NexFuture™ erklärt: Was der Future Index wirklich aussagt

Die Zukunft der Arbeit wird oft auf zwei schlechte Arten beschrieben.

Entweder wird sie wie ein Katastrophenfilm behandelt — jeder Beruf steht kurz vor dem Verschwinden — oder sie wird wie ein Buffet von Modewörtern präsentiert, voll von vagen Behauptungen über „die Zukunft“ ohne echte Belege.

NexFuture™ ist die Markenbezeichnung von NexPath für den NexPath Future Index (NFI). Er wurde entwickelt, um dieses Gespräch praktischer zu gestalten.

Er bietet eine strukturierte Möglichkeit zu verstehen, wie sich Berufe im Laufe der Zeit verändern werden, welche Teile einer Rolle anfälliger für Automatisierung sind und welche Teile durch menschliche Stärken verankert bleiben.

Mit anderen Worten: Er ist keine Kristallkugel. Er ist eine Entscheidungshilfe.

NexFuture™ fragt nicht: „Wird dieser Beruf verschwinden?“

Er fragt: „Wie wird dieser Beruf in 10–20 Jahren aussehen und was sollten wir jetzt tun?“

Die fundamentale Änderung: ESCO-natives Foresight (v3.0)

In seiner früheren Version (v2.0) verließ sich NexFuture™ darauf, ESCO-Berufe auf O*NET-Profile abzubilden, um Fähigkeits- und Arbeitsaktivitätsdaten zu importieren. Dieser Ansatz wies jedoch Einschränkungen auf: Nur etwa 30 % der weltweiten Berufe hatten eine native O*NET-Abdeckung, und physische/sicherheitskritische Rollen (wie Feuerwehrleute) wurden aufgrund von Rohwerten für physische Fähigkeiten oft fälschlicherweise als hochgradig automatisierbar eingestuft.

Mit NexFuture™ v3.0 is das System vollständig ESCO-nativ.

Anstatt über externe Proxys zu gehen, werden die NFI-Werte direkt aus der ESCO-Fähigkeitszusammensetzung jedes Berufs für alle 3.039 standardisierten EU-Berufe berechnet. Durch die Auswertung der für jede Rolle definierten wesentlichen (essential) und optionalen (optional) Fähigkeiten erreicht das Modell eine 100 % native Abdeckung und eine deutlich verbesserte Plausibilität. Praktische, sicherheitskritische und pflegende Berufe werden nun korrekt als gering exponiert identifiziert, während routinemäßige Informationsverarbeitungsrollen für eine berufliche Neuorientierung markiert werden.

Architektur: Kern vs. Aufgeschobene Nachfrage

NexFuture™ v3.0 trennt die Berufsprognose in zwei klar abgegrenzte Schichten:

1. KERN (Globale Automatisierungs- & Resilienzprognose): Dies ist eine standortunabhängige Metrik. Sie misst, wie stark die Aufgaben einer Rolle von Automatisierung bedroht sind, wie beständig ihr Kern an menschlichen Fähigkeiten ist und wie bald eine strukturelle Transformation zu erwarten ist.
2. NACHFRAGE (Standortabhängige Wachstumsprognose - AUFGESCHOBEN): Diese Schicht basiert auf regionalen Arbeitsmarktdaten (lokale Stellenangebote, Lohntrends und regionale Wirtschaftspolitik) und beantwortet die Frage, ob ein bestimmter Markt mehr von diesem Beruf benötigt. Da dies von der Geografie abhängt (z. B. Pflegebedarf in alternden Gesellschaften), wird die Nachfrageschicht auf standortspezifische Datensätze aufgeschoben und fließt nicht in den globalen Kernindex ein.

Wie der Kernwert berechnet wird

Der NFI-Kernwert basiert auf der nach der Fähigkeitsmasse gewichteten durchschnittlichen Automatisierbarkeit der wesentlichen und optionalen Fähigkeiten eines Berufs.

Jede der 13.492 verschiedenen ESCO-Fähigkeiten ist einer bestimmten Fähigkeitsgruppe zugeordnet (z. B. Beraten, Berechnen, Konstruieren). Jede Gruppe trägt einen festen Automatisierbarkeitskoeffizienten (0 bis 1), der auf der Automatisierungsforschung basiert (Frey & Osborne, Autor, Eloundou et al.).

• Fähigkeitsmasse: Wesentliche Fähigkeiten tragen ein Gewicht von 1.0 bei; optionale Fähigkeiten 0.5. Dieses Gewicht wird weiter anhand der Wiederverwendbarkeit der Fähigkeit skaliert (berufsspezifische Fähigkeiten haben ein höheres Gewicht, während transversale Fähigkeiten ein geringeres Gewicht haben).
• Kernwert: Der rohe durchschnittliche Koeffizient wird berechnet und auf eine Skala von 0–1 normiert: [\text{Rohe Exposition} = \frac{\sum (\text{Automatisierbarkeit} \times \text{Masse})}{\sum \text{Masse}}] Diese rohe Exposition wird dann auf die endgültige Skala von 0.0 (minimale Exposition) bis 1.0 (maximale Exposition) abgebildet.

