marketing. Zweistellige Rückgänge sehe er dort, wo KI eingesetzt werde, um Arbeit vollständig zu ersetzen. Auf die Frage, ob er jungen Menschen heute noch zu bestimmten Berufen raten würde, antwortet er ungewöhnlich direkt: Ein Junior-Softwareentwickler mit 95.000 Dollar Jahresgehalt sitze mitten in der Zielscheibe, beim Senior-Entwickler wäre er deutlich optimistischer. Beim Marketing-Manager der mittleren Ebene mit 115.000 Dollar sehe er ebenfalls wenig Zukunft, bei juristischen Assistenzkräften sei die Lage noch schlechter.
Entscheidend ist dabei die Betrachtungsebene: Betroffen seien nicht ganze Berufe, sondern einzelne Aufgaben. Ein Radiologe etwa erledige 26 unterscheidbare Tätigkeiten, von denen das Auswerten medizinischer Bilder nur eine sei. In keinem einzigen Beruf könne ein Sprachmodell, also ein KI-System für Sprache und Text, den kompletten Aufgabenkatalog übernehmen. Die Radiologie zeigt auch, warum mehr Effizienz nicht zwingend weniger Stellen bedeutet: Als Geoffrey Hinton im Jahr 2016 empfahl, keine Radiologen mehr auszubilden, lag er im Ergebnis falsch. Weil Bildgebung günstiger wurde, stieg die Nachfrage so stark, dass es heute mehr Radiologen gibt als je zuvor. Wer bei einer Schulterverspannung 2.000 Dollar für ein MRT zahlen müsste, verzichtet - bei 200 Dollar geht er hin.
Das Nachwuchs-Dilemma und was stattdessen zählt
Die eigentliche strukturelle Gefahr sieht Brynjolfsson nicht in einzelnen Stellen, sondern im Ausbildungsweg. Er beschreibt das Bild einer Pyramide: unten viele Junioren, aus denen mittlere und obere Führungsebenen nachwachsen. Wer die Basis entferne, bekomme eine Raute, dick in der Mitte und dünn an beiden Enden. Woher dann die erfahrenen Leute kommen sollen, sei offen. Ökonomisch sei das ein Koordinationsproblem: Für jedes einzelne Unternehmen könne es rational sein, sich die Junioren zu sparen, gesellschaftlich brauche es diese Stellen aber. Als Gegenbeispiel nennt er den IT-Dienstleister Infosys, der nach eigener Auskunft weiterhin genauso viele Berufseinsteiger einstelle, sie aber nicht mehr die Routinearbeit machen lasse, sondern von Anfang an in Projektsteuerung ausbilde.
Denn der Wert verschiebt sich vom Ausführen zum Beauftragen. Brynjolfsson zerlegt jedes Projekt in drei Teile: die Frage definieren, sie ausführen, das Ergebnis bewerten. Den mittleren Teil übernähmen KI-Agenten inzwischen gut, also Programme, die eine Aufgabe eigenständig in mehreren Schritten abarbeiten. Bleiben Teil eins und drei:
- Die richtige Frage stellen: Probleme so präzise formulieren, dass ein Agent zielgerichtet daran arbeiten kann.
- Eine Flotte statt eines Werkzeugs führen: Nicht ein einzelner Assistent, sondern mehrere spezialisierte Agenten, die parallel arbeiten.
- Bewerten und nachschärfen: Agenten erfinden Fakten oder erledigen exakt das, was gefragt wurde, aber nicht das, was gemeint war. Das zu erkennen, ist die eigentliche Arbeit.
Die Zahlen laufen weiter: das Canaries-Dashboard
Die Studie ist keine Momentaufnahme geblieben. Das Lab schreibt die Auswertung in einem öffentlichen Dashboard monatlich fort, zuletzt im Juli 2026. Im Interview sagt Brynjolfsson, der Effekt werde seit der Veröffentlichung jeden Monat größer. Wer die Entwicklung im deutschsprachigen Raum einordnen will, findet dort die aktuellen Werte nach Berufsgruppen, Altersgruppen und Expositionsgrad, ohne auf die nächste Studienveröffentlichung warten zu müssen.
