Pew-Research-Umfrage zu KI-Jobs zeigt globale Angst, die KI-Versprechen überholt

Pew Research hat in 37 Ländern einen auffälligen Konflikt dokumentiert: Menschen erwarten, dass künstliche Intelligenz mehr Arbeitsplätze vernichtet, als sie schafft. Die Pew-Research-Umfrage zu KI-Jobs stellt diese Erwartung in 34 der 37 untersuchten Länder fest. Die Sorge geht über Beschäftigung hinaus und betrifft auch Einkommensungleichheit sowie die Frage, ob KI das Leben insgesamt verbessern wird.

Die internationale Umfrage befragte zwischen dem 8. Februar und dem 13. Mai 2026 42.151 Erwachsene in 36 Ländern. Pew befragte zusätzlich 8.607 Erwachsene in den Vereinigten Staaten, womit die Studie insgesamt 37 Länder abdeckte. Die Ergebnisse erschienen, bevor mehrere jüngere Warnungen vor rascher Automatisierung die öffentliche Debatte weiter verschärften.

Dies ist nicht bloß eine weitere Momentaufnahme der Angst vor einer unbekannten Technologie. KI-Unternehmen präsentieren ihre Systeme als Produktivitätswerkzeuge, die menschliche Fähigkeiten erweitern und neue wirtschaftliche Chancen schaffen sollen. Die Öffentlichkeit sieht eine andere Verteilung der Ergebnisse: Arbeitgeber erzielen Effizienzgewinne, während Beschäftigte das Risiko von Verdrängung tragen.

Diese Kluft ist das zentrale Problem. Menschen können den Nutzen von KI erkennen und dennoch bezweifeln, dass ihre Gewinne sie erreichen werden. Wenn Unternehmen und Regierungen diese Sorge nicht aufgreifen, kann die technische Einführung schneller voranschreiten als ihre öffentliche Legitimität.

Was die globale KI-Umfrage tatsächlich verändert hat

Die Umfrage macht aus verstreuter Sorge über Automatisierung ein messbares internationales Muster.

Das wichtigste Ergebnis ist ihre geografische Breite. Befragte in 34 von 37 untersuchten Ländern erwarteten, dass KI zu einem Nettoabbau von Arbeitsplätzen führt. Nettoabbau bedeutet, dass die Technologie mehr Stellen beseitigt, als die Wirtschaft durch sie schafft.

Diese Übereinstimmung ist bedeutsam, weil sich die Arbeitsmärkte der untersuchten Länder erheblich unterscheiden. Ihre Lohnniveaus, sozialen Sicherungssysteme, Industriestrukturen und der Umgang mit digitaler Technologie sind nicht gleich. Dennoch bleibt die Richtung der öffentlichen Erwartung bemerkenswert einheitlich.

Die Umfrageabdeckung untersucht auch, ob KI den Alltag verbessern wird und wie sie die Einkommensungleichheit beeinflussen könnte. Diese Fragen verbinden Beschäftigungsängste mit einer umfassenderen Sorge darüber, wer die Vorteile kontrolliert.

Die Einführung von KI muss nicht zu Massenarbeitslosigkeit führen, damit diese Ängste das Verhalten beeinflussen. Beschäftigte könnten Berufe meiden, deren Zukunft sie für unsicher halten. Studierende könnten Studiengänge überdenken, deren Aufgaben besonders gefährdet sind. Führungskräfte könnten auf Widerstand stoßen, wenn sie Systeme einführen, ohne deren Auswirkungen auf die Personalplanung zu erklären.

Die Ergebnisse stellen zudem eine verbreitete Annahme über Vertrautheit infrage. Ein stärkeres Bewusstsein für KI führt nicht automatisch zu größerem Vertrauen. Menschen werden oft besorgter, wenn sie verstehen, was generative Systeme mit Texten, Code, Analysen, Bildern und Kundenservice leisten können.

