KI und Arbeitsmarkt Februar 2026 – Risiken, Chancen und was wir daraus für unser Portfolio ableiten

Zwischen Automatisierungsangst und Produktivitätsschub – unser Blick auf KI und Jobs

Ende Februar 2026 prägen nicht nur Kursbewegungen und Unternehmensmeldungen die Diskussion rund um Künstliche Intelligenz (KI), sondern auch Studien zu Arbeitsplätzen und Beschäftigung. Prognosen über mögliche zweistellige Prozentsätze an Jobs, die durch Automatisierung bedroht sein könnten, sorgen für Schlagzeilen. Gleichzeitig investieren Unternehmen Milliarden in KI, um Prozesse zu optimieren und neue Produkte zu entwickeln. In diesem Beitrag ordnen wir das Spannungsfeld ein: Was bedeutet KI für den Arbeitsmarkt, wie beeinflusst das unsere Sicht auf Unternehmen – und was leiten wir für unseren Anlage-Rahmen ab?

1. Was Studien zu KI und Jobs wirklich sagen – und was nicht

Viele Berichte arbeiten mit eindrucksvollen Zahlen:

• Anteile von Tätigkeiten, die theoretisch automatisierbar sind,
• Berufsgruppen, die besonders betroffen sein könnten,
• Szenarien, in denen KI einen großen Teil der heutigen Aufgaben übernimmt.

Wichtig ist für uns:

• Studien unterscheiden oft zwischen Tätigkeiten und Jobs – ein Job besteht aus vielen Tätigkeiten, nicht alle sind automatisierbar.
• Zeiträume sind meist langfristig angelegt; sie reichen über viele Jahre.
• Die Ergebnisse sind Szenarien, keine exakten Prognosen.

Wir nehmen diese Analysen ernst, interpretieren sie aber als Hinweise auf Richtungen und Größenordnungen, nicht als Fahrplan mit Datum und Uhrzeit.

2. Historische Parallelen: Technologische Umbrüche und Beschäftigung

Technologische Sprünge sind nichts Neues:

• Mechanisierung in der Landwirtschaft,
• Automatisierung in der Industrie,
• Computer und Internet in Büroarbeitsplätzen.

Rückblickend sehen wir Muster:

• Einzelne Tätigkeiten und Branchen schrumpfen oder verschwinden.
• Gleichzeitig entstehen neue Berufe und Sektoren, die zuvor nicht existierten.
• Insgesamt wachsen Produktivität und Wohlstand – die Verteilung ist jedoch ungleich.

Wir übertragen diese Erfahrung auf KI: Es wäre naiv anzunehmen, alles bliebe beim Alten. Genauso naiv wäre es, ein Szenario zu unterstellen, in dem KI nur zerstört und nichts Neues schafft. Für unsere Analyse versuchen wir, beide Seiten zu berücksichtigen.

3. Welche Tätigkeiten besonders betroffen sind

KI-Systeme sind besonders stark in Bereichen, in denen:

• große Mengen strukturierter oder halbstrukturierter Daten verarbeitet werden,
• Mustererkennung und Vorhersagen gefragt sind,
• Routineaufgaben mit klaren Regeln dominieren.

Das betrifft u. a.:

• Teile von Büro- und Verwaltungstätigkeiten,
• standardisierte Berichts-, Analyse- und Prüfprozesse,
• wiederkehrende Service- und Supportfunktionen.

Gleichzeitig gibt es Bereiche, in denen menschliche Arbeit schwerer zu ersetzen ist:

• Tätigkeiten mit hoher körperlicher Präsenz und variabler Umgebung,
• Aufgaben mit komplexer sozialer Interaktion,
• kreative, strategische und unternehmerische Entscheidungen.

Wir vermeiden daher Schwarz-Weiß-Bilder und schauen lieber differenziert auf Branchen und Rollen.

4. Auswirkungen auf Unternehmen – Kosten, Produktivität, Wettbewerb

Für Unternehmen kann KI:

• Kosten senken, wenn Tätigkeiten automatisiert werden,
• Produktivität steigern, wenn Mitarbeitende bessere Werkzeuge erhalten,
• Wettbewerbsvorteile schaffen, wenn Prozesse und Produkte verbessert werden.

Aber auch Risiken entstehen:

• Investitionen in KI können Fehlinvestitionen sein, wenn Projekte scheitern.
• Mitarbeiter, Kunden und Regulierung können auf ethische Fragen reagieren.
• Wettbewerber können ähnliche Technologien einsetzen – Vorteile schrumpfen.

Wir fragen uns bei Unternehmen:

• Wie konkret ist der Einsatz von KI – Pilotprojekte oder produktiver Einsatz?
• Wird KI primär als Kostensparprogramm oder als Wachstumschance gesehen?
• Welche Datenbasis und welche technische Kompetenz sind vorhanden?

Diese Fragen beeinflussen unsere Einschätzung von Nachhaltigkeit und Bewertung.

5. Makroebene: Löhne, Nachfrage und Ungleichheit

Auf volkswirtschaftlicher Ebene kann KI:

• bestimmte Qualifikationen unter Druck setzen,
• Nachfrage nach anderen Skills erhöhen,
• Lohnstrukturen verändern.

Mögliche Effekte:

• Mittelqualifizierte Routinejobs könnten unter stärkerem Druck stehen.
• Gut ausgebildete Fachkräfte für KI, Daten, Produktentwicklung werden knapper.
• Niedriglohnbereiche mit starker körperlicher Präsenz sind schwerer zu automatisieren.

Für Konsum und Unternehmensgewinne bedeutet das:

• Wenn viele Menschen Sorge um ihre Jobs haben, kann Konsumzurückhaltung entstehen.
• Wenn Produktivität steigt und Einkommen wachsen, kann Nachfrage auch zunehmen.

Wir beziehen diese Spannungen in unsere Annahmen ein, ohne uns auf ein einziges Szenario festzulegen.

6. Branchen, die besonders im Fokus stehen

Einige Bereiche stehen besonders im KI-Scheinwerferlicht:

• Software und IT-Dienstleister – sowohl Anbieter als auch Nutzer von KI.
• Finanzdienstleistungen – Scoring, Betrugserkennung, Beratung.
• Logistik und Transport – Routenplanung, Automatisierung, autonome Systeme.
• Gesundheitswesen – Diagnostik, Bildauswertung, administrative Prozesse.

Für uns ist wichtig:

• Wo sind Geschäftsmodelle direkt von Automatisierung bedroht?
• Wo ist KI eher ein Werkzeug, das Produktivität steigert?
• Wo können neue Dienstleistungen und Produkte entstehen, die zusätzliche Wertschöpfung ermöglichen?

Wir priorisieren Unternehmen, die glaubhaft zeigen, wie sie KI integrieren, statt nur darüber zu reden.

7. Regulierung und gesellschaftliche Reaktion

KI und Arbeitsmarkt sind nicht nur ökonomische, sondern auch politische und gesellschaftliche Themen:

• Diskussionen über Weiterbildung, Umschulung und soziale Sicherung.
• Debatten über Regulierung von KI-Einsatz in sensiblen Bereichen.
• Fragen zur Verteilung von Produktivitätsgewinnen.

Mögliche Reaktionen:

• Regierungen könnten bestimmte Anwendungen einschränken oder lenken.
• Unternehmen könnten verpflichtet werden, mehr in Weiterbildung zu investieren.
• Steuersysteme könnten angepasst werden, um Ungleichheit abzufedern.

Wir sehen Regulierung daher als festen Bestandteil des KI-Themas – nicht als Ausrutscher. Für Bewertungen heißt das: Wir sollten Regulierungsrisiken einkalkulieren, statt davon auszugehen, dass alles im rechtsfreien Raum geschieht.

8. Was wir für unser Portfolio ableiten

Für unser Portfolio ziehen wir mehrere Schlüsse:

• Wir wollen weder ein Portfolio, das KI völlig ignoriert, noch eines, das ausschließlich auf KI-Storys setzt.
• Wir achten auf Unternehmen, die konkrete KI-Anwendungen haben, die in Zahlen sichtbar werden.
• Wir bewerten, wie stark Geschäftsmodelle von Tätigkeiten abhängen, die leicht automatisierbar sind.

Konkrete Fragen:

• Wie abhängig sind Umsatz und Marge von Routineprozessen?
• Welche Investitionen in Weiterbildung und Anpassung tätigt das Unternehmen?
• Wie robust ist das Geschäftsmodell gegenüber Lohn- und Nachfrageverschiebungen?

Diese Überlegungen fließen in unsere Einschätzung von Qualität, Risiko und fairen Werten ein.

9. Unser Umgang mit KI-Schlagzeilen

Wenn neue Studien oder Meldungen zu KI und Jobs erscheinen, gehen wir ähnlich vor wie bei anderen Themen:

• Wir prüfen, was wirklich neu ist – Zahlen, Methoden, Zeiträume.
• Wir ordnen die Ergebnisse in bereits bekannte Trends ein.
• Wir überlegen, ob und wie sie unsere bestehenden Annahmen verändern.

In den meisten Fällen führt das nicht zu hektischen Portfolio-Umbauten, sondern zu kleinen Anpassungen in Bewertungsparametern oder Risikoeinschätzungen. Wir möchten KI weder überhöhen noch kleinreden – wir wollen sie nüchtern als wichtigen Faktor in unserer Analyse behandeln.

10. Fazit – KI, Arbeit und unser Rahmen

KI wird den Arbeitsmarkt verändern – in welchem Tempo und in welchen Branchen genau, bleibt unsicher. Für uns als langfristige Anleger ist entscheidend:

• Wir akzeptieren, dass Ungewissheit Teil des Themas ist.
• Wir fokussieren uns auf Unternehmensqualität, Anpassungsfähigkeit und Bewertung.
• Wir nutzen Szenarien, um Bandbreiten zu denken, statt auf eine einzige Prognose zu setzen.

So versuchen wir, KI und Arbeitsmarkt als wichtigen, aber nicht allmächtigen Faktor in unserem Rahmen zu verankern – mit dem Ziel, Chancen zu erkennen, Risiken bewusst zu managen und nicht von jeder neuen Schlagzeile aus der Ruhe bringen zu lassen.

11. Wie wir Unternehmenskommunikation zu KI und Jobs lesen

Ein großer Teil der Unsicherheit entsteht dadurch, wie Unternehmen selbst über KI und Beschäftigung sprechen. In Präsentationen lesen wir häufig optimistische Narrative über Effizienzgewinne und neue Produkte, während mögliche Stellenanpassungen eher vorsichtig formuliert werden. Wir achten deshalb darauf, ob Managements konsistent erklären, wie sie Mitarbeitende qualifizieren, welche Rollen neu entstehen sollen und wie sie mit Tätigkeiten umgehen, die perspektivisch wegfallen könnten. Ein glaubwürdiger Plan umfasst für uns mehr als Schlagworte; wir suchen nach konkreten Initiativen, Budgets und Zeitplänen.

Gleichzeitig prüfen wir, ob Unternehmen bei der Darstellung von KI-Potenzialen eher realistisch oder werblich auftreten. Wenn etwa enorme Kosteneinsparungen in Aussicht gestellt werden, ohne dass Investitionen in Systeme, Dateninfrastruktur und Change-Management erkennbar sind, werden wir vorsichtiger. Umgekehrt können Firmen, die offen über Herausforderungen sprechen und klare Schritte zu Weiterbildung und interner Mobilität benennen, Vertrauen schaffen – auch wenn kurzfristig Kosten anfallen. Solche Nuancen fließen in unsere qualitative Beurteilung ein und beeinflussen, ob wir bereit sind, einem Geschäftsmodell langfristig Kapital anzuvertrauen.

12. Rolle von Bildung und Umschulung im Anlagekontext

Ein Aspekt, der in vielen Diskussionen über KI und Arbeitsmarkt zu kurz kommt, ist die Rolle von Bildungssystemen und Weiterbildungsangeboten. Für uns sind sie ein wichtiger Hintergrundfaktor: Je besser eine Volkswirtschaft in der Lage ist, Menschen für neue Tätigkeiten zu qualifizieren, desto geringer schätzen wir das Risiko ein, dass Automatisierung zu dauerhaften Nachfrageschwächen führt. Wir beobachten daher, wie Unternehmen, Branchen und Länder in Umschulung, Weiterbildung und lebenslanges Lernen investieren. Firmen, die sich hier engagieren, können nicht nur gesellschaftliche Akzeptanz erhöhen, sondern auch den eigenen Talentpool zukunftsfähig halten.

Auf Portfolioebene überlegen wir, inwieweit wir von Anbietern profitieren können, die Bildungs- und Qualifizierungsdienstleistungen rund um KI anbieten – von Softwareplattformen bis hin zu spezialisierten Schulungsunternehmen. Gleichzeitig prüfen wir, ob unsere Annahmen zu Wachstumsraten in Konsum- und Dienstleistungssektoren realistisch bleiben, wenn Teile der Arbeitswelt sich stark wandeln. So verbinden wir die Debatte um KI und Arbeitsmarkt mit konkreten Anlagefragen, statt sie nur als abstraktes Risiko zu betrachten.