Pew-Umfrage: 46 Prozent erwarten weltweit weniger Jobs durch KI

46 Prozent erwarten weltweit weniger Jobs durch KI

Im Median über 37 Länder sagen 46 Prozent der Befragten, dass künstliche Intelligenz zu weniger Arbeitsplätzen führen wird. 13 Prozent erwarten keinen großen Unterschied, nur 9 Prozent rechnen mit mehr Jobs. Etwa ein Viertel der Befragten ist unsicher. Das geht aus einer neuen globalen Umfrage des Pew Research Center hervor. In 34 der 37 untersuchten Länder ist 'weniger Jobs' die häufigste Antwort. Die Erhebung zeigt, dass die Sorge vor Arbeitsplatzverlusten durch KI weltweit verbreitet ist, auch wenn die Einschätzungen je nach Land stark auseinandergehen. Die Ergebnisse basieren auf Befragungen in Ländern mit unterschiedlichem Einkommensniveau; die Methodik der Originalstudie lag nicht vor. Pew weist darauf hin, dass sich die Meinungen vielerorts noch bilden: In etlichen Ländern gibt rund ein Fünftel der Erwachsenen oder mehr an, unsicher zu sein, wie KI die Arbeitsplätze ihres Landes beeinflussen wird.

USA: Pessimismus steigt auf 71 Prozent

In den USA ist der Pessimismus besonders ausgeprägt: 71 Prozent der Befragten erwarten, dass KI zu weniger Arbeitsplätzen führt. Vor zwei Jahren lag dieser Anteil noch bei 64 Prozent, ein Anstieg um 7 Prozentpunkte. Die USA sind das einzige Land, in dem Pew diese Frage bereits zuvor gestellt hat. Eine separate Pew-Umfrage unter 5.273 erwerbstätigen US-Erwachsenen zeigt ein gemischtes Bild: 52 Prozent sind besorgt über die künftige Nutzung von KI am Arbeitsplatz, 32 Prozent denken, dass KI langfristig zu weniger Jobchancen für sie führen wird. Gleichzeitig geben 36 Prozent an, hoffnungsvoll zu sein, und 33 Prozent fühlen sich überfordert. Aktuell nutzen 16 Prozent der Beschäftigten KI bei der Arbeit. Die Sorge zieht sich durch alle Alters- und Einkommensgruppen, wobei jüngere Beschäftigte häufiger überfordert sind als ältere.

Junge Erwachsene und reiche Länder besonders skeptisch

Die Sorge vor KI-bedingtem Jobverlust ist in Ländern mit höherem Bruttoinlandsprodukt pro Kopf tendenziell stärker ausgeprägt. In wohlhabenden Ländern wie Australien, Südkorea und den USA sagen rund sieben von zehn Erwachsenen oder mehr, dass KI in den nächsten 20 Jahren zu Arbeitsplatzverlusten führen wird. Auch das Alter spielt eine Rolle: In einer Reihe von Ländern ist die Sorge bei jungen Erwachsenen zwischen 18 und 34 Jahren häufiger als bei Menschen ab 50 Jahren. Das gilt für einkommensstarke Länder wie Kanada, Frankreich, Singapur und Schweden ebenso wie für Länder mittleren Einkommens wie Indien, Indonesien und Malaysia. Ältere Erwachsene sind in einigen Ländern dagegen häufiger unsicher, wie KI die Arbeitsplätze beeinflussen wird. In vielen Ländern gibt rund ein Fünftel der Erwachsenen oder mehr an, unsicher zu sein; in einigen Ländern mittleren Einkommens sind es rund vier von zehn. Pew betont, dass dieses Muster nicht universell ist, aber in vielen der untersuchten Länder beobachtet wurde.

Nigeria, Thailand, Philippinen: Ausnahmen von der Regel

Nigeria ist das einzige der 37 Länder, in dem mehr Menschen mehr Jobs (27 Prozent) als weniger Jobs (26 Prozent) durch KI erwarten. In Thailand und den Philippinen übertrifft die Antwort 'unsicher' die Antwort 'weniger Jobs' deutlich: In Thailand sagen 49 Prozent unsicher gegenüber 32 Prozent weniger Jobs, auf den Philippinen 54 Prozent unsicher gegenüber 26 Prozent weniger Jobs. Diese Abweichungen zeigen, dass die Erwartungen an KI und Arbeitsplätze nicht überall gleich pessimistisch sind. In Nigeria könnte die Hoffnung auf neue Arbeitsplätze durch KI mit der wirtschaftlichen Entwicklung zusammenhängen, doch die Umfrage liefert dafür keine direkte Erklärung. Pew weist lediglich darauf hin, dass in Ländern mit niedrigerem Einkommen der Anteil der Unsicheren oft höher ist.

Was die Daten zur KI-Exposition zeigen

Eine Analyse des Pew Research Center aus dem Jahr 2022 zeigt, wie stark US-Arbeitnehmer technisch von KI betroffen sein könnten. Demnach waren 19 Prozent der US-Arbeitnehmer in Jobs mit der höchsten KI-Exposition beschäftigt, 23 Prozent in Jobs mit der geringsten Exposition. Die Exposition ist branchenabhängig: In den professionellen, wissenschaftlichen und technischen Dienstleistungen sind 52 Prozent der Beschäftigten stark exponiert, in Finanzen, Versicherung und Immobilien 37 Prozent und in der öffentlichen Verwaltung 36 Prozent. Am geringsten exponiert sind sonstige Dienstleistungen mit 48 Prozent, Management und Verwaltung mit 45 Prozent sowie Beherbergung und Gastronomie mit 43 Prozent. Auch Bildung und Geschlecht spielen eine Rolle: Arbeitnehmer mit mindestens einem Bachelor-Abschluss sind mit 27 Prozent mehr als doppelt so häufig in Jobs mit höchster KI-Exposition wie Beschäftigte mit nur High-School-Abschluss (12 Prozent). Frauen sind mit 21 Prozent häufiger betroffen als Männer mit 17 Prozent. Die Analyse basiert auf O*NET-Daten und einer Umfrage unter 11.004 US-Erwachsenen vom Dezember 2022.

McKinsey: Automatisierungspotenzial ist kein Schicksal

Das McKinsey Global Institute schätzt, dass aktuelle Technologien theoretisch etwa 57 Prozent der US-Arbeitsstunden automatisieren könnten. Die Beratungsfirma betont jedoch, dass diese Zahl das technische Potenzial in Aufgaben misst und nicht einen unvermeidlichen Jobverlust bedeutet. Der wirtschaftliche Wert dieser Automatisierung wird für die USA bis 2030 auf rund 2,9 Billionen US-Dollar geschätzt. Entscheidend ist laut McKinsey, dass über 70 Prozent der heute von Arbeitgebern nachgefragten Fähigkeiten sowohl in automatisierbarer als auch in nicht automatisierbarer Arbeit genutzt werden. Das bedeutet, dass die meisten Fähigkeiten relevant bleiben, sich aber die Art und Weise ihrer Anwendung verändern wird. Damit steht die technische Analyse im Kontrast zur öffentlichen Erwartung: Während 46 Prozent der Befragten in 37 Ländern weniger Jobs erwarten, sieht McKinsey Automatisierungspotenzial nicht als Schicksal, sondern als Gestaltungsaufgabe, die von menschlicher Führung und organisatorischer Neuausrichtung abhängt. Die Diskrepanz erklärt sich aus unterschiedlichen Messgrößen: öffentliche Erwartung versus technisches Potenzial.