Diese Reaktion unterscheidet sich von einer bloßen Angst vor Technologie. Die Befragten bewerten ein sichtbares wirtschaftliches Angebot. Unternehmen können Systeme einsetzen, die Teile menschlicher Arbeit übernehmen, doch Beschäftigte haben keinen automatischen Anspruch auf die daraus entstehenden Einsparungen.

Die Umfrage wurde Monate vor ihrer Veröffentlichung durchgeführt. Sie erfasst daher nicht jede Warnung, Produktveröffentlichung oder Beschäftigungsankündigung, die nach der Feldarbeit folgte. Dieses Timing macht die Ergebnisse nicht weniger, sondern bedeutsamer. Die Ängste waren bereits vor der jüngsten Welle öffentlicher Debatten weit verbreitet.

Die Umfrage belegt nicht, dass 34 Länder einen Nettoverlust an Arbeitsplätzen erleben werden. Sie misst Erwartungen statt Beschäftigungsergebnisse. Dennoch beeinflussen Erwartungen Vertrauen, Kaufverhalten, Karriereentscheidungen, Tarifverhandlungen und politischen Druck.

Die Struktur der Stichprobe erfordert eine sorgfältige Beschreibung. Die internationale Komponente umfasste 42.151 Erwachsene in 36 Ländern. Die separate Stichprobe in den Vereinigten Staaten enthielt 8.607 Erwachsene. Eine Zusammenfassung der Umfrage benannte diese Komponenten und berichtete zugleich über Ergebnisse aus 37 Ländern.

Diese Unterscheidung verhindert zwei Fehler. Die Studie befragte nicht nur 42.151 Personen in der gesamten Gruppe von 37 Ländern. Sie erfasste auch nicht jede nationale Bevölkerung mit einem einzigen identischen Stichprobenverfahren.

Das Ergebnis von Pew verändert die KI-Debatte, indem es das Ausmaß des Glaubwürdigkeitsproblems sichtbar macht. Die Branche versucht nicht mehr nur, skeptische Spezialisten oder Arbeitsrechtsvertreter zu überzeugen. Sie steht einer internationalen Öffentlichkeit gegenüber, die KI bereits mit weniger Arbeitsplätzen verbindet.

Die Pew-Research-Umfrage zu KI-Jobs zeigt ein Vertrauensdefizit auf

Menschen sorgen sich offenbar weniger darum, ob KI funktioniert, als darum, wer profitiert, wenn sie funktioniert.

Dieser Unterschied ist entscheidend. Eine Technologie kann leistungsfähig, weit verbreitet und wirtschaftlich wertvoll sein und dennoch unpopulär bleiben. Öffentliches Vertrauen hängt davon ab, wie ihre Kosten und Gewinne verteilt werden.

KI-Entwickler betonen Produktivität, weil Produktivität höhere Produktion und Löhne ermöglichen kann. Diese Kette enthält jedoch mehrere Entscheidungen, die Technologie allein nicht treffen kann. Arbeitgeber entscheiden, ob Einsparungen in höhere Löhne, kürzere Arbeitszeiten, neue Einstellungen, niedrigere Preise oder höhere Margen fließen.

Beschäftigte erleben KI daher durch organisatorische Entscheidungen. Ein Mitarbeiter, der einen Assistenten nutzen soll, könnte Zeit für anspruchsvollere Arbeit gewinnen. Ein anderer könnte die Arbeitslast ausgeschiedener Kollegen übernehmen, weil das Management erwartet, dass Automatisierung die Lücke schließt.

Beide Situationen können im selben Unternehmen auftreten. Das macht umfassende Versprechen, KI werde die Arbeit verbessern, schwer bewertbar. Das praktische Ergebnis hängt von Personalpolitik, Arbeitsgestaltung, Weiterbildung und Anreizen für das Management ab.

Die Frage nach Einkommensungleichheit erfasst dieses Verteilungsproblem. Wenn Beschäftigte mit hohem Einkommen KI nutzen, um ihren Wert zu steigern, während Routinekräfte mit Ersatz konfrontiert sind, kann die Technologie bestehende Unterschiede vergrößern. Eigentum an Modellen, Recheninfrastruktur, Daten und Vertrieb kann diese Kluft vertiefen.

