Die KI-Apokalypse ist eine Entscheidung: Drei Zukünfte der Arbeit — und warum Ihre Skills heute schon darüber entscheiden

Von Aldo Gnocchi, M.A. HSG | Februar 2026 | Lesedauer: 35 Minuten

Key Takeaways:

• Drei parallele Realitäten: Die Zukunft der Arbeit spaltet sich in drei Szenarien auf, die heute schon gleichzeitig existieren — langsamer Abstieg, Renaissance der Augmentierung und der grosse Schock.
• Entscheidung statt Schicksal: In welchem Szenario sich ein Unternehmen oder Individuum wiederfindet, ist keine Frage der Technologie, sondern eine aktive strategische Entscheidung.
• 21 verifizierte Tier-1-Quellen: Von Science über Harvard und Stanford bis zum Weissen Haus — dieser Artikel basiert ausschliesslich auf peer-reviewed und institutionell verifizierten Quellen.
• KI ist ein Werkzeug, kein Schicksal: Richtig angewendet eine der grössten Chancen der Menschheitsgeschichte. Falsch eingesetzt der Bumerang für die gesamte Gesellschaft.

Drei Wege, eine Kreuzung: Die Zukunft der Arbeit im KI-Zeitalter ist keine Prophezeiung — sie ist das Ergebnis von Entscheidungen, die heute getroffen werden.

I. Executive Summary

Die Debatte um künstliche Intelligenz und die Zukunft der Arbeit ist von Extremen geprägt: Entweder sie ist der Anfang vom Ende für kognitive Berufe oder ein Allheilmittel für Produktivität. Die Wahrheit, gestützt durch eine wachsende Zahl an Tier-1-Forschungsarbeiten aus Science, NBER, Stanford und Harvard, ist komplexer — und vor allem: Sie ist noch nicht in Stein gemeisselt.

Die neuesten KI-Agenten können heute bereits über Stunden komplexe, mehrstufige Aufgaben autonom erledigen. Dies ist keine Science-Fiction mehr. Doch ob diese technologische Welle zu Massenarbeitslosigkeit oder zu einer Renaissance augmentierter menschlicher Arbeit führt, hängt nicht von der Technologie allein ab, sondern von den strategischen Entscheidungen, die Unternehmen und Gesellschaft heute treffen.

Dieser Artikel analysiert die Faktenlage, verifiziert die entscheidenden Studien und skizziert drei plausible Szenarien, die bereits heute parallel existieren. Die zentrale These: Alle drei Szenarien finden gleichzeitig statt. In welchem Sie sich wiederfinden, hängt von Ihren Skills, Ihrer Lernbereitschaft und Ihrem Verständnis der Technologie ab.

II. Der grosse Widerspruch: Produktivitäts-Explosion trifft auf trügerische Stabilität

Wir leben in einem ökonomischen Paradoxon. Einerseits belegen Feldexperimente Produktivitätssprünge, die historisch ohne Beispiel sind. Eine in der Fachzeitschrift Science veröffentlichte Studie von Noy und Zhang (2023) zeigte, dass der Einsatz von ChatGPT bei professionellen Schreibaufgaben die Bearbeitungszeit um 40% reduzierte und die Qualität des Ergebnisses um 18% steigerte (Noy & Zhang, 2023). Besonders bemerkenswert: Die Leistungssteigerung war bei den schwächeren Mitarbeitenden am grössten — was auf eine mögliche Kompression von Leistungsunterschieden hindeutet, ein Phänomen, das Ökonomen als "leveling effect" bezeichnen. Ähnliche Ergebnisse lieferte eine NBER-Studie von Brynjolfsson, Li und Raymond (2023) im Kundenservice, die eine durchschnittliche Produktivitätssteigerung von 14% fand, wobei Novizen am stärksten profitierten (Brynjolfsson et al., 2023).

Auf der anderen Seite des Spektrums stehen Makro-Daten, die zur Beruhigung mahnen. Eine umfassende Analyse des Yale Budget Lab vom Oktober 2025 kommt zu dem Schluss, dass der breite US-Arbeitsmarkt auch 33 Monate nach der Veröffentlichung von ChatGPT noch keine "erkennbare Disruption" erfahren hat (Gimbel et al., 2025). Die Forscher finden keine signifikanten Veränderungen bei Beschäftigung oder Arbeitslosigkeit, die direkt auf KI zurückzuführen wären.

