Ökonom · Der Gelehrte der Knappheit – von Adam Smiths Stecknadelfabrik bis zum Entscheidungsraum der Zentralbank – musste immer noch vorhersagen, was kein Modell vollständig erfasst.
Dunklere Zellen bedeuten einen hoeheren Wert auf dieser Kennzahl.
WenigerMehr
Zuletzt geprueft Quellen und CreditsMediennachweisMethodik
Den Titel teilen drei große Bereiche: Akademiker, die forschen und lehren, politische Ökonomen bei Zentralbanken, Ministerien und Einrichtungen wie dem IWF sowie Ökonomen des Privatsektors bei Banken, Beratungsunternehmen und Technologieunternehmen. Die tägliche Arbeit ist überall ähnlich – Daten bereinigen, Modelle schätzen, schreiben und die Ergebnisse den Leuten erklären, die darauf reagieren müssen.
Nicht legal – der Titel ist überall ungeschützt. In der Praxis ähneln Forschungsstellen an Universitäten, Zentralbanken und internationalen Institutionen fast ausschließlich Doktoranden, während Ministerien, Geschäftsbanken und Beratungsunternehmen auf Master-Niveau einstellen und der Government Economic Service des Vereinigten Königreichs direkt nach einem Bachelor-Abschluss rekrutiert. Der Doktortitel ist eine Gewerkschaftskarte für den Forschungsbereich, nicht für den Beruf.
Nach Angaben des Bureau of Labor Statistics lag der US-Median im Jahr 2023 bei etwa 115.000 US-Dollar, wobei Ökonomen der Federal Reserve und des IWF darüber lagen und Chefökonomen großer Banken 500.000 US-Dollar oder mehr verdienten. Andernorts sind die Löhne nominell weitaus niedriger: Ein Regierungsökonom in Indien oder Brasilien verdient für die gleiche Arbeit nur einen kleinen Bruchteil des US-amerikanischen Lohns.
Streng genommen nein – es handelt sich um den Preis der Schwedischen Reichsbank für Wirtschaftswissenschaften zum Gedenken an Alfred Nobel, der 1968 von der schwedischen Zentralbank gestiftet und erstmals 1969 verliehen wurde, 68 Jahre nach den ursprünglichen Preisen. Es wird bei derselben Zeremonie in Stockholm mit dem gleichen Preisgeld verliehen, weshalb fast jeder, auch Ökonomen, nur Nobel sagt.
Als Königin Elizabeth II. im November 2008 die London School of Economics besuchte, fragte sie genau das. In der schriftlichen Antwort der British Academy wurde „ein Versagen der kollektiven Vorstellungskraft vieler kluger Leute“ dafür verantwortlich gemacht: Standardmäßige makroökonomische Modelle ließen das Finanzsystem einfach außen vor. Die Episode zwang das Bank- und Kreditwesen zurück in die Mainstream-Modelle, ein Wiederaufbau ist noch im Gange.
Ein Finanzanalyst bewertet bestimmte Unternehmen und Wertpapiere, um Investitionsentscheidungen zu treffen, und wird in der Regel durch das CFA-Programm zertifiziert. Ein Ökonom untersucht, wie sich ganze Systeme verhalten – Inflation, Beschäftigung, Handel, Armut – und stellt kausale Fragen dazu. Dementsprechend unterscheidet sich die Ausbildung: Analysten erlernen Buchhaltung und Bewertung, Ökonomen erlernen Ökonometrie und Modellierung, meist durch einen Master oder einen Doktortitel.
Ökonomen sind nach eigenen Angaben ungewöhnlich stark mit KI konfrontiert: Die Aufgabe besteht darin, zu lesen, zu programmieren, zu schätzen und zu schreiben – genau die Aufgaben, die große Sprachmodelle am besten bewältigen. Umfragen zum Berufsstand und seiner eigenen Automatisierungsforschung belegen, dass die Wirtschaftswissenschaften deutlich über dem Durchschnitt der Berufe liegen, und arbeitende Ökonomen stützen sich bereits täglich auf KI für Code, Literatursuche und erste Entwürfe.
