Seit fast vier Jahren, seit ChatGPT, ist KI das dominante Thema in der Arbeitswelt. Heute schauen wir auf etwas, das in dieser Debatte oft untergeht: Was macht KI eigentlich mit den Menschen, die mit ihr arbeiten sollen?
Für diesen Artikel haben wir 73 Erfahrungsberichte ausgewertet. Gesammelt hat sie der US-Tech-Journalist Brian Merchant: In seinem Blog Blood in the Machine rief er im Mai 2025 Menschen dazu auf, zu erzählen, was KI mit ihrem Job macht. Die Antworten hat er seither in fünf Folgen veröffentlicht und nach Branchen sortiert: Tech, Übersetzung, Kunst und Design, Copywriting und Bildung. Die meisten Berichte sind anonym.
Dabei geht es nicht nur um tatsächliche Jobverluste. Ihre Stelle oder ihr Geschäft tatsächlich verloren hat nach unserer Zählung nur rund ein Viertel der Berichtenden. Ihre Geschichten erzählen, wie Aufträge wegbrechen, Honorare und Stunden sinken und wie sich die eigene Arbeit schleichend ändert.
Repräsentativ sind diese Stories auf Merchants Blog natürlich nicht. Aus unserer Design-Thinking-Perspektive liefern sie aber genau das richtige Futter, um Sinn in Daten zu finden. Statistiken zeigen, wie viel passiert; Geschichten zeigen, was passiert und warum. Und weil sich die Arbeitswelt in den USA oft schneller und konsequenter dreht, kommt vieles, was dort schon Alltag ist, bei uns gerade erst an.
Herausgekommen sind acht Erkenntnisse, die wir am Ende des Artikels einordnen: mit einem Blick in die Geschichte und auf die Frage, welche Zukunft wir mit KI eigentlich wollen. Und wer danach weiterlesen will, findet mehr zu KI in unserem Blog.
Merchant hat die Berichte auf seinem Blog nach Branchen gebündelt. Den Anfang machten im Juni 2025 15 Berichte aus der Tech-Branche, in denen Angestellte bei Google, Dropbox, CrowdStrike und in Startups davon berichteten, wie KI als Vorgabe von oben verordnet wurde. Im August folgten 16 Übersetzer*innen, Dolmetscher*innen und Lokalisierer*innen aus der Spielebranche, deren Honorare sich halbieren. Im September kamen 14 Stimmen aus den Bereichen Kunst und Design dazu, aus Illustration, Grafik, 3D, Animation und Kostümbild, denen die Aufträge fast über Nacht wegbrachen.
Im Dezember berichteten dann 12 Copywriter*innen, Agenturen und Ghostwriter, wie KI-Output den Anspruch an gute Texte verdrängt. Die bislang letzte Folge erschien im März 2026: 16 Berichte aus der Bildung, von Lehrenden, Tutor*innen, Bibliothekar*innen und Menschen aus dem Edtech-Bereich. Dort gerät nicht nur der Job unter Druck, sondern das Lernen selbst.
Wer über KI und Arbeit spricht, hört verschiedene Geschichten. Die erste und vielleicht lauteste kommt von den Tech-CEOs. Sie reden oft und gerne von den vielen Stellen, die sich durch KI-Technologie ersetzen lassen. So auch Dario Amodei, Chef von Anthropic, der es für möglich hält, dass bald die Hälfte aller Einstiegsjobs im Büro wegfällt.
Eine ruhigere Story erzählen die Makrodaten. Breitere Wirtschaftsdaten deuten bisher nur auf eine begrenzte Disruption hin, Merchant verweist dafür auf ein Paper des National Bureau of Economic Research.
Zwischen diesen Geschichten liegt eine Ebene, die in Statistiken kaum auftaucht. Jobs verschwinden selten mit einem lauten Knall. Vielmehr werden sie umgebaut, verdichtet, schlechter bezahlt oder schleichend automatisiert. Genau diese Ebene dokumentieren die Berichte.
Wie KI ankommt, hängt stark davon ab, ob jemand angestellt ist oder frei arbeitet. Angestellte, vor allem in Tech und Bildung, erleben KI als Vorgabe. Führungskräfte und Hochschulleitungen machen sie zur Pflicht, auch dort, wo sie nicht passt. Wer ablehnt, wird ermahnt oder verliert die Stelle; ein Bericht trägt den Titel „Refusing to use Copilot cost me my job“. Stellenabbau wird mit KI begründet: Dropbox entließ 20 Prozent der Belegschaft, eine Hochschule 40 Prozent ihrer Vollzeit-Lehrenden. Gleichzeitig zeigen die Berichte, dass sich Widerstand organisieren lässt, etwa über Gewerkschaften und Lehrendenverbände.
