AI verandert de arbeidsmarkt: waarom 800.000 banenverlies slechts de helft van het verhaal is

AI en de Duitse arbeidsmarkt: De grote banentransitie begint

Waarom met name jonge professionals onder druk kunnen komen te staan

Kunstmatige intelligentie zal de Duitse arbeidsmarkt waarschijnlijk niet transformeren door een plotselinge daling van de werkgelegenheid, maar eerder door een ingrijpende herstructurering van banen, kwalificaties en carrièremogelijkheden. Volgens een langetermijnscenario zouden er binnen 15 jaar zo'n 800.000 banen kunnen verdwijnen, terwijl er ongeveer evenveel nieuwe banen bijkomen. Deze bijna evenwichtige uitkomst is echter geen reden tot zelfgenoegzaamheid: de getroffen banen en mensen kunnen niet zomaar tegen elkaar worden weggestreept. Nieuwe functies vereisen mogelijk andere vaardigheden, ontstaan ​​op andere locaties of komen later beschikbaar. Starters op de arbeidsmarkt kunnen voor specifieke uitdagingen komen te staan, omdat bedrijven hun processen aanpassen en gestandaardiseerde taken automatiseren. De cruciale vraag is daarom niet alleen hoeveel banen er uiteindelijk overblijven, maar ook wie de transitie begeleidt, hoe de productiviteitswinsten worden verdeeld en of technologische vooruitgang zich daadwerkelijk vertaalt in levensvatbare carrièremogelijkheden.

Dit is hiermee gerelateerd:

• Exploderende administratieve kosten: Rekenkamer luidt alarm – Hoe het Federaal Agentschap voor Werkgelegenheid onder Andrea Nahles miljarden verbrandt

De balans tussen werk en privé is misschien positief, maar toch lopen honderdduizenden mensen nog steeds achter

Kunstmatige intelligentie zal de Duitse arbeidsmarkt waarschijnlijk niet zozeer transformeren door een plotselinge daling van de werkgelegenheid, maar eerder door een ingrijpende herstructurering van banen, kwalificaties en carrièremogelijkheden. Ongeveer 800.000 banen die binnen een periode van 15 jaar verloren gaan, zouden gecompenseerd kunnen worden door een vergelijkbaar aantal nieuwe banen. Deze grotendeels evenwichtige uitkomst is echter geen reden tot zelfgenoegzaamheid. Het zou slechts betekenen dat banenverlies en nieuwe banen elkaar in de totale economie min of meer opheffen, maar niet dat de betrokkenen zonder inkomensverlies, verhuizing of lange overgangsperioden naar nieuwe functies kunnen overstappen.

De economisch cruciale vraag is daarom niet alleen hoeveel banen er uiteindelijk overblijven. Belangrijker is welke banen zullen verdwijnen, waar extra vraag zal ontstaan, hoe snel bedrijven zich kunnen reorganiseren en wie de benodigde vaardigheden tijdig kan verwerven. Voor Duitsland biedt AI de mogelijkheid om met steeds schaarser wordende menselijke hulpbronnen meer toegevoegde waarde te genereren. Tegelijkertijd brengt dit het risico met zich mee van een arbeidsmarkt waar bestaande arbeidsverhoudingen relatief stabiel blijven, terwijl jonge professionals, bepaalde banen in de dienstensector en minder flexibele bedrijven steeds meer onder druk komen te staan.

Wat zit er achter die 800.000?

Het cijfer van 800.000 banenverlies moet niet worden geïnterpreteerd als een voorspelling van een overeenkomstige stijging van de werkloosheid. Het beschrijft een mogelijke structurele transformatie over een langere periode. In de onderliggende scenarioberekening zullen na 15 jaar ongeveer 790.000 banen verloren gaan ten opzichte van een referentiescenario, wat wordt gecompenseerd door ongeveer hetzelfde aantal nieuwe banen. Afgerond resulteert dit in het veelgebruikte cijfer van 800.000 banen in beide gevallen. Alles bij elkaar genomen zou dit betekenen dat ongeveer 1,6 miljoen banen getroffen zouden worden door aanvullende structurele verschuivingen.

De benchmark is cruciaal. Het referentiepad beschrijft geen bevroren economie zonder digitalisering, maar eerder een ontwikkeling waarin bestaande economische, technologische en demografische trends al worden geëxtrapoleerd. Het AI-scenario onderzoekt hoe een toenemend gebruik van de technologie dit ontwikkelingspad zou kunnen veranderen. De vastgestelde verschillen mogen daarom niet gelijkgesteld worden aan alle toekomstige banenverliezen of de algehele verandering in de werkgelegenheid.

Dit betekent ook niet dat er elk jaar 800.000 banen verdwijnen. De omvang komt naar voren over de beschouwde periode en weerspiegelt de verschillen tussen twee mogelijke economische structuren. Een uniforme verdeling over de afzonderlijke jaren zou misleidend zijn, omdat investeringen, organisatorische aanpassingen en nieuwe bedrijfsmodellen in verschillende tempo's effect sorteren. Het cijfer is nuttig als indicatie van de omvang van de transformatie, niet als een precieze routekaart voor ontslagen.

Een evenwichtige begroting beschermt niemand

Er bestaat een significant verschil tussen een evenwichtige algemene werkgelegenheidssituatie en individuele werkgelegenheidskansen. Een baan die verloren gaat in de gestandaardiseerde documentverwerking kan niet automatisch worden vervangen door een extra functie in IT-beveiliging of technische systeemintegratie. Dit vereist mogelijk andere expertise, aanvullende werkervaring of een andere werkplek. Zelfs als beide functies statistisch gezien gelijkwaardig zijn, zijn ze vanuit het perspectief van de betrokkene niet uitwisselbaar.

