Goldman Sachs: Indien ist einem geringeren KI-bedingten Arbeitsplatzrisiko ausgesetzt, doch Dienstleistungen bleiben gefährdet

Goldman Sachs zufolge ist Indien weniger stark von KI-bedingter Verdrängung von Arbeitsplätzen betroffen als reichere Volkswirtschaften, trotz eindeutiger Risiken für Verwaltungsarbeit und technologiegestützte Dienstleistungen. Santanu Sengupta, der Chefökonom der Bank für Indien, äußerte diese Einschätzung am 14. August, wie aus einem Bericht zu Arbeitsmarktrisiken hervorgeht. Die Schlussfolgerung widerspricht Prognosen, wonach generative KI rasch Arbeitsplätze in Indiens riesiger Erwerbsbevölkerung vernichten wird.

Die beruhigende Schlagzeile enthält eine wichtige Einschränkung. Indiens geringere Gefährdung spiegelt die Struktur seines Arbeitsmarkts wider, nicht etwa eine Immunität gegenüber zunehmend leistungsfähigen KI-Systemen. In Landwirtschaft, Bauwesen, Fertigung und anderen körperlichen Berufen arbeiten weiterhin Millionen Menschen, deren tägliche Aufgaben sich nur schwer mit Software automatisieren lassen.

Der Druck konzentriert sich andernorts. Routinemäßige Verwaltungsarbeit, Geschäftsprozessdienstleistungen, Telekommunikation, Finanzdienstleistungen, Medien und einige professionelle Tätigkeiten umfassen mehr Aufgaben, die Software übernehmen kann. Diese Sektoren stützen zudem Indiens Stellung als bedeutender Exporteur von Technologie- und Unternehmensdienstleistungen.

Daraus ergibt sich die zentrale Spannung. Auf nationaler Ebene wirkt das Land weniger verwundbar, während Teile seiner international bedeutenden Dienstleistungswirtschaft nahe an der Wirkungszone der Technologie liegen. Indiens KI-Arbeitsmarktgeschichte handelt daher von einem ungleichmäßigen Übergang, nicht von einem einfachen Wettstreit zwischen Massenarbeitslosigkeit und ununterbrochenem Wachstum.

Goldmans Prognose deutet auf Wandel statt massenhaften Ersatz hin

Das zentrale Argument der Bank lautet, dass KI mehr indische Arbeitsplätze verändern als beseitigen wird.

Eine Ende Juli veröffentlichte Analyse von Goldman Sachs schätzte, dass generative KI zwischen 9 % und 17 % der Aufgaben in Indiens nichtlandwirtschaftlicher Erwerbsbevölkerung übernehmen kann. Diese Spanne misst die Aufgabenexposition, also Tätigkeiten, bei denen KI unterstützen oder automatisieren kann. Sie ist keine Prognose, dass derselbe Anteil der Beschäftigten seinen Arbeitsplatz verlieren wird.

Die Unterscheidung ist wichtig, weil Berufe viele unterschiedliche Aufgaben bündeln. Ein Finanzanalyst könnte KI zum Zusammenfassen von Dokumenten nutzen und dennoch für Urteilsvermögen, Kundenkommunikation und regulatorische Entscheidungen verantwortlich bleiben. Eine Lehrkraft könnte Unterrichtsmaterial schneller erstellen, ohne Klassenmanagement oder die Bewertung von Schülerinnen und Schülern an ein Modell zu übertragen.

Goldman schätzte, dass bei 42 % bis 48 % der nichtlandwirtschaftlichen Arbeitsplätze KI-Unterstützung wahrscheinlicher ist als ein direkter Ersatz. Zwischen 8 % und 12 % ordnete die Bank einem Substitutionsrisiko zu, wie aus einer detaillierten Beschäftigungsanalyse hervorgeht. Der verbleibende Anteil dürfte unter den Annahmen des Berichts relativ begrenzte direkte Auswirkungen erfahren.

