Künstliche Intelligenz verändert die Wirtschaft – das ist inzwischen Konsens. Aber was bedeutet das für unseren Wohlstand? Was passiert mit Renten, Gesundheitsversorgung und sozialer Sicherung, wenn KI nicht Fließbandarbeiter ersetzt – sondern Wissensarbeiter – also genau die Gruppe, deren Einkommen den Sozialstaat finanziert? Dieser Artikel versucht, aus der Perspektive eines KI-Beraters, der Unternehmen beim Einsatz generativer KI begleitet und dabei täglich sieht, mit welcher Geschwindigkeit sich das Ersetzungspotenzial dieser Technologie entfaltet, genau diese Zusammenhänge in konkreten Zahlen transparent zu machen. Denn es stellt sich nicht die Frage, ob die Auswirkungen kommen, sondern wann – und ob wir vorbereitet sind.

KI ersetzt Köpfe, nicht Hände

Industrielle Automatisierung folgte einem berechenbaren Muster: Maschinen übernahmen regelbasierte, physisch repetitive Tätigkeiten. Wer einen Schweißroboter programmierte, ersetzte eine Handbewegung – nicht eine Entscheidung. Die kognitive Arbeit blieb unangetastet. Planer, Analysten, Juristen, Controller, Berater, Programmierer – sie alle galten als geschützt, weil ihre Arbeit Sprachverständnis, Kontextbewertung, Urteilsbildung und kreative Synthese erforderte. Tätigkeiten, die sich nicht in Wenn-dann-Logik übersetzen ließen.

Generative KI hat diese Trennlinie aufgelöst. Seit Ende 2022 substituieren Large Language Models und darauf aufbauende KI-Agenten genau jene kognitiven Leistungen, die bislang als nicht-algorithmisch codierbar galten. Die Maschine versteht keine Sprache im menschlichen Sinn – aber sie produziert Ergebnisse, die in der Wirkung gleichwertig sind. Und diese Gleichwertigkeit reicht für den Arbeitsmarkt.

Wen es trifft – und warum

Die Verdrängung entfaltet sich auf drei Ebenen gleichzeitig.

Erstens: Tätigkeiten, die bereits durch klassische Automatisierung – RPA, Workflow-Engines, regelbasierte Software – bedroht waren, werden durch KI beschleunigt verdrängt. Der Sachbearbeiter, dessen Arbeit ohnehin zur Hälfte aus Formularverarbeitung bestand, verliert den verbleibenden Rest an Kontextbewertung und Ausnahmebehandlung.

Zweitens – und das ist der qualitative Bruch: Erfahrene Wissensarbeiter werden ersetzbar. Finanzanalysten, Unternehmensberater, Wirtschaftsprüfer, Softwareentwickler, Übersetzer, Redakteure, das mittlere Management. Nicht die Berufsanfänger, die Routinetätigkeiten ausführen, sondern die Ebene darüber – diejenigen, die bislang urteilten, bewerteten, synthetisierten.

Drittens: Kognitive Anteile in nicht-kognitiven Berufen. Der Handwerksmeister, der plant und kalkuliert. Die Pflegekraft, die dokumentiert. Der Disponent, der koordiniert. McKinsey schätzt, dass in personenbezogenen Berufen – „people-centric jobs" – etwa einem Drittel aller US-Arbeitsplätze – nur die Hälfte der Arbeitszeit physische Tätigkeit ist. Die andere Hälfte – Planung, Dokumentation, Koordination, Kalkulation – ist durch KI ersetzbar.

Bildung als blockierte Fluchtroute

Historisch war Bildung die Antwort auf technologischen Wandel. Eine NBER-Studie über 1.993 Städte in sechs Ländern zeigt: Der Anteil hochqualifizierter Arbeitskräfte war der stärkste Prädiktor für die regionale Erholung nach der Deindustrialisierung. Ein Prozentpunkt mehr Hochschulabsolventen korrelierte mit drei Prozentpunkten mehr Beschäftigungswachstum pro Dekade.

