Arbeit unter KI · Teil 3 von 3

Die Berufsfrage

Welche Arbeit widersteht allen drei Verschiebungen – und wie wählt ein junger Mensch sie 2026?

Die persönliche Frage: Was tue ich damit?

Drei Verschiebungen haben wir gesehen: Die Arbeit wandert in die Maschine (Teil 1), zum Kunden und in die Crowd (Teil 2). Für die eigene Berufswahl folgt daraus eine einzige, ernüchternd klare Suchregel – die Umkehrung aller drei Bewegungen. Bleibt die Frage, wo diese Arbeit konkret liegt. Und der unbequeme Teil: ob sie auch bezahlt wird.

Die widerständige Zone – und warum sie ausgerechnet in Deutschland gebraucht wird

Die Tätigkeiten, die beiden Maschinen am längsten widerstehen, teilen drei Merkmale: ungeordnete körperliche Geschicklichkeit, stilles Erfahrungswissen und zwischenmenschliche Verantwortung – das Einstehen für eine Entscheidung, wenn es schiefgehen kann. Pflege. Handwerk im Bestand, nicht am Fließband. Notfallmedizin. Frühpädagogik. Installation und Wartung in wechselnden, unvorhersehbaren Umgebungen. Die Therapeutin, der Dachdecker, die Hebamme, der Anlagenmechaniker für die Wärmepumpe im verwinkelten Altbau.

Und hier trifft sich die Technikfrage mit der deutschen Demografie auf fast unheimliche Weise. Genau diese Berufe stehen oben auf den Engpasslisten. Anfang 2026 sind in Deutschland rund 1,7 Millionen Stellen offen, die Bundesagentur zählt über 160 Engpassberufe. Die größten Lücken: Pflege und Gesundheit (das Statistische Bundesamt projiziert für 2049 eine Lücke von 280.000 bis 690.000 Pflegekräften), Handwerk (über 200.000), darunter die Elektro- und SHK-Berufe, die die Energiewende tragen, dazu Erziehung und Bau. Der Treiber ist nicht die KI, sondern der Ruhestand der Babyboomer: Bis 2036 erreichen rund 16,5 Millionen Menschen das Rentenalter. Wer in diese Berufe geht, trifft also auf eine doppelte Stütze – Maschinen, die hier schwächeln, und eine Gesellschaft, die hier dringend Hände sucht.

Das klingt nach einer klaren Empfehlung. Sie wäre zu billig, und ich misstraue ihr.

Der Haken, den die „Geh-ins-Handwerk“-Beruhigung verschweigt

Automatisierungsresistent heißt nicht gut bezahlt. Im Gegenteil, oft hängt beides zusammen: Pflege ist auch deshalb unterbezahlt und überlastet, weil man sie kaum automatisieren und damit kaum „skalieren“ kann – ein Effekt, den Ökonomen als Baumols Kostenkrankheit kennen. Arbeit, deren Produktivität sich technologisch nicht steigern lässt, gerät unter Lohndruck, während die Preise ringsum steigen. Die Haltbarkeit dieser Berufe ist technologisch. Ob sie auch auskömmlich werden, ist eine politische Frage – Tarif, öffentliche Budgets, Wertschätzung –, keine technische.

Der zweite Haken sitzt in den Engpasslisten selbst. Sie blicken nach hinten. Ganz oben steht regelmäßig auch die IT – über 100.000 offene Stellen. Zugleich ist Softwareentwicklung genau das, was Sprachmodelle gut können, und in den US-Daten traf der erste Einstellungsknick die jungen Programmierer und den Kundenservice. „Folge dem Fachkräftemangel“ ist deshalb keine saubere Strategie: Manche Mangelberufe sind knapp, weil sie hart sind (Pflege), andere sind es noch, obwohl die Maschine schon an ihnen arbeitet (Teile der Büro- und Software-Arbeit). Die klassische Bankkauffrau verschwindet laut IW-Prognose zu Zehntausenden – sie stand auch mal auf einer Bedarfsliste.

Und ein dritter Haken, der quer zu meiner eigenen Empfehlung steht. Die Lohnprämie des guten Handwerkers steckt zu einem erheblichen Teil in seiner Diagnose-Expertise – dem Wissen, wo der Fehler sitzt. Genau diese Expertise beginnt die KI zu nivellieren: Schneider Electric pilotiert einen „Elektriker-Assistenten“, mit dem ein normal ausgebildeter Geselle Probleme löst, für die bisher Ingenieurteams nötig waren. Die Arbeitsökonomen David Autor und Neil Thompson haben über 300 Berufe und vier Jahrzehnte hinweg gezeigt, was dann geschieht – und es hängt davon ab, welchen Teil eines Berufs die Technik ersetzt. Trifft sie die Routine, professionalisiert sich der Beruf: Die US-Buchhaltungskräfte wurden nach dem Computer ein Drittel weniger, verdienten aber 40 Prozent mehr. Trifft sie dagegen die Experten-Fähigkeit, wächst der Pool derer, die den Job ausüben können, und der Lohn fällt, selbst wenn die Beschäftigung steigt: Die US-Lagerverwalter, deren Inventarwissen der Computer überflüssig machte, wurden fast dreimal so viele – bei 13 Prozent weniger Reallohn. Moravec schützt also die Beschäftigung des Handwerks. Die Prämie schützt er nicht.