Diese Schätzungen stützen Senguptas umfassendere Aussage. Indien hat einen geringeren Anteil von Beschäftigten in stark exponierten Bürojobs als fortgeschrittene Volkswirtschaften. Eine große landwirtschaftliche Erwerbsbevölkerung senkt die landesweite Expositionsquote zusätzlich, weil aktuelle generative KI vor allem über Sprache, Bilder, Daten und Software funktioniert.

Goldman erwartet, dass die Einführung die jährliche Arbeitsproduktivität Indiens über ein Jahrzehnt um rund 0,4 Prozentpunkte steigern wird. Die geschätzte Spanne liegt je nach Leistungsfähigkeit künftiger Systeme teilweise zwischen 0,1 und 0,8 Prozentpunkten. Diese Zuwächse sind Projektionen, keine beobachteten Ergebnisse.

Die Produktivität kann steigen, wenn Beschäftigte bestehende Aufgaben schneller erledigen, mehr Output liefern oder sich höherwertigen Verantwortlichkeiten zuwenden. Arbeitgeber können Effizienzgewinne jedoch auch durch Personalabbau realisieren. Dieselbe Technologie kann Beschäftigte in einer Organisation ergänzen und ähnliche Stellen in einer anderen ersetzen.

Die Implementierungskosten werden diese Entscheidung prägen. Unternehmen müssen Modelle mit internen Daten verbinden, Arbeitsabläufe neu gestalten, Ergebnisse prüfen, Sicherheit verwalten und Verantwortlichkeiten zuweisen. Eine Demonstration, die eine Aufgabe erledigt, wird nicht automatisch zu einem verlässlichen Produktionssystem.

Das erklärt, warum die Exposition auf Berufsebene nur selten direkt zu unmittelbaren Arbeitsplatzverlusten führt. Unternehmen automatisieren in der Regel Teile eines Arbeitsablaufs, bevor sie ganze Stellen umstrukturieren. Einstellungen können zurückgehen, bevor Entlassungen sichtbar werden, insbesondere wenn Arbeitgeber ausscheidende Beschäftigte nicht mehr ersetzen.

Auch Indiens Größe verlangsamt jeden landesweiten Übergang. Großunternehmen, kleine Betriebe, landwirtschaftliche Betriebe, Fabriken, öffentliche Behörden und informelle Arbeitgeber führen Technologie mit unterschiedlicher Geschwindigkeit ein. Der Zugang zu Rechenleistung, zuverlässigem Strom, nutzbaren Daten und geschulten Führungskräften bleibt ungleich verteilt.

Goldmans Prognose lässt sich am besten als Karte der Druckpunkte lesen. Sie zeigt, wo sich Aufgaben verändern und die Produktivität verbessern könnte. Sie legt nicht fest, wie schnell Arbeitgeber KI einsetzen oder wie sie die daraus entstehenden Gewinne verteilen werden.

Indiens Arbeitsmarktstruktur bietet einen Puffer

Indien wirkt weniger exponiert, weil ein großer Teil seiner Erwerbsbevölkerung körperliche, landwirtschaftliche oder zwischenmenschliche Arbeit verrichtet, die generative KI nicht direkt ausführen kann.

Eine Einschätzung des Internationalen Währungsfonds ergab, dass rund 43 % von Indiens Erwerbsbevölkerung in der Landwirtschaft tätig waren. Diese Beschäftigungsstruktur macht das Land weniger exponiert als Volkswirtschaften, die sich stärker zu bürobasierten Dienstleistungen entwickelt haben. Software kann einen Landwirt beraten, aber die meisten körperlichen Arbeiten auf einem Feld nicht eigenständig erledigen.

Der IWF schätzte, dass 26 % der indischen Beschäftigten Berufe mit hoher KI-Exposition ausübten. Er stufte 14 % der Beschäftigung als stark exponiert ein, wobei KI die Arbeit möglicherweise ergänzen könnte. Weitere 12 % entfielen auf stark exponierte Berufe mit höheren Verdrängungsrisiken, laut seiner Indien-Einschätzung.