Die Ersetzung durch KI entwertet genau diesen Schutzfaktor. Wenn die Maschine kognitive Arbeit übernimmt, schützt Bildung nicht mehr vor Verdrängung – sie markiert die Zielgruppe. Die historische Fluchtroute nach oben ist versperrt, weil „oben" genau dort ist, wo KI jetzt ansetzt.

Stille Erosion und sichtbare Brüche

Die Verdrängung läuft auf zwei Kanälen. Der erste ist leise: Stellen, die nicht nachbesetzt werden. Teams, die schrumpfen. Gehälter, die stagnieren. Glassdoor prägte dafür den Begriff „forever layoffs" – ein schleichender Dauerzustand der Ausdünnung, der in keiner Entlassungsstatistik auftaucht, aber die Einkommensbasis dauerhaft schmälert.

Der zweite Kanal ist laut. Im Jahr 2025 kündigten US-Unternehmen den Abbau von über 1,1 Millionen Stellen an – ein Anstieg von 54 Prozent gegenüber dem Vorjahr, der höchste Wert seit der Pandemie. Die Entlassungswellen bei Amazon (30.000+ Unternehmenspositionen in zwei Runden), UPS (14.000 Managementstellen in 22 Monaten), Accenture (11.000), Microsoft (~9.000), Klarna (Halbierung der Belegschaft von ~7.400 auf ~3.000) tragen explizite KI-Referenzen.

Neue Jobs entstehen nicht von selbst

Der Standardeinwand lautet: Technologie vernichtet Arbeitsplätze, aber sie schafft auch neue. Das stimmt historisch – aber es ist kein Naturgesetz. Daron Acemoglu, Nobelpreisträger 2024, unterscheidet zwischen dem Displacement Effect (Verdrängung von Arbeitseinkommen) und dem Reinstatement Effect (Entstehung neuer Aufgaben, die menschliche Arbeit erfordern). Ob der zweite Effekt den ersten kompensiert, hängt nicht von der Technologie ab, sondern von institutionellen Entscheidungen – Bildungspolitik, Arbeitsmarktregulierung, Steuersystem, Investitionsanreizen.

Die aktuelle KI-Entwicklung, so Acemoglu, ist überwiegend auf Ersetzung ausgerichtet: „So-so-Technologie", die menschliche Arbeit ersetzt, ohne proportional neue Aufgabenfelder zu erzeugen. Sein Befund: 0,5 Prozent BIP-Wachstum durch KI in zehn Jahren – weil Produktivitätsgewinne nicht breit geteilt werden.

Bestandsaufnahme: Wie viel kognitive Arbeit steckt in der Wirtschaft?

Bevor sich beziffern lässt, was wegbricht, wenn KI kognitive Arbeit ersetzt, muss der Bestand vermessen werden. Was genau ist kognitive Arbeit, wie groß ist ihr Anteil an der Gesamtwirtschaft, und welches Einkommensvolumen steht dahinter?

Was kognitive Arbeit ist – und was nicht

Kognitive Arbeit ist Tätigkeit, deren Kern nicht in physischer Ausführung liegt, sondern im Umgang mit Information: Lesen, Bewerten, Einordnen, Entscheiden, Formulieren, Planen, Koordinieren. Ein Wirtschaftsprüfer, der Bilanzen analysiert, leistet kognitive Arbeit. Eine Controllerin, die Abweichungen interpretiert. Ein Softwareentwickler, der Architekturentscheidungen trifft. Eine Juristin, die Sachverhalte subsumiert. Eine Projektleiterin, die Abläufe strukturiert.

Die Abgrenzung zur manuellen Arbeit ist dabei weniger trennscharf, als es klingt. Eine Pflegekraft leistet überwiegend physische Arbeit – aber die Dokumentation, die Pflegeplanung, die Abstimmung mit Ärzten ist kognitiv. Ein Elektriker verlegt Kabel – aber die Fehlersuche, die Angebotskalkulation, die Abstimmung mit dem Bauherrn ist es ebenso. In der Praxis haben die meisten Berufe kognitive Anteile, und genau diese Anteile sind es, die durch generative KI erstmals maschinell leistbar werden.