Der Internationale Währungsfonds schätzte, dass KI weltweit fast 40 Prozent der Arbeitsplätze betreffen könnte. In fortgeschrittenen Volkswirtschaften steigt die Betroffenheit laut seiner Arbeitsmarktanalyse auf etwa 60 Prozent. Betroffenheit bedeutet nicht, dass jeder betroffene Arbeitsplatz verschwindet.

Einige betroffene Jobs können produktiver werden. Andere können Aufgaben, Arbeitsstunden, Verhandlungsmacht oder Einstiegsmöglichkeiten verlieren. Die Unterscheidung zwischen Arbeitsplatzbetroffenheit und Arbeitsplatzvernichtung ist wesentlich, beseitigt das Risiko jedoch nicht.

Die Pew-Research-Umfrage zu KI-Jobs misst, wie die Öffentlichkeit diese Unsicherheit heute auflöst. In den meisten Ländern erwarten Befragte, dass der negative Beschäftigungseffekt überwiegt. Das optimistische Narrativ der Branche hat sie nicht vom Gegenteil überzeugt.

Ein Grund dafür ist, dass die Vorteile oft abstrakt erscheinen, während die Kosten persönlich spürbar sind. Produktivitätswachstum ist ein gesamtwirtschaftliches Konzept. Eine gestrichene Stelle, ein reduzierter Freelance-Auftrag oder eine automatisierte Support-Warteschlange trifft dagegen eine bestimmte Person unmittelbar.

Ein weiterer Grund betrifft Kontrolle. Beschäftigte wählen die Systeme selten selbst aus, die ihre Leistung bewerten, Aufgaben zuteilen oder den Personalbedarf bestimmen. Selbst nützliche Werkzeuge können Misstrauen erzeugen, wenn ihre Einführung ohne Konsultation erfolgt.

Wissensarbeiter stehen vor einer verwandten Herausforderung. KI kann Recherche und Entwürfe beschleunigen, doch sie kann auch Belege über Chats, Dokumente und Anwendungen verstreuen. Eine durchsuchbare Wissensdatenbank hilft dabei, Quellen und Entscheidungen zu bewahren, wenn automatisierte Arbeitsabläufe zunehmen.

Eine bessere persönliche Organisation löst jedoch nicht die Beschäftigungsfrage. Beschäftigte können nicht jede strukturelle Veränderung individuell ausgleichen. Das Vertrauensdefizit betrifft institutionelle Zusagen, nicht nur individuelle Anpassungsfähigkeit.

Arbeitgeber müssen erklären, welche Aufgaben sich verändern werden, wie Produktivität gemessen wird und ob eingesparte Zeit die Beschäftigtenzahl beeinflusst. Regierungen benötigen glaubwürdige Pläne für Weiterbildung, Einkommenssicherung, Wettbewerb und Arbeitnehmerschutz.

Ohne diese Details hören Menschen Versprechen über Chancen neben sichtbaren Anreizen, Arbeitskosten zu senken. Ihre Skepsis ist keine Ablehnung von Innovation. Sie ist eine Reaktion auf einen unvollständigen wirtschaftlichen Pakt.

KI-Produktivitätsversprechen treffen auf die Realität der Arbeitsgestaltung

Der zentrale Konflikt besteht zwischen KI als Unterstützung für Beschäftigte und KI als Weg zur Senkung des Arbeitskräftebedarfs.

Unterstützung bedeutet, dass Technologie einer Person hilft, bestehende Arbeit zu erledigen oder wertvollere Aufgaben zu übernehmen. Substitution bedeutet, dass Software ausreichend Arbeit übernimmt, sodass ein Arbeitgeber weniger Menschen benötigt. Die meisten Implementierungen enthalten Elemente von beidem.