Diese Zahlen unterscheiden sich von Goldmans Spannen, weil die Institutionen unterschiedliche Datensätze, Definitionen und Berufsklassifikationen verwenden. Eine Schätzung kann die gesamte Erwerbsbevölkerung abdecken, während eine andere nichtlandwirtschaftliche Beschäftigung oder Aufgabenanteile untersucht. Die Unterschiede unterstreichen, warum Expositionsstatistiken nicht als präzise Prognosen für Entlassungen behandelt werden sollten.

Länderübergreifende Forschung weist in dieselbe allgemeine Richtung. Fortgeschrittene Volkswirtschaften beschäftigen größere Anteile von Führungskräften, Fachleuten, Verwaltungsangestellten und anderen Wissensarbeitern. Diese Berufe nutzen sprachliche und informationsverarbeitende Aufgaben, die aktuelle KI-Systeme besonders gut bewältigen.

Der IWF schätzt, dass etwa 60 % der Arbeitsplätze in fortgeschrittenen Volkswirtschaften KI-exponiert sind. Die entsprechenden Schätzungen lagen bei 40 % für Schwellenländer und bei 26 % für Länder mit niedrigem Einkommen. Exposition umfasst sowohl Chancen für Produktivitätssteigerungen als auch Risiken der Verdrängung.

In Asien ist etwa die Hälfte der Beschäftigung in fortgeschrittenen Volkswirtschaften exponiert, verglichen mit rund einem Viertel in Schwellen- und Entwicklungsländern. Der regionale Vergleich ergab zudem, dass reichere Volkswirtschaften mehr Arbeitsplätze haben, in denen KI Beschäftigte ergänzen kann. Eine höhere Exposition schafft daher sowohl größere Risiken als auch größeres potenzielles Aufwärtspotenzial.

Indiens geringere Exposition kann dennoch ernsthafte Verteilungsprobleme verbergen. Beschäftigte in der Landwirtschaft mögen vor direkter Substitution durch generative KI geschützt sein, bleiben jedoch anfällig für geringe Produktivität, instabile Einkommen und begrenzte soziale Absicherung. Außerhalb der unmittelbaren Reichweite von KI zu liegen, garantiert keinen sicheren oder gut bezahlten Arbeitsplatz.

Dasselbe Problem zeigt sich innerhalb von Städten. Ein Softwareentwickler und ein Lieferfahrer nehmen beide an der digitalen Wirtschaft teil, doch ihre Exposition unterscheidet sich deutlich. Ein Modell kann Code oder Dokumentation erzeugen, aber weder ein Motorrad durch den Verkehr fahren noch ein Paket physisch an einen Kunden übergeben.

Frauen und hochqualifizierte Beschäftigte haben oft eine stärkere berufliche Exposition, weil sie in Verwaltungs- und Fachrollen stärker vertreten sind. Auch Beschäftigte mit höherem Einkommen finden sich häufig in exponierten Berufen. Ihre Arbeit bietet mitunter größeren Spielraum für Ergänzung durch KI, obwohl routinemäßige Bestandteile weiterhin automatisiert werden können.

Junge Hochschulabsolventen sehen sich einem eigenen Problem gegenüber. Einstiegspositionen umfassen häufig Dokumentation, Recherche, Terminplanung, Tests und grundlegende Analysen. Diese Aufgaben verschaffen Berufseinsteigern Erfahrung, entsprechen aber auch den Fähigkeiten generativer KI-Werkzeuge.

Ein Unternehmen muss keine bestehenden Beschäftigten entlassen, um diese Möglichkeiten zu verringern. Es kann kleinere Einstellungsjahrgänge beibehalten, weil erfahrene Mitarbeiter mit KI-Unterstützung mehr leisten. Dieses Muster würde den Berufseinstieg beeinträchtigen, ohne unmittelbar als Massenarbeitslosigkeit sichtbar zu werden.

Indiens Puffer ist daher real, aber unvollständig. Das Land hat im Verhältnis zur Gesamtbeschäftigung weniger exponierte Arbeitsplätze, doch der exponierte Anteil umfasst strategische Branchen und verbreitete Wege in die Mittelschicht. Nationale Durchschnittswerte können diese Konzentration nicht erfassen.