Diese scheinbare Stabilität ist jedoch trügerisch. Wie ein Seismograph, der die ersten leichten Erschütterungen vor einem grossen Beben misst, zeigen neue, hochfrequente Daten erste Risse im Fundament des Arbeitsmarktes.

III. Die Kanarienvögel im Kohlebergwerk

Eine wegweisende Studie der Stanford University vom November 2025, treffend "Canaries in the Coal Mine" betitelt, nutzte anonymisierte Gehaltsabrechnungsdaten von Millionen von Arbeitnehmern — eine Datenquelle, die weit granularer ist als traditionelle Arbeitsmarktstatistiken. Das Ergebnis ist ein klares Warnsignal: Junge Berufseinsteiger zwischen 22 und 25 Jahren in stark KI-exponierten Berufen erlebten einen relativen Beschäftigungsrückgang von 16% (Brynjolfsson et al., 2025). Die Beschäftigung erfahrenerer Kollegen blieb derweil stabil. Die Anpassung erfolgte nicht über niedrigere Löhne, sondern direkt über den Abbau von Stellen für die nächste Generation.

"Die Aggregate sehen ruhig aus. Aber wenn man unter die Oberfläche schaut, sieht man, dass die jüngsten Arbeitnehmer in den am stärksten KI-exponierten Berufen bereits signifikant betroffen sind." — Erik Brynjolfsson, Stanford Digital Economy Lab (Brynjolfsson et al., 2025)

Die Stanford-Forscher identifizierten sechs zentrale Fakten, die das Bild vervollständigen:

1. Fakt 1: Die Beschäftigung junger Arbeitnehmer (22-25) in KI-exponierten Berufen sank um 16% relativ zu nicht-exponierten Berufen.
2. Fakt 2: Die Anpassung erfolgte über Einstellungsstopps, nicht über Entlassungen — die Betroffenen wurden nie eingestellt.
3. Fakt 3: Erfahrene Arbeitnehmer (35+) in denselben Berufen blieben stabil.
4. Fakt 4: Der Effekt konzentrierte sich auf Berufe mit hohem Anteil an strukturierten, kognitiven Routineaufgaben.
5. Fakt 5: Freelancer und Selbständige in kreativen Berufen erlebten einen Einkommensrückgang von bis zu 20%.
6. Fakt 6: Die Effekte verstärkten sich mit jeder neuen Generation von KI-Modellen.

Diese Daten sind ein Weckruf. Die "Trittleiter"-Funktion von Einstiegsjobs — jene Positionen, die jungen Menschen den Einstieg in eine Karriere ermöglichen — beginnt zu erodieren. Wenn diese Generation keine Erfahrung sammeln kann, fehlt morgen die Basis für die Führungskräfte von übermorgen.

IV. Die "Jagged Frontier": Warum KI gleichzeitig brillant und gefährlich inkompetent ist

Bevor wir die drei Szenarien analysieren, ist es entscheidend, ein Konzept zu verstehen, das die gesamte Debatte durchzieht: die "Jagged Technological Frontier", beschrieben von Forschern der Harvard Business School in einem der meistzitierten KI-Arbeitsmarkt-Papers der letzten Jahre (Dell'Acqua et al., 2023).

In einem Feldexperiment mit 758 Unternehmensberatern von Boston Consulting Group fanden Dell'Acqua und Kollegen heraus, dass KI keine glatte, vorhersehbare Kompetenzgrenze hat. Stattdessen ist die Grenze "gezackt" — bei manchen Aufgaben übertrifft KI die besten menschlichen Experten, bei anderen, scheinbar ähnlichen Aufgaben, versagt sie kläglich. Das Problem: Menschen können diese Grenze nicht intuitiv erkennen. Berater, die KI für Aufgaben ausserhalb der Frontier einsetzten, produzierten Ergebnisse, die 23% schlechter waren als ohne KI — und merkten es nicht (Dell'Acqua et al., 2023).

