Stanford-Studie: KI trifft zuerst Berufseinsteiger

Eine neue Studie des Stanford Digital Economy Lab, veröffentlicht am 24. August 2026, zeigt, dass künstliche Intelligenz die jüngsten Berufseinsteiger auf dem Arbeitsmarkt am härtesten trifft. Die Studie mit dem Titel «Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence» aktualisiert eine Version, die dasselbe Team ein Jahr zuvor veröffentlicht hatte. Hauptautor ist Erik Brynjolfsson, Direktor des Labors, gemeinsam mit Bharat Chandar und Ruyu Chen.

Der zentrale Befund ist deutlich: Die Beschäftigung von 22- bis 25-jährigen Arbeitnehmern in Berufen, die als stark exponiert gegenüber KI gelten, liegt derzeit etwa 19% unter der in weniger exponierten Berufen. Vor einem Jahr, bei der letzten Messung desselben Teams, betrug diese Lücke nur 13%. Die Lücke besteht also nicht nur — sie wird größer.

Um zu diesem Ergebnis zu gelangen, nutzten die Forscher eine große Teilstichprobe anonymisierter, hochfrequenter Lohndaten, die von ADP, dem größten Lohnabrechnungsdienstleister der USA, aggregiert wurden. Der Datensatz umfasst Millionen Arbeitnehmer in mehr als 730 Berufen — etwa jeden sechsten US-Arbeitnehmer. Das Team maß die KI-Exposition jedes Berufs mit zwei getrennten Werkzeugen: einem etablierten Indikator für Arbeitsmarktwirkung aus früheren Forschungen sowie dem Anthropic Economic Index, der misst, wie jeder Beruf das Modell Claude tatsächlich im Alltag nutzt. Einen Monat zuvor hatte Google einen ähnlichen Bericht auf Basis der tatsächlichen Gemini-Nutzung veröffentlicht.

Keine Massenentlassungen — aber ein Einstellungshahn, der sich schließt

Für die Wirtschaft insgesamt fanden die Forscher kaum oder keinen Unterschied in der relativen Beschäftigung zwischen den am stärksten und am wenigsten KI-exponierten Berufen. Der Effekt konzentriert sich fast vollständig auf die jüngsten Arbeitnehmer. Seit 2022 ist die Beschäftigung von 22- bis 25-Jährigen in den 40% der am stärksten von KI betroffenen Berufe um rund 11% gesunken, während die Beschäftigung junger Arbeitnehmer in den 60% der am wenigsten betroffenen Berufe im gleichen Zeitraum um rund 10% gestiegen ist.

TIME, das ebenfalls über die Studie berichtet, zitiert ein separates Maß: In den Berufen, die am stärksten der KI-Automatisierung ausgesetzt sind — darunter Softwareentwicklung, Marketing und Kundenservice —, erlebten Berufseinsteiger einen relativen Beschäftigungsrückgang von 16%, selbst nach Kontrolle unternehmensspezifischer Effekte. Ars Technica und TIME stellen diese Zahlen als unterschiedliche Blickwinkel auf denselben Datensatz dar, nicht als eine einzige zweimal wiederholte Kennzahl, und das zugrunde liegende Muster bestätigt sich in beiden Fällen: Der Schaden trifft die Einstellung, nicht die bereits besetzten Stellen. Die Forscher stellten fest, dass der Effekt vor allem über einen Rückgang der Einstellungen von Berufseinsteigern in den betroffenen Berufen wirkt, nicht über mehr Entlassungen oder Kündigungen. Er zeigt sich vor allem im gesamten Beschäftigungsniveau, nicht bei den Löhnen.

• 19%: Beschäftigungslücke zwischen 22- bis 25-Jährigen in den am stärksten KI-exponierten Berufen und ihren Altersgenossen, gegenüber 13% vor einem Jahr
• 11% gegenüber 10%: Seit 2022 ist die Jugendbeschäftigung in den 40% der am stärksten von KI betroffenen Berufe um rund 11% gesunken und in den 60% am wenigsten betroffenen um rund 10% gestiegen
• 16%: relativer Rückgang der Einstiegsbeschäftigung, separat gemessen in den am stärksten automatisierungsexponierten Berufen (Softwareentwicklung, Marketing, Kundenservice), nach Kontrolle von Unternehmenseffekten (TIME)
• 6% bis 12%: Beschäftigungswachstum bei Arbeitnehmern ab 30 Jahren in Berufen mit hoher KI-Exposition zwischen Ende 2022 und Mai 2025 (TIME)

Warum manche Berufe und andere nicht: Automatisieren gegen Erweitern

Der Anthropic Economic Index unterscheidet zwischen «automatisierenden» KI-Nutzungen, bei denen die Technologie eine zuvor von einem Menschen ausgeführte Aufgabe vollständig ersetzt, und «erweiternden» Nutzungen, die einem Arbeitnehmer helfen, seine Arbeit effizienter zu erledigen. Berufe wie Buchhalter und Wirtschaftsprüfer oder Empfangs- und Auskunftspersonal zählen zu den am stärksten automatisierbaren. Berufe wie Geschäftsführer oder examinierte Krankenpfleger nutzen KI eher erweiternd.

