Im März 2026 hat Anthropic einen Bericht veröffentlicht, der schwerer zu ignorieren ist als die meisten Nachrichten rund um KI: Künstliche Intelligenz übernimmt Wissensarbeit nicht irgendwann in der Zukunft. Sie tut es messbar, dokumentiert und heute.
Die Frage ist nicht mehr, ob deine Branche betroffen ist. Für die meisten Knowledge Worker lautet die Antwort: ja. Die entscheidende Frage ist eine andere — wie viel Prozent deiner täglichen Arbeit wird bereits automatisiert? Und was bedeutet diese Zahl konkret für dein Unternehmen in den nächsten 24 Monaten?
Was Anthropic tatsächlich gemessen hat
Anthropic hat die Studie „Labor Market Impacts of AI: A New Measure and Early Evidence” veröffentlicht, verfasst von den Forschern Maxim Massenkoff und Peter McCrory.
Die meisten bisherigen Studien zum Thema KI und Arbeitsmarkt haben theoretische Exposition gemessen — also was KI laut Aufgabenbeschreibungen könnten. Anthropic hat etwas anderes eingeführt: eine Kennzahl namens Observed Exposure (beobachtete Exposition). Diese misst nicht nur, welche Aufgaben ein Large Language Model theoretisch beschleunigen könnte, sondern welche davon in der Praxis bereits automatisiert werden — basierend auf echten, anonymisierten Nutzungsdaten von Claude.
Der Unterschied ist entscheidend. Theoretische Abdeckung beschreibt Fähigkeit. Observed Exposure beschreibt, was in Unternehmen gerade tatsächlich passiert.
Der Anthropic Economic Index basiert auf der anonymisierten Analyse von rund einer Million realer Claude-Gespräche. Diese wurden über 20.000 spezifischen Arbeitsaufgaben aus der O*NET-Datenbank des US-Arbeitsministeriums zugeordnet.
Das Ergebnis: ein Radar-Diagramm mit zwei Flächen. Die blaue zeigt das theoretische KI-Potenzial. Die rote zeigt, was tatsächlich heute stattfindet. In den meisten Branchen ist die rote Fläche noch klein — aber in einigen ist sie bereits deutlich sichtbar. Und genau dort muss man handeln.
Die Lücke zwischen Blau und Rot: Warum das ein strukturelles Problem ist
Auf den ersten Blick wirkt die Lücke zwischen theoretischem Potenzial und tatsächlicher Nutzung beruhigend. KI könnte 94 % der Aufgaben in IT- und Mathematikberufen übernehmen — aber aktuell erledigt sie davon erst 33 %. Das klingt nach viel Zeit.
Doch die Lücke bedeutet nicht, dass KI langsam voranschreitet. Sie bedeutet, dass technische Integration, rechtliche Rahmenbedingungen und organisatorische Adoptionszyklen der Fähigkeit der Technologie noch nicht gefolgt sind. Das sind lösbare Probleme. Sie werden Quartal für Quartal gelöst.
Hier liegt die konkrete Sorge: Für jeden Anstieg der beobachteten KI-Abdeckung um zehn Prozentpunkte sinkt das prognostizierte Beschäftigungswachstum des US Bureau of Labor Statistics für den betreffenden Beruf bis 2034 um 0,6 Prozentpunkte. Diese Korrelation existiert heute — mit dem aktuellen, noch unvollständigen Automatisierungsgrad. Sie wird steiler, je weiter die KI-Implementierung voranschreitet.
Die Einstellungsdaten spiegeln das bereits wider. Es gibt hinweisende Belege, dass die Einstellung junger Arbeitnehmer in exponierten Berufen zurückgeht. Forscher verzeichneten einen 14-prozentigen Rückgang der Job-Findungsrate in exponierten Berufen bei Arbeitnehmern zwischen 22 und 25 Jahren — verglichen mit dem Jahr 2022, also der Zeit vor ChatGPT. Das ist keine Massenarbeitslosigkeit. Aber es ist eine Verengung der Einstiegsmöglichkeiten. Junior-Stellen — traditionell der erste Schritt in die Wissensarbeit — schrumpfen zuerst.
Welche Branchen bereits messbare KI-Abdeckung haben
Das Radar-Diagramm unterscheidet zwischen dem, was möglich ist, und dem, was gerade passiert. Die rote Fläche zeigt, wo KI bereits heute reale Aufgaben in nennenswertem Umfang übernimmt.
