Wie viele Entwicklerstellen hat die KI in den USA gekostet?

Laut der Studie der Federal Reserve Board (März 2026) von Crane und Soto sind über drei Jahre rund 500.000 Programmiererstellen nicht entstanden, gemessen an der vor ChatGPT erwarteten Entwicklung. Es handelt sich nicht um Nettoverluste, sondern um ein Wachstumsdefizit gegenüber dem Szenario ohne KI.

Wirkt sich die KI sofort auf die Beschäftigung aus?

Nein. Die Lücke zwischen beobachteter und erwarteter Beschäftigungskurve öffnet sich erst um Mitte 2024 deutlich, also rund anderthalb Jahre nach dem Start von ChatGPT. Diese Aufnahmeverzögerung ist typisch für technologische Übergänge.

Zeigt sich derselbe Trend in Frankreich?

Ja. Die Apec meldet -18 Prozent bei Einstellungen von IT-Führungskräften 2024, der erste Rückgang seit 2009 außerhalb der COVID-Phase. Bei Entwicklern liegt der Rückgang 2025 bei -20 Prozent, bei IT-Projektleitern bei -23 Prozent, bei Junioren über alle Funktionen hinweg bei -19 Prozent.

Was ist Patrick Artus' zentrales Argument?

Artus argumentiert, ein Produktivitätsgewinn werde nur dann zu nachhaltigem Wachstum, wenn ein ausreichender Anteil an die Arbeit zurückfließe. Seit den 1980er-Jahren steigen die Löhne nur mit 40 Prozent des Tempos der Produktivität. Seine Sorge: KI-Gewinne könnten diese Verzerrung weiter verschärfen, besonders im US-Modell mit höherer Kapitalrendite.

Spüren bereits beschäftigte Entwickler Druck auf ihr Gehalt?

Laut Fed-Daten nicht. Die Anpassung läuft über das Einstellungsvolumen, nicht über die Vergütung der Beschäftigten. Künftige Berufseinsteiger und insbesondere Junioren tragen die Last.

KI und Entwickler: Was die Fed wirklich gemessen hat

5 Prozent pro Jahr. So schnell wuchsen die Einstellungen US-amerikanischer Programmierer vor November 2022. Deutlich über dem Wachstum des gesamten US-Arbeitsmarkts. Seit ChatGPT verfügbar ist, ist die Kurve nahezu eingefroren.

Das ist keine Stimmungserhebung. Es ist eine im März 2026 veröffentlichte Studie der Federal Reserve Board, verfasst von Leland Crane und Paul Soto. Die Forscher haben die Current Population Survey des Bureau of Labor Statistics mit der O*NET-Datenbank des Department of Labor abgeglichen und eine Kontrollvariable auf Branchenebene konstruiert, um berufsspezifische Effekte von sektoralen Zyklen zu trennen. Das Urteil lässt sich in drei Worten zusammenfassen: Schock spezifisch für Coder.

Am selben Tag, an dem diese Zahlen durch die Fachpresse gehen, veröffentlicht Patrick Artus einen Gastbeitrag in Le Monde unter einer programmatischen Überschrift. "Die Wirkung der KI auf das Wachstum wird auch vom Ausmaß umverteilender Maßnahmen und der Einkommensverteilung abhängen." Zwei Signale, zwei Zeitachsen, ein Nerv: Wer trägt die Kosten des Übergangs.

Was die Fed-Studie tatsächlich misst

Der Effekt setzte nicht sofort ein. Die Lücke zwischen beobachteter und erwarteter Beschäftigungskurve öffnet sich nennenswert erst um Mitte 2024, also rund anderthalb Jahre nach dem Start von ChatGPT. Diese Aufnahmeverzögerung ist wichtig, weil sie genau das ist, was den Effekt im Moment des Erlebens schwer sichtbar macht. Die Kurve bricht nicht ein, sie verlangsamt sich. Wie ein Zug, der bremst, ohne abrupt zu bremsen.

Über drei Jahre kumuliert ergibt das rund 500.000 Stellen, "die wahrscheinlich existiert hätten" ohne die Verbreitung großer Sprachmodelle. Crane und Soto betonen selbst, wie vorsichtig diese Zahl zu lesen ist. Viele potenzielle Programmierer sind in benachbarte Felder gewechselt: Data Engineering, Machine Learning, Sicherheit. Die 500.000 sind keine Nettoverluste, sondern ein Wachstumsdefizit gegenüber dem Szenario ohne KI.

Ein Detail, das die politische Lesart verschiebt: keine klare Lohnreduktion. Die Anpassung läuft über das Einstellungsvolumen, nicht über die Vergütung der bereits Beschäftigten. Das heißt, die etablierten Entwickler spüren keinen Druck auf ihr Gehalt. Die Einsteiger zahlen die Rechnung.

Frankreich im selben Zug, ohne dieselbe Offenheit

Die Apec hat ihre Prognosen für 2025 veröffentlicht. Die Zahlen passen zur US-Entwicklung. Einstellungen von IT-Führungskräften: -18 Prozent in 2024, der erste Rückgang seit 2009 außerhalb der COVID-Zeit.

Bei Entwicklern speziell: -20 Prozent in 2025 gegenüber 2024. Bei IT-Projektleitern: -23 Prozent. Bei Junioren über alle Funktionen hinweg: -19 Prozent.

Eine Stanford-Studie von Ende 2025 bestätigt das Altersmuster. 22- bis 25-Jährige in stark KI-exponierten Berufen verzeichneten nach ChatGPT einen Beschäftigungsrückgang von rund 16 Prozent gegenüber dem erwarteten Trend. Senioren bleiben dagegen stabil. Die Logik ist konsistent zwischen Paris, San Francisco und Stanford: Der Filter schließt sich am Einstieg.

Etwas fällt in der offiziellen französischen Kommunikation auf. Die Apec führt den Rückgang auf ein "wenig günstiges Wirtschaftsklima" und "begrenzte mittelfristige Sichtbarkeit" zurück. KI taucht nicht auf der Liste der Hauptursachen auf.

Statistisch ist das vielleicht klug, weil die Apec keine direkte Kausalität misst. Aber die zeitliche Übereinstimmung wird immer schwerer zu ignorieren. Der erste Rückgang der französischen IT-Beschäftigung seit zwanzig Jahren, genau in dem Moment, in dem LLMs zum täglichen Werkzeug der Entwicklerteams werden, verdient mindestens eine ausdrückliche Hypothese.

Was Artus sieht und was ihm fehlt

Patrick Artus schreibt nicht über den Arbeitsmarkt. Er schreibt über Makroökonomie. Seine These passt in eine einfache Gleichung: Ein Produktivitätsgewinn wird nur dann zu nachhaltigem Wachstum, wenn ein ausreichender Anteil an die Arbeit zurückfließt. Sonst kann die Nachfrage dem Angebot nicht folgen, und der Gewinn verdunstet in Kapitalkonzentration.

Die Zahl, die Artus seit Jahren wiederholt: Seit den 1980er-Jahren steigen die Löhne mit 40 Prozent des Tempos der Produktivität. Der Wert ist gemessen, nicht prognostiziert. Die Einkommensverteilung hat sich lange vor der KI verschoben. Seine Sorge ist, dass die KI-Gewinne diese Verzerrung weiter beschleunigen, vor allem im US-Modell, wo die Kapitalrendite bereits deutlich höher liegt (ROE 18 Prozent USA vs. 9 Prozent EU).

In diesem Rahmen hat Artus recht. Das Argument ist solide, dokumentiert und für die Debatte notwendig. Sein Beitrag hat aber einen blinden Fleck. Er spricht im konditionalen Futur ("die Wirkung wird abhängen") über einen Mechanismus, der sich bereits in der Gegenwart messen lässt.

Crane und Soto haben gerade beziffert, was die Makroökonomie bisher als Hypothese behandelt hat. Die Frage ist nicht mehr nur, wie künftige Gewinne zu teilen sind. Sie ist auch, wie sich die 500.000 nicht entstandenen Jobs und die französischen Junioren, die an eine schmaler gewordene Tür klopfen, wieder in den Arbeitsmarkt einbinden lassen.

Die Brücke zwischen der Makroebene Artus' und der Mikroebene der Fed ist genau die politische Debatte, die sich öffnen sollte. Braucht es eine spezifische Steuer auf KI-Produktivitätsgewinne, wie manche Ökonomen vorschlagen? Eine sektorale Umverteilungspflicht? Eine massive öffentliche Investition in die Ausbildung der Junioren, die nicht mehr eingestellt werden?

Keine dieser Antworten ist trivial. Und keine wird ausgelöst, ohne dass man zuerst die Zahlen im Auge behält.

Das ist vielleicht das eigentlich Neue an diesem Moment. Drei Jahre lang lief die Debatte über KI und Beschäftigung über sich widersprechende Prognosen. Heute liegen harte Daten vor. Die Verzögerung zwischen Beobachtung und politischer Entscheidung ist nun der begrenzende Faktor.