Die Debatte über KI und Jobverlust verharrt oft in einer beruhigenden Erzählung: Berufe verändern sich, aber sie verschwinden nicht. Diese Unterscheidung stimmt – und reicht nicht. Entscheidend ist, wie viele Menschen den Übergang tatsächlich vollziehen können und wer die Produktivitätsgewinne einstreicht.
Dr. Karsten Wildberger, seit Mai 2025 Bundesminister für Digitales und Staatsmodernisierung, hat vor den Folgen von KI für Programmierer und Callcenter-Mitarbeiter gewarnt1Wildberger: KI ersetzt Programmierer und Callcenter-Agenten. Die Botschaft: KI ergänze und ersetze Programmierjobs, Chatbots übernähmen zunehmend Standardanfragen. Der Hinweis ist richtig. Die übliche Einordnung dazu ist es nur zum Teil.
Die Job-Aufgabe-Unterscheidung und ihre Grenzen
In der wirtschaftswissenschaftlichen Debatte gilt es inzwischen als Konsens, zwischen Berufen (jobs) und Tätigkeiten (tasks) zu unterscheiden. KI ersetzt demnach keine Berufe als solche, sondern bestimmte Aufgabenbündel: Routinearbeit, Standardanfragen, Code-Generierung, Testaufgaben. Die verbleibenden Tätigkeiten verschieben sich auf Architektur, Qualitätskontrolle, Domänenkommunikation, Verantwortung.
Diese Unterscheidung ist analytisch korrekt, aber normativ entlastend – und unterschätzt zwei Effekte. Erstens den Kompositionseffekt: Wenn KI 40 bis 60 Prozent der Routineaufgaben eines Berufsfelds übernimmt, sinkt der Bedarf an Köpfen auch dann, wenn der Beruf als Kategorie fortbesteht. Zweitens den Pyramideneffekt: Die verbleibenden Tätigkeiten auf Architektur- und Managementebene tragen strukturell nur einen Bruchteil der bisherigen Stellen. Nicht alle können und werden dorthin aufsteigen – weder aus Kompetenzgründen noch aus Kapazitätsgründen. Beides zusammen erzeugt denselben Arbeitsmarktdruck wie direkte Substitution, ohne dass der Begriff fällt.
Callcenter und Programmieren: unterschiedliche Geschwindigkeit, ähnliche Richtung
Wildbergers Warnung trifft Callcenter schneller, Programmierer mit etwas mehr Verzögerung – aber die Richtung ist in beiden Feldern dieselbe. In Callcentern ist das Aufgabenportfolio weniger heterogen, die Automatisierungslogik greift direkt. Einen Gegeneffekt verdient Beachtung: In einigen Bereichen steigt die Kontaktrate durch KI-Interaktion, weil die Hemmschwelle sinkt – was den Automatisierungsgewinn partiell wieder aufzehrt.
Bei Programmierern ist die Lage differenzierter, aber nicht grundlegend anders. KI übernimmt bereits heute wesentliche Anteile von Coding, Refactoring und Dokumentation. Der Beruf überlebt als Kategorie – aber mit deutlich weniger Köpfen, weil der verbleibende Rest auf höherwertige Tätigkeiten konzentriert wird, die nur ein Teil der bisherigen Belegschaft tatsächlich ausfüllen kann. In komplexen, haftungsrelevanten oder sicherheitskritischen Umgebungen bleibt menschliche Steuerung vorerst unverzichtbar. Das dämpft den Effekt, verschiebt ihn aber eher zeitlich als strukturell.
Marktstruktur als Verteilungsmechanismus
Die Warnung vor Jobverlust greift zu kurz, weil sie Technik und Beschäftigung direkt verbindet und die Marktstruktur als Verteilungsmechanismus ausblendet. In konzentrierten Märkten mit wenigen dominanten Anbietern — Plattformen, große Softwareunternehmen, marktmächtige Technologiekonzerne — entscheidet nicht der Wettbewerbsdruck darüber, wohin Produktivitätsgewinne fließen, sondern die Verhandlungsmacht gegenüber Arbeitnehmern, Zulieferern und Kunden. Wo Marktmacht vorhanden ist, besteht kein struktureller Anreiz, Effizienzgewinne als Lohn oder Beschäftigung weiterzugeben. Sie werden als Marge realisiert — oder in weitere Automatisierung reinvestiert, was den Zyklus verstärkt. Das Ergebnis ist ein Szenario, das sich bereits in der Plattformökonomie abzeichnet: wenige hochqualifizierte Entwickler und Systemarchitekten, leistungsfähige KI-Infrastruktur, schlanke Belegschaft — bei gleichzeitig hoher Marktkapitalisierung und Gewinnmarge. Die Verbindung zwischen Produktivität und Beschäftigung, die in der Nachkriegswirtschaft als selbstverständlich galt, ist in solchen Strukturen institutionell nicht mehr garantiert. Ökonomen wie David Autor haben diesen Befund unter dem Begriff der „Superstar Firms” analysiert: Unternehmen, die Märkte dominieren, wachsen in Umsatz und Gewinn, aber nicht proportional in Beschäftigung. KI beschleunigt diese Dynamik, sie erzeugt sie aber nicht — sie setzt eine Marktstruktur voraus, die bereits vorhanden ist.
