SANTISMM Labs · KI & Arbeit

Die am stärksten von KI betroffenen Berufe

Was KI tun könnte im Vergleich zu dem, was sie tatsächlich tut – über die 22 Berufsgruppen hinweg, mit der realen Lücke Stand Juni 2026.

Datenstand: Juni 2026Anthropic Economic Index · Eloundou et al. · ILO · OECD · IMF

Um fundiert über „die am stärksten von KI betroffenen Berufe“ zu sprechen, muss man drei Dinge voneinander trennen: wie viele Aufgaben eines Berufs ein Modell technisch erledigen könnte (theoretische Leistungsfähigkeit), wie viel KI heute in dieser Arbeit tatsächlich eingesetzt wird (beobachtete Abdeckung) und die Nettoauswirkung auf Beschäftigung und Löhne. Diese Seite reproduziert und erweitert das Radar von Anthropic für die 22 SOC-Berufsgruppen: eine große, systematische Lücke zwischen Potenzial und Praxis – und was dies laut der breiteren Evidenz bedeutet.

20 %40 %60 %80 %100 %ManagementWirtschaft& FinanzenComputer &MathematikArchitektur &IngenieurwesenLebens- &SozialwissenschaftenSozialeDiensteRechtswesenBildung &BibliothekswesenKunst &MedienMedizinischesFachpersonalMedizinischeAssistenzberufeSchutz- &SicherheitsdiensteGastronomie& ServierenGarten- &LandschaftspflegeKörperpflege & persönlicheDienstleistungenVertrieb& VerkaufBüro &VerwaltungLandwirtschaftBauwesenInstallation& ReparaturProduktionTransport& Logistik

Bewege den Mauszeiger über eine Kategorie oder tippe sie an, um die Zahlen zu sehen.

Anthropic hat genaue beobachtete Werte nur für die 7 am stärksten betroffenen Gruppen veröffentlicht (plus Architektur & Ingenieurwesen, abgeleitet). Die übrigen Gruppen sind transparente Schätzungen, die sich an den qualitativen Bereichen in der Literatur orientieren, dargestellt als hohle Markierungen und als „geschätzt“ gekennzeichnet.

Ranking nach Berufsgruppe

Die 22 SOC-Hauptgruppen. Sortieren Sie nach dem, was KI tun könnte (theoretisch), was sie heute tatsächlich tut (beobachtet) oder nach der Lücke dazwischen.

Sortieren nach
#GruppeTheoretischBeobachtetLückeMechanismus
1Computer & Mathematik
94,3 %
35,8 %
58,5 %Ergänzung & Beschleunigung
2Büro & Verwaltung
90 %
34,3 %
55,7 %Aufgabensubstitution
3Wirtschaft & Finanzen
94,3 %
28,4 %
65,9 %Ergänzung & Beschleunigung
4Vertrieb & Verkauf
62 %
26,9 %
35,1 %Aufgabensubstitution
5Rechtswesen
89 %
20,4 %
68,6 %Aufgabensubstitution
6Kunst & Medien
83,7 %
19,2 %
64,5 %Aufgabensubstitution
7Bildung & Bibliothekswesen
61,7 %
18,2 %
43,5 %Latentes Potenzial
8Management
91,3 %
9 %*
82,3 %Latentes Potenzial
9Lebens- & Sozialwissenschaften
77 %
6 %*
71 %Latentes Potenzial
10Soziale Dienste
50,5 %
5 %*
45,5 %Latentes Potenzial
11Medizinisches Fachpersonal
59,9 %
5 %*
54,9 %Latentes Potenzial
12Architektur & Ingenieurwesen
84,8 %
4,2 %
80,6 %Latentes Potenzial
13Produktion
19 %
2 %*
17 %Resistent gegenüber LLMs
14Medizinische Assistenzberufe
28,5 %
1,5 %*
27 %Resistent gegenüber LLMs
15Schutz- & Sicherheitsdienste
31,6 %
1,5 %*
30,1 %Resistent gegenüber LLMs
16Installation & Reparatur
18,4 %
1,5 %*
16,9 %Resistent gegenüber LLMs
17Transport & Logistik
12,1 %
1,5 %*
10,6 %Resistent gegenüber LLMs
18Gastronomie & Servieren
16,9 %
1 %*
15,9 %Resistent gegenüber LLMs
19Körperpflege & persönliche Dienstleistungen
18,2 %
1 %*
17,2 %Resistent gegenüber LLMs
20Garten- & Landschaftspflege
3,9 %
0,5 %*
3,4 %Resistent gegenüber LLMs
21Landwirtschaft
15,7 %
0,5 %*
15,2 %Resistent gegenüber LLMs
22Bauwesen
16,9 %
0,5 %*
16,4 %Resistent gegenüber LLMs

* Geschätzter beobachteter Wert (nicht offiziell veröffentlicht). Die „Lücke“ ist der theoretische minus dem beobachteten Wert in Prozentpunkten: der Spielraum zwischen dem, was KI abdecken könnte, und dem, was sie derzeit tut.

