Unter dem digitalen Eisberg: Das MIT misst die Auswirkungen der KI auf die Arbeit

Als das Massachusetts Institute of Technology den Iceberg Index vorstellte, war die Zahl, die die Schlagzeilen beherrschte, die 11,7 % der US-Arbeitskräfte, die technisch durch künstliche Intelligenz ersetzt werden könnten. In Geld ausgedrückt: 1,2 Billionen Dollar an Gehältern. Aber wie so oft bei komplexen Daten verbirgt die beeindruckendste Zahl eine nuanciertere und interessantere Geschichte als die einfache Gleichung "KI gleich Massenarbeitslosigkeit".

Der wahre Beitrag der MIT-Studie, die in Zusammenarbeit mit dem Oak Ridge National Laboratory durchgeführt wurde, besteht nicht darin, die Apokalypse der Arbeitsplätze auszurufen, sondern das erste Messinstrument geschaffen zu haben, das erfasst, was traditionelle Metriken nicht sehen. Während das BIP, die Arbeitslosenquoten und die Beschäftigungsstatistiken die Auswirkungen messen, nachdem der Wandel bereits stattgefunden hat, fotografiert der Iceberg Index die technische Exposition, bevor sich die Transformation in Entlassungen oder Umstrukturierungen niederschlägt.

Die doppelte Messung des Unsichtbaren

Die Metapher des Eisbergs ist kein Zufall. Was wir heute sehen – die Entlassungen im Technologiesektor, die Entwickler, die durch von Sprachmodellen generierten Code ersetzt werden, die neu gestalteten Rollen in der Informationstechnologie – macht nur 2,2 % der Gesamtexposition aus, etwa 211 Milliarden Dollar an Gehältern. Dies ist der sogenannte "Surface Index", die sichtbare Spitze, die sich hauptsächlich in den Küstentechnologiezentren konzentriert.

Aber unter der Oberfläche verbirgt sich eine fünfmal größere Masse: administrative, finanzielle und professionelle Funktionen, die geografisch über alle fünfzig amerikanischen Bundesstaaten verteilt sind. Dies sind die 11,7 %, der wahre Iceberg Index. Die Unterscheidung ist entscheidend, da sie die gängige Annahme widerlegt, dass das KI-Risiko auf das Silicon Valley und die Technologiemetropolen beschränkt ist. Die Daten zeigen stattdessen eine weit verbreitete Exposition, die die Versicherungsbüros in Connecticut, die Logistikzentren in Tennessee und die über das ganze Land verstreuten Finanzabteilungen betrifft.

Die Methodik ist anspruchsvoll, aber in ihren Grundprinzipien verständlich. Das Forschungsteam hat einen sogenannten "digitalen Zwilling" des US-Arbeitsmarktes erstellt, indem es Large Population Models auf dem Supercomputer Frontier des Oak Ridge National Laboratory ausführte. Stellen Sie sich 151 Millionen virtuelle Agenten vor, von denen jeder mit spezifischen Fähigkeiten, Aufgaben, Berufen und geografischen Standorten gekennzeichnet ist. Diese Agenten repräsentieren ebenso viele reale Arbeitnehmer, die auf über 32.000 Fähigkeiten in 923 Berufen in 3.000 Landkreisen abgebildet sind.

An diesem Punkt vergleicht das System diese Fähigkeiten mit den Kapazitäten von etwa 13.000 heute verfügbaren künstlichen Intelligenz-Tools. Das Ergebnis ist keine Vorhersage darüber, wie viele wann entlassen werden, sondern eine Messung, wo sich die Fähigkeiten der KI bereits heute mit den menschlichen Fähigkeiten überschneiden, die zur Ausführung bestimmter Arbeiten erforderlich sind. Bild aus dem offiziellen Paper

Italien im transatlantischen Spiegel

Während das MIT die Vereinigten Staaten fotografiert, hat die Randstad AI & Humanities Foundation ähnliche Methoden auf den italienischen Kontext angewendet und den Bericht "Die Auswirkungen der künstlichen Intelligenz auf die italienischen Arbeitnehmer" erstellt. Die italienischen Zahlen sprechen von 10,5 Millionen Arbeitnehmern mit hohem Automatisierungsrisiko bei einer erwerbstätigen Bevölkerung von 22,4 Millionen, was etwa 47 % der Arbeitskräfte entspricht.