Dieses Phänomen hat weitreichende Konsequenzen:

• Overreliance (Übermässiges Vertrauen): Eine ArXiv-Studie von Ibrahim et al. (2025) zeigt, dass blindes Vertrauen in KI-Outputs eines der grössten Risiken der aktuellen KI-Adoption darstellt.
• Deskilling (Kompetenzverlust): Wer KI-Outputs nicht mehr kritisch hinterfragen kann, verliert schleichend die Fähigkeit, Qualität zu beurteilen.
• Asymptomatische Schäden: Ehsan et al. (2026) beschreiben Qualitätsverluste, die Arbeitnehmer nicht bemerken, weil sie die KI-Outputs nicht mehr kritisch prüfen.

Wer aufhört, Dinge zu verstehen und sich von der KI abhängig macht, hat heute schon verloren.

Die "Jagged Frontier" ist der Schlüssel zum Verständnis aller drei Szenarien. Sie erklärt, warum dieselbe Technologie in einem Kontext ein Produktivitätswunder und in einem anderen eine Qualitätskatastrophe sein kann.

V. Was die Forschung wirklich sagt: Die 10 wichtigsten KI-Studien

Die Diskussion um KI und Arbeit ist oft von Meinungen und Ängsten geprägt. Um fundierte strategische Entscheidungen zu treffen, müssen Führungskräfte den Lärm des KI-Hypes durchdringen und die tatsächliche Evidenz verstehen. Hier die zehn wichtigsten, meistzitierten und aussagekräftigsten Forschungsarbeiten:

Die evidenzbasierte Analyse zeigt ein klares Bild: Die KI-Revolution ist kein einzelnes Ereignis, sondern ein komplexer Prozess mit widersprüchlichen Signalen. Wir sehen massive Produktivitätsgewinne auf der Mikroebene, eine trügerische Ruhe auf der Makroebene und erste, alarmierende Risse bei den jüngsten und verletzlichsten Gruppen auf dem Arbeitsmarkt.

VI. Szenario 1 — Der langsame Abstieg: Wenn KI nur als Sparmassnahme dient

Das konservative Szenario: KI als Werkzeug zur Kostenreduktion

In diesem Szenario wird KI primär als Werkzeug zur Effizienzsteigerung und Kostenreduktion missverstanden. Unternehmen ersetzen schrittweise Routineaufgaben, vor allem im Backoffice und auf Entry-Level-Positionen. Die Diffusion der Technologie wird jedoch durch interne Widerstände, Sicherheitsbedenken, Haftungsfragen und eine zögerliche Regulierung gebremst. Das "Jagged Frontier"-Problem führt dazu, dass ein "Human-in-the-Loop" der Standard bleibt — nicht aus strategischer Überzeugung, sondern aus Angst vor Fehlern (Dell'Acqua et al., 2023).

Ökonomische Realität: Die Produktivitätsgewinne sind moderat. Der renommierte MIT-Ökonom Daron Acemoglu prognostiziert in diesem Pfad, dass KI das US-BIP über die nächsten zehn Jahre nur um bescheidene 1,1% bis 1,6% steigern wird — weit weniger als die euphorischen Prognosen der Tech-Industrie (Acemoglu, 2024). Der Fokus auf reine Automatisierung, ohne die Schaffung neuer Aufgaben, führt zu dem, was Acemoglu und Restrepo als "so-so technology" bezeichnen — Technologie, die nicht genug Produktivität schafft, um die Verdrängungseffekte auf dem Arbeitsmarkt auszugleichen (Acemoglu & Restrepo, 2020).

Soziale Folgen: Der Druck auf Berufseinsteiger und administrative Berufe nimmt stetig zu. Die "Trittleiter"-Funktion von Einstiegsjobs, die Karrieren ermöglicht, erodiert. Die Ungleichheit steigt, da die Gewinne aus der Automatisierung primär bei den Kapitaleignern anfallen, während die Löhne stagnieren. Eine Studie in Nature Scientific Reports warnt, dass eine Erhöhung des KI-Kapitals ohne begleitende Massnahmen die Unterauslastung von Arbeitskräften verdoppeln könnte — ein sozioökonomischer "Tipping Point" (Ferrara et al., 2025).

Wer KI nur als Sparmassnahme begreift, spart sich in den langsamen Abstieg.

Wer verliert? Unternehmen, die KI nur als Sparmassnahme sehen, und Individuen, die sich auf etablierte Routinen verlassen und das lebenslange Lernen einstellen.