Die Einstiegsfalle

Jetzt der unbequemste Punkt, und er gilt quer durch alle Felder. Das stille Erfahrungswissen, das dich vor der Maschine schützt, erwirbst du in den Juniorjahren – und genau die Junior-Tätigkeiten sind die codierbarsten und damit die zuerst gefährdeten. Recherchieren, Entwürfe machen, einfache Fälle abarbeiten, „dem Senior zuarbeiten“: Das ist die Sprosse, auf der man früher die tausend kleinen Dinge lernte, die später Urteilskraft heißen. In US-Gehaltsdaten liegt die Beschäftigung der 22- bis 25-Jährigen in KI-exponierten Berufen inzwischen 19 Prozent unter dem Stand, den sie bei gleichem Verlauf wie in den weniger exponierten Berufen erreicht hätte; frühere Datenstände ergaben 13 und 16 Prozent. Erfahrene Kräfte zeigen keine vergleichbare Lücke (Brynjolfsson et al., Preprint, Fassung August 2026). Der deutsche Befund zeigt leiser in dieselbe Richtung: kein negativer Beschäftigungszusammenhang insgesamt, aber eine leicht gesunkene Neueinstellungsrate der unter 30-Jährigen in exponierten Berufen (IAB; Daten bis 2023). Und eine dritte Messung (Anthropic-Ökonomen, März 2026) findet keinerlei Arbeitslosigkeitsanstieg bei exponierten Beschäftigten – wohl aber eine im Schnitt um rund 14 Prozent gesunkene Einstellungsrate, deren Effekt sich bei den Jüngsten bündelt, dort allerdings nur knapp signifikant.

Bevor daraus eine Gewissheit wird, der Gegenbefund – er ist gewichtig. Ökonomen der New Yorker Fed zeigen anhand von Stellenanzeigen, dass der relative Rückgang der Vakanzen in KI-exponierten Berufen schon vor ChatGPT begann, und sie finden innerhalb dieser Berufe keine Auseinanderentwicklung von Junior- und Senior-Positionen; die Einstellungsflaute bei Berufseinsteigern lasse sich nicht allein der KI zuschreiben (Liberty Street Economics, Mai 2026). Möglich also, dass ein Teil des „Einstiegsknicks“ Konjunktur und Tech-Zyklus ist, der der KI nur zugerechnet wird. Der Stand: Das Hiring-Signal bei den Jüngsten ist in mehreren unabhängigen Datensätzen da; ob die KI seine Ursache ist, ist offen. Für die Berufswahl ändert das weniger, als es scheint – denn die Zange darunter ist logisch, nicht konjunkturell:

Der Ökonom Luis Garicano zeigt den Mechanismus an der Prozessanwältin: Sie könnte die „saubere“ Vorbereitung – Akten lesen, Präzedenzfälle suchen, das Plädoyer entwerfen – an ein Sprachmodell delegieren. Im Gerichtssaal aber, beim Kreuzverhör, bei der unerwarteten Frage des Richters, muss sie den Fall im Kopf haben, und dahin kommt er nur, wenn sie die saubere Arbeit selbst getan hat. Die langweiligen Aufgaben sind keine bloße Zuarbeit; sie sind das Trainingsmaterial für das Urteil. Wer sie abgibt, kappt den eigenen Weg zur Expertise. In Berufen mit körperlicher Lehre – der dualen Ausbildung, dem Handwerk, der Pflege am Bett – ist diese Sprosse stabiler, weil das Lernen am Objekt selbst nicht codierbar ist. Das ist ein unterschätztes Argument für das duale System.

Also konkret: lernen, studieren, können

Du hast nach einer Antwort gefragt, nicht nach einer Meditation über Unsicherheit. Hier ist sie, so ehrlich ich sie geben kann – als Entscheidungsregel, nicht als Liste sicherer Jobs, weil die seriös niemand kennt.

Orientiere dich an der Achse statt am Beruf. Stell dich dorthin, wo sich ungeordnete Geschicklichkeit, stilles Können und Verantwortung für Menschen bündeln, und meide Tätigkeiten, deren Kern aus codierbarer Routine besteht – egal wie akademisch sie verpackt sind. Das ist kein Plädoyer gegen das Studium, sondern gegen das Studium als Versteck. Nach den drei Verschiebungen lässt sich die Regel schärfer fassen: Such die Arbeit, die der Kunde nicht selbst erledigen kann und deren Haftung sich nicht auf ihn abwälzen lässt. Ausgeführt, nicht nur beraten; verantwortet, nicht nur geliefert.

