Werden Roboter Handwerks- und Arbeiterberufe übernehmen? Was die Anthropic-Studie von 2026 wirklich aussagt (Anthropic, Tesla, Nvidia, Jobbit)

Ein Jahrzehnt lang stützte sich die öffentliche Debatte über Automatisierung auf eine einzige Zahl. Im Jahr 2013 schätzten Carl Benedikt Frey und Michael Osborne in Oxford, dass 47% der Beschäftigung in den Vereinigten Staaten auf Berufe entfielen, die innerhalb von zwei Jahrzehnten einem hohen Computerisierungsrisiko unterlägen, und diese Zahl wird seither in jeder Rede über die Zukunft der Arbeit wiederholt. Dreizehn Jahre später sind die Roboter, die Lagerhallen und Baustellen leeren sollten, in Vorführungen, in einigen tausend Fabriken und in einer kleinen Zahl von Taxis angekommen, und die Menschen, die ersetzt werden sollten, arbeiten weiterhin, viele von ihnen in Mangelberufen, die Arbeitgeber nicht besetzen können. Irgendetwas an der gängigen Erzählung war falsch, und bis vor Kurzem hatte niemand gemessen, was.

Am 30. September 2026 veröffentlichte das Ökonomenteam von Anthropic "What work can robots do?" von Russell Legate-Yang und Maxim Massenkoff. Soweit sich dies im Rahmen dieser Auswertung feststellen lässt, ist es der erste Versuch, jede physische Tätigkeit der amerikanischen Wirtschaft an real existierenden Robotern zu messen und dann die Frage zu stellen, die die 47% nie gestellt haben: zu welchem Preis. Die Antwort verändert die Debatte. Roboter können bereits etwa drei Viertel der physischen Arbeitsaufgaben in den Vereinigten Staaten ausführen, sind aber nur bei drei von tausend günstiger als ein Mensch. Wollte man diese Lücke im Tempo schließen, in dem die Roboterpreise seit den 1990er Jahren gefallen sind, würde es etwa vierzig Jahre dauern, bis ein Zehntel der Arbeit erreicht ist, und selbst ein aggressives Szenario legt die Hälfte der physischen Arbeit jenseits von 2050. Diese Fallstudie liest das Paper genau, stellt es der Evidenz dazu gegenüber, was KI bereits mit der Schreibtischarbeit macht, prüft die Einwände und leitet daraus ab, was das Muster für einen britischen Handwerker, eine Kleinunternehmerin und ein Unternehmen wie Jobbit bedeutet, das auf der Prämisse aufgebaut wurde, die das Paper nun quantifiziert: Die Übergabe zwischen Maschinen und Menschen ist die zentrale Gestaltungsfrage der nächsten zwanzig Jahre.

Zusammenfassung der Befunde

Erstens ist die Leistungsfähigkeit nicht mehr die bindende Beschränkung für den Großteil der physischen Arbeit. Die Anthropic-Studie kommt zu dem Ergebnis, dass Roboter 74% der physischen Tätigkeiten in den Vereinigten Staaten ausführen können, was 34% aller Arbeitsstunden entspricht, und zwar mit Robotern, die verkauft, eingesetzt oder vorgeführt wurden und nicht bloß erdacht sind.

Zweitens sind es die Kosten. Roboter sind heute bei 0.3% der Arbeitsaufgaben kostenwettbewerbsfähig gegenüber einem Arbeitnehmer. Für den am stärksten exponierten großen Beruf, Verpacker, beträgt die geschätzte jährliche Ersparnis etwa $2,500 pro Beschäftigtem bei Arbeitskosten von rund $49,000; bei Taxifahrern kostet der Roboter noch immer etwa $7,000 mehr als der Mensch.

Drittens schließt sich die Lücke langsam. Die Roboterpreise sind seit den 1990er Jahren um etwa 3% pro Jahr gefallen. Bei diesem Tempo dauert es 40 Jahre, bis Roboter für 10% der US-Arbeit kostenwettbewerbsfähig werden. Im schnellen Szenario des Papers, in dem die Kosten viermal so schnell sinken und sich die Fähigkeiten doppelt so schnell verbessern, werden Roboter um 2050 für die Hälfte der physischen Arbeit günstiger als Menschen, gegenüber 2085 beim historischen Trend, und die Automatisierung von 90% davon dauert immer noch 53 Jahre.

Viertens zeigt sich bei digitaler Arbeit das gegenteilige Bild. Etwa 50% der US-Arbeit sind allein gegenüber großen Sprachmodellen exponiert und 81% gegenüber Sprachmodellen oder Robotern zusammen, und die frühe Evidenz vom Arbeitsmarkt aus Lohnabrechnungsdaten zeigt, dass die Beschäftigung der 22- bis 25-Jährigen in den am stärksten KI-exponierten Berufen etwa 19% unter der ihrer weniger exponierten Altersgenossen liegt, ohne dass sich bislang eine entsprechende Bewegung bei erfahrenen Beschäftigten oder in der Gesamtwirtschaft zeigt.

Fünftens haben die Menschen, die Robotern am stärksten ausgesetzt sind, das geringste Polster. Verglichen mit nicht exponierten Beschäftigten haben sie mit 55 Prozentpunkten geringerer Wahrscheinlichkeit einen Hochschulabschluss, verdienen etwa $30 pro Stunde weniger und weisen eine mehr als doppelt so hohe Arbeitslosenquote auf.

Sechstens sind die verbleibenden Hürden spezifisch und messbar. Etwa 70% der physischen Tätigkeiten werden durch die Leistungsfähigkeit gebremst, rund die Hälfte davon durch Manipulation und Fingerfertigkeit; 14% werden durch geltende Regulierung blockiert und 25% durch menschliche Präferenzen. Das sind die Tätigkeiten, bei denen auf Jahrzehnte hinaus ein Mensch gebraucht wird und für die es die Daten zum Anlernen von Maschinen noch nicht gibt.

Der Fall: Warum diese Studie das richtige Labor ist

Automatisierungsprognosen sind meist auf eine von zwei Arten gescheitert. Studien auf Berufsebene wie die von Frey und Osborne behandelten ganze Berufe als automatisierbare Einheiten, woraus die Zahl von 47% entstand; als Melanie Arntz, Terry Gregory und Ulrich Zierahn bei der OECD die Untersuchung 2016 auf der Ebene einzelner Tätigkeiten wiederholten und dabei die Mischung der Arbeit innerhalb jedes Berufs in 21 Ländern berücksichtigten, sank der Anteil automatisierbarer Jobs auf 9%. Studien auf Basis von Expertenbefragungen wiederum fragten Fachleute, was Maschinen künftig können würden, was eine Wette auf Technologien ist, die womöglich nie marktreif werden.

Das Anthropic-Paper vermeidet beide Fallen durch sein Design. Es geht von den rund 19,000 Tätigkeitsbeschreibungen für etwa 900 Berufe in O*NET aus, der Berufsdatenbank des US-Arbeitsministeriums (Department of Labor), sowie von Beschäftigungs- und Lohndaten des Bureau of Labor Statistics. Es nutzt das Modell Claude, um jede Tätigkeit nach ihrem physischen, kognitiven und zwischenmenschlichen Gehalt zu bewerten, behält nur die physischen Tätigkeiten, die sich nicht durch gewöhnliche Software automatisieren lassen, und sucht dann im Web nach konkreten Robotern, die jede Tätigkeit nachweislich ausgeführt haben, wobei kommerzieller Einsatz, Verkäufe oder eine bedeutende Vorführung als Beleg verlangt werden. Jede Tätigkeit wird auf einer vierstufigen Skala der Umgebungskontrolle eingeordnet: E0, kein Roboter kann sie ausführen; E1, ein Roboter kann sie in einer eigens dafür gebauten Umgebung ausführen, etwa an einer Fabrikstraße; E2, in einer strukturierten menschlichen Einrichtung wie einem Lager; E3, in einer unstrukturierten Umgebung wie einer Stadtstraße. Die meisten eingesetzten Roboter leben in technisch durchgeplanten Räumen, weshalb die Autoren die Stufe als gutes Maß für das kurzfristige Risiko ansehen.

Die Kosten werden modelliert statt angenommen. Für jede exponierte Tätigkeit schätzt das Modell die jährlichen Kosten des zitierten Roboters, einschließlich Anschaffung und Installation, Wartung, Software, Energie, Beaufsichtigung, Versicherung und Außerbetriebnahme, wobei Fixkosten mit einem geschätzten Kapitalkostensatz annualisiert werden, und vergleicht sie mit der Gesamtvergütung des Arbeitnehmers, skaliert nach dem Zeitanteil, den er auf diese Tätigkeit verwendet. Eine Tätigkeit gilt nur dann als kostenwettbewerbsfähig, wenn die jährlichen Kosten des Roboters unter den Arbeitskosten liegen, die er ersetzt. Die Autoren validieren den gesamten Apparat anschließend rückwärts: Indem sie Tätigkeiten an den Robotern messen, die 1977 und in späteren Jahrzehnten existierten, zeigen sie, dass Berufe, die den Robotern ihrer Zeit stärker ausgesetzt waren, später mehr Lohn und Beschäftigung verloren, was ein Expositionsmaß leisten muss, um etwas wert zu sein.

Die Studie ist amerikanisch. Das ist die Unvollkommenheit, die man sich vor Augen halten sollte. Britische Löhne, Energiepreise, Regulierung und die Berufsstruktur unterscheiden sich, und bislang hat niemand die Methode auf britische Daten angewandt. Doch die Einsätze sind hier eher höher. Die Prognose des Construction Industry Training Board vom Juni 2026 besagt, dass die Branche zwischen 2026 und 2030 durchschnittlich 41,200 zusätzliche Arbeitskräfte pro Jahr braucht, insgesamt mehr als 206,000, um mit der Nachfrage Schritt zu halten, wobei 40% der bestehenden Belegschaft über 45 Jahre alt sind und seit dem Brexit mehr als 200,000 EU-Arbeitskräfte verloren gingen. Die Veröffentlichung Occupations in Demand des Department for Education vom Dezember 2025 zählt 10.9 Millionen Menschen, 32.9% der Erwerbsbevölkerung, in 125 Berufen mit erhöhter Nachfrage und nennt Elektriker und Elektroinstallateure (201,000 Stellen) sowie Fahrzeugtechniker und Mechaniker (183,000) unter den größten qualifizierten Handwerksberufen auf dieser Liste. Stünden Roboter kurz davor, das Handwerk zu ersetzen, wäre der Mangel ein vorübergehendes Problem. Die folgende Evidenz besagt, dass dem nicht so ist.

Eine Zeitleiste der Evidenz, 2013 bis 2026

Befund 1: Roboter können den Großteil der physischen Arbeit leisten, und fast nichts davon rechnet sich

Die erste Zahl des Papers ist die, die zitiert werden wird, und sie verdient eine genaue Darstellung. Von der gesamten US-Arbeitszeit sind 54% kognitiv oder zwischenmenschlich und 46% physisch. Innerhalb des physischen Anteils können 12 Prozentpunkte von keinem Roboter ausgeführt werden, den die Autoren finden konnten (E0), 23 können in eigens gebauten Umgebungen ausgeführt werden (E1), 10 in strukturierten menschlichen Einrichtungen wie Lagern (E2) und 1 in unstrukturierten Umgebungen (E3). Zusammengenommen können Roboter 74% der physischen Tätigkeiten ausführen, das sind 34% aller Arbeitsstunden. Die Beispiele sind konkret: autonome Taxis auf Stadtstraßen, autonome mobile Roboter, die in Lagern Waren bewegen, KI-gesteuerte Schweißzellen in Fertigungsbetrieben, Grabenbagger, die ohne Fahrer gerade Linien ausheben.

Die zweite Zahl ist die, auf die es ankommt. Wenn das Modell den zitierten Roboter für jede Tätigkeit bepreist und mit der Arbeit vergleicht, die er ersetzen würde, sind Roboter nur bei 0.3% der Arbeitsaufgaben günstiger. Etwa 300,000 amerikanische Beschäftigte arbeiten in Berufen, in denen Roboter 95% der Arbeit erledigen könnten; die größte Gruppe, rund 560,000 Verpacker, ist der klarste Fall von Kostenparität, wobei der Roboter auf etwa $2,500 pro Jahr weniger geschätzt wird als ein Mensch, dessen Arbeit etwa $49,000 kostet. Am anderen Ende wird das Robotertaxi, technisch der am stärksten exponierte Beruf in den Daten mit einem Expositionsindex von 2.2 von 3, auf etwa $7,000 pro Jahr mehr geschätzt als der Fahrer, den es ersetzen würde, noch bevor die Regulierung berücksichtigt wird. Neun der zehn am stärksten exponierten Berufe sind Fahrzeugführer.

Die Deutung, die die Autoren anbieten und die diese Auswertung für die vertretbarste hält, lautet, dass sich die physische Grenze sehr viel weiter verschoben hat als die wirtschaftliche. In den vergangenen 50 Jahren konnten Roboter jedes Jahr etwa 2% der physischen Arbeit übernehmen, die sie zuvor nicht leisten konnten: 1977 konnten sie 62% der physischen Tätigkeiten nicht ausführen, heute können sie 24% derselben Tätigkeiten nicht ausführen. Die Leistungsfähigkeit hat sich kumuliert. Die Kosten sind nicht gefolgt, denn ein Roboter, der einen Karton tragen kann, ist weiterhin ein Kapitalgut mit Wartung, Energie, Beaufsichtigung und Versicherung, das mit einem Arbeitnehmer konkurriert, der nur für die geleisteten Stunden bezahlt wird.

Befund 2: Der Zeitrahmen umfasst Jahrzehnte, selbst im optimistischen Fall

Der folgenreichste Beitrag des Papers ist die Szenarioanalyse, weil sie aus "Roboter sind teuer" Daten macht. Die Roboterpreise, gestützt auf Reihen der Bank of Japan und andere Quellen, sind seit den 1990er Jahren um etwa 3% pro Jahr gefallen. Hält man diese Rate, dauert es etwa 40 Jahre, bis Roboter für 10% der US-Arbeit kostenwettbewerbsfähig sind. Ein Kostenrückgang um 20%, beim historischen Tempo etwa sieben Jahre, würde Roboter für die physischen Tätigkeiten von etwa 2.8 Millionen Beschäftigten wettbewerbsfähig machen; ein Rückgang um 70% ist nötig, um 10% der gesamten Arbeit zu erreichen.

Das schnelle Szenario ist bewusst großzügig angelegt. Die qualitätsbereinigten Kosten fallen bis zu viermal so schnell wie in der Geschichte, und Roboter lernen neue Tätigkeiten doppelt so schnell. Selbst dann werden Roboter erst um 2050 für 50% der physischen Arbeit kostenwettbewerbsfähig, gegenüber 2085 beim historischen Trend, und die Automatisierung von 90% der physischen Arbeit dauert 53 Jahre. Der Satz, den die Autoren verwenden, ist für ein ökonomisches Paper ungewöhnlich schlicht und verdient ein Zitat: "Robots would need to sustain record rates of price declines and quality improvements over the coming decades to enable rapid physical automation." (Roboter müssten in den kommenden Jahrzehnten Rekordraten bei Preisrückgängen und Qualitätsverbesserungen aufrechterhalten, um eine rasche physische Automatisierung zu ermöglichen.)

Hier sollte die Evidenz von der Interpretation getrennt werden. Die Jahreszahlen sind keine Prognosen; sie sind die Folgen von Annahmen, die einheitlich auf jede Tätigkeit angewandt werden und die, wie die Autoren selbst sagen, nicht widerspiegeln müssen, wie Robotikunternehmen tatsächlich Prioritäten setzen. Eine Firma, die ihre Anstrengungen auf eine einzige hochwertige Tätigkeit konzentriert, etwa das Kommissionieren im Lager, könnte deren Kosten weit schneller als um 3% pro Jahr senken, während der Rest der Wirtschaft stillsteht. Was die Szenarien belegen, ist die Gestalt des Problems, nicht sein genauer Kalender: Physische Automatisierung ist ein langer, ungleichmäßiger Prozess, der von der Hardwareökonomie bestimmt wird, im Gegensatz zu Software, bei der die Grenzkosten einer weiteren Tätigkeit nahe null liegen.

Der Vergleich mit früherer Technologie stützt diese Lesart. Acemoglu und Restrepos Studie von 2020 zu Industrierobotern, der vorherigen Generation dieser Technologie, ergab, dass jeder zusätzliche Roboter pro 1,000 Beschäftigte zwischen 1990 und 2007 die Beschäftigungsquote in den betroffenen amerikanischen Pendlerzonen um 0.2 Prozentpunkte und die Löhne um 0.42% senkte. Real, messbar und langsam: Die Effekte summierten sich über siebzehn Jahre in den Sektoren, in denen Roboter bereits am günstigsten waren, und sonst nirgends.

Befund 3: Digitale Arbeit ist die gegenteilige Geschichte

Dieselbe Forschungsgruppe misst die andere Grenze, und der Kontrast ist das Herzstück dieser Fallstudie. Anthropics frühere Expositionsarbeit und der eigene Vergleich des Papers rücken etwa 50% der US-Arbeit allein in die Reichweite großer Sprachmodelle und 81% in die Reichweite von Sprachmodellen oder Robotern zusammen. Das Muster nach Berufen ist aufschlussreich. Transport und Materialbewegung sind gegenüber Sprachmodellen zu weniger als 15% exponiert, aber zu etwa 90%, sobald Roboter einbezogen werden; Büro- und Verwaltungsunterstützung ist bereits stark gegenüber Sprachmodellen exponiert und erreicht mit Robotern fast 100%; persönliche Pflege und Dienstleistungen liegen bei beiden bei rund 40%, weil sie auf eine Weise zwischenmenschlich sind, die keine der beiden Technologien abdeckt.

Die Schätzungen zu Sprachmodellen haben eine längere Vorgeschichte. Im Jahr 2023 stellten Tyna Eloundou, Sam Manning, Pamela Mishkin und Daniel Rock von OpenAI und der University of Pennsylvania fest, dass 80% der amerikanischen Beschäftigten in Berufen arbeiteten, in denen mindestens 10% der Tätigkeiten gegenüber Sprachmodellen exponiert waren, und 19% in Berufen, in denen mehr als die Hälfte der Tätigkeiten exponiert war, wobei Schreiben, Programmieren und Datenanalyse am stärksten und körperliche Arbeit und Arbeit im Freien am wenigsten exponiert waren. Der Anthropic Economic Index, der anonymisierte Claude-Unterhaltungen O*NET-Tätigkeiten zuordnet, zeigt, was Menschen tatsächlich mit den Werkzeugen tun: In den Berichten von 2026 lag die Augmentation knapp vor der Automatisierung, 52% zu 45%, und die Nutzung diversifizierte sich, wobei die zehn häufigsten Tätigkeiten zwischen November 2025 und Februar 2026 von 24% der Unterhaltungen auf 19% fielen. Der Index berichtet zudem, dass ein Anstieg des Bruttoinlandsprodukts pro Kopf um 1% mit einem Anstieg der Nutzung pro Person um 0.7% einhergeht, was daran erinnert, dass die Verbreitung dem Wohlstand folgt.

Ob aus Exposition Verdrängung geworden ist, beantworten die Lohnabrechnungsdaten, vorsichtig. Erik Brynjolfsson, Bharat Chandar und Ruyu Chen vom Digital Economy Lab in Stanford berichteten 2025 anhand von ADP-Daten für mehr als 25 Millionen US-Beschäftigte, dass Berufseinsteiger in den am stärksten KI-exponierten Berufen relative Beschäftigungsrückgänge erlebt hatten, während erfahrene Beschäftigte in denselben Jobs dies nicht taten; ihre Revision vom August 2026 mit Daten bis zur Jahresmitte beziffert die Beschäftigung der 22- bis 25-Jährigen in diesen Berufen auf etwa 19% unter dem Niveau, das sie bei gleichem Verlauf wie weniger exponierte Altersgenossen hätte, wobei die Anpassung über Einstellungen statt über Löhne läuft und dort konzentriert ist, wo KI automatisiert statt ergänzt. Zugleich finden Anthropics eigene Ökonomen Maxim Massenkoff und Peter McCrory, wie Yahoo Finance berichtete, am 1. Oktober, keinen systematischen Anstieg der Arbeitslosigkeit stark exponierter Beschäftigter seit Ende 2022, und die Warnung von Anthropics Vorstandschef Dario Amodei, KI könne die Hälfte der Einstiegsjobs im Büro wegfallen lassen, bleibt nach den bisherigen Daten eine Warnung und keine Beobachtung.

Die ehrliche Synthese lautet: Der erste messbare Arbeitsmarkteffekt der gegenwärtigen KI-Welle ist nicht der Roboter im Lager, sondern der fehlende Hochschulabsolvent im Büro. Physische Arbeit ist durch die Ökonomie geschützt; Schreibtischarbeit ist es nicht.

Befund 4: Wer exponiert ist und was den Rest noch blockiert

Das demografische Profil roboterexponierter Arbeit ist der Befund, der die Politik prägen sollte. Verglichen mit Beschäftigten in nicht exponierten Berufen sind Beschäftigte in stark exponierten mit einer um 20 Prozentpunkte geringeren Wahrscheinlichkeit Frauen, mit einer um 16 Punkte höheren Wahrscheinlichkeit Hispanics, mit einer um 55 Punkte geringeren Wahrscheinlichkeit Inhaber eines Bachelor-Abschlusses, werden etwa $30 pro Stunde schlechter bezahlt und sind mehr als doppelt so häufig arbeitslos. Sie tragen auch weit häufiger Lasten, arbeiten bei extremer Hitze oder in der Nähe gefährlicher Stoffe. Die Tätigkeiten, die Roboter bereits ausführen können, sind überproportional die harten, gefährlichen, schlecht bezahlten, was zugleich das stärkste Argument für ihre Automatisierung ist und der Grund, warum es wehtun wird, wenn der Übergang nicht gestaltet wird.

Was den Rest blockiert, ist ebenso spezifisch. Etwa 70% der physischen Tätigkeiten, die Roboter noch nicht ausführen können, sind durch die Leistungsfähigkeit begrenzt, und rund die Hälfte davon durch Manipulation und Fingerfertigkeit: Haare färben, von Hand um vergrabene Rohre graben, Gerüste errichten, Kabel entwirren. Defizite bei Planung und Schlussfolgern machen 8% aus. Regulierung blockiert 14% der physischen Tätigkeiten und menschliche Präferenz 25%, und beide zusammen decken den Großteil der Arbeit ab, bei dem ein Roboter in einer Fabrik geduldet würde, aber nicht in einem Schlafzimmer oder einem Klassenzimmer. Zwei Berufe im Paper zeigen, wie gemischt das Bild innerhalb eines Jobs ist: Trockenbauspachtler erreichen auf dem Expositionsindex 1.6, wobei 41% ihrer Zeit gegenüber einem autonomen Sprühroboter exponiert und 26% nicht exponiert sind, weil die unsaubere Feinarbeit außerhalb seiner Reichweite liegt; Recyclingsortierer erreichen 1.7, wobei über 75% ihrer Zeit gegenüber Computer-Vision-Greifern an Förderbändern exponiert und nur 8% nicht exponiert sind.

Die Zusammenfassung der Autoren ist die, die sich ein Handwerker merken sollte: Nicht exponierte Arbeit sei "highly interpersonal or requires physical skills that robots today don't have" (hochgradig zwischenmenschlich oder erfordere körperliche Fähigkeiten, die Roboter heute nicht haben), und "if the past is any guide, taxi drivers and warehouse packers will see changes sooner than nurses and mechanics" (wenn die Vergangenheit ein Maßstab ist, werden Taxifahrer und Lagerverpacker Veränderungen früher erleben als Pflegekräfte und Mechaniker).

Mechanismen: Warum das Muster so aussieht

Vier Mechanismen erklären die Befunde und sagen voraus, was als Nächstes kommt.

Umgebungen, nicht Tätigkeiten, entscheiden über den Einsatz. Die vierstufige Skala ist die stille Einsicht des Papers. Ein Roboter, der an einer Fabrikstraße makellos schweißt (E1), ist bei einem Wohnhausanbau nutzlos, wo jeder Balken einen etwas anderen Abstand zum vorigen hat. Der größte Teil der physischen Wirtschaft und fast das gesamte Handwerk findet unter E3-Bedingungen statt: unstrukturiert, improvisiert, unter Menschen. Roboter haben E1 erobert und rücken in E2 vor; E3 umfasst nach fünfzig Jahren 1% der Tätigkeiten.

Hardwareökonomie ist nicht Softwareökonomie. Ein Sprachmodell erledigt seine nächste Tätigkeit nach dem Training zu Kosten nahe null, weshalb aus Exposition bei Schreibtischarbeit binnen weniger Jahre Verdrängung geworden ist. Ein Roboter ist ein sich abnutzendes Gut, das für jeden Einsatzort gekauft, installiert, versichert, gewartet, mit Energie versorgt und beaufsichtigt werden muss. Der jährliche Preisrückgang von 3% ist das Kennzeichen dieses Unterschieds, und die Szenarien des Papers zeigen, wie wenig selbst eine vierfache Beschleunigung an dem Jahrzehnt ändert, in dem die Parität eintritt.

Fähigkeiten kumulieren sich, aber über Daten. Roboter gewinnen etwa 2% der physischen Arbeit pro Jahr hinzu, und die Hälfte der verbleibenden Tätigkeiten, die Fingerfertigkeit erfordern, sind genau diejenigen, für die Trainingsdaten am knappsten sind. Ein Modell lernt das Schreiben aus dem geschriebenen Web; es gibt kein entsprechendes Korpus der Hände eines Klempners. Fortschritt bei den verbleibenden 24% hängt davon ab, echte Arbeit an echten Orten mit den Menschen zu erfassen, die sie leisten, was von Natur aus langsam ist und Fragen der Einwilligung und des Eigentums aufwirft, denen sich die Softwarewelle nie stellen musste.

Präferenzen und Regeln sind eine Untergrenze, keine Verzögerung. Die 25% der durch Präferenz und die 14% der durch Regulierung begrenzten Tätigkeiten warten nicht auf einen besseren Roboter. Die Bereitschaft eines Patienten, sich von einer Maschine heben zu lassen, die Vorschriften einer Kommune für autonome Fahrzeuge und der Wunsch eines Kunden, mit der Person zu sprechen, die die Küche eingebaut hat, verändern sich auf politischen und kulturellen Zeitskalen, weshalb die Autoren sie getrennt von Leistungsfähigkeit und Kosten behandeln.

Ein Skeptiker sollte drei alternative Erklärungen neben diese stellen. Die Expositionsbewertungen stammen von einem Modell, das knappe Tätigkeitsbeschreibungen liest, die, wie die Autoren anmerken, "omit details that may be easy for humans but hard for robots" (Details auslassen, die für Menschen leicht, für Roboter aber schwer sein können), sodass die Leistungsfähigkeit auf Tätigkeitsebene überschätzt sein kann, selbst wenn sie für den Beruf insgesamt unterschätzt wird. Die Kostenschätzungen sind Näherungen an einen Markt mit wenigen öffentlichen Preisen; eine Preisübersicht zu humanoiden Robotern vom August 2026 ergab, dass nur 12 von 58 kommerziellen Humanoiden überhaupt einen verifizierten Preis hatten. Und die Szenarien nehmen für jede Tätigkeit denselben Rückgang an; ein Durchbruch bei universeller Manipulation, auf den Nvidia und Tesla setzen, könnte, in den Worten der Autoren, "leapfrog our scale" (unsere Skala überspringen). Die Jahreszahlen sind in ihrer Gestalt robust und im Detail weich.

Wie die Branche reagierte

Die Reaktion teilte sich entlang der Linie, die das Paper zieht. Im Hardwarelager hatte Nvidias Vorstandschef Jensen Huang im Januar 2026 auf der CES einen "ChatGPT-Moment" für die Robotik vorhergesagt, und Elon Musk hat gesagt, Teslas humanoider Roboter Optimus werde bereits 2027 in den Verkauf gehen, mit einem langfristigen Zielpreis unter $20,000 bei großer Stückzahl, obwohl es keinen offiziellen Preis gibt; der Ausblick von Morgan Stanley für 2025 beziffert den Markt für Humanoide bis 2050 auf über $5 trillion, mit einer Beschleunigung der Verbreitung ab den späten 2030er Jahren. Yahoo Finance rahmte das Anthropic-Paper am 2. Oktober als die Projektion ein, die diese Wetten auf die Probe stellen werden. Die ausgelieferte Realität ist bescheidener: Unitrees G1 steht mit $13,500 in der Preisliste, und das Unternehmen lieferte 2025 mehr als 5,500 Humanoide aus, mehr als alle Rivalen zusammen; Agilitys Digit, der am häufigsten eingesetzte Humanoide in US-Lagern, kostet über $250,000 pro Einheit oder rund $8,500 pro Monat als Dienstleistung; Figure, bewertet mit $39 billion, verkauft ohne öffentlichen Preis an Unternehmen.

Ökonomen akzeptierten den Zeitrahmen überwiegend. Apollos Chefökonom Torsten Sløk, von Yahoo Finance zitiert, sagte, dass selbst unter aggressiven Projektionen eine weit verbreitete physische Verdrängung Jahrzehnte dauern würde, und verwies auf Engpässe bei feiner Manipulation, Regulierung und Präferenzen. Die schärfere Debatte findet auf der digitalen Seite statt, wo die Stanforder Lohnabrechnungsevidenz und Anthropics eigene Arbeitslosigkeitsanalyse bei der Frage, wie viel Verdrängung bereits stattgefunden hat, in unterschiedliche Richtungen weisen und wo OpenAI, Anthropic, Google, Microsoft, Manus und Meta mit Muse Agenten ausliefern, die browsen, Formulare ausfüllen und mehrstufige Büroaufgaben erledigen, die Kategorie, in der die Exposition am höchsten und die Kosten am niedrigsten sind.

Jobbits Position in dieser Landschaft ist eine Gestaltungsentscheidung und keine Prognose, und das Paper beschreibt sie zufällig. Der KI-Agent des Unternehmens übernimmt die digitale, überprüfbare Arbeit, die laut Evidenz günstig zu automatisieren ist: Recherche, Dokumente, Websites, Automatisierungen, Bilder und die Verwaltung rund um einen Auftrag. Wenn eine Aufgabe Hände, Urteilskraft vor Ort oder einen Verantwortlichen erfordert, was nach den Zahlen des Papers auf Jahrzehnte der Großteil der physischen Arbeit ist, geht der Auftrag an eine geprüfte menschliche Fachkraft auf pro.jobbit.uk, wobei die Zahlung treuhänderisch (Escrow) gehalten wird und der Kunde den Agenten beobachten und jederzeit die Kontrolle übernehmen kann. Jobbit Labs, die Forschungsabteilung des Unternehmens, arbeitet an dem langsameren Problem, das das Paper in seiner Datenlücke identifiziert: reale Aufgabendaten von Menschen bei echter Arbeit zu erfassen, mit Einwilligung, um Weltmodelle für physische KI zu trainieren und zu verifizieren. Jobbit hat keine Studiendaten zu den Ergebnissen dieses Modells veröffentlicht und behauptet hier nicht, dies getan zu haben; die Behauptung ist enger gefasst: dass eine Architektur aus Agent und Menschennetzwerk diejenige ist, die die Evidenz stützt, solange die Kostenparität Jahrzehnte entfernt ist. Die praktische Seite dieser Aufteilung ist dargelegt in 12 Jobs an AI Agent Can Do for Your Business This Week und Should Your Next Hire Be an AI Agent?, die Evidenz zu Freelancern in Do AI Agents Replace Freelancers? und das Unternehmen selbst in What Is Jobbit?.

Was ein Unternehmen mit dieser Evidenz tun sollte

Die Evidenz stützt eine Delegationsregel, die ein kleines Unternehmen ohne Strategieberatung anwenden kann.

Automatisieren Sie zuerst die digitale Schicht rund um die physische Arbeit, denn dort treffen Kosten und Leistungsfähigkeit bereits zusammen. Die Angebote, Rechnungen, Website, Bewertungsanfragen, Lieferantenrecherche und Terminplanung eines Klempners sind die 50% der Arbeit, die gegenüber Sprachmodellen exponiert sind; die eigenen Zahlen des Papers besagen, dass die Montage, die Diagnose in einem feuchten Schrank und das Gespräch mit dem Hausbesitzer nirgendwohin verschwinden. Die Marge eines Handwerksbetriebs im nächsten Jahrzehnt entsteht dadurch, die eingesparten Schreibtischstunden in mehr Stunden vor Ort zu investieren, nicht dadurch, auf einen Roboter zu warten.

Behandeln Sie physische Automatisierung als Beschaffungsentscheidung für eine Tätigkeit, nicht als Personalentscheidung für einen Job. Das Kostenmodell des Papers ist die Vorlage: Setzen Sie die gesamten Jahreskosten des Roboters gegen die Arbeit bei dieser einen Tätigkeit, in Ihrer Umgebungsstufe, und erwarten Sie Parität auf Jahre hinaus nur unter E1- und E2-Bedingungen, bei repetitivem Verpacken, Bewegen, Schweißen und Sortieren. Für fast alles, was in der Wohnung eines Kunden erledigt wird, steht Parität nicht im Kalender.

Stellen Sie ein und bilden Sie aus für den nicht exponierten Kern. Die 24% der physischen Tätigkeiten, die Roboter nicht können, und die 25%, die Menschen nicht von ihnen erledigt haben wollen, sind der dauerhafte Teil eines Handwerks: Fingerfertigkeit, Urteilsvermögen in unstrukturierten Räumen und die menschliche Beziehung. Die Lücke von 206,000 Arbeitskräften bis 2030, die CITB nennt, besagt, dass der Markt dafür zahlen wird.

Beobachten Sie die Übergabe, nicht die Schlagzeile. Die nützliche Frage für jeden Job ist, wo die Maschine aufhören und der Mensch anfangen soll, und diese Linie verschiebt sich Tätigkeit für Tätigkeit. Ein Unternehmen, das sie schriftlich festhält, wer die Ausgabe des Agenten prüft, wer die Arbeit vor Ort abnimmt, wer gegenüber dem Kunden verantwortlich ist, erzielt die Gewinne ohne die Fehlschläge.

Lesen Sie schließlich die frühen Signale am richtigen Ort. Das Paper schlägt vor, exponierte Berufe, Fahrer und Lagerverpacker, auf erste Anzeichen physischer Umbrüche zu beobachten, und die Lohnabrechnungsdaten besagen, dass der digitale Umbruch bereits bei der Einstellung von Hochschulabsolventen sichtbar ist. Planen Sie für den zweiten jetzt und für den ersten später.

Einschränkungen und offene Fragen

Die Studie ist amerikanisch, modellbewertet und statisch. Die Expositions- und Kostenbewertungen stammen von Claude, das Tätigkeitsbeschreibungen und Webbelege über Roboter liest, und wurden an der Geschichte geprüft, aber nicht an Feldversuchen; ein menschliches Expertengremium könnte Fingerfertigkeit anders bewerten. Die Kostenschätzungen lassen Anpassungsreibungen wie Kreditgrenzen aus, und die Szenarien klammern Rückkopplungseffekte aus, darunter die Möglichkeit, dass fallende Löhne in exponierten Berufen die Verbreitung weiter verlangsamen. Das Paper untersucht nicht, wie KI physische Arbeit ohne Roboter verändern könnte, zum Beispiel durch vorausschauende Wartung, und es modelliert nicht das Vereinigte Königreich, wo Energiekosten, Regulierung und die Struktur des Handwerks anders sind.

Auch die digitale Evidenz hat ihre Grenzen. Lohnabrechnungsdaten zeigen die relative Beschäftigung junger Beschäftigter in exponierten Berufen, nicht Kausalität, und die Stanforder Autoren beschreiben ihre Befunde als vereinbar mit "no widespread displacement so far" (bislang keine weit verbreitete Verdrängung); Anthropics Arbeitslosigkeitsanalyse und die Stanforder Einstellungsanalyse können beide in Bezug auf unterschiedliche Ränder recht haben. Nutzungsdaten eines einzelnen Assistenten sind nicht die Wirtschaft. Und der Markt für Humanoide bewegt sich schnell genug, dass jeder hier genannte Preis eine Momentaufnahme von Anfang Oktober 2026 ist.

Die offenen Fragen sind diejenigen, die über das nächste Jahrzehnt entscheiden werden: ob sich universelle Manipulation schneller als um 2% pro Jahr verbessert, sobald Roboter aus echter Arbeit statt aus konstruierten Vorführungen lernen; ob sich die Untergrenzen aus Regulierung und Präferenzen verschieben; und, wie die Autoren es formulieren, wie sich die Arbeit selbst verändert, "perhaps becoming more social and interpersonal as robots and AI advance" (vielleicht sozialer und zwischenmenschlicher, je weiter Roboter und KI voranschreiten).

Fazit

Werden Roboter Handwerks- und Arbeiterberufe übernehmen? Nicht so, wie die 47% es nahelegten, und nicht nach einem Zeitplan, nach dem sich ein arbeitender Handwerker richten müsste. Anthropics Studie zeigt, dass Roboter bereits die meisten physischen Tätigkeiten ausführen können und sich fast keine davon leisten können; dass sich die Ökonomie um wenige Prozent pro Jahr schließt; und dass selbst eine Welt rekordverdächtigen Roboterfortschritts über 2050 hinaus die Hälfte der physischen Arbeit in menschlichen Händen lässt. Der Umbruch, der heute messbar ist, liegt in der digitalen Arbeit, wo die Exposition am höchsten, die Kosten am niedrigsten sind und die ersten Hochschulabsolventen bereits in den Lohnlisten fehlen. Für einen britischen Handwerksbetrieb oder ein kleines Unternehmen weist die Evidenz auf eine Strategie: den Schreibtisch automatisieren, die Hände schützen und bewusst festlegen, wo das eine an das andere übergeben wird. Diese Übergabe ist der Ort, an dem Jobbit arbeitet, und das Paper ist die bislang klarste Darstellung, warum die Lücke, in der es angesiedelt ist, noch lange bestehen wird.

Häufig gestellte Fragen

Werden Roboter Arbeiter im Handwerk und in körperlichen Berufen ersetzen?

Laut Anthropics Studie vom September 2026 nicht für Jahrzehnte. Roboter können bereits etwa 74% der physischen Tätigkeiten in den Vereinigten Staaten ausführen, sind aber nur bei 0.3% davon günstiger als ein Arbeitnehmer, und beim historischen Preisrückgang von 3% pro Jahr würde es etwa 40 Jahre dauern, bis Kostenparität bei 10% der Arbeit erreicht ist. Selbst ein aggressives Szenario legt die Hälfte der physischen Arbeit jenseits von 2050.

Welche Berufe sind Robotern am stärksten ausgesetzt?

Fahrzeugführer und Lagerverpacker. Taxifahrer führen den Expositionsindex mit 2.2 von 3 an, neun der zehn am stärksten exponierten Berufe sind Fahrer, und Verpacker sind der klarste Fall, in dem ein Roboter bereits etwas günstiger ist als ein Mensch. Pflegekräfte, Mechaniker und die meisten qualifizierten Handwerksberufe liegen am anderen Ende, weil ihre Arbeit Fingerfertigkeit, Urteilsvermögen in unstrukturierten Räumen oder menschlichen Kontakt erfordert.

Nimmt KI Büroberufe schneller weg, als Roboter körperliche Berufe übernehmen?

Die frühe Evidenz sagt ja, auf Einstiegsebene. Stanfords Analyse von Lohnabrechnungsdaten für über 25 Millionen Beschäftigte stellt fest, dass die Beschäftigung der 22- bis 25-Jährigen in den am stärksten KI-exponierten Berufen etwa 19% unter der weniger exponierter Altersgenossen liegt, ohne entsprechende Veränderung bei erfahrenen Beschäftigten, während Anthropics Ökonomen insgesamt keinen systematischen Anstieg der Arbeitslosigkeit exponierter Beschäftigter finden. Digitale Tätigkeiten kosten fast nichts zu automatisieren, sobald ein Modell existiert; physische Tätigkeiten brauchen Hardware, die weiterhin teuer ist.

Was sollte ein Handwerker in Bezug auf Automatisierung tun?

Die Büroseite des Betriebs automatisieren, wo KI bereits günstig und leistungsfähig ist, und in die Fähigkeiten investieren, mit denen Roboter nicht mithalten können: Fingerfertigkeit, Diagnose in unstrukturierten Räumen und die Kundenbeziehung. Allein die britische Bauwirtschaft braucht laut CITB bis 2030 mehr als 206,000 zusätzliche Arbeitskräfte, der menschliche Teil des Handwerks steht also im Mangel, nicht im Überschuss.

Für welche Lücke ist Jobbit gebaut?

Für die Übergabe zwischen automatisierter digitaler Arbeit und menschlicher physischer Arbeit. Jobbits KI-Agent erledigt die Recherche, Dokumente, Websites und Verwaltung, die laut Evidenz günstig zu automatisieren sind, und gibt Arbeit, die Hände, einen Vor-Ort-Termin oder Verantwortung erfordert, an eine geprüfte Fachkraft auf pro.jobbit.uk weiter, wobei die Zahlung treuhänderisch (Escrow) gehalten wird. Jobbit Labs arbeitet an den realen Aufgabendaten, die die Studie als fehlende Zutat für physische KI identifiziert.