Welche Arbeitnehmer sind laut Stanford-Forschung am stärksten von KI-bedingten Jobverlusten betroffen?

Berufseinsteiger in stark KI-exponierten Bereichen, wie Softwareentwicklung und Kundensupport, verzeichnen die stärksten Rückgänge. Die Forschung stellte einen relativen Beschäftigungsrückgang von 13 Prozent bei den am stärksten exponierten jungen Arbeitnehmern fest, selbst nach Kontrolle von Unternehmens- und Zeitfaktoren.

Besteht das Hauptrisiko durch KI in niedrigeren Löhnen oder weniger Arbeitsplätzen?

Laut den Stanford-Ergebnissen ist das primäre Risiko für die am stärksten exponierten jungen Arbeitnehmer der Ausschluss aus dem Beschäftigungsverhältnis, nicht nur niedrigere Löhne. Arbeitnehmer, die keine Einstiegsposition erhalten, haben keine Möglichkeit, die Erfahrung aufzubauen, die ihren Wert langfristig steigert.

Trifft KI alle Berufseinsteiger gleich hart?

Nein. Die Forschung unterscheidet zwischen Tätigkeiten, bei denen KI Aufgaben vollständig ersetzt, und Tätigkeiten, bei denen sie menschliche Arbeit unterstützt. Wo KI eher unterstützt als ersetzt, ist der Beschäftigungseffekt deutlich weniger schwerwiegend.

1 / 1

Stanford Digital Economy Lab KI-Auswirkungen auf die Arbeitswelt Berufseinsteiger Arbeitsmarktdaten ADP Research hiring-trend-analysis

Milo Jun 13, 2026

KI-Einfluss auf Arbeitsmärkte

Stanfords Canaries-Dashboard zeigt: KI verdrängt bereits Berufseinsteiger vom Arbeitsmarkt

Kernaussagen

Berufseinsteiger in stark KI-exponierten Tätigkeiten verzeichnen laut Stanford-Gehaltsabrechnungsdaten einen relativen Beschäftigungsrückgang von 13 %; das Risiko besteht im Ausschluss aus dem Arbeitsmarkt, nicht nur in niedrigeren Löhnen.
KI, die Aufgaben ersetzt, schadet der Einstellung von Berufseinsteigern weit mehr als KI, die menschliche Arbeit unterstützt; zu verstehen, welches auf Ihre Zielstelle zutrifft, ist die nützlichste Frage, die Sie stellen können.
Das Canaries-Dashboard von Stanford wird monatlich mit ADP-Gehaltsabrechnungsdaten aktualisiert; seine Verfolgung gibt Lernenden ein frühzeitiges Signal darüber, welche Einstiegsmöglichkeiten sich verengen, bevor dies in Stellenanzeigen sichtbar wird.

Milo · Jun 13, 2026

Neue Lohnlistendaten aus dem Digital Economy Lab der Stanford-Universität verlagern die Debatte über KI-bedingte Arbeitsplatzverdrängerung von spekulativen Szenarien hin zu einer messbaren, gegenwärtigen Realität für junge Arbeitnehmer in gefährdeten Berufsfeldern.

Neue Lohndaten des Digital Economy Lab der Stanford University verlagern die Debatte über KI-bedingte Verdrängung von reiner Spekulation hin zu einer messbaren, gegenwärtigen Realität für junge Arbeitnehmerinnen und Arbeitnehmer in betroffenen Berufsfeldern.

Stellen Sie sich zwei Berufseinsteiger vor, die im selben Jahr eine Stelle im Technologiebereich angetreten haben. Eine landet in einer Position, in der KI-Tools ihr Urteilsvermögen unterstützen; der andere tritt eine Rolle an, in der KI die Aufgaben übernimmt, die früher sein Einstiegsgehalt rechtfertigten. Drei Jahre später ist die Kluft zwischen ihnen keine Theorie mehr. Sie zeigt sich in den Gehaltsabrechnungen. Diese Lücke ist nun Gegenstand eines der sorgfältigsten empirischen Projekte in der Arbeitsmarktforschung.