Wer frei arbeitet, erlebt hingegen einen Markt, der still wegkippt. Das betrifft vor allem Übersetzung, Kunst und Design sowie Copywriting. Aufträge bleiben ohne Erklärung aus, oft von einem Monat auf den nächsten. Statt Originalarbeit werden mehr Korrekturaufträge für KI-Content angefragt, leider meist zu einem Bruchteil des früheren Honorars. Wie hart es einen trifft, hängt am sozialen Netz ihres Landes; das zeigen die Berichte aus Kanada und den USA sehr deutlich.
Ein roter Faden, der sich durch alle Folgen zieht, ist der sinkende Qualitätsanspruch. Niemand behauptet, KI sei besser als menschliche Arbeit. Aber sie ist billiger und gilt als ausreichend. Aus Schreiben, Übersetzen und Gestalten wird so das Nachbessern fremder Ergebnisse, und genau diese Nachbearbeitung wird schlechter bezahlt als das Original, obwohl sie oft kaum Zeit spart.
Einzelne Berichte nennen konkrete Einbußen. Repräsentativ sind sie nicht, aber sie zeigen die Größenordnung, über die wir reden: von einer Copywriting-Agentur, deren Jahresumsatz von rund 600.000 auf unter 10.000 Dollar fiel, bis zu einer Hochschule, die 40 Prozent ihrer Vollzeit-Lehrenden entließ.
Ein Job stirbt nicht nur, wenn die Stelle wegfällt, sondern auch dann, wenn Freude, Können oder Würde aus ihm verschwinden. In den Berichten finden sich alle vier Varianten.
Am sichtbarsten ist der klassische Abbau. Stellen werden mit einer „Neuausrichtung auf KI“ gestrichen, wie bei Dropbox und CrowdStrike, und Stammkund*innen verschwinden ohne Kündigung. Eine Freelancerin verlor ihren größten Kunden, als ein Modehändler seine Produkttexte auf KI umstellte. Sie hat ihr Gewerbe inzwischen geschlossen.
Andere behalten ihren Job, fühlen sich aber zunehmend unwohl mit ihrem neuen Anforderungsprofil. Aus kreativer Arbeit wird das Prüfen und Reparieren fremder Ergebnisse. Ein Copywriter beschreibt, wie er vom Autor zum „Operator“ wurde, der Prompts schreibt. Eine Tutorin sagt, ihr neuer Job bestehe darin, Studierenden beim Schummeln zu helfen.
Mit dem Tempo sinkt die Qualität, und die Fehler bleiben oft unbemerkt. Gepfuscht wird bei Code, Fachbegriffen oder kulturellen Nuancen. In einem Tech-Unternehmen landeten über 30.000 Zeilen KI-generierter Code ohne einen einzigen Unit-Test im Produkt. Im Kostümbild entstehen KI-Entwürfe, die sich in der Realität gar nicht schneidern lassen.
Am leisesten, aber vielleicht am bittersten ist die schleichende Entwertung der eigenen Arbeit. Werke landen ungefragt in Trainingsdaten, KI-Skepsis gilt als Rückständigkeit. Eine Illustratorin musste zusehen, wie ein Kollege eine KI mit ihrem Stil fütterte. An einer Hochschule ging eine Stelle für KI-Ethik nicht an den Kritiker, sondern an jemanden mit Copilot-Erfahrung.
Zwei Muster tauchen überall auf: Arbeit verschiebt sich vom Machen zum Korrigieren, und die Einstiegswege in den Beruf brechen weg.