Für die quantitative Analyse in diesem Artikel gilt: Wo immer von „Wissensarbeitern" die Rede ist, sind Beschäftigte gemeint, deren überwiegender Tätigkeitsanteil kognitiv ist. Die Zahlen basieren auf den Berufsklassifikationen des Bureau of Labor Statistics (USA) und des Statistischen Bundesamts (Deutschland). Die Grenzen sind unscharf – aber die Größenordnung ist eindeutig.

USA: Das Gewicht der Wissensarbeit

Die Vereinigten Staaten beschäftigen rund 100 Millionen Wissensarbeiter – etwa 42 Prozent der Erwerbstätigen. Ihre Gesamtvergütung beläuft sich auf 10 bis 11 Billionen Dollar, das entspricht 40 bis 45 Prozent des Bruttoinlandsprodukts. Das durchschnittliche Einkommen in dieser Gruppe liegt bei 100.000 bis 110.000 Dollar – deutlich über dem Medianhaushaltseinkommen.

Diese Zahlen sind kein statistischer Zufall. Wissensarbeit hat sich über Jahrzehnte zum wirtschaftlichen Schwerpunkt entwickelt: höhere Wertschöpfung pro Kopf, höhere Steuerlast, höhere Sozialabgaben, höhere Konsumquote.

Deutschland: Wissensarbeit als Wohlstandsfundament

Für Deutschland fehlt eine exakte Entsprechung der US-amerikanischen Berufsklassifikation (Bureau of Labor Statistics). Das Fraunhofer IAO schätzt, dass über 50 Prozent der Arbeit in Deutschland Wissensarbeit ist – mit „enorm steigender Tendenz". Die Bandbreite der Definitionen in der Literatur reicht von 30 bis 55 Prozent, abhängig davon, ob man Tätigkeitsprofile (eng) oder Funktionsanteile (breit) zugrunde legt.

Entscheidend für die Analyse der Staatseinnahmen ist nicht die exakte Zahl, sondern die Einkommensstruktur dahinter: Die Einkommensteuer macht 26,4 Prozent des deutschen Steueraufkommens aus. Die oberen zehn Prozent der Einkommensbezieher tragen 55,8 Prozent der Einkommensteuer. Die oberen 30 Prozent – jene Einkommenssegmente, in denen Wissensarbeiter konzentriert sind – tragen rund 80 Prozent. Die Sozialversicherungsbeiträge belaufen sich auf jährlich rund 590 Milliarden Euro, getragen von Arbeitnehmern und Arbeitgebern hälftig, berechnet auf das Bruttoeinkommen.

Jeder Euro, der in dieser Einkommensschicht wegfällt, trifft die Steuereinnahmen überproportional – weil der progressive Tarif dafür sorgt, dass hohe Einkommen pro Euro mehr Steuer erzeugen als niedrige. Bei den Sozialabgaben ist der Effekt anders gelagert: Sie fallen proportional an, aber nur bis zur Beitragsbemessungsgrenze. Wer deutlich darüber verdient und sein Einkommen verliert, reißt zunächst keine Sozialabgaben mit – erst wenn das Einkommen unter die Grenze sinkt, schlägt der Ausfall voll durch.

Unterschätzte Angriffsfläche

Die übliche Diskussion über die Ersetzung durch KI denkt in Berufsbildern: Wird „der Buchhalter" ersetzt? Wird „die Übersetzerin" ersetzt? McKinsey wählt einen anderen Ansatz. Die Studie A new future of work (November 2025) zerlegt rund 850 Berufe in über 2.100 Einzeltätigkeiten und bewertet jede einzelne auf ihr Ersetzungspotenzial.

Das Ergebnis: 60 Prozent aller Berufe haben mindestens 30 Prozent ersetzbare Tätigkeitsanteile. Der Sprung seit 2023 ist dabei fast ausschließlich auf den KI-Anteil zurückzuführen – nicht auf Robotik. McKinseys Gesamtschätzung des technischen Ersetzungspotenzials stieg von rund 30 Prozent (2023) auf 57 Prozent (2025). Der Robotik-Anteil blieb stabil bei 13 Prozent. Die Differenz – der Anstieg von 30 auf 57 Prozent – ist Ersetzung durch KI im engeren Sinn.

