Dieser Blogartikel entstand auf Basis der hervorragenden Recherche unserer Digital Learning Specialistin (& absoluten KI-Enthusiastin) Maria Matthäus – bei Fragen wende Dich gerne direkt an sie.
Wenn wir über Automatisierung sprechen, denken viele noch an Fließband, Lagerhalle und Roboterarm. Bei generativer KI passt dieses Bild aber nur noch begrenzt. Sprachmodelle heben nichts, montieren nichts und fahren nichts. Sie lesen, schreiben, strukturieren, verdichten und formulieren um. Genau deshalb geraten zuerst jene Berufe unter Veränderungsdruck, deren Alltag stark am Bildschirm stattfindet. OECD und ILO beschreiben dieses Muster klar: Besonders exponiert sind nicht zuerst körperliche Präsenzjobs, sondern non-routine, kognitive White-Collar-Tätigkeiten.
Wissensarbeit heißt in diesem Zusammenhang: Arbeit, bei der Informationen verarbeitet werden. Wer Mails formuliert, Protokolle schreibt, Daten auswertet, Konzepte entwickelt oder Präsentationen baut, erledigt viele kleine Aufgaben, die generative KI heute schon unterstützen kann. Genau darin liegt der Kern der Veränderung: KI ersetzt oft nicht sofort einen ganzen Beruf, sondern greift zuerst in einzelne Arbeitsschritte ein.
Eine der frühen Arbeiten dazu ist „GPTs are GPTs“ — eine Forschungsarbeit von Tyna Eloundou, Sam Manning, Pamela Mishkin und Daniel Rock, mit Autor:innen von OpenAI, OpenResearch und der University of Pennsylvania. Die Studie kam 2023 zu dem Ergebnis, dass rund 80 Prozent der US-Beschäftigten bei mindestens 10 Prozent ihrer Aufgaben betroffen sein könnten, zugleich könnte die Exposition bei höher bezahlten Jobs größer sein.
Wer in den vergangenen Tagen die viel geteilte Karpathy-Grafik gesehen hat, erkennt dort im Grunde dasselbe Muster wieder: hohe Exposition dort, wo Arbeit fast vollständig digital und am Computer stattfindet. Wichtig ist nur die Einordnung. Karpathy beschreibt sein Angebot selbst ausdrücklich nicht als Paper, sondern als Entwicklungstool zur visuellen Exploration von BLS-Daten. Die „Digital AI Exposure“-Werte sind grobe LLM-Schätzungen, keine belastbaren Arbeitsmarktprognosen. Als Illustration ist das trotzdem nützlich, gerade weil es verständlich macht, warum Wissensarbeit so stark betroffen ist.
Die Anthropic-Analyse vom März 2026 schärft diesen Punkt noch einmal. Sie kombiniert theoretische Expositionswerte mit realen Claude-Nutzungsdaten und nennt das „observed exposure“. Auch dort zeigt sich: Die am stärksten exponierten Gruppen sind eher höher gebildet, häufiger weiblich und besser bezahlt. Gleichzeitig betont die Studie, dass die reale Nutzung noch deutlich hinter dem technisch Möglichen zurückbleibt und bislang kein systematischer Anstieg der Arbeitslosigkeit in stark exponierten Berufen zu sehen ist.
Genau deshalb ist die wichtigere Unterscheidung nicht zwischen „gefährdet“ und „sicher“, sondern zwischen „unverändert“ und „verändert“. Die ILO argumentiert ausdrücklich, dass generative KI Berufe häufiger transformiert als vollständig beseitigt. Für Wissensarbeiter:innen heißt das: weniger Routineformulierung, mehr Prüfung, weniger erste Recherche, mehr Bewertung, weniger manuelle Dokumentation, mehr Steuerung und Qualitätssicherung.
Und genau deshalb heißt das für Unternehmen: KI-Weiterbildung ist kein Spezialthema nur für IT-Teams. Sie gehört dorthin, wo täglich mit Texten, Daten, Entscheidungen und digitalen Prozessen gearbeitet wird. Denn der größte Veränderungsdruck liegt bei generativer KI nicht zuerst auf der Werkbank, sondern am Bildschirm. Oder noch kürzer: nicht die Werkbank steht gerade am stärksten unter Druck, sondern der Browser-Tab.
Quellen
Anthropic: Labor market impacts of AI: A new measure and early evidence (5. März 2026).
Andrej Karpathy: US Job Market Visualizer (März 2026).
Eloundou, Manning, Mishkin, Rock: GPTs are GPTs: An early look at the labor market impact potential of large language models (2023).
OECD, Marguerita Lane: Who will be the workers most affected by AI? (2024).
ILO: Generative AI and Jobs: A Refined Global Index of Occupational Exposure (2025).