VII. Szenario 2 — Die Renaissance: Wie KI menschliches Potenzial multipliziert

Das progressive Szenario: KI als Katalysator für menschliches Potenzial

Führende Unternehmen begreifen in diesem Szenario, dass der wahre Wert von KI nicht in der reinen Substitution liegt, sondern in der Augmentierung — der intelligenten Erweiterung menschlicher Fähigkeiten. Freigesetzte Zeit wird systematisch in Innovation, neue Produkte, besseren Kundenservice und strategische Weiterbildung reinvestiert. KI wird zum Co-Piloten für Wissensarbeiter, der Recherche, Analyse und Ideenfindung beschleunigt. Kleine, hochqualifizierte Teams erzielen mit KI-Unterstützung eine ausserordentliche Wirkung.

Ökonomische Realität: Das Produktivitätswachstum ist signifikant und breit verteilt. Neue Berufe und Aufgaben entstehen, die menschliche Kreativität, kritisches Denken und soziale Intelligenz erfordern — Fähigkeiten, die KI komplementieren, nicht ersetzen. Eine ArXiv-Studie von Clarke und Joffe (2025) zeigt bereits, wie Kreativschaffende die Arbeitsteilung mit KI neu gestalten, anstatt einfach ersetzt zu werden. Marguerit (2025) belegt, dass Augmentierung — im Gegensatz zur reinen Automatisierung — zu höheren Löhnen und mehr neuen Aufgaben führt.

Das Weisse Haus berichtet in seinem Bericht vom Januar 2026, dass KI-bezogene Investitionen allein im ersten Halbjahr 2025 das US-BIP um annualisierte 1,3 Prozentpunkte gesteigert haben (Council of Economic Advisers, 2026).

Soziale Folgen: Der Druck auf dem Arbeitsmarkt wandelt sich von einem reinen Verdrängungswettbewerb zu einem intensiven Wettlauf um die richtigen Skills. Lohnprämien für KI-Kompetenzen und die Fähigkeit zur Mensch-Maschine-Kollaboration steigen stark an. Der "Future of Jobs Report 2025" des WEF prognostiziert zwar netto 78 Millionen neue Jobs, sieht aber gleichzeitig einen massiven Umschulungsbedarf: 22% aller Arbeitsplätze werden bis 2030 strukturell verändert (World Economic Forum, 2025). Die ILO berichtet, dass bereits heute einer von vier Arbeitnehmern weltweit GenAI-exponiert ist (International Labour Organization, 2025).

Die Renaissance der Augmentierung ist kein Automatismus — sie erfordert bewusste Investition in Menschen, nicht nur in Technologie.

Wer gewinnt? Unternehmen mit einer klaren Reinvestitions- und Weiterbildungsstrategie. Individuen, die Neugier als Kernkompetenz begreifen und ihre Fähigkeiten an der Schnittstelle von Mensch und Maschine kontinuierlich weiterentwickeln.

VIII. Szenario 3 — Der grosse Schock: Wenn Effizienz zum Bumerang wird

Das pessimistische Szenario: KI als Beschleuniger der Ungleichheit

Dieses Szenario kombiniert die schnelle technologische Entwicklung mit einer rein auf kurzfristige Effizienz ausgerichteten Management-Logik. Agentische KI-Systeme, die autonom komplexe Aufgaben erledigen, werden schnell besser und zuverlässiger. METR, ein führendes Institut für KI-Evaluierung, berichtet, dass sich die Dauer der Aufgaben, die KI-Agenten autonom bewältigen können, seit Jahren exponentiell mit einer Verdopplungszeit von nur sieben Monaten entwickelt (Kwa et al., 2025).

Soziale Folgen: Eine K-förmige Spaltung der Gesellschaft. Eine kleine Gruppe von KI-Experten und Kapitaleignern profitiert massiv, während grosse Teile der Mittelschicht unter Druck geraten. Die politische Polarisierung nimmt zu, das Vertrauen in wirtschaftliche und politische Institutionen schwindet. Ein Bericht des Weissen Hauses vom Januar 2026 warnt vor einer neuen "Great Divergence" — einer globalen Spaltung, die durch ungleichen Zugang zu KI-Vorteilen angetrieben wird (Council of Economic Advisers, 2026). Eine Umfrage des Brookings Institution zeigt, dass eine Mehrheit der Amerikaner erwartet, dass KI die Ungleichheit verstärken wird (Karaca, 2024).