Geh dabei in die Tiefe statt in die Breite. „Analytisches Denken“, „kritisches Denken“ – als freischwebende Allzweckfähigkeit gibt es das kaum; der Transfer solcher Fähigkeiten über Gegenstandsgrenzen hinweg gilt in der Lernforschung als schwierig und ist umstritten. Wer etwas wirklich kann, kann es in einer Sache. Also: eine Domäne wählen und sie durchdringen, statt Kompetenzschlagworte zu sammeln.

Vor allem aber: werde der Mensch, der die Maschine führt. Die belastbarste Wette ist weder „gegen KI“ noch „KI ersetzt mich“, sondern Komplementarität – derjenige sein, der das Werkzeug dirigiert, sein Ergebnis prüft und dafür geradesteht. Das verlangt zweierlei zugleich, die eigene Domäne und den souveränen, skeptischen Umgang mit dem Werkzeug. Skeptisch wörtlich: Ob starke KI-Nutzung das eigene Prüfen verkümmern lässt, wird untersucht; die Befundlage ist bislang dünn. Wovon es abhängt, ob das Werkzeug hebt oder herunterzieht: die Treppe und das Kaninchenloch. Das Werkzeug zu benutzen, ohne ihm die Urteilskraft zu überlassen, ist selbst eine Fertigkeit.

Für viele hierzulande ist die schärfere Frage ohnehin nicht „welches Studienfach“, sondern „Ausbildung oder Studium“ – und eine Lehre in einem Moravec-resistenten, energiewende-relevanten Handwerk ist 2026 eher zu verteidigen als manches Prestige-Studium. Mit dem Lohn-Vorbehalt von oben: Wo es geht, wähle die Schnittmenge aus robotersicher und bezahlt – Elektro- und Anlagentechnik eher als die ebenso resistente, aber schlechter vergütete Pflege, wenn dir auch das Einkommen zählt.

Und dann: beweglich bleiben. Die konkreten Aufgaben werden sich mehrfach verschieben, ehe du fünfzig bist; die Fähigkeit, eine Sache neu zu lernen, wiegt schwerer als jeder einzelne Lerninhalt. Das ist der einzige Punkt, der trägt, ganz gleich wie schnell die Maschinen aufholen.

Was ich nicht weiß

Eine falsche Sicherheit wäre hier schlimmer als ein offenes Wort. Fünf Dinge sind über die ganze Serie hinweg ehrlich offen.

Erstens die Robotik. Mein ganzes Argument hängt daran, dass die Manipulation in unstrukturierten Umgebungen schwer bleibt. Das ist heute so. Aber an Roboter-Grundlagenmodellen wird mit Hochdruck gearbeitet, und Moravecs Mauer ist kein Naturgesetz, sondern ein Rechen- und Datenproblem. Sie verschafft Vorsprung, keine Ewigkeit.

Zweitens die Gegenposition zur kognitiven Achse. Es ist nicht ausgemacht, dass Kopfarbeit verliert. David Autor argumentiert, KI könne Fachwissen verbreitern und mittlere Qualifikationen wieder aufwerten, statt Expertenarbeit zu vernichten – die Maschine als Hebel, nicht als Ersatz. Dann wäre mein „der weiße Kragen schützt nicht mehr“ zu pessimistisch.

Drittens die Löhne. Ob die Engpässe die Bezahlung der resistenten Berufe nach oben ziehen oder ob knappe Kassen sie unten halten, entscheidet keine Technik, sondern Politik. Ich kann sagen, welche Arbeit menschlich bleibt. Ob sie sich lohnt, nicht.

Viertens der Tokenpreis. Ob die KI-Nutzung billig bleibt oder eine Marktkonsolidierung den subventionierten Preisen ein Ende setzt, hängt an drei Bedingungen zugleich, von denen heute zwei nicht greifen. Das Timing kennt niemand, und wer es behauptet, verkauft ein Szenario als Befund.

Fünftens die Messung selbst. Wandert Arbeit zum Kunden und zur Crowd, verschwindet sie aus den Statistiken, auf die ich mich stütze. Es ist denkbar, dass die Verschiebung schneller läuft, als die Zahlen zeigen, weil die Zahlen sie konstruktionsbedingt nicht sehen.

Was bleibt, ist eine Umkehrung – keine Apokalypse, aber auch kein sicherer Hafen. Die größte Gefahr ist nicht, dass die Maschinen alles nehmen. Sie ist, dass eine ganze Generation in Richtung der „angesehenen“, codierbaren Kopfarbeit gelenkt wird, die exponierter ist als gedacht – und weg von der unscheinbaren, körperlich-menschlichen Arbeit, die hält, aber schlecht bezahlt wird.

Zurück zu Teil 2: Die dritte Verschiebung.

Klärungsraum.de · Serie „Arbeit unter KI“ · Teil 3 von 3 – Ende der Serie