Was die Auswertung von über einer Milliarde Stellenanzeigen zu KI-Kompetenzen in Deutschland zeigt, und warum daraus für Weiterbildung noch kein klares Lernziel entsteht.
Im Unterricht kommt regelmäßig die Frage, welche Kompetenz man denn jetzt braucht. Nicht allgemein, sondern konkret: Was soll ich lernen, damit es in einer Bewerbung etwas wert ist?
Ich habe die Frage bisher aus meiner Erfahrung beantwortet. Seit ich mir die PwC-Auswertung angesehen habe, beantworte ich sie anders. Nicht weil ich mehr weiß, sondern weil ich jetzt sagen kann, dass der Arbeitsmarkt selbst keine klare Antwort gibt.
Die Zahl, die nach Fortschritt aussieht
PwC hat für das AI Jobs Barometer über eine Milliarde Stellenanzeigen aus 27 Ländern ausgewertet, veröffentlicht Ende Juni 2026.
Für Deutschland: 1,3 Prozent aller Stellenanzeigen nannten 2025 einen Bezug zu KI. Das sind rund 125.000 Anzeigen. Ein Jahr davor lag der Wert bei etwa 1,0 Prozent, und er steigt seit 2023 durchgehend. In Technologie, Medien und Telekommunikation liegt der Anteil bei über 6 Prozent.
Dazu kommt ein Geldargument, das in den Zusammenfassungen gern zitiert wird: KI-Kompetenzen gehen in den meisten Branchen mit Gehaltsaufschlägen von über 20 Prozent einher, bei Energie und Versorgern bis zu 39 Prozent.
So weit die gute Nachricht. KI ist im deutschen Arbeitsmarkt angekommen, und sie wird bezahlt.
Die Zahl, die kaum jemand zitiert hat
In derselben Auswertung steht ein Wert, der mich beim Lesen gestoppt hat.
Der Befund, wörtlich genommen: PwC setzt den KI-Expositionsgrad eines Berufs gegen die Veränderung seiner Anforderungsprofile zwischen 2019 und 2025. Für Deutschland liegt der Korrelationskoeffizient bei 0,02. In anderen Ländern ist der Zusammenhang deutlich stärker.
Das ist eine Aussage über Berufsgruppen, nicht über einzelne Anzeigen, und sie sagt nichts über Ursachen. PwC selbst verweist darauf, dass Skill-Veränderungen in Deutschland offenbar von anderen Faktoren getrieben werden als von KI-Exposition.
Meine Lesart, und die ist ausdrücklich meine: Mehr KI in einem Beruf geht hier bislang nicht damit einher, dass sich die Anforderungen an diesen Beruf entsprechend verschieben. Der Arbeitsmarkt signalisiert Nachfrage nach KI, aber noch kaum, welche konkreten Fähigkeiten daraus folgen sollen.
Warum beides gleichzeitig stimmt
Ein Widerspruch ist das nicht.
Eine Anzeige zu schreiben, ist billig. “Erfahrung mit KI-Tools von Vorteil” kostet niemanden etwas und wirkt zeitgemäß. Ein Anforderungsprofil umzubauen, ist teuer. Dafür müsste jemand im Betrieb entscheiden, welche Aufgaben künftig anders laufen, welche Fehler dabei entstehen können und wer sie abfangen soll. Diese Arbeit ist noch nicht gemacht.
Ein zweiter Wert aus derselben Auswertung passt dazu. Auf eine KI-Entwicklerrolle kommen in Deutschland rund sieben KI-Anwenderrollen. Gemeint sind damit Rollen, die PwC anhand der verlangten Fähigkeiten einordnet, nicht Beschäftigte insgesamt. Im Finanzsektor sind über 97 Prozent der KI-bezogenen Rollen Anwenderrollen.
Das Verhältnis ist bemerkenswert, weil die öffentliche Debatte vom anderen Ende her geführt wird. Geredet wird über Data Scientists und Machine-Learning-Engineers. Gebraucht werden Sachbearbeiterinnen, Disponenten und Pflegekräfte, die ein Werkzeug beurteilen können, das ihnen jemand hingestellt hat.
Nebenbei ein Detail, das die Sache bestätigt: Im Finanzsektor liegt die Gehaltsprämie für KI-Kompetenz bei minus 9 Prozent. Nicht weil sie dort wertlos wäre, sondern weil sie dort schon Standard ist. So sieht es aus, wenn eine Kompetenz aufhört, ein Alleinstellungsmerkmal zu sein.