| Berufsgruppe | Theoretische KI-Abdeckung | Tatsächliche KI-Abdeckung | Tatsächlich in % des Theoretischen |
|---|---|---|---|
| IT & Mathematik | 94,3 % | 35,8 % | 38 % |
| Büro & Verwaltung | 90,0 % | 34,3 % | 38 % |
| Business & Finanzen | 94,3 % | 28,4 % | 30 % |
| Vertrieb | 62,0 % | 26,9 % | 43 % |
| Recht | 89,0 % | 20,4 % | 23 % |
| Medien & Kreativwirtschaft | 83,7 % | 19,2 % | 23 % |
| Bildung & Bibliothek | 61,7 % | 18,2 % | 30 % |
Quelle: Anthropic, „Labor market impacts of AI: A new measure and early evidence,” März 2026
Der Vertrieb ist der auffälligste Fall: KI deckt dort bereits 43 % dessen ab, wozu sie theoretisch in der Lage wäre. Bei IT-Berufen sind es 38 %. Auf Berufsebene zeigen Computerprogrammierer mit 74,5 % die höchste beobachtete KI-Exposition, gefolgt von Kundendienstmitarbeitern mit 70,1 %, Dateneingabe-Fachkräften mit 67,1 %, medizinischen Datenspezialistinnen mit 66,7 % und Marktforschungsanalysten mit 64,8 %.
Was Unternehmen und Fachkräfte jetzt tun müssen
1. Eine ehrliche Aufgaben-Analyse durchführen
Schreib auf, was du täglich wirklich tust — und prüfe davon, welche Aufgaben KI-Tools bereits gut erledigen.
Sei dabei ehrlich. Wenn du täglich zwei Stunden mit dem Schreiben von Erstentwürfen, dem Zusammenfassen von Dokumenten, der Datenformatierung oder dem Beantworten wiederkehrender Anfragen verbringst — dann werden diese Stunden anderswo in deiner Branche längst komprimiert. Die Frage ist nicht, ob diese Aufgaben ersetzbar sind. Die Frage ist, ob du die Person bist, die die KI steuert, die sie ersetzt — oder ob das jemand anderes übernimmt.
Der praktische Schritt: Nimm deine zehn häufigsten Wochenaufgaben und teste jede einzeln mit einem aktuellen LLM. Dokumentiere die Ausgabequalität. So erhältst du eine evidenzbasierte Einschätzung deiner eigenen Exposition — keine theoretische.
2. Eine Ebene höher rücken: Interpretation statt Ausführung
Deskilling entsteht, wenn KI die komplexesten Bestandteile einer Tätigkeit übernimmt und der Mensch mit den einfacheren Aufgaben zurückbleibt. Wenn KI die komplexe Reiseplanung erledigt, verbleibt dem Menschen am Ende nur noch die Buchung und Abrechnung — mit geringerer Wertschöpfung im Job.
Die Gegenstrategie ist bewusst: Übernimm Verantwortung für Aufgaben, die Urteilsvermögen, Kontext und Vertrauen erfordern. Im Finanzbereich bedeutet das: weg von der Berichtserstellung, hin zu Investitionsthesen und Risikoeinschätzung. Im Recht: weg von Recherche und Entwurf, hin zu Strategie und Mandantenberatung. Im Vertrieb: weg von Informationslieferung, hin zu komplexer Deal-Navigation und Beziehungsgestaltung.
KI komprimiert die Ausführungsebene. Wer relevant bleibt, besitzt die Interpretationsebene.
3. AI Operations Skills aufbauen — konkret, nicht allgemein
„KI lernen” ist kein Plan. Die praxisrelevante Fähigkeit ist das KI Workflow Design: eine komplexe Aufgabe in ihre Bestandteile zerlegen, jeden Teil dem richtigen Tool zuweisen und die Ausgabe an den richtigen Stellen qualitätssichern.
Im Kundendienst bedeutet das: Eskalationslogik für KI-Agenten entwerfen. Im Marketing: eine Content-Pipeline aufbauen, in der KI Entwürfe erstellt und ein Mensch für Marke und Genauigkeit prüft. Im Rechtsbereich: Dokumentenprüfungen durch ein LLM führen, mit einem definierten Protokoll zur Markierung von Grenzfällen.
Die konkreten Kompetenzen, die zählen: Prompt Engineering für professionelle Aufgaben, Output-Bewertung, Grundlagen der Workflow-Automatisierung (n8n, Make oder ähnliche Tools) — und das Wissen, wann eine KI-Ausgabe menschliche Prüfung braucht und wann nicht.
4. Auf menschenabhängige Arbeitsbestandteile spezialisieren
Jeder Beruf setzt sich aus vielen Aufgaben zusammen. Manche davon lassen sich gut automatisieren — andere kaum. Im Unterricht kann ein KI-Chatbot Hausaufgaben korrigieren, aber keine Schulklasse leiten.
Jeder exponierte Beruf hat solche menschenabhängigen Anteile. Im Gesundheitswesen sind Dokumentation und Dateneingabe stark automatisiert — aber Patientenkommunikation, klinisches Urteilsvermögen und Versorgungskoordination nicht. In der Kreativwirtschaft ist Standardcontent automatisiert — aber originale Konzeptentwicklung, kreative Ausrichtung und Publikumsvertrauen nicht. In der Büroverwaltung sind Terminplanung und Datenformatierung automatisiert — aber Organisationskontext, Stakeholder-Management und Ausnahmebehandlung nicht.
Identifiziere diese Bereiche. Investiere in sie. Bau eine nachweisbare Leistungsgeschichte darin auf.