Der Dienstleistungsmotor liegt dem Risiko am nächsten

Indiens am stärksten exponierte Beschäftigte konzentrieren sich auf Dienstleistungen, die dem Land dazu verholfen haben, zu einem globalen Ziel für ausgelagerte Geschäftsprozesse zu werden.

Routinemäßige IT-gestützte Geschäftsprozesse sind einem höheren Substitutionsrisiko ausgesetzt, weil ihre Arbeit repetitiv ist und digital abgebildet werden kann. Typische Beispiele sind standardisierte Supportantworten, Dokumentenverarbeitung, einfache Berichte, Transkription, Dateneingabe und regelbasierte Qualitätsprüfungen.

Verwaltungsunterstützende Stellen stehen unter ähnlichem Druck. Generative KI kann Korrespondenz entwerfen, Dokumente kategorisieren, Informationen extrahieren, Zusammenfassungen erstellen und Routinefragen beantworten. Systeme, die mit Unternehmenssoftware verbunden sind, können Informationen zudem mit begrenzter menschlicher Beteiligung zwischen Anwendungen verschieben.

Diese Fähigkeiten beseitigen nicht jede Rolle. Modelle machen weiterhin sachliche Fehler, behandeln ungewöhnliche Fälle falsch und haben Schwierigkeiten mit Rechenschaftspflicht. Organisationen benötigen Menschen, die Arbeitsabläufe definieren, sensible Ergebnisse prüfen, Ausnahmen lösen und mit Kunden kommunizieren.

Die Zahl und Zusammensetzung der Stellen kann sich jedoch verändern. Ein Mitarbeiter, der mit einem wirksamen System ausgestattet ist, könnte Arbeit erledigen, für die zuvor mehrere Personen nötig waren. Arbeitgeber könnten dann weniger Nachwuchskräfte einstellen und zugleich Spezialisten für Daten, Sicherheit, Workflow-Design und Modellevaluierung hinzufügen.

Indien ist diesem Übergang stark ausgesetzt, weil Dienstleistungen für sein Wachstumsmodell zentral sind. Goldman Sachs hat Indiens IT- und Unternehmensdienstleistungsbranche als einen Sektor von rund 250 Milliarden US-Dollar beschrieben. Die Bank berichtete zudem, dass die Dienstleistungsexporte 2024 etwa 387 Milliarden US-Dollar erreichten.

Globale Kompetenzzentren vertiefen diese Verbindung. Diese Einrichtungen ermöglichen es multinationalen Unternehmen, Engineering-, Finanz-, Analyse-, Kundensupport- und weitere Funktionen in Indien anzusiedeln. Goldman zählte mehr als 1.700 solcher Zentren und prognostizierte eine weitere Expansion bis 2030.

Die Zentren können KI-bezogene Arbeit schaffen, weil Unternehmen Teams benötigen, die Modelle in reale Betriebsabläufe integrieren. Beschäftigte können Evaluierungsmethoden entwickeln, Systeme an spezialisierte Bereiche anpassen, Datenzugriffe verwalten und die Einhaltung regulatorischer Vorgaben überwachen. Indiens großer Pool englischsprachiger Technologiearbeiter bietet dafür eine solide Grundlage.

Dieselben Zentren können bestehende Arbeit jedoch auch standardisieren und automatisieren. Ein multinationales Unternehmen kann ein System nach Erprobung in einer zentralisierten Einheit in mehreren Büros einsetzen. Effizienzgewinne können die Nachfrage nach repetitiven Dienstleistungen senken, selbst wenn höherwertige technische Rollen wachsen.

Dies schafft einen Wettbewerb zwischen Aufwertung und Kommoditisierung. Indien kann sich in Richtung Engineering, Forschung, Modelldeployment und komplexer Beratung entwickeln. Alternativ können Kunden KI nutzen, um mehr Routinearbeit intern zu erledigen und damit den Vorteil von Lohnkostendifferenzen zu schwächen.

Protektionismus bringt eine weitere Komplikation mit sich. Beschränkungen für grenzüberschreitende Daten, Modelle oder digitale Dienste können begrenzen, wie indische Teams Kunden im Ausland unterstützen. Abweichende Vorschriften können zudem Compliance-Kosten erhöhen und Systeme über verschiedene Märkte hinweg fragmentieren.

