Einfluss von KI auf schweizer Berufe

Seit dem Aufstieg generativer KI füllt sich die Debatte über die Zukunft der Arbeit mit grossen Zahlen und noch grösseren Schlagzeilen. Bei näherer Betrachtung sind diese Zahlen meist präziser — und vorsichtiger — formuliert, als sie in den Medien ankommen:

• Eine Goldman-Sachs-Studie (2023) schätzt, dass weltweit bis zu 300 Millionen Vollzeitstellen durch KI exponiert sind — also in unterschiedlichem Mass von Automatisierung berührt. Exposition ist dabei nicht dasselbe wie Wegfall; in vielen Schlagzeilen ist diese Unterscheidung verloren gegangen.¹
• Eloundou et al. (OpenAI / University of Pennsylvania, 2023) finden, dass rund 80 % der US-Beschäftigten in mindestens 10 % ihrer Aufgaben durch grosse Sprachmodelle betroffen sein könnten — eine Aussage über Aufgaben, nicht über ganze Berufe.²
• McKinsey schätzt, dass bis 2030 rund 30 % der heute geleisteten Arbeitsstunden in den USA automatisierbar sein könnten — wiederum mit grosser Spannweite.³
• Der WEF Future of Jobs Report 2025 (Januar 2025) erwartet bis 2030 ein Nettoplus von rund 78 Millionen Jobs — bei gleichzeitiger Verschiebung von 39 % der heutigen Schlüsselqualifikationen.⁴

Was diesen Studien gemeinsam ist: Sie sind global oder US-zentriert gerechnet.

Wer in der Schweiz arbeitet, lebt in einer anderen Wirtschaft. Andere Branchenstruktur. Andere Lohnniveaus. Ein duales Bildungssystem mit EFZ und Höherer Berufsbildung, das in keinem amerikanischen Datensatz auftaucht. Und trotzdem werden die US-Zahlen unverändert in Schweizer Medien zitiert, als wäre der Coiffeur in Bern dieselbe statistische Einheit wie ein hairdresser in Houston.

Genau hier setzt KI-Jobexposition Schweiz an — ein offenes Tool, das für 204 Schweizer Berufe einen nachvollziehbaren Anhaltspunkt liefert, wie stark einzelne Tätigkeiten durch generative KI exponiert sein könnten. Es ist ausdrücklich keine Prognose darüber, welche Jobs verschwinden werden, sondern eine Diskussionsgrundlage.

Was sagen Schweizer Studien?

Die Diskussion ist 2025 nicht mehr abstrakt — auch in der Schweiz liegen erste empirische Befunde vor:

• Die KOF Konjunkturforschungsstelle der ETH Zürich hat im Oktober 2025 erstmals empirisch gezeigt, dass KI bereits konkrete Spuren auf dem Schweizer Arbeitsmarkt hinterlässt: In stark KI-exponierten Berufen ist die Zahl der bei Schweizer Arbeitsämtern registrierten Stellensuchenden seit November 2022 (also seit dem Aufkommen von ChatGPT) im Schnitt um 27 % stärker gestiegen als in wenig exponierten Berufen. Auch die Stellenausschreibungen sind in den exponierten Berufen deutlicher zurückgegangen. Besonders sichtbar: Software- Entwickler:innen, Systemanalystinnen, Programmiererinnen, Journalist:innen sowie Fachleute in Werbung und Marketing.⁵
• Avenir Suisse kommt in «Zukunftssichere Berufe?» (2024) zum Schluss, dass Führungskräfte und Berufe mit unstrukturierten Aufgaben tendenziell von KI unterstützt werden, während Routine-Bürotätigkeiten unter Druck geraten — und plädiert für gezielte Weiterbildung und höhere berufliche Mobilität.⁶
• Der PwC AI Jobs Barometer 2025 zählt rund 20'000 Schweizer Stellenausschreibungen mit explizitem KI-Bezug — eine Verzehnfachung gegenüber 2018, was allerdings noch immer nur 1.4 % des Gesamtmarktes entspricht. Die Nachfrage steigt, ist aber gemessen am Stellenmarkt noch klein.⁷

International ergänzt die IMF Staff Discussion Note (Cazzaniga et al., Januar 2024) das Bild: Fortgeschrittene Volkswirtschaften wie die Schweiz sind tendenziell stärker exponiert als Schwellenländer, weil ihr Arbeitsmarkt kognitiv-intensiver ist; gleichzeitig sind sie eher in der Lage, die produktiven Vorteile zu nutzen.⁸

Was diese Studien zeigen: Die Frage ist nicht mehr ob, sondern wo sich KI auf den Arbeitsmarkt auswirkt — und auf welche Berufe konkret. Genau dort setzt das Tool an.

Wie kommen diese Befunde in den Schweizer Medien an? Drei Beispiele aus 2025 — und was wirklich dahintersteht.

«Mehr als jeder zweite Schweizer fürchtet sich vor Job-Verlust wegen KI»

(Blick, Juli 2025)⁹

Die Schlagzeile beruht auf einer Umfrage. Was sie misst, ist die Sorge, nicht die tatsächliche Bedrohung. Subjektives Gefühl und faktische KI-Exposition können weit auseinanderliegen: Beschäftigte mit eher robusten Berufen können sich grosse Sorgen machen, während andere mit hochexponierten Tätigkeiten ihre Lage unterschätzen. Die Zahl beschreibt ein Stimmungsbild, keinen Arbeitsmarkt.

«KI-Koryphäe warnt vor 80 Prozent Arbeitslosigkeit»

(20 Minuten, über Stuart Russell)¹⁰

Russell ist ein renommierter KI-Forscher in Berkeley — aber Arbeitsmarkt­ökonom ist er nicht. Solche Maximalprognosen finden sich auf beiden Seiten der Debatte, von «KI macht uns alle reicher»¹¹ bis «80 Prozent sind weg». Die seriöse empirische Forschung (KOF, IMF, WEF) bewegt sich in einem deutlich engeren Korridor. Eine Einzelstimme — egal wie prominent — ersetzt keine Studienlage.

«KOF-Studie: KI verändert den Schweizer Arbeitsmarkt dramatisch»

(NZZ, Oktober 2025)¹²

Inhaltlich nicht falsch — aber durch das Wort «dramatisch» zugespitzter, als die Studie selbst formuliert. Die KOF-Daten zeigen einen relativen Anstieg um 27 % bei den Stellensuchenden in stark exponierten Berufen, gemessen an wenig exponierten Berufen. Das ist eine messbare Verschiebung in einem Teilsegment des Arbeitsmarkts, kein Massenphänomen — und die Studienautoren selbst formulieren deutlich vorsichtiger.

Solche Verkürzungen sind nicht überraschend, Schlagzeilen müssen funktionieren. Aber sie zeigen, warum es eine Datenebene unter den Schlagzeilen braucht: damit die Diskussion über konkrete Berufe und konkrete Massnahmen geführt werden kann, statt zwischen Panik und Beschwichtigung zu pendeln.

Drei Schlagzeilen im Reality-Check

Die Problematik in vier Punkten

1. Niemand spricht über konkrete Berufe

Die meisten Diskussionen bleiben abstrakt: «kreative Berufe», «Wissensarbeit», «Routine-Tätigkeiten». Das hilft einer 24-jährigen Kauffrau, die sich fragt, ob sie sich umorientieren soll, nicht weiter — und auch nicht einem 45-jährigen Sachbearbeiter, der überlegt, in welche Weiterbildung er Zeit und Geld investiert. Was diese Menschen brauchen, ist keine Schlagzeile — sondern ein erster konkreter Anhaltspunkt zur Frage: «Wie sieht es bei meinem Beruf aus?»

2. Die Schweizer Wirtschaft folgt nicht dem US-Drehbuch

Ein paar Beispiele, an denen sich die strukturellen Unterschiede zeigen:

• Der Schweizer Finanzsektor ist überdurchschnittlich gross und stark digitalisiert — was die KI-Exposition tendenziell erhöhen dürfte.
• Bei ICT-Berufen ist die Lage nicht eindeutig: Lange galt die Annahme, sie seien primär komplementär zur KI — die erste Schweizer Empirie (KOF 2025) relativiert das deutlich. Programmierer:innen und Software-Entwickler:innen gehören zu den Gruppen mit dem stärksten Anstieg an Stellensuchenden seit Ende 2022.⁵
• Im Gesundheitswesen und in der Pflege dominiert in der Schweiz der demografische Druck. Personalmangel und Knappheit sprechen dafür, dass Automatisierung dort eher entlastet als verdrängt — die konkrete Wirkung bleibt offen.
• Das EFZ-System mit seiner engen Verzahnung von Theorie und Praxis dürfte einige Berufe abfedern, die in rein «kognitiven» US-Klassifikationen schlechter wegkommen.

Diese Unterschiede sollten kein Detail sein, das in der Diskussion verloren geht — sie können das Bild für einzelne Berufsgruppen spürbar verschieben.

3. Die rechtlichen Rahmenbedingungen sind andere

KI-Einführung ist nicht nur eine technische Frage, sondern eine regulatorische. Und auch hier gilt: Was in den USA möglich ist, ist in der Schweiz nicht automatisch erlaubt — und umgekehrt.

• Die Schweiz übernimmt den EU AI Act (Verordnung 2024/1689, in Kraft seit 1. August 2024) nicht direkt — ist über Lieferketten und Marktzugang aber faktisch davon betroffen. Der Bundesrat hat eine eigene KI-Regulierung 2025 in Auftrag gegeben; das konkrete Schweizer Regelwerk steht noch aus.¹³
• Das revidierte Datenschutzgesetz (revDSG, in Kraft seit 1. September 2023) stellt für viele KI-Anwendungen Anforderungen — insbesondere Art. 5 lit. f/g zum Profiling und Art. 21 zur automatisierten Einzelentscheidung. Das beeinflusst Tempo und Form der Einführung.
• In regulierten Branchen kommen sektorspezifische Aufsichtsregeln hinzu: die FINMA für Finanzdienstleister, Swissmedic für Medizinprodukte, und die kantonalen Gesundheitsbehörden im Spitalwesen.
• Die Schweizer Sozialpartnerschaft und Gesamtarbeitsverträge führen dazu, dass Automatisierungsschritte in vielen Branchen verhandelt und nicht einseitig entschieden werden.¹⁴

Ein Beruf mit hohem technischem Expositionsscore kann deshalb in der Schweiz langsamer, anders oder gar nicht von KI verändert werden, weil rechtliche und sozialpartnerschaftliche Leitplanken im Weg stehen. Das Tool kann diese Faktoren nicht modellieren — aber wer seine Ergebnisse interpretiert, sollte sie mitdenken.

4. Detaildaten pro Beruf fehlen oft

McKinsey, OECD und das ILO-Arbeitsmarktteam dokumentieren ihre Methodik in der Regel in technischen Anhängen oder Working Papers — das ist anzuerkennen.^3 15 16 Was in der Praxis häufig fehlt, ist die Ebene darunter: die Bewertung pro einzelner Berufsgruppe in maschinenlesbarer Form, dazu die Coding-Entscheide und der Code. Damit bleibt es schwierig, einen einzelnen Beruf nachzurechnen oder die Annahmen für den eigenen Kontext zu hinterfragen — gerade das ist aber die Ebene, auf der eine konkrete Diskussion über einzelne Berufe stattfinden müsste. Das Tool versucht hier, mehr Transparenz herzustellen — ohne damit den Anspruch zu erheben, selbst eine peer-reviewte oder im wissenschaftlichen Sinne reproduzierbare Untersuchung zu sein.

Die Plattform berechnet pro Beruf einen Expositionsscore von 0 bis 10 nach einer öffentlich dokumentierten Vorgehensweise. Der Score misst, wie stark sich die Tätigkeiten eines Berufs grundsätzlich für generative KI eignen — nicht, ob und wann ein Beruf tatsächlich verändert wird. Es handelt sich ausdrücklich nicht um eine wissenschaftliche Studie, sondern um eine strukturierte Schätzung mit offenen Annahmen.

1. Datengrundlage: 204 Berufe aus der Schweizerischen Arbeitskräfteerhebung (BFS SAKE 2024), angereichert mit offiziellen Berufsbeschreibungen aus der europäischen ESCO-Klassifikation und Schweizer Lohndaten (BFS LSE 2022).