·prägend für die Folge·kommt vor
| Branche | Stellenabbau | Honorar- und Auftragsverfall | Druck von oben | Machen wird Korrigieren | Qualitätsverlust | Einstieg bricht weg | Organisierter Widerstand |
|---|---|---|---|---|---|---|---|
| Tech15 Berichte | prägend | prägend | kommt vor | prägend | kommt vor | kommt vor | |
| Übersetzung16 Berichte | kommt vor | prägend | kommt vor | prägend | prägend | prägend | kommt vor |
| Kunst & Design14 Berichte | kommt vor | prägend | kommt vor | prägend | kommt vor | prägend | |
| Copywriting12 Berichte | prägend | prägend | kommt vor | prägend | kommt vor | kommt vor | |
| Bildung16 Berichte | kommt vor | kommt vor | prägend | kommt vor | prägend | kommt vor | prägend |
Unsere eigene Zuordnung auf Basis der Berichte, keine Auswertung des Autors. Die Berichte sind eine Selbstauswahl und nicht repräsentativ. Sie zeigen Muster, keine Häufigkeiten.
Fast jede Branche beschreibt einen ähnlichen Ereignisverlauf. Zuerst wird die Einstiegsarbeit automatisiert. Juniorjobs in der Softwareentwicklung, einfaches Produktdesign, schlichte Texte fallen weg. Damit fehlt dem Nachwuchs genau die Arbeit, an der man eigentlich lernt. In Tech und Bildung berichten Menschen, dass Einsteiger*innen einfach KI-Ergebnisse übernehmen, anstatt die dahinter liegenden Kreationsmuster zu verstehen.
Gleichzeitig wandern die Erfahrenen ab, ohne dass jemand nachkommt. In der Übersetzung und der Animation ist das schon deutlich zu sehen. Eine Ausbilderin an der Universität Genf warnt ausdrücklich vor einer Talentlücke an der Spitze des Übersetzungsberufs, wenn die heutige Generation aufhört. Es besteht die Gefahr, dass in Unternehmen am Ende niemand mehr sitzt, der die Fehler der KI noch erkennt. Und weil es niemand erkennt, erscheint es noch vernünftiger, weitere Einstiegsarbeit zu automatisieren.
Am eindrücklichsten sind die Berichte des Blogs dort, wo die Menschen beschreiben, was die Veränderung mit ihnen macht. Ein Satz aus der Bildungsfolge fasst die ganze Serie recht gut zusammen:
„If AI is writing the work and AI is reading the work, do we even need to be there at all?“
Titel der Folge über Bildungsberufe
Dazu einige Stimmen aus den anderen Folgen, im englischen Original:
„Being forced to use AI has turned a job I liked into something I dread.“
Marketing bei einem Edtech-Unternehmen, Folge Tech
„The very definition of translation is not to convert words, but meaning.“
Lucile Danilov, Spiele-Übersetzerin
„For me, AI means white knuckling it your entire life until you retire.“
Übersetzerin, 25 Jahre im Beruf, Kanada
„It’s essentially plagiarism on steroids.“
Susan Oakes, Grafikerin und Photoshop-Dozentin
„Once the bots were sufficiently trained up to offer ‘good enough’ support, then I was out.“
Jacques Reulet II, ehemals Support-Texter in einem Softwareunternehmen
„It feels like my new job is how to help students cheat better.“
Lauren Krouse, Tutorin an einem Community College
Wie man mit der Angst umgehen kann, von KI ersetzt zu werden, beschreiben wir in Future Skills gegen FOBO.
Die Wirtschaftsnobelpreisträger Daron Acemoglu und Simon Johnson zeigen in Power and Progress (deutsch: Macht und Fortschritt), wie neue Technologien seit tausend Jahren eingeführt werden. Eine zentrale These lautet, dass Technologie nicht ab Werk mit einer voreingestellten Richtung kommt. Oder anders gesagt, Webstuhl, Dampfmaschine, Fließband und KI eröffnen jeweils viele mögliche Optionen. In welche Richtung gegangen wird, entscheiden diejenigen, die die Technik einführen, und sie setzen in der Regel ihre eigene Vision durch. Gewinne konzentrieren sich, Arbeit wird entwertet. In der Industriellen Revolution stagnierten die Löhne über Jahrzehnte.
Breiter Nutzen entstand historisch erst, als eine Gegenmacht entstand. Gewerkschaften, Reformen und öffentlicher Druck haben die Richtung verschoben, in die Technik eingesetzt wurde. Erst durch diese Balance konnten anschließend auch breite Teile der Gesellschaft von der Technologie profitieren, durch höhere Löhne, bessere Arbeit und mehr Teilhabe. Bei KI stehen wir nach dieser Lesart in der zweiten Phase.
