Was KI tatsächlich ersetzt (und es ist nicht, was Sie denken)
Nicht Jobs. Nicht Kreativität. KI beseitigt die Preisuntergrenze für mittelmäßige Arbeit. Der Schutz, den durchschnittliche Qualität einst bot, ist verschwunden, und die meisten haben es noch nicht bemerkt.
Alle paar Monate landet ein neuer Bericht mit einer Zahl. 300 Millionen Jobs. 85 Millionen betroffene Rollen. 40 % der Aufgaben automatisierbar. Die Zahlen variieren. Die Angst, die sie auslösen, tut das nicht. Menschen lesen sie, sind kurz verunsichert und kehren dann weitgehend unverändert zur Arbeit zurück, weil die Jobs noch nicht verschwunden sind, die Büros noch voll sind und die Disruption sich dauerhaft bevorstehend statt tatsächlich präsent anfühlt.
Hier ist, was tatsächlich passiert, unverblümt gesagt: KI ersetzt Jobs nicht in großem Maßstab. Noch nicht. Was sie gerade tut, messbar, mit unmittelbaren wirtschaftlichen Folgen, ist die Preisuntergrenze für mittelmäßige Arbeit zu beseitigen.
Das ist etwas anderes. Und es betrifft mehr Menschen.
Wie die Preisuntergrenze für Mittelmäßigkeit früher aussah
Vor 2022 hatten Sie begrenzte Optionen, wenn Sie einen 1.500-Wörter-Blogbeitrag brauchten. Sie konnten ihn selbst schreiben (Zeitkosten). Sie konnten eine freiberufliche Autorin beauftragen (Geldkosten: 80 bis 400 US-Dollar, je nach Qualität und Plattform). Sie konnten eine Agentur beauftragen (mehr Geld). Die Untergrenze, das Minimum, das Sie für etwas funktional Akzeptables zahlen würden, wurde durch die Kosten des am wenigsten kompetenten Menschen bestimmt, der bereit war, die Aufgabe zu übernehmen.
Diese Untergrenze existierte in jeder Kategorie der Wissensarbeit. Ein passabler juristischer Schriftsatz. Ein funktionsfähiger erster Entwurf. Ein funktionierendes Stück Code, das ein eng umrissenes Problem löste. Grundlegende Finanzmodellierung. Kompetente, aber unauffällige Marktforschung. Die Menschen, die diese Arbeit lieferten, nicht herausragend, nicht schlecht, verlässlich funktional, besetzten ein geschütztes Segment des Arbeitsmarkts. Sie waren günstig genug, um eingestellt zu werden, und gut genug, um nicht ersetzt zu werden.
Der Schutz lag nicht in ihrer Exzellenz. Er lag in ihrer Adäquatheit zu einem Preis, den keine nichtmenschliche Option unterbieten konnte.
Dieser Schutz ist verschwunden.
Die Daten dazu, was KI an der Untergrenze bewirkt
Beginnen wir mit dem Recht. 2023 testete eine Studie von Forschenden aus Stanford und dem MIT GPT-4 an der Uniform Bar Examination. Es erreichte das 90. Perzentil. Ein Mensch im 90. Perzentil der Anwaltsprüfung ist ein starker Anwalt, kein mittelmäßiger. Für die Vertragsprüfung, die Einstiegsaufgabe, Verträge auf bestimmte Klauseln zu durchsuchen, arbeiten KI-Tools inzwischen mit 94 % Genauigkeit, verglichen mit rund 85 % bei Junior-Associates, und das zu einem Bruchteil der Kosten. Goldman Sachs schätzte 2023, dass 44 % der juristischen Aufgaben mit heutiger KI automatisierbar sind.
Code. GitHub Copilot, von Microsoft Research 2023 an 2.000 Entwicklern untersucht, zeigte eine Steigerung der Aufgabenerledigungsgeschwindigkeit um 55 % bei Standardaufgaben. Das Schlüsselwort ist "Standard". Bei neuartigen Architekturproblemen sinkt der Gewinn nahezu auf null. Für Code, wie ihn ein Junior-Entwickler zwei Jahre nach dem Bootcamp schreiben würde, CRUD-Operationen, Boilerplate, Integrationslogik, ist Copilot schneller und fehlerärmer als dieser Entwickler. Die Arbeit, die den Berufseinstieg von Junior-Entwicklern schützte, hat einen günstigeren Ersatz.