5. Berufliche Identität an Ergebnissen ausrichten, nicht an Aufgaben
Wenn dein Jobbezeichnung beschreibt, was du tust — schreiben, analysieren, programmieren, recherchieren — beschreibst du Aufgaben. Aufgaben sind das, was KI ausführt. Was KI nicht ersetzen kann, ist die Verantwortung für Ergebnisse.
Ein Finanzanalyst, der Berichte erstellt, steht in einer anderen Position als einer, dem der Investitionsentscheidungsprozess gehört und der KI nutzt, um die Recherche zu beschleunigen. Die zweite Version wird wertvoller, je besser KI wird. Die erste befindet sich direkt in der Kompressionszone.
Das ist keine semantische Verschiebung. Es erfordert, tatsächlich Verantwortung für Ergebnisse zu übernehmen — Qualität managen, Fehler abfangen, externen Kontext integrieren und die Person zu sein, für deren Urteilsvermögen der Kunde bezahlt.
6. Massgeschneiderte KI-Systeme im Unternehmen aufbauen — mit Lab51
Unternehmen und Fachkräfte, die am wenigsten von KI-Disruption betroffen sein werden, sind jene, die KI als Erste einsetzen — nicht als Experiment, sondern als operatives Tool, das in echte Arbeitsabläufe integriert ist.
Bei Lab51 entwickeln wir massgeschneiderte KI-Agenten für Unternehmen. Keine generischen Chatbot-Wrapper. Sondern Agents, die spezifische, wiederholbare Arbeitsprozesse übernehmen: Dokumentenverarbeitung, Kundenanfragen-Management, Vertriebspipeline-Unterstützung, internes Wissensretrieval, Compliance-Reporting und mehr. Jeder Agent wird auf Basis deines tatsächlichen Workflows, deiner Datenstruktur und deiner Qualitätsanforderungen entwickelt.
Für Teams in exponierten Branchen ist die KI-Implementierung auch der Weg, um sichtbar zu machen, welchen Mehrwert ihr auf das System draufsetzt. Du wirst zur Person, die das System aufgebaut hat — nicht zu der, die es ersetzt hat.
Wenn du verstehen möchtest, wie ein massgeschneiderter KI-Agent für deine Rolle oder dein Team aussehen würde, melde dich bei uns:
7. Den Fortschritt vierteljährlich verfolgen — nicht jährlich
Die beobachtete KI-Abdeckung ist keine statische Zahl. Der Trend zeigt langfristig in Richtung grösserer Automatisierung. Stand November 2025 entfallen 52 % der Claude-Gespräche auf Augmentation und 45 % auf Automatisierung — eine Umkehrung des August-2025-Peaks, als automatisierte Nutzung erstmals kurzzeitig die augmentierte überholte.
Das Verhältnis zwischen automatisierter und augmentierter Nutzung verschiebt sich. Diese Verschiebung wirkt graduell — bis sie es plötzlich nicht mehr tut. Leg dir eine Kalender-Erinnerung an: Alle drei Monate prüfen, was KI-Tools in deinem Fachbereich heute können, was sie vor drei Monaten noch nicht konnten. Dann entsprechend anpassen.
Was die Daten nicht sagen
Anthropics Bericht ist in diesem Punkt sorgfältig, und es lohnt sich, das zu wiederholen: Bislang gibt es keine messbaren Auswirkungen auf die Arbeitslosenquote in den am stärksten exponierten Berufen. Keine Branche wird geleert. Was sich verändert, ist die Zusammensetzung der Arbeit, die Wertverteilung innerhalb von Rollen — und der Zugang zu Einstiegsstellen.
Die eigentliche Sorge ist eine andere: Die Aufgaben, aus denen dein Job besteht, werden neu bewertet. Wer diese Aufgaben noch hauptsächlich selbst ausführt, anstatt die Systeme zu steuern, zu evaluieren und zu verbessern, die sie ausführen, wird von dieser Neubewertung erfasst.
Das Zeitfenster für die Anpassung ist offen. Es wird enger.
Jetzt handeln, nicht abwarten
Die KI-Transformation in Unternehmen folgt keinem gleichmässigen Rhythmus. Sie beschleunigt sich in Schüben — dann, wenn ein Tool einen Qualitätssprung macht, wenn ein Wettbewerber einen Prozess automatisiert oder wenn ein Kunde anfängt, andere Massstäbe anzulegen.
Unternehmen, die KI-Agenten und ai gestützte Prozesse frühzeitig in ihre Workflows integrieren, gewinnen einen messbaren Vorsprung — nicht nur in der Effizienz, sondern auch in der Fähigkeit, die nächste Automatisierungswelle zu absorbieren, ohne disruptiert zu werden.
Die Daten zeigen: Der richtige Zeitpunkt für KI Implementierung ist nicht dann, wenn alle anderen es tun. Er ist jetzt.
Lab51 entwickelt massgeschneiderte KI-Agenten für Unternehmen, die bereit sind, von KI-Experimenten zu operativen Deployments überzugehen. Mehr dazu auf lab51.io.
