Solomons Urteil in Davos 2026: Die "Job-Apokalypse" ist ein Mythos, aber der harte Alltag ist real

Davos, Schweiz — 24. Januar 2026 — Zwischen den schneebedeckten Gipfeln und der hochrangigen Diplomatie des Weltwirtschaftsforums vollzieht sich ein deutlicher Erzählwandel in Bezug auf Künstliche Intelligenz (Artificial Intelligence). Jahrelang dominierte die Angst vor einer unmittelbaren, katastrophalen Verdrängung — die "AI Job Apocalypse". Aus dem Zentrum von Davos jedoch hat Goldman Sachs-CEO David Solomon dieses Weltuntergangsszenario klar zurückgewiesen. Seine Botschaft an die globale Elite fußt auf einem Pragmatismus, den nur wenige Jahre tatsächlicher Implementierung bieten können: Die Einführung von KI erweist sich als deutlich schwieriger, langsamer und komplexer als der anfängliche Hype suggerierte, und ihr primäres Ergebnis wird vermutlich Kapazitätserweiterung statt Massenarbeitslosigkeit sein.

Während die Branche von der "Wow"-Phase der generativen KI (Generative AI) in die "Wie"-Phase der Unternehmensintegration übergeht, spiegeln Solomons Kommentare einen wachsenden Konsens unter Top-Führungskräften wider. Die Reibungen bei der Umsetzung in der Praxis — von regulatorischen Hürden über Daten Governance bis hin zu Überholungen alter Systeme — wirken als natürliche Bremse für die theoretische Geschwindigkeit der Disruption.

Der Reibungsfaktor: Warum die Einführung hinter dem Hype zurückbleibt

Die Erzählung der Jahre 2023 und 2024 versprach eine reibungslose Revolution, in der KI-Agenten menschliche Arbeitsabläufe über Nacht nahtlos ersetzen würden. Im Jahr 2026 sieht die Realität ganz anders aus. Solomon argumentierte, dass zwar das Potenzial der Technologie revolutionär bleibe, das Tempo der unternehmerischen Aufnahme jedoch strukturellen Gegenwind erfahre.

"Das Tempo der Investitionen wird weiter zunehmen", bemerkte Solomon unter Verweis auf die massiven Investitionen der Hyperscaler. "Aber ob Nachfrage und Adoption den aktuellen Erwartungen entsprechen werden, ist unsicher, und wir könnten im Laufe des Jahres eine Ernüchterung erleben."

Diese "Ernüchterung" entspringt den operativen Gräben. Die Integration von Large Language Models (LLMs) in stark regulierte Branchen wie das Bankwesen erfordert ein Maß an Präzision und Sicherheit, das Aus-der-Schachtel-Modelle selten bieten. Solomon hob hervor, dass Unternehmen entdecken, dass das "Unterlegen neuer Prozesse" mit KI teuer und zeitaufwendig ist. Die "Beraterhonorare" und die "monatlichen Kosten" für unternehmensgerechte Rechenkapazitäten sind erheblich, sodass die ROI-Berechnung nicht so einfach ist wie das Ersetzen eines Gehalts durch ein Softwareabonnement.

Wesentliche Engpässe, die in Davos 2026 identifiziert wurden:

• Integrationskomplexität: KI an Altdatenbanken anzubinden, ohne diese zu beschädigen.
• Regulatorische Compliance: Sicherstellen, dass KI-Entscheidungen strengen finanziellen und rechtlichen Standards entsprechen (z. B. in Europa).
• Prozess-Neugestaltung: Die Erkenntnis, dass man KI nicht einfach in einen schlechten Prozess stecken kann; der Prozess muss zuerst neu aufgebaut werden.

Kapazität statt Abbau: Die "One GS 3.0"-Strategie

Vielleicht das überzeugendste Argument Solomons gegen die Erzählung vom "Jobverlust" ist die interne Strategie von Goldman Sachs mit dem Namen "One GS 3.0". Anstatt KI als Instrument zur Reduktion von Personal zu sehen, nutzt die Bank sie, um sechs wesentliche Geschäftsprozesse zu überholen, darunter die notorisch personalintensiven Abläufe zur Know Your Customer (KYC)‑Prüfung und zur Kunden-Onboarding-Prozedur.

Das Ziel, betonte Solomon, sei die Erhöhung der Unternehmenskapazität. In einer Welt, in der Datenmengen und regulatorische Anforderungen explodieren, sind die menschlichen Teams stark ausgelastet. KI ermöglicht es derselben Anzahl von Mitarbeitenden, das Zehnfache an Arbeitsvolumen zu bewältigen, und löst damit effektiv eine Ressourcenknappheit, anstatt ein Arbeitskräfteüberangebot zu schaffen.

