🧭 Grass Brief

First Inning: Alle behaupten zu wissen, was KI mit den Jobs macht. Die beste Forschung widerspricht sich. Jetzt hat die ETH auf die Schweiz geschaut.

17. August 20268 Min. LesezeitDennis Gorican

Wer die Berichterstattung über KI und den Arbeitsmarkt verfolgt, erlebt eine besondere Form von Schleudertrauma. In einer Woche verkündet eine Schlagzeile, KI eliminiere Wissensarbeit im grossen Stil. In der nächsten findet eine andere Studie überhaupt keinen messbaren Effekt. Dann erklärt eine dritte, die ganze Geschichte sei von Anfang an falsch gelesen worden.

Für die meisten Leserinnen und Leser ist das Hintergrundrauschen. Für Führungskräfte in beruflicher Neuorientierung ist es etwas Ernsteres. Diese Schlagzeilen prägen Entscheidungen: in welche Richtung man sich neu positioniert, welche Kompetenzen man erwirbt, welche Branchen man meidet, wie man das eigene Berufsfeld im Interview erklärt. Menschen bauen ihre Karrieren still um die selbstbewusste Behauptung dieses Quartals herum um.

Deshalb machen wir diese Woche etwas leicht Ungewöhnliches für den Grass Brief. Statt eine einzelne Studie zu referieren, zeigen wir den tatsächlichen Stand der Evidenz, samt seiner Widersprüche, und was die erste ernsthafte Schweizer Analyse gefunden hat. Denn das ehrliche Bild ist nützlicher als das selbstbewusste.

Der Widerspruch an der Spitze des Feldes

Das Hamilton Project der Brookings Institution hat kürzlich die führende akademische Forschung zu KI und Beschäftigung zusammengefasst, und schon der Titel sagt alles über die Reife des Feldes: Die Forschung zu KI und Arbeitsmarkt steht noch im First Inning, im ersten Spielabschnitt.

Man betrachte, was die Top-Studien tatsächlich finden. Ein Team um den Stanford-Ökonomen Erik Brynjolfsson verknüpfte KI-Expositionsmasse mit detaillierten Lohndaten des Payroll-Anbieters ADP und fand deutliche Beschäftigungsrückgänge bei Berufseinsteigern in KI-exponierten Berufen, während erfahrene und Senior-Arbeitskräfte in denselben Berufen stabil blieben oder zulegten. Das ist die Studie hinter den meisten «KI frisst Einstiegsjobs»-Schlagzeilen, und sie deckt sich mit den Schweizer jobs.ch-Daten, die wir in unserem Senior-Paradox-Artikel behandelt haben.

Dann kamen Eckhardt und Goldschlag, mit öffentlich verfügbaren Daten der Current Population Survey. Ihr Befund: Die Arbeitslosigkeit stieg bei Berufen mit höherer KI-Exposition weniger stark. Nicht mehr. Weniger. Die Grundaussage hielt über verschiedene Expositionsmasse hinweg.

Und schliesslich Iscenko und Millet, die zwar fanden, dass Stelleninserate in KI-exponierten Berufen stärker zurückgingen, aber: Der Rückgang begann 2022, vor der öffentlichen Lancierung von ChatGPT. Ihr Argument: Das Timing passt besser zur makroökonomischen Wende steigender Zinsen als zum Start der grossen Sprachmodelle. Mit anderen Worten: Ein Teil dessen, was die Welt der KI zuschreibt, könnte schlicht teures Geld sein.

Drei rigorose Forschungsarbeiten. Drei substanziell verschiedene Antworten. Das ist kein Skandal; so sieht ein junges Forschungsfeld aus. Aber es sollte dauerhaft verändern, wie Sie die nächste selbstbewusste Schlagzeile lesen.

Was die ETH fand, als sie auf die Schweiz schaute

In diese umstrittene Landschaft tritt nun die erste ernsthafte Schweizer Evidenz. Die KOF-Ökonomen Jeremias Klaeui und Michael Siegenthaler von der ETH Zürich haben die für den US-Markt entwickelten KI-Expositionsmethoden erstmals auf Schweizer Arbeitsmarktdaten angewendet, mit zwei unabhängigen Datenquellen: den administrativen Daten aller bei den Arbeitsämtern registrierten Stellensuchenden und Inseratedaten, die praktisch den gesamten Schweizer Online-Stellenmarkt abdecken.