Was das Canaries Dashboard tatsächlich misst

Das Digital Economy Lab der Stanford University hat das Canaries Dashboard in Zusammenarbeit mit ADP Research entwickelt und nutzt dabei anonymisierte Gehaltsabrechnungsdaten von Unternehmen, die die Lohnabrechnungsdienste von ADP verwenden, wie auf der Projektseite des Stanford Digital Economy Lab(opens in new tab) beschrieben. Der Name des Dashboards stammt direkt aus der zugrunde liegenden Forschung: einem Papier aus dem Jahr 2025 von Erik Brynjolfsson, Bharat Chandar und Ruyu Chen mit dem Titel „Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence." Die Logik der Metapher ist präzise. Bestimmte Arbeitnehmer – insbesondere solche, die am Anfang ihrer Karriere stehen und in Berufen mit hoher KI-Exposition konzentriert sind – fungieren als Frühindikatoren für umfassendere Verschiebungen auf dem Arbeitsmarkt. Wohin sie gehen, könnte die gesamte Wirtschaft letztendlich folgen.

Das Dashboard aktualisiert diese Erkenntnisse in Echtzeit und reiht sich damit in andere Arbeitsmarktindikatoren der wachsenden KI-Wirtschaftsindikatorenreihe von Stanford ein.

Das zugrunde liegende Papier bildet das analytische Rückgrat. Brynjolfsson, Chandar und Chen untersuchten, wie sich Beschäftigungsveränderungen je nach Erfahrungsstand eines Arbeitnehmers und dem Grad, in dem sein Beruf der KI-gesteuerten Automatisierung ausgesetzt ist, unterscheiden. Laut einem Beitrag von Bharat Chandar vom Oktober 2025 auf der Website des Stanford Digital Economy Lab lieferte die Forschung „einige der frühesten groß angelegten Belege, die mit der Hypothese übereinstimmen, dass die KI-Revolution beginnt, einen erheblichen und unverhältnismäßig großen Einfluss auf Berufseinsteiger auf dem amerikanischen Arbeitsmarkt zu haben."

Diese Einordnung ist wichtig. Dies ist kein Projektionsmodell und kein Gedankenexperiment; es ist ein Muster, das in bereits vorhandenen Gehaltsabrechnungsdaten gefunden wurde.

Das 13-Prozent-Signal und seine Bedeutung

Der Befund, der Leser innehalten lässt, ist ein relativer Beschäftigungsrückgang von 13 Prozent bei den am stärksten KI-exponierten jungen Arbeitnehmern – selbst nach Bereinigung um unternehmens- und zeitbezogene Faktoren –, wie eine Zusammenfassung der Stanford-Forschung zeigt.

Diese Zahl ist kein Gesamtdurchschnitt über alle Arbeitnehmer. Sie bezieht sich auf das Zusammentreffen von zwei Bedingungen: ein früher Karrierezeitpunkt und eine stark automatisierbare Rolle. Arbeitnehmer mit mehr Erfahrung in denselben Berufen zeigen dasselbe Muster nicht im gleichen Maße – ein entscheidender Unterschied. KI-Tools scheinen in diesem Zeitraum zumindest die Aufgaben zu ersetzen, die Berufseinsteiger erlernen sollen, nicht das Urteilsvermögen, für das erfahrenere Arbeitnehmer bezahlt werden.

Auch die berufliche Verteilung dieses Effekts ist aufschlussreich. Laut einer Zusammenfassung der Stanford-Erkenntnisse, über die Time berichtete, konzentrieren sich die stärksten Verluste auf Softwareentwicklung, Kundensupport und andere Berufe mit hoher KI-Exposition. Dies sind genau die Bereiche, auf die ein ganzes Generation von Karriereratgebern als stabile, kompetenzfördernde Einstiegspunkte hingewiesen hat. Der Einbruch trifft dort am härtesten, wo Berufseinsteigern der Start empfohlen wurde.

Unter den Beschäftigungszahlen liegt ein zweiter Befund: Der Mechanismus ist von entscheidender Bedeutung. Wo KI Aufgaben vollständig ersetzt, schrumpfen Einstiegspositionen. Wo KI menschliche Arbeit unterstützt, anstatt sie zu ersetzen, ist der Effekt weitaus weniger gravierend, wie dieselbe Stanford-Zusammenfassung zeigt. Die Unterscheidung zwischen Ersatz und Unterstützung ist keine subtile akademische Nuance. Es ist die Weggabelung, die darüber entscheidet, ob eine bestimmte Stelle wächst oder schrumpft, wenn die KI-Nutzung zunimmt.