Die am stärksten betroffenen Einzelberufe

Nach beobachteter Abdeckung – tatsächliche Claude-Nutzung. Programmierer führen die Liste mit 74,5 % an.

  1. 1Programmierer
    74,5 %
  2. 2Kundenservice-Mitarbeiter
    70,1 %
  3. 3Datenerfasser
    67,1 %
  4. 4Fachkräfte für medizinische Dokumentation
    66,7 %
  5. 5Marktforschungs- & Marketinganalysten
    64,8 %
  6. 6Vertriebsmitarbeiter im Großhandel & der Fertigung
    62,8 %
  7. 7Finanz- & Investmentanalysten
    57,2 %
  8. 8Software-QA-Analysten & -Tester
    51,9 %
  9. 9Informationssicherheitsanalysten
    48,6 %
  10. 10IT-Support-Spezialisten
    46,8 %

Am anderen Ende: rund 30 % der Erwerbstätigen weisen praktisch keine beobachtete Abdeckung auf – darunter Köche, Motorradmechaniker, Rettungsschwimmer, Barkeeper, Spüler und Garderobenpersonal.

Augmentierung vs. Automatisierung

Wie KI in echten Konversationen genutzt wird, nicht nur, ob sie genutzt werden könnte.

57%
43%
AugmentierungAutomatisierung

Anthropic Economic Index (2025). Der Anteil der Automatisierung („direktiv“) steigt im Laufe der Zeit – von 27 % (Dez. 2024) auf 39 % (Aug. 2025) auf Claude.ai und ~77 % bei der Enterprise-API.

Exposition ist Potenzial, kein Schicksal

Die Lücke zwischen der blauen und der roten Kurve – oft 50–70 Punkte – bedeutet, dass eine Verdrängung nicht unmittelbar bevorsteht: Die heutige Nutzung besteht mehrheitlich aus Augmentierung, und ein deutlicher Anstieg der Arbeitslosigkeit bei betroffenen Arbeitskräften ist noch nicht zu verzeichnen. Der entscheidende Wert ist, ob die rote Kurve in Richtung der blauen ansteigt.

Was die Belege tatsächlich zeigen

Fähigkeit ist nicht gleich Einführung.

Wissensarbeit erreicht bei der theoretischen Fähigkeit 80–94 %, aber die beobachtete Abdeckung ist nur ein Bruchteil davon (Computer & Mathematik: 94 % vs. 36 %). Data Governance, Altsysteme, Haftung und Human-in-the-Loop-Prüfungen verlangsamen den Übergang von „kann“ zu „tut“.

Diesmal betrifft es die Büroarbeit.

Im Gegensatz zu früheren Automatisierungswellen konzentriert sich die Exposition nun auf besser bezahlte Büroarbeit mit höherem Bildungsniveau. Das am stärksten exponierte Viertel bei Anthropic verdient ~47 % mehr und ist mit einer um 16 Prozentpunkte höheren Wahrscheinlichkeit weiblich – bedingt durch die geschlechtsspezifische Segregation bei Büro- und Verwaltungstätigkeiten.

Augmentierung führt immer noch – vorerst.

Die tatsächliche Nutzung liegt bei ~57 % Augmentierung gegenüber ~43 % Automatisierung, obwohl der Automatisierungsanteil steigt. Dieselbe Aufgabe kann von einem Menschen beschleunigt oder an das Modell delegiert werden; heute neigt sich die Waagschale noch zur Beschleunigung.

Achten Sie auf das Frühwarnsignal bei der Einstellung von Berufseinsteigern.

Es ist noch kein klarer Gesamteffekt auf die Arbeitslosigkeit erkennbar, aber die monatliche Einstellungsquote für 22- bis 25-Jährige in betroffenen Berufen sank nach ChatGPT um ~14 % – das stärkste Frühwarnsignal, das auch durch unabhängige Forschung bestätigt wird.

Substitution vs. Rekonfiguration.

Büroarbeit, Datenerfassung und First-Line-Support stehen vor einer direkten Substitution von Aufgaben. Software, Analyse, Finanzen und Recht werden meist rekonfiguriert – Copilot und Aufgabendelegation statt vollständigem Ersatz –, wobei die Einstiegsebenen unter Druck geraten.

Konvergenz ist eine Hypothese.