Die vier Technologievektoren

Um Anwendern zu helfen zu verstehen, woher der Automatisierungsdruck kommt, zerlegt der NFI die Exposition basierend auf den beteiligten primären Fähigkeitsgruppen in vier Technologieklassen:

• Robotergestützt-physisch (Robotic Physical): Phische Automatisierung, Maschinenbedienung, Bauwesen und manuelle Tätigkeiten (verankert in den ESCO-Gruppen S6, S7 und S8).
• Kognitive Software (Cognitive Software): Workflow-Automatisierung, Dokumentenverwaltung, Tabellenkalkulationen und administrative Bearbeitung (verankert in Wissensbereichen der Betriebswirtschaft und Verwaltung).
• KI / ML: Mustererkennung, analytische Verarbeitung, Datenwissenschaft und Systemadministration (verankert in den analytischen und IT-Gruppen S2, S5 und 06 der ESCO).
• Generative KI: Inhaltserstellung, Entwurfserstellung, Kommunikation, künstlerisches Schaffen und sprachintensive Aufgaben (verankert in den ESCO-Gruppen S1, 02 und 03).

Durch die Aufteilung des Werts in diese Vektoren kann ein Lernender sehen, ob eine Rolle physischem Automatisierungsdruck, administrativen Softwareänderungen oder einer Erweiterung durch Generative KI ausgesetzt ist.

Automatisierungs-Resilienzprognose & Tiers

Das Gegenstück zur Exposition ist Resilienz — ein Maß dafür, wie beständig der menschliche Kern eines Berufs ist. Sie wird berechnet, indem der Kehrwert des Expositionswerts gebildet und basierend auf der Dichte menschzentrierter Fähigkeiten angehoben wird:

[\text{Prognose} = 0.80 \times (1 - \text{Exposition}) + 0.12 \times \frac{\text{Wesentliche transversale Fähigkeiten}}{\text{Wesentliche Fähigkeiten gesamt}} + 0.08 \times \frac{\text{Wesentliche Pflege-/Hilfsfähigkeiten}}{\text{Wesentliche Fähigkeiten gesamt}}]

Diese Prognose teilt die Berufe in drei verteilungsrelative Stufen ein (Terzile über die gesamte Datenbank von 3.039 Berufen):

• Hoch (Hohe Resilienz / Zukunftstark - Top): Berufe mit einem starken menschlichen Kern, hoher Koordination oder komplexen Pflegeanforderungen (z. B. Hebammen, leitende Manager, Sonderpädagogen).
• Mittel (Im Wandel - Mid): Berufe, die erhebliche Änderungen der Arbeitswerkzeuge erfahren werden, aber sehr anpassungsfähig sind (z. B. Softwareentwickler, Grafikdesigner).
• Niedrig (Gefährdet - Bottom): Berufe, die stark der Automatisierung ausgesetzt sind und eine aktive Übergangsplanung und Weiterbildung erfordern (z. B. Abrechnungssachbearbeiter, Datentypisten). Die alte Stufe „Kritischer Übergang“ wurde hier konsolidiert.

Die Transformations-Zeitlinie

Mithilfe des Kern-Expositionswerts berechnet NexFuture™ eine zentrale Schätzung der Anzahl der Jahre, bis der Beruf vor einer umfassenden Transformation auf Aufgabenebene steht:

[\text{Geschätzte Jahre} = 20 - (15 \times \text{Exposition})]

• Rollen mit hoher Exposition: Stehen innerhalb von 7 bis 11 Jahren vor signifikanten Änderungen.
• Rollen mit geringer Exposition: Bleiben strukturell stabil, wobei sich die Zeitlinien auf 16 bis 20 Jahre erstrecken.

Warum dies wichtig ist

NexFuture™ v3.0 bietet ein realistisches, erklärbares Modell für die Zukunft der Arbeit:

• Für Lernende: Es verschiebt das Gespräch von Panik („Wird mein Job verschwinden?“) hin zu Planung („Auf welche Fähigkeiten sollte ich mich konzentrieren, um meine Resilienz zu stärken?“).
• Für Berater: Es bietet klare, datengestützte Argumente, um zu erklären, warum sich ein Karriereweg verändert, und hilft dabei, angrenzende, resilientere Übergänge vorzuschlagen.
• Für Arbeitgeber: Es unterstützt die Personalentwicklung, indem es zeigt, welche Rollen Umschulungsunterstützung benötigen.

Durch die Verankerung jedes Werts in ESCO-Fähigkeitsbeziehungen und den Verzicht auf generische Platzhalter bleibt NexFuture™ v3.0 eine ehrliche und umsetzbare Entscheidungshilfe für die moderne Arbeitswelt.