Diese 57 Prozent setzen sich zusammen aus 44 Prozentpunkten durch KI-Agenten (kognitive Tätigkeiten, die zuvor nicht algorithmisch codierbar waren) und 13 Prozentpunkten durch Robotik (physische Tätigkeiten in vorhersagbaren Umgebungen). Und 57 Prozent sind dabei eine Untergrenze: Sie basieren auf dem technologischen Stand Ende 2025. McKinseys eigene Schätzung hat sich in 24 Monaten nahezu verdoppelt – getrieben fast ausschließlich durch die Fähigkeit generativer KI, natürliche Sprache zu verarbeiten. Neue Durchbrüche oder stockende Fortschritte können die Entwicklung in beide Richtungen verschieben. Und eine methodische Einschränkung: Die McKinsey-Analyse klassifiziert Tätigkeiten nach dem US-amerikanischen O*NET-System. Eine Eins-zu-eins-Übertragung auf deutsche Berufsprofile ist nicht möglich – die Zahlen zeigen Größenordnung und Richtung, nicht berufsgenaue Präzision.

Die Rechnung: Was bricht weg?

Was bedeuten diese Entwicklungen in Euro? Die folgende Kalkulation rechnet drei Ersetzungsszenarien über fünf Jahre durch – auf Basis offengelegter Annahmen und mit benannten Grenzen.

Methodik und Modellannahmen

Das Modell folgt einer einfachen, aber robusten Logik:

Anzahl der Wissensarbeiter × Durchschnittseinkommen × Ersetzungsrate = Einkommensverlust.

„Ersetzung" umfasst dabei sowohl den vollständigen Arbeitsplatzverlust als auch die Einkommenssenkung durch Dequalifizierung – wenn aus der Sachbearbeiterin mit Urteilsspielraum jemand wird, der KI-Entscheidungen nur noch abnickt.

Die drei Szenarien – konservativ (10 Prozent), mittel (20 Prozent) und aggressiv (30 Prozent) – bezeichnen den Anteil kognitiver Arbeit, der über einen Fünfjahreszeitraum ersetzt wird. Alle drei liegen deutlich unter McKinseys technischem Ersetzungspotenzial von 57 Prozent (Stand 2025). Sie modellieren realistische Implementierung, nicht theoretische Möglichkeit.

Der Zeitverlauf folgt einer S-Kurve – dem empirisch bestdokumentierten Muster technologischer Adoption von Elektrifizierung über Internet bis Cloud-Computing. Die S-Kurve bildet ab, was die lineare Projektion nicht kann: langsamer Anlauf (Jahr 1-2), Beschleunigungsphase (Jahr 2-4), Abflachung bei Annäherung an die Szenario-Obergrenze (Jahr 4-5).

Methodischer Hinweis zur S-Kurve: Die S-Kurve bildet das Muster historischer Technologieverbreitung ab. Ihre Übertragbarkeit auf die Ersetzung durch KI ist plausibel, aber nicht gesichert. Software skaliert ohne physische Infrastruktur – der Verlauf könnte schneller sein als bei Elektrizität oder Internet. Regulierung und Integrationskomplexität könnten ihn bremsen. Die Kurve ist ein Modellierungsinstrument, keine Prognose.

Warum jeder verlorene Euro doppelt zählt

Jeder verlorene Euro Wissensarbeiter-Einkommen reduziert drei Einnahmeströme gleichzeitig: Einkommensteuer (progressiv – überproportionaler Verlust bei hohen Einkommen), Sozialversicherungsbeiträge (rund 20 Prozent des Bruttoeinkommens je Seite), und Umsatzsteuer (weniger Netto ergibt weniger Konsum ergibt weniger Steuereinnahmen).