Ein Kundenservice-Assistent kann Antworten entwerfen, während ein Mensch schwierige Fälle prüft. Das ist Unterstützung auf Aufgabenebene. Wenn dasselbe Team anschließend doppelt so viele Kunden ohne Neueinstellungen betreut, hat die Organisation Software an die Stelle künftiger Arbeitskräftenachfrage gesetzt.

Dieser zweite Effekt lässt sich leicht übersehen. Beschäftigungsdruck entsteht nicht immer durch eine dramatische Entlassungswelle. Er kann sich in langsamerer Einstellung, unbesetzten Stellen, kleineren Berufseinsteigerjahrgängen oder weniger Aufträgen für Selbstständige zeigen.

Einstiegsarbeit verdient besondere Aufmerksamkeit. Nachwuchskräfte beginnen oft mit Recherche, Zusammenfassungen, Dokumentation, Tests und grundlegenden Produktionsaufgaben. Generative KI kann Teile dieser Aufgaben schnell erledigen.

Unternehmen könnten darauf reagieren, indem sie Nachwuchskräften komplexere Verantwortung übertragen. Sie könnten aber auch weniger Berufseinsteiger einstellen, weil erfahrene Beschäftigte mehr leisten können. Der erste Weg entwickelt Talente; der zweite kann die Pipeline schwächen, aus der zukünftige Experten hervorgehen.

Die Internationale Arbeitsorganisation beschreibt die Betroffenheit durch generative KI vor allem als Frage der Transformation und nicht als automatisches Verschwinden ganzer Berufe. Ihr globaler Jobindex bewertet Berufe anhand der Aufgaben, die aktuelle Systeme übernehmen können.

Eine Analyse auf Aufgabenebene bietet einen besseren Rahmen als die Frage, ob KI einen Beruf ersetzen wird. Ein Job vereint Tätigkeiten, die unterschiedliches Wissen, Verantwortlichkeit, Beziehungen und körperliche Handlungen erfordern. Aktuelle Systeme übernehmen dieses Gesamtpaket nur selten.

Teilautomatisierung kann Beschäftigung dennoch umgestalten. Wenn Software einen bedeutenden Anteil der Aufgaben erledigt, können Arbeitgeber Rollen um die verbleibende Arbeit herum neu gestalten. Sie können Arbeitsbelastungen auch verschärfen, indem sie erwarten, dass jeder Beschäftigte mehr automatisierte Ergebnisse überwacht.

Qualitätssicherung wird in diesem Umfeld zentral. Generative Systeme können selbstsichere Fehler, unvollständige Argumentationen, unsicheren Code oder unbelegte Behauptungen erzeugen. Ein menschlicher Prüfer bleibt verantwortlich, auch wenn die Maschine den ersten Output erstellt hat.

Diese Verantwortung verursacht Kosten. Beschäftigte müssen genug verstehen, um Fehler zu erkennen, Belege zu sichern und zu wissen, wann Automatisierung nicht vertraut werden sollte. Die während der Produktion eingesparte Zeit kann teilweise bei der Überprüfung wieder anfallen.

Produktivitätsmessungen können diese versteckte Arbeit übersehen. Ein Unternehmen könnte schnellere Entwürfe zählen, ohne Korrekturzeit oder nachgelagerte Fehler zu messen. Es könnte kürzere Bearbeitungszeiten feiern, während Kunden Schwierigkeiten haben, jemanden zu erreichen, der ungewöhnliche Probleme lösen kann.

Auch die Organisation für wirtschaftliche Zusammenarbeit und Entwicklung unterscheidet zwischen Exposition und unmittelbarem Ersatz. Ihr Beschäftigungsausblick untersuchte, wie Automatisierung neben dem Beschäftigungsniveau auch Arbeitsqualität, Kompetenzen und Verhandlungsmacht beeinflusst.

Diese Dimensionen helfen, die öffentliche Sorge zu erklären. Menschen interessiert mehr als nur, überhaupt eine Arbeit zu haben. Sie achten auf Löhne, Stabilität, Autonomie, Aufstiegsmöglichkeiten und darauf, ob Leistungsbewertungssysteme sie fair behandeln.