Aber Belichtung ist kein Ersatz. Die Teile der Arbeit, die ihren Wert haben – die Auswahl der Frage, die Beurteilung, ob Variation wirklich exogen ist, und die Unterstützung von Ratschlägen, wenn ein Gouverneur oder Minister danach handelt – sind Urteils- und Rechenschaftsaufgaben, die aktuelle Systeme eher unterstützen als ausführen. Die realistische Prognose ist ein Beruf, der am Ende der Routine schrumpft, während seine Urteilsarbeit eher an Bedeutung gewinnt.
Ein erheblicher Teil des Arbeitstages – Datenvorbereitung, Routineschätzung, Diagrammerstellung, Literaturrecherche, erster Prosaentwurf, kurzfristige Prognosen – ist bereits automatisierbar, und ein Großteil davon ist in der Praxis bereits automatisiert. Was sich widersetzt, ist der Kern, für den ein Kunde tatsächlich bezahlt: Fragen formulieren, kausale Behauptungen zu beurteilen, Modelle mit der institutionellen Realität zu integrieren und sich die Beratung anzueignen. Etwa ein Drittel der Arbeit entfällt mittlerweile auf Maschinenarbeit; Das verantwortliche Urteil oben ist es nicht.
Bewertet nach den Aufgaben, nicht dem Berufstitel. Niedriger ist sicherer.
Berufe, die KI nicht übernehmen kann →Die Entscheidung darüber, was es wert ist, gemessen zu werden – welche Politik, welcher Spielraum, welcher Vergleich – ist der Schritt, bevor ein Instrument zum Einsatz kommt, und derjenige, bei dem ganze Forschungsprogramme und politische Aufrufe erfolgreich sind oder scheitern.
Krisen sind genau die Momente, in denen passende Beziehungen scheitern; Sowohl 2008 als auch die Pandemie belohnten Ökonomen, die über ihre Modelle hinausdenken konnten, obwohl die Modelle falsch waren.
Tarifausschüsse, Haushaltssachverständige und Sachverständige antworten namentlich für ihre Urteile; Bisher delegiert keine Institution eine Abstimmung, eine Kostenrechnung oder eine eidesstattliche Aussage an ein Modell.
Ratschläge sind nur dann wichtig, wenn ein Minister, ein Vorstand oder die Öffentlichkeit daran glaubt; Der Aufbau dieses Vertrauens – durch Briefings, Zeugenaussagen und klare Sprache – ist eine relationale Arbeit, die durch Automatisierung nicht erreicht wird.
Zu wissen, wie die Daten aufgebaut sind, wie sich die letzte Krise tatsächlich abspielte und was eine bestimmte Statistik in einem bestimmten Land vermisst, ist stillschweigendes Wissen, das Modelle nutzen, aber nicht erzeugen.
Das Formatieren der Ausgabe, das Entwerfen von Standardabschnitten und das Erstellen von Standarddiagrammpaketen – ein echter Bruchteil der Arbeitszeit junger Wirtschaftswissenschaftler – wird bereits durchgängig von Skripten und KI-Assistenten übernommen.
Das Zusammenführen von Datensätzen, das Standardisieren von Variablen und das Ausführen genau spezifizierter Regressionen wird zunehmend automatisiert; KI-Codierungsassistenten schreiben jetzt für genau diese Aufgaben brauchbare Stata, R und Python.
Große Sprachmodelle fassen Arbeitspapiere zusammen, bringen verwandte Literatur an die Oberfläche und produzieren kompetente erste Prosa-Entwürfe – wobei sie Aufgaben komprimieren, die wochenlange Zeit als wissenschaftlicher Assistent in Anspruch genommen haben.
Die Vorhersage von BIP und Inflation anhand hochfrequenter Daten ist bereits weitgehend ein Problem des maschinellen Lernens, und Zentralbanken führen solche Modelle routinemäßig durch; Die menschliche Rolle hat sich dahingehend verlagert, sie zu interpretieren und außer Kraft zu setzen.