Anthropic erwartet, dass die beobachtete Nutzung in Richtung der theoretischen Fähigkeit ansteigt, aber das ist eine Annahme über die Einführung, kein empirischer Befund. Bei vielen Berufen könnte die Lücke weitaus länger bestehen bleiben als bei Software.

Das Makrobild

Wichtigste Schätzungen der führenden Behörden. Dies sind modellierte Szenarien mit großer Unsicherheit – keine tatsächlichen Ergebnisse.

80% / 19%
Exponierte Aufgaben (US-Arbeitskräfte)

Bei ~80 % der US-Arbeitnehmer könnten ≥10 % der Aufgaben durch LLMs beeinflusst werden; bei ~19 % könnten es ≥50 % sein.

OpenAI · UPenn (2023)
≈300 Mio.
Exponierte Vollzeitstellen weltweit

Generative KI könnte das Äquivalent von 300 Mio. Vollzeitstellen (FTE) der Automatisierung aussetzen; bis zu ~7 % potenzielles Wachstum des globalen BIP.

Goldman Sachs (2023)
40% / 60%
Exponierte Arbeitsplätze (global / fortgeschrittene Volkswirtschaften)

~40 % der Arbeitsplätze weltweit sind von KI betroffen – etwa 60 % in fortgeschrittenen Volkswirtschaften, 26 % in Ländern mit niedrigem Einkommen.

IMF (2024)
+78 Mio. netto
Neue Arbeitsplätze (netto) bis 2030

170 Mio. neu geschaffene und 92 Mio. verdrängte Arbeitsplätze bis 2030 – ein struktureller Wandel von 22 % auf dem Arbeitsmarkt.

WEF (2025)
+13 Bio. $
Jährlicher Einfluss auf das BIP bis 2030

Bis zu ~29,5 % der US-Arbeitsstunden könnten bis 2030 automatisierbar sein; ~12 Mio. berufliche Übergänge in den USA.

McKinsey (2023–24)
1 von 4
Arbeitnehmer mit gewisser Exposition

1 von 4 Arbeitnehmern weltweit ist in einem Beruf mit einer gewissen GenAI-Exposition tätig; 3,3 % in der höchsten Kategorie, mit einem Überhang bei Frauen.

ILO (2025)

Quellen und Methoden weichen voneinander ab (Aufgabenrubriken, Fähigkeitsindizes, Nutzungsprotokolle), sodass die Zahlen nicht direkt vergleichbar sind und als Szenarien verstanden werden sollten.

Methodik & Quellen

Das Radar bildet Abbildung 2 aus Anthropics „Labor Market Impacts of AI: A New Measure and Early Evidence“ (Massenkoff & McCrory, März 2026) ab. Die blaue Kurve stellt das theoretische Potenzial β aus Eloundou et al., „GPTs are GPTs“ (2023/2024) dar; die rote Kurve zeigt das von Anthropic gemessene tatsächliche Nutzungsniveau (observed coverage), basierend auf Millionen realer Claude.ai- und API-Konversationen, die den rund 800 Berufen und 17.000 Aufgaben der US-amerikanischen O*NET-Datenbank zugeordnet wurden.

Das theoretische β ist für alle 22 Gruppen bestätigt. Anthropic hat exakte beobachtete Werte nur für die sieben am stärksten betroffenen Gruppen veröffentlicht; der Bereich „Architecture & Engineering“ wird aus dem angegebenen Verhältnis von beobachteten zu theoretischen Werten von ~5 % abgeleitet. Für die übrigen Gruppen verwenden wir transparente Schätzungen, die sich an den qualitativen Bandbreiten der OECD-, ILO-, IWF-, WEF- und McKinsey-Literatur orientieren – diese sind klar als „geschätzt“ gekennzeichnet und werden niemals als offizielle Zahlen dargestellt.

Da die beobachteten Werte ausschließlich auf Claude-Daten basieren, unterschätzen sie wahrscheinlich die tatsächliche Exposition (ChatGPT, Gemini, Copilot und eingebettete Tools werden nicht berücksichtigt), während das theoretische β die Fähigkeiten von Anfang 2023 widerspiegelt und vermutlich hinter dem heutigen Stand der Technik zurückbleibt. Unterschiedliche Methodiken weichen naturgemäß voneinander ab: Exposition beschreibt ein Potenzial, keine tatsächliche Verdrängung.

Primärquellen

Zusammengestellt von SANTISMM aus öffentlicher Forschung. Die Zahlen sind gerundet; geschätzte Werte sind gekennzeichnet. Exposition misst die potenzielle Überschneidung von Aufgaben, nicht den tatsächlichen Verlust von Arbeitsplätzen – jede maßgebliche Quelle betont die Transformation gegenüber einem vollständigen Ersatz.