Acemoglu und Johnson haben für das, was die Betroffenen mit „gut genug“ beschreiben, einen eigenen Begriff: „So-so-Automatisierung“. Gemeint ist Technik, die Menschen ersetzt, ohne wirklich produktiver zu sein. Merchant nennt den Treiber dahinter einen Wandel der sozialen Erlaubnis. Der Hype erlaubt es, Arbeit abzuwerten, auch wenn die Technik das gar nicht rechtfertigt.
Bei Dark Horse geht es immer um beides: um einen pragmatischen Umgang mit neuen Rahmenbedingungen und um die Frage, welche Zukünfte wir für erstrebenswert halten. Wer den Blick für die eigentlichen Zielbilder verliert, verliert in der alltäglichen Auseinandersetzung zwangsläufig irgendwann die Orientierung.
Wer weder Vision noch Drive hat, wartet ab und wird früher oder später von der Umwelt ein- oder aussortiert. Wer klare Werte hat, die Technik aber anderen überlässt, bekommt ein Wirkungsproblem. Wer KI einführt, weil es geht und billiger ist, aber keine Vorstellung davon hat, wofür, driftet in die Dystopie. Das ist die Welt, die Merchants 73 Berichte beschreiben.
Unser Ziel ist das vierte Feld. Hier wird KI eingesetzt, um eine Zukunft zu gestalten, die wir tatsächlich wollen. Mit Beteiligung der Menschen, die mit ihr arbeiten, mit Lernpfaden für den Nachwuchs und mit einem Nutzen, der geteilt wird. Dass das nicht immer ohne Reibung oder Widersprüche abläuft, sollte einem bewusst sein. Doch der Kompass hilft dabei, auch auf mäandernden Umwegen nicht die Übersicht zu verlieren und am Ende die richtigen Entscheidungen zu treffen.
Wie sich das in unserem eigenen Alltag anfühlt, haben wir in der Dark Horse Retro: Wie hat KI 2026 unsere Arbeit verändert? aufgeschrieben.
Die Berichte lesen sich wie eine Liste von Gestaltungsfehlern. Wer KI in der eigenen Organisation einführt, kann daraus vier Leitfragen ableiten.
Welche wünschenswerte Zukunft soll diese Technologie ermöglichen, für Kund*innen, Mitarbeitende und Gesellschaft?
Wo darf ein Ergebnis durchschnittlich sein, und wo entsteht euer Wert gerade durch Qualität, Nuance und Haltung? Wie gute Entscheidungen mit KI gelingen, erklärt Niklas Keller im Interview.
Wenn Einsteiger*innen nur noch übernehmen, was die KI liefert, fehlen in fünf Jahren die Expert*innen. Wie können Review, Übung und Verantwortung im Design der Arbeit verankert werden?
Was historisch Gewerkschaften und Reformen geleistet haben, können Organisationen auch von innen anlegen. Welche partizipativen Strukturen und Prozesse erlauben es, Einwände von Gegenstimmen einzubeziehen? Einen Rahmen dafür beschreiben wir in 6 Hebel für Responsible AI.
Die Leitfragen oben richten sich an Organisationen. Für die eigene Arbeit lassen sie sich in drei Fragen übersetzen:
Wo du bei den Zukunftskompetenzen stehst, findest du mit unserem Future-Skills-Selbsttest heraus.
Bisher selten vollständig. Die 73 Berichte zeigen vor allem, wie Arbeit umgebaut wird: Aus Schreiben, Übersetzen und Gestalten wird das Korrigieren von KI-Ergebnissen, oft schlechter bezahlt. Breitere Wirtschaftsdaten deuten bislang nur auf begrenzte Effekte am Arbeitsmarkt hin.
In den Berichten vor allem Übersetzung, Kunst und Design sowie Copywriting, wo viele frei arbeiten und Aufträge ohne Erklärung ausbleiben. In Tech und Bildung kommt KI eher als Vorgabe von oben, teils verbunden mit Stellenabbau.
Ein Begriff der Ökonomen Daron Acemoglu und Simon Johnson für Technik, die Menschen ersetzt, ohne wirklich produktiver zu sein. Das Ergebnis ist billiger und gilt als „gut genug“, aber nicht als besser.
Wie Organisationen Strategie, Struktur und Zusammenarbeit im KI-Zeitalter gestalten können, ohne die Menschen darin zu verlieren: Dazu schreiben wir regelmäßig. Alle Beiträge zum Thema KI