Was 41 Prozent Automatisierung für eure Jobs bedeutet

Vor einem Jahr lag der beste KI-Agent bei 2,5 Prozent. Jetzt steht Anthropics Fable 5.2 bei 41,3 Prozent. Gemessen wird das nicht an Quizfragen, sondern an echten Freelance-Projekten, für die Auftraggeber schon bezahlt haben. Die Zahl kommt aus dem Remote Labor Index von Scale AI und dem Center for AI Safety. André Rieu hat den Sprung auf X zusammengefasst. Für Unternehmen in Österreich und DACH heißt das, dass sich die Grenze dessen, was ein Agent allein liefern kann, sehr schnell verschiebt.

Was der Index wirklich misst

Der Remote Labor Index ist ein Benchmark, kein Arbeitsmarktbericht. Die Forschungsgruppe um Mantas Mazeika und Dan Hendrycks (CAIS) sowie Scale AI haben 240 abgeschlossene Projekte aus 23 Kategorien der Upwork-Taxonomie gesammelt, darunter Spieleentwicklung, Produktdesign, Architektur, Datenanalyse und Videoanimation. Hinter den Aufträgen stehen über 6.000 Stunden Arbeit. Scale beziffert den Gesamtwert auf 143.991 Dollar. Ein typisches Projekt dauert im Mittel 28,9 Stunden (Median 11,5) und kostet im Schnitt 632,60 Dollar (Median 200 Dollar).

Jedes Projekt hat ein Briefing, Input-Dateien und die Original-Ablieferung einer Fachkraft. Der Agent arbeitet allein. Geschulte Gutachterinnen und Gutachter prüfen, ob ein vernünftiger Auftraggeber die KI-Ablieferung als bestellte Arbeit akzeptieren würde. Nur dann zählt sie in der Automation Rate. Die Übereinstimmung lag bei 94,4 Prozent. Der Index schließt physische Arbeit, laufende Kundenbetreuung, Teamprojekte und Aufgaben aus, die man erst nach Wochen beurteilen kann, etwa SEO. Von 64 Upwork-Kategorien bleiben 23 übrig. 41,3 Prozent heißen also nicht, dass 41,3 Prozent aller Remote-Jobs weg sind.

Von 2,5 auf 41,3 Prozent in zwölf Monaten

Als der Index Ende Oktober 2025 erschien, lag der beste Agent, Manus, bei 2,5 Prozent. Die offizielle Seite zeigt jetzt 41,3 Prozent volle Automatisierung durch Fable 5.2 vom 9. November 2026. Als Tempo über die letzten zwölf Monate nennt dieselbe Seite eine Verdopplung etwa alle 3,3 Monate.

Die Kurve auf der Grafik ist beschriftet, die Werte sind keine Ableseschätzung: Opus 4.5 am 24. November 2025 mit 3,8 Prozent, GPT-5.5 am 23. April 2026 mit 6,3 Prozent, Fable 5 am 9. Juni 2026 mit 15,8 Prozent, GPT-6 Astra am 3. September 2026 mit 20,8 Prozent, Fable 5.2 am 9. November 2026 mit 41,3 Prozent. Auf dem Scale-Leaderboard liegt der Zweite, Opus 5.5, bei 21,25 Prozent.

Liniendiagramm Remote Labor Index: Die Automation Rate steigt von nahe null Mitte 2025 auf 41,3 Prozent bei Fable 5.2 am 9. November 2026, mit einer Verdopplung etwa alle 3,3 Monate.

Remote Labor Index: Automation Rate der führenden Agenten von Juni 2025 bis November 2026. Grafik: Remote Labor Index (Scale AI und Center for AI Safety), über den Thread von @superrieu.

Diese Pace beschreibt die letzten zwölf Monate, kein offizieller Ausblick. Eine gerade Linie in die Zukunft zu ziehen wäre unseriös. Trotzdem: Aus nahezu null ist in einem Jahr ein Wert geworden, bei dem vier von zehn dieser Projekte durchgehen.