Der OECD-Steuerkeil für Deutschland – die international vergleichbare Messgröße, jährlich publiziert in Taxing Wages – liegt für einen alleinstehenden Durchschnittsverdiener bei rund 47 bis 48 Prozent. Das bedeutet: Von jedem Euro Bruttoeinkommen fließen knapp 48 Cent in Steuern und Sozialabgaben. Deutschland hat damit einen der höchsten Steuerkeile der OECD – und damit eine besonders hohe Anfälligkeit für Einnahmeausfälle bei sinkendem Arbeitseinkommen.

Ergebnisse für Deutschland: Mittleres Szenario im Zeitverlauf

Das Modell zeigt seine Stärke nicht in den Endwerten, sondern im Verlauf. Die folgende Tabelle stellt das mittlere Szenario (20 Prozent Ersetzung über fünf Jahre) Jahr für Jahr dar. Die Spalte Jährliche Mindereinnahmen zeigt, wie viel an Steuern und Sozialabgaben in dem jeweiligen Jahr ausfällt. Die Spalte Kumuliert zeigt die Summe aller Ausfälle seit Beginn.

Mittleres Szenario (20%) – Deutschland, Zeitverlauf

Jahr Ersetzungsrate Betroffene Jährl. Mindereinnahmen Kumuliert
1 2,1% 0,4 Mio. 11 Mrd. € 11 Mrd. €
2 6,8% 1,3 Mio. 35 Mrd. € 46 Mrd. €
3 13,2% 2,6 Mio. 69 Mrd. € 115 Mrd. €
4 17,9% 3,5 Mio. 94 Mrd. € 209 Mrd. €
5 20,0% 3,9 Mio. 105 Mrd. € 314 Mrd. €

Das Muster ist typisch für S-Kurven-Verläufe: In den ersten beiden Jahren passiert wenig – die Mindereinnahmen bleiben unter 50 Milliarden Euro kumuliert, das erzeugt kaum politischen Druck. Zwischen Jahr 2 und 4 setzt die Beschleunigung ein: Die jährlichen Ausfälle verdoppeln sich, dann verdreifachen sie sich. Wenn die Dimension sichtbar wird, ist der Zeitpunkt für vorbeugende Maßnahmen bereits verstrichen.

Alle drei Szenarien im Überblick

Die folgende Tabelle fasst die kumulierten Gesamtwerte über den vollen Fünfjahreszeitraum zusammen – also die Summe aller jährlichen Ausfälle.

Deutschland – Kumulierte Gesamtwerte über fünf Jahre

Szenario Betroffene (Jahr 5) Kumulierter Einkommensverlust Kumulierte Mindereinnahmen
Konservativ (10%) 1,95 Mio. ~233 Mrd. € ~157 Mrd. €
Mittel (20%) 3,9 Mio. 466 Mrd. € 314 Mrd. €
Aggressiv (30%) 5,85 Mio. ~699 Mrd. € ~471 Mrd. €

Zur Einordnung: Bund, Länder, Gemeinden und Sozialversicherung nahmen 2024 zusammen rund 1.660 Milliarden Euro an Steuern und Sozialabgaben ein. Im mittleren Szenario fehlen im fünften Jahr jährlich rund 105 Milliarden Euro – etwa 6 Prozent dieser Gesamteinnahmen. Selbst im konservativen Szenario sind es rund 52 Milliarden oder gut 3 Prozent. Diese Ausfälle verteilen sich auf alle staatlichen Ebenen: Einkommensteuer (aufgeteilt zwischen Bund, Ländern und Gemeinden), Sozialversicherungsbeiträge (die gar nicht im Bundeshaushalt auftauchen) und Umsatzsteuer. Das heißt: Kein einzelner Haushalt trägt die volle Last – aber alle sind gleichzeitig betroffen. Zum Vergleich: Der Bundeszuschuss zur Rentenversicherung beträgt rund 112 Milliarden Euro jährlich. Im mittleren Szenario entspricht der jährliche Einnahmeausfall im fünften Jahr fast exakt dieser Summe. Anders ausgedrückt: Das Geld, das fehlt, ist ungefähr das, was der Bund heute zuschießt, damit die Renten bezahlt werden können.