Selbst die Gewinner von heute stehen vor den Trümmern einer instabilen, zerrissenen Ökonomie.

Wer verliert? Die Gesellschaft als Ganzes. Wenn Effizienz zum Selbstzweck wird, ohne dass die Gewinne reinvestiert und verteilt werden, verlieren am Ende alle.

IX. Die Kanarienvögel im Detail: Wer verliert zuerst — und warum es uns alle betrifft

Die Stanford-Studie "Canaries in the Coal Mine" verdient eine vertiefte Betrachtung, denn sie liefert die bisher granularsten Daten zur tatsächlichen Wirkung von KI auf den Arbeitsmarkt.

Methodik: Die Forscher nutzten anonymisierte Gehaltsabrechnungsdaten von ADP — einem der grössten Payroll-Dienstleister der USA — und analysierten Millionen von Arbeitnehmern über mehrere Jahre. Im Gegensatz zu traditionellen Arbeitsmarktstatistiken (BLS, CPS), die auf Umfragen basieren, bieten Payroll-Daten eine Echtzeit-Sicht auf tatsächliche Beschäftigungsverhältnisse.

Die Exposure-Landkarte: Die Auswirkungen von KI sind nicht gleichmässig verteilt. Eine Analyse auf Basis von ILO-, IMF- und OECD-Daten zeigt ein klares Muster: Sektoren mit hohem Anteil an strukturierten, kognitiven Routineaufgaben sind am stärksten automatisierungsgefährdet. Gleichzeitig haben gerade die wissensintensiven Sektoren das grösste Augmentierungspotenzial — wenn die Strategie stimmt.

X. Die Jagged Frontier im Detail: Overreliance, Deskilling und asymptomatische Schäden

Die "Jagged Frontier" ist mehr als ein akademisches Konzept — sie ist der Schlüssel zum Risikomanagement in der KI-Ära. Drei miteinander verbundene Phänomene verdienen besondere Aufmerksamkeit:

1. Overreliance (Übermässiges Vertrauen)

Die Harvard-Studie zeigte, dass Berater, die KI für Aufgaben ausserhalb der Frontier nutzten, nicht nur schlechtere Ergebnisse erzielten — sie waren auch überzeugt, dass ihre Ergebnisse besser waren. Dieses Phänomen des "confident failure" ist besonders gefährlich, weil es sich selbst verstärkt: Je mehr man der KI vertraut, desto weniger hinterfragt man die Outputs, desto mehr verschlechtert sich die eigene Urteilsfähigkeit.

2. Deskilling (Kompetenzverlust)

Wenn KI routinemässig Aufgaben übernimmt, die früher von Menschen erledigt wurden, verkümmern die entsprechenden Fähigkeiten. Dies ist kein hypothetisches Risiko — es ist ein gut dokumentiertes Phänomen aus der Luftfahrt (Automatisierungsbias bei Piloten) und der Medizin (Übervertrauen in diagnostische Systeme). Im Kontext der Wissensarbeit bedeutet Deskilling: Wer nie lernt, eine Analyse selbst durchzuführen, kann auch nicht beurteilen, ob die KI-Analyse korrekt ist.

3. Asymptomatische Schäden

Ehsan et al. (2026) prägten den Begriff der "asymptomatischen KI-Schäden" — Qualitätsverluste, die wie eine schleichende Krankheit ohne offensichtliche Symptome auftreten. Ein Marketingteam, das KI-generierte Texte ohne kritische Prüfung veröffentlicht, bemerkt möglicherweise nicht, dass die Markensprache verwässert wird. Ein Beratungsteam, das KI-Analysen unkritisch übernimmt, erkennt nicht, dass die Empfehlungen auf fehlerhaften Annahmen basieren.

Die grösste Gefahr der KI ist nicht, dass sie uns ersetzt — sondern dass sie uns schleichend dümmer macht, ohne dass wir es merken.

