Drei Szenarien sind 2030 plausibel: Krise (massive Arbeitslosigkeit ohne Auffang), Horror (permanente Underclass entsteht), Überfluss (KI-Mehrwert wird breit verteilt). Welches eintritt, hängt weniger von der Technologie ab als von politischen und ökonomischen Entscheidungen, die in den nächsten 18-24 Monaten getroffen werden.
TL;DR
- Warum Szenarien besser sind als Prognosen
- Drei plausible Verläufe — was muss jeweils passieren
- Wahrscheinlichster Pfad für DACH 2026-2030
- Was du persönlich tun kannst, in jedem Szenario
Warum Szenarien statt Prognosen
Eine Prognose sagt “so wird es kommen”. Sie ist beruhigend, weil sie eine klare Antwort gibt. Sie ist auch fast immer falsch, weil komplexe Systeme zu viele Variablen haben.
Ein Szenario sagt “so könnte es kommen — und das müsste dafür passieren”. Es ist anstrengender, weil du selbst entscheiden musst. Es ist auch ehrlicher und nützlicher.
Bei strukturellen Veränderungen wie KI im Arbeitsmarkt greifen drei Variablen ineinander:
- Technologische Entwicklung — wie schnell verbessert sich Claude Sonnet, GPT-5, lokale Modelle? Wie weit kommen Robotik und Voice-Agents bis 2030?
- Ökonomische Adoption — wie schnell setzen Unternehmen die Tools real ein? KMU vs Konzern, DACH vs USA, regulierte vs freie Branchen?
- Politische Antwort — Sozialsysteme, Bildungs-Anpassung, mögliche Regulierung, möglicherweise BGE/UBI?
Aus diesen drei Variablen ergeben sich drei plausible Szenarien für 2030. Keine ist “die” Zukunft — alle drei sind real möglich.
Szenario 1 — Krise: Disruption ohne Auffang
Was müsste passieren:
KI entwickelt sich genau so schnell wie die optimistischsten Annahmen — Claude Sonnet 5 in 2027, GPT-6 in 2028, lokale Modelle auf Cloud-Niveau in 2029. Adoption beschleunigt sich entsprechend, vor allem in der Wissensarbeit. Aber die politischen Antworten kommen nicht oder zu spät: keine Bildungs-Reform, kein Auffang für ersatzlos verschwundene Aufgaben, kein flächiger Skill-Building-Mechanismus.
Was wäre dann sichtbar:
- 15-25 Prozent der Wissensarbeits-Stellen in DACH verschwinden bis 2030 oder werden inhaltlich entkernt
- Mittlerer Wissensarbeits-Lohn sinkt real um 10-20 Prozent
- Neue Branchen entstehen langsamer als alte schrumpfen
- Sozialsysteme werden überlastet, weil der Arbeitsmarkt nicht-linear schrumpft
Wahrscheinlichkeit: mittel. Das ist der Pfad, der entsteht, wenn Politik in Reaktion bleibt statt zu gestalten. Historisch: häufiger Default-Pfad bei großen Strukturveränderungen.
Szenario 2 — Horror: Permanente Underclass
Was müsste passieren:
Wie Szenario 1, aber zusätzlich verfestigt sich die Spaltung. Eine Schicht von KI-Eigentümern (Tech-Unternehmen, Builder mit eigenen Pipelines, Investoren) wird massiv reicher. Eine zweite Schicht — Domain-Experten in stabilen Mittelständen — bleibt produktiv. Die größte Gruppe — die schrumpfende Wissensarbeits-Mitte — fällt nicht in Arbeitslosigkeit, sondern in dauerhaft niedriger bezahlte Gig-Arbeit ohne Aussicht auf Wiederaufstieg.
Was wäre dann sichtbar:
- 30-40 Prozent der Bevölkerung in dauerhaft prekärer Beschäftigung
- Bildung und sozialer Aufstieg korrelieren stark mit KI-Tool-Zugang in der Kindheit
- Politische Polarisierung verschärft sich, weil der Mittelstand schrumpft
- Vermögens-Konzentration erreicht Niveaus von vor 1900
Das ist die Hypothese der “permanenten Underclass” — eine Schicht, die strukturell nicht mehr aufsteigen kann, weil ihr Beruf-Cluster gleichzeitig automatisiert und entwertet wird.
Wahrscheinlichkeit: gering bis mittel. Setzt voraus, dass DACH-Sozialsysteme nicht greifen und keine Korrektur-Politik kommt. In DACH historisch unwahrscheinlicher als in den USA, aber nicht ausgeschlossen.
