# openai-work-at-the-frontier-task-crossover-2026-07-27

## Veille

Beitrag und Bericht von **OpenAI Economic Research**, veröffentlicht am **27. Juli 2026**, erste Folge der Reihe **Work at the Frontier**, basierend auf der Analyse von **mehr als 800.000 Nachrichten von US-amerikanischen ChatGPT-Nutzern**. **Geprägter Begriff**: ***task crossover*** — *« Arbeit, die historisch mit einem Beruf verbunden ist und in der KI-Nutzung von Personen eines anderen Berufs auftritt »*. **Die Schlagzeilenzahl ist eigentlich zwei Zahlen, und genau das geht in der Berichterstattung verloren**: **16,8 % der arbeitsbezogenen Nachrichten** betreffen Aufgaben, die einem anderen Beruf zugeordnet sind, sowie **43,5 % der berufsspezifischen Nachrichten**. Der Trichter erklärt die Diskrepanz: **61,5 % der Nutzung sind generisch** (Schreiben, Zusammenfassen, Planen — zu breit verteilt, um als Beleg für Crossover zu gelten) und werden ausgeschlossen; von den **verbleibenden 38,5 %** liegen **43,5 % außerhalb des Berufs**, und 56,5 % sind *« innerhalb **oder in der Nähe** »* — die Obergrenze wird also auf einer reduzierten Basis berechnet, während die Untergrenze auf der gesamten beruflichen Nutzung berechnet wird. **Nach Beruf** (Anteil der berufsspezifischen Nachrichten, die auf eine fremde Aufgabe verweisen): Kundenerfahrung **77 %**, Design **75 %**, Personalwesen **69 %**, Recht **56 %**, Marketing **53 %**, Vertrieb **40 %**, Finanzen **40 %**, Engineering **28 %** — *« eine Mehrheit in fünf von acht Gruppen »*. **Zwei unterschiedliche Zirkulationsrichtungen**: Design **importiert** (35,2 %) und **exportiert** fast nichts (1,7 %); Engineering verhält sich umgekehrt (Import 18,5 %, Export 7,4 %); **Marketing tut beides** (Import 24,3 %, Export **8,9 %**, der höchste Exportanteil in der Stichprobe). **Zwei Aufgaben erscheinen in den Top 3 der Entlehnungen für die übrigen sieben Gruppen**: **Finanzberechnung** und **Fehlerbehebung bei Technologie**. **Die Heatmap, in der Berichterstattung nicht erwähnt, ist das ergiebigste Element**: Sie liefert die vollständige Verteilung der Aufgaben nach Beruf des Nutzers, und ihre Diagonale ist auffällig — Engineering behält **53 %** der eigenen Arbeit, während Kundenerfahrung nur **11 %**, Personalwesen **10 %** und Design **12 %** behalten. **Größeneffekt**: Der Anteil außerhalb des Berufs sinkt von **18,9 %** (2-5 Beschäftigte) auf **16,3 %** (>100 Beschäftigte) — **aber nur « bei durchschnittlichen Nutzern »**, wobei OpenAI präzisiert, dass *« bei den intensivsten Nutzern zeigt sich nicht dasselbe monotone Muster »*, und schlussfolgert bedingt: *« KI **könnte** besonders nützlich als generalistisches Werkzeug sein, wo spezialisierte Ressourcen knapp sind. »* **Beanspruchter Status**: ein **frühes Signal**, sichtbar *« bevor Unternehmen Stellenbeschreibungen umschreiben oder neue Berufsbezeichnungen schaffen »*. **Struktureller Vorbehalt**: OpenAI misst die eigene Nutzung von OpenAI, ausschließlich bei US-amerikanischen ChatGPT-Nutzern, und stellt diese Position als Vorteil dar — *« unser einzigartiges Fenster darauf, wie sich die Arbeitswelt verändert »*.