Der Unterschied zwischen einem Lohnproblem und einem Ausgrenzungsproblem

Die meisten öffentlichen Diskussionen über KI und Arbeit drehen sich um Löhne: Wird KI die Bezahlung senken? Die Stanford-Forschung stellt diese Frage neu. Laut der Zusammenfassung der Erkenntnisse von Brynjolfsson, Chandar und Chen ist das vorrangige Risiko für die am stärksten exponierten jungen Arbeitnehmer nicht ein niedrigerer Lohn. Es ist der vollständige Ausschluss aus dem Beschäftigungsverhältnis.

Lohndrückung und Jobverlust sind verwandte Probleme, aber sie sind nicht dasselbe Problem, und sie erfordern nicht dieselbe Reaktion. Ein Arbeitnehmer, der zu einem niedrigeren Lohn eingestellt wird, sammelt trotzdem Erfahrung, baut trotzdem Betriebszugehörigkeit auf und entwickelt trotzdem das Urteilsvermögen, das seinen Wert im Laufe der Zeit steigert. Ein Arbeitnehmer, der die Einstiegsposition gar nicht erst bekommt, hat überhaupt keine Startrampe.

Diese Unterscheidung sollte beeinflussen, wie Lernende ihre eigene Position einschätzen. Die Frage lautet nicht nur, ob eine Stelle heute gut bezahlt wird. Es geht darum, ob die Stelle auf Einstiegsniveau noch in ausreichender Zahl existiert, ob KI die grundlegenden Aufgaben darin ersetzt, und ob die gewonnene Erfahrung tatsächlich jene Art von Urteilsvermögen aufbaut, das schwerer zu automatisieren ist. Eine Stelle in einem stark exponierten Beruf ist nicht automatisch eine Sackgasse, aber die Belege besagen nun, dass der Einstieg in diese Stelle enger wird.

Was das für Ihre Entscheidung bedeutet, wo Sie investieren

Das Canaries Dashboard ist Teil der KI-Wirtschaftsindikatorenreihe von Stanford, die das Labor als Bemühung beschreibt, „politische Entscheidungsträger, Unternehmensführer und einzelne Arbeitnehmer mit aktuellen und zuverlässigen Informationen über die wirtschaftlichen Auswirkungen von KI zu verbinden", wie auf der Indikatoren-Seite des Labors beschrieben.

Diese letzte Gruppe – die einzelnen Arbeitnehmer – ist diejenige, die für alle, die dies lesen, am meisten zählt.

Das Dashboard wird in Echtzeit aktualisiert, was bedeutet, dass die 13-Prozent-Zahl ein zu beobachtender Ausgangswert ist, kein endgültiges Urteil.

Für Lernende, die derzeit Karrierewege bewerten, lautet die handlungsorientierte Schlussfolgerung: Expositionsgrad und Erfahrungsgrad stehen in Wechselwirkung. Ein Junior-Softwareentwickler in einem Unternehmen, das generative KI zur Code-Erstellung einsetzt, befindet sich in einer anderen Situation als ein Junior-Datenanalyst, dessen Arbeit Synthese, Kommunikation mit Stakeholdern und fachliche Interpretation umfasst. Die erstgenannte Rolle ist näher an den Aufgaben, die KI derzeit ersetzt; die letztgenannte ist näher an den Aufgaben, die KI derzeit unterstützt. Dieser Unterschied spiegelt sich nicht in Berufsbezeichnungen wider, und er wird in den meisten Stellenbeschreibungen kaum erfasst.

Das Canaries Dashboard und die dahinter stehende Forschung geben Lernenden einen Rahmen, um bessere Fragen zu stellen: Welche Einstiegspunkte führen tatsächlich zu etwas, und welche verschwinden still und leise vom Arbeitsmarkt, bevor die Stellenanzeigen das bemerken?

Beobachten Sie das Dashboard, während es monatlich aktualisiert wird. Verfolgen Sie, ob die 13-Prozent-Zahl zunimmt, abnimmt oder in neue Berufsgruppen übergeht. Die Forschung steht noch am Anfang, wie Chandar anerkannt hat, aber sie ist das ehrlichste Signal, das derzeit verfügbar ist. Das ist mehr wert als jede Prognose.

Quellen

Questions & answers

Es handelt sich um ein Live-Arbeitsmarkt-Tracking-Tool, das vom Digital Economy Lab der Stanford University in Zusammenarbeit mit ADP Research entwickelt wurde. Es überwacht Beschäftigungstrends in verschiedenen Berufen und Arbeitnehmergruppen mit unterschiedlichem KI-Expositionsniveau und wird fortlaufend aktualisiert.