Aufgabe gegen Projekt

Einen ähnlichen Anspruch hat OpenAI mit GDPval gestellt, nur auf einer anderen Ebene. Dort bewerten Fachleute einzelne Arbeitsprodukte aus 44 Berufen in neun großen US-Branchen. In der Veröffentlichung vom 25. September 2025 lag Claude Opus 4.1 bei knapp der Hälfte der 220 Gold-Aufgaben mindestens auf Augenhöhe mit der menschlichen Vorlage. OpenAI selbst betont die Grenze: GDPval ist ein Durchgang ohne Rückfragen und ohne das typische Hin und Her mit einem Kunden. Ein einzelnes Arbeitspaket zu treffen ist etwas anderes, als ein mehrstündiges Projekt zu Ende zu bringen.

Der Arbeitsmarkt hinkt der Fähigkeit hinterher

Fähigkeit ist nicht dasselbe wie Beschäftigung. Anthropic hat im März 2026 im Economic Index die Kennzahl observed exposure vorgestellt: was ein Sprachmodell theoretisch beschleunigen könnte, verbunden mit dem, was auf der Plattform tatsächlich beruflich genutzt wird.

In der Kategorie Computer und Mathematik könnten Sprachmodelle laut Eloundou et al. theoretisch 94 Prozent der Tätigkeiten beschleunigen. In den Nutzungsdaten deckte Claude aber nur 33 Prozent ab. Bei Programmiererinnen und Programmierern lag die beobachtete Abdeckung bei 75 Prozent, bei Datenerfassung bei 67 Prozent. 30 Prozent der Beschäftigten haben keine messbare Abdeckung, etwa in Küche, Werkstatt oder Gastronomie.

Seit Ende 2022 findet Anthropic keinen systematischen Anstieg der Arbeitslosigkeit in den am stärksten betroffenen Berufen. Ein schwaches Signal gibt es bei den Jungen: Die Wahrscheinlichkeit, dass 22- bis 25-Jährige in stark betroffenen Berufen einen neuen Job beginnen, lag nach ChatGPT um 14 Prozent unter dem Wert von 2022, gerade noch statistisch erkennbar. Die Modelle können also schon viel mehr, als der Arbeitsmarkt bisher abbildet.

Wo KI jetzt hilft, und wo Robotik noch fehlt

Genau diese Trennung zeigen Russell Legate-Yang und Maxim Massenkoff in einer Anthropic-Studie vom 30. September 2026. Für US-Berufsgruppen, gewichtet nach Arbeitszeit und Beschäftigung, vergleichen sie zwei Kennzahlen. LLM-Exposition ist der Anteil der Tätigkeiten, bei denen ein Sprachmodell die benötigte Zeit halbieren könnte. Die kombinierte Exposition nimmt je Tätigkeit den höheren Wert aus dieser Kennzahl und der Robotik-Exposition ab Stufe E1, also sobald ein Roboter die Aufgabe wenigstens in einer eigens gebauten Umgebung erledigen kann.

Radardiagramm: LLM-Exposition in Blau und kombinierte LLM- und Robotik-Exposition in Orange für US-Berufsgruppen.

Abbildung 6: LLM- und Robotik-Exposition nach Berufsgruppe. Grafik: Anthropic, Legate-Yang und Massenkoff, What work can robots do?, 30. September 2026.

Im Text der Studie stehen die belastbaren Zahlen: Bei Transport und Materialbewegung sind weniger als 15 Prozent der Tätigkeiten gegenüber Sprachmodellen exponiert, mit Robotern etwa 90 Prozent. Bei Büro- und Verwaltungsberufen steigt die kombinierte Exposition auf nahezu 100 Prozent. Insgesamt ist rund die Hälfte der Arbeit gegenüber Sprachmodellen allein exponiert, mit Robotern sind es 81 Prozent. Protective Service liegt bei 31 Prozent und 61 Prozent kombiniert, persönliche Betreuung bei rund 40 Prozent. Keine Berufsgruppe liegt insgesamt unter 40 Prozent.

Am Chart selbst, nur als Annäherung abgelesen, zeigt sich das Muster: Wissensarbeit wie Office und Admin, Legal, Business und Financial sowie Computer und Math liegt schon in der blauen Fläche weit außen. Production, Transportation, Construction, Food Preparation und Cleaning rücken erst deutlich hinaus, wenn Orange dazukommt.