In kompetitiven Märkten mit vielen kleinen und mittleren Unternehmen ist der Anpassungsdruck anders verteilt. Wer KI-gestützte Produktivitätsgewinne realisiert, kann Preise senken oder Qualität erhöhen — was im Wettbewerb Marktanteile sichert. Für alle anderen entsteht dadurch Zugzwang: Nicht Profitmaximierung treibt den Stellenabbau, sondern der Druck, mit dem Wettbewerber Schritt halten zu müssen. Das Ergebnis kann strukturell ähnlich sein wie in konzentrierten Märkten — weniger Beschäftigung pro Umsatzeinheit — aber die Ursachenkette ist eine andere. Hinzu kommt, dass viele deutsche Mittelständler als Zulieferer oder in engen Spezialnischen operieren, in denen Margen ohnehin gering und Preissetzungsspielräume begrenzt sind. Dort wirkt KI weniger als Instrument zur Gewinnsteigerung, sondern eher als Voraussetzung für das Überleben im Wettbewerb. Das macht den Beschäftigungseffekt strukturell schwerer steuerbar — und politische Weiterbildungsappelle treffen hier auf Betriebe, die für umfangreiche Qualifizierungsmaßnahmen weder die Zeit noch die Mittel haben.
Die institutionelle Dimension der Weiterbildungsappelle
Wildbergers Schlussfolgerung – Weiterbildung und Qualifizierung – ist normativ richtig. Als Bundesminister für Digitales und Staatsmodernisierung trägt er zugleich Mitverantwortung für die institutionellen Rahmenbedingungen, unter denen diese Qualifizierung stattfindet oder scheitert.
Wer im Callcenter sitzt oder als Junior-Entwickler routinemäßige Aufgaben übernimmt, verfügt selten über die Zeit, die Ressourcen und die betriebliche Unterstützung für einen echten Kompetenzwechsel. Die deutschen Qualifizierungssysteme sind auf graduelle Anpassung ausgelegt, nicht auf strukturellen Bruch in der Breite. Und selbst wenn Weiterbildung gelingt: Sie kann keine Stellen schaffen, die am oberen Ende der Qualifikationspyramide schlicht nicht in ausreichender Zahl vorhanden sind.
Die eigentliche Frage
KI wird bestimmte Tätigkeiten bei Programmierern und in Callcentern deutlich verändern und ersetzen – in einem Ausmaß, das die beruhigende Erzählung vom bloßen Strukturwandel übersteigt. Die entscheidenden Fragen lauten: Wer bekommt die Produktivitätsgewinne? Wie viele Menschen können den Übergang tatsächlich vollziehen – und unter welchen institutionellen Bedingungen? Und wer trägt die Kosten, wenn beides nicht gelingt?
Ralf Keuper
Quellen:
- Acemoglu & Restrepo (2019): „Automation and New Tasks: How Technology Displaces and Reinstates Labor“Grundlegendes Paper zur Task-Displacement-Theorie. Zeigt, dass Automatisierung die Lohnquote strukturell senkt — auch wenn neue Aufgaben entstehen. Zentraler theoretischer Bezugsrahmen für den Kompositionseffekt.https://www.aeaweb.org/articles?id=10.1257/jep.33.2.3
- Autor, Dorn, Katz, Patterson, Van Reenen (2020): „The Fall of the Labor Share and the Rise of Superstar Firms“Empirische Basis für die Superstar-Firms-These: In konzentrierten Märkten steigen Gewinne, aber nicht Beschäftigung oder Löhne proportional. Direkte Grundlage für den Marktstrukturabschnitt.https://academic.oup.com/qje/article/135/2/645/5721266
- Peng et al. (2023): „The Impact of AI on Developer Productivity: Evidence from GitHub Copilot” Kontrolliertes Experiment mit Entwicklern: KI-Unterstützung erhöht die Aufgabengeschwindigkeit um bis zu 55 %. Belegt den Produktivitätshebel — und implizit den Kompositionseffekt beim Personalbedarf. https://arxiv.org/abs/2302.06590
- Acemoglu & Restrepo (2018): „Artificial Intelligence, Automation and Work” Rahmenwerk speziell zu KI: Der Displacement-Effekt überwiegt den Produktivitätseffekt, wenn neue arbeitsintensive Aufgaben ausbleiben. Direkt anwendbar auf die Programmierer- und Callcenter-These. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3098384
- Acemoglu & Restrepo (2022): „Tasks, Automation, and the Rise in U.S. Wage Inequality” Zeigt, dass 50–70 % der Lohnungleichheit der letzten vier Jahrzehnte auf Task-Displacement zurückzuführen sind — mit besonderer Betroffenheit von Routinetätigkeiten. Empirische Untermauerung für die Verteilungsfrage im Schlussteil.https://onlinelibrary.wiley.com/doi/full/10.3982/ECTA19815