Dit probleem wordt vaak omschreven als een wanverhouding tussen vraag en aanbod op de arbeidsmarkt. Mensen zoeken werk, terwijl bedrijven tegelijkertijd klagen over onvervulde vacatures. AI zou deze situatie kunnen verergeren als de vraag naar bepaalde taken sneller verandert dan werknemers hun vaardigheden kunnen aanpassen. Een bijna nulbalans tussen vraag en aanbod kan daarom leiden tot langere werkloosheidsperioden voor bepaalde groepen, hogere opleidingsbehoeften en een toenemende inkomensongelijkheid.

Ook de tijdsdimensie is cruciaal. Extra banen ontstaan ​​niet per se precies op het moment dat andere functies verdwijnen. Een bedrijf kan zijn administratie inkrimpen, terwijl nieuwe diensten pas later voldoende inkomsten genereren. Daarom is de uiteindelijke uitkomst op de lange termijn niet de enige factor bij de beoordeling van economisch beleid. Even belangrijk zijn de transitiekosten onderweg: verloren inkomen, ongebruikte vaardigheden, de financiële last voor de sociale zekerheid en het risico dat mensen permanent gemarginaliseerd raken.

Taken verdwijnen ten gunste van complete beroepen

AI verandert in eerste instantie taken, niet per se complete functieprofielen. Een baan bestaat doorgaans uit een reeks verschillende taken: informatie verzamelen, gegevens controleren, beslissingen nemen, met klanten communiceren, verantwoordelijkheid nemen voor resultaten en onverwachte problemen oplossen. Als een technologie sommige van deze taken versnelt, betekent dat niet automatisch dat de hele baan economisch overbodig wordt.

Een analytisch georiënteerde functie vereist bijvoorbeeld mogelijk minder tijd om een ​​rapport samen te stellen, terwijl de beoordeling van ongebruikelijke resultaten, de coördinatie met specialistische afdelingen en de verantwoordelijkheid voor de beslissing blijven bestaan. De potentiële technische automatisering mag daarom niet gelijkgesteld worden met een concreet risico op banenverlies. Daartussenin liggen operationele kosten, kwaliteitseisen, wettelijke verplichtingen en de vraag of de bespaarde tijd elders productief kan worden ingezet.

Omgekeerd zou het te optimistisch zijn om te concluderen dat dit taakgerichte perspectief baanzekerheid garandeert. Als er voldoende werkstappen worden geëlimineerd en bedrijven hun processen reorganiseren, kan dezelfde werklast met minder werknemers worden beheerd. De overgang kan dan geleidelijk verlopen: een vertrekkende werknemer wordt niet vervangen, een extra functie wordt niet goedgekeurd of een voorheen zelfstandige functie wordt samengevoegd met een andere. De arbeidsmarkt verandert dus ook zonder publiekelijk zichtbare ontslaggolven.

Waarom efficiëntie twee kanten op kan gaan

Of een hogere productiviteit leidt tot minder banen of juist tot meer banen, hangt grotendeels af van de vraag. Als een bedrijf dezelfde output kan leveren met minder werknemers en het verkoopvolume gelijk blijft, neemt de behoefte aan arbeidskrachten aanvankelijk af. Als diensten echter goedkoper, beter of toegankelijker worden voor meer klanten, kan de vraag toenemen en een deel van de aanvankelijke besparingen tenietdoen.

Een dienstverlener zou bijvoorbeeld AI kunnen gebruiken om kleine bedrijven op een meer economische manier te ondersteunen, omdat de kosten van eenvoudige analyses zouden dalen. Dit zou kunnen leiden tot meer klantrelaties en nieuwe adviesdiensten. In een markt met een grotendeels verzadigde vraag zou dezelfde technologische vooruitgang echter vooral prijsdruk en personeelsreducties kunnen veroorzaken. Technologie alleen bepaalt niet welke ontwikkeling de overhand krijgt.

Ook de besteding van winst speelt een rol. Hogere winsten kunnen investeringen financieren, hogere lonen kunnen de consumptie stimuleren en lagere prijzen kunnen de koopkracht vergroten. Als besparingen echter grotendeels worden geabsorbeerd zonder dat dit leidt tot extra binnenlandse vraag of investeringen, zal het effect op de werkgelegenheid zwakker zijn. Een gedegen economische analyse moet daarom verder kijken dan individuele geautomatiseerde processen en de gevolgen voor markten, inkomens en zakelijke beslissingen in ogenschouw nemen.

De eerste druk treft de dienstverlening

Zakelijke dienstverlening staat in het bijzonder in de belangstelling, omdat veel van deze diensten het verwerken van digitaal beschikbare informatie omvatten. Dit omvat gestandaardiseerde analyses, vooronderzoek, documentatie en bepaalde administratieve taken. Generatieve AI kan deze processen ondersteunen of gedeeltelijk automatiseren. Dit verandert niet alleen de personeelsbehoeften, maar ook de economische basis van bestaande dienstverlening.

In het langetermijnscenario voor AI wordt verwacht dat de werkgelegenheid bij zakelijke dienstverleners na 15 jaar ongeveer 120.000 mensen lager zal liggen dan de referentiegroei. Daarentegen wordt verwacht dat IT- en informatiedienstverleners ongeveer 110.000 extra banen zullen creëren. Deze verschillen tonen aan dat de digitalisering van een sector niet automatisch leidt tot banengroei of -krimp. De cruciale factor is welke diensten worden vervangen, ondersteund of waar juist extra vraag naar ontstaat.

Dit vormt een fundamentele uitdaging voor advies- en kennisdienstverleners. Als het simpelweg produceren van een standaardrapport goedkoper wordt, verliest het zijn waarde als op zichzelf staand onderscheidend kenmerk. De selectie van relevante vragen, gedegen branchekennis, de validatie van aannames en de implementatie van concrete veranderingen worden belangrijker. Een potentiële structurele verschuiving leidt dus weg van het louter verkopen van informatieverwerking en naar het aantoonbaar verbeteren van beslissingen en bedrijfsresultaten. De verschillende groepen zakelijke dienstverlening zijn echter niet synoniem: een specifieke branchemaatstaf kan niet zonder aanpassingen worden toegepast op alle advies- of kennisberoepen.

