KI-Nähe im Job zahlt sich aus

Die Aufgabengebiete der Beschäftigten weisen in unterschiedlichem Maß Berührungspunkte mit den Anwendungsmöglichkeiten von KI auf. Die KI-Nähe kann durch einen Indikator abgebildet werden, den Seele (2024) aus dem US-amerikanischen Berufskontext auf die Klassifikation der Berufe in Deutschland übertragen hat. Dabei wurden drei Kategorien von KI-fern über die mittlere KI-Distanz bis KI-nah eingeführt.

Die KI-Nähe steigt mit dem beruflichen Anforderungsniveau (Seele, 2024). Helfer sind überwiegend KI-fern. Ungefähr ein Viertel der Fachkräfte ist KI-nah, unter den Spezialisten sind dies ungefähr die Hälfte. Experten können hingegen überwiegend als KI-nah charakterisiert werden. Seit 2019 ist die KI-Nähe gemessen am Technologieniveau von 2018 auf dem deutschen Arbeitsmarkt gestiegen. Dies ist darauf zurückzuführen, dass das Gewicht der Experten und Spezialisten an der Gesamtbeschäftigung gestiegen ist.

KI-nahe Beschäftigte wechseln seltener …

Analysen auf Basis von Stellenanzeigen legen nahe, dass Beschäftigte mit KI-Kompetenzen einen stärkeren Anreiz haben, den Arbeitgeber zu wechseln, als andere, weil sie durch den Arbeitsplatzwechsel Lohnzuwächse realisieren können (z. B. Acemoglu et al., 2022; Green/Lamby, 2023). Vor diesem Hintergrund liegt die Vermutung nahe, dass in einem von Fachkräfteengpässen geprägten Arbeitnehmermarkt die zwischenbetriebliche Mobilität von KI-nahen Beschäftigten größer ausfallen könnte.

Betriebswechsel können grundsätzlich unterschiedliche Auslöser haben. Sie können freiwillig sein oder durch eine Entlassung im ursprünglichen Unternehmen erzwungen werden. Die der Untersuchung zugrunde liegende Stichprobe der Integrierten Arbeitsmarktbiografien (SIAB) weist diesbezüglich keine zuverlässigen Informationen auf, sodass man sich diesem Gesichtspunkt nur annähern kann. Im Folgenden wird als Betriebswechsler definiert, wenn ein Beschäftigter in einem Betrieb x zum 30. Juni eines Jahres im Folgejahr zum gleichen Zeitpunkt bei einem Betrieb y arbeitet. Zudem werden die Betriebswechsler in zwei Gruppen eingeteilt:

• Betriebswechslern, die in dem Zeitraum vom 30. Juni eines Jahres bis zum 30. Juni des Folgejahres insgesamt weniger als 60 Tage arbeitslos gewesen sind, wird unterstellt, dass sie nach dem Ausscheiden aus dem alten Betrieb relativ leicht eine Anschlussbeschäftigung finden konnten und demzufolge eher günstige Arbeitsmarktperspektiven aufweisen.
• Betriebswechsler, die in dem Zeitraum vom 30. Juni eines Jahres bis zum 30. Juni des Folgejahres mindestes 60 Tage, aber maximal 365 Tage arbeitslos gewesen sind, weisen hingegen eine längere Arbeitsplatzsuche auf, was (auch) für ungünstigere Jobperspektiven sprechen könnte.

Eine Mobilitätsanalyse für Vollzeit- und Teilzeitbeschäftigte (Online-Abbildung s. Link im Literaturverzeichnis) für die Jahre 2014 bis 2019 zeigt, dass rund jeder vierte KI-ferne Beschäftigte den Betrieb gewechselt hat. Darunter waren gut 4 Prozentpunkte der Beschäftigten, denen es unter Umständen erst nach einer Suchdauer von 60 Tagen und bis zu 365 Tagen wieder gelang, einen Arbeitsplatz zu finden. Diese Analyse impliziert zugleich, dass mit steigender KI-Nähe die Wechselhäufigkeit geringer ist und eine längere Arbeitsplatzsuche seltener auftritt (nur noch in 10 Prozent der Fälle). Die KI-Nähe als Expositionsindikator der Digitalisierung weist vor diesem Hintergrund ein ähnliches Mobilitätsmuster auf wie das Substituierbarkeitsrisiko und Digitalisierungsberufe (vgl. hier Seele/Stettes, 2023). Vorsichtig interpretiert implizieren die Befunde, dass mit KI-Nähe stabilere Beschäftigungsverhältnisse einhergehen. Insofern bestätigen sie die bisherige empirische Evidenz, dass keine nachteiligen Beschäftigungseffekte bei einem potenziellen Einsatz von KI beobachtet werden.

