Das ist der Teil des KI-Booms, der mich immer wieder stört: Das Geld ist überall, aber die Einstellungswelle ist es nicht. Die Bewertungen sind riesig. Die Rechenbudgets sind riesig. Die Cloud-Rechnungen sind riesig. Die Ausgaben für Rechenzentren sind riesig. Und trotzdem sieht man auf dem Arbeitsmarkt nicht dieselbe nach außen strahlende Job-Explosion, die ältere Tech-Booms erzeugt haben.
Dieses Missverhältnis wirkt weniger rätselhaft, sobald man sich anschaut, wo das Geld tatsächlich landet. In früheren Internet- und Mobile-Booms floss Kapital nach außen in Menschen: Produktmanager, Marketer, Support-Teams, QA, Operations-Mitarbeiter, Content-Arbeiter, Auftragnehmer, Kreative, Fahrer, Kuriere, Moderatoren, Junior-Entwickler. In diesem Boom geht eine brutale Menge des Geldes zuerst woanders hin: Chips, Rechenleistung, Cloud-Verträge, Rechenzentren, Strom und sehr kleine Teams mit hoher Hebelwirkung. Genau deshalb kann sich der KI-Boom auf dem Papier enorm und im echten Leben geizig anfühlen.
Der Unterschied beginnt mit einer sehr konkreten Budgetfrage
Im alten Muster übersetzte ein schnell wachsendes digitales Unternehmen Geld normalerweise direkt in Personalaufbau.
Neues Produkt? Stell ein Team ein.
Mehr Nutzer? Stell Support ein.
Mehr Features? Stell Entwickler, QA, Designer und Ops ein.
Mehr Wachstum? Stell Marketing und Sales ein.
Darum haben frühere Wellen so viele Arbeiter absorbiert. Die Software brauchte viele Menschen um sich herum.
KI-Geld verhält sich anders.
Ein großer Teil des neuen Budgets sagt nicht: "Stellt mehr Leute ein."
Es sagt:
- reserviert Rechenleistung
- kauft Chips
- sichert euch Cloud-Kapazität
- bezahlt Inferenz
- skaliert das Rechenzentrum
Das ist eine komplett andere Arbeitsgeschichte.
Die alten Booms stellten Massen ein. Dieser hier kauft Infrastruktur
Einfacher kann ich es kaum sagen.
Der Web-Boom stellte Massen ein.
Der Mobile-Boom stellte Massen ein.
Der KI-Boom kauft zuerst Infrastruktur.
Das ist wichtig, weil Infrastruktur nicht so einstellt wie eine Consumer-Plattform.
Ein gigantischer Vertrag über Rechenleistung erzeugt nicht denselben Welleneffekt wie ein Marktplatz, ein Liefernetzwerk oder eine werbefinanzierte Consumer-App, die über menschliche Koordination skaliert.
Die Ausgaben sind real. Die wirtschaftliche Aktivität ist real. Aber der Beschäftigungs-Multiplikator ist deutlich schwächer.
Kleine Teams können jetzt bauen, wofür früher ganze Abteilungen nötig waren
Das ist der zweite Teil, den Menschen ständig unterschätzen.
Viele KI-Produkte werden gebaut auf:
- bestehenden Modell-APIs
- bestehender Cloud-Infrastruktur
- bestehenden Interface-Mustern
- KI-gestützten Coding-Workflows
Das bedeutet, dass ein starker Engineer oder ein kleines seniorlastiges Team heute eine schockierende Menge Arbeit durchdrücken kann, die früher auf mehrere Rollen verteilt war.
Man hört es bereits in der Meeting-Logik:
nicht "wir brauchen fünf weitere Leute,"
sondern "mal sehen, wie weit das aktuelle Team mit besseren Tools kommt."
Dieser eine Satz erklärt viele der fehlenden Jobs.
Dieser Boom wurde dafür gebaut, weniger Menschen zu brauchen
Das ist der Satz, den Leute dauernd zu vermeiden versuchen, weil er zu direkt klingt.
KI ist nicht bloß ein neuer Sektor.