Banken hebben meer nodig dan alleen analyses

Analytische activiteiten bij banken en verzekeringsmaatschappijen zijn bijzonder kwetsbaar omdat ze vaak afhankelijk zijn van gestructureerde data, uitgebreide documentatie en terugkerende evaluatiestappen. Potentiële toepassingen variëren van het samenvatten van ingediende documenten tot het opstellen van gestandaardiseerde risicobeoordelingen. Hoewel technische ondersteuning de verwerkingstijd kan verkorten, sluit dit niet automatisch de behoefte aan deskundig toezicht uit.

Vooral in de financiële sector kunnen foutieve resultaten kostbaar zijn. Een overtuigend geformuleerde beoordeling is niet per se een accurate beoordeling. Als de invoergegevens onvolledig zijn, ongebruikelijke omstandigheden verkeerd worden geclassificeerd of een model systematische vertekeningen bevat, kan een schijnbare efficiëntieverhoging extra risico's met zich meebrengen. Automatisering is daarom alleen economisch haalbaar als rekening wordt gehouden met de kosten van monitoring en mogelijke beoordelingsfouten.

De personeelsbehoeften zullen daardoor waarschijnlijk meer gedifferentieerd raken. Gestandaardiseerd voorbereidend werk zal mogelijk minder belangrijk worden, terwijl veeleisende audits, het afhandelen van uitzonderingen en het monitoren van geïmplementeerde systemen juist crucialer kunnen worden. Of dit zal leiden tot nieuwe functies van dezelfde omvang, valt nog te bezien. Niet elke extra controletaak vereist een nieuwe voltijdbaan, en niet elke bestaande specialist kan gemakkelijk overstappen naar een gespecialiseerde controlefunctie.

Polissen bieden geen volledige bescherming

Het gelijkstellen van hoger onderwijs aan een lagere automatiseerbaarheid is een te simplistische voorstelling van zaken als het gaat om generatieve AI. Deze technologie wordt nu ingezet voor taken die lange tijd als typisch kenniswerk werden beschouwd: het formuleren van teksten, het verzamelen van informatie, het schrijven van programmacode of het vooraf structureren van complexe vraagstukken. Een universitaire opleiding biedt dus geen garantie dat elk aspect van een baan niet door technologie kan worden ondersteund of vervangen.

Dit betekent echter niet dat academisch onderwijs zijn economische waarde verliest. Specialistische kennis helpt bij het identificeren van fouten, het stellen van de juiste vragen en het plaatsen van resultaten in een bredere context. Wat wel problematisch zou zijn, is een kwalificatie waarvan het praktische nut bijna uitsluitend bestaat uit het betrouwbaar uitvoeren van gestandaardiseerde werkstappen. Er bestaat dus een belangrijke scheidslijn tussen reproduceerbare processen en onafhankelijk, verantwoordelijk probleemoplossend vermogen.

Zelfs werknemers zonder universitaire opleiding zijn niet automatisch beschermd. Hoewel scenarioanalyses op de lange termijn wijzen op significantere veranderingen in hooggekwalificeerde beroepen, laten huidige analyses tegelijkertijd mogelijke negatieve correlaties zien tussen blootstelling aan AI en de werkgelegenheid van jongeren in niet-academische beroepen. Deze twee bevindingen kunnen naast elkaar bestaan ​​omdat ze betrekking hebben op verschillende tijdsperioden, banenstructuren en onderzoeksmethoden. Een gedegen beoordeling vermijdt daarom het maken van algemene conclusies over winnaars en verliezers, uitsluitend gebaseerd op opleidingsniveau.

Het vakmanschap blijft robuust, maar niet onveranderd

Beroepen met een hoog percentage praktische en handmatige taken worden als relatief robuust beschouwd ten opzichte van de huidige generatieve AI-toepassingen. Reparaties op locatie, aanpassingen aan werkstukken of werken in veranderende ruimtelijke omgevingen kunnen niet uitsluitend met een taalmodel worden uitgevoerd. Fysieke uitvoering, situationeel oordeel en directe verantwoordelijkheid beperken de directe vervangbaarheid in deze gevallen.

Deze relatieve robuustheid betekent echter niet dat traditioneel vakmanschap onaangetast blijft door AI. Offertes kunnen sneller worden opgesteld, technische documenten gemakkelijker worden beoordeeld of klantafspraken efficiënter worden ingepland. De potentiële productiviteitswinst zit hem dan vooral in de ondersteunende processen. Een bedrijf kan meer orders verwerken zonder de kern van zijn vakmanschap fundamenteel te veranderen.

Het is ook belangrijk om dit te onderscheiden van robotica en andere vormen van automatisering. Een geringe blootstelling aan generatieve AI is geen algemene garantie voor technologische onvervangbaarheid. Evenmin zegt het iets over de cyclische aard van een beroep. Een praktijkgerichte baan kan robuust zijn ten opzichte van taalmodellen en toch kwetsbaar blijven voor een dalende vraag, zwakke investeringen of andere technologische veranderingen. Voor een economische evaluatie moeten deze risico's afzonderlijk worden beschouwd.

De toegang tot de arbeidsmarkt wordt een steeds groter wordend knelpunt

De ontwikkeling van jonge medewerkers vereist bijzonder nauwlettende begeleiding. Veel taken op instapniveau bestaan ​​uit voorbereidend werk dat technisch noodzakelijk is, maar nog relatief gestandaardiseerd. Dit kan bestaan ​​uit initiële research, eenvoudige analyses, documentatie en het opstellen van documenten. Dergelijke taken lenen zich bij uitstek voor AI-ondersteuning. Bedrijven zouden er daarom over kunnen nadenken om minder junior medewerkers aan te nemen en in plaats daarvan ervaren medewerkers te voorzien van krachtigere tools.