Das optimistische Szenario für KI bleibt plausibel. Neue Werkzeuge können mühsame Verwaltungstätigkeiten reduzieren, Fachwissen leichter zugänglich machen und kleinen Teams helfen, Projekte anzugehen, für die früher größere Budgets nötig waren. Auch neue Produkte und Berufe können entstehen.

Diese Gewinne beantworten jedoch nicht die Verteilungsfrage. Ein Unternehmen kann produktiver werden, ohne den Wertzuwachs mit seinen Beschäftigten zu teilen. Eine Branche kann wachsen und dabei pro erzeugter Einheit weniger Menschen beschäftigen.

Der Pessimismus der Umfrage fordert Arbeitgeber dazu auf, Unterstützung durch beobachtbare Entscheidungen zu belegen. Fortbildungsbudgets, interne Mobilität, Lohnwachstum und stabile Einstellungen wären stärkere Belege als allgemeine Aussagen über menschliches Potenzial.

Was die Zahlen noch nicht sagen können

Die Umfrage erfasst eine starke Erwartung, kann aber nicht die endgültige Beschäftigungsbilanz von KI bestimmen.

Meinungsumfragen messen Überzeugungen zu einem bestimmten Zeitpunkt. Sie prognostizieren weder technologische Fähigkeiten noch berechnen sie die künftige Schaffung von Arbeitsplätzen. Die Befragten interpretieren zudem den breiten Begriff „KI“, der viele unterschiedliche Systeme umfassen kann.

Eine Person könnte an Chatbots, autonome Fahrzeuge, Industrieroboter, Empfehlungsalgorithmen oder Überwachung am Arbeitsplatz denken. Jede dieser Technologien beeinflusst Arbeit auf andere Weise. Auch ihre regulatorischen Anforderungen und Einführungskosten unterscheiden sich.

Vergleiche auf Länderebene bringen zusätzliche Unsicherheit mit sich. Die Befragten leben in Volkswirtschaften mit unterschiedlichen Arbeitsschutzbestimmungen, Bildungssystemen, demografischen Strukturen und prägenden Branchen. Die Bedeutung von „Arbeitsplatzverlust“ kann unter diesen Bedingungen variieren.

Die Erhebung fand zudem vor späteren Entwicklungen statt. Meinungen können sich nach größeren Entlassungen, Sicherheitsversagen, Produktivitätsgewinnen oder neuen Regulierungen ändern. Die Wiederholung der Fragen über längere Zeit wird aufschlussreicher sein, als ein einzelnes Ergebnis als dauerhaft zu behandeln.

Die Pew-Research-Umfrage zu KI und Arbeitsplätzen sollte daher als Vertrauensindikator gelesen werden. Sie zeigt, dass die Mehrheit der nationalen Öffentlichkeiten derzeit eine negative Beschäftigungsbilanz erwartet. Sie beweist nicht, dass diese Bilanz bereits eingetreten ist.

Auch Arbeitsmarktstatistiken entwickeln sich langsamer als die Einführung von Produkten. Ein Unternehmen kann KI innerhalb weniger Wochen einführen, während offizielle Berufsstatistiken Monate oder Jahre benötigen können, um Veränderungen sichtbar zu machen. Konjunkturzyklen erschweren die Zuordnung zusätzlich.

Wenn ein Arbeitgeber in einem Abschwung Personal abbaut, kann KI eine Ursache, ein unterstützendes Werkzeug oder eine bequeme Erklärung sein. Wenn Einstellungen zurückgehen, während die Produktion steigt, kann Automatisierung dazu beitragen, ohne in Entlassungszahlen sichtbar zu werden.

Die Schaffung neuer Arbeitsplätze ist ebenso schwer zu messen. KI kann Nachfrage nach Modellevaluierung, Sicherheitsarbeit, Datenoperationen, Integration, Compliance und spezialisierten Dienstleistungen erzeugen. Einige Stellen werden vertraute Titel tragen, auch wenn sich ihre täglichen Aufgaben erheblich verändern.