## Titre Article

How AI is expanding what people do at work (Work at the Frontier, rapport 1)

## Date

2026-07-27

## URL

https://openai.com/index/how-ai-is-expanding-what-people-do-at-work/

## Keywords

OpenAI Economic Research, Work at the Frontier, task crossover, Aufgabenüberlauf, berufliche Durchlässigkeit, 800.000 Nachrichten, ChatGPT, US-Nutzer, arbeitsbezogene Nachrichten, berufsspezifische Nachrichten, generische Aufgaben, Berechnungsbasis, methodischer Trichter, innerhalb oder in der Nähe, Kundenerfahrung, Design, Personalwesen, Recht, Marketing, Vertrieb, Finanzen, Engineering, Aufgaben-Import/-Export, Heatmap, Diagonale, Verbleib im eigenen Beruf, Finanzberechnung, Fehlerbehebung bei Technologie, Erstellung von Marketingmaterial, Organisationsgröße, Beschäftigtenzahl, durchschnittliche Nutzer, intensive Nutzer, nicht-monotones Muster, Generalist, spezialisierte Ressourcen, AI Jobs Transition Framework, berufliche Reorganisation, frühes Signal, Stellenbeschreibungen, Berufsbezeichnungen, Arbeitsmarktstatistiken, Arbeitsteilung, Quellenverzerrung, anbieterseitige Messung

## Authors

**OpenAI Economic Research** — équipe de recherche économique d'OpenAI ; la page crédite simplement *« OpenAI »* et la classe sous les tags *Economic Research* et *2026*. Le billet est la porte d'entrée d'un **rapport PDF** (`work-at-the-frontier-report.pdf`) et s'adosse à un cadre antérieur de la même équipe, l'**AI Jobs Transition Framework**, dont il reprend la thèse que de nombreux métiers vont **se réorganiser** plutôt que disparaître.

**Position à connaître** : l'éditeur mesure l'usage de son propre produit et en fait explicitement un argument — *« Using our unique window into how the world of work is changing, we will offer regular data-driven insights based on evidence to guide policy and practice. »* La visée est déclarée : **orienter la politique publique et la pratique**.

## Ton

**Profil**: institutioneller Forschungsbeitrag, nüchternes und methodisches Register, das als öffentliche Zusammenfassung eines PDF-Berichts dient. Weder eine Produktankündigung noch ein Meinungsbeitrag — eine **Erkenntnisnotiz**, gegliedert in vier Abschnitte, deren Überschriften die Schlussfolgerungen sind (*« Nearly half of occupation-specific AI use crosses job boundaries »*, *« Some tasks travel farther than others »*, *« More task crossover in small businesses »*, *« The task list itself is changing »*).

**Stil**: **Der von Anfang an gesetzte methodische Gegenpunkt** ist der strukturierende Kunstgriff. *« Viele Studien zu KI und Arbeit gehen von einer festen Liste von Aufgaben aus, die mit einem bestimmten Beruf verbunden sind, und fragen, ob Modelle sie ausführen können. Unsere Belege deuten darauf hin, dass KI auch verändert, wer welche Aufgaben übernimmt. »* Gemessen wird nicht die Substituierbarkeit eines Berufs, sondern die **beobachtete Umverteilung** — eine beanspruchte Verschiebung des Gegenstands, und genau das verleiht dem Paper seinen Wert.

**Bemerkenswertes Merkmal: Vorsicht ist im Satz selbst verankert, nicht in eine Fußnote verbannt.** Die Einschränkungen werden im Moment der Ergebnisformulierung gesetzt — *« unsere neue Forschung **deutet darauf hin** »*, *« **Bei durchschnittlichen Nutzern** sinkt der Anteil außerhalb des Berufs… »*, *« Bei den intensivsten Nutzern **zeigt sich nicht dasselbe monotone Muster** »*, *« KI **könnte** besonders nützlich als generalistisches Werkzeug sein »*, *« Nutzungsmuster **könnten** ein frühes Signal liefern »*. Der Text behauptet fast nie, ohne einzugrenzen.