Der methodische Unterschied zwischen den beiden Studien ist signifikant. Während sich der Iceberg Index auf eine einzige Metrik der technischen Exposition konzentriert, unterscheidet der Randstad-Bericht drei Dimensionen: das Risiko der physischen Automatisierung, die Exposition gegenüber kognitiver KI und die Exposition gegenüber maschinellem Lernen. Diese dreifache Unterteilung ermöglicht es, Nuancen zu erfassen, die das US-Modell in einer einzigen Zahl komprimiert.

Die Muster, die sich aus beiden Untersuchungen ergeben, zeigen interessante Parallelen. In beiden Ländern ist die Exposition nicht gleichmäßig verteilt. In Italien üben 43,5 % der stark Exponierten Berufe mit mittlerer Qualifikation aus, während nur 9,9 % zu denen mit hoher Qualifikation gehören. Zu den am stärksten gefährdeten Berufen gehören Logistikmitarbeiter, Kassierer, ungelernte Arbeiter und Call-Center-Mitarbeiter, Rollen, bei denen physische und kognitive Automatisierung zusammenlaufen.

Aber es zeigt sich auch eine signifikante Asymmetrie. Die 8,6 Millionen Italiener, die stark künstlicher Intelligenz (im Gegensatz zur physischen Automatisierung) ausgesetzt sind, sind zu 67,1 % hochqualifizierte Arbeitskräfte: Analysten, Finanzberater, IKT-Fachleute, Forscher, Universitätsprofessoren. Dies ist das italienische Äquivalent der untergetauchten Masse des MIT-Eisbergs, der Angestellten, die in professionellen und administrativen Dienstleistungen arbeiten.

Die Geschlechterunterschiede erzählen in den beiden Kontexten unterschiedliche Geschichten. In Italien sind Männer stärker der physischen Automatisierung ausgesetzt (48,7 %), während Frauen anfälliger für KI und maschinelles Lernen sind (45,6 % bzw. 43,2 %), was eine berufliche Segregation widerspiegelt, bei der Frauen stärker in Rollen vertreten sind, die Verwaltungssoftware, CRM und Dateneingabeaktivitäten nutzen. Dies ist ein Muster, das den US-Daten ähnelt, wo die kognitive Exposition – die unter der Oberfläche – branchenübergreifend die Sektoren betrifft, in denen die weibliche Präsenz historisch höher ist.

Die Architektur der Simulation

Um zu verstehen, was der Iceberg Index wirklich misst, muss man sich seine technische Architektur ansehen. Das System beschränkt sich nicht darauf, statische Datenbanken abzugleichen, sondern simuliert dynamisch Milliarden von Interaktionen zwischen Arbeitnehmern, Fähigkeiten und KI-Tools unter Verwendung dessen, was die Forscher "Extended Population Models" nennen.

Der Supercomputer Frontier – derzeit einer der leistungsstärksten der Welt – verarbeitet Billionen von Datenpunkten unter Berücksichtigung von Faktoren wie technologischer Reife, Adoptionsverhalten und regionalen Besonderheiten. Jede Simulation modelliert nicht nur, ob KI eine bestimmte Aufgabe technisch ausführen kann, sondern auch, wie sich diese Fähigkeit durch lokale Wirtschaftsnetzwerke ausbreitet. Wenn ein Computer-Vision-System die Qualitätskontrolle in einem Automobilwerk automatisiert, breiten sich die Folgen über die Lieferketten, die Logistikabläufe und die lokalen Dienstleistungswirtschaften aus.

Hier unterscheidet sich der Ansatz des MIT von früheren Studien zur Automatisierung. Während Forschungen wie die von Frey und Osborne aus dem Jahr 2013 versuchten vorherzusagen, welche Berufe automatisiert würden, misst der Iceberg Index, welcher Teil des Lohnwerts jedes Berufs den Fähigkeiten entspricht, die KI bereits ausführen kann. Es handelt sich nicht um eine binäre Vorhersage "dieser Job wird verschwinden", sondern um eine granulare Messung der technischen Überschneidung.

Prasanna Balaprakash, Direktor des Oak Ridge National Laboratory und Co-Leiter der Forschung, fasste es treffend zusammen: "Wir schaffen einen digitalen Zwilling für den amerikanischen Arbeitsmarkt." Ein Zwilling, der es politischen Entscheidungsträgern ermöglicht, hypothetische Szenarien zu testen, bevor sie Milliarden in Umschulungsprogramme oder Infrastruktur investieren.