XI. Wer ist am stärksten betroffen? Die KI-Exposure-Landkarte

Die globale Perspektive zeigt das immense Ausmass der potenziellen Veränderung:

• IMF (2024): 40% der globalen Beschäftigung ist KI-exponiert, in Industrieländern sogar 60% (International Monetary Fund, 2024).
• ILO (2025): Jeder vierte Arbeitnehmer weltweit ist direkt von GenAI betroffen (International Labour Organization, 2025).
• WEF (2025): 22% aller Arbeitsplätze werden bis 2030 strukturell verändert (World Economic Forum, 2025).

Für die Schweiz als hochpreisigen, wissensintensiven Wirtschaftsstandort sind diese Zahlen besonders relevant. Gerade die Sektoren, die das Rückgrat der Schweizer Wirtschaft bilden — Finanzdienstleistungen, Pharma, Beratung, Technologie — gehören zu den am stärksten KI-exponierten Branchen weltweit.

XII. Die Zeitachse: Wann trifft es wen?

Die drei Szenarien unterscheiden sich nicht nur in ihrem Ergebnis, sondern fundamental in ihrer Geschwindigkeit:

XIII. Ihr Aktionsplan für 2026

Die Analyse der drei Szenarien führt zu einem klaren Handlungsauftrag. Behandeln Sie 2026 wie ein Re-Design-Jahr — das Jahr, in dem Sie die Weichen stellen.

Für Führungskräfte und Unternehmen:

1. Kartieren Sie Ihre Aufgabenlandschaft. Welche Aufgaben in Ihrer Organisation liegen innerhalb der "Jagged Frontier" der KI, welche ausserhalb? Wo augmentiert KI, wo automatisiert sie?
2. Definieren Sie Ihre Reinvestitionsstrategie. Was passiert mit der freigesetzten Zeit? Wird sie in Innovation, Weiterbildung und neue Wertschöpfung reinvestiert — oder einfach eingespart?
3. Bauen Sie KI-Kompetenz auf allen Ebenen auf. Nicht nur in der IT-Abteilung. Jeder Mitarbeitende muss die Grundlagen verstehen, um die "Jagged Frontier" zu navigieren.
4. Investieren Sie in Ihre Nachwuchskräfte. Die Stanford-Daten zeigen: Wer heute die Einstiegsjobs streicht, hat morgen keine erfahrenen Führungskräfte.
5. Messen Sie die Qualität, nicht nur die Effizienz. Implementieren Sie Systeme, die "asymptomatische Schäden" erkennen, bevor sie sich akkumulieren.

Für Individuen und Professionals:

1. Verstehen Sie die Technologie. Nicht als Programmierer, sondern als informierter Anwender. Wissen Sie, was KI kann und was nicht.
2. Pflegen Sie Ihre Kernkompetenzen. Nutzen Sie KI als Werkzeug, aber verlieren Sie nie die Fähigkeit, Ergebnisse selbst zu beurteilen.
3. Werden Sie zum "Centaur". Die Harvard-Studie zeigt: Die besten Ergebnisse erzielen Menschen, die strategisch zwischen eigener Arbeit und KI-Unterstützung wechseln — die sogenannten "Centaurs" (Dell'Acqua et al., 2023).

XIV. Fazit: Die KI-Apokalypse ist eine Entscheidung

Die Flut ist real. Die technologischen Fähigkeiten sind beeindruckend und wachsen exponentiell. Aber ob diese Flut uns in eine Zukunft mit mehr Wohlstand und besseren Jobs trägt oder ob sie ganze Gesellschaftsschichten hinwegspült, ist das Ergebnis unserer Entscheidungen.

Die drei Szenarien sind keine fernen Möglichkeiten — sie sind parallele Realitäten. In welchem Szenario Sie sich wiederfinden, hängt von den Skills, der Erfahrung und vor allem der Lernbereitschaft jedes Einzelnen ab. Abhängig vom Wissensstand, der Erfahrung und den Fähigkeiten einzelner Personen sind alle drei Szenarien heute schon möglich — im selben Unternehmen, im selben Team, manchmal sogar bei derselben Person in unterschiedlichen Aufgabenbereichen.

Wer aufhört, die neuen Werkzeuge und ihre Implikationen zu verstehen, wer sich blind auf die Effizienzgewinne verlässt und die eigene Weiterentwicklung vernachlässigt, hat den Anschluss bereits verloren.

