Nassim Dehouches PRISMA-2020-systematische Übersicht, veröffentlicht in Frontiers in Human Dynamics am 6. Mai 2026, hat 1.847 Einträge gesichtet und 94 Studien — 42 davon quantitativ — zur ersten peer-reviewten Karte beobachteter, nicht prognostizierter KI-Arbeitsmarkt-Verdrängung synthetisiert (Frontiers in Human Dynamics, 2026). Das zentrale Ergebnis ist scharf: Entry- und Mid-Level-Stellenanzeigen in Softwareentwicklung und Content-Erstellung in Hochlohnländern fielen zwischen −14 % und −41 % (Median −23 %) zwischen 2022 und 2024. Die meiste Berichterstattung hört dort auf. Die Zahl, die ändern sollte, wie eine Operations-Funktion mit 200 FTE ihren Q3-Plan baut, ist diejenige, die darin verschachtelt ist — eine Expansion von +26 % bei KI-adjazenten Infrastruktur-, Sicherheits- und Quality-Assurance-Rollen im gleichen Zeitraum (Berkes et al., difference-in-differences über 18 Länder auf LinkedIn-Daten) und eine Lohnprämie von 15–22 % für KI-augmentierte Arbeitskräfte in den Rollen, die sich nicht zusammenzogen.
Für einen Head of Operations, der den Q3-Backfill in den nächsten drei Wochen finalisiert, ist die operative Lesart dieser zwei Zahlen diejenige, die die meisten Mid-Market-Pläne falsch verstehen: Die Verdrängung ist nicht einheitlich, und die Planungshaltung, die sie als einheitlich behandelt — ein flacher Einstellungsstopp über alle Requisitionen oder eine flache 10 %-Headcount-Reduktion über alle Teams — finanziert die falsche Hälfte der Kurve. Die Daten sagen nicht, langsamer zu werden. Sie sagen, umzulenken.
Was Dehouche tatsächlich gemessen hat — und warum „beobachtet" „prognostiziert" schlägt
Die Methodik zählt hier, weil die Literatur zur KI-Verdrängung überwiegend modellbasiert ist. Die McKinsey-, Goldman- und OpenAI/UPenn-Studien, die die öffentliche Diskussion 2023–2024 definierten, schätzten Exposure — welchen Anteil von Aufgaben ein Modell plausibel übernehmen könnte — und extrapolierten zur Verdrängung. Dehouches Übersicht tut etwas anderes: Sie poolt Studien, die tatsächliche Stellenanzeigen-Flüsse, Einstellungsraten und Beschäftigungsniveaus gegen die KI-Deployment-Timeline messen, und wendet dann PRISMA-2020-Screening zur Filterung nach methodischer Strenge an. Die 94 Studien, die das Screening überleben, machen Beobachtung, nicht Vorhersage.
Das Instrument ist ungewöhnlich gut geeignet für Mid-Market-Planungsinput. Der initiale Pool von 1.847 Einträgen spiegelt die tatsächliche Dichte der Literatur wider; die 94-Studien-Synthese filtert Single-Firm-Anekdoten und unveröffentlichte Consulting-Decks heraus; das quantitative Subset von 42 Studien liefert Effektgrößen, die zwischen Geografien und Rollentypen vergleichbar sind. Die Methodik ist der Grund, warum der −23 %-Median tragend ist. Er ist die zentrale Tendenz gemessener Verdrängung, nicht der Durchschnitt von Vermutungen.
Das Bifurkationsergebnis innerhalb der Synthese ist der Teil, den Mid-Market-Operations-Funktionen gegen ihre Q3-Pläne lesen müssen. Die Spanne von −14 % bis −41 % über die sich zusammenziehenden Rollentypen ist kein enges Band — sie ist ein sektorales Signal, mit Softwareentwicklung und Content-Erstellung am oberen Ende des Rückgangs geclustert und adjazenten Rollen in denselben Unternehmen in Expansion. Berkes et al.'s difference-in-differences über 18 Länder auf LinkedIn-Anzeigen fügt den Vergleich hinzu: KI-adjazente Infrastruktur-, Sicherheits- und Quality-Assurance-Rollen wuchsen im Messzeitraum um +26 %, und die Arbeitskräfte, die KI-augmentierte Versionen der überlebenden Rollen ausführten, verdienten 15–22 % mehr als nicht augmentierte Peers (World Bank, Jobs and Development; OECD.AI Policy Observatory).
