IAO: Generative KI und Arbeitsplätze — Globale Auswirkungsanalyse und zentrale Ergebnisse

Die Studie der Internationalen Arbeitsorganisation (IAO) von 2024 stellt die umfassendste globale Analyse der potenziellen Auswirkungen generativer KI auf die Beschäftigung dar. Anders als Studien, die sich auf wohlhabende Nationen konzentrieren, modelliert die IAO die Auswirkungen explizit über verschiedene Einkommensstufen hinweg — und die Ergebnisse stellen gängige Narrative über KI und Arbeitsplätze in Frage.

Zentrale Ergebnisse

• Die meisten Arbeitsplätze sind eher Augmentation als Ersetzung ausgesetzt. Die IAO schätzt, dass 5,5 % der Gesamtbeschäftigung in Hocheinkommensländern potenziell durch generative KI automatisiert werden könnten, während 18,3 % eine signifikante Augmentation erfahren könnten. Für die meisten Arbeitnehmer wird KI eher Aufgaben innerhalb ihrer Rolle verändern, als die Rolle gänzlich zu eliminieren.
• Bürotätigkeiten weisen die höchste Automatisierungsexposition auf. Über alle Regionen hinweg sind Büroberufe (Dateneingabe, Buchhaltung, Gehaltsabrechnung) am stärksten gefährdet — rund 24 % der Büroaufgaben gelten als hochgradig automatisierungsgefährdet.
• Die Auswirkungen sind ungleich nach Landeseinkommen verteilt. In Niedrigeinkommensländern sind nur 0,4 % der Beschäftigung von Automatisierungsrisiko betroffen — hauptsächlich weil diese Volkswirtschaften weniger der bürobasierten Tätigkeiten aufweisen, auf die generative KI abzielt. Hocheinkommensländer sind 13-mal stärker exponiert.
• Frauen sind überproportional betroffen. In Hocheinkommensländern sind 7,8 % der weiblichen Beschäftigung potenziell automatisierungsgefährdet, verglichen mit 2,9 % der männlichen Beschäftigung — bedingt durch den höheren Frauenanteil in Büroberufen.
• Entwicklungsländer könnten am meisten von Augmentation profitieren. Die Studie stellt fest, dass das KI-Augmentationspotenzial auch in Niedrigeinkommensländern erheblich ist, was darauf hindeutet, dass generative KI die Produktivität steigern könnte, ohne Arbeitsplätze zu vernichten — vorausgesetzt, die Einführung wird von angemessener Politikunterstützung begleitet.

Was das für Ihre Karriere bedeutet

Die Unterscheidung der IAO zwischen Augmentation und Automatisierung ist entscheidend. Wenn Sie in einem Büro- oder Verwaltungsberuf in einem Hocheinkommensland arbeiten, ist das Signal eindeutig: Aufgabenautomatisierung kommt, und die Frage ist wann, nicht ob. Allerdings zeigt die Studie auch, dass selbst innerhalb exponierter Berufe die meisten Aufgaben Urteilsvermögen, Kontext und menschliche Koordination erfordern, die KI eher unterstützt als ersetzt.

Für Arbeitnehmer in Entwicklungsländern sind die Ergebnisse differenzierter. Die geringere Automatisierungsexposition ist teilweise strukturell bedingt — weniger digitalisierte Arbeitsabläufe bedeuten weniger Angriffsfläche für KI. Aber die Augmentationschance ist real: KI-Tools könnten Arbeitnehmern in diesen Volkswirtschaften helfen, Produktivitätsengpässe zu überspringen — vorausgesetzt, Zugang und Ausbildung sind verfügbar.

Die zentrale Erkenntnis: „KI-Exposition" ist nicht gleich „Arbeitsplatzverlust". Das Framework der IAO widerspricht vereinfachenden Ersetzungsnarrativen und betont, dass die Ergebnisse stark von Politik, betrieblicher Einführung und individueller Anpassung abhängen.

Daten-Highlights

• 5,5 % der Arbeitsplätze in Hocheinkommensländern sind potenziell durch generative KI automatisierbar
• 18,3 % der Arbeitsplätze in Hocheinkommensländern könnten signifikante Augmentation erfahren
• 24 % der Büroaufgaben sind hochgradig automatisierungsgefährdet
• 0,4 % der Beschäftigung in Niedrigeinkommensländern ist von Automatisierung betroffen
• 2,7-mal höheres Automatisierungsrisiko für Frauen gegenüber Männern in Hocheinkommensländern

Methodik

Die IAO-Studie verwendet ein aufgabenbasiertes Analyserahmenwerk auf Grundlage der Berufsklassifikation ISCO-08 und umfasst 167 Länder. Die Forscher ordneten generative KI-Fähigkeiten spezifischen Aufgaben innerhalb jedes Berufs zu und bewerteten die Exposition auf granularer Basis, anstatt ganze Berufe binär als „automatisierbar" oder „sicher" zu behandeln. Die Analyse unterscheidet zwischen Aufgaben mit hohem Automatisierungspotenzial (KI könnte die Aufgabe eigenständig ausführen) und Augmentationspotenzial (KI könnte die Arbeitsleistung verbessern). Länderspezifische Schätzungen berücksichtigen Unterschiede in der Berufsstruktur verschiedener Einkommensgruppen.