**Veranschaulichung durch konkrete Fälle vor den Zahlen**: Drei Vignetten eröffnen den Beitrag — der Kleinunternehmer, der seine Werbetexte schreibt, einen Vertrag prüft und eine Finanzanalyse durchführt; der Vertriebsmitarbeiter, der einen Kundendatensatz auswertet, *« der früher vielleicht an einen Analysten gegangen wäre »*; die Marketingfachkraft, die eine Website repariert, *« ohne auf einen Entwickler zu warten »*. Der Satz, der sie zusammenfasst, ist die These: *« KI verändert nicht nur, wie Arbeit erledigt wird, sondern wer sie erledigt. »*

**Signalsätze**: *« task crossover »*, *« wer was tut »*, *« manche Tätigkeiten, die früher eine Übergabe erforderten, können nun von der Person erledigt werden, die den Bedarf zuerst wahrnimmt »*, *« diese Berufe "entleihen" sich diese Aufgaben »*, *« bevor Unternehmen Stellenbeschreibungen umschreiben oder neue Berufsbezeichnungen schaffen »*.

## Pense-betes

- **Datum / Quelle**: **27. Juli 2026**, OpenAI Economic Research, erste Folge der Reihe *Work at the Frontier*, basierend auf mehr als **800.000 Nachrichten** von US-amerikanischen ChatGPT-Nutzern.
- **Zentrale Rahmung**: Das Paper fragt nicht, ob das Modell eine feste Liste von Aufgaben ausführen kann, sondern **wer was tut** — *« Unsere Belege deuten darauf hin, dass KI auch verändert, wer welche Aufgaben übernimmt. »* Es misst eine beobachtete Umverteilung, keine theoretische Substituierbarkeit. ### Die zwei Schlagzeilenzahlen, stets gemeinsam zu nennen **16,8 %** der arbeitsbezogenen Nachrichten **und 43,5 %** der berufsspezifischen Nachrichten. Der Trichter: **61,5 %** der beruflichen Nutzung sind generisch (Schreiben, Zusammenfassen, Planen — *« zu breit über die Berufe verteilt, um als Beleg für Crossover zu gelten »*) und werden aus der Berechnung entfernt; von den verbleibenden 38,5 % liegen 43,5 % außerhalb des Berufs. Die 43,5 % werden also auf Basis von 38,5 % der Nutzung berechnet, und ihre isolierte Nennung verdoppelt den Eindruck des Ausmaßes nahezu. Zusätzliche Nuance: Das Komplement ist nicht „innerhalb des Berufs“, sondern *« innerhalb **oder in der Nähe** des Berufs eines Nutzers »* — die gemessene Grenze ist konstruktionsbedingt unscharf. ### Nach Beruf, Anteil außerhalb des Berufs Kundenerfahrung **77 %** · Design **75 %** · Personalwesen **69 %** · Recht **56 %** · Marketing **53 %** · Vertrieb **40 %** · Finanzen **40 %** · **Engineering 28 %**. *« Arbeit außerhalb des Berufs stellt in fünf von acht Gruppen die Mehrheit. »* ### Die Heatmap, das ergiebigste Element des Berichts Zeilen = Beruf des Nutzers, Spalten = Herkunftsberuf der Aufgabe; Diagonale fett. | Nutzer ↓ / Aufgabe → | CX | Design | Eng. | Fin. | HR | Recht | Mktg | Vertrieb | |---|---|---|---|---|---|---|---|---| | **Kundenerfahrung** | **11** | 5 | 20 | 14 | 6 | 6 | **26** | 11 | | **Design** | 6 | **12** | **28** | 10 | 4 | 4 | **28** | 8 | | **Engineering** | 4 | 4 | **53** | 9 | 4 | 4 | 20 | 2 | | **Finanzen** | 6 | 4 | 22 | **23** | 4 | 8 | **25** | 7 | | **HR** | 9 | 5 | 18 | 16 | **10** | 10 | **23** | 9 | | **Recht** | 5 | 4 | 17 | 12 | 7 | **31** | 18 | 6 | | **Marketing** | 10 | 6 | 17 | 11 | 4 | 4 | **36** | 12 | | **Vertrieb** | 11 | 5 | 18 | 15 | 4 | 6 | **29** | **12** | Drei Lesarten, die der Text nicht anbietet. **Die Diagonale ist das eigentliche Ergebnis**: Engineering behält 53 % der eigenen Arbeit, Kundenerfahrung 11 %, HR 10 %, Design 12 %, Vertrieb 12 %. **Bei vier Berufen übersteigt die Marketing-Spalte die Diagonale** — ein Designer erledigt mehr Marketing-Aufgaben (28 %) und Engineering-Aufgaben (28 %) als Design-Aufgaben (12 %). **Zwei Spalten absorbieren fast alles**: Marketing (überall 18 bis 36 %) und Engineering (17 bis 53 %). Vorbehalt: Eine niedrige Diagonale bedeutet nicht, dass diese Beschäftigten ihre eigene Arbeit nicht mehr erledigen, sondern dass ihre nicht-generischen Nachrichten anderswo eingeordnet werden, auf einer Basis, die bereits 61,5 % der Nutzung ausschließt. Die für diese Berufe spezifischen Aufgaben sind möglicherweise genau jene, die als „generisch“ eingestuft werden. ### Zirkulationsrichtungen | Beruf | Importe | Exporte | |---|---|---| | Design | **35,2 %** | **1,7 %** | | Engineering | 18,5 % | 7,4 % | | Marketing | 24,3 % | **8,9 %** — *« der höchste Exportanteil in der Stichprobe »* | Marketing ist der einzige Beruf, der beides tut. Zwei Aufgaben werden universell entliehen — **Finanzberechnung** und **Fehlerbehebung bei Technologie** erscheinen in den Top 3 der Entlehnungen für die übrigen sieben Gruppen; die Erstellung von Marketingmaterial erscheint bei fünf weiteren Gruppen. ### Die Asymmetrie des Engineering Engineering ist zugleich der **am wenigsten poröse** Beruf (28 %, Import 18,5 %) und ein **bedeutender Exporteur** (7,4 %), mit der höchsten Diagonale (53 %). Die vielgerühmte Porosität verläuft also größtenteils einseitig in Richtung des technischen Bereichs: Andere Berufe übernehmen Fehlerbehebung und Arbeit an technischen Systemen, der umgekehrte Fall ist selten. KI verwässert Engineering nicht in andere Berufe hinein, sondern **verteilt Engineering-Aufgaben überallhin**, während Ingenieure bei ihrer Kernarbeit bleiben. ### Der Größeneffekt ist schwächer, als andernorts berichtet Die Verschiebung von **18,9 % auf 16,3 %** gilt ausschließlich *« bei durchschnittlichen Nutzern »*, und *« bei den intensivsten Nutzern zeigt sich nicht dasselbe monotone Muster »*. OpenAI bietet zwei mögliche Erklärungen an — moderate Nutzer in kleinen Organisationen greifen auf KI zurück, wenn sie auf Arbeit stoßen, die zu einer anderen Funktion gehört; intensive Nutzer verfügen über eingespielte Arbeitsabläufe oder nutzen KI intensiver **innerhalb** ihres Kernberufs. Die Schlussfolgerung bleibt bedingt: *« KI ist möglicherweise besonders nützlich als generalistisches Werkzeug, wo spezialisierte Ressourcen knapp sind. »* Korrektur zu [[sfeir-ia-frontieres-metiers-skill-based-organisation-2026-08-01]], das diese 2,6 Punkte als sauberes Ergebnis und die generalistische Schlussfolgerung als Feststellung behandelt: Die Quelle ist vorsichtiger als ihr Kommentar. ### Beanspruchter epistemischer Status Ein **frühes Signal**: Diese Daten erlauben es, Neukombinationen sichtbar zu machen *« bevor Unternehmen Stellenbeschreibungen umschreiben oder neue Berufsbezeichnungen schaffen »* und *« können ein frühes Signal für beruflichen Wandel liefern, das konventionelle Arbeitsmarktstatistiken erst später erfassen »*. Ein Frühindikator, kein Beschäftigungsmaß — er zeigt, was Menschen versuchen, nicht, was Organisationen ratifiziert haben. Das Paper stützt sich auf das **AI Jobs Transition Framework** desselben Teams, dessen These lautet, dass viele Berufe eher reorganisiert als verschwinden werden. ### Zugrunde liegende Vorbehalte
- **OpenAI misst OpenAI** — ein einzelner Assistent, ausschließlich die eigenen Nutzer, als Vorteil beansprucht (*« unser einzigartiges Fenster »*). Gemessen wird die ChatGPT-Nutzung, nicht die KI-Nutzung.
- **Ausschließlich US-Nutzer**, eine selbstselektierte Population, die nicht repräsentativ für die Erwerbsbevölkerung ist.
- **Die Klassifizierung der Berufe erfolgt durch ein Modell**, anhand von Nachrichten, ohne beschriebene externe Validierung. Die acht Kategorien und die Grenze generisch/spezifisch sind Gestaltungsentscheidungen, die die Ergebnisse mechanisch bestimmen — hier entscheidet sich tatsächlich die Robustheit der 43,5 %.
- **Erklärtes Ziel**: *« Politik und Praxis anzuleiten »*. Ein Akteur, der die Daten zur eigenen Wirkung selbst produziert und öffentliche Politik mitgestalten will.

