Exposure-Score

Ein Exposure-Score ist eine Zahl, die ausdrückt, wie stark etwas von einer bestimmten Sache berührt wird. „Exposure“ ist englisch und heißt so viel wie Ausgesetztsein. Gemessen wird also nicht, ob etwas gut oder schlecht ausgeht, sondern nur, wie groß die Berührungsfläche ist. Ein Beispiel: Forscher geben Berufen einen Wert dafür, wie viele ihrer Aufgaben eine KI übernehmen könnte. Ein Übersetzer bekommt dabei einen hohen Wert, ein Dachdecker einen niedrigen. Denselben Gedanken benutzt man auch bei Firmen, Aktien oder ganzen Ländern.

Was eine solche Zahl über Jobs und Aktien verrät

Große Veränderungen sind schwer zu greifen. Die Frage „Wie sehr verändert KI unsere Arbeitswelt?“ lässt sich nicht mit einem Satz beantworten. Ein Exposure-Score zerlegt diese riesige Frage in viele kleine, messbare Teilfragen. Dadurch kann man Berufe, Branchen oder Firmen miteinander vergleichen.

An der Börse wird die Kennzahl täglich benutzt. Anleger wollen wissen, wie stark ein Unternehmen vom KI-Boom abhängt. Ein Chiphersteller hat eine hohe Exposure gegenüber KI, eine Bäckereikette praktisch keine. Fällt die Stimmung rund um KI, trifft das die stark ausgesetzten Aktien zuerst. Wer sein Geld verteilt, will genau diese Häufung vermeiden.

Wichtig ist ein häufiges Missverständnis: Ein hoher Wert bedeutet nicht Untergang. Er bedeutet Veränderung, und die kann in beide Richtungen gehen. Ein Programmierer hat eine hohe KI-Exposure – und profitiert womöglich am meisten, weil ihm die Technik viel Arbeit abnimmt.

Vom Aufgabenkatalog zur Kennzahl

Zuerst braucht man eine Liste von Bausteinen. Bei Berufen sind das die einzelnen Tätigkeiten: Texte schreiben, telefonieren, Geräte reparieren, Zahlen prüfen. Für Deutschland und die USA gibt es dafür amtliche Datenbanken mit hunderten Berufen und tausenden Aufgaben.

Dann bewertet jemand jede einzelne Aufgabe. Kann eine heutige KI das übernehmen, ganz oder teilweise? Diese Bewertung stammt entweder von Fachleuten oder inzwischen oft von einem Sprachmodell selbst. Am Ende zählt man zusammen, wie viel Prozent der Arbeitszeit eines Berufs auf betroffene Aufgaben entfällt. Dieser Anteil ist der Score, meist zwischen 0 und 1 oder in Prozent.

Bei Unternehmen läuft es ähnlich, nur mit Umsatz statt Arbeitszeit. Man fragt: Welcher Anteil des Geschäfts hängt am betrachteten Thema? Verdient eine Firma 70 Prozent ihres Umsatzes mit Rechenzentren, ist ihre KI-Exposure hoch. Der Score ist damit immer nur so gut wie die Einteilung dahinter. Wer die Aufgaben oder Umsätze anders zuschneidet, bekommt andere Zahlen.

Exposure-Scores in Studien, Fonds und Schlagzeilen

Am häufigsten begegnet der Begriff in Studien zur Zukunft der Arbeit. Schlagzeilen wie „300 Millionen Jobs von KI betroffen“ beruhen fast immer auf solchen Berechnungen. Ähnliche Zahlen veröffentlichen auch Wirtschaftsforschungsinstitute und internationale Organisationen. Lohnenswert ist dann immer der Blick ins Kleingedruckte: betroffen heißt nicht ersetzt.

In der Finanzwelt taucht die Kennzahl in Fondsberichten auf. Dort steht etwa, wie hoch die Exposure eines Fonds gegenüber Technologiewerten oder einer einzelnen Region ist. Auch Banken nutzen den Begriff, wenn sie ihr Risiko gegenüber einem Kunden oder einem Land beziffern.

Ein dritter Bereich ist die IT-Sicherheit. Dort misst ein Exposure-Score, wie viele angreifbare Stellen ein Firmennetzwerk nach außen zeigt. Das Grundprinzip bleibt in allen Fällen gleich: Es geht um Berührungsfläche, nicht um eine Vorhersage. Verwandt, aber nicht dasselbe, ist der Risiko-Score. Der versucht zusätzlich zu schätzen, wie wahrscheinlich und wie schwer der Schaden tatsächlich wäre.