Ihr zentraler Befund: Nach der Einführung von ChatGPT und anderen grossen Sprachmodellen im Herbst 2022 entwickelte sich der Arbeitsmarkt in stark LLM-exponierten Berufen deutlich ungünstiger als in Berufen mit geringer Exposition. Seit November 2022 stieg die Zahl der registrierten Stellensuchenden in stark exponierten Berufen im Durchschnitt um 27 Prozent stärker als in schwach exponierten Berufen. Konsistent dazu gingen die Stelleninserate in stark exponierten Berufen im selben Zeitraum deutlich stärker zurück.

Die sichtbarsten betroffenen Gruppen: Anwendungsprogrammierer, Softwareentwicklerinnen, Systemanalytiker, Journalistinnen sowie Werbe- und Marketingfachleute. Am wenigsten exponiert: Reinigungskräfte, Hauswarte, Näherinnen, Berufe, die auf physischer Präsenz beruhen.

Zwei methodische Details geben der Studie ihr Gewicht. Erstens halten die Resultate über beide unabhängigen Datenquellen und zwei verschiedene Expositionsmasse hinweg. Zweitens, und wichtiger: Die Trends in unterschiedlich exponierten Berufen verliefen vor 2022 jahrelang parallel. Die Divergenz beginnt erst Ende 2022, genau mit der Ankunft der Sprachmodelle. Wie Siegenthaler es formuliert: Die Ergebnisse deuten ziemlich stark darauf hin, dass generative KI hinter dem jüngsten Anstieg der Arbeitslosigkeit in einigen stark KI-exponierten Berufen steht.

Eine Schweizer Nuance verdient Beachtung. In den US-Daten konzentrieren sich die Effekte stark auf jüngere Arbeitskräfte. Auch in der Schweiz sind Stellensuchende unter 50 etwas stärker betroffen als ältere, aber der Unterschied zwischen den Altersgruppen ist deutlich weniger ausgeprägt. Das Schweizer Muster ist breiter und flacher als das amerikanische.

Was die ETH-Studie nicht sagt

Hier zählt die epistemische Disziplin, denn diese Studie wird über Jahre zitiert werden, oft falsch.

Die KOF-Analyse misst relative Verschiebungen zwischen Berufsgruppen, nicht den Effekt von KI auf die Gesamtbeschäftigung. Allgemeine Entwicklungen, die alle Berufe gleichermassen betreffen, einschliesslich der Konjunktur, werden bewusst herausgerechnet. Und der Kontext ist wesentlich: Diese Verschiebungen geschehen innerhalb einer wachsenden Gesamtbeschäftigung. Die Autoren selbst halten fest, dass KI Schweizer Firmen plausiblerweise produktiver macht, was die Gesamtbeschäftigung stützen dürfte, Effekte, die ihre Studie bewusst ausklammert.

Die ehrliche Zusammenfassung der besten Schweizer Evidenz lautet also: KI verteilt den Druck sichtbar zwischen Berufen um, wobei routineintensive Wissensarbeit am meisten absorbiert. Sie schrumpft aber, nach aktueller Evidenz, den Schweizer Arbeitsmarkt nicht. Das sind zwei verschiedene Aussagen, und fast jede alarmierende Schlagzeile presst sie in eine.

Was wir vernünftigerweise als gesichert behandeln können

Setzt man die glaubwürdige Evidenz zusammen, global und schweizerisch, halten einige Schlussfolgerungen über Studien hinweg stand und tragen das Gewicht einer Karriereentscheidung.

Der Druck ist real, aber ungleich verteilt. Stark exponierte, routineintensive Wissensarbeit, Entwerfen, Programmieren von Standardkomponenten, standardisierte Analysen, formatierte Kommunikation, sieht sich messbar verschlechternder Nachfrage gegenüber, in der Schweiz wie anderswo.

Der Senioritätsgradient taucht immer wieder auf. Ob in Stanfords ADP-Daten oder in den Schweizer Inseratedaten aus unserem Senior-Paradox-Artikel, das Muster wiederholt sich: Der Druck konzentriert sich dort, wo Arbeit aus der Produktion von Output besteht, und lässt nach, wo Arbeit aus dessen Beurteilung besteht. Die Nachfrage nach Senior-Profilen in Schweizer Inseraten stieg um 26 Prozent, während Junior-Inserate um rund einen Drittel fielen.

Und die Gesamtzahlen bleiben widerstandsfähig. Die Schweizer Beschäftigung liegt auf Rekordniveau, und keine ernsthafte Studie weist derzeit eine aggregierte Jobvernichtung durch KI nach.