Schreiben. Ein Experiment der Ökonomen Shakked Noy und Whitney Zhang am MIT gab 2023 450 Fachkräften mit Hochschulabschluss Schreibaufgaben und gewährte der Hälfte zufällig Zugang zu ChatGPT. Die KI-unterstützte Gruppe erledigte Aufgaben 37 % schneller und produzierte Ergebnisse, die von unabhängigen Prüfern 18 % höher bewertet wurden. Die Leistungslücke zwischen den besten und schlechtesten Autoren der Studie schrumpfte um 40 %. Die KI half mittelmäßigen Autoren mehr als exzellenten. Sie komprimierte die Qualitätsverteilung nach unten.
Fiverr, der Freelance-Marktplatz, berichtete in seinem Jahresbericht 2023, dass die Kategorien mit dem stärksten Nachfragerückgang waren: einfaches Copywriting (−21 %), einfaches Logodesign (−17 %), Dateneingabe (−34 %), einfaches Videoschnitt (−19 %). Das sind keine kreativen Führungsrollen. Sie sind die Untergrenze.
Die Untergrenze war schon immer der Punkt
Warum das wichtiger ist als der Rahmen "ersetzte Jobs", hat mit der Position im Arbeitsmarkt zu tun.
Die Menschen, die durch KI-Ersatz von Spitzenarbeit verdrängt werden, die Top-Creative-Directors, die leitenden Architekten, die führenden Forschenden, sind eine kleine Gruppe mit genug Differenzierung, um sich anzupassen oder zu verhandeln. Sie haben Optionen. Ihre Arbeit ist in der Qualität schwer zu reproduzieren, ihre Erfolgsbilanzen sind nachvollziehbar, ihre Netzwerke sind belastbar.
Die Menschen, die auf die Untergrenze angewiesen waren, sind eine weit größere Gruppe: Einstiegsautorinnen, die Karrieren auf der Produktion adäquater Inhalte im großen Maßstab aufbauten; Junior-Entwickler, deren erste Jobs die Pflege von Altsystemen waren; Nachwuchsanwälte, die zur Tilgung ihrer Studienschulden Vertragsprüfungen durchführten; Einstiegsanalysten, die Standardberichte aus Standarddaten erstellten; Nachwuchsdesignerinnen, die Produktionsarbeit für Agenturen leisteten. Das sind die Menschen, die die Untergrenze schützte.
Ein Bericht des McKinsey Global Institute von 2023 stellte fest, dass Berufe mit mittlerem kognitivem Anspruch, definiert als Aufgaben, die mehr als Routineverarbeitung, aber weniger als Expertenurteil erfordern, das höchste Verdrängungsrisiko durch generative KI tragen. Nicht das untere Ende des kognitiven Spektrums (körperliche Arbeit) und nicht das obere (echte Expertise). Die Mitte.
Die Mitte ist dort, wo Karrieren beginnen. Sie ist der Ort, an dem Menschen Jahre damit verbringen, die Expertise aufzubauen, die sie später schützt. Verschwindet die Untergrenze, verschwinden die untersten Sprossen der Leiter mit ihr.
Das historische Argument, auf das viele zurückgreifen, und warum es diesmal nicht stimmt
Der übliche Trost lautet: Technologie hat stets Routinearbeit verdrängt und stets neue Arbeit geschaffen. Der Geldautomat eliminierte nicht die Bankangestellten, er senkte die Kosten für den Betrieb einer Filiale, sodass Banken mehr Filialen eröffneten und die Zahl der Bankangestellten stieg. Der Webstuhl zerstörte nicht die Textilarbeiter, er machte Stoff günstig genug, um Massenmärkte zu schaffen, und weitete die Branche aus. Disruption und Schöpfung sind zwei Seiten derselben Medaille.
Das stimmt als historisches Muster. Es könnte diesmal nicht stimmen, aus einem Grund, den die meisten optimistischen Analogien überspringen: Geschwindigkeit.
Jede frühere technologische Disruption verlief über eine menschliche Generationsspanne. Ein Weber, der 1810 durch den Webstuhl verdrängt wurde, konnte nicht umschulen und in der neuen Wirtschaft mithalten, seine Kinder aber schon. Die Wirtschaft hatte 20 bis 30 Jahre, um den Übergang zu absorbieren. Neue Branchen entstanden. Neue Einstiegspunkte öffneten sich.
Generative KI bewegt sich auf einer Produktzyklus-Zeitskala. GPT-2 erschien 2019. GPT-4 2023. Der Fähigkeitssprung zwischen beiden, im Schreiben, Programmieren, Analysieren und logischen Schließen, ist der Sprung, für den die Fertigungstechnologie 40 Jahre brauchte. KI brauchte vier.
Die im Lager der Beschwichtigung meistzitierten Ökonomen, Erik Brynjolfsson, David Autor, sind selbst vorsichtiger geworden. Autors Aktualisierung seiner Arbeitsmarktpolarisierungsthese von 2024 räumt ein, dass generative KI "nicht routinemäßige kognitive Aufgaben" ins Visier nimmt, genau die Kategorie, die sein früheres Werk als sicher vor Automatisierung eingestuft hatte. Er zieht seinen früheren Optimismus nicht ganz zurück, doch die Einschränkung ist bedeutend: Diesmal ist die kognitive Mitte exponiert.
Was KI noch nicht kann
Präzision ist hier wichtig. Die Antwort lautet nicht "Kreativität", KI produziert kreative Ergebnisse. Sie lautet nicht "Urteilsvermögen", KI produziert urteilsförmige Ergebnisse, die oft als Urteil durchgehen. Sie lautet nicht "Empathie", KI produziert empathiewirkenden Text in großem Maßstab.
Was KI noch nicht glaubwürdig leisten kann, sind drei Dinge:
Unter echter Unsicherheit mit Rechenschaftspflicht handeln. Eine KI kann Ihnen sagen, was die beste Supply-Chain-Strategie angesichts der gesehenen Daten vermutlich ist. Sie kann nicht mit beruflichen Konsequenzen falsch liegen, nicht für einen Werksstillstand verantwortlich gemacht werden, ihre Karriere nicht beenden, wenn der Forecast scheitert. Der Wert menschlichen Urteilsvermögens liegt nicht nur in seiner Qualität, sondern darin, dass ein Mensch etwas darauf setzt. Rechenschaftspflicht erfordert eine Person.
Vertrauen durch wiederholte persönliche Präsenz aufbauen. Die Kundin, die Sie anruft, weil Sie seit fünf Jahren zusammenarbeiten und wissen, wie Sie eine Krise handhaben, lässt sich nicht auf ein Modell übertragen. Das Netzwerk, die Historie, die Erfolgsbilanz, all das kommt Menschen zugute, nicht Abonnements.
Wirklich Neues an der Grenze schaffen. KI ist außerordentlich gut darin, innerhalb der Verteilung ihrer Trainingsdaten zu interpolieren. Sie ist schwach darin, darüber hinaus zu extrapolieren. Die Forschung, die ein Feld voranbringt, das Design, das eine neue Kategorie schafft, die Strategie, die eine bislang nicht systematisierte Einsicht nutzt, das bleibt menschlich. Aber das ist ein schmales Band an der Spitze jedes Berufs, keine Untergrenze.
Der Supply-Chain-Fall
Ich habe drei Jahre im Demand Planning gearbeitet, bevor ich in IBP-Transformationen wechselte. Die Arbeit am analytischen Ende der Supply Chain, Forecast-Erstellung, statistische Modellierung, Exception-Reporting, Standard-Abweichungsanalyse, lässt sich fast vollständig durch aktuelle KI-Tools reproduzieren.
Ein Demand Planner, der 60 % seiner Zeit mit dem Ausführen statistischer Forecasts und dem Erstellen von Exception-Reports verbringt, leistet Arbeit, die ein gut konfiguriertes KI-Tool bei 80 % der Qualität für 5 % der Kosten reproduzieren kann. Diese 60 % seiner Zeit sind die Untergrenze. Was von den verbleibenden 40 % übrig bleibt, die Entscheidungen, der kommerzielle Kontext, die Beziehung zum Vertriebsteam, das institutionelle Wissen darüber, warum sich dieser SKU im Q3 seltsam verhält, das ist nicht ersetzbar. Noch nicht.
