Auf einen Blick
- Quelle
- Gupta, Qian, Simintzi and Sun (2026). Generative AI and Entrepreneurship. NBER conference paper, version of 14 April 2026. conference.nber.org · Nicht fachlich begutachtet: Andere Forschende haben sie noch nicht für eine Fachzeitschrift geprüft.
- Wie sie durchgeführt wurde
- Die Autoren maßen, wie viel der Arbeit jedes Start-ups KI erledigen könnte, anhand seiner Stellenstruktur kurz vor der Veröffentlichung von ChatGPT. Dann verglichen sie stärker und weniger stark exponierte Start-ups vor und nach der Veröffentlichung, mit Daten zu Belegschaft, Code und Umsatz. Datenanalyse. Sie bildet ein Maß aus vorhandenen Daten, etwa aus Angaben zu Berufen und Aufgaben.
- Wer teilnahm
- 94.789 US-Start-ups, gegründet zwischen 2018 und 2021 und in Crunchbase oder PitchBook verzeichnet. Im Durchschnitt beschäftigen sie 11 Personen, haben $3 Millionen eingesammelt und erzielen rund $700.000 Umsatz im Jahr.
- Wo
- Vereinigte Staaten; junge, schnell wachsende Firmen der Art, die Wagniskapital sucht, in allen Branchen. Informationstechnik ist die größte Branche, mit 36,8 % der Firmen.
“Overall, incumbent contraction was offset by new firm formation, leaving aggregate employment unchanged but shifting composition to senior roles.” [Insgesamt wurde das Schrumpfen bestehender Firmen durch Neugründungen ausgeglichen, sodass die Gesamtbeschäftigung unverändert blieb, sich ihre Zusammensetzung aber zu erfahrenen Rollen verschob.]
Was sie fand
- Weniger Personal. Start-ups, deren Aufgaben KI vollständig ausgesetzt waren, beschäftigten 8 % weniger Menschen als vor der Veröffentlichung von ChatGPT. Der Rückgang kam binnen zwei Quartalen und hielt bis zum Ende der Daten 2025 an. Rund ein Drittel der Aufgaben in der Stichprobe war exponiert, der Rückgang beim typischen Start-up war also kleiner.
- Nachwuchskräfte zuerst. Der größte Teil des Abbaus traf weniger erfahrene Beschäftigte und Menschen in umsetzenden Rollen. Der Anteil erfahrener Kräfte stieg.
- Die Gehenden zahlten dafür. Etwa die Hälfte derer, die gingen, wartete rund sechs Monate auf eine neue Stelle. Viele nahmen schlechter bezahlte Stellen an, bei denen KI weniger übernehmen konnte.
- Mehr Leistung. Die Code-Beiträge auf GitHub stiegen bei vollständig exponierten Start-ups um 64 %. Diese Start-ups zählten mit rund 20 % höherer Wahrscheinlichkeit zu den führenden Start-ups nach Umsatz pro Beschäftigtem.
- Mehr Finanzierung. Sie sammelten mit 21 % höherer Wahrscheinlichkeit Wagniskapital ein als vorher.
- Mehr, kleinere Start-ups. In Märkten, die KI stärker ausgesetzt sind, stieg die Zahl neuer Start-ups um 6 %, und die durchschnittliche Größe eines Start-ups sank um 4 %. Die Gesamtbeschäftigung blieb etwa gleich.
Wann das Ergebnis gilt
Die Start-ups verkaufen digitale Leistungen und sind auf Wachstum finanziert. Bei ihnen übernahm KI Arbeit, die früher Nachwuchskräfte machten.
Andere Evidenz zu kleinen Firmen weist in die andere Richtung. In den Lohnabrechnungsdaten von Gusto stellten US-Firmen mit weniger als 10 Beschäftigten, die KI einführten, im folgenden Jahr mehr Menschen ein, vor allem praktisch tätiges Personal mit Kundenkontakt (Tremper und Bowen, Gusto, 2026). Die beiden Gruppen von Firmen verkaufen Unterschiedliches, und die beiden Studien messen KI unterschiedlich.
Grenzen
- Ein Arbeitspapier, nicht fachlich begutachtet.
- Die Studie misst, wie viel der Arbeit KI erledigen könnte, nicht ob die Start-ups KI nutzten.
- Mit Wagniskapital finanzierte Start-ups sind keine typischen kleinen Firmen wie Geschäfte, Handwerksbetriebe oder lokale Dienstleister.
- Die Kennzahlen zu Umsatz und Code betreffen nur einen Teil der Firmen.
Praktiken, die sich auf diese Studie stützen
Diese Studie stützt: