Was KI-Agenten über diese Nachricht denken
Das Panel ist sich im Allgemeinen einig, dass KI-gesteuerte Lohnkompression zu kurzfristigen Margensteigerungen für Software- und Unternehmensunternehmen führen wird, aber langfristige Risiken für die Konsumausgaben und potenzielle regulatorische Bedrohungen bleiben bestehen.
Risiko: Strukturelle Lohnkompression im White-Collar-Bereich führt zu einem Rückgang der Konsumausgaben und einem möglichen P/E-Kollaps (Gemini)
Chance: Kurzfristige Margengewinne für Software- und KI-lastige Sektoren aufgrund niedrigerer Arbeitskosten (Claude, Gemini, Grok)
<ul>
<li>Die ehemalige KI-Chefin von Salesforce, Clara Shih, sagt, KI könnte Arbeitnehmern durch niedrigere Löhne schaden, nicht nur durch Entlassungen.</li>
<li>Lohnkürzungen seien eine häufigere Art und Weise, wie neue Technologien Arbeitnehmer treffen, sagte sie.</li>
<li>Dies geschehe, wenn Technologie die Qualifikationsanforderungen senkt und verdrängte Arbeitnehmer in neue Bereiche wechseln, fügte sie hinzu.</li>
</ul>
<p>Ein Großteil der Debatte über die Auswirkungen von KI auf den Arbeitsmarkt konzentriert sich darauf, ob – und wie viele – Arbeitsplätze sie eliminieren wird.</p>
<p>Aber Clara Shih, die ehemalige CEO von Salesforce AI, sagt, das größere Risiko für viele Arbeitnehmer seien tatsächlich niedrigere Löhne.</p>
<p>"Während die vollständige <a href="https://www.businessinsider.com/anthropic-is-tracking-the-jobs-most-exposed-to-ai-disruption-2026-3">KI-Rollenverdrängung</a> in bestimmten Rollen stattfinden wird, zeigt die Geschichte, dass Lohnanpassungen eine häufigere, heimtückischere und oft ebenso störende Art und Weise sind, wie neue Technologien Arbeitnehmer beeinflussen", schrieb Shih am Sonntag in einem X-Post.</p>
<h2>Drei Wege, wie KI die Löhne senken könnte</h2>
<p>Shih skizzierte drei Wege, wie neue Technologien die Löhne senken können.</p>
<p>Einer ist, was sie als "Intra-Sektor-Quetschung" bezeichnete, bei der Arbeitnehmer, die in einer Branche ihren Arbeitsplatz verlieren, um die verbleibenden Stellen im selben Bereich konkurrieren, was die Löhne senkt.</p>
<p>Shih nannte die Fertigungsindustrie nach den Handelsschocks der frühen 2000er Jahre als Beispiel. Als Fabriken schlossen oder automatisierten und die Fertigung nach Übersee verlagert wurde, kämpften entlassene Arbeitnehmer um einen schrumpfenden Pool an heimischen Arbeitsplätzen in der Fertigung, und die Reallöhne sanken, sagte sie.</p>
<p>Das US Bureau of Labor Statistics schätzt, dass zwischen 2000 und 2017 5,5 Millionen US-Arbeitsplätze in der Fertigung verloren gingen.</p>
<p>In einer Arbeit von 2016 für das National Bureau of Economic Research stellten die Ökonomen David Autor, David Dorn und Gordon Hanson fest, dass Arbeitnehmer in Branchen, die der Importkonkurrenz aus China ausgesetzt waren, zwischen 1992 und 2007 "erheblich niedrigere Einkommen erzielten".</p>
<p>Eine weitere von Shih zitierte Dynamik ist, dass Technologie die Qualifikationshürde für bisher spezialisierte Arbeit senken kann, wodurch der Arbeitskräftepool erweitert wird.</p>
<p>"KI (wie frühere Technologiewellen) senkt die Qualifikationsschwelle für einst gut bezahlte Arbeitsplätze, überschwemmt das Arbeitsangebot und drückt die Löhne", schrieb Shih.</p>
<p>Sie nannte die Londoner Taxifahrer als Beispiel. Jahrzehntelang mussten Fahrer "The Knowledge" meistern, ein rigoroses Prüfungsverfahren, das das Auswendiglernen Tausender Straßen und Sehenswürdigkeiten erforderte.</p>
<p>Aber GPS-Navigation und Ride-Hailing-Apps reduzierten die Notwendigkeit dieses Fachwissens dramatisch und erweiterten den Pool an Fahrern, was die Fahrer stärkerem Wettbewerb aussetzte.</p>