Ergebnisse für die USA

USA – Kumulierte Gesamtwerte über fünf Jahre

Szenario Betroffene (Jahr 5) Kumulierter Einkommensverlust Kumulierte Mindereinnahmen
Konservativ (10%) 10 Mio. ~1,8 Bio. $ ~0,8 Bio. $
Mittel (20%) 20 Mio. ~4,1 Bio. $ ~1,7 Bio. $
Aggressiv (30%) 30 Mio. ~6,6 Bio. $ ~2,8 Bio. $

Zur Einordnung: Die gesamten Steuer- und Beitragseinnahmen der USA – Federal, State, Local und Social Insurance zusammen – lagen 2025 bei rund 10,5 Billionen Dollar. Im mittleren Szenario fehlen im fünften Jahr jährlich rund 570 Milliarden Dollar – etwa 5 Prozent dieser Gesamteinnahmen. Im konservativen Szenario sind es rund 270 Milliarden oder knapp 3 Prozent. Wie in Deutschland verteilen sich die Ausfälle auf alle staatlichen Ebenen gleichzeitig: Federal Income Tax, Payroll Taxes (Social Security und Medicare), State Income Taxes und Sales Taxes.

Das bemerkenswerte Ergebnis: Trotz völlig unterschiedlicher Steuer- und Sozialsysteme liegt die relative Verwundbarkeit beider Länder im gleichen Bereich – zwischen 3 und 6 Prozent der gesamten öffentlichen Einnahmen. Die Haushaltsstrukturen sind nicht direkt vergleichbar (der US-Bundeshaushalt umfasst Sozialversicherungen wie Medicare und Social Security, die in Deutschland in eigenen Haushalten geführt werden), aber die Größenordnung der Betroffenheit ist es.

Acemoglus Warnung

Daron Acemoglu macht eine Unterscheidung, die für die Interpretation dieser Zahlen zentral ist. Er unterscheidet zwischen Technologien, die menschliche Arbeit nützlicher machen (Augmentation), und Technologien, die menschliche Arbeit ersetzen. Der Produktivitätseffekt – Kosteneinsparung durch KI – kompensiert den Verdrängungseffekt nicht automatisch.

Entscheidend ist die Art der Technologie. Die aktuelle KI-Entwicklung ist, so Acemoglu, überwiegend auf Ersetzung ausgerichtet. Sie produziert „machine intelligence" statt „machine usefulness". Die Folge: Produktivitätsgewinne konzentrieren sich bei Kapitaleignern, während Arbeitseinkommen erodiert. Sein Befund von 0,5 Prozent BIP-Wachstum durch KI in zehn Jahren ist keine technologieskeptische Position – es ist eine Aussage über Verteilungswirkungen.

Was passiert danach?

Die bisherige Rechnung erfasst die direkten Mindereinnahmen: weniger Einkommensteuer, weniger Sozialabgaben, weniger Umsatzsteuer. Aber Einkommensverluste enden nicht beim Steuerbescheid. Sie lösen eine Kettenreaktion aus, deren Glieder sich gegenseitig verstärken.

Dequalifizierung und Strukturverlust

Nicht jede Ersetzung bedeutet Arbeitslosigkeit. In vielen Fällen bleibt der Arbeitsplatz formal bestehen, aber sein Anforderungsprofil sinkt. Der Handwerksmeister, der bisher plant, kalkuliert und koordiniert, wird zum Monteur, der KI-generierte Arbeitsanweisungen ausführt. Die erfahrene Schadenregulierin, die komplexe Fälle beurteilt, wird zur Kontrollinstanz, die KI-Entscheidungen bestätigt. Weniger Qualifikationsanforderung bedeutet weniger Einkommen, weniger Einkommen bedeutet weniger Steuern und Sozialabgaben. Dieser Effekt taucht in keiner Entlassungsstatistik auf, höhlt aber die Einnahmebasis des Staates ebenso zuverlässig wie offene Arbeitslosigkeit – nur langsamer und politisch unauffälliger.