## RésuméDe400mots

Erste Folge der Reihe **Work at the Frontier** von **OpenAI Economic Research** (27. Juli 2026), basierend auf mehr als **800.000 Nachrichten** von US-amerikanischen ChatGPT-Nutzern.

**Der Begriff.** ***Task crossover*** bezeichnet *« Arbeit, die historisch mit einem Beruf verbunden ist und in der KI-Nutzung von Personen eines anderen Berufs auftritt »*. Der methodische Gegenpunkt wird von Anfang an gesetzt: Studien zur Exposition gehen von einer festen Liste von Aufgaben aus und fragen, ob das Modell sie ausführen kann; hier lautet die Frage **wer was tut**. *« KI verändert nicht nur, wie Arbeit erledigt wird, sondern wer sie erledigt. »*

**Die Zahlen, und es sind zwei.** **16,8 %** der arbeitsbezogenen Nachrichten und **43,5 %** der berufsspezifischen Nachrichten betreffen eine Aufgabe aus einem anderen Beruf. Die Diskrepanz ergibt sich aus dem Trichter: **61,5 %** der Nutzung sind **generisch** (Schreiben, Zusammenfassen, Planen) und werden ausgeschlossen; von den verbleibenden 38,5 % liegen 43,5 % außerhalb des Berufs, der Rest ist *« innerhalb **oder in der Nähe** »*.

**Nach Beruf**: Kundenerfahrung **77 %**, Design **75 %**, Personalwesen **69 %**, Recht 56 %, Marketing 53 %, Vertrieb und Finanzen 40 %, **Engineering 28 %** — eine Mehrheit in fünf von acht Gruppen.

**Zwei Zirkulationsrichtungen.** Design **importiert** (35,2 %), ohne zu exportieren (1,7 %); Engineering verhält sich umgekehrt (18,5 % / 7,4 %); Marketing **tut beides** (24,3 % / 8,9 %, der höchste Exportanteil). Zwei Aufgaben erscheinen in den Top 3 der Entlehnungen für die übrigen sieben Gruppen: **Finanzberechnung** und **Fehlerbehebung bei Technologie**.

**Die Heatmap** liefert die vollständige Verteilung, und ihre Diagonale ist das auffälligste Ergebnis: Engineering behält **53 %** der eigenen Arbeit, während Kundenerfahrung nur **11 %**, Personalwesen **10 %** und Design **12 %** behalten — bei diesen drei Berufen übersteigen Marketing-Aufgaben die eigenen.

**Der Größeneffekt ist fragiler, als er erscheint.** Der Anteil außerhalb des Berufs sinkt von 18,9 % (2-5 Beschäftigte) auf 16,3 % (>100 Beschäftigte) **nur bei durchschnittlichen Nutzern**: *« bei den intensivsten Nutzern zeigt sich nicht dasselbe monotone Muster »*. Die Schlussfolgerung bleibt bedingt — *« KI **könnte** besonders nützlich als generalistisches Werkzeug sein, wo spezialisierte Ressourcen knapp sind »*.