Exposition heißt nicht, dass die Jobs schon automatisiert sind. Dieselben Autoren schreiben, dass Roboter 74 Prozent der körperlichen Tätigkeiten erledigen können, das sind 34 Prozent der Arbeitsstunden, aber nur für 0,3 Prozent der Tätigkeiten kostenseitig mithalten. Würden die Preise dem bisherigen Trend folgen, dauerte es 40 Jahre, bis dieser Anteil 10 Prozent erreicht.

Der IWF hat das im Januar 2024 so eingeordnet: Fast 40 Prozent der globalen Beschäftigung sei gegenüber KI exponiert, in fortgeschrittenen Volkswirtschaften rund 60 Prozent. Von den exponierten Stellen könne grob die Hälfte durch KI produktiver werden, die andere Hälfte stehe unter Druck, schreibt IWF-Direktorin Kristalina Georgieva, gestützt auf Gen-AI: Artificial Intelligence and the Future of Work.

Was die österreichischen Zahlen sagen

Das WIFO hat den Stand im November 2025 zusammengefasst, gestützt auf die IKT-Erhebung von Statistik Austria. Rund 40 Prozent der Befragten hatten in den drei Monaten vor der Erhebung 2025 generative KI genutzt, 54 Prozent davon auch beruflich. Unter Hochschulabsolventinnen und -absolventen lag die berufliche Nutzung bei 73,6 Prozent, unter Personen mit höchstens Pflichtschulabschluss bei 28,3 Prozent. Bei den Unternehmen setzen rund 30 Prozent KI-Technologien ein, nach 20,3 Prozent im Jahr davor, in Betrieben ab 250 Beschäftigten 68,3 Prozent. Nur 13,2 Prozent der Erwerbstätigen waren eher oder sehr besorgt, durch KI ersetzt zu werden, 77,6 Prozent eher nicht oder gar nicht. Das WIFO schreibt, dass sich diese Einschätzung wegen des Tempos als trügerisch erweisen könnte. Rund ein Fünftel der unselbständig Beschäftigten arbeitete 2024 in Berufen mit Schwerpunkt auf kognitiven Routinetätigkeiten, besonders Bürokräfte stehen unter Druck.

Die Ökonomie dahinter: Wenn Knappheit verschwindet

Preis entsteht aus Knappheit. Wird etwas leicht und billig herstellbar, drückt der Wettbewerb den Preis in Richtung der Kosten der nächsten Einheit, der Grenzkosten.

Bei digitalen Gütern ist diese Logik alt. Carl Shapiro und Hal Varian haben sie 1998 in Information Rules beschrieben. Im Interview mit der MIT Technology Review sagte Shapiro: "There's a huge upfront cost to create the content and then very little to make additional copies. That's even more so with the Internet, where the information is in digital form and can be distributed at virtually no cost to large numbers of people." Jeremy Rifkin hat denselben Mechanismus 2014 in The Zero Marginal Cost Society zugespitzt: Märkte treiben die Produktivität nach oben und die Grenzkosten nach unten, bis Güter und Dienste nahezu kostenlos und im Überfluss vorhanden sein können.

Generative KI ändert nicht nur die Kosten der Kopie. Sie senkt auch die Kosten, die erste Version herzustellen: eine Website, einen Text, ein Bild, eine Übersetzung, einfachen Code, Stock-Inhalte, Werbeassets, Teile standardisierter Beratung. Wenn Knappheit im Digitalen verschwindet, verlieren diese Dinge an Wert, die Preise werden Richtung null gedrückt, und damit Umsatz zu machen wird schwer. Ob die Preise wirklich bei null ankommen, ist eine Extrapolation. Dass der Druck in diese Richtung geht, lässt sich zeigen.

Pieter Levels (@levelsio) hat das auf X so formuliert. Am 8. Januar 2025 schrieb er in diesem Post:

It is, right now

But post-AGI the cost of labor goes to zero, and everything else might also go to zero

Except scarce goods

What are scarce goods?

• natural resources
• land and real estate
• time
• capital

etc.

