Anthropic-Studie: 94 % aller Tech-Jobs könnten von KI übernommen werden – tatsächlich passieren nur 36 %

Anthropic hat im März 2026 ein Forschungspapier veröffentlicht, das in der schnell-konsumierten Tech-Presse fast komplett missverstanden wurde.

Die Schlagzeile, die durch die Feeds lief, war ungefähr: „94 % aller Computer- und Mathe-Jobs sind durch KI gefährdet.”

Die eigentliche Aussage des Papiers ist eine andere – und nüchtern betrachtet wesentlich interessanter:

Theoretisch könnte KI in vielen Wissensberufen den allergrößten Teil der Aufgaben übernehmen. Tatsächlich tut sie das in keinem einzigen Berufsfeld auch nur annähernd.

Diese Lücke – Anthropic nennt sie den „theory-practice gap” – ist im Mai 2026 die wichtigste Zahl auf dem Arbeitsmarkt. Und sie ist deutlich weniger dramatisch, als die Headlines suggerieren. Lass uns das einsortieren.

Was die Studie wirklich gemessen hat

Das Paper heißt offiziell „Labor market impacts of AI: A new measure and early evidence” und wurde am 6. März 2026 als Teil des Anthropic Economic Index veröffentlicht. Methodisch interessant ist es deshalb, weil Anthropic – anders als die meisten anderen Akteure – nicht über theoretische Modelle spekuliert, sondern echte Claude-Nutzungsdaten gegen die Berufsklassifikationen des US Bureau of Labor Statistics legt.

Das Ergebnis sind zwei Werte pro Berufsgruppe:

• „Theoretical Exposure” – wie viel Prozent der Aufgaben könnte ein aktuelles Frontier-Modell laut den von Claude beobachteten Fähigkeiten übernehmen?
• „Observed Coverage” – wie viel Prozent der Aufgaben passiert tatsächlich gerade auf Claude?

Für Computer- und Mathematik-Berufe – also Software-Engineering, Datenanalyse, IT-Operations – liegen diese Werte bei etwa 94 % theoretisch und rund 33–36 % beobachtet. Das sind die Zahlen, die in der LinkedIn-Kurzfassung gegenübergestellt werden.

Fortune fasst die Magnitude zusammen: Bei den am stärksten exponierten Profession – Computer-Programmierern – decken LLMs heute schon 75 % der einzelnen Tasks ab. Aber dieser Wert reicht nirgendwo dazu, ganze Berufe wegfallen zu lassen.

Die zentrale Lücke: ~60 Prozentpunkte

In den Folge-Reports und Tech-Pressestimmen (Fortune, TechInformed, Euronews) wird genau diese Lücke immer wieder beschrieben:

• Computer & Math: ~94 % theoretisch, ~33 % beobachtet → ca. 60 Punkte Gap
• Office & Administrative Support: ~90 % theoretisch, ~25 % beobachtet → ca. 65 Punkte Gap
• Business & Financial Operations: ~85 % theoretisch, ~20 % beobachtet → ca. 65 Punkte Gap

(Hinweis: Die exakten Prozentwerte variieren leicht zwischen den Anthropic-Berichten der letzten Monate, weil die Definition von „Task” zwischen ONET-Modell und Claude-Nutzungsklassifikation kalibriert wird. Die Größenordnung – „theoretisch 80–95 %, real 20–35 %” – ist in allen Auswertungen stabil.)

Was bedeutet das praktisch? Es bedeutet: Die Technik kann mehr, als sie tut. Der Engpass ist nicht das Modell – der Engpass ist die Integration in echte Arbeitsabläufe, in Compliance-Regeln, in Software-Stacks, in Vertrauen, in Workflow-Design.

Genau das ist das, womit ich in meiner Arbeit als KI-Trainer und Enabler täglich beschäftigt bin. Und es ist gleichzeitig die wichtigste Beruhigungs-Nachricht für jeden, der sich um seinen Job sorgt.

Warum die Lücke so groß ist – fünf Gründe

Anthropic nennt die Gründe für den Theorie-Praxis-Gap explizit. Ich übersetze sie mal in den Alltag von deutschen Unternehmen, weil sich das oft fast wörtlich wiederfindet:

1. Modellgrenzen für spezifische Aufgaben. „Theoretisch könnte KI das” heißt nicht „in dieser konkreten Domäne mit dieser konkreten Tooltreue”.
2. Compliance, Recht, Audit. In regulierten Branchen ist eine 90 %-Lösung oft die 0 %-Lösung. Wer in der Bank oder im Gesundheitssektor unterwegs ist, kennt das.
3. Software-Integration. KI ist nutzlos, wenn sie nicht in das ERP/CRM/PSA-System hineinreicht, in dem die Arbeit stattfindet. Die meisten Branchen sind hier im Mai 2026 noch sehr früh.
4. Mensch-Review als Pflichtschritt. Solange wir nicht entschieden haben, welche Outputs ohne menschliche Freigabe rausgehen dürfen, bleibt die Adoption auf „Co-Pilot” beschränkt.
5. Adoption-Lag. Tools werden gekauft, dann ausgerollt, dann ignoriert, dann wieder ausgerollt, dann genutzt. Das dauert.

Anthropic fasst es nüchtern zusammen: Die Realwirtschaft passt sich langsamer an, als die Benchmarks suggerieren. Das ist keine Schwäche der KI – das ist eine Eigenschaft von komplexen Organisationen.