**Der beanspruchte Status** ist der eines **frühen Signals**, sichtbar *« bevor Unternehmen Stellenbeschreibungen umschreiben oder neue Berufsbezeichnungen schaffen »*.

OpenAI misst die Nutzung des eigenen Produkts, ausschließlich bei den eigenen US-Nutzern, und stellt diese Position als Vorteil dar.

## GrapheDeConnaissance

- OpenAI Economic Research —publie→ Work at the Frontier (DOCUMENT, 0.98)
- Work at the Frontier —mesure→ 16,8 % des messages liés au travail et 43,5 % des messages métier-spécifiques portent sur une tâche d'un autre métier (MESURE, 0.97)
- Work at the Frontier —mesure→ 61,5 % de l'usage professionnel est générique et écarté du calcul du crossover (MESURE, 0.95)
- task crossover —est_instance_de→ l'apparition, dans l'usage IA d'un métier, de travail historiquement associé à un autre (CITATION, 0.97)
- OpenAI Economic Research —s_oppose_à→ les études qui partent d'une liste figée de tâches par métier pour tester la substituabilité du modèle (AFFIRMATION, 0.93)
- Work at the Frontier —mesure→ part hors métier par fonction : expérience client 77 %, design 75 %, RH 69 %, juridique 56 %, marketing 53 %, vente 40 %, finance 40 %, ingénierie 28 % (MESURE, 0.96)
- Work at the Frontier —mesure→ le design importe 35,2 % de tâches extérieures et n'en exporte que 1,7 % (MESURE, 0.95)
- Work at the Frontier —mesure→ l'ingénierie importe 18,5 % de tâches extérieures et en exporte 7,4 % (MESURE, 0.95)
- Work at the Frontier —mesure→ le marketing importe 24,3 % et exporte 8,9 %, la plus forte part sortante de l'échantillon (MESURE, 0.95)
- Work at the Frontier —mesure→ l'ingénierie retient 53 % de ses propres tâches, contre 11 % pour l'expérience client et 10 % pour les ressources humaines (MESURE, 0.92)
- calcul financier —observé_dans→ le top 3 des tâches empruntées par les sept autres groupes de métiers (AFFIRMATION, 0.94)
- dépannage technologique —observé_dans→ le top 3 des tâches empruntées par les sept autres groupes de métiers (AFFIRMATION, 0.94)
- Work at the Frontier —mesure→ la part hors métier passe de 18,9 % à 16,3 % selon la taille de l'espace de travail, chez les utilisateurs moyens seulement (MESURE, 0.95)
- OpenAI Economic Research —affirme_que→ la tendance liée à la taille de l'organisation n'est pas monotone chez les utilisateurs les plus intensifs (CITATION, 0.95)
- OpenAI Economic Research —affirme_que→ l'IA pourrait être particulièrement utile comme outil généraliste là où les ressources spécialisées manquent (AFFIRMATION, 0.9)
- données d'usage —permet→ de voir la recomposition des métiers avant la réécriture des fiches de poste et des intitulés (AFFIRMATION, 0.94)
- Work at the Frontier —est_basé_sur→ AI Jobs Transition Framework (DOCUMENT, 0.92)
- AI Jobs Transition Framework —affirme_que→ de nombreux métiers vont se réorganiser, leurs tâches quotidiennes pouvant changer substantiellement (AFFIRMATION, 0.92)
- Work at the Frontier —est_basé_sur→ plus de 800 000 messages d'utilisateurs américains de ChatGPT (AFFIRMATION, 0.97)
- OpenAI —affirme_que→ sa position d'observation unique sur le monde du travail lui permet d'orienter la politique publique et la pratique (CITATION, 0.9)

---
Canonical: https://www.thekb.eu/de/fiches/openai-work-at-the-frontier-task-crossover-2026-07-27/