Am 19. Juni 2026 erklärte er in einem weiteren Post, was Kommodifizierung konkret heißt:

That's not really what's commoditization is about I think

It means more that the profit margin of something goes to close to zero where it's sold at cost, as in it's not really a good business anymore where you can make lots of money

It means that it's so easy to make and there's so many competitors that there's no differentiation anymore and everyone just uses whatever and again profit goes to $0

Airlines for example are a commodity service, very tiny profits, very little differentiation, you just want to go from A to B

So the idea is that's happening to SaaS software since anyone can make large parts of them pretty easily these days, or well that's the theory, maybe it'll evolve into something new that does have an edge over AI vibecoded clones again?

Even with commoditization, there's usually a premium tier that remains, think private jets with airlines, or Michelin restaurants, but a premium tier is only a small % of the market, and it can't keep an entire industry alive!

Zwei Studien zu Freelance-Märkten stützen den Kern, nicht die Behauptung, alles sei schon bei null. Xiang Hui, Oren Reshef und Luofeng Zhou haben in Organization Science Upwork-Daten von Januar 2022 bis April 2023 ausgewertet. Nach ChatGPT sanken bei Schreibberufen die monatlichen Jobs um 2 Prozent und die Einnahmen um 5,2 Prozent, verglichen mit weniger betroffenen Berufen. Nach DALL-E 2 und Midjourney lagen die Rückgänge bei Bild-, Design- und Kunstaufträgen bei 2,1 Prozent weniger Jobs und ebenfalls 5,2 Prozent weniger Einnahmen. Bessere Bewertungen schützten nicht. Die Autoren finden Hinweise, dass Spitzenkräfte eher stärker betroffen waren.

Ozge Demirci, Jonas Hannane und Xinrong Zhu kommen in Management Science von der Nachfrageseite. Auf einer großen Freelance-Plattform gingen die Stellenanzeigen für automatisierungsnahe Jobs in Schreiben und Programmieren binnen acht Monaten nach ChatGPT um 21 Prozent stärker zurück als Anzeigen für stärker manuelle Tätigkeiten. Nach Bildgeneratoren sanken Anzeigen für Bildarbeit um 17 Prozent. Die verbleibenden automatisierungsnahen Aufträge waren komplexer und besser bezahlt. Der Preisdruck sitzt also schon in den Ausschreibungen.

Wert wandert dorthin, wo Knappheit bleibt: Vertrauen, Reichweite, Marke, Haftung, Zugang zu Kundinnen und Kunden, eigene Daten, das Erlebnis selbst, Live-Veranstaltungen, körperliche Arbeit. Levels hat die verbleibenden Gräben am 12. Oktober 2026 in diesem Post so aufgezählt:

I'd expand the moats left to:

• Proprietary data or content: data nobody else has, or unique content you can create
• Network effects / community: users make it more valuable for each other
• Audience / distribution: you can get attention on demand
• Physical component: hardware, locations, real-world operations
• Capital: owning assets and investing (esp into the AI companies as they are and will suck up large parts of the economy)
• Regulatory: licenses and legal barriers

Ein Gegenargument ist das Jevons-Paradox. William Stanley Jevons argumentierte 1865 in The Coal Question, dass eine effizientere Nutzung von Kohle den Verbrauch nicht senkt, sondern steigert, weil der niedrigere Preis mehr Verwendung auslöst. Wenn Websites, Texte und Bilder billiger werden, entsteht vielleicht mehr davon. Mehr Menge kann den Umsatz stützen, rettet ihn aber nicht, wenn die Preise schneller fallen als die Menge steigt. Aufmerksamkeit ist nicht unbegrenzt.

Dazu kommt die Kostenkrankheit von William Baumol und William Bowen. In Performing Arts: The Economic Dilemma zeigten sie 1966, dass Tätigkeiten, die sich kaum automatisieren lassen, relativ teurer werden, weil die Löhne mitziehen, die Produktivität dort aber kaum steigt. Was KI nicht ersetzt, wird im Vergleich wertvoller: Pflege, Installation, Live-Auftritte, persönliche Betreuung, Haftung vor Ort. Das passt zum Radar-Chart. Körperliche Arbeit wird erst teuer zu ersetzen, wenn Roboter dazu kommen, und die sind laut derselben Studie erst für 0,3 Prozent der Tätigkeiten kostenseitig konkurrenzfähig.