Die Beweiseinheit verlagert sich von Befragungen tausender Personen hin zu ganzen Populationen von Steuerunterlagen, Transaktionen und Satellitenbildern – der Ansatz, mit dem das Opportunity Insights-Team von Raj Chetty die amerikanische Mobilität anhand anonymisierter IRS-Daten abbildete, die nun von Statistikämtern weltweit verbreitet werden.
Codierung, Literaturrecherche und Entwurf werden auf KI-Tools verlagert, wodurch die traditionelle Ausbildung zum Forschungsassistenten ausgehöhlt wird; Auf dem Gebiet wird aktiv darüber diskutiert, wie die nächste Generation handwerkliches Urteilsvermögen erlernen kann, wenn die Routinearbeit, die ihr beigebracht wurde, automatisiert wird.
In Anlehnung an Alvin Roths Manifest des Designökonomen verlagerte sich das Marktdesign vom Papier in die Produktion: Nierenaustauschalgorithmen, Frequenzauktionen und Online-Werbemärkte werden von Ökonomen aufgebaut und betrieben, wodurch sich das Prestige von der Erklärung von Volkswirtschaften auf deren Konstruktion verlagert.
Zentralbanken steuern Volkswirtschaften heute teilweise durch Sprache – Prognosen, Fan-Charts, Pressekonferenzen – und soziale Medien haben öffentliche Erklärungen zu einer Kernkompetenz gemacht; Der Beruf fördert zunehmend Ökonomen, die einen Raum einnehmen können, nicht nur einen Rückschritt.
Gestaltung von Auktionen, Preisen und Marktregeln innerhalb von Technologieunternehmen – ein Karriereweg, den es vor Googles Werbeauktionsarbeit unter Hal Varian kaum gab und der heute zu den größten Anlaufstellen für Doktoranden im Bereich der neuen Wirtschaftswissenschaften zählt.
Die Leitung von Nudge-Einheiten – eine Rolle, die erfunden wurde, als das britische Behavioral Insights Team 2010 im Kabinettsbüro gegründet wurde und seitdem von Dutzenden von Regierungen kopiert wurde – wendet Verhaltensökonomie und Studien auf Steuerbriefe, Renten und öffentliche Gesundheit an.
Bepreisung von Kohlenstoff, Modellierung von Übergangsszenarien und Stresstests von Finanzsystemen gegen Klimarisiken – eine Spezialität, die 2018 mit dem Nobelpreis von William Nordhaus gekrönt wurde und nun von Zentralbanken, Versicherern und Ministerien gleichermaßen gefordert wird.
Aufbau von Nowcasting-Systemen und Richtlinien-Dashboards aus Zahlungsdaten, Stellenausschreibungen und Satelliten-Feeds – die Grenzrolle zwischen Ökonometrie und maschinellem Lernen, für die Statistikämter und Fintech-Unternehmen am schnellsten neue Mitarbeiter einstellen.
Drei umkehrbare Linsen: erweitern, eine Scheibe ersetzen, oder Nische oeffnen. Lehrhilfen, keine Prognosen.
Rolle bleibt; KI beschleunigt Entwuerfe oder Recherche; Urteil bleibt menschlich.
Ein enges Aufgabenbuendel kann zuerst schrumpfen, waehrend angrenzendes Handwerk waechst.
Aufsicht und Integration koennen entstehen, wo KI-Output vertrauenswuerdig sein muss.
Die ehrliche Lektüre der Beweise zeigt, dass es sich bei der Wirtschaftswissenschaft um einen Beruf mit hohem Risiko und hohem Urteilsvermögen handelt: Mehr seiner täglichen Aufgaben können automatisiert werden als in den meisten anderen Bereichen, und ein größerer Teil seines Wertes liegt in dem Rest, der nicht automatisiert werden kann. Die Routineebene – Reinigung, Codierung, Entwurf, Standardprognosen – wird schnell absorbiert, und die auf dieser Ebene aufbauenden Einsteigerrollen werden dünner.
