Auf einen Blick
- Quelle
- Humlum and Vestergaard (2025). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777 (revised March 2026). doi:10.3386/w33777 · Nicht fachlich begutachtet: Andere Forschende haben sie noch nicht für eine Fachzeitschrift geprüft.
- Wie sie durchgeführt wurde
- Die Autoren verknüpften große Umfragen zur Chatbot-Nutzung mit amtlichen Daten zu Lohn und Arbeitsstunden. Sie verglichen Beschäftigte und Arbeitsstätten, die Chatbots eingeführt hatten, mit solchen ohne, jeweils vorher und nachher. Feldstudie. Sie begleitet echte Arbeit in einem Unternehmen und vergleicht Beschäftigte, die das Werkzeug hatten, mit Beschäftigten, die es noch nicht hatten.
- Wer teilnahm
- Beschäftigte und Arbeitsstätten in Berufen, für die KI-Chatbots von Bedeutung sind.
- Wo
- Dänemark.
“Technological change reshapes work well before it surfaces in earnings or hours.” [Technischer Wandel formt die Arbeit um, lange bevor er sich in Verdienst oder Arbeitsstunden zeigt.]
Was sie fand
- Die meisten Arbeitgeber in den untersuchten Berufen hatten Chatbots eingeführt. Die Beschäftigten berichteten von Produktivitätsvorteilen.
- Verdienst und erfasste Arbeitsstunden änderten sich nicht, weder bei Beschäftigten noch bei Arbeitsstätten. Die Schätzungen sind genau genug, um Wirkungen über 2 % auszuschließen.
- Geändert hat sich die Zusammensetzung der Arbeit. Arbeitgeber ordneten Aufgaben neu und schufen neue: Inhalte erstellen, KI-Ergebnisse prüfen und KI in bestehende Systeme einbinden.
- Einige Nutzende wechselten in besser bezahlte Berufe, in denen Chatbots nützlicher sind. Es waren zu wenige, um den Durchschnitt zu bewegen.
Eine frühere Fassung der Arbeit vom Mai 2025 trug den Titel “Large Language Models, Small Labor Market Effects”. Sie berichtete, dass Nutzende im Durchschnitt 2,8 % ihrer Arbeitszeit einsparten (Becker Friedman Institute Working Paper 2025-56).
Wann das Ergebnis gilt
Die Studie betrachtet einen ganzen Arbeitsmarkt, nicht eine gut ausgewählte Aufgabe. Sie umfasst Unternehmen, die Chatbots einfach bereitstellten, ebenso wie Unternehmen, die die Arbeit um sie herum neu gestalteten. Deshalb sind ihre Zahlen viel kleiner als die aus Experimenten mit einer einzelnen Aufgabe.
Grenzen
- Ein Arbeitspapier. Die Zahlen haben sich zwischen den Fassungen geändert.
- Lohn und erfasste Arbeitsstunden können Gewinne übersehen, die sich als bessere Qualität oder als neue Aufgaben zeigen.
Praktiken, die sich auf diese Studie stützen
Diese Studie stützt:
- Beginnen Sie mit einem kostspieligen Prozess, nicht mit einer unternehmensweiten Einführung Wählen Sie einen Prozess, der sichtbar Zeit oder Geld kostet. Setzen Sie dort KI ein, mit einem Menschen, der die Ergebnisse prüft, und weiten Sie erst aus, wenn sich die Zahlen bewegen. Zuerst · Aufwand: mittel (Wochen, einige Personen)
- Messen Sie die eingesparte Zeit je Aufgabe an einer Ausgangsmessung Halten Sie fest, wie lange eine Aufgabe dauert und wie gut das Ergebnis ist, bevor Sie KI einsetzen. Ohne diesen Ausgangswert können Sie einen echten Gewinn nicht von einem erhofften unterscheiden. Zuerst · Aufwand: gering (Tage, eine Person)
- Gestalten Sie den Arbeitsablauf neu, statt nur ein Werkzeug hinzuzufügen Wer Menschen ein KI-Werkzeug in einem unveränderten Prozess gibt, ändert wenig. Legen Sie neu fest, wer jeden Schritt erledigt, in welcher Reihenfolge und wo ein Mensch prüft. Als Nächstes · Aufwand: hoch (Monate, mehrere Teams)