Was tatsächlich noch niemand weiss

Ebenso wichtig ist, was Ihnen noch niemand sagen kann. Ob die beruflichen Verschiebungen dauerhaft sind oder eine vorübergehende Anpassung. Wie viel des Inseraterückgangs der KI gehört und wie viel den Zinsen und der Konjunktur, das Timing-Rätsel von Iscenko und Millet ist ungelöst. Ob die Produktivitätsgewinne schnell genug neue Rollen schaffen, um die Verdrängten zu absorbieren, wie es bisher jede Technologiewelle irgendwann tat. Und welche konkreten Berufe neu definiert statt reduziert werden.

Wer bei diesen Fragen Gewissheit behauptet, verkauft etwas.

Wie man entscheidet, wenn die Evidenz umstritten ist

Womit wir bei der praktischen Frage sind: Wie soll eine Führungskraft im Übergang handeln, wenn die besten Forscher der Welt sich widersprechen?

Erstens: Hören Sie auf, sich entlang von Schlagzeilen neu zu positionieren. Wir sehen Klientinnen und Klienten, die ihre gesamte Erzählung umschreiben wollen, sobald eine neue Studie erscheint. Eine Karrierestrategie, die sich mit dem Nachrichtenzyklus ändert, ist keine Strategie. Die Evidenz rechtfertigt genau eine strukturelle Schlussfolgerung: die eigene Positionierung in Richtung Urteilsvermögen, Verantwortung und Kontext zu verschieben, die Ebene, von der jede Studie zeigt, dass sie hält oder wächst, und weg von reiner Output-Produktion. Diese Schlussfolgerung hat jeden widersprüchlichen Befund des vergangenen Jahres überlebt. Bauen Sie auf dem, was über Studien hinweg robust ist, nicht auf dem, was eine einzelne behauptet.

Zweitens: Behandeln Sie Ihre eigenen Marktgespräche als Daten. Die grossen Studien beschreiben Durchschnitte über Millionen von Inseraten. Ihre Transition findet in einem spezifischen Segment statt, auf einem spezifischen Niveau, in spezifischen Unternehmen. Zehn echte Gespräche mit den Menschen, die Ihren nächsten Schritt tatsächlich beeinflussen können, frühere Kollegen mit Einstellungsverantwortung, Verwaltungsratsmitglieder, vertraute Headhunter, Branchenkontakte, sagen Ihnen mehr über die Nachfrage nach Ihrem Profil als jeder Expositionsindex. Wenn die Makro-Evidenz umstritten ist, wird die Mikro-Evidenz, die Sie selbst erheben, zum verlässlichsten Input, den Sie haben.

Drittens: Halten Sie Ihre Schlussfolgerungen locker und Ihren Prozess fest. Die ehrliche Haltung in einem First-Inning-Forschungsfeld ist der vorläufige Glaube: stark genug, um danach zu handeln, locker genug, um ihn zu aktualisieren. Was nicht vorläufig sein sollte, ist der Prozess: klare Positionierung, ein warmes Netzwerk, sichtbares Urteilsvermögen, finanzielle und psychologische Ausdauer für eine realistische Zeitachse. Diese Dinge funktionieren unter jedem Szenario, das die Forschung derzeit zulässt.

Der Markt wird weiter selbstbewusste Schlagzeilen produzieren. Die Forschenden produzieren, zu ihrer Ehre, weiter ehrliche Uneinigkeit. Irgendwo dazwischen werden gute Karriereentscheidungen getroffen: informiert durch die Evidenz, verankert im eigenen Markt und gebaut auf dem einen Befund, der nicht verschwinden will, dass Erfahrung und Urteilsvermögen das sind, was die Maschinen immer wertvoller machen.

Quellen: Klaeui & Siegenthaler (KOF, ETH Zürich), «KI und der Schweizer Arbeitsmarkt: Erste Evidenz zu Auswirkungen auf Arbeitslosigkeit und Stellenausschreibungen» (registrierte Stellensuchende in stark LLM-exponierten Berufen seit November 2022 um 27 Prozent stärker gestiegen als in schwach exponierten; zwei unabhängige Datenquellen; Alterseffekte weniger konzentriert als in den USA; relative Verschiebungen innerhalb wachsender Gesamtbeschäftigung); The Hamilton Project / Brookings, «Research on AI and the Labor Market Is Still in the First Inning», 2026; Brynjolfsson, Chandar & Chen (Stanford / ADP-Lohndaten), 2025; Eckhardt & Goldschlag (Current Population Survey), 2025; Iscenko & Millet (Stelleninserate und Zins-Timing), 2026; Stanford HAI, AI Index Report 2026; JobCloud, jobs.ch KI Report 2026.