Jobkiller KI: Warum Zeitersparnis nicht automatisch entlastet

Worum es geht

Kaum eine Prognose hat seit dem Erscheinen von ChatGPT so verlässlich Konjunktur wie die vom Jobkiller KI. Anthropic-Chef Dario Amodei sagte 2025 voraus, KI könne binnen weniger Jahre die Hälfte aller Einstiegsjobs im US-amerikanischen Büroalltag beseitigen und die Arbeitslosigkeit in den USA auf 10 bis 20 Prozent treiben. Der Ökonom Daron Acemoglu stellt eine andere Frage, die nach dem gesamtwirtschaftlichen Ertrag, und kommt in seinem Modell für das kommende Jahrzehnt auf einen sehr bescheidenen Produktivitätsschub. Die beiden Erwartungen schließen einander nicht einmal aus: Geringe Produktivitätsgewinne und erhebliche Verwerfungen am Arbeitsmarkt können gleichzeitig eintreten.

Inzwischen liegen empirische Studien vor, die weniger spektakulär klingen und gerade deshalb mehr verraten. Sie zeigen eine Technik, die Arbeit erkennbar verändert, bislang aber vor allem unter der Oberfläche: in Aufgaben, Abläufen und Erwartungen. Und sie zeigen, dass die Zeit, die KI spart, nur selten zu kürzeren Arbeitstagen oder mehr Freizeit wird. Die Vier-Tage-Woche, die manche Beobachter schon am Horizont sahen, ist in den Daten nicht in Sicht.

Eine der umfangreichsten Untersuchungen stammt aus Dänemark. Anders Humlum und Emilie Vestergaard haben Befragungen von rund 25.000 Beschäftigten aus 7.000 Betrieben mit amtlichen Lohn- und Arbeitszeitregistern verknüpft, in elf Berufen, die als besonders KI-exponiert gelten, von der Buchhaltung über den Kundenservice bis zur Softwareentwicklung (1).

Für die ersten zwei Jahre nach dem Start von ChatGPT finden sie keinen messbaren Effekt der Chatbot-Nutzung auf Verdienste und erfasste Arbeitsstunden; Effekte von mehr als zwei Prozent schließen die Daten aus. Das gilt auch für intensive Nutzer und für Betriebe, die KI aktiv fördern. Die Autoren fassen ihren Befund in ein Bild: stilles Wasser an der Oberfläche, darunter starke Strömungen, in denen Arbeit umfassend neu organisiert wird.

Aus den USA kommt ein Befund, der dazu nur scheinbar im Widerspruch steht. Erik Brynjolfsson und Kollegen werten Lohnabrechnungsdaten von Millionen Beschäftigten bis Juni 2026 aus (2). Eine flächendeckende Verdrängung finden auch sie nicht. Bei den 22- bis 25-Jährigen in KI-exponierten Berufen liegt die Beschäftigung aber inzwischen 19 Prozent unter dem Niveau, das sie bei gleichem Verlauf wie in weniger exponierten Berufen erreicht hätte.

Die Lücke entsteht vor allem durch ausbleibende Neueinstellungen, kaum durch Entlassungen, und sie konzentriert sich auf Berufe, in denen KI menschliche Tätigkeiten eher ersetzt als ergänzt. Die Forschenden verstehen das ausdrücklich als Frühindikator, als Kanarienvogel im Bergwerk; eine kausale Schätzung beanspruchen sie dafür nicht. Die dänischen Daten zeigen einen ähnlichen Rückgang bei Berufseinsteigern, können ihn aber nicht auf jene Betriebe zurückführen, die KI tatsächlich einsetzen.

Ein eindeutiges Urteil geben die Daten damit nicht her. Plausibel ist ein doppelter Befund: Die vorhandene Belegschaft arbeitet weiter, oft sogar mehr, während der Berufseinstieg für Jüngere schwieriger werden könnte. Für Organisationen, die KI vor allem als Sparprogramm verstehen, liegt genau darin die Turing-Falle: Der Abbau trifft zuerst jene Stellen, auf denen künftige Erfahrung entsteht.

Dass Arbeit trotz KI nicht einfach verschwindet, hat mit ihrer Struktur zu tun. Ein Beruf ist ein Bündel aus Aufgaben: Telefonate, Abstimmungen, Recherchen, Entwürfe, Rückfragen, kleine Entscheidungen. KI übernimmt einzelne davon, selten das ganze Bündel. Die Internationale Arbeitsorganisation kommt in ihrer aktualisierten Analyse von 2025 zu dem Schluss, dass sich die meisten KI-exponierten Berufe eher verändern als verschwinden dürften; rund jede vierte Stelle weltweit liegt demnach in einem Beruf mit nennenswerter Exposition (3). Das ist eine Potenzialanalyse, keine Messung eingetretener Verluste, und sie hat eine unbequeme Kehrseite: Auch wenn ein Beruf bestehen bleibt, braucht es womöglich weniger Menschen für dieselbe Arbeitsmenge.

Was sich in jedem Fall verschiebt, ist der Inhalt des Bündels. In den dänischen Betrieben berichten rund acht Prozent der Chatbot-Nutzer von völlig neuen Aufgaben, selbst wo der Arbeitgeber KI nicht eigens fördert; in Betrieben mit aktiven KI-Initiativen sind es rund 18 Prozent. Gut zwei Fünftel dieser neuen Aufgaben bestehen im Erzeugen von Inhalten, gut ein Drittel im Prüfen von KI-Ergebnissen und im Einhalten von Regeln, ein Viertel in der Integration der Werkzeuge in die Abläufe. Neue Arbeit ist also längst nicht nur Reparaturarbeit. Sie erreicht sogar Menschen, die selbst keine KI nutzen: Jede zehnte Lehrkraft ohne eigene Chatbot-Nutzung berichtet von zusätzlicher Arbeit, vor allem damit, KI-generierte Hausaufgaben zu erkennen.

Dass KI produktiver machen kann, ist dabei gut belegt. Im Kundenservice eines großen Softwareunternehmens lösten mehr als 5.000 Beschäftigte mit einem KI-Assistenten im Schnitt rund 15 Prozent mehr Anfragen pro Stunde, am stärksten profitierten die Unerfahrenen (4). In einem randomisierten Feldexperiment mit 7.137 Wissensarbeitenden in 66 Unternehmen verbrachten jene, die das bereitgestellte KI-Werkzeug tatsächlich nutzten, in der zweiten Versuchshälfte rund zwei Stunden weniger pro Woche mit E-Mails und arbeiteten weniger Zeit außerhalb der regulären Arbeitszeiten (5). Das Autorenteam aus Microsoft Research und der Harvard Business School hat dabei Microsofts eigenen Copilot untersucht; die Stärke der Studie liegt in ihrem randomisierten Aufbau.

Aufschlussreich ist, wo die Entlastung ankam und wo nicht. Sie zeigte sich bei Tätigkeiten, die Einzelne allein verändern können, beim Abarbeiten des Postfachs etwa. Meetings, die Abstimmung mit anderen verlangen, blieben unverändert, und eine Verschiebung in Menge oder Zusammensetzung der Aufgaben fanden die Forschenden nicht. Zeitersparnis entsteht am einzelnen Schreibtisch. Was mit ihr geschieht, entscheidet sich in der Organisation.

Damit fallen drei Fragen auseinander, die in der Debatte gern verschwimmen. Entsteht pro Stunde mehr brauchbares Ergebnis? Bekommen die Beschäftigten davon etwas ab, als Lohn oder als freie Zeit? Und wächst die Belastung während der Arbeit? Produktivität kann steigen, während Lohn und Arbeitszeit gleich bleiben und der Druck zunimmt. Für den Abstand zwischen Einführung und messbarem Ertrag kennt die Ökonomie das Bild der J-Kurve: Zuerst kosten Schulung, Integration und Aufsicht, erst später zahlt sich eine Technik aus. Die Elektrifizierung hat genau diesen verspäteten Ertrag gezeigt.