Wen das trifft
Hier wird es für mich vom Analyseproblem zum Bildungsproblem, und zwar anders, als man von außen vermutet.
In meinen Kursen sitzen überwiegend Menschen mit Hochschulabschluss, die gerade eine Stelle suchen. Die Statistik der Bundesagentur für Arbeit erklärt, warum das so ist.
2025 waren 335.000 Akademikerinnen und Akademiker arbeitslos, 46.000 mehr als im Jahr davor. Die Quote stieg von 2,9 auf 3,3 Prozent. Im Vergleich ist das weiterhin ein sehr guter Wert, Menschen ohne Berufsabschluss liegen bei über 21 Prozent. Der aufschlussreiche Teil ist die Bewegung: Die Arbeitslosigkeit von Akademikern hat um 16 Prozent zugenommen, die Arbeitslosigkeit insgesamt um 6 Prozent. Sie steigt also fast dreimal so schnell wie der Durchschnitt.
Gleichzeitig waren 59 Prozent von ihnen weniger als sechs Monate ohne Arbeit. Die Bundesagentur sieht bei dieser Gruppe die Sucharbeitslosigkeit im Vordergrund. Für einen großen Teil geht es also um Zuordnung, nicht um Eignung. Über die restlichen 41 Prozent sagt das nichts, und für sie können andere Gründe gelten.
Genau da schlägt die Unschärfe aus den Anzeigen durch. Wer sich bewirbt, muss entscheiden, wie er sich darstellt, und bekommt vom Markt kein Signal. Daraus entstehen zwei Fehler, die ich regelmäßig sehe.
Der erste: Man positioniert sich technisch, weil die Debatte technisch klingt. Prompt Engineering, Modellauswahl, gern noch ein Python-Kurs. Damit richtet man sich an dem kleineren Teil der ausgeschriebenen KI-Rollen aus, während der deutlich größere Teil Anwendung verlangt.
Der zweite: Man listet Werkzeuge. Das trifft auf einen Betrieb, der laut seiner eigenen Anzeige noch nicht entschieden hat, was er verlangt. Eine Liste beantwortet keine Frage, die niemand gestellt hat.
Dabei ist die Lage für Akademiker mit Fachhintergrund eigentlich günstig. Laut der Bitkom-Erhebung vom September nennen 85 Prozent der Unternehmen, die bislang keine KI einsetzen, fehlendes technisches Know-how zur Umsetzung als Hemmnis. Rechtliche Unsicherheit mit 66 Prozent und Kosten mit 63 Prozent folgen dahinter, sind also ebenfalls im Spiel. Das größte Hemmnis ist aber Können. Und wer aus dem Controlling, dem Personalwesen oder der Verwaltung kommt und beurteilen kann, an welcher Stelle ein KI-Ergebnis im eigenen Fachgebiet kippt, bringt genau davon etwas mit.
Nur muss man es selbst benennen, solange der Markt es nicht tut.
Die Parallele, die mir erst spät aufgefallen ist
Dieselbe Unschärfe steckt auf der Rechtsseite.
Artikel 4 der KI-Verordnung verlangt von Anbietern und Betreibern seit Juli 2026, Maßnahmen zu ergreifen, die die Entwicklung der KI-Kompetenz ihres Personals unterstützen. Ein bestimmtes Kompetenzniveau für einzelne Personen muss ausdrücklich niemand garantieren. Das ist bewusst so, weil ein Krankenhaus und eine Spedition nicht dasselbe brauchen.
Ein Maßstab ist allerdings in Arbeit: Kommission und Mitgliedstaaten sollen die Umsetzung mit praktischen Beispielen unterstützen, und das KI-Gremium soll Empfehlungen zu gemeinsamen Zielen erarbeiten.
Bis dahin gilt: Von zwei Seiten kommt gerade keine Vorgabe, welche Kompetenz gemeint ist. Vom Gesetzgeber nicht, weil er die Konkretisierung den Betrieben überlässt. Und von den Betrieben nicht, wie die Anzeigen zeigen. Wer auf einen fertigen Maßstab wartet, wartet vermutlich eine Weile.