Was sich ausdehnt, ist der Einfluss der Urteilsebene. Ein Wirtschaftswissenschaftler kann mit KI-Unterstützung mehr Spezifikationen testen, mehr Literatur lesen und mehr Szenarien erstellen, als es ein ganzes Team vor einem Jahrzehnt konnte – aber die Wahl der Frage, das kausale Urteil und der Rat tragen immer noch einen menschlichen Namen. Institutionen, die Entscheidungen auf der Grundlage wirtschaftlicher Analysen treffen, zeigen keine Tendenz, diesen Namen zu streichen.
Der Präzedenzfall, an den man sich erinnern sollte, ist, dass Ökonomen schon früher ihre eigene Automatisierung übernommen haben: Der elektronische Computer verdrängte die Rechenangestellten des Berufs und machte die Ökonometrie zu einer Industrie; Billige Regressionssoftware hat die Schätzung demokratisiert und die Prämie für das Wissen, was geschätzt werden soll, erhöht. Bei KI handelt es sich um das gleiche Geschäft in größerem Maßstab – weniger Hände auf die Daten, mehr Gewicht auf dem Urteil.
Die nächsten Nachbarn im Sechs-Werte-Profil — nicht nur im selben Feld.
Berät Mandanten, verfasst die Dokumente, die sie binden, und vertritt ihren Fall vor Gericht — und haftet dabei persönlich, wenn der Rat falsch war.
KI-resistent 58 💊Der Arzneimittelexperte hinter jedem Rezept — von Bagdads ersten Arzneiläden und dem Mörser des Apothekers bis zu Morphin, Artemisinin und der modernen Apotheke.
KI-resistent 58 🛰️Entwirft, analysiert und zertifiziert die Flugzeuge, Raketen und Raumfahrzeuge, die den Boden verlassen, und arbeitet dabei mit Sicherheitsmargen, die keinen Raum für Vermutungen lassen.
KI-resistent 74 🧫Verwendet klinische Daten, Studiendaten und Daten des Gesundheitssystems, um zuverlässige Beweise für eine sicherere Pflege, Forschung und betriebliche Entscheidungen zu generieren.
KI-resistent 68 🦾Entwirft die Maschinen, die die physische Welt wahrnehmen, entscheiden und in ihr handeln — das schwere Problem war nie Intelligenz, sondern die Welt selbst.
KI-resistent 65 🌿Leitet Strategie, Messung und Berichterstattung, mit denen Organisationen Umwelt- und Sozialschäden verringern und zugleich geschäftliche Pflichten erfüllen.
KI-resistent 66Die Person, die das Unternehmen gründet – die die Lücke erkennt, das Risiko trägt und für die Lohn- und Gehaltsabrechnung verantwortlich ist, vom assyrischen Karawanenfinanzierer bis zum risikokapitalfinanzierten Grün…
KI-resistent 88 💹Der Dealmaker, der Unternehmen Preise festlegt und Kapital bewegt – ein Geschäft, das von Medici Florence bis zu den heutigen Pitch Decks reicht, bezahlt für Vertrauen, wenn Milliarden den Besitzer wechseln.
KI-resistent 42 🧾Der Hüter der Bücher: Erbe eines Handwerks, das so alt war, dass es das Schreiben selbst erfand und jetzt mit der Software verhandelt, die entwickelt wurde, um es zu automatisieren.
KI-resistent 35 📣Die Person, die Nachfrage schafft — von Pompejis bemalten Wänden und P&Gs Markenmann-Memo von 1931 bis zu den auktionsgetriebenen Feeds des digitalen Zeitalters.
KI-resistent 38 🗺️Entscheidet, was ein Unternehmen als Nächstes bauen soll und warum — verwandelt Kundenbedürfnisse, Unternehmensziele und technische Grenzen in einen gemeinsamen Plan, den sonst niemand vollständig besitzt.
KI-resistent 50 🌿Leitet Strategie, Messung und Berichterstattung, mit denen Organisationen Umwelt- und Sozialschäden verringern und zugleich geschäftliche Pflichten erfüllen.
KI-resistent 66