KI-betroffene Jobs in Spanien wachsen schneller: Datenanalyse

Die Panik um Bürojobs hat ein Messproblem. Zu viele Karrieredebatten behandeln KI-Exposition wie eine Kündigung mit besserem Branding, obwohl die Arbeitsmarktdaten etwas Unbequemeres und Nützlicheres zeigen. In Spanien lautet die Frage nicht, ob generative KI Büroarbeit berührt. Sie lautet, ob Beschäftigte Aufgaben, die automatisiert werden, von Aufgaben trennen können, die wertvoller werden.

Die OECD schätzt, dass rund 27,4 Prozent der Beschäftigten in Spanien generativer KI ausgesetzt sind. Das bedeutet, dass mindestens 20 Prozent ihrer Arbeitsaufgaben in der Hälfte der Zeit erledigt werden könnten. Das ist ein großer Anteil des Arbeitsmarkts, aber Exposition ist nicht dasselbe wie Abschaffung. Für Lernende ist die praktische Erkenntnis: Hört auf, nach vagen KI-Zertifikaten zu suchen, und beginnt damit, zu kartieren, welche Arbeitsabläufe in eurer aktuellen Rolle sich am schnellsten verändern.

Die exponierten Jobs verhalten sich nicht wie zum Untergang verurteilte Jobs

Der Spanien-Bericht von PwC für das 2026 Global AI Jobs Barometer ist das klarste Gegengewicht zur einfachen Geschichte vom Verschwinden der Jobs. PwC berichtet, dass die am stärksten KI-exponierten Unternehmen ein schnelleres Beschäftigungswachstum zeigen als die am wenigsten KI-exponierten Unternehmen, mit 52 Prozent gegenüber 36 Prozent, sowie ein höheres Lohnwachstum, mit 24 Prozent gegenüber 17 Prozent. Dieselbe Spanien-Analyse sagt, dass das Produktivitätswachstum bei den am stärksten exponierten Unternehmen 40 Prozent höher ist als bei den am wenigsten exponierten Unternehmen.

@title Exposition ist kein Rückgang
@source Spain report - 2026 AI Jobs Barometer

                    Most exposed   Least exposed
  Headcount growth  52             36
  Wage growth       24             17

@caption Die Werte sind prozentuale Wachstumszahlen, die PwC für exponierte Unternehmensgruppen berichtet.

Das macht nicht jeden exponierten Beruf sicher, und es bedeutet nicht, dass jeder Arbeitgeber Menschen umschulen wird, bevor er eine Aufgabe ersetzt. Es bedeutet aber, dass die bessere Karrierefrage konkreter ist: Welche Teile meines Jobs werden durch KI billiger, schneller oder einfacher, und welche Teile erfordern Urteilsvermögen, Verantwortlichkeit, Kundenkontext oder Fachwissen? Eine Berufsbezeichnung wird das nicht beantworten, besonders wenn „AI Engineer“ in einem Lebenslauf Modellarbeit, Workflow-Automatisierung oder jemanden bedeuten kann, der drei Chatbot-Demos gebaut hat.

Exposition ist ein Aufgabensignal, kein Urteil über eine Berufsbezeichnung

Funcas rahmt die spanische Arbeitsmarktfrage über eine Analyse auf Aufgabenebene statt über ganze Berufskategorien. Das Papier sagt, dass die KI-Nutzung unter spanischen Unternehmen zwischen 2023 und 2025 von 12,4 Prozent auf 21,1 Prozent gestiegen ist, konzentriert in Sektoren, in denen die Automatisierungsexposition bereits am höchsten ist. Es merkt außerdem an, dass die Verteilungseffekte überproportional auf Büroangestellte auf mittlerer Ebene fallen, während Spanien sich auf einem historischen Beschäftigungshoch befindet.