Berufe, in denen die automatisierende KI-Nutzung dominiert, zeigen die schlechtesten relativen Beschäftigungsergebnisse für Berufseinsteiger. Wie die Forscher es in einer von Ars Technica zitierten Formulierung ausdrücken:

Die Ergebnisse stehen im Einklang mit der Hypothese, dass automatisierungsorientierte KI-Nutzungen Arbeit ersetzen, während komplementäre Nutzungen mit stabiler oder steigender Beschäftigung einhergehen.

Die Arbeitshypothese der Forscher lautet, dass Berufseinsteiger besonders in Berufen betroffen sind, die stark auf «kodifiziertem» Wissen beruhen — formalem, standardisiertem Wissen, das durch Ausbildung, Handbücher und schriftliche Verfahren vermittelt werden kann —, im Gegensatz zu Berufen, die auf «implizitem» Wissen beruhen, das durch praktische Erfahrung, Mentoring und wiederholte Praxis erworben wird.

Anhand des für einen Beruf erforderlichen Bildungsniveaus aus der O*NET-Datenbank als Näherungswert für die Abhängigkeit von kodifiziertem Wissen stellen die Forscher fest, dass stark kodifizierte Berufe ein langsameres Wachstum der Einstiegsbeschäftigung zeigen, während auf implizitem Wissen basierende Berufe ein schnelleres Beschäftigungswachstum für Arbeitnehmer in der Mitte und am Ende ihrer Karriere zeigen.

Höhere Bildung scheint den Effekt abzufedern. In Berufen mit einem hohen Anteil an Hochschulabsolventen ist der Unterschied zwischen stark und wenig KI-exponierten Stellen gedämpfter. In Berufen mit wenigen Absolventen wuchs die Beschäftigung in den am wenigsten exponierten Stellen, während sie in den am stärksten exponierten Stellen zurückging.

TIME berichtet über einen weiteren Datenpunkt: Bei Arbeitnehmern ab 30 Jahren in Kategorien mit hoher KI-Exposition wuchs die Beschäftigung zwischen Ende 2022 und Mai 2025 um 6% bis 12% — ein mögliches Zeichen dafür, dass ältere Arbeitnehmer über implizites Wissen verfügen, das für KI schwerer zu replizieren ist, oder über organisatorische Macht, die sie stärker schützt. Stärker manuelle Berufe — häusliche Pflegekräfte, Wartungspersonal, Taxifahrer — verzeichneten laut TIME eine stabile oder sogar wachsende Beschäftigung.

Unsere Ergebnisse stehen im Einklang mit der Hypothese, dass KI diesen Effekt [auf den Arbeitsmarkt] verursacht, besonders für Berufseinsteiger.

Erik Brynjolfsson, Direktor des Labors, beschrieb das Muster gegenüber TIME als ungewöhnlich ausgeprägt:

Es war wirklich auffällig, einen so ausgeprägten Effekt für bestimmte Kategorien zu sehen und für andere nicht. Ich denke, man kann fairerweise sagen, dass Technologie schon immer Arbeitsplätze vernichtet und schon immer Arbeitsplätze geschaffen hat. Wenn wir nicht nur höhere Produktivität, sondern breit geteilten Wohlstand schaffen wollen, ist es ein guter Weg, KI zu nutzen, um Arbeit zu erweitern und nicht nur zu automatisieren.

Die Effekte auf Berufseinsteiger, die wir messen, sind real, anhaltend und werden größer, und ich mache mir mehr Sorgen als früher um einen Arbeitsmarkt, der sein Gesamtbeschäftigungsniveau hält, während er die Einstiegsrampe für Berufsanfänger leise schließt.

Die Ironie entgeht auch den Forschern selbst nicht: Sie nutzten KI, um den Code zur Verarbeitung der ADP-Daten zu schreiben, Referenzen zu prüfen, die Grafiken der Studie zu erstellen und zu bearbeiten, und beim Schreiben zu helfen — eine Nutzung, die sie selbst laut TIME als «erweiternd» bezeichnen.

Was das für junge Absolventen und Unternehmen in Deutschland ändert

Für einen jungen Absolventen in Deutschland und für ein Unternehmen, das zwischen Automatisieren und Erweitern einer Stelle abwägt, liefern die Stanford-Daten eine Warnung statt eines Urteils: Der Effekt wirkt vor allem über weniger Einstiegsstellen, nicht über den Abbau bestehender Stellen. Arbeitgeber, die KI nutzen, um ihre neuen Mitarbeiter effizienter zu machen, statt sie überflüssig zu machen, scheinen laut dieser Datenlage diejenigen zu sein, die weiterhin einstellen.