Die zweite, weniger zitierte Hauptaussage

Was in den meisten Zusammenfassungen untergeht, ist der vielleicht wichtigste Befund des Papiers. TechInformed bringt ihn auf den Punkt:

Anthropic findet keinen systematischen Anstieg der Arbeitslosigkeit in hoch exponierten Berufen seit Ende 2022.

Das ist eine erstaunliche Aussage. Drei Jahre nach dem ChatGPT-Launch, in einer Zeit, in der nahezu jede:r Wissensarbeiter:in regelmäßig mit KI in Berührung kommt, gibt es schlicht keine breite empirische Evidenz für einen „KI-Jobs-Schock”.

Mit zwei wichtigen Caveats:

• Hiring slows. Anthropic findet „suggestive evidence”, dass speziell die Einstellung junger Beschäftigter in exponierten Berufen langsamer geworden ist. Das ist nicht „Massenkündigungen”, aber ein Frühwarnsignal: Wer 2026 als Junior-Programmer:in oder Junior-Analyst:in in den Markt kommt, hat es härter als noch 2022.
• Demografie der Betroffenen. Hoch-exponierte Berufe sind laut Anthropic eher älter, weiblicher dominiert, höher gebildet und besser bezahlt. Das ist ein ungewohntes Muster – „weiße Männer mit Schulabschluss” werden hier eben nicht zuerst getroffen.

Was das für deine Berufsplanung heißt

Drei nüchterne Schlüsse für alle, die in der eigenen Karriere oder im Team planen:

1. Ruhe bewahren – aber bewusst zuhören. Der „Großalarm-Modus” der letzten Jahre war übertrieben. Niemand verliert seinen Job am Montag, weil ChatGPT besser geworden ist. Aber die Schraube zieht sich langsam an: weniger Junior-Roles, mehr Senior-Anforderungen, mehr Erwartung an KI-Kompetenz oben drauf.

2. Tasks > Jobs. Anthropics ganze Methodik macht eines deutlich: KI verändert Aufgaben, nicht ganze Berufe. Die wichtige Frage ist nicht „bin ich gefährdet?”, sondern „welche meiner 20–30 Wochenaufgaben werden automatisiert, und welche neuen kommen hinzu?”.

3. Die 60-Punkte-Lücke ist die Marktlücke. Das ist meine zentrale These als KI-Enabler: Genau in der Differenz zwischen 94 % Theorie und 36 % Praxis liegt die Marktmöglichkeit der nächsten fünf Jahre. Wer Unternehmen hilft, ihre Workflows in Richtung der theoretisch möglichen Adoption zu bewegen – sauber, sicher, mit Change-Begleitung –, der baut gerade ein extrem stabiles Geschäft. Genau dafür gibt es Leute wie mich.

Was die Studie nicht sagt

Damit das hier nicht nach „alles wird gut” klingt, drei Caveats:

• Die Daten basieren auf Claude-Nutzung, nicht auf dem gesamten KI-Markt. Wenn ChatGPT, Gemini, Copilot und Mistral in bestimmten Berufen anders genutzt werden, ist die Beobachtungs-Quote unterschätzt.
• Der Beobachtungszeitraum endet im Frühjahr 2026. Agentic AI – Modelle, die mehrstufige Aufgaben selbstständig ausführen – beginnt gerade erst, Workflows umzubauen. Die nächste Welle der Adoptionskurve ist im Datensatz noch nicht voll sichtbar.
• „Keine systematische Arbeitslosigkeit” ist ein US-Befund. Für Deutschland, mit seinem trägeren Arbeitsmarkt und stärkerer Kündigungsschutz-Logik, kann das anders aussehen – verzögert sichtbar werden, aber dann steiler.

Fazit: Die wichtigste Zahl ist nicht 94 %, sondern 60

94 % ist die Schlagzeile. 36 % ist die Realität. 60 Prozentpunkte sind die Lücke.

Und genau in dieser Lücke entscheidet sich gerade alles. Nicht „nimmt KI mir den Job weg?”, sondern „in welchem Tempo füllen wir diese Lücke – und mit wem, mit welchen Tools, mit welchem Tempo?”.

Wer in deutschen Unternehmen heute KI ernst nimmt, baut nicht gegen einen Tsunami. Er baut innerhalb eines erstaunlich langen, erstaunlich gut steuerbaren Übergangs.

Meine Frage an dich: Welche zwei oder drei Aufgaben aus deinem Wochenkalender stehen sicher in der Liste der theoretisch automatisierbaren 90 %? Und welche davon hast du gerade aktiv im Übergang – oder versteckst sie noch?

In der Ehrlichkeit auf diese Frage liegt mehr Karriere-Sicherheit als in jeder Job-Studie.

Quellen

• Anthropic Research: Labor market impacts of AI – A new measure and early evidence (März 2026)
• Anthropic Economic Index Report: Learning curves (März 2026)
• Fortune: Anthropic just mapped out which jobs AI could potentially replace
• TechInformed: Anthropic paper finds no AI job shock, but hiring slows
• Euronews: How AI will reshape work – Anthropic identifies the most exposed jobs

Quellen

• Labor market impacts of AI: A new measure and early evidence – Anthropic
• Anthropic Economic Index report: Learning curves (März 2026)
• Anthropic mapped out which jobs AI could potentially replace – Fortune
• Anthropic paper finds no AI job shock, but hiring slows – TechInformed
• How AI will reshape work: Anthropic identifies the most exposed jobs – Euronews