Spaniens KI-Stellenanzeigen haben sich fast verdoppelt. Die sinkende Gesamtzahl der Tech-Stellen dahinter ist das, was du dir wirklich genauer ansehen solltest.

Wer sich heute durch spanische Jobbörsen scrollt, spürt fast so etwas wie Hektik. Machine-Learning-Stellen, Data-Engineering-Verträge, Berufsbezeichnungen, die es vor drei Jahren noch gar nicht gab. Laut dem PwC 2025 Global AI Jobs Barometer Spain Analysis stieg die Gesamtzahl KI-bezogener Stellenausschreibungen in Spanien von rund 5.000 im Jahr 2018 auf etwa 39.000 im Jahr 2024 – ein fast achtfacher Anstieg in absoluten Zahlen innerhalb von sechs Jahren. Auch der Anteil aller Stellenausschreibungen, die KI-bezogene Kenntnisse voraussetzen, wuchs in diesem Zeitraum: von 0,5 Prozent im Jahr 2018 auf 2,0 Prozent im Jahr 2024, also eine Vervierfachung in der Zusammensetzung. Das klingt nach einem Goldrausch. Doch BBVA Research signalisiert in seinem Bericht „Spain: AI and employment, early signs of adjustment", dass das Bild erheblich vielschichtiger ist, als es eine reine Volumenzahl ausdrücken kann. Zwei Dinge sind gerade gleichzeitig wahr, und genau in der Lücke zwischen ihnen kann eine gut platzierte Lernstrategie am meisten bewirken.

Zwei Zahlen, die verschiedene Geschichten erzählen

Das annähernd achtfache Wachstum bei KI-bezogenen Stellenausschreibungen ist real und bedeutsam – beschreibt aber die Zusammensetzung und Konzentration von Einstellungen, nicht deren Gesamtvolumen. Der PwC 2025 Global AI Jobs Barometer ist in dieser Unterscheidung bewusst präzise: Der Bericht stellt ausdrücklich fest, dass „KI mit einem sanfteren Wachstum, aber keinen drastischen Rückgängen bei den Beschäftigungszahlen verbunden ist" und dass die Daten darauf hindeuten, dass Unternehmen „KI nutzen, um Menschen dabei zu helfen, mehr Wert zu schaffen, anstatt einfach Stellen abzubauen". Diese Einordnung ist enorm wichtig dafür, wie man den spanischen Arbeitsmarkt interpretiert. Es geht nicht um Massenverdrängung, sondern um strukturelle Neuorganisation – eine Verschiebung hin zu anderen Qualifikationen, die innerhalb einer sich langsam wandelnden, oder in manchen Tech-Segmenten nun schrumpfenden, Gesamtbeschäftigung gefragt sind. BBVA Research beschreibt diesen Moment als „frühe Anzeichen einer Anpassung" – eine vorsichtige Formulierung, die sagen will, dass sich der Arbeitsmarkt rund um KI neu ausrichtet, anstatt sich einfach durch sie zu vergrößern. CaixaBank Research fügt in seiner Analyse „AI adoption in Spanish firms is advancing rapidly but remains limited and uneven" den entscheidenden Vorbehalt hinzu: Die KI-Einführung in spanischen Unternehmen ist weder einheitlich noch abgeschlossen. Der Weg von Stellenausschreibungsdaten zu tatsächlich dauerhaften Beschäftigungsveränderungen braucht Zeit, und die Ungleichmäßigkeit der KI-Einführung über verschiedene Sektoren hinweg bedeutet, dass die Nachfrage nach KI-kompetenten Fachkräften in bestimmten Branchen und Unternehmenstypen konzentriert ist, statt breit zu streuen. Wer Spaniens KI-Arbeitsmarkt als eine homogene Chance liest, verpasst die strukturelle Differenziertheit, die darüber entscheidet, ob ein Weiterbildungsweg die eigene Zeit und das eigene Geld tatsächlich wert ist.

Was der PwC Barometer wirklich über die Nachfrage nach Qualifikationen sagt

Der PwC 2025 Global AI Jobs Barometer kommt zu einem Befund, der in der Berichterstattung über KI-Beschäftigungstrends kaum auftaucht: „Die von Arbeitgebern für KI-exponierte Stellen gesuchten Fähigkeiten verändern sich 66 % schneller als bei anderen Stellen – gegenüber 25 % im Vorjahr." Das sollte man genau lesen. Es sagt nicht, dass KI-Kenntnisse schlicht und einfach stark gefragt sind. Es sagt, dass sich die für KI-exponierte Rollen erforderlichen Fähigkeiten selbst mit wachsender Geschwindigkeit verändern. Ein Zertifikat, das man vor achtzehn Monaten erworben hat, beschreibt möglicherweise schon heute einen Workflow, der teilweise automatisiert oder umstrukturiert wurde. Das ist die Umgebung, in der Lernende in Spanien und der gesamten EU tatsächlich agieren – keine stabile Qualifikationsleiter mit klar definierten Sprossen, sondern ein bewegliches Ziel, das Anpassungsfähigkeit über Zertifikatesammeln stellt. Derselbe Bericht hebt eine Entwicklung hervor, die man im Blick haben sollte, wenn man abwägt, ob ein formaler Abschluss für eine KI-nahe Karriere notwendig ist: „Die Nachfrage der Arbeitgeber nach formalen Abschlüssen sinkt besonders schnell bei Stellen, die KI ausgesetzt sind, insbesondere bei Stellen mit höherem Automatisierungsgrad durch KI." Das ist keine Einladung, grundlegendes technisches Lernen zu überspringen. Es ist ein Signal, dass nachgewiesene Fähigkeiten – also Projekte, die man vorweisen kann, Tools, die man bedienen kann, Workflows, die man in einem Vorstellungsgespräch beschreiben kann – bei Einstellungsentscheidungen zunehmend mehr wiegen als der Abschluss selbst. Für Lernende, die keine zwei oder vier Jahre in ein Studium investieren können, ist das eine echte und handlungsrelevante Information.