Die Schlagzeile „KI verdrängt Arbeitsplätze" beschreibt einen Tail der Verteilung. Die Daten beschreiben die Verteilung.
Warum einheitliche Einstellungshaltungen die 2026er Kurve verfehlen
Mid-Market-Operations-Funktionen mit 200-FTE-Belegschaften bauen ihre Q3-Backfill-Pläne typischerweise aus zwei Inputs: Attrition-Prognosen pro Team und einer in Q1 festgelegten Top-down-Headcount-Envelope. Wenn das Makro-Narrativ „KI verdrängt Arbeitsplätze" ist, ist die natürliche Übersetzung ein flacher prozentualer Trim — Requisitionen über die ganze Linie um 8–12 % reduzieren, Einstellungsstopps in Rollen priorisieren, die die Funktion als KI-exposed liest, und die Augmentation-Frage auf 2027 verschieben. Die Logik fühlt sich diszipliniert an und produziert das schlechtere Ergebnis.
Die Diskrepanz ist zweifach. Erstens sitzen sich zusammenziehende und expandierende Rollentypen häufig innerhalb desselben Unternehmens. Ein flacher 10 %-Schnitt, angewandt auf eine SaaS-getoolte Mid-Market-Firma, kürzt Content-Marketing- und Junior-Engineering-Requisitionen (der sich zusammenziehende Tail) genau in dem Moment, in dem sie QA-Engineering, devops und Security-Engineering-Requisitionen (der expandierende +26 %-Tail) erweitern sollte. Die Funktion liest ihr eigenes Attrition-Muster als Marktsignal und friert dagegen, während der Markt ihr tatsächlich sagt, den Requisitions-Mix umzuformen.
Zweitens ist das Lohnprämien-Signal eine Marktvalidierung, wo Augmentation zurückzahlt, und die meisten Mid-Market-Pläne behandeln es als Kosten statt als Signal. Eine Lohnprämie von 15–22 % für KI-augmentierte Arbeitskräfte in überlebenden Rollen bedeutet, dass externe Kandidaten mit glaubwürdigen Augmentation-Skills den Markt zu signifikant höheren Preisen clearen als nicht augmentierte Peers. Eine Funktion, die mit der Deckelung von Compensation-Bändern auf „Prä-KI"-Benchmarks reagiert, bietet auf die Arbeitskräfte, die die Daten als nicht differenzierend bezeichnen, und verliert die Kandidaten, deren Anwesenheit im Team die Produktivität verschieben würde. Die Prämie ist nicht das Problem, das die Funktion lösen sollte. Sie ist das Preisschild auf dem Teil des Rollen-Mixes, den sie wachsen lassen sollte.
Die Funktion, die Q3 gegen das Narrativ der einheitlichen Verdrängung ausführt, führt keine Planungsübung durch. Sie führt eine Zeitlupen-Rebalancierung aus, die sie weder beabsichtigt noch kontrolliert.
Das Umlenkungsspiel — Wie es konkret für 200-FTE-Ops aussieht
Der Hebel ist strukturell und schlanker, als die veröffentlichten Frameworks ihn aussehen lassen. Drei Teile zählen, und sie sind in den nächsten zwei bis drei Wochen sequenzierbar.
Den Requisitions-Mix vor der Genehmigung der Q3-Envelope reklassifizieren
Das erste Teil: Die Liste offener und ausstehender Requisitionen in drei Eimer aufteilen — sich zusammenziehend (Entry- und Mid-Level-Rollen, die die Dehouche-Übersicht als Verdrängungs-Tail benennt), expandierend (KI-adjazente Infrastruktur-, Sicherheits-, QA-, devops- und Data-Engineering-Rollen im +26 %-Tail) und adjazent (Rollen, deren Exposure unklar ist, gegen die die Funktion aber nach historischen Annahmen einstellt). Die Reklassifikation ist eine Arbeitssitzung von HR + Ops-Führung; der Output ist eine einseitige Matrix, die die historische Requisitions-Liste als Planungsinput ersetzt.
