KI und Arbeitsmarkt: OpenAI-Studie sieht geringeres Automatisierungsrisiko als befürchtet

• Technische KI-Fähigkeit – Können aktuelle KI-Systeme (GPT-4-Klasse) die Kerntätigkeiten eines Berufs auf oder über dem menschlichen Durchschnittsniveau ausführen? GPT-4-Modelle erreichen dies bei 60–80 % der Bürotätigkeiten .
• Menschliche Notwendigkeit – Erfordert der Beruf regulatorische Vorgaben, Vertrauensbeziehungen oder physische Präsenz, die ihn vor vollständiger Automatisierung schützen? Regulatorische (Richter, Anwälte im Gerichtssaal), relationale (Lehrkräfte, Therapeuten, Palliativpfleger) und physische Faktoren (Klempner, Elektriker, Pflegekräfte) bilden Schutzmauern .
• Nachfrageelastizität – Handelt es sich um eine unelastische Nachfrage (feststehender Bedarf unabhängig von den Kosten) oder eine elastische Nachfrage, die bei sinkenden KI-Kosten wachsen könnte ?
• Beobachtete ChatGPT-Nutzung – Validierung anhand realer Nutzungsmuster: Beschäftigte in den am stärksten automatisierbaren Rollen (Datenerfasser, Buchhalter) nutzen KI für dreimal mehr ihrer relevanten Aufgaben als Beschäftigte in weniger gefährdeten Berufen .

Die vier Übergangs-Archetypen

Kombiniert und validiert ergeben diese Dimensionen vier Kategorien für jeden Beruf :

1. Hohes Automatisierungsrisiko (~18 % der US-Jobs) – Hohe KI-Exposition, schwache menschliche Notwendigkeit, unelastische Nachfrage. Dazu gehören Datenerfassung, Buchhaltung, Kundenservice, Kassierer, juristische Hilfstätigkeiten und Sachbearbeiter. Hier ist ein kurzfristiger Stellenabbau am wahrscheinlichsten.

2. Neuorganisation (~24 % der Jobs) – Hohe KI-Exposition, aber starke menschliche Notwendigkeit. Die Aufgabenstruktur verändert sich erheblich, aber menschliche Arbeitskräfte bleiben für Kernfunktionen unverzichtbar. Die Beschäftigung kann sinken, auch wenn die Rolle an sich bestehen bleibt.

3. Wachstum mit KI (~12 % der Jobs) – Hohe KI-Exposition kombiniert mit elastischer Nachfrage: KI senkt Kosten und erweitert den Markt, sodass mehr Arbeitsplätze entstehen. Beispiele sind Rollen, in denen KI als Produktivitätsmultiplikator in wachsenden Sektoren fungiert.

4. Relative Stabilität (~46 % der Jobs) – Geringe KI-Exposition, oft aufgrund physischer, relationaler oder regulatorischer Barrieren. Diese Berufe sind kurzfristig kaum von KI betroffen.

USA vs. EU: 18 % vs. 14 % Automatisierungsrisiko

Der OpenAI-Framework schätzt, dass rund 18 % der US-Jobs kurzfristig ein erhöhtes Automatisierungsrisiko aufweisen . Für die EU ergibt eine separate Analyse des CEDEFOP (Europäisches Zentrum für die Förderung der Berufsbildung, eine EU-Agentur), dass etwa 14 % der erwachsenen Erwerbstätigen in der EU ein sehr hohes Automatisierungsrisiko tragen . Besonders betroffen sind Routinejobs mit geringem Bedarf an transversalen und sozialen Kompetenzen; das Risiko ist bei männlichen Arbeitnehmern höher .

Wichtige Einschränkung: Die 14-Prozent-Zahl für die EU stammt aus CEDEFOPs eigener Methodik, nicht direkt aus dem OpenAI-Framework. Die Richtung ist jedoch konsistent: Die stärker regulierten Arbeitsmärkte der EU, die umfassenderen sozialen Sicherungssysteme und die andere Berufsstruktur führen zu einem niedrigeren kurzfristigen Automatisierungsanteil als in den USA.

Länderspezifische Unterschiede

Eine Coface-Analyse der KI-Exposition in europäischen Ländern (April 2026) kartiert den automatisierbaren Aufgabenanteil :

• Höheres Automatisierungsrisiko: Luxemburg, Großbritannien, Schweiz, Niederlande, Norwegen und Dänemark weisen die höchsten Anteile automatisierbarer Tätigkeiten auf – von rund 12 % in der Türkei bis knapp 20 % in Großbritannien .
• Luxemburg, Schweden und die Niederlande haben tendenziell größere Anteile wachstumsorientierter, hochqualifizierter Dienstleistungsberufe, aber auch eine hohe KI-Exposition in ihren Finanz- und Unternehmensdienstleistungssektoren.
• Deutschland, Griechenland und Italien haben ein anderes Risikoprofil: Größere Anteile im verarbeitenden Gewerbe, routinierte Verwaltungsarbeit und eine geringere Durchdringung digitaler Dienstleistungen bedeuten, dass das Automatisierungspotenzial in handelbaren Gütersektoren höher ist .