Welche Rollen wachsen und welche werden weniger

Das annähernd achtfache Volumenwachstum bei spanischen KI-Ausschreibungen verteilt sich nicht gleichmäßig auf alle Rollentypen – und genau hier wird das Kontraktionssignal in der breiteren Tech-Beschäftigung erhellend statt beunruhigend. Wenn der gesamte Tech-Stellenmarkt enger wird, während KI-spezifische Ausschreibungen wachsen, sagt der Markt etwas Präzises: Generalistische Tech-Rollen ohne KI-Anteil geraten unter Druck, während Rollen an der Schnittstelle von Fachkenntnissen und KI-Tooling einen größeren Anteil am verfügbaren Einstellungsbudget auf sich vereinen. Die praktische Konsequenz daraus ist: Die Frage „Soll ich KI-Kenntnisse lernen?" ist weniger nützlich als die Frage „Welche KI-nahe Rolle passt zu meinem bisherigen Hintergrund, und was ist das minimale Qualifikationsprofil, um dafür wettbewerbsfähig zu sein?" Die Beobachtung von CaixaBank Research, dass die KI-Einführung in spanischen Unternehmen „begrenzt und ungleichmäßig" bleibt, ist hier ein hilfreicher Ankerpunkt. Unternehmen in frühen Einführungsphasen neigen dazu, Generalisten einzustellen, die Tooling aufbauen und internen Stakeholdern den ROI demonstrieren können. Unternehmen in reifen Einführungsphasen stellen Spezialisten ein, die bereits in Produktion befindliche Systeme optimieren, pflegen und steuern können. Das sind unterschiedliche Rollen mit unterschiedlichen Qualifikationsprofilen, und der Ausbildungsweg für jede einzelne ist grundlegend verschieden. Ein Datenanalyst bei einer Bank, die gerade eine Large-Language-Model-API lizenziert hat, muss Prompt Engineering und Output-Validierung verstehen. Ein Machine-Learning-Engineer in einem Unternehmen, das eine eigene Modellinfrastruktur betreibt, muss Deployment-Pipelines und Monitoring verstehen. Beides sind echte Jobs; keiner davon ist derselbe Job. Auch die globale Einordnung des PwC Barometers sollte man im Kopf behalten: „Wie Elektrizität hat KI das Potenzial, mehr Stellen zu schaffen als zu verdrängen, wenn sie genutzt wird, um neue Formen wirtschaftlicher Aktivität zu erschließen." Dieses „wenn" – „wenn sie genutzt wird, um neue Formen wirtschaftlicher Aktivität zu erschließen" – trägt viel Gewicht. Es bedeutet, dass das Jobschöpfungspotenzial von KI daran hängt, ob Organisationen tatsächlich rund um sie innovieren, und nicht nur bestehende Workflows damit automatisieren. Das gemischte Signal Spaniens – starkes Ausschreibungswachstum neben beschäftigungsbezogenen Anpassungen – deutet darauf hin, dass sich das Land in der Übergangszone zwischen diesen beiden Modi befindet. Das ist ein unbequemer Ort, wenn man gerade auf Jobsuche ist – aber es ist auch die Phase, in der sich Qualifikationsunterschiede am stärksten auszahlen.

Was Lernende mit all dem konkret anfangen können

Die ehrliche Einschätzung zu Spaniens KI-Arbeitsmarkt Mitte 2025 lautet: Das Nachfragesignal in den Stellenausschreibungen ist real, aber konzentriert, schnelllebig und zunehmend gleichgültig gegenüber Abschlüssen, die nicht mit nachweisbaren Ergebnissen verbunden sind. Der Befund des PwC Barometers, dass KI dabei hilft, „Chancen für Menschen zu demokratisieren, die nicht die Zeit oder die Mittel haben, formale Abschlüsse zu erwerben", ist ermutigend – aber nur dann, wenn die Fähigkeiten, die man aufbaut, in echten Workflows verankert sind und nicht in bloßen Vokabellisten. Ein Kurs, der erklärt, was ein Transformer-Modell ist, ohne dass man jemals mit einem arbeitet, ist keine Karrierevorbereitung – das ist Orientierung. Für spanische Lernende im Besonderen ist der CaixaBank-Research-Befund, dass die Einführung zwar schnell voranschreitet, aber ungleichmäßig über Unternehmen verteilt bleibt, praktisch nützlich. Es bedeutet, dass noch ein Fenster offen ist, sich innerhalb des eigenen Sektors – ob Finanzen, Logistik, Gesundheitswesen oder Fertigung – vor der Einführungskurve zu positionieren. Die Unternehmen, die KI-Tooling noch nicht integriert haben, werden Menschen brauchen, die sowohl die Branche als auch die Technologie verstehen, wenn sie es tun. Das ist eine dauerhaftere Position als das Nachjagen der gerade auf InfoJobs trendenden Berufsbezeichnungen. Beobachtet, was der PwC Barometer nächstes Jahr misst: Wenn der Anteil KI-exponierter Ausschreibungen seine aktuelle Entwicklung fortsetzt und die Kennzahl zur Geschwindigkeit des Qualifikationswandels erneut steigt, wird das Fenster für entspanntes Weiterlernen enger sein, als es heute aussieht.