…und haben keine Lohnnachteile

In einem zweiten Schritt wird die reale Lohnentwicklung in Euro von 2015 von Vollzeitbeschäftigten nach KI-Nähe betrachtet. Die Lohnanalyse beschränkt sich hier auf Vollzeitbeschäftigte, da die SIAB nicht die Anzahl der individuellen Wochenarbeitsstunden ausweist, wodurch die Löhne von Teilzeit- und Vollzeitkräften nicht sinnvoll verglichen werden können. Gleichwohl existiert mit Blick auf die Tagesentgelte auch bei Rückgriff nur auf Vollzeitkräfte das Risiko, dass die nachfolgenden empirischen Befunde aufgrund unterschiedlich langer vertraglicher Arbeitszeiten verzerrt sein könnten.

Die Tabelle zeigt die Mediantagesentgelte von Vollzeitbeschäftigten, die im ursprünglichen Betrieb verweilen, und jenen, die den Betrieb gewechselt haben, und deren durchschnittliche Veränderung in Prozent in den zwei Folgejahren. Dabei wird anhand der KI-Nähe der beruflichen Tätigkeit differenziert. Es wird ersichtlich, dass KI-nahe Vollzeitbeschäftigte im Startjahr höhere Mediantagesentgelte beziehen und in den Folgejahren eine dynamischere Lohnentwicklung verzeichnen als die jeweilige Vergleichsgruppe aus KI-fernen und mittlerer KI-Distanz. Dies gilt für Vollzeitbeschäftigte, die im Betrieb verweilen, gleichermaßen wie für Betriebswechsler.

Beispielsweise weisen KI-nahe Vollzeitbeschäftigte, die im ursprünglichen Betrieb bleiben, ein um 34,20 Euro höheres Medianentgelt und einen um 1,6 Prozentpunkte größeren Zuwachs auf als die Vergleichsgruppe der nicht KI-nahen Vollzeitbeschäftigte, die ebenfalls nicht wechseln. Dieser Befund ist plausibel, da KI-nahe Beschäftigte häufig in Tätigkeiten mit höheren Qualifikationsanforderungen beschäftigt sind. Offen bleibt dabei aber, ob der überdurchschnittliche Lohnzuwachs KI-naher Betriebswechsler, insbesondere solcher ohne längere Phasen von Arbeitslosigkeit, auch Lohnprämien für KI-Kompetenzen anzeigt, wie dies Analysen auf Basis von Stellenanzeigen nahelegen.

Vollzeitbeschäftigte, die nach einem Wechsel zunächst für einen Zeitraum von 60 bis 365 Tagen arbeitslos waren, weisen grundsätzlich vor dem Betriebswechsel niedrigere Mediantagesentgelte auf als Vollzeitbeschäftigte, die bei ihrem Betrieb bleiben oder nur kurz arbeitslos waren (weniger als 60 Tage).

Falls KI-nahe Beschäftigte begehrte Fachkenntnisse und berufliche Kompetenzen aufweisen, sollten ihre Verdienste in neuen Betrieben auch nach einer mittellangen Arbeitslosigkeitsperiode eine Knappheitsprämie enthalten, die einen potenziellen Verlust einer betriebsspezifischen Lohnprämie im Ursprungsbetrieb (zumindest teilweise) kompensieren könnte. Die Folge wäre, dass sich die Löhne von Betriebswechslern ähnlich oder sogar besser entwickeln als die von Beschäftigten, die in ihren Betrieben verbleiben. Diese Knappheitsprämie müsste sich in einem sogenannten Gruppeneffekt einer Panel-Oaxaca-Zerlegung von KI-nahen Beschäftigten widerspiegeln (vgl. zur Methodik der Panel-Oaxaca-Zerlegung Seele/Stettes, 2025). Die Online-Tabelle (Link im Literaturverzeichnis) zeigt, dass der Gruppeneffekt der KI-nahen Betriebswechsler mit 61 bis 365 Tagen Arbeitslosigkeit zu allen anderen Vollzeitbeschäftigten zwar positiv, jedoch nicht signifikant ist.

Die Befunde können als Indizien dafür interpretiert werden, dass bei der bisherigen Verbreitung von KI-Technologien keine negativen Arbeitsmarkteffekte auftraten.

Link zu Online-Abbildung und -Tabelle