Sie ist eine Effizienzschicht, die über bestehende Sektoren gelegt wird.
Und wenn eine Effizienzschicht funktioniert, fragen Unternehmen nicht in erster Linie: "Wen sollen wir zusätzlich einstellen?"
Sie fragen:
- was können wir automatisieren?
- welches Team kann kleiner bleiben?
- welche Rolle müssen wir nicht mehr nachbesetzen?
- welche Junior-Aufgaben rechtfertigen kein Gehalt mehr?
Das ist kein seltsamer Nebeneffekt dieses Booms.
Das ist der Business Case.
Die Jobs, die wachsen, sind real, aber schmal
Das bedeutet nicht, dass keine Jobs entstehen.
Sie entstehen.
Aber schau dir genau an, welche Art Jobs das sind:
- Modellforschung
- Infrastruktur-Engineering
- Evaluation
- KI-Produktarbeit
- Enterprise-Implementierung
- Governance und Risiko
- Solutions und Integration
Diese Jobs sind wichtig.
Manche zahlen sehr gut.
Aber sie sind keine breiten Kategorien nach dem Muster "komm rein und lern on the job". Sie sind enger, spezialisierter und im Gesamtvolumen kleiner als die Massenbeschäftigungsschichten früherer Tech-Wellen.
Darum fühlt sich der Markt auf den Kopf gestellt an. Es gibt echte Chancen, aber nicht die Art, die bequem alle absorbiert, die gerade einsteigen wollen.
Die Junior-Schicht wird zuerst getroffen
Hier beginnt sich das Problem persönlich anzufühlen.
In älteren Teams existierte viel Einstiegsarbeit, weil irgendjemand die repetitiven Sachen machen musste:
- Doku aufräumen
- einfache CRUD-Arbeit
- QA-Durchläufe
- Erstentwürfe für Texte
- Tabellen-Wrangling
- Routine-Recherche
- repetitive Design-Produktion
Diese Schicht war nicht glamourös, aber sie gab Menschen einen Einstieg.
KI frisst genau diese Schicht zuerst.
Also kann selbst dann, wenn der Beruf überlebt, die Leiter in den Beruf trotzdem kollabieren.
Das ist ein Grund, warum sich dieser Boom so kalt anfühlt. Er verändert nicht nur Jobs. Er verändert, wer überhaupt noch eine Chance bekommt, sie zu lernen.
Der hoffnungsvolle Teil ist nicht "mehr Jobs". Er ist "billigere Hebelwirkung."
Wenn ich ehrlich bleiben und trotzdem die Öffnung finden will, dann wahrscheinlich diese:
KI könnte die Kosten senken, ein sehr kleines Unternehmen, eine Solo-Operation oder ein winziges High-Output-Team zu bauen.
Das ist wichtig.
Ein Berater kann mehr schaffen.
Ein Solo-Gründer kann schneller ausliefern.
Ein Nischenladen kann klein bleiben und trotzdem Arbeit erledigen.
Ein Fachexperte kann Wissen produktisieren, ohne eine ganze Operation einzustellen.
Das ist reale Hebelwirkung.
Aber beachte, welche Art Hoffnung das ist. Es ist keine Geschichte über Masseneinstellungen. Es ist eine Geschichte über Hebelwirkung in kleinen Teams.
Das ist deutlich schmaler.
Schlussgedanke
Warum schafft der KI-Boom also keine Jobs wie frühere Tech-Booms?
Weil das Geld dieses Mal nicht hauptsächlich riesige menschliche Schichten um neue Plattformen herum aufbaut.
Es kauft Rechenleistung, komprimiert Teams und lehrt Unternehmen, dass weniger Menschen genug produzieren können.
Darum sieht der Boom von oben riesig und vom Boden dünn aus.
Das Kapital ist real.
Die Technologie ist real.
Die Produktivitätsgeschichte ist real.
Und ein großer Teil des Wertversprechens ist immer noch derselbe hässliche Satz, den viele nicht laut aussprechen wollen:
das System soll weniger Menschen brauchen.