Goldman hat in seiner früheren Einschätzung argumentiert, die Auswirkungen von Handelsbeschränkungen auf Indiens KI-getriebene Dienstleistungsexporte seien begrenzt geblieben. Dennoch nannte das Unternehmen Datenlokalisierung, regulatorische Unterschiede und geopolitische Spannungen als Risiken. Diese Belastungen liegen außerhalb der technischen Fähigkeiten jedes Modells.

Die Nachfrage nach KI-Kompetenzen liefert ein positives Signal. Eine auf indischen Stellenanzeigen basierende Untersuchung dokumentierte nach 2016 ein rasches Wachstum bei Ausschreibungen, in denen KI-bezogene Fähigkeiten verlangt wurden. Sie fand zudem Hinweise darauf, dass die Einführung von KI die Nachfrage nach ergänzenden Nicht-KI-Rollen stützen kann.

Stellenanzeigen spiegeln jedoch die Absichten von Arbeitgebern wider, nicht tatsächlich erfolgte Einstellungen. Online-Ausschreibungen überrepräsentieren zudem formelle Arbeitgeber im Angestelltenbereich. Sie zeigen, wohin sich die Nachfrage bewegt, bieten aber nur einen begrenzten Einblick in Indiens gesamten Arbeitsmarkt.

Das wahrscheinliche Ergebnis ist nicht das Verschwinden von Dienstleistungen. Es ist eine Veränderung dessen, was Kunden als wertvoll ansehen. Routinemäßige Ergebnisse lassen sich leichter erzeugen, während Branchenwissen, vertrauenswürdige Umsetzung, proprietäre Daten und Verantwortlichkeit wichtiger werden.

Indische Dienstleister werden unter Druck geraten, Ergebnisse statt Arbeitsstunden zu verkaufen. Abrechnungsmodelle, die hauptsächlich auf Mitarbeiterzahl basieren, lassen sich schwerer rechtfertigen, wenn Software die für jede Aufgabe benötigte Zeit verkürzt. Unternehmen müssen zeigen, dass ihre Teams Urteilsvermögen, Integration und messbare Geschäftsergebnisse liefern.

Beschäftigte erleben denselben Wandel persönlich. Zu wissen, wie man einen universell einsetzbaren Chatbot bedient, wird keinen dauerhaften Vorteil bieten. Arbeitnehmer benötigen Fachwissen und die Fähigkeit, KI-generierte Arbeit in folgenreichen Kontexten zu überprüfen, zu verfeinern und anzuwenden.

Dieser Übergang kann bessere Arbeitsplätze schaffen, geschieht aber nicht automatisch. Umschulungsprogramme müssen die Ausbildung mit tatsächlichen Anforderungen der Arbeitgeber verknüpfen. Andernfalls erhalten Beschäftigte allgemeine Zertifikate, während Unternehmen weiterhin Schwierigkeiten haben, spezialisierte Stellen zu besetzen.

Geringere Exposition bedeutet nicht geringeres wirtschaftliches Risiko

Indien kann eine breite direkte Verdrängung vermeiden und dennoch leiden, wenn KI Einstellungen auf Einstiegsniveau, Dienstleistungsexporte oder das Lohnwachstum schwächt.

Die erste Unsicherheit betrifft die Lücke zwischen Aufgaben und Arbeitsplätzen. Expositionsstudien zerlegen Berufe in Tätigkeiten, die Modelle ausführen können. Arbeitgeber entscheiden, ob diese Tätigkeiten neu gestaltete Rollen, langsamere Einstellungen, Änderungen beim Outsourcing oder Personalabbau rechtfertigen.

Diese Entscheidungen hängen von der Zuverlässigkeit ab. Ein Modell, das in einem kontrollierten Test erfolgreich ist, kann scheitern, wenn Eingaben mehrdeutig werden oder Kunden sich unvorhersehbar verhalten. Fehler im Gesundheitswesen, Bankwesen, Recht und staatlichen Dienstleistungen haben Folgen, die uneingeschränkte Automatisierung verhindern.