Ein Blick in den Rückspiegel
Bei aller Genauigkeit der Daten gehört eine Einschränkung mitgedacht, die für jede Zahl dieser Art gilt: Ausgewertet werden Lohnabrechnungen, also Vergangenheit. Der Rückspiegel ist hier ungewöhnlich schnell, weil monatlich nachgelegt wird statt in Quartalen. Aber er bleibt ein Rückspiegel. Zwischen einer neuen technischen Fähigkeit und dem Moment, in dem sie sich in Stellenplänen niederschlägt, liegen Beschaffung, Prozessumbau und Qualifizierung. Brynjolfsson beziffert diese Strecke auf drei bis fünf Jahre und verweist auf seine Doktorarbeit über die Elektrifizierung amerikanischer Fabriken, wo zwischen den ersten Elektromotoren und den messbaren Produktivitätsgewinnen rund 30 Jahre lagen. Entsprechend sagt er über die Gegenwart: Die Fähigkeiten der Modelle stiegen rasant, die wirtschaftliche Wirkung sei bislang gedämpft.
Für die Interpretation heißt das zweierlei. Die 16 Prozent beschreiben die Wirkung der ersten Anwendungswelle, im Wesentlichen einzelner Assistenzsysteme. Die Agenten-Flotten, die Brynjolfsson für die kommenden Jahre erwartet, sind in diesen Daten noch gar nicht enthalten, die Zahl kann also untertreiben. Sie kann aber ebenso überzeichnen: Die Economic Innovation Group führte im Januar 2026 den schärfsten Zinserhöhungszyklus seit vier Jahrzehnten als Erklärung ins Feld und argumentierte, die Einstellungsbremse habe mehr als ein halbes Jahr vor jedem plausiblen KI-Effekt eingesetzt. Das Stanford-Team hat im Februar 2026 geantwortet: Ausgerechnet die stark KI-exponierten Berufe reagierten weniger empfindlich auf Zinsen, und der Rückgang werde erst ab 2024 statistisch belastbar. Die Debatte ist offen.
Wo Anton Korinek weiterdenkt
Genau an dieser Stelle wird eine zweite Perspektive interessant. Brynjolfsson misst mit harten Daten, was bereits geschehen ist, und kann deshalb wenig darüber sagen, was gerade erst in den Unternehmen ankommt. Der Ökonom Anton Korinek, ebenfalls Mitinitiator des offenen Briefes, rechnet umgekehrt vorwärts. Er modelliert, was passiert, wenn Systeme kognitive Aufgaben in der Breite übernehmen, und kommt dabei zu einer unbequemen Schlussfolgerung: Die historische Regel, wonach technologischer Fortschritt am Ende stets mehr und bessere Arbeitsplätze schafft als er vernichtet, könnte bei KI erstmals brechen. Frühere Automatisierungswellen betrafen vor allem die Muskelkraft, Arbeitskräfte konnten in kognitive Tätigkeiten ausweichen. Diese Ausweichrichtung fällt weg, wenn das Denken selbst automatisiert wird.
Korineks Szenarien lassen sich nicht überprüfen, das ist die Schwäche jeder Modellrechnung. Sie erfassen aber den Teil der Entwicklung, der im Rückspiegel noch nicht auftauchen kann. Umgekehrt liefert Brynjolfsson den Wirklichkeitsabgleich, den ein Modell nicht leisten kann. Sein aktueller Befund lässt sich als erster Prüfpunkt lesen: Was Korinek theoretisch hergeleitet hat, zeigt sich in den Daten zuerst dort, wo die Berufslaufbahn beginnt.
🎯 Was das für die Praxis bedeutet
1. Nachwuchsförderung umbauen statt streichen: Der Infosys-Weg ist das Vorbild. Junioren übernehmen von Anfang an Projektsteuerung und das Führen von KI-Agenten statt Routine-Code und Standardberichten.
2. Erweitern statt automatisieren: Laut der Stanford-Studie schneiden Beschäftigte, die KI zur Erweiterung ihrer Arbeit nutzen, deutlich besser ab als jene, die damit die eigene Arbeit automatisieren.
3. Aufgaben prüfen, nicht Berufe: Sinnvoll ist eine Liste aller eigenen Tätigkeiten mit der Frage, welche ein Modell heute übernehmen kann und welche nicht. Der Anteil der zweiten Gruppe bestimmt den künftigen Marktwert.
4. Arbeitsmarktzahlen als Rückspiegel lesen: Zwischen technischer Fähigkeit und messbarer Wirkung liegen laut Brynjolfsson drei bis fünf Jahre. Wer die Personalplanung an aktuellen Statistiken ausrichtet, plant mit Werten, die den heutigen Stand der Technik noch nicht abbilden.
