Wenn sich eine neue Technologie entwickelt, lassen sich in der Diskussion oft zwei Stränge beobachten: Protagonisten und Skeptiker greifen den anfänglichen Medienhype auf und verstärken den Kontrast zwischen Chancen und Risiken. Die Welle ebbt allmählich ab, wenn sich neuere Versionen des betreffenden Produkts in den Alltag der Nutzer integriert haben. 

Der Verlauf der Diskussion um ChatGPT fällt aus dem skizzierten Muster heraus: Zwar gab es bereits seit den 1970er Jahren eine permanente Diskussion über Gefahren und Risiken Künstlicher Intelligenz und über den Wegfall von Arbeitsplätzen und die schöpferische Zerstörung durch die Digitalisierung. Der Start von ChatGPT im November 2022 war jedoch neu und medial überraschend. Überraschend war dies vor allem aufgrund der unglaublich großen Trainingsmenge dieses lernenden Systems, die eine nicht abschätzbare Leistungsfähigkeit erzeugte.

In der Debatte zeigten sich jedoch wieder die altbekannten Muster: Skepsis und Enthusiasmus, Angst vor der Macht der Maschinen einerseits und die atemlose Suche nach neuen Geschäftsmodellen andererseits. Die Debatte darüber, welche Jobs und Kompetenzen ersetzt werden könnten, begann von Neuem. Diesmal, so hieß es, würden vor allem die White-Collar-Jobs betroffen sein.

Die Studie „What Work Does Generative AI Do?” von Alexander Bick, Adam Blandin, David J. Deming und Tyler R. Schumacher (NBER Working Paper 35677, August 2026) verfolgt ein einfaches, aber bislang kaum systematisch verfolgtes Ziel: nicht zu prognostizieren, welche Arbeit generative KI theoretisch übernehmen könnte, sondern zu messen, inwiefern sie die Arbeit tatsächlich unterstützt. Grundlage ist die Real-Time Population Survey (RPS), eine seit 2020 laufende, an die Current Population Survey angelehnte Online-Erhebung unter US-Erwachsenen im Alter von 18 bis 64 Jahren. Seit August 2024 enthält die RPS ein Modul zur KI-Nutzung, seit August 2025 zusätzlich Fragen auf Aufgabenebene. Die vorliegende Analyse der Ökonomen stützt sich auf vier Erhebungswellen zwischen August 2025 und Mai 2026 mit insgesamt rund 5.000 Befragten pro Welle.

Das methodische Kernproblem, das die Autoren lösen, ist die Unmöglichkeit, Befragte nach Tausenden potenzieller Arbeitsaufgaben zu befragen. Ihre Lösung besteht aus zwei Schritten: Zunächst wird der Beruf jedes Befragten in einem freien Texteingabefeld erfasst und mithilfe eines Zuordnungsalgorithmus einer detaillierten SOC-Berufskategorie zugeordnet. Anschließend werden mithilfe der ONET-Datenbank die zehn wichtigsten „Detailed Work Activities” (DWAs) dieses Berufs ermittelt und den Befragten vorgelegt. Dabei wird gefragt, welche dieser Tätigkeiten sie tatsächlich ausüben und bei welchen sie regelmäßig KI einsetzen. Diese 2.040 DWAs lassen sich zu 332 Intermediate Work Activities (IWAs), 37 Work Activities und neun Broad Work Activities aggregieren. In mehreren Validierungsschritten zeigen die Autoren, dass sowohl die Berufs- als auch die Aufgabenverteilung der RPS gut mit unabhängigen Benchmarks aus CPS und ONET übereinstimmen und über die Erhebungswellen hinweg stabil sind. Dies ist ein wichtiger Baustein, um der Kritik an Umfragedaten mit kleinen Stichproben und potenziellen Verzerrungen zu begegnen.