Regulierung kann menschliche Aufsicht bewahren, aber sie kann auch verändern, wo Arbeit stattfindet. Unternehmen könnten genehmigte Systeme zentralisieren und zugleich lokale Teams verkleinern. Alternativ können Compliance-Anforderungen neue Arbeit in Prüfung, Dokumentation, Risikomanagement und Sicherheit schaffen.

Die Internationale Arbeitsorganisation hat betont, dass Exposition nicht gleichbedeutend mit Arbeitsplatzverlust ist. Ihr globaler Index ergab, dass jeder vierte Arbeitsplatz in gewissem Maß generativer KI ausgesetzt war. Transformation sei wahrscheinlicher als vollständiger Ersatz, so der Index zur beruflichen Exposition.

Transformation kann dennoch schmerzhaft sein. Ein Beschäftigter kann seinen Arbeitsplatz behalten und zugleich Verhandlungsmacht, Autonomie oder Aufstiegschancen verlieren. Digitale Überwachung kann zunehmen, wenn Unternehmen KI-Systeme einsetzen, um Leistung zu messen und standardisierte Prozesse durchzusetzen.

Besondere Aufmerksamkeit verdient die Beschäftigung auf Einstiegsniveau. Nachwuchskräfte übernehmen häufig erste Entwürfe, grundlegende Recherchen, einfachen Code, Besprechungsnotizen und Dokumentenprüfungen. Die Automatisierung dieser Aufgaben kann genau jene Arbeit beseitigen, über die Menschen traditionell einen Beruf erlernen.

Organisationen stehen dann vor einem Pipeline-Problem. Sie benötigen weiterhin erfahrene Beschäftigte, bilden aber möglicherweise weniger Einsteiger aus. Ohne gezielte Ausbildungsprogramme können Unternehmen heute Geld sparen und zugleich künftige Engpässe bei erfahrenen Fachkräften schaffen.

Die zweite Unsicherheit betrifft die Verteilung der Produktivitätsgewinne. Goldmans prognostizierte Zugewinne beschreiben zusätzliche Leistung pro Beschäftigtem. Sie legen nicht fest, ob Arbeitnehmer höhere Löhne erhalten, Unternehmen größere Margen erzielen, Kunden weniger zahlen oder die Arbeitszeit sinkt.

Wettbewerbliche Märkte können Vorteile über niedrigere Kosten und neue Dienstleistungen verbreiten. Konzentrierte Märkte können es einer kleineren Gruppe von Unternehmen ermöglichen, mehr Wert zu behalten. Beschäftigte mit knappen Kompetenzen können höhere Vergütung verlangen, während Arbeitnehmer in standardisierten Rollen über weniger Verhandlungsmacht verfügen.

Die dritte Unsicherheit betrifft die Infrastruktur. Fortschrittliche Modelle benötigen Rechenkapazität, zuverlässige Stromversorgung, Netzzugang, sichere Datensysteme und qualifizierte Implementierungsteams. Goldman hat Strom, Wasser, Rechenzentren und Computing-Ressourcen als notwendige Investitionen genannt.

Indien baut seine KI-Infrastruktur aus, einschließlich öffentlicher Initiativen im Rahmen der IndiaAI Mission. Die Infrastruktur muss jedoch über große Technologieunternehmen hinausreichen. Kleinere Firmen benötigen erschwinglichen Zugang und praktische Unterstützung, wenn Produktivitätsgewinne sich in der gesamten Wirtschaft verbreiten sollen.

Die vierte Unsicherheit lautet, ob Indien mehr von der zugrunde liegenden Technologie produzieren kann. Das Land verfügt über Stärken bei Deployment und Engineering-Dienstleistungen, ist bei fortschrittlichen Chips und der Forschung zu grundlegenden Modellen jedoch weniger prominent. Eine starke Abhängigkeit von ausländischen Plattformen kann einen Teil des wirtschaftlichen Werts ins Ausland fließen lassen.

Goldman schätzte zuvor, dass Indiens KI-Sektor bis 2027 mehr als 2,3 Millionen offene Stellen schaffen kann. Zudem verwies das Unternehmen auf Prognosen, wonach der verfügbare Talentpool bei rund 1,2 Millionen liegen könnte. Die Lücke deutet auf potenzielle Nachfrage hin, garantiert jedoch nicht, dass Ausbildungsprogramme zu realen Stellen passen.

Unternehmen verlangen häufig Kombinationen aus technischem und branchenspezifischem Wissen. Eine Bank benötigt Menschen, die sowohl Modelle als auch finanzielle Kontrollen verstehen. Ein Hersteller benötigt Ingenieure, die KI-Ergebnisse mit physischen Abläufen und Sicherheitsanforderungen verbinden können.

Allgemeine Ausbildung kann nicht jede Diskrepanz schließen. Beschäftigte brauchen Möglichkeiten, mit relevanten Daten, Werkzeugen und Arbeitsabläufen zu üben. Arbeitgeber benötigen zudem glaubwürdige Methoden zur Bewertung von Fähigkeiten, die sich schneller verändern als herkömmliche Abschlüsse.

Wissensarbeiter können sich vorbereiten, indem sie Entscheidungen dokumentieren, Fachwissen entwickeln und zuverlässige Wege schaffen, frühere Arbeit wiederzufinden. Eine durchsuchbare persönliche Wissensbasis kann diesen Prozess unterstützen, insbesondere wenn KI mehr Entwürfe und Informationen zur Prüfung erzeugt.

Dennoch kann individuelle Vorbereitung Arbeitsmarktpolitik nicht ersetzen. Regierungen und Arbeitgeber müssen Unterstützung beim Übergang, Bildung und Zugang zu Weiterbildung verbessern. Beschäftigte können Infrastrukturengpässe, schwachen sozialen Schutz oder sinkende Nachfrage in einem gesamten Berufsfeld nicht eigenständig lösen.

Die vorsichtige Schlussfolgerung lautet, dass die geringere aggregierte Exposition Indien Zeit verschafft. Sie entbindet das Land nicht von der Pflicht, diese Zeit gut zu nutzen. Schlechte Vorbereitung kann einen bewältigbaren Übergang in konzentrierte Härten verwandeln.

Drei Signale werden zeigen, ob Goldmans Argument trägt

Die nächste Phase sollte anhand von Einstellungen, der Nachfrage nach Dienstleistungen und gemessener Produktivität beurteilt werden, nicht anhand von Schlagzeilen über KI-Fähigkeiten.

Das erste Signal sind Einstellungen auf Einstiegsniveau in IT-Dienstleistungen, Business-Process-Operations, Finanzwesen, Medien und professionellen Dienstleistungen. Die Rekrutierung von Hochschulabsolventen liefert einen frühen Hinweis darauf, ob Unternehmen bestehende Teams erweitern oder die unterste Stufe der Karriereleiter abschaffen.

Ein anhaltender Rückgang bei Junior-Stellen würde die beruhigende Interpretation von Goldmans Prognose schwächen. Er würde Verdrängung durch fehlende Arbeitsplätze statt durch gut sichtbare Entlassungen zeigen. Stabile oder wachsende Einstellungen, verbunden mit neuen KI-Verantwortlichkeiten, würden die These der Ergänzung stützen.

Die Zusammensetzung der Einstellungen ist ebenso wichtig wie ihre Gesamtzahl. Arbeitgeber könnten weniger Generalisten rekrutieren und zugleich mehr Beschäftigte mit Fachwissen in Cybersicherheit, Data Engineering, Modellevaluierung und branchenspezifischen Bereichen suchen. Dieser Wandel würde die Erwartung einer Transformation bestätigen, zugleich aber eine dringende Herausforderung für die Ausbildung schaffen.

Das zweite Signal ist die Entwicklung von Indiens Technologie- und Unternehmensdienstleistungsexporten. Umsatz, Vertragsgröße, Kundenbindung und Einstellungen bei großen Anbietern können zeigen, ob KI die Nachfrage ausweitet oder arbeitsintensives Outsourcing verringert.