Historische Vergleiche bieten nur begrenzte Orientierung. Frühere Technologien beseitigten bestimmte Aufgaben, schufen aber zugleich Branchen und steigerten die Produktivität. Sie verursachten auch schmerzhafte Übergänge, schwächten bestimmte Gemeinschaften und verteilten Gewinne ungleich.

KI unterscheidet sich von vielen früheren Werkzeugen, weil sie kognitive Aufgaben in zahlreichen Branchen adressiert. Dasselbe zugrunde liegende Modell kann Programmierer, Marketingfachleute, Juristen, Analysten oder Support-Mitarbeitende unterstützen. Die Verbreitung über Software ermöglicht eine schnelle Ausweitung dieser Fähigkeiten.

Dennoch ist Fähigkeit nicht gleich Einführung. Organisationen stehen vor Datenbeschränkungen, Integrationskosten, rechtlichen Risiken, Sicherheitsanforderungen und Zuverlässigkeitsproblemen. Viele Demonstrationen funktionieren in kontrollierten Umgebungen besser als in komplexen operativen Systemen.

Die Umfrage kann zudem nicht zeigen, was Befragte unter unterschiedlichen politischen Rahmenbedingungen akzeptieren würden. Menschen könnten KI positiver bewerten, wenn Arbeitgeber Umschulungen garantierten, Löhne schützten oder Produktivitätsgewinne teilten. Nach Erfahrungen mit undurchsichtigen automatisierten Entscheidungen könnten sie skeptischer werden.

Eine weitere Unsicherheit betrifft das Leben außerhalb der Arbeit. KI kann medizinische Forschung, Barrierefreiheit, Bildung und Übersetzung unterstützen, zugleich aber Risiken durch Betrug, Überwachung und Desinformation einführen. Eine befragte Person kann eine Anwendung schätzen und eine andere ablehnen.

Diese Kombination macht einfache Etiketten irreführend. Wer Arbeitsplatzvernichtung erwartet, ist nicht zwangsläufig gegen KI. Diese Person kann KI regelmäßig nutzen und zugleich Schutz vor ihren wirtschaftlichen Folgen verlangen.

Die skeptische Lesart sollte in keine Richtung überziehen. Öffentliche Angst belegt keine unvermeidliche Massenarbeitslosigkeit. Der Optimismus der Branche belegt nicht, dass verdrängte Arbeitskräfte reibungslos in bessere Jobs wechseln werden.

Belege müssen konkrete Systeme mit tatsächlicher Personalbesetzung, Löhnen, Produktion und Arbeitsqualität verbinden. Bis sich solche Belege verdichten, bleiben selbstbewusste Prognosen weniger nützlich als transparente Berichterstattung.

Arbeitgeber und Regierungen tragen nun die Beweislast

Die Umfrage setzt jene Institutionen unter Druck, die über die Einführung entscheiden, denn Beschäftigte können den Übergang nicht allein gestalten.

KI-Unternehmen stehen vor der sichtbarsten Kommunikationsherausforderung. Sie beschreiben Modelle oft als Assistenten oder Kollaborateure. Kunden kaufen diese Produkte jedoch teilweise, weil sie geringere Kosten und höhere Leistung versprechen.

Diese kommerzielle Logik macht Arbeitsplatzverluste nicht unvermeidlich. Sie schafft jedoch einen Anreiz, den die öffentliche Kommunikation selten direkt anspricht. Wenn ein Team mehr Arbeit leisten kann, müssen Führungskräfte entscheiden, ob sie die Produktion ausweiten oder die Nachfrage nach Arbeitskräften senken.

Arbeitgeber können diese Entscheidung nachvollziehbar machen. Sie können Einführungsziele veröffentlichen, betroffene Aufgaben benennen, Beschäftigte konsultieren und berichten, ob Automatisierung die Personalbesetzung verändert. Sie können experimentelle Projekte von Systemen trennen, die bei Beschäftigungsentscheidungen eingesetzt werden.