Die zentralen Befunde lassen sich in vier Themenblöcke gliedern. Erstens dokumentieren die Autoren das Ausmaß und die Struktur der Adoption. Bis Mai 2026 nutzen 45 Prozent der Erwerbstätigen KI für berufliche Zwecke, 55 Prozent der Erwachsenen für private Zwecke und insgesamt 62 Prozent für mindestens einen der beiden Bereiche. Seit 2024 ist ein stetiges Wachstum zu verzeichnen.

Unterschiedliche Nutzung von KI

Die höchsten Adoptionsraten finden sich in Management-, IT- und wissensintensiven Berufen (zum Beispiel Informatikforschende, IT-Sicherheitsanalysten oder Softwareentwickler mit Raten über 80 Prozent). Die niedrigsten Raten werden in personenbezogenen Dienstleistungs- und manuellen Berufen verzeichnet (zum Beispiel Tierpflegekräfte oder Rezeptionisten mit Raten unter 15 Prozent). Auf Aufgabenebene zeigt sich ein analoges Muster: Kognitive, informationsverarbeitende Tätigkeiten wie das Lesen technischer Dokumente, das Verfassen von Berichten oder die Datenanalyse weisen die höchste KI-Unterstützung auf, während physische, patientennahe oder sicherheitsrelevante Tätigkeiten kaum betroffen sind.

Zweitens vergleichen die Autoren die beobachteten Adoptionsraten mit sechs in der Literatur verbreiteten „Exposure-Scores” (unter anderem von Eloundou et al., 2024), die vorhersagen sollen, welche Berufe oder Aufgaben besonders stark von KI betroffen sein dürften. Diese Scores erklären zwischen 5 und 53 Prozent der Varianz der Adoption auf Berufsebene und zwischen 7 und 44 Prozent auf Aufgabenebene. Neuere Scores, die auf leistungsfähigeren Sprachmodellen basieren (β und ζ von Eloundou et al.), schneiden dabei deutlich besser ab als ältere. Besonders aufschlussreich ist die Analyse systematischer Abweichungen: Kaufmännische und administrative Berufe (zum Beispiel Rezeptionisten, medizinische Sekretariatskräfte und Bankangestellte) werden von den Exposure-Scores deutlich überschätzt, was vermutlich auf Compliance-Anforderungen, Datenschutzbedenken und standardisierte Arbeitsabläufe zurückzuführen ist, die die Nutzung bremsen. Berufe mit hoher Autonomie, wie beispielsweise Baumaschinenführer, IT-Sicherheitsanalysten oder Geschäftsführer, werden dagegen unterschätzt.ufe, die die Nutzung bremsen. Umgekehrt werden Berufe mit hoher Autonomie, etwa Baumaschinenführer, IT-Sicherheitsanalysten oder Geschäftsführer, unterschätzt. Die Autoren entwickeln ein einfaches Kosten-Nutzen-Modell, mit dem sie diese Diskrepanz in aufgabenspezifischen und arbeitnehmerspezifischen Adoptionshürden verorten. Zu den aufgabenspezifischen Hürden zählen beispielsweise regulatorische Zwänge, zu den arbeitnehmerspezifischen Hürden etwa fehlende Fähigkeiten oder geringe Anreize.

Methodisch am originellsten ist der dritte Teil der Arbeit, in dem die Autoren untersuchen, warum Adoption selbst innerhalb identischer Aufgaben so stark zwischen Individuen variiert. Mithilfe fester Effekte zeigen sie, dass die Aufgaben selbst nur etwa elf Prozent der Varianz in der individuellen Adoptionsentscheidung erklären, während individuelle feste Effekte diesen Wert auf 44 Prozent erhöhen. Dies ist ein deutlicher Hinweis darauf, dass manche Personen systematisch, über alle Aufgaben hinweg, eher zur KI-Nutzung neigen als andere. Um zu klären, ob dahinter ein Lerneffekt steckt (frühere Erfahrung senkt die Kosten künftiger Adoption), führen die Autoren drei komplementäre empirische Tests durch. Erstens nutzen Personen, die bereits vor sechs Monaten GenAI nutzten, heute signifikant mehr Aufgaben (plus 0,4 Aufgaben, etwa 9 Prozent mehr als der Durchschnitt von 4,7). Zweitens konstruieren die Autoren einen Instrumentalvariablen-Ansatz („Other-Task Adoption Index“), der die durchschnittliche Adoptionsrate anderer Arbeitnehmer in den übrigen Aufgaben einer Person nutzt, um die Kausalität von Aufgabe zu Aufgabe innerhalb einer Person zu isolieren. Auch hier zeigt sich ein robuster positiver Zusammenhang. Drittens weisen die Autoren nach, dass die berufliche Nutzung von KI mit der privaten Nutzung positiv korreliert ist, selbst wenn die berufliche Nutzung instrumentiert wird. In der Summe interpretieren die Autoren dies als Evidenz für einen Lerntransfer über Domänen hinweg: Wer einmal die anfänglichen Fixkosten des Erlernens investiert hat, wendet die Fähigkeit auch in anderen Kontexten an.