Ausblick

Der realistische Ausblick kommt ohne die Formel aus, dass schon irgendwelche neuen Jobs die Lücke füllen. Wo digitale Arbeit zur Massenware wird, wird Umsatz schwieriger. Agenturen und Freelancer, die austauschbare Texte, Standardwebsites oder Stock-Bilder verkaufen, stehen in einem Preiswettbewerb, den ein Modell mit Grenzkosten nahe null leicht gewinnt. Ein Premium-Segment bleibt, Levels sagt das selbst, trägt aber typischerweise nur einen kleinen Teil des Marktes.

Der Arbeitsmarkt hinkt der Fähigkeit hinterher, das hat der Economic Index im März 2026 gezeigt. Kurzfristig sehen wir Druck auf Nachfrage und Einkommen in den betroffenen Freelance-Feldern, nicht flächendeckende Arbeitslosigkeit. Dass die Preise in den leicht kopierbaren digitalen Bereichen stark unter Druck geraten, ist die konservative Lesart der Daten. Dass daraus von allein ein Ausgleich an neuer, gut bezahlter Digitalarbeit entsteht, ist eine Hoffnung, keine Messung.

Für Unternehmen heißt das: Nutzt, was billig geworden ist, und verdient das Geld nicht damit, es als knappes Gut zu verkaufen. Verkauft Vertrauen, Verantwortung für das Ergebnis, Zugang zu Kundinnen und Kunden, eigene Daten und das, was physisch oder live bleibt.

Was ich Unternehmen jetzt raten würde

Schaut auf Projekte, nicht auf Tools. Welche Aufträge ähneln einem klaren Briefing mit Dateien und einem abnahmefähigen Ergebnis? Genau dort ist der Index relevant, und genau dort wird der Preis zuerst unter Druck geraten.

Lasst Menschen dort, wo Knappheit bleibt: Kundenkontakt, Abstimmung im Team, Verantwortung für das Ergebnis, körperliche Arbeit, die Abnahme. Wenn ein Agent vier von zehn Projekten auf einem Benchmark besteht, bleiben sechs, die jemand finden, korrigieren oder neu aufsetzen muss. Urteilsvermögen wird teurer, nicht billiger.

Wenn ihr das für euer Unternehmen konkret machen wollt, mache ich genau das in KI-Workshops und Keynotes. Oder schreibt mir, dann schauen wir uns eure Abläufe an.

Quellen

• Mazeika et al., Remote Labor Index: Measuring AI Automation of Remote Work, arXiv, 30. Oktober 2025. Begleitseiten: remotelabor.ai, Scale-Blog, Leaderboard
• Thread: André Rieu (@superrieu), 11. November 2026
• OpenAI, GDPval, 25. September 2025
• Massenkoff und McCrory, Labor market impacts of AI: A new measure and early evidence, Anthropic Economic Index, 5. März 2026
• Legate-Yang und Massenkoff, What work can robots do?, Anthropic, 30. September 2026
• Kristalina Georgieva, AI Will Transform the Global Economy, IWF, 14. Januar 2024, gestützt auf Gen-AI: Artificial Intelligence and the Future of Work
• Bärenthaler-Sieber, Bilek-Steindl, Bock-Schappelwein, Böheim, Digitalisierung in Österreich: Die Rolle der künstlichen Intelligenz am Arbeitsplatz, WIFO-Monatsberichte 11/2025
• Carl Shapiro und Hal Varian, Information Rules, Harvard Business School Press, 1998. Shapiro-Zitat: MIT Technology Review, 1. März 1999
• Jeremy Rifkin, The Zero Marginal Cost Society, St. Martin's Press, 2014
• Xiang Hui, Oren Reshef, Luofeng Zhou, The Short-Term Effects of Generative Artificial Intelligence on Employment: Evidence from an Online Labor Market, Organization Science, 24. September 2024
• Ozge Demirci, Jonas Hannane, Xinrong Zhu, Who Is AI Replacing? The Impact of Generative AI on Online Freelancing Platforms, Management Science, 24. Januar 2025
• William Stanley Jevons, The Coal Question, Macmillan, 1865
• William J. Baumol und William G. Bowen, Performing Arts: The Economic Dilemma, Twentieth Century Fund, 1966
• Pieter Levels (@levelsio): 8. Januar 2025, 19. Juni 2026, 12. Oktober 2026