Wohin die eingesparte Zeit fließt, haben Humlum und Vestergaard jene Beschäftigten gefragt, die überhaupt eine Zeitersparnis durch KI berichten. Rund 85 Prozent verwenden sie für andere Aufgaben, 29 Prozent für mehr Zeit bei denselben Aufgaben; von zusätzlichen Pausen berichten sieben Prozent, von mehr Freizeit sechs Prozent, Mehrfachnennungen eingeschlossen. Wer besonders viel Zeit spart, übernimmt zudem häufiger neue Aufgaben. Die gesparte Zeit bleibt also im Betrieb.

Ist das schon der Rebound-Effekt? Streng genommen noch nicht. Der Begriff bezeichnet jenen Teil einer Einsparung, der durch Mehrverbrauch wieder aufgezehrt wird, weil die Effizienz selbst neue Nachfrage erzeugt. Dass Zeit innerhalb der Arbeit umverteilt wird, kann auch bedeuten, dass liegen gebliebene Aufgaben endlich erledigt werden, und eine gleichbleibende Arbeitszeit beweist wenig, denn die Wochenstunden stehen ohnehin im Vertrag.

Vom Jevons-Paradoxon schließlich spricht man erst, wenn der Mehrverbrauch die Einsparung übersteigt. Wie dieser Mechanismus von der Dampfmaschine bis zur Waschmaschine gewirkt hat, ist gut dokumentiert. Die dänischen Daten sind mit einem Rebound vereinbar, nachweisen können sie ihn nicht. Wer allerdings darauf wetten möchte, dass effizientere Technik diesmal keine neuen Ansprüche erzeugt, wettet gegen 150 Jahre Wirtschaftsgeschichte.

Die Anzeichen sind jedenfalls kaum zu übersehen. Shopify-Chef Tobi Lütke erklärte im April 2025 in einem internen Memo die reflexhafte KI-Nutzung zur Grunderwartung an alle Beschäftigten. Wo das Werkzeug zur Pflicht wird, wird sein Ergebnis zur Norm. Auch im Agenturalltag lässt sich das beobachten: Angebote werden ausführlicher, Präsentationen erscheinen in mehreren Varianten, Förderanträge, Berichte und Protokolle wachsen, weil ihre Erstellung kaum noch Mühe kostet und alle wissen, dass sie kaum noch Mühe kostet. Die Messlatte verschiebt sich unbemerkt, und mit ihr das, was als ordentliche Arbeit gilt. Beim Programmieren mit KI zeigt sich dasselbe Muster: mehr Code, mehr Tests, mehr Dokumentation und entsprechend mehr Prüfung.

Schlecht ist das nicht per se. Mehr Zeit für Beratung, sorgfältigere Recherche oder lange liegen gebliebene Vorhaben sind ein echter Ertrag, auch für die Beschäftigten selbst. Zum Problem wird der Rebound dort, wo zusätzliche Ergebnisse niemand braucht: die dritte Präsentationsvariante, die niemand liest, der Bericht, der nur existiert, weil er sich so leicht erstellen ließ. Hier erzeugt KI Beschäftigung im doppelten Wortsinn, und die Kosten trägt die Aufmerksamkeit derer, die das alles lesen, prüfen und beantworten müssen.

Für Unternehmen, Verbände und Verwaltungen folgt daraus vor allem eines: Wer über KI und Personal entscheidet, sollte ganze Abläufe messen, keine einzelnen Handgriffe. Ein Entwurf, der in zehn Minuten statt einer Stunde entsteht, spart nur dann Zeit, wenn Prüfung, Korrektur, Abstimmung und Folgearbeit nicht im selben Maß wachsen. Erst diese Gesamtbilanz zeigt, ob eine Organisation produktiver geworden ist oder bloß schneller.

Ebenso unbequem ist die Personalfrage. Wer Einsparungen vor allem bei Neueinstellungen realisiert, spart heute an Gehältern und schwächt die Entstehung jener Erfahrung, ohne die sich KI-Ergebnisse gar nicht beurteilen lassen. Prüfen kann auf Dauer nur, wer die Arbeit selbst einmal gelernt hat. Eine Organisation, die ihren Nachwuchs ausdünnt, um mit KI effizienter zu werden, verbraucht damit genau die Ressource, die sie für den verantwortlichen Einsatz von KI am dringendsten braucht.

Gesparte Zeit gehört dem, der als Erster eine neue Erwartung daraus macht.