Viertens vergleicht die Studie die RPS-Daten mit aus Chatlogs großer Plattformen abgeleiteten Aufgabenverteilungen, konkret mit Anthropics Claude-Daten, OpenAIs ChatGPT-Daten und Microsofts Copilot-Daten. Dabei zeigt sich eine bemerkenswert geringe Übereinstimmung: Die Korrelationen zwischen den vier Datenquellen liegen alle unter 0,4. Die Autoren führen dies primär auf ein Klassifikationsproblem zurück: ONET-Aufgaben kombinieren eine Grundtätigkeit mit einem berufsspezifischen Zweck, Chat-Klassifikatoren sehen jedoch nur den Text einer Konversation und nicht den Beruf der Person, die die Konversation führt. Dadurch werden Chats überproportional generischen, aktivitätsbasierten Kategorien zugeordnet. So macht die Kategorie „Schriftliche Materialien bearbeiten” über 15 Prozent der OpenAI-Chats aus, obwohl nur 2,4 Prozent der Beschäftigten in Berufen arbeiten, für die ONET diese Aufgabe überhaupt vorsieht. In den meisten Berufen ist das Redigieren stattdessen in übergeordnete, zweckgebundene Aufgaben eingebettet, etwa das Verfassen von Berichten oder juristischen Dokumenten. Die Folge ist eine starke Konzentration der Chat-Daten auf wenige Kategorien. Die zehn größten Aufgaben machen 46 bis 61 Prozent der Chat-Nutzung aus, gegenüber nur 22 Prozent in der RPS. Die Autoren ziehen daraus zwei praktische Schlussfolgerungen: Zum einen seien berufsspezifische Expositionsmaße, die aus Chat-Klassifikationen abgeleitet werden (wie sie etwa von Anthropic selbst oder von Institutionen wie dem Budget Lab in Yale verwendet werden), vermutlich verzerrt. Zum anderen seien Chatdaten möglicherweise besser für eine Analyse anhand grundlegender Aktivitäten statt entlang detaillierter ONET-Aufgaben geeignet.

Die Autoren betten ihre empirischen Befunde in ein einfaches formales Modell ein. Dieses stellt aggregierte Produktivitätsgewinne aus KI als Funktion dreier Größen dar: dem ökonomieweiten Anteil einer Aufgabe, ihrer Adoptionsrate und dem bedingten Produktivitätsgewinn bei Adoption. Mithilfe dieses Modells werden Exposure-Scores, Chat-Daten und die eigenen Umfragedaten konzeptionell verortet und ihre jeweiligen blinden Flecken benannt. Exposure-Scores sind rein aufgabenbezogen und blind für individuelle Variation. Chat-Daten enthalten keine Informationen über Nichtnutzer.