Een eerste indicator voor Duitsland laat zien dat de voltijdse werkgelegenheid onder 20- tot 24-jarigen in de meest aan AI blootgestelde beroepen sinds 2022 is gedaald van ongeveer 279.000 naar 239.000. Dit komt overeen met een afname van circa 14 procent. Over alle leeftijdsgroepen heen heeft de werkgelegenheid in deze bijzonder aan AI blootgestelde beroepen zich echter veel gunstiger ontwikkeld. Dit verschil maakt de instroom op de arbeidsmarkt een belangrijk aandachtspunt, maar het bewijst nog niet dat AI verantwoordelijk is voor de gehele daling.

Bovendien is deze leeftijdsgroep niet representatief voor alle nieuwkomers op de arbeidsmarkt. Sommige mensen beginnen eerder aan hun carrière, anderen pas na een langere studie. Niettemin ontstaat er een reëel risico: een arbeidsmarkt kan relatief stabiel lijken voor reeds gevestigde werknemers, terwijl de toegang tot de arbeidsmarkt tegelijkertijd beperkter wordt. Het ontbreken van een startersfunctie blijft vaak minder zichtbaar voor het publiek dan een ontslag, maar kan aanzienlijke gevolgen hebben voor de loopbaanontwikkeling op de lange termijn.

Minder jong talent zal ons later meer expertise kosten

Wanneer bedrijven eenvoudige taken op instapniveau automatiseren, moeten ze heroverwegen hoe toekomstige professionals ervaring moeten opdoen. Professioneel oordeelsvermogen ontwikkelt zich niet alleen door theoretische kennis. Het evolueert ook door herhaaldelijk met praktijkvoorbeelden te werken, feedback te ontvangen en te reflecteren op gemaakte fouten. Als deze leerfase wordt ingekort of volledig wordt weggelaten, kan er later een kloof ontstaan ​​tussen formele kwalificaties en praktische competentie.

Vanuit het perspectief van een individueel bedrijf kan het op korte termijn aantrekkelijk zijn om voornamelijk ervaren professionals in dienst te nemen en het aantal juniorfuncties te verminderen. Als veel bedrijven echter op dezelfde manier handelen, kan de collectieve basis voor een toekomstige gekwalificeerde beroepsbevolking worden verzwakt. Het werven van reeds ervaren werknemers lost dit macro-economische probleem niet op, maar herverdeelt slechts een beperkte talentenpool.

Een verstandige reactie vanuit het bedrijfsleven zou daarom niet zijn om elke bestaande routinetaak kunstmatig in stand te houden. In plaats daarvan zouden leerroutes bewust opnieuw ontworpen moeten worden. Trainees zouden AI-resultaten kunnen beoordelen, verschillende oplossingen kunnen vergelijken en geleidelijk aan verantwoordelijkheid kunnen nemen voor beslissingen in de praktijk. Dit zou de focus van de training meer verschuiven naar begrip en kritisch denken. De bespaarde tijd zou dan niet alleen gebruikt kunnen worden om personeelskosten te verlagen, maar ook specifiek ingezet kunnen worden voor een snellere en grondigere ontwikkeling van vaardigheden.

Productiviteit kan ook beginners sterker maken

De impact van AI op beginnende professionals is niet per se negatief. Een geschikte assistent kan kennis toegankelijk maken, begeleiding bieden bij de formulering en ondersteuning bieden bij het oplossen van minder bekende problemen. Hierdoor kunnen onervaren werknemers sneller productief worden. Of bedrijven dit aangrijpen als een kans om extra personeel aan te nemen of juist om de personeelsbehoefte te verminderen, is een aparte zakelijke beslissing.

Een uitgebreid onderzoek naar klantenservice onder 5.172 werknemers toonde aan dat AI-ondersteuning resulteerde in gemiddeld ongeveer 15 procent meer succesvol afgehandelde verzoeken per gewerkt uur. Met name minder ervaren en voorheen minder presterende werknemers profiteerden hiervan aanzienlijk. Deze bevinding laat zien dat AI bestaande prestatieverschillen binnen een functie kan verkleinen. Het biedt echter geen algemene conclusies over hoe de werkgelegenheid of lonen in de gehele economie zullen veranderen.

Dit onderscheid is cruciaal. Een tool kan de productiviteit van een jonge werknemer verhogen en tegelijkertijd de algehele behoefte aan jonge werknemers binnen een bedrijf verminderen. Omgekeerd kan het extra voordeel van een extra werknemer het aannemen van nieuwe werknemers economisch haalbaar maken. Of het ondersteunende of verdringingseffect de overhand heeft, hangt af van de vraag, de organisatie en de bedrijfsstrategie. Technologische mogelijkheden bepalen de uitkomst niet volledig.

Focusgebieden binnen de industrie: B2B, digitalisering (van AI tot XR), werktuigbouwkunde, logistiek, hernieuwbare energie en industrie

Meer informatie vindt u hier:

• Expert Business Hub

Een thematisch kenniscentrum met inzichten en expertise:

• Kennisplatform over mondiale en regionale economieën, innovatie en trends in specifieke sectoren
• Een verzameling analyses, inzichten en achtergrondinformatie over onze belangrijkste aandachtsgebieden
• Een plek voor expertise en informatie over actuele ontwikkelingen in het bedrijfsleven en de technologie
• Een informatiecentrum voor bedrijven die op zoek zijn naar informatie over markten, digitalisering en innovaties in de sector

De werkgelegenheidsgegevens vereisen een nuchtere interpretatie

Tot nu toe is er in Duitsland geen sprake van een wijdverspreide daling van de werkgelegenheid in beroepen die bijzonder gevoelig zijn voor AI. Begin 2026 lag de voltijdse werkgelegenheid in de meest blootgestelde beroepen 1,8 procent hoger dan in 2022. Daarentegen was deze in de minst blootgestelde beroepen 6,4 procent lager. Deze cijfers spreken de simplistische opvatting tegen dat een hoge mate van technologische impact van AI noodzakelijkerwijs tot een algemene banenafname zou leiden.