Was du daraus machen kannst
Für Betriebe:
- Nimm eine offene Stelle und schreib auf, welche Aufgabe darin künftig mit KI-Unterstützung läuft. Nicht die Tools aufzählen, die Aufgabe beschreiben. Wenn dabei nichts herauskommt, gehört KI nicht in die Anzeige.
- Frag bei der nächsten Einarbeitung, wie jemand einen falschen KI-Output erkennen würde. Die Antwort ist aussagekräftiger als jedes Zertifikat, und du erfährst dabei, was ihr eigentlich verlangen müsstet.
- Prüfe, ob eure Anforderungen an Anwender oder an Entwickler formuliert sind. Bei einem Verhältnis von sieben zu eins ist die Wahrscheinlichkeit hoch, dass du Anwender suchst und ein Entwicklerprofil ausgeschrieben hast.
Für Einzelne, weil die Frage im Unterricht so kam: Belegbar wird Anwenderkompetenz dort, wo du eine konkrete Aufgabe aus deiner Arbeit zeigen kannst, die du damit anders erledigst, samt der Stelle, an der du dem Ergebnis nicht traust. Das ist schwerer zu erklären als ein Kursname und wirkt in einem Gespräch deutlich stärker.
Was ich nicht weiß
Ob der Wert von 0,02 Trägheit ist oder Vorsicht, sagt die Auswertung nicht. Es ist denkbar, dass deutsche Betriebe Anforderungen bewusst nicht anfassen, solange unklar ist, welche Werkzeuge sich durchsetzen. Das wäre nachvollziehbar und hätte dieselbe Folge.
Ob die Gehaltsaufschläge Bestand haben, ist offen. Das Finanzbeispiel mit seinen minus 9 Prozent deutet an, wohin die Prämie geht, sobald etwas Standard wird.
Und welche Kompetenz in drei Jahren gebraucht wird, kann ich nicht sagen. Wer es behauptet, verkauft dir etwas. Für dieses Jahr sagen die Anzeigen: überwiegend Anwendung, nicht Entwicklung. Rund sieben Anwenderrollen auf eine Entwicklerrolle.
Und bei dir? Wenn du deine letzte Stellenanzeige noch einmal aufschlägst, steht darin eine Anforderung, die es vor zwei Jahren nicht gegeben hätte? Schreib es in die Kommentare, mich interessiert, wie viele eine finden.
Quellen
- PwC, AI Jobs Barometer 2026, veröffentlicht 30.06.2026: Auswertung von über einer Milliarde Stellenanzeigen aus 27 Ländern; Deutschland 1,3 Prozent KI-Anzeigen (rund 125.000), rund sieben KI-Anwenderrollen je KI-Entwicklerrolle, Korrelation zwischen KI-Expositionsgrad eines Berufs und Veränderung der Anforderungsprofile 2019 bis 2025 bei 0,02, Gehaltsprämien über 20 Prozent (Energie und Versorger bis 39 Prozent, Finanzsektor minus 9 Prozent), Anteil Anwenderrollen im Finanzsektor 97,3 Prozent, TMT über 6 Prozent KI-Anzeigen
- Statistik der Bundesagentur für Arbeit, Online-Bericht Akademiker/-innen, Abschnitt Arbeitslosigkeit, Berichtsjahr 2025: 335.000 arbeitslose Akademiker (plus 46.000), Quote von 2,9 auf 3,3 Prozent, Zunahme um 16 Prozent gegenüber 6 Prozent insgesamt, 59 Prozent kürzer als sechs Monate arbeitslos mit Sucharbeitslosigkeit im Vordergrund, Menschen ohne Berufsabschluss über 21 Prozent
- Bitkom, Presseinformation vom 14.09.2026 (603 Unternehmen ab 20 Beschäftigten): Hemmnisse bei Nicht-Anwendern, fehlendes technisches Know-how 85 Prozent, rechtliche Unsicherheit 66 Prozent, Kosten 63 Prozent, Personalressourcen 51 Prozent
- Verordnung (EU) 2024/1689 (KI-Verordnung), Artikel 4 in der Fassung der Verordnung (EU) 2026/1744, in Kraft seit 27.07.2026: Unterstützungspflicht ohne garantiertes Kompetenzniveau, Unterstützung durch Kommission und Mitgliedstaaten, Empfehlungen des KI-Gremiums