Parallel dazu verschwinden ganze Positionen, wenn KI die kognitiven Anteile in operativen Berufen übernimmt: der Disponent, dessen Koordinationsarbeit die KI ersetzt, die Bürokraft im Handwerksbetrieb, deren Planungsaufgaben automatisiert werden. Besonders exponiert ist das mittlere Management – die Schicht, deren Kernfunktion darin besteht, Informationen zu bündeln, zu filtern und nach unten zu kommunizieren. Genau das liefern KI-Agenten jetzt.

Kompetenzverlust und blockierte Einstiegswege

Verlorenes Wissen kehrt nicht zurück. Die Deindustrialisierungsforschung zeigt: Arbeitnehmer, die aus hochqualifizierten Tätigkeiten verdrängt werden, finden typischerweise nur geringqualifizierte Anschlussbeschäftigung. Der Effekt ist nicht temporär, sondern permanent – die Fähigkeiten verkümmern, die Netzwerke zerfallen, die Wiedereinstiegshürden steigen mit jedem Jahr.

Die Ersetzung durch KI fügt diesem bekannten Muster einen neuen Effekt hinzu: Nicht nur bestehende Arbeitsplätze verschwinden, sondern auch die Einstiegspositionen, in denen man bisher Erfahrung und Urteilsvermögen aufbaute. Das Stanford Digital Economy Lab dokumentiert: Die Einstellung auf Einstiegsebene in „KI-exponierten Berufen" ist seit dem Erscheinen von LLMs um 13 Prozent gesunken. Wenn Unternehmen keine Juniorpositionen mehr besetzen, weil die KI die Aufgaben übernimmt, fehlt der Ausbildungsweg für die nächste Generation von Fachkräften.

Verschiebung der Wertschöpfung

Die Ersetzung durch KI verschiebt Wertschöpfung von Arbeitseinkommen (progressiv besteuert und sozialabgabenpflichtig) zu Kapitalerträgen (pauschal besteuert, nicht sozialabgabenpflichtig). Gleichzeitig steigen die Kosten des Sozialstaats – Arbeitslosengeld, Umschulungsprogramme, Gesundheitsversorgung, Sozialhilfe. Die Schere ist strukturell, nicht konjunkturell: Das Steuersystem ist auf Arbeitseinkommen als primäre Finanzierungsbasis gebaut. Wenn diese Basis erodiert, gerät die Finanzierungslogik des Sozialstaats unter Druck – nicht weil die Wirtschaftsleistung sinkt, sondern weil die Erträge in Kanäle fließen, die das System nicht erfasst. Konkret bedeutet das: Weniger Beitragszahler finanzieren die gleichen Leistungen. Die Krankenversicherungsbeiträge steigen – oder die Leistungen sinken. Die Rentenlücke wächst. Wer heute 40 ist, plant seine Altersvorsorge auf Annahmen, die gerade ihre Grundlage verlieren. Und wer heute 55 ist und seinen gut bezahlten Wissensarbeiter-Job verliert, wird feststellen, dass die Sozialsysteme, die ihn auffangen sollen, gleichzeitig unter Druck stehen.

Demographischer Doppeldruck

Die Babyboomer-Kohorten (Geburtsjahrgänge 1955-1969) gehen in den Ruhestand. Das IAB projiziert 3 bis 4 Millionen weniger Erwerbspersonen bis 2030. Viele dieser Abgänge betreffen genau die Wissensarbeitspositionen, die auch KI-exponiert sind – erfahrene Fachkräfte in Verwaltung, Management, Planung, Beratung.

Dieser demographische Effekt wirkt auf den sozialen Schock dämpfend: Wenn eine Stelle nach der Verrentung nicht nachbesetzt wird, gibt es keinen Arbeitslosen, keine persönliche Krise, keinen politischen Druck. Deutschland hat hier einen eingebauten Puffer, den die USA in dieser Form nicht haben.

An den Auswirkungen auf die Staatseinnahmen ändert die Demographie jedoch nichts. Ob eine Position durch Entlassung oder durch Nicht-Nachbesetzung nach Verrentung verschwindet – der Steuer- und Sozialabgabenausfall ist identisch. Der Bundeshaushalt ist indifferent gegenüber dem Grund für den Wegfall einer Einkommensquelle.