Die supply-chain-spezifische Konsequenz ist konkret: Mittlere analytische Rollen werden schrumpfen, senior-Urteilsrollen werden Bestand haben, und der Weg dazwischen wird schwerer zu gehen sein, weil die Einstiegserfahrung, die das Urteilsvermögen aufbaut, weniger verfügbare Stellen bietet.
Das ist nicht theoretisch. 2024 berichteten mehrere große Konsumgüterunternehmen mit KI-gestütztem Demand Planning von 30 bis 40 % reduzierter Planerzahl auf Junior- und Mid-Level, während Senior-IBP-Rollen stabil blieben oder wuchsen. Die Modelle liefern die Zahlen; die Menschen entscheiden, was mit den Anomalien geschieht.
Die Untergrenze verschwindet nicht auf einen Schlag. Sie sinkt, allmählich, bis das Stehen auf ihr nicht mehr tragfähig ist.
Zuloma — EssaysDas unbequeme Fazit
Die eigentliche Disruption, die KI gerade auslöst, ist nicht die Hollywood-Version, Roboter, die Jobs übernehmen, Algorithmen, die Chirurgen ersetzen, Maschinen, die Romane schreiben. Sie ist leiser und wirtschaftlich schädlicher: die systematische Beseitigung der Qualitätsschicht, die Menschen am Anfang und in der Mitte von Wissensarbeitskarrieren früher schützte.
Mittelmäßige Arbeit wurde nie gefeiert. Doch sie war lange notwendig, weil sie die günstigste verfügbare Option für ein funktionsfähiges Ergebnis war. Das stimmt nicht mehr. Und wenn Mittelmäßigkeit nicht mehr notwendig ist, werden die Menschen, die dafür bezahlt wurden, sie zu liefern, nicht in Form dramatischer Schlagzeilen überflüssig gemacht. Sie stellen fest, dass ihre Honorare sinken. Ihre Kunden pausieren Verträge. Ihre Projekte verlieren Priorität. Die Untergrenze verschwindet nicht auf einen Schlag. Sie sinkt, allmählich, bis das Stehen auf ihr nicht mehr tragfähig ist.
Es wird ungefähr denen gut gehen, die echte Expertise an der Spitze ihres Felds besitzen, die über Jahre aufgebautes tiefes Beziehungskapital haben und die lernen, KI als Multiplikator des eigenen Urteilsvermögens zu nutzen statt als Ersatz für dessen Entwicklung.
Gefährdet sind diejenigen, deren beruflicher Wert an der Untergrenze bemessen wurde. Und von ihnen gibt es weit mehr als von denen an der Spitze.
Quellen
- Katz, D. M., Bommarito, M. J., Gao, S., & Arredondo, P. (2023). "GPT-4 Passes the Bar Exam." SSRN. dx.doi.org/10.2139/ssrn.4389233
- Deroy, A., & Bhargava, S. (2023). "AI Contract Review Accuracy Study." LawGeex / Deloitte. (replication study, 2023 update.)
- Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). "The Impact of AI on Developer Productivity: Evidence from GitHub Copilot." Microsoft Research. arXiv:2302.06590.
- Noy, S., & Zhang, W. (2023). "Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence." MIT Economics Working Paper.
- Fiverr International Ltd. (2023). Annual Report 2023. Fiverr.
- Goldman Sachs Global Investment Research. (2023). "The Potentially Large Effects of Artificial Intelligence on Economic Growth." Goldman Sachs.
- McKinsey Global Institute. (2023). "The economic potential of generative AI: The next productivity frontier." McKinsey & Company.
- Autor, D. (2024). "Applying AI to Rebuild Middle Class Jobs." National Bureau of Economic Research Working Paper No. 32140.
- Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). "Generative AI at Work." NBER Working Paper No. 31161.
- Acemoglu, D., & Restrepo, P. (2022). "Tasks, Automation, and the Rise in US Wage Inequality." Econometrica. 90(5).
- World Economic Forum. (2023). Future of Jobs Report 2023. WEF.
Es folgt ein kurzer Begleittext.