Ze bewijzen echter ook niet dat AI de werkgelegenheid al in deze mate heeft doen toenemen. De ontwikkeling van de onderzochte beroepsgroepen verschilde in sommige gevallen al vóór de wijdverspreide beschikbaarheid van generatieve AI. Digitalisering, verschuivingen in de industrie en andere structurele factoren kunnen de resultaten beïnvloeden. Iedereen die het gehele verschil interpreteert als een effect van AI, verwart een waargenomen correlatie met een bewezen oorzaak.

Een bijkomende beperking vloeit voort uit het segment van de werkgelegenheid dat wordt beschouwd. Voltijdwerk vertegenwoordigt niet alle werkgelegenheid en evenmin automatisch het totale werkvolume. Veranderingen in deeltijdwerk, zelfstandig ondernemerschap of werkuren kunnen aanvullende informatie opleveren. Voor een betrouwbare diagnose moeten daarom de werkgelegenheidscijfers, nieuwe aanwervingen, werkuren en inkomen gezamenlijk worden bekeken. Een enkele indicator kan een waarschuwingssignaal afgeven, maar geeft geen volledig beeld van de economische transformatie.

Economische trends en AI overlappen elkaar

De huidige economische neergang maakt het lastig om waargenomen veranderingen aan specifieke factoren toe te schrijven. Bedrijven zijn vaak terughoudender met het aannemen van personeel wanneer de verkoopvooruitzichten onzeker zijn. Dit kan met name jonge professionals treffen, omdat zij nog geen vaste baan hebben en hun capaciteiten moeilijker te beoordelen zijn voor potentiële werkgevers. Een moeilijkere toegang tot de arbeidsmarkt is daarom niet automatisch een bewijs van technologische verdringing.

Een andere analyse van Duitsland richt zich op 20- tot 29-jarigen, een bredere leeftijdsgroep. In deze groep daalde de voltijdse werkgelegenheid tussen 2022 en 2025 met 3,8 procent in beroepen met een grotere blootstelling aan AI en met 2,6 procent in beroepen met een kleinere blootstelling. Na correctie voor economische kwetsbaarheid en de geschiktheid voor thuiswerken bleef de negatieve correlatie met blootstelling aan AI voor deze leeftijdsgroep statistisch gezien niet doorslaggevend. De correlatie met economische zwakte was aanzienlijk sterker.

Deze resultaten spreken de meer uitgesproken daling onder 20- tot 24-jarigen niet per se tegen. De leeftijdsdefinitie, de tijdsperiode en de beroepsclassificatie verschillen. Alles bij elkaar genomen rechtvaardigen de bevindingen een voorzichtige interpretatie: er zijn serieuze aanwijzingen voor veranderende instroommogelijkheden, maar onvoldoende reden om alle problemen waarmee jonge werknemers te maken hebben toe te schrijven aan AI. Economisch beleid moet daarom tegelijkertijd de technologische aanpassing en de algemene zwakte in investeringen en vraag aanpakken.

Distributie is nog geen transformatie

Generatieve AI heeft zich snel verspreid binnen Duitse bedrijven. Het gebruik ervan steeg van ongeveer 5 procent in 2023 naar bijna 25 procent in 2025. Ongeveer 40 procent van alle werknemers die sociale premies betalen, werkte bij deze gebruikersbedrijven. Dit betekent echter niet dat al deze mensen zelf met AI werkten. De technologie kan beperkt blijven tot specifieke afdelingen of taken binnen een bedrijf.

Er bestonden ook aanzienlijke verschillen tussen bedrijven van verschillende groottes. In 2025 gebruikte ongeveer 48 procent van de bedrijven met minstens 200 werknemers generatieve AI. Voor bedrijven met maximaal negen werknemers lag dit percentage rond de 21 procent. De technologie was met name wijdverspreid in de informatie- en communicatietechnologie (59 procent), de financiële en verzekeringssector (50 procent) en de zakelijke dienstverlening (37 procent).

De economische betekenis van deze cijfers schuilt niet alleen in de snelheid waarmee de technologie wordt overgenomen. Een incidentele tekstuele samenvatting verandert een bedrijf op een andere manier dan de integratie van AI in continue werkprocessen. Ongeveer 90 procent van de gebruikersbedrijven vertrouwde op publiek beschikbare oplossingen; slechts een kleiner deel gebruikte meer op maat gemaakte of intern ontwikkelde modellen. Hoge adoptiepercentages kunnen daarom samenvallen met een beperkte implementatie binnen organisaties. Voor productiviteit en werkgelegenheid is het vooral van belang hoe intensief en met welk doel de technologie wordt gebruikt.

Het voordeel wordt tijdens de operatie vastgesteld

Investeringen in AI zijn economisch gezien zinvol als de toegevoegde waarde opweegt tegen de totale kosten. Deze kosten omvatten niet alleen licentiekosten, maar ook middelen voor dataverwerking, technische interfaces, training, beveiligingsmaatregelen en monitoring van de resultaten. Een goedkoop hulpmiddel kan uiteindelijk duur uitpakken als de resultaten frequente en kostbare correcties vereisen.

De kernvraag voor een bedrijf is daarom niet of een enkele taak sneller wordt voltooid. De cruciale vraag is of het gehele proces economischer wordt met behoud van of verbetering van de kwaliteit. Als een eerste evaluatie tijd bespaart, maar er vervolgens coördinatie en controles nodig zijn, kan de daadwerkelijke winst gering blijven. Omgekeerd kan een ogenschijnlijk kleine verbetering een aanzienlijke impact hebben als deze een knelpunt in een vaak herhaald proces wegneemt.