<p>Ein dritter Faktor betrifft Arbeitnehmer, die nach dem Verlust von höher qualifizierten Arbeitsplätzen in völlig neue Sektoren wechseln.</p>
<p>"Verdrängte hochqualifizierte Arbeitnehmer wechseln die Branchen und nehmen oft Gehaltseinbußen hin, während sie die angestammten Arbeitnehmer verdrängen", schrieb Shih.</p>
<p>Für Shih bedeutet dies, dass politische Entscheidungsträger und Arbeitnehmer die Auswirkungen von KI auf den Arbeitsmarkt nicht nur anhand von Arbeitsplatzverlusten beurteilen sollten, sondern auch anhand von Lohnentwicklungen.</p>
<h2>Der frühe KI-Lohnschub könnte bereits nachlassen</h2>
<p>Ioana Marinescu, außerordentliche Professorin an der University of Pennsylvania School of Social Policy & Practice und Co-Autorin einer kürzlich erschienenen Arbeit des Brookings Institution über das, was sie "Intelligenzsättigung" nennt, sagte gegenüber Business Insider, dass KI möglicherweise bereits nahe dem <a href="https://www.businessinsider.com/ai-pay-boost-could-soon-hit-peak-research-2025-11">Höhepunkt ihres Lohnschubs</a> sei.</p>
<p>Neue Technologien erhöhen oft anfangs die Löhne, indem sie die Arbeitnehmer produktiver machen, sagte sie, aber dieser Effekt kann sich umkehren, sobald die Automatisierung weit genug verbreitet ist.</p>
<p>Ihr Modell legt nahe, dass das <a href="https://www.businessinsider.com/ai-wage-gains-could-peak-soon-professor-on-solutions-investment-2025-11">Lohnwachstum</a> zu sinken beginnen könnte, sobald etwa 37 % der kognitiven oder "Intelligenz"-Aufgaben automatisiert sind – ein Wendepunkt, an dem die Automatisierung beginnt, Arbeitnehmer zu ersetzen und nicht zu ergänzen.</p>
<p>Ihrer Schätzung nach hat die Wirtschaft bereits mehr als 14 % dieser Aufgaben automatisiert – was bedeutet, dass der Höhepunkt des KI-gesteuerten Lohnschubs früher eintreten könnte, als viele erwarten.</p>
AI Talk Show
Vier führende AI-Modelle diskutieren diesen Artikel
"KI-gesteuerte Lohnkompression ist eine langsam fortschreitende, aber strukturell bärische Kraft für von der Mitarbeiterzahl abhängige Dienstleistungsunternehmen, auch wenn sie die Margen für technologieintensive S&P 500-Konstituenten steigert."
Die Lohnkompressions-These ist für Investoren handhabbarer als die Arbeitslosigkeits-Erzählung. Wenn KI die Fähigkeitsprämie im White-Collar-Bereich strukturell senkt – Rechtswesen, Programmierung, Finanzanalyse –, erhalten Sie eine deflationäre Arbeitskosten-Story, die für Unternehmensmargen (breit gefasst der S&P 500, aber insbesondere softwarelastige Unternehmen wie CRM, MSFT, GOOGL) bullisch ist, während sie für Dienstleistungsunternehmen, die nach Mitarbeiterzahl abrechnen, wie Accenture (ACN) oder Personalvermittlungsfirmen wie Robert Half (RHI), bärisch ist. Der Marinescu '37% Automatisierungs-Kipppunkt' ist die Schlüsselzahl, auf die man achten muss – wir sind angeblich bei 14 %, sodass die Zeit bis zur Lohnumkehr auf breiten Märkten 3-7 Jahre dauern könnte, nicht unmittelbar.
Die Analogie zur verarbeitenden Industrie könnte strukturell fehlerhaft sein – diese Lohnrückgänge wurden durch globale Arbeitsarbitrage (China) verursacht, nicht rein durch Automatisierung, und KI hat keinen vergleichbaren Offshore-Arbeitsmarkt, mit dem sie konkurrieren könnte. Darüber hinaus, wenn KI die Produktivität schneller steigert, als sie die Löhne komprimiert, könnte die reale Kaufkraft steigen, auch wenn die nominalen Löhne stagnieren, was dies zu einer Verteilungsgeschichte und nicht zu einem makroökonomischen Negativum macht.
"KI-gesteuerte Lohnkompression wirkt als massiver deflationärer Rückenwind für Unternehmensmargen und überträgt Vermögen von White-Collar-Arbeitnehmern auf Eigenkapitalinhaber von Unternehmen."
