Anthropic hat eine vielbeachtete Studie veröffentlicht, die misst, welche Berufe besonders stark durch Large Language Models beeinflusst werden könnten. Doch die zugrundeliegende Methodik wirft Fragen auf – von spekulativen Zukunftsannahmen bis hin zu einem KI-Modell, das seine eigenen Auswirkungen bewertet.
Anthropics Jobmarkt-Studie: Wie die KI-Exposition von Berufen gemessen wurde
Die Grundlage: Ein Expositionsindex von 2023
Kern der Anthropic-Analyse ist ein sogenannter „AI Occupational Exposure Score”, der auf einer Studie von Eloundou et al. aus dem Jahr 2023 aufbaut. Dieser Index bewertet, welche Anteile beruflicher Tätigkeiten durch LLM-gestützte Softwareanwendungen potenziell automatisiert oder unterstützt werden könnten.
Dabei unterscheiden die Autoren zwischen dem, was aktuelle Modelle bereits leisten können, und dem, was als „anticipated LLM-powered software” – also antizipierte, zukünftige Anwendungen – theoretisch ermöglichen würde.
Dieser Unterschied ist methodisch bedeutsam: Ein Großteil der gemessenen Exposition basiert nicht auf tatsächlich verfügbaren Systemen, sondern auf Annahmen darüber, was KI-gestützte Werkzeuge künftig leisten werden.
Kritiker sehen darin eine erhebliche Unsicherheitsquelle, da solche Projektionen zwangsläufig spekulativ sind.
Menschliche Bewerter und subjektive Einschätzungen
Die Bewertung der einzelnen Berufe erfolgte in der Originalstudie durch menschliche Annotatoren sowie durch GPT-4, das selbst Einschätzungen zur Automatisierbarkeit von Tätigkeiten abgab. Beide Methoden brachten vergleichbare Ergebnisse, was die Autoren als Validierung interpretierten.
Ein KI-System war damit indirekt an der Einschätzung seiner eigenen wirtschaftlichen Auswirkungen beteiligt – eine methodische Besonderheit, die kaum öffentliche Aufmerksamkeit erhielt.
Die Tätigkeitsbeschreibungen stammten aus dem O*NET-Datenbanksystem des US-amerikanischen Arbeitsministeriums, einem standardisierten Katalog beruflicher Aufgaben. Bewertet wurde, ob eine Aufgabe durch ein LLM erledigt oder wesentlich beschleunigt werden kann – ohne dass dabei zwingend physische Präsenz oder spezifisches Hardware-Handling erforderlich ist.
Was Anthropics eigene Auswertung hinzufügt
Anthropic hat diesen Expositionsindex mit Nutzungsdaten aus Claude-Interaktionen verknüpft, um zu analysieren, welche Berufsgruppen das Modell tatsächlich bereits einsetzen. Berufe mit hohem Expositionswert – darunter Software-Entwickler, Texter und Finanzanalysten – tauchen demnach auch überproportional häufig in den Nutzungsdaten auf.
Das Unternehmen interpretiert dies als Hinweis darauf, dass KI-Exposition und tatsächliche Adoption korrelieren.
Methodisch bleibt jedoch offen, inwiefern die Claude-Nutzerbasis repräsentativ für den Gesamtarbeitsmarkt ist. Anthropics Nutzerstamm dürfte systematisch technikaffiner und besser ausgebildet sein als der Durchschnitt – ein Selektionseffekt, der die Ergebnisse erheblich verzerren kann.
Bedrohung oder Unterstützung?
Ein zentrales konzeptionelles Problem der Studie ist die Gleichsetzung von „Exposition” mit „Bedrohung”. Ein hoher Expositionswert bedeutet nicht zwingend Jobverlust; er kann ebenso auf Produktivitätssteigerung durch Assistenzfunktionen hinweisen.
Die ursprüngliche Studie von Eloundou et al. war in dieser Hinsicht differenzierter als spätere Zusammenfassungen – eine Nuance, die in der öffentlichen Rezeption häufig verloren geht.
Einordnung für deutsche Unternehmen
Für Personalverantwortliche und Strategieteams in deutschen Unternehmen liefert die Studie nützliche Orientierungspunkte, sollte aber nicht als präzise Prognose missverstanden werden. Die gemessene „theoretische Exposition” beschreibt ein Potenzialspektrum, kein Automatisierungsversprechen.
Sinnvoller als die Frage, welche Stellen gefährdet sind, ist die Analyse, welche konkreten Tätigkeiten innerhalb eines Berufsbilds durch LLM-gestützte Werkzeuge effizienter gestaltet werden können – und welche Qualifikationen Mitarbeiter benötigen, um diesen Wandel aktiv zu gestalten.
Quelle: Ars Technica AI