Manager müssen zudem menschliche Überprüfung schützen. Beschäftigte zu bitten, KI-Ausgaben ohne ausreichend Zeit oder Befugnis zu genehmigen, schafft Verantwortung ohne Kontrolle. Diese Regelung verlagert Risiken nach unten, während das Management den Produktivitätsgewinn für sich beansprucht.

Fortbildung erfordert ähnliche Präzision. Ein kurzer Kurs zum Prompting bereitet niemanden auf einen Beruf vor, dessen Einstiegsaufgaben wegfallen. Wirksame Weiterbildung muss Beschäftigte mit Rollen verbinden, die Organisationen tatsächlich beibehalten wollen.

Regierungen tragen eine andere Last. Sie benötigen zeitnahe Arbeitsmarktdaten, die Entlassungen von Einstellungsrückgängen und der Umstrukturierung von Aufgaben unterscheiden können. Zudem brauchen sie Maßnahmen, die greifen, bevor Verdrängung zum Notfall wird.

Wettbewerbspolitik ist wichtig, weil KI-Infrastruktur teuer und konzentriert ist. Wenn eine kleine Gruppe Modelle, Cloud-Kapazitäten und Vertrieb kontrolliert, können sich Produktivitätsgewinne bei Unternehmen mit dem meisten Kapital ansammeln.

Bildungspolitik ist wichtig, weil Beschäftigte ein breites digitales Urteilsvermögen benötigen und nicht nur Vertrautheit mit einer einzelnen Oberfläche. Modellprodukte ändern sich schnell. Verifikation, Fachwissen, Kommunikation und Verantwortlichkeit behalten über verschiedene Werkzeuge hinweg ihren Wert.

Soziale Absicherung ist wichtig, weil Übergänge Lücken schaffen, selbst wenn die Wirtschaft letztlich neue Arbeit hervorbringt. Menschen können laufende Ausgaben nicht mit Prognosen über künftige Berufe bezahlen. Leistungen und Umschulungen müssen während des Übergangs funktionieren.

Auch die Arbeitnehmervertretung beeinflusst die Ergebnisse. Beschäftigte verstehen oft, welche Aufgaben sicher automatisiert werden können und welche Kontext erfordern. Ihre Einbeziehung kann die Qualität der Einführung verbessern und zugleich Misstrauen verringern.

Die öffentliche Sorge über Ungleichheit sollte diese Antworten prägen. Ein Übergang darf nicht nur an nationaler Produktion oder Unternehmensgewinnen gemessen werden. Lohnverteilung, Arbeitsqualität, regionale Auswirkungen und Zugang zu Weiterbildung gehören in dieselbe Bewertung.

Unternehmen sollten die Beziehung zwischen KI-Einführung und Beschäftigung anhand vergleichbarer Kennzahlen berichten. Nützliche Indikatoren sind offene Stellen, Einstellungen auf Einstiegsniveau, Ausgaben für Auftragnehmer, interne Versetzungen, geleistete Arbeitsstunden und Output pro Beschäftigtem.

Keine einzelne Kennzahl wird die Debatte entscheiden. Die Beschäftigtenzahl kann stabil bleiben, während die Arbeitsbelastung steigt. Die Produktivität kann wachsen, während die Löhne stagnieren. Neue Rollen können entstehen, während der Zugang auf Beschäftigte mit fortgeschrittenen Qualifikationen beschränkt bleibt.

Transparenz würde die Lücke zwischen Behauptungen und Ergebnissen dennoch verringern. Sie würde Beschäftigten, Investoren und politischen Entscheidungsträgern ermöglichen zu bewerten, ob Unterstützung wie versprochen erfolgt.

Die Pew-Ergebnisse legen nahe, dass freiwilliger Optimismus nicht länger ausreicht. Institutionen, die öffentliche Unterstützung suchen, müssen zeigen, wie Menschen an den Vorteilen teilhaben und wie sie Schäden bewältigen werden.

Drei Signale werden die globale Angst vor KI-bedingten Arbeitsplatzverlusten prüfen

Die nächste Phase der Debatte wird durch Einstellungsdaten, Ergebnisse für Beschäftigte und wiederholte öffentliche Messungen entschieden.

Das erste Signal sind Einstellungen auf Einstiegsniveau in KI-exponierten Berufen. Stellen für Hochschulabsolventen, Junior-Positionen und routinemäßige digitale Arbeit bieten einen frühen Test für Substitution. Diese Jobs enthalten viele Aufgaben, bei denen generative Systeme unterstützen oder automatisieren können.

Ein anhaltender Rückgang würde die pessimistische Lesart der Umfrage stärken, insbesondere wenn die Produktion stabil bleibt. Stabile Einstellungen bei neu gestalteten Verantwortlichkeiten würden das Argument der Unterstützung stützen. Forschende sollten exponierte Rollen mit Berufen vergleichen, die ähnlichen wirtschaftlichen Bedingungen ausgesetzt sind.

Das zweite Signal ist, ob Produktivitätsgewinne bei den Beschäftigten ankommen. Lohnwachstum, kürzere Arbeitszeiten, Beförderungsraten und vom Arbeitgeber finanzierte Weiterbildung können zeigen, ob Menschen am Wertzuwachs teilhaben. Höherer Output allein kann diese Frage nicht beantworten.

Wenn Löhne und Mobilität parallel zur KI-Einführung steigen, hat das öffentliche Vertrauen einen Grund, sich zu verbessern. Wenn der Output steigt, während Vergütung und Chancen stagnieren, wird die Sorge über Ungleichheit stärkere Belege erhalten.

Das dritte Signal ist die Richtung künftiger Umfrageergebnisse. Die Studie von Pew liefert eine breite Ausgangsbasis über 37 Länder hinweg. Die Wiederholung vergleichbarer Fragen kann zeigen, ob direkte Erfahrung Angst abbaut oder sie konkreter macht.

Stimmung sollte neben Verhalten gelesen werden. Die Einführung kann zunehmen, während Vertrauen sinkt, weil Beschäftigte und Verbraucher möglicherweise kaum praktische Wahlmöglichkeiten haben. Nutzungsstatistiken allein können daher keine gesellschaftliche Akzeptanz belegen.

Das Muster in 34 Ländern bleibt bedeutsam, bis Beschäftigungsdaten auf etwas anderes hinweisen. Es stellt eine Warnung dar, dass technischer Fortschritt und öffentliche Legitimität auf getrennten Gleisen verlaufen.

Entwickler sollten beobachten, ob Käufer Systeme verlangen, die auf verantwortlicher menschlicher Überprüfung beruhen. Unternehmenskunden sollten Personalfolgen neben der Modellleistung prüfen. Beschäftigte sollten fragen, wie die Einführung ihre Rollen, Bewertung und Aufstiegsmöglichkeiten verändert.

Politische Entscheidungsträger sollten sich sowohl Fatalismus als auch Selbstzufriedenheit widersetzen. KI-bedingte Arbeitsplatzvernichtung ist nicht vorbestimmt, aber auch ein schmerzfreier Übergang zu besserer Arbeit nicht. Institutionen treffen Entscheidungen, die beide Ergebnisse prägen.

Die Pew-Research-Umfrage zu KI und Arbeitsplätzen stellt jeder Organisation, die diese Systeme einführt, eine praktische Frage: Welche Belege würden Beschäftigte davon überzeugen, dass KI ihre Zukunft verbessert? Diese Belege zu veröffentlichen, die Gewinne zu teilen und schädliche Einführungen zu korrigieren, würde eine glaubwürdige Antwort bieten. Ohne diese Maßnahmen wird die Öffentlichkeit KI weiterhin nach ihrem klarsten wahrgenommenen Anreiz beurteilen: mehr Arbeit mit weniger Menschen zu erledigen.