Tennessee, Utah und North Carolina nutzen den Index bereits für die strategische Planung. Tennessee zitierte den Iceberg Index ausdrücklich in seinem AI Workforce Action Plan vom November 2025. Die Senatorin von North Carolina, DeAndrea Salvador, die eng mit dem MIT zusammengearbeitet hat, betonte die Fähigkeit des Tools, bis auf die Ebene einzelner Zensusblöcke herunterzugehen und zu zeigen, welche Fähigkeiten sich in bestimmten Gebieten konzentrieren und wie wahrscheinlich es ist, dass sie automatisiert oder erweitert werden. Bild aus dem offiziellen Paper

Die Risse an der Oberfläche

Aber was misst der Iceberg Index wirklich? Hier ist eine grundlegende Unterscheidung erforderlich, die in journalistischen Zusammenfassungen oft verloren geht: Die Studie quantifiziert die technische Exposition, nicht die Verdrängung von Arbeitsplätzen. Die Tatsache, dass KI technisch 40 % der Aufgaben eines Finanzanalysten ausführen kann, bedeutet nicht, dass 40 % der Finanzanalysten morgen entlassen werden.

Wie die Forscher selbst betonen, erklären traditionelle Metriken wie BIP, Medianeinkommen und Arbeitslosenquoten weniger als 5 % der Varianz in der kompetenzbasierten Exposition. Dies unterstreicht, warum neue Indizes benötigt werden, zeigt aber auch ihre inhärenten Grenzen auf: Die technische Fähigkeit ist notwendig, aber nicht ausreichend, um die Transformation der Arbeit vorherzusagen.

Die Faktoren, die zwischen technischer Fähigkeit und tatsächlicher Einführung vermitteln, sind vielfältig und komplex. Die wirtschaftliche Zweckmäßigkeit ist nur einer davon. Ein Unternehmen kann feststellen, dass die Automatisierung einer Funktion mehr kostet als ihre Beibehaltung, zumindest kurzfristig. Die Dynamik der sozialen Akzeptanz spielt eine Rolle: Patienten ziehen es möglicherweise vor, mit menschlichen Krankenschwestern zu interagieren, auch wenn KI administrative Aspekte der Pflege übernehmen kann. Vorschriften können die Einführung in bestimmten Sektoren verlangsamen oder beschleunigen.

Die Studie hat auch explizite methodische Einschränkungen. Sie schließt bewusst fortschrittliche physische Robotik und noch in der Entwicklung befindliche Grenzmodelle aus und konzentriert sich auf das, was technisch jetzt verfügbar ist. Die Annahmen über die Übertragbarkeit von Fähigkeiten – wie leicht ein Arbeitnehmer von einem exponierten zu einem weniger exponierten Beruf wechseln kann – sind im Vergleich zur chaotischen Realität der realen Arbeitsmärkte zwangsläufig vereinfacht.

Die journalistische Debatte nach der Veröffentlichung hat diese Spannung deutlich gemacht. Einige Kommentatoren haben die Studie dafür kritisiert, die Risiken übertrieben darzustellen, andere dafür, sie unterschätzt zu haben. Das American Enterprise Institute hat argumentiert, dass ähnliche Analysen Daten ignorieren, die zeigen, wie KI einige Formen der Ungleichheit verringert, indem sie weniger qualifizierten Arbeitnehmern ermöglicht, durch kognitive Erweiterungswerkzeuge produktiver zu werden.

Die politischen Antworten auf dem Spielfeld

Während Akademiker messen und Think Tanks debattieren, bewegen einige Gesetzgeber bereits konkrete Spielfiguren. In den Vereinigten Staaten stellt Bernie Sanders' Kreuzzug für eine Robotersteuer eine umverteilende Antwort dar: die Besteuerung von Unternehmen, die Arbeitnehmer durch automatisierte Systeme ersetzen, und die Verwendung der Mittel für Umschulungs- und Einkommensstützungsprogramme.

In Italien verfolgt der Vorschlag des Automationsbeitrags von Stefano Bacchiocchi eine andere, aber komplementäre Philosophie. Anstatt die Technologie zu besteuern oder Roboter zu zählen – eine unmögliche Kennzeichnungsaufgabe – betrachtet der Automationsbeitrag die wirtschaftlichen Ergebnisse: Wenn ein Unternehmen seine Einnahmen beibehält oder steigert, während seine Personalkosten unter den Branchendurchschnitt fallen, entsteht ein "erwarteter Kostenpunkt", der nicht mehr existiert. Auf diese Differenz, die den Wettbewerbsvorteil der Automatisierung darstellt, würde der Beitrag erhoben.

