Fed-Studie: KI in 80 Prozent der Berufe, aber überall flach
08. September 2026
KI-generiert, redaktionell von 8thsense ausgewählt, geprüft und freigegeben. EU AI Act, Art. 50
Eine neue Arbeit von Ökonomen der Federal Reserve, aus Harvard und Vanderbilt liefert die bisher genaueste Vermessung davon, wo generative KI im Arbeitsalltag tatsächlich ankommt. Das Ergebnis ist unbequem für alle, die KI-Einführung an Lizenzzahlen messen: Die Technik taucht in fast jedem Beruf auf, bleibt dort aber an der Oberfläche. Für Geschäftsführer ist das kein Grund zur Entwarnung, sondern ein präziser Hinweis darauf, warum viele KI-Projekte kein messbares Ergebnis liefern. Die deutschen Zahlen des Bitkom zeigen dasselbe Muster aus einer anderen Richtung.
Was die Fed-Ökonomen gemessen haben
Das Papier trägt den Titel „What Work Does Generative AI Do?” und erschien im August 2026 als NBER Working Paper 35677 (Quelle: nber.org). Autoren sind Alexander Bick von der Federal Reserve Bank of St. Louis, Adam Blandin und Tyler R. Schumacher von der Vanderbilt University sowie David J. Deming von Harvard. Die Datenbasis ist eine repräsentative Bevölkerungsbefragung, die KI-Nutzung nicht pauschal abfragt, sondern an einzelne Arbeitsaufgaben nach dem O*NET-Raster koppelt. Damit entstehen laut den Autoren die ersten Adoptions-Indizes auf Aufgabenebene. Die Kernaussage der Forscher lautet: Die Verbreitung ist breit, aber flach. In 80 Prozent der Berufe und bei 40 Prozent der Aufgaben nutzt mindestens jeder fünfte Beschäftigte generative KI, in den meisten Fällen bleibt die Quote aber unter 50 Prozent (Quelle: frbsf.org).
Nur ein schmaler Kern arbeitet wirklich mit KI
Wie schmal dieser Kern ist, zeigen die Detailzahlen. In der Auswertung von The Register überschreiten nur 15 Prozent der Berufe eine Adoptionsrate von 70 Prozent, und das sind fast durchweg computernahe Tätigkeiten. Auf Aufgabenebene wird es noch deutlicher: Gerade einmal 2,8 Prozent aller erfassten Arbeitsaufgaben kommen über eine Nutzungsquote von 50 Prozent (Quelle: theregister.com). Bemerkenswert ist ein zweiter Befund: Die üblichen Kennzahlen dafür, wie stark ein Beruf theoretisch von KI betroffen ist, erklären nur etwa die Hälfte der Unterschiede zwischen einzelnen Beschäftigten. Zwei Menschen mit derselben Stellenbeschreibung nutzen KI also sehr unterschiedlich intensiv. Das verschiebt die Frage vom Berufsbild zur Person und damit auch zur Frage, wie ein Betrieb seine Leute anleitet.
Warum Chat-Statistiken ein zu schönes Bild zeichnen
Interessant ist, wogegen sich die Studie ausdrücklich abgrenzt. Anbieter wie OpenAI und Anthropic veröffentlichen regelmäßig Auswertungen ihrer eigenen Chat-Protokolle und leiten daraus ab, welche Berufe KI wofür einsetzen. Die Fed-Forscher halten diese Datenquelle für systematisch verzerrt: Chat-Logs klassifizieren einfache, generische Tätigkeiten über und ordnen sie einer viel zu breiten Menge an Berufen zu. Wer eine E-Mail umformulieren lässt, taucht in solchen Statistiken schnell als Beleg für tiefe Durchdringung eines Berufsfelds auf. Für Entscheider heißt das konkret: Zahlen, die ein Anbieter über die Nutzung seines eigenen Produkts vorlegt, taugen nicht als Grundlage für eine Investitionsentscheidung. Eine unabhängige Erhebung, die an Aufgaben und nicht an Prompts ansetzt, kommt zu deutlich nüchterneren Werten.
Der deutsche Befund passt ins Bild
Die Bitkom-Zahlen für Deutschland zeigen dieselbe Lücke, nur aus der Unternehmensperspektive. Laut einer repräsentativen Befragung von 604 Unternehmen ab 20 Beschäftigten setzen inzwischen 41 Prozent KI ein, nach 17 Prozent im Vorjahr, weitere 48 Prozent planen oder diskutieren den Einsatz. So weit die Erfolgsmeldung. Bei den Wirkungen wird es dünner: 77 Prozent der KI-Nutzer sagen, ihre Wettbewerbsposition habe sich verbessert, aber nur 52 Prozent können einen messbaren Beitrag zum Geschäftserfolg benennen (Quelle: bitkom.org). Zwischen „wir nutzen KI” und „es rechnet sich nachweisbar” liegen also rund 25 Prozentpunkte. Das ist exakt der Abstand, den die Fed-Studie auf Aufgabenebene sichtbar macht.
Woran flache Nutzung im Betrieb hängen bleibt
Die Muster hinter dieser Lücke sind in kleineren Betrieben immer dieselben, und sie haben selten mit dem Modell zu tun:
Die KI hängt neben dem Prozess, nicht darin. Ein Chatfenster im Browser ersetzt keinen Schritt im Ablauf, es kommt als zusätzliche Station obendrauf.
Kein Zugriff auf die eigenen Daten. Ohne Anbindung an Warenwirtschaft, Terminsystem, Ticketsystem oder Dokumentenablage bleibt jede Antwort allgemein.
Einzelne Überzeugte statt Team. Die Studie zeigt genau das: gleiche Aufgabe, völlig unterschiedliche Nutzung, abhängig von der Person.
Kein definierter Anwendungsfall. „Wir probieren mal KI” produziert Demos, keine eingesparten Stunden.
Ungeklärter Datenschutz. Solange niemand freigegeben hat, welche Daten in welches Werkzeug dürfen, arbeiten Mitarbeitende bewusst nur mit unkritischen Randaufgaben.
Was das für Unternehmen bedeutet
Die praktische Konsequenz ist unspektakulär: Hören Sie auf, KI-Fortschritt an der Zahl der Lizenzen zu messen, und fangen Sie an, ihn an einzelnen Aufgaben zu messen. Nehmen Sie einen Vorgang, der bei Ihnen wirklich Zeit frisst, und rechnen Sie ihn durch. In einer Pflegevermittlung ist das oft der Abgleich von Anfragen mit verfügbaren Kräften, in einer Tanzschule die Beantwortung immer gleicher Kursfragen, bei einem regionalen Freizeitanbieter die Saisonplanung samt Buchungsmails, in einer Praxis die Vorbereitung von Unterlagen. Ein solcher Fall lässt sich in wenigen Wochen umsetzen, kostet in der Regel weniger als eine halbe Stelle im Monat und liefert eine Zahl, über die man sprechen kann.
Entscheidend ist dabei der Unterschied zwischen einem Werkzeug und einer Anbindung. Ein Standard-Abo bringt Ihren Leuten einen Assistenten, der Ihr Geschäft nicht kennt. Nutzen entsteht erst, wenn das Modell an die realen Systeme im Haus angeschlossen wird, wenn also eine saubere KI-Automation die Schritte übernimmt, die heute jemand von Hand zwischen zwei Programmen hin und her trägt. Diese Prozessautomatisierung ist die Arbeit, die in den 2,8 Prozent steckt. Wer sie nicht macht, landet zuverlässig in der Bitkom-Lücke: KI im Einsatz, Wirkung nicht belegbar. Und dafür sollte niemand ein Budget freigeben.