Der EU Economic Blueprint 2.0 von OpenAI (Januar 2026) unterteilt die Länder zusätzlich nach KI-Durchdringung und Nutzungsintensität. Litauen und Lettland stechen hervor, da sie sowohl eine hohe Bevölkerungsdurchdringung als auch eine hohe Nutzungsintensität fortschrittlicher KI-Denkfähigkeiten kombinieren, während andere EU-Staaten bei der Diffusion deutlich zurückliegen .

Politischer Kontext: Chatterji in Brüssel, EU AI Act und Beschäftigungsverschiebung

Ronnie Chatterji wurde im Oktober 2024 zum ersten Chefökonomen von OpenAI ernannt, zuvor war er Wirtschaftsberater in den Regierungen Biden und Obama. Seine Kernbotschaft: Die Wirtschaft befinde sich in einer „Zwischenzeit“ – die meisten Menschen nutzten KI derzeit als Ergänzung, nicht als Ersatz . Ende Juni 2026 hält sich Chatterji zu einer Reihe hochrangiger Gespräche in Europa auf, darunter eine POLITICO-Europe-Veranstaltung mit dem Titel „KI und die Zukunft der Arbeit: Ist die EU auf den Übergang vorbereitet?“ .

Wichtige politische Spannungsfelder:

• OpenAI war der erste in den USA ansässige KI-Entwickler, der den EU AI Act General Purpose Code of Practice unterzeichnet hat .
• Die Carnegie Endowment argumentiert, dass neben dem AI Act ein „eigenständiger europäischer Arbeitsmarkt-Übergangsrahmen“ nötig sei, idealerweise verankert im EU-Haushalt 2028–2034 .
• Die Europäische Kommission stellt fest, dass KI und digitale Technologien „die Beschäftigung in Europa insgesamt erhöhen werden, die Gewinne aber ungleich verteilt sein werden – vor allem hochqualifizierte Arbeitnehmer im Haupterwerbsalter und Frauen profitieren, während gering qualifizierte und junge Arbeitnehmer sowie strukturschwächere Regionen stärker gefährdet bleiben“ .

EZB-Umfrage: Nur begrenzte intensive KI-Nutzung

Die EZB-Umfrage zum Zugang von Unternehmen zu Finanzierungen (SAFE) für das vierte Quartal 2025, die über 5.000 Unternehmen im Euroraum abdeckt, liefert eine Realitätsprüfung zur Tiefe der KI-Adaption :

• Mehr als 70 % der Unternehmen geben an, bis Ende 2025 KI in irgendeiner Form zu nutzen .
• Allerdings nutzen nur etwa 7 % der Unternehmen KI intensiv genug, um ihre Produktions-, Innovations- und Wettbewerbsweise zu verändern .
• Die Aufschlüsselung: 27 % nutzen KI gar nicht; 33 % sehr selten; 31 % moderat; nur 7–9 % intensiv .
• Es besteht eine erhebliche Investitionslücke: Während die meisten Unternehmen KI nutzen, investieren nur wenige in dedizierte KI-Infrastruktur. Unternehmen, die investieren, planen, im Jahr 2026 durchschnittlich 9 % ihrer Gesamtinvestitionen in KI zu stecken .
• Die EZB folgert, dass die „Diffusion schnell zunimmt“, die Kluft zwischen gelegentlicher Nutzung und transformativer Integration jedoch weiterhin sehr groß sei .

EU-Bemühungen um technologische Souveränität

Der EU Economic Blueprint 2.0 von OpenAI stellt die europäische KI-Wettbewerbsfähigkeit explizit in den Kontext der Souveränität . Er unterteilt die EU-Länder nach KI-Durchdringung und intensiver Nutzung fortschrittlicher „Denk“-Fähigkeiten und stellt fest, dass nur wenige Länder (Litauen, Lettland) breiten Zugang mit tiefer Diffusion verbinden. Der übergeordnete strategische Vorstoß – „technologische Souveränität“ – spiegelt sich in den EU-Investitionsplänen für KI-Infrastruktur, dem regulatorischen Anspruch des AI Acts und den Forderungen von Gremien wie der Carnegie Endowment nach einem zweckgebundenen EU-Haushaltsposten für den Arbeitsmarktübergang im Mehrjährigen Finanzrahmen 2028–2034 wider . Die Europäische Kommission prognostiziert in ihrer eigenen Analyse, dass KI die Gesamtbeschäftigung in Europa erhöhen wird, warnt aber davor, dass ohne gezielte Maßnahmen strukturschwächere Regionen und geringer qualifizierte Arbeitnehmer abgehängt werden .