Methodische Einschränkungen

Bei kritischer Betrachtung ist die Studie in mehrfacher Hinsicht bemerkenswert, weist aber auch einige Einschränkungen auf, die teils von den Autoren selbst benannt werden, teils zusätzlicher Reflexion bedürfen. Positiv hervorzuheben ist zunächst die methodische Sorgfalt: Die wiederholte externe Validierung gegen CPS, ACS und ONET-Benchmarks, die Stabilität der Maße über vier Erhebungswellen sowie die Transparenz bezüglich Schwächen, etwa die schwache erste Stufe bei detaillierten Berufskontrollen im Spillover-Test, die im Anhang offen dokumentiert wird, verleihen der Arbeit hohe Glaubwürdigkeit. Auch die Idee, chatlog- und umfragebasierte Messungen konzeptionell im selben Rahmen zu verorten, ist ein wertvoller Beitrag zur Methodendiskussion. Sie zeigt, dass populäre, chatbasierte „Occupation Exposure“-Maße mit Vorsicht zu genießen sind.

Zugleich bleiben mehrere Limitationen bestehen. Erstens basiert die gesamte Analyse auf Selbstauskünften darüber, ob und wofür KI genutzt wird. Die Autoren geben zu, dass die passive oder eingebettete Nutzung (z. B. automatische Schreibvorschläge) von den Befragten möglicherweise nicht als „KI-Nutzung” erkannt und daher nicht gemeldet wird. Die Schätzungen sind somit als Untergrenze zu verstehen. Zweitens ist die Beschränkung auf die zehn wichtigsten Aufgaben pro Beruf durch Validierungsanalysen zwar abgefedert, blendet aber systematisch Randaufgaben aus. Dies könnte insbesondere für Berufe mit einem sehr heterogenen Aufgabenportfolio problematisch sein. Drittens ist die kausale Interpretation des Lernkanals letztlich auf Instrumentvariablen und Annahmen über bedingte Unabhängigkeit angewiesen, die im Rahmen einer Beobachtungsstudie nicht vollständig überprüfbar sind. Die Autoren benennen diese Einschränkung jedoch transparent, etwa bei der Diskussion der Sortierungsproblematik. Viertens basiert die Studie ausschließlich auf US-amerikanischen Daten. Daher bleibt offen, inwieweit institutionelle Unterschiede (Arbeitsrecht, Datenschutzregime, technologische Infrastruktur) die Übertragbarkeit der Befunde auf andere Länder einschränken. Die von den Autoren zitierte Parallelstudie zu deutschen Daten (Lindenlaub et al., 2026) deutet zwar auf ähnliche Muster hin, ist aber konzeptionell anders angelegt.

Fünftens bleibt die dritte zentrale Determinante des Modells – der tatsächliche Produktivitätsgewinn bei KI-Nutzung – in der Studie weitgehend unbeobachtet. Zwar verweisen die Autoren auf selbstberichtete Zeitersparnisse und externe Evidenz, doch dies bleibt ein Platzhalter, der die eigentliche ökonomische Wirkung von KI nur indirekt erfasst. Schließlich ist zu bedenken, dass eine gewerkschaftlich finanzierte Kritik oder alternative Interessenlagen bei der Interpretation der Ergebnisse durch die Leserschaft berücksichtigt werden sollten. Dies gilt trotz der breit gestreuten Förderquellen (Walmart Foundation, Harvard Business School AI Institute, Washington Center for Equitable Growth, Russell Sage Foundation), die keine offensichtliche Schlagseite nahelegen.

Insgesamt liefert die Studie einen der bislang detailliertesten empirischen Blicke auf die tatsächliche Nutzung generativer KI in der US-Arbeitswelt. Ihr Kernbefund, dass die Nutzung breit gestreut, aber innerhalb von Berufen und Aufgaben noch gering ist und dass individuelle Lernprozesse möglicherweise stärker über die künftige Diffusion entscheiden als die technische Eignung einzelner Aufgaben, hat unmittelbare Relevanz für Debatten über die Folgen für den Arbeitsmarkt, Ungleichheit und die wirtschaftspolitische Förderung von Weiterbildung. Die kritische Distanz zu chatbasierten Messkonzepten dürfte zudem die methodische Diskussion in diesem sich schnell entwickelnden Forschungsfeld nachhaltig prägen.

Folge uns und like uns: