KI drückt Löhne in den USA – noch vor massiven Jobverlusten

Das Beschäftigungswachstum in den USA übertraf im August die Erwartungen, doch das Lohnwachstum bleibt hinter den jüngsten Inflationsdaten zurück. Dies verleiht einer Frage Dringlichkeit, mit der sich Ökonomen erst beginnen auseinanderzusetzen: Könnte Künstliche Intelligenz (KI) die Löhne der Arbeitnehmer drücken, bevor sie ihnen ihre Jobs kostet?

Der jüngste Bericht zu den nichtlandwirtschaftlichen Beschäftigtenzahlen ist nicht die einzige Quelle staatlicher Daten, die eine Verlangsamung des Lohnwachstums zeigt. Der „Employment Cost Index“ (Arbeitskostenindex) des Bureau of Labor Statistics (BLS) ergab, dass die inflationsbereinigten Löhne und Gehälter bis Juni um 0,4 Prozent gegenüber dem Vorjahr rückläufig waren.

Zudem zeichnet sich in den nationalen Daten ein besorgniserregender langfristiger Trend ab: Der Arbeitsanteil am Output der nichtlandwirtschaftlichen Betriebe lag im zweiten Quartal 2026 bei 52,8 Prozent – dem niedrigsten Wert seit Beginn der Aufzeichnungen im ersten Quartal 1947. Einige Forscher führen dies auf Jahrzehnte der Automatisierung zurück, die KI möglicherweise weiter beschleunigen könnte.

Warnsignale aus der Forschung

Eine Studie von Torsten Slok, Chefvolkswirt von Apollo Global Management, und seiner Co-Autorin Sania Edlich liefert Hinweise, dass KI zu einem langsameren Lohnwachstum beiträgt. Ihre Forschung ergab, dass Arbeiter in Berufen, die als stark durch KI gefährdet eingestuft wurden, nach 2023 ein reales Lohnwachstum verzeichneten, das um 6,7 Prozentpunkte langsamer war als das von Arbeitern in weniger exponierten Berufen.

Gleichzeitig fand die Studie keinen statistisch signifikanten Effekt auf die Beschäftigung. Die Autoren sagen, die Ergebnisse deuten darauf hin, dass Unternehmen einen Teil der Produktivitätsgewinne aus KI durch Lohnkompression statt durch Personalabbau einfahren.

Allerdings warnen Arbeitsmarktexperten, dass die Daten begrenzt sind. Ben Zipperer, Ökonom am Economic Policy Institute, sagt, dieser Forschungsansatz könne die negativen Auswirkungen von KI überschätzen. Wenn KI es günstiger mache, Software zu erstellen, verschwinde das eingesparte Geld nicht – es fließe woanders hin, einschließlich Ausgaben für Neueinstellungen an anderer Stelle.

Normalisierung nach der Pandemie als Faktor

Die Verlangsamung der tech-bezogenen Einstellungen hängt laut Zipperer auch mit der früheren Überbeschäftigung nach der Pandemie zusammen. „Es gab eine relative Verlangsamung der Arbeitsnachfrage für Computerprogrammierer und verwandte Jobs infolge der Wiedereinstellungen nach der Pandemie, die nichts mit KI zu tun hatte“, sagte er.

Apollo gab an, dass seine Studie Unterschiede in den Berufsgruppen und jährliche Trends berücksichtigt habe. Allerdings basierte sie auf einer begrenzten Teilmenge der BLS-Berufskategorien – nur 321 der rund 800 BLS-Berufe konnten verwendet werden, und nur elf erfüllten den Schwellenwert für hohe Exposition.

Daron Acemoglu, Professor für Wirtschaftswissenschaften am MIT, sagt, dass die begrenzte Anzahl berufsspezifischer KI-Modelle weiterhin ein Faktor ist, der die Daten verzerrt. „KI-Modelle entwickeln sich noch, und sie sind für viele Berufe oder Aufgaben noch nicht weit verbreitet eingeführt. Daher könnten einige der Verdrängungseffekte bis dato übertrieben sein“, sagte er.

Lohn- versus Beschäftigungseffekte

Acemoglu erwartet, dass die Auswirkungen auf die Löhne größer sein werden als jene auf die Beschäftigung. „Angesichts dessen, dass der US-Arbeitsmarkt relativ flexibel ist und ein ziemlich schwaches soziales Netz hat, erwarte ich, dass die Auswirkungen auf die Löhne größer sein werden als diejenigen auf die Beschäftigung“, sagte er.

Eine Analyse der Dallas Fed vom Februar fand keine direkte Korrelation zwischen den Gesamtlöhnen und der KI-Exposition – mit einer großen Einschränkung: Jüngere Arbeitnehmer mit weniger Erfahrung könnten bereits unter Lohndruck stehen.

Debatte um „arbeiterfreundliche KI“

Acemoglu plädiert für eine Abkehr von der adversären Rahmung „KI gegen menschliche Arbeitnehmer“. Ein Schritt hin zu „arbeiterfreundlicher KI“ würde „die richtigen Investitionen aus dem Technologiesektor und den richtigen politischen Rahmen“ erfordern, um „bessere Ergebnisse zu erzielen als dieser endlose Wettlauf, um Arbeitnehmer zu ersetzen“.

Jennifer Huddleston, Senior Fellow für Technologiepolitik am Cato Institute, sieht Anzeichen für einen positiveren Ansatz. Sie verwies auf Bemühungen des Arbeitsministeriums, KI-Bildung in der Belegschaft zu fördern. Zudem würden Ängste vor KI am Arbeitsplatz oft einige der am weitesten verbreiteten Anwendungen übersehen, wie E-Mail-Zusammenfassungen und Cybersicherheit, „die die Bürokultur in gewissem Maße verändern, aber nicht unbedingt zu massiven Veränderungen der Beschäftigung führen“, sagte sie.

Die bisher gewonnenen Erkenntnisse können die Frage nach den Lohneffekten von KI nicht abschließend klären. Sie rücken das Thema jedoch in den Mittelpunkt der Debatte über die Auswirkungen von KI auf den Arbeitsmarkt – und machen deutlich, dass die Diskussion um Löhne und Automatisierung erst am Anfang steht.