Bacchiocchis Ansatz vermeidet die Falle, die frühere Versuche wie den Vorschlag des Europäischen Parlaments von 2017 zum Scheitern brachte, der gerade wegen der Unmöglichkeit, operativ zu definieren, was ein steuerpflichtiger "Roboter" sei, abgelehnt wurde. Mit geschätzten Einnahmen von 8 Milliarden Euro jährlich, die für einen autonomen Fonds für Renten, Ausbildung und Wohlfahrt bestimmt sind, versucht der italienische Vorschlag, Innovation und sozialen Zusammenhalt durch einen steuerlichen Ausgleich statt durch eine technologische Bremse in Einklang zu bringen.

Die demografische Frage Italiens fügt eine Dimension hinzu, die die Vereinigten Staaten in diesem Maße nicht haben. Wie der Randstad-Bericht feststellt, wird Italien bis 2030 1,7 Millionen Arbeitnehmer verlieren – 6 % der derzeitigen Arbeitskräfte – hauptsächlich aufgrund des demografischen Rückgangs. Dies könnte die Auswirkungen der Automatisierung auf die Beschäftigung abmildern, da ein Teil der potenziell durch KI eliminierten Arbeitsplätze ohnehin schwer zu besetzen wäre. Es ist ein natürlicher Puffer, der eine potenzielle Krise in eine Chance für einen gesteuerten Übergang verwandelt, wenn er von angemessenen aktiven Politiken begleitet wird.

Das Dilemma der Geschwindigkeit

Es gibt ein Element, das sich durch all diese Studien und politischen Vorschläge zieht: das Problem der Zeit. Frühere technologische Revolutionen entfalteten sich über Jahrzehnte oder Jahrhunderte und ermöglichten schrittweise Anpassungen. Die industrielle Revolution dauerte mehr als ein Jahrhundert. Die künstliche Intelligenz komprimiert ähnliche Transformationen in weniger als ein Jahrzehnt.

Wie der Bericht des HELP-Ausschusses von Sanders betont, könnte diese beispiellose Geschwindigkeit nicht die notwendige Zeit für Umschulung und soziale Reorganisation lassen. Wenn ein fünfzigjähriger Lkw-Fahrer seinen Arbeitsplatz aufgrund eines autonomen Fahrsystems verliert, ist das nicht nur eine Zeile in einer Tabelle. Es ist eine über dreißig Jahre aufgebaute berufliche Identität, die sich in Luft auflöst, mit nicht übertragbaren Fähigkeiten und wenigen realistischen Optionen für eine berufliche Neuorientierung.

Der Iceberg Index bietet zumindest die Möglichkeit, zu antizipieren statt zu reagieren. Die Fähigkeit, alternative Szenarien zu simulieren – was passiert, wenn wir die Mittel für die Ausbildung in einem bestimmten Landkreis erhöhen? wie würde sich die Exposition ändern, wenn wir die Einführung in bestimmten Sektoren verlangsamen? – verwandelt ein Messinstrument in ein politisches Labor.

Aber es gibt eine beunruhigende Ironie in all dem. Um den Iceberg Index zu erstellen, haben die Forscher genau jene Massensimulations- und agentenbasierten Modellierungstechnologien verwendet, die dazu beitragen, die Arbeit zu transformieren, die sie messen.

Die Frage, auf die keine Studie eine endgültige Antwort geben kann, ist, ob wir einen Übergang zu einer produktiveren Wirtschaft erleben, in der Menschen von repetitiven Aufgaben befreit werden, um sich auf höherwertige Aktivitäten zu konzentrieren, oder ob wir einfach Zeugen einer beispiellosen Vermögenskonzentration sind, bei der die Produktivitätsgewinne nach oben fließen, während die sozialen Kosten nach unten verteilt werden.

Die 11,7 % des Iceberg Index und die 10,5 Millionen des Randstad-Berichts sind keine Unheilsprophezeiungen, sondern Weckrufe. Signale, die koordinierte Antworten zwischen technologischer Innovation, Steuerpolitik, Bildungssystemen und sozialem Schutz erfordern. Der Unterschied zwischen einer Zukunft, in der KI die menschlichen Fähigkeiten erweitert, und einer, in der sie sie brutal ersetzt, liegt nicht in der Technologie selbst, sondern in den politischen und wirtschaftlichen Entscheidungen, die wir treffen, während die Technologie voranschreitet.

Was an der Wasseroberfläche schwimmt, ist nur der Anfang. Die verborgene Masse darunter erfordert Aufmerksamkeit, eine präzise Messung und vor allem ein überlegtes Handeln, bevor der Eisberg den Rumpf trifft.