Szenario 3 — Überfluss: Mehrwert wird breit verteilt
Was müsste passieren:
KI entwickelt sich wie in Szenario 1, aber die politischen Antworten kommen rechtzeitig:
- Bildungs-Reform — ab Schule wird KI-Tool-Beherrschung gelehrt, nicht KI-Theorie
- Asset-Beteiligung — Mechanismen, mit denen breite Bevölkerungsschichten an KI-Produktivitäts-Gewinnen teilhaben (Eigentums-Modelle, Pension-Funds, möglicherweise BGE)
- Regulierungs-Gleichgewicht — DSGVO und AI Act bleiben streng genug für menschliche Kontrolle, aber nicht so streng, dass KMU keine Tools nutzen können
- Mittelständischer Hebel — staatliche Förderung für KMU-KI-Adoption
Was wäre dann sichtbar:
- Wissensarbeit verschiebt sich zu mehr Bewertung und weniger Routine, mit höherem Stundensatz
- Solo-Selbstständigkeit wird einfacher, weil ein Mensch mit KI-Stack das leistet, was früher fünf brauchte
- Sozialsysteme werden umgebaut, aber bleiben tragfähig
- Vermögens-Verteilung bleibt halbwegs stabil oder verbessert sich
Wahrscheinlichkeit: gering bis mittel. Setzt voraus, dass DACH-Politik aktiv gestaltet, statt zu reagieren. Aktuell (2026) noch nicht der erkennbare Pfad — aber möglich, wenn die nächsten 18-24 Monate richtig genutzt werden.
Welches Szenario für DACH am wahrscheinlichsten
Aus heutiger Sicht (Mai 2026) eine Mischung aus Szenario 1 und 2:
- KI-Adoption in DACH läuft, aber ungleichmäßig — Tech-Hubs ja, Mittelstand zögerlich, regulierte Branchen sehr langsam
- Sozialsysteme greifen bei moderater Disruption, würden aber bei der vollen Szenario-1-Wucht überlastet
- Bildungs-Reform passiert langsam (Föderalismus), nicht koordiniert
- DSGVO und AI Act sind ein Asset für menschliche Kontrolle, aber bremsen DACH-Wettbewerbsfähigkeit gegen weniger regulierte Märkte
- Eine politische Mehrheit für aktive Asset-Beteiligungs-Mechanismen ist 2026 nicht erkennbar
Das ist nicht der Endzustand — die nächsten 18-24 Monate entscheiden, ob wir Richtung Szenario 1, 2 oder 3 driften. Politische Schlüsselfragen: Bildungs-Reform-Konsens, Mittelstands-Förderung für KI-Tooling, möglicher BGE-Modellversuch.
Was du persönlich tun kannst — egal in welchem Szenario
Strukturen sind nichts, was eine einzelne Person verändert. Aber drei persönliche Hebel funktionieren in jedem der drei Szenarien:
1. Eigene Skills aufbauen, die dir gehören. Skills, die du mit der KI gemeinsam aufbaust, sind portabel — du nimmst sie mit zu jedem Arbeitgeber, oder zu deinem eigenen Side-Project. In Szenario 1 schützt dich das vor Hollowing. In Szenario 2 verhindert es, dass du in die Underclass fällst. In Szenario 3 lässt es dich am Mehrwert teilhaben.
2. Teil des Setups werden, das entscheidet. Wer Tools beherrscht — n8n, Claude API, lokale Modelle, eigene Workflows — ist in jedem Szenario eine Stufe sicherer als die, die nur konsumiert. Mehr in n8n für Anfänger.
3. Eigene Asset-Position aufbauen. Newsletter, Side-Project, internes Tool, sichtbares Portfolio. Das ist keine Selbstständigkeits-Predigt — es ist Risiko-Streuung. Wer unabhängig Skills dokumentiert und kleine Assets aufbaut, sitzt strukturell sicherer als jemand, der nur eine einzige Option hat.
Wenn du wissen willst, was als nächstes wichtig ist: Der KI-Job-Mapper gibt dir eine erste Orientierung nach Beruf und Aufgaben.
Welche Rolle KI-Agents in jedem Szenario spielen
Ein Faktor, der alle drei Szenarien beschleunigt, sind KI-Agents — autonome Workflows, die nicht nur einzelne Aufgaben erledigen, sondern ganze Prozessketten eigenständig abarbeiten. In Szenario 1 und 2 treiben Agents das Hollowing schneller voran, weil sie komplette Task-Cluster übernehmen, nicht nur Einzelschritte. In Szenario 3 werden Agents zum persönlichen Hebel: wer einen eigenen Agent-Stack aufbaut, multipliziert seine Wertschöpfung — und genau das ist der Unterschied zwischen Konsument und Builder.
Verwandte Themen
Meine Einschätzung
Ich habe diesen Artikel bewusst mit drei Szenarien geschrieben, weil mir die Sicherheit suspekt ist, mit der viele Kommentatoren ein einzelnes Ergebnis vorhersagen. Was ich in meiner eigenen Arbeit sehe: wir driften gerade Richtung Szenario 1, mit Elementen von Szenario 2 in bestimmten Branchen. Die politische Antwort in DACH ist bisher enttäuschend langsam — was mich als jemanden, der täglich mit KMU-Inhabern spricht, frustriert. Mein ehrlicher Rat an jeden, der diesen Artikel liest: rechne nicht mit Szenario 3, auch wenn es das schönste wäre. Bau deine eigene Position so auf, dass sie in Szenario 1 und 2 funktioniert — dann ist Szenario 3 ein Bonus, kein notwendiger Rettungsanker.
Quellen
- BCG “AI at Work 2025-2030 Outlook”
- McKinsey Global Institute “The Future of Work after Generative AI”
- Anthrop