Der Output dieses Schritts ist selten die Zahländerung, die die Funktion erwartet. Die meisten Mid-Market-Operations-Funktionen entdecken, dass ihre offenen Requisitionen im sich zusammenziehenden Tail ihre Requisitionen im expandierenden Tail in einem Verhältnis von etwa 3:1 übersteigen, und dass das Ungleichgewicht das Artefakt des kopierten Vorjahresplans ist. Die Funktion, die das Ungleichgewicht schließt — einen Teil des sich zusammenziehenden Tails einfriert und net-neue Requisitionen im expandierenden Tail bei derselben Total-Headcount-Envelope öffnet — hat gerade die Umlenkung ausgeführt, für die die Daten argumentieren, ohne einen zusätzlichen Dollar Compensation-Budget auszugeben.
Augmentation-Training dort finanzieren, wo die Lohnprämie bereits eingepreist ist
Das zweite Teil: Für die überlebenden Rollen im sich zusammenziehenden Tail (die 60–80 % des Headcounts, die die Daten nicht als verschwindend prognostizieren) KI-Augmentation-Training gegen das Lohnprämien-Signal finanzieren. Die Prämie von 15–22 %, die externe Kandidaten verlangen, ist der vom Markt veröffentlichte Preis für den Skill — internes Training, das diese Lücke in 90 Tagen schließt, ist per Inspektion hoch-ROI. Die Kosten sind begrenzt: Die meisten Enterprise-Augmentation-Curricula kosten 800–1.500 $ pro FTE für den Foundation-Tier, und der Break-even liegt bei etwa 4–6 Monaten gegenüber der in derselben Literatur dokumentierten Produktivitätssteigerung.
Das Teil, das die meisten Funktionen überspringen, ist die augmentierte Rolle explizit zu benennen. Das Training funktioniert strukturell, wenn die Post-Training-Rolle umgeschrieben wird — neuer Titel, neue Compensation-Bande, die einen Teil der Marktprämie einfängt, neue Performance-Kriterien, die die Augmentation-Aufgaben als Teil der Rolle benennen statt als diskretionärer Side-Effort. Ohne die Rolle-Umschreibung ist das Training berufliche Entwicklung, die die Funktion bezahlt und der Markt einfängt. Mit der Umschreibung fängt die Funktion die Lohnprämie intern ein, und die veröffentlichte Compensation-Seite des Teams sagt dem Kandidaten-Pool, dass Augmentation eingepreist wurde (NBER Working Papers).
Den Cross-Profile-Screen auf die Incumbents des sich zusammenziehenden Tails öffnen
Das dritte Teil: Bevor irgendeine Rolle des sich zusammenziehenden Tails durch Attrition oder Restrukturierung geschlossen wird, einen psychometrischen und Skill-Adjazenz-Screen auf die Incumbents fahren, um herauszufinden, welche glaubwürdig in die Rollen des expandierenden Tails wechseln können. Die Scovai-Linse hier ist die operative — die Kandidaten, von denen die Daten sagen, sie könnten wechseln, sind nicht immer diejenigen, die der Line Manager nominiert hätte, weil die Line-Manager-Nominierung in Richtung der Erfolgskriterien der Legacy-Rolle voreingenommen ist, nicht in Richtung der Zielrolle. Der Screen lässt das Cross-eligible Subset gegen die neuen Kriterien hervortreten, und die Funktion trifft die Redeployment-Entscheidung auf Daten statt auf Narrativ.
Die Cross-Profile-Ökonomie ist direkt. Die fully-loaded Kosten einer Senior-External-Hire in eine Rolle des expandierenden Tails liegen typischerweise bei 25.000–45.000 $ in Agenturgebühren und Ramp-Friktion für eine Mid-Market-Funktion; die Kosten der Umverlegung eines internen Incumbents, der den Cross-Profile-Screen besteht und einen 90-Tage-Augmentation-Track abschließt, sind ein Bruchteil davon, und die Time-to-Productivity ist etwa halb so lang. Der Screen bezahlt sich beim ersten erfolgreichen Cross. Funktionen, die ihn überspringen, machen standardmäßig externe Einstellungen gegen einen Kandidaten-Pool, der — laut der Lohnprämien-Evidenz — die teuerste Kohorte auf dem Arbeitsmarkt im Moment ist.