2. Bewertung durch ein KI-Sprachmodell (Claude Sonnet) entlang von fünf Kriterien: digitaler Output, Wiederholbarkeit, physische Präsenz, Kreativität und soziale Interaktion. Die Auswahl der Kriterien orientiert sich an Michael Webbs Arbeit zur Automatisierungsexposition über Patente¹⁷ sowie an Andrej Karpathys öffentlichen Analysen, welche Aufgabentypen sich für grosse Sprachmodelle eignen.¹⁸

3. Schweiz-spezifische Anpassungen: Auf den Rohscore werden Korrekturen für Branche und Lohnniveau angewendet — basierend auf der Struktur der Schweizer Wirtschaft, nicht auf US-Mittelwerten.

4. Visualisierung: Eine Treemap zeigt alle 204 Berufe nach Beschäftigtenzahl und Risiko. Eine Matrix-Ansicht stellt Exposition gegen Anpassungsfähigkeit. Eine Berufssuche liefert für jeden einzelnen Beruf das volle Profil mit Begründung.

Wer will, kann jeden Score nachvollziehen, jeden Datensatz herunterladen und jeden Schritt der Pipeline auf GitHub einsehen.

Was das Tool macht

Vier Beispiele aus den Daten

Vier von 204 Berufen — als Eindruck, wie konkret die Bewertung wird:

Stark exponiert

• Sachbearbeiter/in Buchhaltung — Score 8.5, Zeitrahmen 3–5 Jahre. ERP-Systeme wie Abacus, SAP und Bexio sowie KI-gestützte Belegerfassung automatisieren in Schweizer Unternehmen bereits einen grossen Teil der Fakturierung; manueller Aufwand bleibt vor allem für Ausnahmefälle und Kundenkommunikation.
• Übersetzer:innen, Dolmetscher:innen und Linguist:innen — Score 7.3, Zeitrahmen 1–2 Jahre. DeepL und LLM-basierte Tools übernehmen Standardtexte und technische Übersetzungen; literarische, juristische und kulturell nuancierte Texte sowie das Dolmetschen bleiben menschliche Domänen.

Schwach exponiert

• Coiffeur/Coiffeuse EFZ — Score 1.6, Zeitrahmen über 10 Jahre. Manuelle Geschicklichkeit, direkter Körperkontakt und eine vertrauensbasierte Kundenbeziehung sind für KI extrem schwer zugänglich. KI-Stilberatungs-Apps können die Beratungsphase höchstens ergänzen.
• Diplomierte Pflegefachperson — Score 1.8, Zeitrahmen 5–10 Jahre, rund 130'000 Beschäftigte. Körperlich-empathische Patientenbetreuung lässt sich nicht automatisieren; KI entlastet eher Dokumentation und Pflegeplanung — was angesichts des Schweizer Fachkräftemangels willkommen ist.

Den vollen Score-Aufbau und die Begründung pro Beruf zeigt die Berufssuche im Tool.

Damit kein falscher Eindruck entsteht: Diese Plattform ist kein Orakel und keine Berufsempfehlung. Ein hoher Score bedeutet nicht, dass ein Beruf in fünf Jahren verschwindet — er bedeutet, dass viele der heutigen Tätigkeiten technisch grundsätzlich für KI-Unterstützung geeignet sind. Ob, wann und in welcher Form daraus tatsächlich Veränderungen am Arbeitsmarkt werden, hängt von Regulierung, Recht, Tarifpartnern, Kundennachfrage, Investitionsentscheiden und vielen weiteren Faktoren ab, die das Modell nicht kennt.

Auch das KI-Modell hinter den Scores hat blinde Flecken: Es kennt keine Werkstatt von innen und versteht den Schweizer Föderalismus nur aus Textquellen. Die Scores sind deshalb mit Begründungen hinterlegt — damit Leserinnen und Leser selbst prüfen können, ob die Argumentation für ihren Beruf trägt. Ein Score ist ein Einstieg in ein Gespräch, kein Ersatz für Erfahrung und keine Grundlage für Berufswahl oder Personalentscheidungen.

Was das Tool nicht ist