J. Scott Davis, stellvertretender Vizepräsident für Forschung bei der Federal Reserve Bank of Dallas, veröffentlichte am 24. Februar 2026 einen Artikel, in dem er feststellte, dass die Auswirkungen künstlicher Intelligenz auf den Arbeitsmarkt davon abhängen, ob sie Arbeitsaufgaben automatisiert oder verbessert. Frühe Beschäftigungs- und Lohndaten deuten darauf hin, dass KI möglicherweise beides gleichzeitig tut.
Die Unterscheidung zwischen kodifizierbarem Wissen (z. B. etablierten Informationen in einem Lehrbuch) und implizitem Wissen (durch Erfahrung gewonnenes Verständnis) ist von entscheidender Bedeutung. Wenn KI kodifizierbares Wissen reproduzieren kann, aber kein implizites Wissen, wird sie Aufgaben automatisieren, die kodifizierbares Wissen erfordern, aber Aufgaben ergänzen, die implizites Erfahrungswissen erfordern. Diese Unterscheidung legt darüber hinaus nahe, dass KI zwar Berufseinsteiger ersetzen, aber die Anstrengungen älterer Arbeitnehmer verstärken kann. In Berufen, in denen die Auswirkungen von KI erheblich sind, zeigen steigende Löhne, dass der Schwerpunkt stark auf dem impliziten Wissen und der Erfahrung der Arbeitnehmer liegt.
Seit der Veröffentlichung von ChatGPT im Herbst 2022 ist die Gesamtbeschäftigung in den Vereinigten Staaten um etwa 2,5 % gestiegen, die Beschäftigung in KI-exponierten Branchen hinkt jedoch deutlich hinterher. Laut einem von Edward W. Felten, Manav Raj und Robert Seamans entwickelten Index ging die Beschäftigung in der Computersystemdesign- und zugehörigen Dienstleistungsbranche um 5 % zurück, und die Beschäftigung in den 10 % der am stärksten von KI betroffenen Branchen ging insgesamt um 1 % zurück. Von diesem Beschäftigungsrückgang waren vor allem jüngere Arbeitnehmer unter 25 Jahren betroffen, während die Beschäftigung älterer Arbeitnehmer nicht zurückging. Der Forscher der Stanford University, Erik Brynjolfsson, und andere wiesen darauf hin, dass der Beschäftigungsrückgang in KI-gefährdeten Branchen besonders auf junge Menschen abzielt. Frühere Analysen des Ökonomen der Dallas Fed, Tyler Atkinson, zeigten, dass dies nicht auf Entlassungen zurückzuführen ist, sondern auf die niedrige Beschäftigungsquote junger Arbeitssuchender und neuer Absolventen, denen ein harter Arbeitsplatz in KI-bezogenen Bereichen bevorsteht.
Obwohl die Beschäftigung in KI-exponierten Branchen hinterherhinkt, liegt das Lohnwachstum über dem Landesdurchschnitt. Seit Herbst 2022 ist der nationale nominale wöchentliche Durchschnittslohn um 7,5 % gestiegen, wobei die Branche für Computersystemdesign um 16,7 % zunahm und die Löhne in den oberen 10 % der KI-exponierten Branchen um 8,5 % stiegen. Eine Analyse von 205 Berufen zeigt, dass die Exposition gegenüber KI nicht direkt mit dem Lohnwachstum nach 2022 zusammenhängt.
Wie lässt sich das Phänomen rückläufiger Beschäftigung, aber stabiler Löhne erklären? Wenn KI nur Arbeitsplätze automatisiert, sollten sowohl Löhne als auch Beschäftigung sinken. Untersuchungen des Wirtschaftswissenschaftlers David Autor und anderer zeigen, dass verbesserte Patente die Nachfrage nach Arbeitskräften erhöhen, während Automatisierungspatente die Nachfrage verringern. KI kann Expertenaufgaben für einige Jobs automatisieren, wodurch Fähigkeiten überflüssig werden, oder sie kann Routineaufgaben für einen anderen Job automatisieren, sodass sich Mitarbeiter auf hochwertige Aktivitäten konzentrieren können. Brynjolfsson und andere spekulieren, dass KI-Automatisierung Wissen verschlüsseln kann (Buchlernen), aber kein implizites Erfahrungswissen reproduzieren kann. Für Nachwuchskräfte sind die programmierbaren Aufgaben der Expertenteil; Für leitende Angestellte stellen sie den unteren Teil dar, ersetzen also den Neuling, ergänzen aber den Veteranen.
Um den Bedarf eines Berufs an kodifizierbarem oder implizitem Wissen zu beurteilen, berechnete Davis die Erfahrungsprämie (die Differenz zwischen den Gehältern älterer und jüngerer Mitarbeiter) anhand von Daten des U.S. Bureau of Labor Statistics. Eine Analyse von 205 Berufen zeigt, dass die Erfahrungsprämie positiv mit der KI-Exposition zusammenhängt. In stark exponierten Berufen gibt es in der Regel einen höheren Erfahrungszuschlag, der im Mittel bei 40 % liegt, und bei Anwälten usw. ist ein höherer Erfahrungszuschlag von mehr als 100 % zu verzeichnen. Die Regressionsanalyse zeigt, dass die KI-Exposition bei Berufen mit mittleren Berufserfahrungsprämien einen vernachlässigbaren Einfluss auf das Lohnwachstum hat (-0,05 Prozentpunkte). Die Exposition gegenüber KI in Berufen mit geringer Erfahrungsprämie (z. B. Kurzarbeiterköche) führte zu einem Rückgang des Lohnwachstums um 0,28 Prozentpunkte; In Berufen mit hoher Berufserfahrung und Premium-Berufen stieg sie um 0,2 Prozentpunkte, wobei KI Berufseinsteiger ersetzte, aber ältere Arbeitnehmer ergänzte.
Junge Arbeitssuchende könnten mit schwierigen Zeiten konfrontiert werden, da die Erfahrungsgewinne in Karrieren, die von KI geprägt sind, zunehmen. Ältere Arbeitnehmer, insbesondere in Berufen mit hohen Erfahrungsprämien, müssen sich offenbar keine Sorgen über Massenarbeitslosigkeit machen, da KI ihr implizites Wissen eher ergänzt. Dies hat tiefgreifende Folgen für die Gesellschaft und die Arbeitsorganisation. Der aktuelle Karriereweg für Angestellte besteht darin, direkt von der Schule in Einstiegspositionen zu wechseln, um implizites Wissen zu erlernen, aber KI macht die Ausbildung solcher Mitarbeiter kurzfristig teuer. Langfristig müssen wir die Art und Weise, wie Neueinsteiger Erfahrungen sammeln, überdenken.