Das Gegenargument und warum die Daten es schließen
Das natürliche Gegenargument eines budgetgedrückten Mid-Market-COO: Die Dehouche-Übersicht ist ein einzelnes Paper, die Bifurkation generalisiert vielleicht nicht auf unseren Sektor, und der disziplinierte Zug ist, zwei weitere Quartale Evidenz abzuwarten, bevor Requisitionen umgeformt werden. Die Logik klingt geduldig und produziert das falsche Ergebnis.
Die Dehouche-Daten sind direkt zum Timing. Die Kontraktion von −14 % bis −41 % wurde über 2022–2024 gemessen — die Bifurkation ist keine vorwärtsgerichtete Prognose, der die Funktion voraus sein könnte. Sie ist eine rückwärtsgerichtete Messung, der die Funktion derzeit hinterherhinkt. Ein Q3-2026-Plan, der gegen Rollen-Mix-Annahmen von 2022 zurückbackfilled, staffed für einen Arbeitsmarkt, der bereits zu Ende verschoben ist. Die +26 %-Expansion in adjazenten Rollen und die 15–22 %-Augmentation-Prämie clearen den Markt bereits seit 18–24 Monaten in großem Maßstab. Die Funktion, die zwei weitere Quartale wartet, bevor sie umformt, ist nicht konservativ. Sie ist zwei Jahre im Rückstand.
Eine schärfere Version des Gegenarguments: Selbst wenn die Bifurkation auf Makro-Ebene real ist, könnte unser spezifischer Sektor sie nicht zeigen, und die Kosten einer mistimed Umformung sind hoch. Die Dehouche-Synthese schließt auch dies. Der 94-Studien-Pool umfasst Software, professionelle Dienstleistungen, Finanzdienstleistungen, Gesundheitsverwaltung und Customer Operations — der methodische Grund für die systematische Übersicht ist genau, sektorale Variation zu testen, und das Bifurkationsmuster überlebt das Screening über alle fünf Cluster hinweg. Mid-Market-Sektoren, die denken, sie seien isoliert, sind diejenigen, die die Übersicht als bereits innerhalb des −23 %-Medians benennt, nicht außerhalb.
Die Q3-Entscheidung komprimiert auf eine Aktion
Für einen Head of Operations, der 2026-Mid-Market-Workforce-Pläne in den nächsten zwei bis drei Wochen finalisiert, komprimiert sich die Implikation auf eine Regel:
Bevor die Q3-Einstellungs-Envelope genehmigt wird, jede offene und ausstehende Requisition in sich zusammenziehend, expandierend oder adjazent reklassifizieren — und den Mix beim gleichen Total-Headcount umformen, Augmentation-Training gegen die veröffentlichte Lohnprämie finanzieren und den Cross-Profile-Screen auf den Incumbents des sich zusammenziehenden Tails durchführen, bevor irgendeine Rolle der Attrition geöffnet wird.
Die Triage-Kosten sind eine funktionsübergreifende Arbeitssitzung, eine Curriculum-Entscheidung und ein psychometrischer Durchgang über die Incumbent-Population. Die Downside-Kosten des Nicht-Triagierens — beim −23 %-Median, der +26 %-Expansion und dem 15–22 %-Lohnprämien-Signal, die Dehouche und Berkes jetzt in den peer-reviewten Record platziert haben — sind ein Q3-Plan, der den sich zusammenziehenden Tail im Tempo des Vorjahres einstellt, den expandierenden Tail durch Versäumnis einfriert und die Cross-Profile-Kosten 2027 zweimal zahlt, wenn die Funktion die augmentierten Rollen wieder aufbaut, die sie im Mai hätte öffnen sollen.
Die −23 %-Zahl ist nicht die Verdrängungs-Geschichte. Das darin verschachtelte +26 % ist es. Die Q3-Frage ist, ob die Requisitionen dieses Zyklus gegen den Rollen-Mix herausgehen, den das Schlagzeilen-Narrativ beschreibt, oder gegen den Rollen-Mix, den die peer-reviewte Evidenz jetzt benennt.