"Wenn wir das richtig umsetzen, erwarte ich keinen signifikanten Rückgang unserer Belegschaft", erklärte Solomon. Das stimmt mit dem wirtschaftlichen Konzept des Jevons-Paradoxon (Jevons Paradox) überein: Wenn Technologie die Effizienz erhöht, mit der eine Ressource (Arbeit) genutzt wird, steigt der Gesamtverbrauch dieser Ressource eher, als dass er sinkt. Durch die Automatisierung der lästigen Aufgaben bei Compliance und Dateneingabe will Goldman Sachs seine Belegschaft freisetzen, damit sie sich um umsatzgenerierende Chancen kümmern kann, die zuvor wegen fehlender Kapazitäten ignoriert wurden.

Die Entkräftung des "Einstellungs-Albtraums"

Ein großer Teil der Angst bis 2026 drehte sich um einen "Einstellungs-Albtraum" — ein Szenario, in dem Junior-Rollen verschwinden und so eine "verlorene Generation" von Arbeitnehmern entsteht, die keine Erfahrungen sammeln kann. Solomon wies dies zurück und schlug vor, dass sich die Definition von Talent schlicht verändert.

Die Befürchtung war, dass KI "arbeitslose Expansion" erzeugen würde, bei der die Produktion stark steigt, während die Beschäftigung stagniert. Stattdessen verzeichnet der Markt eine Verschiebung hin zu "hochwertigem Talent". Die Nachfrage nach Personen, die die Lücke zwischen finanziellem Fachwissen und KI-Implementierung überbrücken können, steigt rasant. Der "Albtraum" betrifft nicht die Arbeitnehmer, sondern die Arbeitgeber, die verzweifelt versuchen, solche Fachkräfte zu finden.

Solomons Sicht deutet darauf hin, dass die Eintrittsbarriere für Junior-Banker steigen könnte und ein höheres Maß an technischer Grundkompetenz verlangt wird, doch die Rollen selbst verschwinden nicht. Sie wandeln sich von routinemäßiger Analyse zu strategischer Aufsicht — eine Verschiebung, die letztlich dem Mitarbeitenden zugutekommt, sofern er sich anpassen kann.

Mythos vs. Realität: Der Arbeitsmarkt für KI 2026

Um die Kluft zwischen der früheren Angstmacherei und den aktuellen Daten zu verdeutlichen, haben wir die Kernpunkte von Solomons Rede den verbreiteten Mythen gegenübergestellt.

Table 1: The AI Labor Landscape – Expectation vs. Execution

Der langfristige wirtschaftliche Blick

Solomon sprach auch die breiteren wirtschaftlichen Implikationen dieser "langsamer-aber-tieferen" Einführungskurve an. Während die USA strukturelle Rückenwinde durch fiskalische Stimuli und anhaltende Ausgaben für KI-Infrastruktur sehen (die 2025 über 1 % des BIP ausmachten), bleibt das wirtschaftliche Umfeld robust.

Er warnte jedoch vor der Unterscheidung zwischen Infrastrukturaufbau (dem Kauf der Chips) und Anwendungswert (dem Geldverdienen mit den Chips). Erstere boomt; letztere befindet sich noch in einer Phase der "kreativen Zerstörung". "Es wird Gewinner und Verlierer geben", räumte Solomon ein, und deutete an, dass Unternehmen, die ohne klare Kapazitätsstrategie überinvestiert haben, eine Abrechnung erwarten könnte.

Schlussfolgerung: Die langweilige Wahrheit ist gute Nachrichten

Für die Leserinnen und Leser von Creati.ai ist die Erkenntnis aus Davos 2026 erfrischend bodenständig. Sensationelle Schlagzeilen über Roboter, die in Arbeitslosenbüros Schlange stehen, weichen der mühsamen, schwierigen Realität der Unternehmenssoftware-Integration.

Goldman Sachs, ein Gradmesser für die Weltwirtschaft, setzt auf eine Zukunft, in der KI die Arbeit kurzfristig härter macht (aufgrund der Umsetzungsprobleme), langfristig aber wertvoller. Die "Job-Apokalypse" wurde auf unbestimmte Zeit verschoben, abgesagt durch die schiere Komplexität der realen Welt. An ihre Stelle tritt eine neue Herausforderung: das Rennen darum, die Kapazität aufzubauen, die Werkzeuge zu nutzen, die wir geschaffen haben.