Mustafa Suleyman, CEO von Microsoft AI, hat im Februar einen Satz in die Welt gesetzt, der seither durch jeden Branchen-Newsletter geistert: In 18 Monaten erledige AI die meisten White-Collar-Jobs. Accounting. Legal. Marketing. Alles, was am Computer passiert.
Bloomberg hat im April zurückgespielt: AI-Doom sei Marketing-Rhetorik der Tech-CEOs, die Produktivitätsdaten zeigten nichts Dramatisches, das Narrativ sei eine PR-Strategie von Leuten, die Angst verkaufen müssen. Beide Lager messen die falsche Sache. Bloomberg aber auf eine Weise, die teurer wird.
Die falsche Debatte
Die Frage „Ersetzt AI White-Collar-Jobs?" führt geradewegs in eine Debatte über Entlassungswellen, Headcount-Zahlen und Arbeitslosenstatistiken. Was aber tatsächlich passiert, ist subtiler und deshalb viel schwerer greifbar.
AI sortiert White-Collar-Workers. Schnell und geräuschlos.
Auf der einen Seite: Menschen, die AI-Leverage aufgebaut haben und damit Output produzieren, für den früher ein Team nötig war. Auf der anderen: alle anderen, deren Kompetenzprofil sich in etwas verwandelt hat, das billiger und austauschbarer geworden ist.
Warum die Daten das nicht zeigen
Produktivität wird auf Aggregat-Ebene gemessen. Wenn 10 Prozent der Belegschaft durch AI dreimal so viel produzieren wie vorher, bewegt sich die Gesamtzahl kaum. Das erzeugt den Eindruck, es passiere nichts Dramatisches. Was passiert, ist auf eine kleine, wachsende Gruppe konzentriert, die dadurch einen Vorsprung aufbaut, der sich im Aggregat noch nicht abbildet.
Die Entlassungszahlen bestätigen das indirekt. Challenger, Gray & Christmas haben für 2025 rund 55.000 explizit AI-bezogene Stellenstreichungen gezählt. Modellbasierte Schätzungen liegen bei 200.000 bis 300.000. Die Differenz liegt nicht am Zählfehler. Unternehmen bauen über Attrition und veränderte Hiring-Entscheidungen um, ohne es so zu benennen.
Wer tatsächlich exponiert ist
Die Sorting-These hat eine Implikation, über die weder das Doom-Camp noch die Hype-Dismisser gerne sprechen: Die am stärksten exponierte Gruppe sind Mid-Career-People.
Wer heute in den Arbeitsmarkt eintritt oder ein Start-Up gründet, wächst AI-nativ auf und entwickelt die nötigen Meta-Skills von Anfang an. Gerade bei Start-Ups sieht man eine gewisse KI-Gier — da wird jede Entwicklung förmlich aufgesogen und sofort umgesetzt. Da braucht es kaum Guidance. Eine bessere Ausgangslage, als es klingt.
Menschen mit zehn bis zwanzig Jahren Berufserfahrung aber, die ihren Wert auf Domainwissen aufgebaut haben, merken hingegen, dass genau diese Bereiche günstig replizierbar werden. Das kündigt sich selten laut an. Es passiert über Projekte, die kleiner werden, über Rollen, die beim nächsten Mal anders ausgeschrieben werden, über Briefings, bei denen plötzlich weniger externe Kapazität bestellt wird.
Was das für Marketing-Teams bedeutet
Erstens: Die entscheidende Frage ist nicht, ob AI eingesetzt wird, sondern wie strukturiert das passiert. Eine explizite Entscheidung darüber, welche Aufgaben an AI-Systeme übergeben werden und welche nicht, verändert die Arbeitsorganisation fundamentaler als jedes Tool-Rollout.
Zweitens: Wer in den nächsten zwölf Monaten AI-Leverage systematisch aufbaut, produziert danach mit einem vergleichbaren Team einen anderen Output. Den Abstand holt man durch Hiring alleine nicht mehr auf.
Die konkreten Fragen also, die Führungskräfte heute für sich und ihre Stakeholder beantworten müssen: Welche Menschen in meinem Team bauen aktiv AI-Leverage auf? Und welche bauen sie, ohne es zu merken, gerade ab?
Wie kann ich in meinem Unternehmen, in meiner Agentur gezielt dieses AI-Leverage steigern, ohne ins schwarze AI-Loch zu fallen — in dem zu viel, zu schnell gewollt, aber zu wenig erreicht wird? Wie helfe ich meinen Mitarbeiter:innen, AI effizient und passend einzusetzen, ohne Scheu, ohne viel Reibungsverluste?
Wer diese Fragen beherzigt und konsequent in die Transformation geht, gehört in einem Jahr sicher nicht zu den Nachzüglern.
Um es mit einem alten Operettenlied zu sagen: Leise, ganz leise, klingt's durch den Raum…
Die Sortierung läuft. Quartal für Quartal, geräuschlos.