Tatsächlich verschärft der demographische Wandel den Gesamtdruck: Die Ausgabenseite steigt (mehr Rentner erfordern mehr Renten-, Gesundheits- und Pflegeausgaben), während die Einnahmenseite doppelt fällt – durch weniger Erwerbstätige (Demographie) und durch niedrigere Einkommen der verbleibenden Erwerbstätigen (Ersetzung durch KI und Dequalifizierung). Dies war bereits vor der Ersetzung durch KI das zentrale Problem der Finanzierung deutscher Sozialsysteme. Die Ersetzung durch KI verschärft genau dieses Problem: Mehr Rentner, weniger Beitragszahler – und die verbleibenden Beitragszahler verdienen weniger. Die Schere geht von beiden Seiten auf.

Bilanz: Handeln, bevor die Rechnung kommt

Die Zahlen dieser Analyse sind modelliert, nicht prognostiziert. Aber selbst im konservativen Szenario – 10 Prozent Ersetzung, deutlich unter dem technischen Potenzial – fehlen im fünften Jahr jährlich 52 Milliarden Euro an Steuern und Sozialabgaben. Im mittleren Szenario sind es 105 Milliarden. Dass Deutschland und die USA trotz völlig unterschiedlicher Steuer- und Sozialsysteme auf nahezu identische relative Verwundbarkeit kommen (3 bis 6 Prozent der gesamten öffentlichen Einnahmen), zeigt: Das Problem liegt nicht in der Ausgestaltung einzelner Steuersysteme. Es liegt darin, dass moderne Staaten ihre Einnahmen auf Arbeitseinkommen gebaut haben – und genau dieses Fundament jetzt erodiert.

Die Folgekosten – steigende Sozialausgaben, Nachfragerückgang, Kompetenzverlust, gesellschaftliche Verwerfungen – sind in diesen Zahlen noch nicht enthalten.

Politik agiert auf KI, aber am falschen Hebel. EU AI Act, nationale KI-Strategien, Executive Orders fokussieren auf Sicherheit, Ethik, Bias, Urheberrecht. Das sind legitime Themen. Was fehlt, ist eine Antwort auf die Frage, die jeden betrifft: Wer finanziert Renten, Gesundheitsversorgung und soziale Sicherung, wenn die Einkommen wegbrechen, auf denen all das aufgebaut ist? Diese Antwort wird unbequem sein. Sie wird dort ansetzen müssen, wo die Wertschöpfung hinwandert – bei denjenigen, die von der Ersetzung profitieren: bei Kapitalerträgen, bei Unternehmensgewinnen, bei den Betreibern der Systeme, die menschliche Arbeit ersetzen. Wertschöpfungsabgaben, angepasste Kapitalertragsteuern, digitale Betriebsstättenkonzepte – die Instrumente existieren in der steuerpolitischen Diskussion. Was fehlt, ist der politische Wille, sie ernsthaft zu prüfen.

Denn die Alternative ist keine: Wer nichts tut, nimmt in Kauf, dass die Kosten der Transformation auf diejenigen abgewälzt werden, die ohnehin schon ihr Einkommen verloren haben. Und einer wachsenden Gruppe von Erwerbslosen oder Unterbeschäftigten lässt sich nichts mehr wegnehmen. Die Rechnung, die dann offen bleibt, bezahlt die gesamte Gesellschaft – in Form von ausgehöhlten Sozialsystemen, politischer Instabilität und einer Ökonomie, die Wohlstand produziert, aber nicht mehr verteilt.

Stand Anfang 2026 hat zu diesen Fragen weder die Bundesregierung noch der Bundestag eine substanzielle Debatte geführt. Die Zahlen in diesem Artikel zeigen, dass sie überfällig ist.

Begleitendes Material: Dem Artikel liegt ein Excel-Modell mit vollständiger Berechnungstransparenz zugrunde (197 Formeln, drei Szenarien, S-Kurven-Zeitverlauf, sieben methodische Hinweise). Es ist als separater Download verfügbar.