Een realistische introductie vereist daarom meetbare criteria. Denk hierbij aan de verwerkingstijd tot een bruikbaar resultaat, het fout- en herwerkpercentage en de daadwerkelijk vrijgekomen capaciteit. Het aantal geproduceerde teksten, presentaties of programmaconcepten is op zichzelf geen maatstaf voor productiviteit. Economische vooruitgang vindt pas plaats wanneer resultaten bruikbaarder worden, klanten toegevoegde waarde ontvangen of schaarse middelen effectiever worden ingezet. AI als symbool van modernisering is hiervoor niet voldoende.

Waarom grote groeicijfers voorwaardelijk geldig zijn

Het langetermijnscenario voor AI koppelt structurele transformatie aan aanzienlijke macro-economische kansen. Onder de gemaakte aannames zou de jaarlijkse economische groei over een periode van 15 jaar gemiddeld 0,8 procentpunt hoger kunnen liggen dan in het referentiescenario. Over de gehele periode zou dit resulteren in een cumulatieve extra waardecreatie van circa € 4,5 biljoen. Dit cijfer vertegenwoordigt een potentieel rendement, geen gegarandeerd rendement.

Twee veelvoorkomende misvattingen moeten worden vermeden. Een stijging van 0,8 procentpunt in de jaarlijkse groei is niet hetzelfde als een eenmalige stijging van de economische output met 0,8 procent. Evenzo is 4,5 biljoen euro aan extra toegevoegde waarde over 15 jaar noch een extra overheidsbudget, noch een eenmalig jaarlijks geldbedrag. Het gaat om het cumulatieve verschil in economische output tussen twee ontwikkelingspaden over die periode.

Het onderliggende mechanisme is begrijpelijk: hogere arbeidsproductiviteit, lagere materiaalkosten en nieuwe verkoopkansen. De werkelijke omvang van deze effecten hangt echter af van de implementatie. Resultaten van bijzonder succesvolle individuele toepassingen kunnen niet direct worden geëxtrapoleerd naar de gehele economie. Bovendien bestaan ​​er onzekerheden met betrekking tot nieuwe bedrijfsmodellen, internationale concurrentiereacties en de snelheid van de verspreiding. Daarom moeten hoge potentiële cijfers worden gezien als rechtvaardiging voor verbeterde randvoorwaarden, en niet als vervanging voor een verifieerbare investeringsstrategie.

Nieuwe vacatures worden niet automatisch aangemaakt

Een evenwichtige werkgelegenheid op de lange termijn vereist, naast efficiëntiewinsten, ook verdere economische activiteit. Dit omvat de ontwikkeling en exploitatie van technische infrastructuur, nieuwe IT-diensten en bedrijfsmodellen die voorheen niet economisch haalbaar waren. Deze werkgelegenheid is geen automatisch bijeffect van elk bespaard uur. Het vereist investerende bedrijven, klanten die bereid zijn te betalen en de benodigde vaardigheden.

De ontwikkeling verloopt in de loop der tijd ook niet lineair. Aanvankelijk kan er extra personeel nodig zijn voor dataverzameling, technische implementatie en infrastructuur. Later kunnen productiviteitswinsten de vraag naar arbeid verminderen. Nieuwe bedrijfsgebieden zouden dit effect op de lange termijn kunnen compenseren. Als hun ontwikkeling achterblijft bij de verwachtingen, zal ook de werkgelegenheidsbalans veranderen. Scenarioanalyse kan deze relatie illustreren, maar kan niet garanderen dat aan alle noodzakelijke voorwaarden zal worden voldaan.

Bovendien hoeft extra werk niet per se volledig te resulteren in nieuwe functietitels. Een bestaande technische dienstverlener zou zijn aanbod kunnen uitbreiden, een industrieel bedrijf zou extra digitale onderhoudsdiensten kunnen ontwikkelen of een adviesbureau zou nieuwe implementatietaken kunnen oppakken. Het gaat om de extra economische vraag, niet om het aantal nieuw gecreëerde functies. Voor het werkgelegenheidsbeleid betekent dit dat innovatie en de oprichting van nieuwe bedrijven net zo relevant zijn als de bijscholing van bestaande werknemers.

Demografische ontwikkelingen maken efficiëntie bijzonder waardevol

In een vergrijzende samenleving is arbeidsproductiviteit van bijzonder belang. Wanneer het voor bepaalde functies moeilijker is om personeel te vinden, kan het automatiseren van administratieve taken helpen om bestaande geschoolde werknemers effectiever in te zetten. Een lagere vraag naar arbeid in één sector betekent daarom niet noodzakelijkerwijs een verslechtering van de algehele arbeidsmarkt. Het kan bovendien helpen om tekorten te verlichten.

Deze link moet echter niet te ver worden doorgetrokken. Een kantoormedewerker die door AI wordt ontlast van administratieve taken, wordt niet automatisch een gewilde verpleegkundige, en extra technische capaciteit vervangt niet al het praktische werk. Kwalificatie-eisen, persoonlijke voorkeuren en organisatorische beperkingen liggen hier tussenin. Daarom kunnen een demografisch bepaald personeelstekort en technologische verschuivingen tegelijkertijd voorkomen.

Het economisch aantrekkelijke vooruitzicht ligt in het verschuiven van schaarse werktijd van gestandaardiseerde taken naar taken met een grotere menselijke meerwaarde. Dit kan bijvoorbeeld betere klantenservice, snellere probleemoplossing of een betere technische voorbereiding omvatten. Of dit lukt, hangt af van de werkorganisatie. Als alleen de personeelskosten worden verlaagd zonder de resterende capaciteit optimaal te benutten, blijft een deel van het potentieel onbenut. AI is daarom een ​​mogelijk onderdeel bij het aanpakken van demografische uitdagingen, maar geen volledige vervanging voor onderwijs, deelname aan de arbeidsmarkt en passende immigratie.

