Anthropic hat eine umfassende Metaanalyse veröffentlicht, die zu dem Ergebnis kommt, dass Arbeitnehmer-Umschulungsprogramme statistisch signifikante, aber moderate wirtschaftliche Erträge erzielen – Ergebnisse, die zu einem Zeitpunkt veröffentlicht werden, da politische Entscheidungsträger weltweit mit der Frage ringen, wie sie einer potenziell KI-bedingten Verdrängung von Arbeitskräften begegnen können, und da Prognosen von Organisationen wie Goldman Sachs und dem Weltwirtschaftsforum schätzen, dass generative KI innerhalb des kommenden Jahrzehnts Hunderte Millionen Arbeitsplätze erheblichen Veränderungen aussetzen könnte.

Der Bericht, verfasst von dem unabhängigen Forscher David Roodman und Anthropic's Maxim Massenkoff, wendet eine KI-beschleunigte Methodik an, bei der das Claude-Modell von Anthropic den Großteil der zugrunde liegenden Daten extrahierte und den gesamten Analysecode erstellte. Die Studie stützt sich auf 56 randomisierte kontrollierte Studien, die seit den 1970er Jahren in den Vereinigten Staaten durchgeführt wurden, ergänzt durch experimentelle Evidenz aus Europa. Sie stellt eine der bisher systematischsten Evaluierungen staatlicher und gemeinnütziger Trainingsinitiativen dar. Der vollständige Bericht ist in PDF-Form verfügbar.

Gemessene, aber begrenzte Ergebnisse

Im Durchschnitt erzielten die untersuchten Programme positive, jedoch begrenzte Wirkungen. Für jede Person, der ein Trainingsplatz angeboten wurde, stieg die Beschäftigung um etwa zwei bis drei Prozentpunkte, während der Jahresverdienst um rund 1.000 US-Dollar zunahm. Diese Gewinne wurden einem durchschnittlichen Kostenaufwand von etwa 13.000 US-Dollar pro Teilnehmer gegenübergestellt. Aus fiskalischer Sicht erholten die Regierungen mehr als die Hälfte dieser Ausgaben durch zusätzliche Steuereinnahmen und reduzierte Sozialleistungen, was bedeutet, dass die Maßnahmen insgesamt ungefähr kostendeckend waren. Die Vereinigten Staaten haben historisch betrachtet weniger für aktive Arbeitsmarktprogramme als Anteil am BIP aufgewendet als die meisten OECD-Partnerländer – eine Lücke, die die hier dokumentierten moderaten Erträge in einen breiteren Kontext vergleichsweise unterfinanzierter Arbeitsmarktinfrastruktur stellt, die primär über den Workforce Innovation and Opportunity Act verwaltet wird.

Die Ergebnisse sind Teil der umfassenderen Wirtschaftsforschungsagenda von Anthropic, die die Verbreitung von KI über Berufe und Branchen hinweg verfolgt. Obwohl Umschulung in öffentlichen und Expertenbefragungen durchweg als beliebteste politische Antwort auf technologische Arbeitslosigkeit rangiert, warnen die Autoren, dass die historische Leistung darauf hindeutet, dass aktuelle Programmdesigns wahrscheinlich unzureichend wären, falls fortschrittliche Automatisierung Arbeitskräfte in erheblichem Umfang verdrängen würde.

Sektorprogramme und das Replikationsproblem

Eine bemerkenswerte Ausnahme von den moderaten Durchschnittswerten geht von einer kleinen Gruppe von „Sektorprogrammen" aus – Initiativen, die eng mit Arbeitgebern in Branchen mit hoher Nachfrage zusammenarbeiten, um Bewerber zu selektieren, berufsspezifische Lehrpläne zu entwickeln und Absolventen direkt in Stellen zu vermitteln. Programme wie Year Up und Per Scholas haben die Teilnehmereinkommen um ein Vielfaches über dem Durchschnitt gesteigert und fungieren effektiv als Arbeitsmarktintermediäre, die übersehene Talente mit Arbeitgebern verbinden, die sich zu nachhaltigen Einstellungspipelines verpflichtet haben. Die Ergebnisse von Year Up wurden in einer mehrjährigen randomisierten kontrollierten Studie des Forschungsunternehmens MDRC unabhängig bestätigt – einer der größten Evaluierungen dieser Art in der Arbeitsmarktförderung.

Der Bericht betont jedoch, dass sich die Replikation dieser Erfolge als außergewöhnlich schwierig erwiesen hat. Hochgradige Kopien führender Modelle scheiterten häufig an neuen Standorten, was darauf hindeutet, dass ihre Wirksamkeit von empfindlichen, kontextspezifischen Faktoren abhängt: tiefen lokalen Beziehungen, hochgradig selektiven Zulassungsverfahren, die mehr als 80 Prozent der Bewerber aussieben, und organisatorischen Fähigkeiten, die über Jahre des Betriebs entwickelt wurden.

Fehlanpassung an KI-Verdrängungsszenarien

Da die meisten untersuchten Programme auf einkommensschwache oder marginal beschäftigte Personen abzielten und nicht auf Berufstätige im mittleren Karriereabschnitt, die längere Umschulungsphasen benötigen könnten, kommen die Autoren zu dem Schluss, dass die bestehende Umschulungsinfrastruktur schlecht auf ein Szenario großflächiger KI-bedingter Verdrängung abgestimmt ist. Diese Fehlanpassung ist besonders relevant, da große Sprachmodelle zunehmend Fähigkeiten bei Aufgaben wie Schreiben, Programmieren, Rechtsanalyse und Kundensupport demonstrieren – Berufe, für die traditionelle Arbeitsmarktprogramme nie konzipiert wurden.

Ihre zentrale Empfehlung lautet, jetzt in die Demonstration, Evaluierung und Skalierung der vielversprechendsten Programmmodelle zu investieren, bevor eine großflächige Krise eintritt. Konkret schlagen sie vor, ein führendes Sektorprogramm schnell für eine klar definierte Kohorte von Arbeitnehmern zu erweitern und dabei die Beschäftigungs- und Einkommenserträge sorgfältig zu verfolgen. Der Economic Futures Research Fund von Anthropic ist darauf ausgerichtet, solche Untersuchungen zu unterstützen – ein Ausdruck des wachsenden Konsenses, dass das Verständnis der Grenzen aktueller Umschulungsansätze unerlässlich ist, um sich auf ein Zeitalter rascher Automatisierung vorzubereiten.