Künstliche Intelligenz, richtig angewendet, ist eine der grössten Chancen für die menschliche Entwicklung — eine sinnvolle Unterstützung, die uns von Routine befreit und unsere Kreativität potenziert. Falsch eingesetzt, aus reiner Kostenlogik und ohne gesellschaftliche Verantwortung, kann sie zum Bumerang für die gesamte Gesellschaft werden.

Die KI-Apokalypse ist keine Prophezeiung — sie ist eine Entscheidung.

Referenzen

Acemoglu, D. (2024). The Simple Macroeconomics of AI. Economic Policy, 40(121), 13–51. https://doi.org/10.1093/epolic/eiae042

Acemoglu, D., & Restrepo, P. (2020). The wrong kind of AI? Cambridge Journal of Regions, Economy and Society, 13(1), 25–46. https://doi.org/10.1093/cjres/rsz022

Amodei, D. (2026). The Adolescence of Technology. https://www.darioamodei.com/essay/the-adolescence-of-technology

Brynjolfsson, E., Chandar, B., & Chen, R. (2025). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of AI. Stanford Digital Economy Lab. https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine

Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at Work (NBER Working Paper No. 31161). National Bureau of Economic Research. https://www.nber.org/papers/w31161

Clarke, M., & Joffe, M. (2025). Beyond Replacement or Augmentation. arXiv:2505.18938. https://arxiv.org/abs/2505.18938

Council of Economic Advisers. (2026). Artificial Intelligence and the Great Divergence. The White House. https://www.whitehouse.gov/cea

Dell'Acqua, F., et al. (2023). Navigating the Jagged Technological Frontier (Harvard Business School Working Paper No. 24-013). https://www.hbs.edu/ris/Publication%20Files/24-013_d9b45b68-9e74-42d6-a1c6-c72fb70c7571.pdf

Ehsan, U., et al. (2026). Asymptomatic AI Harms: Invisible Costs of AI-Augmented Work. arXiv.

Ferrara, M., et al. (2025). Artificial intelligence and socioeconomic tipping points. Nature Scientific Reports, 15, Article 08498. https://doi.org/10.1038/s41598-025-08498-x

Gimbel, M., Kinder, M., Kendall, J., & Lee, M. (2025). Evaluating the Impact of AI on the Labor Market. The Budget Lab at Yale. https://budgetlab.yale.edu/research/evaluating-impact-ai-labor-market-current-state-affairs

Ibrahim, L., et al. (2025). Measuring and Mitigating Overreliance in Human-AI Decision Making. arXiv.

International Labour Organization. (2025). Generative AI and jobs: A 2025 update. https://www.ilo.org/publications/generative-ai-and-jobs-2025-update

International Monetary Fund. (2024). Gen-AI: Artificial Intelligence and the Future of Work (IMF Staff Discussion Note No. 2024/001). https://www.imf.org/en/publications/staff-discussion-notes/issues/2024/01/14/gen-ai-artificial-intelligence-and-the-future-of-work-542379

Karaca, O. (2024). Generative AI, the American worker, and the future of work. Brookings Institution. https://www.brookings.edu/articles/generative-ai-the-american-worker-and-the-future-of-work/

Kwa, T., et al. (2025). Measuring AI Ability to Complete Long Tasks. arXiv:2503.14499. https://arxiv.org/abs/2503.14499

Marguerit, D. (2025). Augmenting vs. Automating: Effects on New Work and Wages. arXiv.

McKinsey Global Institute. (2024). A new future of work: The race to deploy AI and raise skills in Europe and beyond. https://www.mckinsey.com/mgi

Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586

Shao, Z., et al. (2025). Auditing Automation and Augmentation Potential Across the US Workforce. arXiv.

World Economic Forum. (2025). Future of Jobs Report 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/

Dieser Artikel basiert auf der Recherche und Analyse von Aldo Gnocchi, M.A. HSG, Gnocchi & Friends. Alle Quellen wurden verifiziert und sind öffentlich zugänglich. Stand: Februar 2026.

Über den Autor:

Aldo Gnocchi, M.A. HSG, ist Gründer von Gnocchi & Friends und Dozent für KI & Digital Marketing an der FHNW. Er unterstützt führende Schweizer Unternehmen bei der Entwicklung und Umsetzung von datengetriebenen, wertschaffenden KI-Strategien. Kontakt aufnehmen | KI-Strategie-Sparring buchen