Diese Kombination ist wichtig für die Karriereplanung. Analystinnen und Analysten in der Mitte ihrer Laufbahn, Koordinatorinnen und Koordinatoren, Support-Leads, Marketingfachleute, Finanzmitarbeitende und Beschäftigte im Operations-Bereich sollten Exposition nicht als Befehl verstehen, ihr Feld zu verlassen. Sie sollten sie als Signal lesen, dass die Arbeit innerhalb der Berufsbezeichnung neu geordnet wird, oft schneller, als Stellenbeschreibungen zugeben. Der kluge Schritt ist, KI-gestützte Arbeitsabläufe in einfachen Geschäftsworten zu dokumentieren: eingesparte Zeit, hinzugefügte Fehlerprüfungen, verbesserte Übergaben und Entscheidungen, die bei einem menschlichen Verantwortlichen bleiben.

Der Kompetenzaufschlag verschiebt sich hin zu neu gestalteter Arbeit

Die Zusammenfassung der Evidenz durch SEFO macht denselben Punkt aus einem anderen Blickwinkel: KI kann die Nachfrage nach Arbeitskräften durch Produktivität erhöhen und gleichzeitig bestimmte Aufgaben verdrängen. Sie zitiert eine Studie mit 5.179 Kundendienstmitarbeitenden, in der der Zugang zu einem Konversationsassistenten die Produktivität im Durchschnitt um 14 Prozent erhöhte, mit einem Effekt von 34 Prozent bei neuen Beschäftigten und praktisch keinem bei erfahrenen Kräften. Das ist eine Warnung für Senior-Beschäftigte, die annehmen, dass Betriebszugehörigkeit allein genügt, und eine Chance für neuere Beschäftigte, die zeigen können, dass sie Arbeitsabläufe schnell lernen.

Der Spanien-Bericht von PwC ergänzt, dass die am stärksten KI-exponierten Jobs Aufgaben, die auf Empathie, Urteilsvermögen und Kreativität beruhen, 2,5-mal schneller hinzufügen als die am wenigsten exponierten Rollen. Er sagt außerdem, dass KI-exponierte, „seniorisierte“ Einstiegsrollen seit 2019 um 35 Prozent gewachsen sind, während andere Einstiegsrollen zurückgingen. Übersetzung: Einstiegspositionen verschwinden nicht einheitlich, aber die Messlatte verschiebt sich von einfacher Ausführung hin zu beaufsichtigtem Urteilsvermögen, Tool-Nutzung und Verantwortung für unübersichtliche Arbeit.

Was Lernende als Nächstes tun sollten

Der AI at Work Report des Indeed Hiring Lab gibt eine nützliche globale Warnung: Stellenanzeigen mit Bezug zu generativer KI sind seit Anfang 2023 in großen Ländern deutlich gewachsen, während ein breiteres Maß für KI-Stellenanzeigen in den vorherigen 18 Monaten vor dem Hintergrund der allgemeinen Tech-Abkühlung zurückging. Mit anderen Worten: Der Arbeitsmarkt belohnt nützliche KI-Anwendung, nicht jeden glänzenden KI-Titel. Spaniens Daten passen zu diesem Muster: mehr Exposition, schnellerer Kompetenzwandel und Wachstum dort konzentriert, wo Unternehmen KI in Produktivität verwandeln, statt sie wie eine Personalabbau-Tabelle zu behandeln.

Für Beschäftigte, die entscheiden, wo sie Zeit investieren, ist die beste Wette kein Zertifikat, das Meisterschaft an einem Wochenende verspricht. Baut Nachweise rund um einen echten Arbeitsablauf auf: Forschungssynthese, Entwurf von Kundenantworten, Triage bei Compliance-Aufnahmen, Bereinigung von Verkaufsprognosen, Unterstützung bei Code-Reviews oder interne Wissenssuche. Dann solltet ihr das Vorher und Nachher, den menschlichen Prüfschritt und die Risikokontrollen erklären können. Beobachtet als Nächstes Spaniens regionale und sektorale Daten, denn Exposition wird nicht überall gleich ankommen. Aber das Signal ist bereits klar genug: Lernt den Arbeitsablauf, nicht das Schlagwort.