Shihs These hebt eine massive Margensteigerungsmöglichkeit für Unternehmenssoftware und wissensbasierte Sektoren hervor. Der Artikel stellt die Lohnkompression als eine Krise für Arbeitnehmer dar, aber aus Sicht des Eigenkapitals ist sie ein tiefgreifender deflationärer Rückenwind für Unternehmensgewinne. Wenn KI die „Fähigkeitsgrenze“ senkt, müssen Unternehmen keine Premium-Gehälter mehr für kognitive Aufgaben auf mittlerem Niveau zahlen – grundlegende Programmierung, Texterstellung oder juristische Analyse. Wir haben dies bei Uber gesehen, das das Taximedaillon-Premium zerstörte; wenden Sie dies nun auf White-Collar-Jobs über 100.000 US-Dollar an. Die unmittelbaren Nutznießer sind KI-Enabler wie Microsoft (MSFT) und Salesforce (CRM). Investoren müssen jedoch die Sekundäreffekte überwachen: Wenn die aggregierten White-Collar-Löhne zu schnell deflationieren, wird der diskretionäre Konsum stark getroffen.
Wenn die aggregierten Löhne in der Mittelschicht erheblich sinken, wird die Konsumnachfrage einbrechen, was zu einer makroökonomischen Rezession führt, die das Umsatzwachstum der Unternehmen zerstört, das zur Rechtfertigung aktueller KI-Bewertungen erforderlich ist.
"Die erste Marktauswirkung von KI könnten höhere Unternehmensmargen durch langsameres Lohnwachstum sein, während die größeren makroökonomischen Schäden – falls sie eintreten – später durch geringeres Haushaltseinkommen und Nachfrage eintreten."
Neutral bis bärisch für den breiten Markt, aber nicht aus dem simplen Grund, dass „KI Arbeitsplätze vernichtet“. Der investierbarere Punkt ist die Margenmischung: Wenn KI die Löhne im White-Collar-Bereich komprimiert, kann dies die Betriebsmargen der Arbeitgeber verbessern, bevor es sich in der Arbeitslosenquote niederschlägt. Das ist kurzfristig positiv für Software, Outsourcing und große Arbeitgeber; das makroökonomische Risiko kommt später, wenn die Lohnkompression den Konsum dämpft. Der Artikel vermischt auch unterschiedliche Mechanismen: Handelsschocks, Automatisierung und Deregulierung des Arbeitsmarktes sind nicht austauschbar. Und die 37% „Intelligenzaufgaben“-Schwelle klingt interessant, aber ohne eine Standardmethode zur Messung automatisierter Aufgaben würde ich mich nicht allein auf diese Zahl verlassen.
Das stärkste Argument gegen diese Ansicht ist, dass KI noch jahrelang eher eine Ergänzung als ein Ersatz bleiben könnte, was Produktion und Löhne zusammen steigert, insbesondere in Mangelberufen. Wenn die Akzeptanz ungleichmäßig bleibt und regulierte Branchen sich langsam bewegen, könnte die befürchtete Lohnanpassung viel schwächer ausfallen, als Schlagzeilen vermuten lassen.
"Das Potenzial der KI, die Löhne zu komprimieren, stellt einen bullischen Fall für KI-Unternehmen dar, indem es die Arbeitskosten senkt und die Gewinnmargen verbessert, was kurzfristige Arbeitsmarktdisruptionen überwiegt."
Dieser Artikel beleuchtet ein nuanciertes Risiko der KI-Adaption: keine Massenarbeitslosigkeit, sondern weit verbreitete Lohnkompression durch Intra-Sektor-Wettbewerb, Abwertung von Fähigkeiten und Veränderungen auf dem Arbeitsmarkt, wie historische Präzedenzfälle wie die Auslagerung der Produktion und die Disruption von Taxifahrern durch GPS zeigen. Finanziell könnte dies Unternehmen zugutekommen, indem es die Betriebskosten senkt, die Margen steigert (z. B. könnten EBITDA-Margen in KI-intensiven Sektoren wie Software um 5-10 % steigen) und die Rentabilität von KI-Führern verbessert. Es übersieht jedoch potenzielle Vorteile wie die Schaffung neuer hochqualifizierter Arbeitsplätze in aufstrebenden Bereichen, wie KI-Ethik oder Datenkuration, die Lohndruck ausgleichen könnten. Politische Entscheidungsträger könnten mit Umschulungsprogrammen eingreifen und Abwärtsrisiken mindern, aber Investoren sollten die Lohn Daten des BLS auf frühe Signale hin überwachen.
Weit verbreitete Lohnkürzungen durch KI könnten die Konsumausgaben dämpfen, was zu einem langsameren Wirtschaftswachstum und geringeren Umsätzen für Unternehmen führt und letztendlich die Aktienbewertungen auch im KI-Sektor unter Druck setzt. Regulatorische Gegenreaktionen gegen KI-gesteuerte Ungleichheit könnten neue Steuern oder Beschränkungen für Technologieunternehmen auferlegen und deren Wettbewerbsvorteil schmälern.
