Eine Mehrheit der befragten Firmen sieht durch den Einsatz von Künstlicher Intelligenz (KI) eher sinkende Löhne als steigende. Das ergibt eine Ifo-Umfrage unter mehr als 3.000 Unternehmen in Deutschland, die bereits KI einsetzen. Besonders betroffen demnach wären Beschäftigte mit weniger als fünf Jahren Berufserfahrung.
Unterschiede nach Erfahrung und Ausbildung
Die Umfrage differenziert nach Berufserfahrung und Bildungsabschluss und zeigt deutliche Unterschiede:
- Bei Arbeitnehmern mit weniger als fünf Jahren Erfahrung und ohne Hochschul- oder Fachhochschulabschluss erwarten 48,3 Prozent der Betriebe sinkende Löhne; nur 5,9 Prozent rechnen mit steigenden Löhnen.
- Bei Berufsanfängern mit Hochschulabschluss sagen sogar 50,8 Prozent der Unternehmen sinkende Löhne voraus; gleichzeitig sehen hier 16,3 Prozent einen Lohnanstieg.
- Für Beschäftigte mit mindestens fünf Jahren Berufserfahrung ist die Lage weniger einseitig: Ohne Hochschulabschluss erwarten 40,4 Prozent der Betriebe sinkende Löhne und 9,7 Prozent steigende.
- Erfahrene Akademiker haben vergleichsweise bessere Aussichten: 37,5 Prozent der Unternehmen erwarten sinkende, aber 26,0 Prozent steigende Löhne.
Branchen zeigen Variationen
Die Einschätzungen unterscheiden sich zudem nach Branchen. Besonders ausgeprägt ist die Erwartung fallender Löhne im Dienstleistungsbereich: Dort sagen für Beschäftigte mit kurzer Berufserfahrung und ohne Hochschulabschluss 53,3 Prozent der Unternehmen sinkende Löhne voraus; selbst bei langjährig erfahreneren Beschäftigten bleibt der Anteil mit 44,2 Prozent hoch. Im Handel nennen 47,9 Prozent beziehungsweise 41,3 Prozent sinkende Löhne. Angaben für das verarbeitende Gewerbe werden in der Auswertung ebenfalls genannt, sind aber in der vorliegenden Zusammenfassung nicht vollständig dokumentiert.
„Künstliche Intelligenz wird aus Sicht vieler Unternehmen die Löhne nicht für alle Beschäftigten gleichermaßen beeinflussen. Am ehesten rechnen sie bei weniger erfahrenen Arbeitskräften mit sinkenden Löhnen.“
Einordnung und Konsequenzen
Die Befunde zeigen, dass Unternehmen die Effekte von KI nicht als homogen einschätzen. Für Politik und Sozialpartner sind die Differenzen relevant: Wenn insbesondere Berufsanfänger ohne tertiären Abschluss Lohnverluste drohen, hat das Folgen für Ausbildungsanreize, Einkommensverteilung und die Gestaltungsrolle von Tarifpolitik. Höhere Chancen für erfahrene Akademiker deuten darauf hin, dass Qualifikation und Erfahrungszeitfenster Schutz bieten können, aber nicht generell.
Für Arbeitgeberseite lassen die Zahlen zwei Schlüsse zu: Einerseits könnten Produktivitätsgewinne durch KI nicht automatisch in höhere Löhne münden, andererseits stehen Unternehmen vor der Herausforderung, Fachkräfte zu halten und einzugliedern, wenn Lohnentwicklung negativ prognostiziert wird. Die Verteilungseffekte von KI auf dem Arbeitsmarkt werden damit zentral für die Debatten um Weiterbildung, Mindestlöhne und tarifliche Regelungen bleiben.
| Beschäftigtengruppe | % erwartet sinkende Löhne | % erwartet steigende Löhne |
|---|---|---|
| <5 Jahre, ohne Hochschulabschluss | 48,3 | 5,9 |
| <5 Jahre, mit Hochschulabschluss | 50,8 | 16,3 |
| ≥5 Jahre, ohne Hochschulabschluss | 40,4 | 9,7 |
| ≥5 Jahre, mit Hochschulabschluss | 37,5 | 26,0 |
Die Untersuchung stützt sich auf Unternehmen, die bereits KI nutzen. Damit spiegeln die Ergebnisse Erwartungen von Praktikern wider, nicht allgemeine Prognosen für gesamte Branchen oder die Gesamtwirtschaft. Dennoch geben die Zahlen einen konkreten Hinweis darauf, welche Gruppen potenziell stärker von Preisdruck auf Löhne betroffen sein könnten.
Für die weitere Debatte sind zwei Punkte zentral:
- Die Verknüpfung von Qualifikation und Erfahrung mit Lohnperspektiven: Investitionen in Aus- und Weiterbildung können die Verwundbarkeit bestimmter Gruppen reduzieren.
- Die Rolle kollektiver Lohnverhandlungen und politischer Regulierung, wenn technologische Umbrüche unterschiedliche Lohnentwicklungen für verschiedene Gruppen wahrscheinlicher machen.
Die Ifo-Forscherin, die die Umfrage auswertete, fasst zusammen, dass KI nicht gleichmäßig auf alle Beschäftigten wirkt. Die vollständige Auswertung der Studie könnte weitere Differenzierungen liefern, etwa zu Aufgabenarten oder regionalen Unterschieden; diese Daten liegen in der vorliegenden Kurzfassung jedoch nicht vor.
