Seit der Einführung generativer KI-Modelle, die etwa hinter ChatGPT, Claude oder Gemini stehen, sprechen immer mehr CEOs von einem tiefgreifenden Wandel in der Wissensarbeit. Amazon, JP Morgan Chase, IBM, Klarna und viele andere haben angedeutet, dass KI einen spürbaren Einfluss auf ihre Personalplanung habe und zum Abbau Tausender Stellen führe. Doch eine neue Studie von Thomas H. Davenport und Laks Srinivasan stellt dieses Narrativ infrage. In einer globalen Umfrage unter 1000 Führungskräften gaben zwar 60 Prozent an, dass sie bereits Personal abgebaut oder Neueinstellungen zurückgefahren haben, weil sie davon ausgehen, dass KI Prozesse effizienter macht. Allerdings räumten die meisten Befragten ein, dass diese Produktivitätseffekte bislang kaum messbar seien. Nur zwei Prozent hatten bereits „substanzielle“ Headcount-Reduktionen auf Basis konkreter KI-Implementierungen vorgenommen. Eine Mehrheit der Organisationen hat dennoch bereits Personal reduziert: 39 Prozent in geringem bis mittlerem, 21 Prozent in großem Umfang – jeweils „in Erwartung“ von KI-Produktivitätsgewinnen. Weitere 29 Prozent stellen weniger ein als üblich, ebenfalls in Erwartung künftiger KI-Effekte. Während der Techsektor die Speerspitze dieser Entwicklung bildet, zeigt sich ein differenziertes Bild in anderen Branchen. In der Industrie, im Gesundheitswesen oder in der öffentlichen Verwaltung ist der KI-bedingte Personalabbau bislang kaum messbar. Europa hängt bei der Automatisierung zurück In Europa ist die Dynamik generell langsamer als in den USA: Laut einer OECD-Studie sehen nur zwölf Prozent der befragten Unternehmen in Deutschland KI als kurzfristige Ersatztechnologie, während es in den USA 28 Prozent sind. Mitbestimmung, Arbeitsrecht und ein stärkerer Fokus auf Weiterqualifizierung hemmen hierzulande eine schnelle Automatisierung. Davenport und Srinivasan ordnen diese Debatte in ein bekanntes Muster ein: Prognosen zum Arbeitsmarkteffekt neuer Technologien lagen häufig daneben, sowohl beim Ausmaß möglicher Jobverluste als auch bei der Zahl neuer Tätigkeiten und vor allem beim Tempo der Anpassung. Generative KI stehe zudem noch am Anfang, und wie frühere Basistechnologien benötige sie Zeit, bis sich Effekte in Organisationen und Arbeitsmärkten durchsetzen. KI-Effekte schwierig zu bewerten 44 Prozent der Befragten bezeichneten generative KI als am schwierigsten zu bewertende KI-Form, auch schwieriger als analytische, deterministische oder agentische KI. Gleichzeitig gaben 90 Prozent an, ihre Organisation erziele mit KI insgesamt einen moderaten oder hohen Wertbeitrag. Ein Kernpunkt ist die Abgrenzung zwischen Aufgaben und Berufen. KI automatisiere typischerweise einzelne Aufgaben, nicht komplette Jobs. Als Beispiel wird eine frühere Prognose des Nobelpreisträgers Geoffrey Hinton zitiert, wonach KI Radiologen binnen fünf Jahren übertreffen werde. Ein Jahrzehnt später gebe es dafür kein Indiz in Form verlorener Stellen, auch weil Radiologen weit mehr tun, als Bilder zu lesen, und weil es in dem Beruf sogar Engpässe gebe. Diese Praxis hat Kosten. Wer Entlassungen oder Einstellungsstopps mit KI begründe, könne bei verbleibenden Beschäftigten Angst vor weiteren Jobverlusten auslösen und damit die Bereitschaft senken, KI produktiv zu erproben. Unzutreffende Begründungen könnten außerdem Zynismus gegenüber KI fördern und die gesellschaftliche Skepsis verstärken. Die Autoren verweisen auf eine Umfrage aus 2025, wonach die Hälfte der Amerikaner der zunehmenden KI-Nutzung eher besorgt als