Wachstum bei komplexem Engineering und KI-Integrationsarbeit würde Indiens Position stärken. Sinkende Nachfrage nach Routineverarbeitung ohne ausgleichende hochwertige Verträge würde die hinter dem nationalen Beschäftigungsdurchschnitt verborgene Verwundbarkeit offenlegen.

Investoren sollten außerdem untersuchen, wie Unternehmen Produktivität beschreiben. Ein Anbieter kann mehr Leistung pro Beschäftigtem melden, weil er in wertvolle Dienstleistungen eingestiegen ist, repetitive Arbeit automatisiert oder Personal abgebaut hat. Diese Wege haben sehr unterschiedliche Folgen für Beschäftigte und die langfristige Wettbewerbsfähigkeit.

Das dritte Signal ist gemessene Produktivität außerhalb kontrollierter Demonstrationen. Goldmans Basisszenario erwartet über ein Jahrzehnt einen jährlichen Zuwachs von rund 0,4 Prozentpunkten. Reale Gewinne sollten sich letztlich in Produktion, Lieferzeiten, Dienstleistungsqualität oder Unternehmensgründungen zeigen.

Produktivität ohne breite Einführung würde die These schwächer stützen. Einige wenige große Unternehmen können erhebliche Effizienzgewinne erzielen, während kleinere Firmen zurückfallen. Dieses Ergebnis kann die Konzentration erhöhen, ohne die breitere Wirtschaft zu transformieren.

Hinweise auf Lohnwachstum würden das Argument stärken. Wenn Beschäftigte produktiver werden, ihre Vergütung jedoch stagniert, erreichen die Vorteile die Arbeit nicht. Steigen die Löhne zusammen mit Produktion und Beschäftigung, wird die Ergänzungsthese überzeugender.

Politische Entscheidungsträger sollten Unterschiede nach Geschlecht, Bildung, Beruf und Region beobachten. Eine stabile nationale Arbeitslosenquote kann mit gravierenden Verwerfungen in Verwaltungszentren oder unter jüngeren Hochschulabsolventen einhergehen. Granulare Arbeitsmarktdaten werden diese Effekte früher sichtbar machen als eine einzelne Schlagzeilenzahl.

Die Debatte sollte zudem zwischen vorübergehender Anpassung und strukturellem Wandel unterscheiden. Arbeitgeber können Einstellungen pausieren, während sie neue Systeme testen, und sie wieder aufnehmen, sobald die Nachfrage wächst. Ein mehrjähriger Rückgang in exponierten Rollen würde auf eine tiefgreifendere Reorganisation hindeuten.

Goldmans Argument ist plausibel, weil Indien so viele Menschen in Tätigkeiten beschäftigt, die aktuelle generative KI nicht direkt ausführen kann. Landwirtschaft, Bauwesen, Fertigung, Transport und persönliche Dienstleistungen bieten einen erheblichen statistischen Puffer.

Indiens wirtschaftliche Ambitionen hängen jedoch von mehr ab als dem Schutz bestehender Arbeitsplätze. Das Land strebt höhere Produktivität, stärkere Dienstleistungsexporte, bessere Löhne und bessere Chancen für seine junge Erwerbsbevölkerung an. Erfolg setzt voraus, dass exponierte Sektoren wertvolle neue Arbeit schneller schaffen, als Routinepositionen wegfallen.

Die nützlichste Frage lautet daher nicht, ob KI alle indischen Arbeitsplätze übernehmen wird. Sie wird nicht jeden Beruf gleichermaßen betreffen, und Exposition wird nicht automatisch zu Arbeitslosigkeit. Die präzisere Frage ist, ob Unternehmen Automatisierung in Wachstum verwandeln können, statt sie auf eine engere Suche nach Arbeitskosteneinsparungen zu beschränken.

Beobachten Sie in den kommenden Monaten die Einstellung von Hochschulabsolventen, Verträge für hochwertige Dienstleistungen und Produktivitätsindikatoren gemeinsam. Verbessern sich alle drei, wird Goldmans Prognose mit geringerem Risiko zunehmend glaubwürdig erscheinen. Schwächen sich Einstellungen und Exporte ab, während die Effizienz steigt, wird Indiens scheinbarer Schutz einen schwierigeren Übergang verdeckt haben.