Vervolgopleidingen vereisen concrete carrièredoelen

De vraag naar bijscholing blijft ineffectief als niet duidelijk is welke vaardigheden in de toekomst economisch nodig zullen zijn. Een algemene introductiecursus over het gebruik van een chatbot kan nuttig zijn, maar vervangt niet de aanpassing van professionele vaardigheden. Werknemers moeten kunnen inschatten welke van hun taken zullen veranderen en welke extra verantwoordelijkheden er in de toekomst van hen verwacht zullen worden.

De operationele situatie laat een aanzienlijke implementatiekloof zien. In 2025 bood ongeveer 27 procent van de bedrijven die generatieve AI gebruikten relevante trainingen aan. Nog eens 21 procent was van plan dergelijke trainingen aan te bieden. Reeds geïmplementeerde maatregelen en loutere plannen mogen niet met elkaar worden gelijkgesteld. Ook de implementatie van interne regelgeving was onvolledig: ongeveer 21 procent van de gebruikersbedrijven had overeenkomstige richtlijnen en nog eens 22 procent was van plan deze te implementeren.

Betekenisvolle professionele ontwikkeling combineert daarom specialistische kennis, praktische vaardigheden en resultaatsevaluatie. Werknemers moeten niet alleen leren instructies te formuleren, maar ook onzekerheid te herkennen, gegevens correct te interpreteren en de beperkingen van een model te beoordelen. Voor bedrijven is het cruciaal om daadwerkelijk leertijd in te plannen binnen de dagelijkse werkroutine. De verantwoordelijkheid volledig afschuiven op de bereidheid van de individuele werknemer om zich privé bij te scholen, zou diegenen met minder tijd, financiële middelen of geschikte leermogelijkheden benadelen.

Middenklassen tussen toegang en afhankelijkheid

Voor kleinere bedrijven verlagen de direct beschikbare AI-diensten in eerste instantie de drempel. Zelfs zonder eigen ontwikkelafdeling kunnen ze ondersteuning krijgen op het gebied van communicatie, onderzoek of analyse. Dit biedt mogelijkheden om organisatorische nadelen ten opzichte van grotere concurrenten gedeeltelijk te compenseren. Verdere integratie in bedrijfsspecifieke processen blijft echter een grotere uitdaging dan het gebruik van een losstaand instrument.

Grote bedrijven kunnen de vaste implementatiekosten over meer toepassingen spreiden en meer gespecialiseerde teams inzetten. Kleinere bedrijven daarentegen moeten vaak met beperkte personele middelen beslissen welke applicaties zinvol zijn en hoe ze in bestaande systemen passen. Gestandaardiseerde brancheoplossingen of externe ondersteuning kunnen hierbij helpen. Dit is echter alleen economisch verantwoord als de voordelen, de toegang tot gegevens, de doorlopende kosten en de overstapmogelijkheden voldoende transparant blijven.

Een bijkomend risico schuilt in de afhankelijkheid van individuele leveranciers. Als kernprocessen sterk verbonden zijn aan één systeem, kunnen latere prijswijzigingen, technische beperkingen of problemen bij het overstappen naar een andere leverancier de aanvankelijke voordelen tenietdoen. Daarom zijn voor een AI-strategie gericht op middelgrote bedrijven niet alleen betaalbare instaplicenties relevant. Even belangrijk zijn overdraagbare data, transparante interfaces en een organisatiestructuur die cruciale expertise niet volledig uitbesteedt.

Wie profiteert van de productiviteitswinst?

Een hogere economische productie biedt niet automatisch een antwoord op de vraag naar de verdeling. Voordelen van AI kunnen ten goede komen aan werknemers, klanten, gebruikersbedrijven of technologieleveranciers. De mate waarin elke groep profiteert, hangt onder meer af van concurrentie, onderhandelingsmacht en de schaarste aan bepaalde vaardigheden. Een positieve algehele economische ontwikkeling kan daarom gepaard gaan met aanzienlijke verschillen in inkomen en werkzekerheid.

Gestandaardiseerde diensten kunnen onder prijsdruk komen te staan, terwijl gedegen expertise, klantcontact en het vermogen om oplossingen praktisch te implementeren waardevoller kunnen worden. Tegelijkertijd kan AI individuele werknemers in staat stellen om veeleisendere taken op zich te nemen. Dergelijke veranderingen hoeven niet per se tot grotere ongelijkheid te leiden. Ze kunnen prestatieverschillen binnen één functie verkleinen en tegelijkertijd nieuwe inkomensverschillen tussen verschillende functies creëren.

Voor de sociale zekerheid is het ook relevant of een hogere productiviteit zich vertaalt in stijgende lonen, extra werkgelegenheid of vooral in andere vormen van inkomen. Een stabiele beroepsbevolking alleen garandeert geen navenant groeiende bijdragebasis. Omgekeerd kan een productievere economie met brede participatie de financiering van sociale verplichtingen vergemakkelijken. Verdelingsvraagstukken moeten daarom niet als een secundaire kwestie of als een reeds vaststaand feit worden beschouwd. Ze vormen een essentieel onderdeel van de vormgeving van de economische aspecten van technologische veranderingen.

Infrastructuur beperkt de digitale belofte

AI vereist een fysieke en organisatorische basis. Rekenkracht, stroomvoorziening, netwerkverbindingen, gegevensbeheer en IT-beveiliging zijn essentiële voorwaarden voor productief gebruik. De veronderstelling dat deze fundamenten tijdig beschikbaar zullen zijn, is een voorwaarde voor gunstige groeiscenario's. Als aan deze voorwaarden niet wordt voldaan, kunnen investeringen duurder uitvallen of een vertraagd effect hebben.

De bouw van datacenters kan in eerste instantie extra economische activiteit en werkgelegenheid genereren. Dit garandeert echter geen onbeperkt en blijvend effect op de werkgelegenheid. De bouw en de technische exploitatie vereisen verschillende personeelsstructuren, en de grootste economische impact ontstaat pas bij productieve toepassingen in andere bedrijven. Een datacenter is daarom een ​​noodzakelijke infrastructuur voor bepaalde toepassingen, maar nog geen bewijs van daadwerkelijk gerealiseerde productiviteitswinst.

Voor de industrie en logistiek ligt de uitdaging met name in de integratie van digitale tools met de dagelijkse bedrijfsvoering. Dit kan bijvoorbeeld leiden tot verbeterde technische documentatie, ondersteuning bij onderhoudsbeslissingen of een snellere afhandeling van operationele afwijkingen. Dergelijke toepassingen moeten compatibel zijn met de vereisten op het gebied van datakwaliteit en beveiliging, en met bestaande systemen. Een succesvolle demonstratie is daarom niet hetzelfde als een economisch haalbare implementatie in de dagelijkse bedrijfsvoering. Uiteindelijk is de cruciale factor of de technologie betrouwbaar functioneert in de praktijk en de algehele procesprestaties verbetert.

Het arbeidsmarktbeleid moet de transitie financieren

Een degelijk economisch beleid mag productieve automatisering niet fundamenteel in de weg staan. Het streven om elke bestaande banenstructuur te behouden, kan noodzakelijke efficiëntiewinsten en nieuwe bedrijfsmodellen belemmeren. Het zou echter eveneens ontoereikend zijn om te verwachten dat de markt alle transitieproblemen zonder ondersteuning oplost. Informatiehiaten, financiële risico's en een gebrek aan leermogelijkheden kunnen zinvolle veranderingen bemoeilijken.

Arbeidsmarktbeleid moet daarom vroegtijdig worden ingezet. Als taken binnen een bedrijf veranderen, kan tijdige training toekomstig banenverlies voorkomen. Als een verandering noodzakelijk is, moeten verdere training en begeleiding worden afgestemd op specifieke vacatures. Deelname aan een programma alleen is geen bewijs van succes; wat daarna cruciaal is, zijn reële baanperspectieven, passende banen en minimaal inkomensverlies op de lange termijn.

Toegang tot de arbeidsmarkt verdient bijzondere aandacht. Leerlingtrajecten, ondersteunde startersfuncties en betrouwbare leerroutes vervullen een functie die verder reikt dan het kortetermijnvoordeel voor individuele bedrijven. Een strategie voor werkgelegenheidsbeleid moet daarom niet alleen de bestaande werkloosheid aanpakken. Het moet er ook voor zorgen dat bedrijven niet op korte termijn besparen op wervingskosten, waardoor de eigen geschoolde beroepsbevolking van de economie op de lange termijn verzwakt wordt. Het behouden van leermogelijkheden is iets anders dan het kunstmatig in stand houden van verouderd routinewerk.

Hoe de renovatie kan worden gemeten

Voor de komende jaren zijn spectaculaire aankondigingen van banenverlies niet de enige veelzeggende indicatoren. Bijzonder belangrijk zijn nieuwe aanwervingen op basis van leeftijd en beroep, het aantal beschikbare startersfuncties, interne overplaatsingen en de overgang van opleiding naar vast dienstverband. Ook de werktijden en het inkomen moeten in overweging worden genomen, zodat een stabiel personeelsbestand geen verandering in de kwaliteit of omvang van het werk maskeert.

Op bedrijfsniveau zijn betrouwbare key performance indicators (KPI's) nodig om daadwerkelijke prestatieverbetering aan te tonen. Productief gebruik van AI moet zich weerspiegelen in bruikbare resultaten, minder herwerk, verbeterde kwaliteit of toegevoegde waarde voor de klant. Voor een wetenschappelijk verantwoorde evaluatie is het ideaal om gegevens over de daadwerkelijke implementatie binnen bedrijven te koppelen aan personeelsgegevens. Alleen dan kan beter worden vastgesteld of de waargenomen veranderingen verband houden met AI of voornamelijk andere economische oorzaken hebben.

Het economische beleidsperspectief moet helder blijven: niet elke verdwijnende routinetaak is een maatschappelijk verlies, en niet elke nieuw gecreëerde baan is een bewijs van een succesvolle transformatie. De maatstaf is of een hogere productiviteit zich vertaalt in extra waardecreatie, haalbare carrièremogelijkheden en duurzame inkomens. De cruciale ontwerpuitdaging ligt in het zodanig met elkaar verbinden van technologische vooruitgang en menselijke ontwikkeling dat een evenwichtige arbeidsmarkt zich vertaalt in een economisch zekere toekomst voor zoveel mogelijk mensen.

Xpert.Digital is een datagedreven B2B-branchehub onder leiding van Konrad Wolfenstein . Het bedrijf fungeert als een externe, quasi-interne oplossing voor industriële partners en dicht operationele lacunes in marketing, content en sales – zonder dat de klant extra middelen nodig heeft.

Meer informatie vindt u hier:

• De quasi-interne oplossing: Hoe Xpert.Digital operationele hiaten in B2B-marketing en -verkoop dicht – Slimme, contentgedreven bedrijfsvoering

☑️ Onze zakelijke voertaal is Engels of Duits

☑️ NIEUW: Correspondentie in uw moedertaal!

 

Mijn team en ik staan ​​graag tot uw beschikking als uw persoonlijke adviseur.

U kunt contact met mij opnemen door hier het contactformulier in te vullen wolfenstein@xpert.digital:of door mij te bellen op +49 7348 4088 965. Mijn e-mailadres is

Ik kijk uit naar ons gezamenlijke project.

 

 

☑️ Ondersteuning van het MKB op het gebied van strategie, advies, planning en implementatie

☑️ Opstellen of herzien van de digitale strategie en digitalisering

☑️ Uitbreiding en optimalisatie van internationale verkoopprocessen

☑️ Wereldwijde en digitale B2B-handelsplatformen

☑️ Pionier in bedrijfsontwikkeling / marketing / PR / beurzen