begeistert gegenübersteht. Mehr Sorge könne wiederum Konsumenten davon abhalten, KI-basierte Produkte und Dienstleistungen zu nutzen. Effekte bei IT-Dienstleistern und Beratern deutlich sichtbar Komplizierter wird die Bewertung der KI-Effekte, da in einigen Branchen durchaus schon eindeutige Jobeffekte zu beobachten sind. Zum Beispiel verlieren große IT-Dienstleister ihren Ruf als Jobmotor. Unternehmen wie Tata Consultancy Services, Infosys, Wipro und HCLTech bauen seit Monaten Zehntausende Stellen ab oder stellen kaum noch ein. Während die Branche zu Beginn des Jahrzehnts jährlich mehr als 100.000 neue Jobs geschaffen hat, stagniert die Beschäftigung inzwischen. Haupttreiber des Wandels ist der zunehmende Einsatz Künstlicher Intelligenz. KI-gestützte Programmierung, Automatisierung und KI-Agenten ermöglichen Produktivitätsgewinne im Softwareeinsatz und der Beratung ohne zusätzliche Arbeitskräfte. Wachstum ist damit nicht länger an steigende Mitarbeiterzahlen gekoppelt. Zugleich wächst die Unsicherheit über die langfristige Nachfrage nach klassischen Outsourcing-Dienstleistungen, da die KI generierten Code billiger und schneller bereitstellt. Das hat zu einer Insourcing-Welle geführt, die viele etablierte Dienstleister unter Druck setzt. Klarna und Duolingo im Kreuzfeuer Als Beispiele für AI-Washing nennen die Autoren Unternehmen, die nach KI-bedingten Personalentscheidungen Gegenwind bekamen. Klarna hatte die Belegschaft zwischen 2022 und 2024 um 40 Prozent reduziert und dies unter anderem mit dem Einsatz von KI begründet. 2025 hatte der Chef Sebastian Siemiatkowski eingeräumt, man habe zu viel Arbeit an KI übergeben, besonders im Kundenservice. Auch Duolingo hatte angekündigt, KI solle viele freie Mitarbeiter ersetzen, und hat dafür starke Kritik in sozialen Medien erhalten. Statt voreilig Entlassungen mit KI zu verknüpfen, empfehlen die Autoren einen pragmatischeren Implementierungsweg. Erstens seien eng umrissene, problemorientierte Unternehmensanwendungen von generativer KI erfolgversprechender, weil sie Wertbeiträge wahrscheinlicher machen und die Folgen für Jobs in einem klaren Bereich messbar werden. Solche „Narrow and deep“-Use-Cases beträfen oft nur eine oder wenige Rollen, etwa in der Programmierung oder im Kundenservice, und ließen sich am besten über kontrollierte Experimente mit und ohne KI evaluieren. Zweitens solle Personalabbau inkrementell erfolgen und, wo möglich, über natürliche Fluktuation statt über große Entlassungswellen. Drittens plädieren die Autoren für Prozessneugestaltung mit KI als Hebel, idealerweise unter Einbindung der Beschäftigten, um neue Workflows zu entwickeln. Viertens müsse die positive Rolle von KI klar kommuniziert werden: Wenn KI als Mittel dargestellt wird, Beschäftigte von Routinen zu entlasten und höherwertige Aufgaben zu ermöglichen, seien Organisationen erfolgreicher als bei der Erzählung, KI diene primär dem Stellenabbau. Produktivitätszuwächse – ja, aber begrenzt Wissenschaftliche Studien zeigen, dass generative KI durchaus Potential zur Effizienzsteigerung bietet – aber nicht flächendeckend und nicht sofort. Brynjolfsson und sein Forscherteam haben in einem Feldexperiment bei einem Softwaredienstleister eine Produktivitätssteigerung von etwa 14 Prozent bei Junior-Mitarbeitenden im Kundenservice ermittelt. Bei erfahrenen Kräften war der Effekt geringer. In der Softwareentwicklung liegt der Produktivitätsgewinn laut Microsoft Research zwischen zehn und 15 Prozent – allerdings unter idealtypischen Bedingungen.