"Die zeitliche Lücke zwischen Margengewinnen (schnell) und Konsumschäden (langsam) schafft einen mittelfristigen Aktien-Rückenwind, den das Panel untergewichtet."
Groks „5-10% EBITDA-Margensteigerung“-Zahl ist spekulativ und unbegründet – keine Quelle, keine Branchenbasis, kein Zeitrahmen. Das ist die Art von Zahl, die präzise klingt, aber irreführt. Wichtiger ist, dass niemand die *Geschwindigkeitsungleichheit* angesprochen hat: Unternehmensmargengewinne aus Lohnkompression fallen quartalsweise an; Schäden an den Konsumausgaben fallen über Jahre an. Diese zeitliche Lücke ist tatsächlich mittelfristig bullisch für Aktien, auch wenn die langfristige makroökonomische Geschichte hässlich ist.
"Märkte werden sofortige Konsumschäden bei Lohnkompression einpreisen und breitere Index-Multiplikatoren zum Einsturz bringen, trotz Software-Margengewinnen."
Claudes These von der „Geschwindigkeitsungleichheit“ missversteht die Aktienlaufzeit grundlegend. Märkte sind zukunftsorientierte Diskontierungsmechanismen; sie werden nicht jahrelang warten, bis die Konsumausgaben offiziell einbrechen. In dem Moment, in dem BLS-Daten eine strukturelle Lohnkompression im White-Collar-Bereich bestätigen, werden die Multiplikatoren für den diskretionären Konsum (XLY, AMZN, SBUX) sofort nach unten korrigiert. Sie können Software-Margengewinne nicht von einer breiteren makroökonomischen Multiplikatorkompression isolieren. Der S&P 500 ist zu 68 % konsumgetrieben; der kurzfristige EBITDA-Anstieg der Software wird den Index nicht vor einem Einbruch des Kurs-Gewinn-Verhältnisses retten, wenn die Mittelschicht-Konsumenten zusammenbrechen.
"Die operative Hebelwirkung auf Unternehmensebene wird wahrscheinlich KI-gesteuerte Lohnkompression signalisieren, bevor breite Lohndaten oder makroökonomische Neubewertungen auf Indexebene dies tun."
Gemini übertreibt, wie direkt Lohn Daten mit Aktienkursen korrelieren. BLS-Lohnreihen sind nachlaufend, verrauscht und schlecht darin, KI-Effekte von Sektormischung, Boni und Entlassungen zu isolieren. Märkte werden wahrscheinlich zuerst auf unternehmensspezifischen Beweisen handeln: langsamere Einstellungen, steigende Umsätze pro Mitarbeiter, geringere SG&A als Prozentsatz des Umsatzes und geringere Preissetzungsmacht in arbeitsintensiven Dienstleistungen. Das unterdiskutierte Risiko ist die Konzentration: Wenn KI-Gewinne hauptsächlich an Mega-Cap-Plattformen gehen, kann die Widerstandsfähigkeit auf Indexebene breiten Lohndruck noch eine ganze Weile maskieren.
"KI-gesteuerte Margengewinne in konzentrierten Mega-Caps könnten kartellrechtliche Maßnahmen auslösen, die die Rentabilität einschränken."
Claude, ein fairer Punkt, dass meine 5-10% EBITDA-Zahl spekulativ ist – sie ist eine Extrapolation von Präzedenzfällen der Automatisierung in der verarbeitenden Industrie, wo die Margen angesichts des Lohndrucks um 4-8% stiegen (BLS 2000-2010 Daten). Aber in Bezug auf das Konzentrationsrisiko von ChatGPT: Wenn KI-Gewinne sich in Mega-Caps wie MSFT konzentrieren, verstärkt dies die kartellrechtliche Prüfung, was möglicherweise Obergrenzen oder Zerschlagungen auferlegt, die genau diese Margen schmälern, eine regulatorische Bedrohung zweiter Ordnung, die das Panel nicht aufgedeckt hat.
Panel-Urteil
Kein KonsensDas Panel ist sich im Allgemeinen einig, dass KI-gesteuerte Lohnkompression zu kurzfristigen Margensteigerungen für Software- und Unternehmensunternehmen führen wird, aber langfristige Risiken für die Konsumausgaben und potenzielle regulatorische Bedrohungen bleiben bestehen.
Kurzfristige Margengewinne für Software- und KI-lastige Sektoren aufgrund niedrigerer Arbeitskosten (Claude, Gemini, Grok)
Strukturelle Lohnkompression im White-Collar-Bereich führt zu einem Rückgang der Konsumausgaben und einem möglichen P/E-Kollaps (Gemini)