Die monatlichen US-Arbeitsmarktzahlen stammen im Wesentlichen aus zwei verschiedenen Umfragen des Bureau of Labor Statistics (BLS). Deshalb können zum Beispiel die Zahl der neu geschaffenen Stellen und die Arbeitslosenquote im selben Monat unterschiedliche Signale senden.
1. Nonfarm Payrolls – „Wie viele Jobs gibt es?“
Die oft wichtigste Zahl für die Finanzmärkte ist die Veränderung der Nonfarm Payrolls. Dafür befragt das BLS monatlich rund 119.000 Unternehmen und Behörden mit etwa 622.000 Betriebsstätten. Erfasst werden bezahlte Stellen außerhalb der Landwirtschaft, insbesondere für den Abrechnungszeitraum, der den 12. des Monats enthält.
Vereinfacht berechnet das BLS:
Beschäftigung Vormonat × geschätzte Veränderung der weiterbestehenden Betriebe
+ Schätzung für neu entstandene bzw. geschlossene Unternehmen
Für bestehende Betriebe werden Unternehmen verglichen, die sowohl für den aktuellen als auch den vorherigen Monat Daten geliefert haben. Zusätzlich gibt es das sogenannte Birth-Death Model, weil neu gegründete oder gerade geschlossene Firmen noch nicht zuverlässig in der Stichprobe auftauchen können.
Wichtig: Hier werden Jobs und nicht Personen gezählt. Hat jemand zwei Jobs, taucht diese Person zweimal auf. Selbständige und die meisten landwirtschaftlichen Beschäftigten werden dagegen nicht mitgerechnet.
2. Arbeitslosenquote – „Wie viele Menschen suchen Arbeit?“
Die Arbeitslosenquote kommt aus einer ganz anderen Erhebung, der Current Population Survey (CPS). Dafür werden monatlich ungefähr 60.000 Haushalte befragt.
Menschen ab 16 werden dabei in drei Gruppen eingeteilt:
- beschäftigt
- arbeitslos
- nicht Teil der Erwerbsbevölkerung
Als arbeitslos gilt grundsätzlich jemand, der keinen Job hat, für Arbeit verfügbar ist und in den vergangenen vier Wochen aktiv nach Arbeit gesucht hat. Personen mit temporärer Entlassung und erwarteter Rückkehr können ebenfalls als arbeitslos gelten, ohne aktuell gesucht zu haben.
Die offizielle Arbeitslosenquote lautet dann
:
Beispiel:
160 Mio. Menschen arbeiten und 8 Mio. suchen aktiv Arbeit.
Die Arbeitslosenquote wäre also rund 4,8 %.
Ein wichtiger Punkt dabei: Wer nicht arbeitet und auch nicht aktiv sucht, gilt normalerweise nicht als arbeitslos, sondern als „not in the labor force“. Deshalb kann die Arbeitslosenquote beispielsweise fallen, obwohl weniger Menschen beschäftigt sind.
Warum Payrolls und Arbeitslosenquote manchmal widersprechen: Die Unternehmensumfrage misst Jobs, die Haushaltsumfrage misst Menschen. Außerdem ist die Unternehmensstichprobe wesentlich größer und die monatliche Payroll-Veränderung statistisch deutlich präziser. Nach aktuellen BLS-Angaben braucht es ungefähr 122.000 Jobs Veränderung, damit die monatliche Payroll-Bewegung auf dem 90-%-Niveau statistisch signifikant ist; bei der Haushaltsumfrage liegt die entsprechende Größenordnung bei rund 650.000 Personen.
Außerdem werden die Zahlen nachträglich revidiert. Die ersten Payroll-Zahlen basieren auf noch unvollständigen Rückmeldungen. In den folgenden zwei Monaten kommen weitere Unternehmensmeldungen hinzu. Zusätzlich erfolgt jährlich ein umfangreicher Benchmark-Abgleich mit tatsächlichen Beschäftigungsdaten aus den Arbeitslosenversicherungs-Steuerregistern.
Für Anleger sind deshalb meist fünf Zahlen gleichzeitig interessant: Nonfarm Payrolls, Arbeitslosenquote, durchschnittlicher Stundenlohn, durchschnittliche Wochenarbeitszeit und die Revisionen der beiden Vormonate. Gerade die Löhne sind für Fed und Anleihemärkte oft mindestens genauso wichtig wie die reine Jobzahl.
Die US-Arbeitsmarktzahlen sind grundsätzlich hochwertig, aber es gibt einige wichtige Kritikpunkte – vor allem, wenn man einzelne Monatswerte überinterpretiert.
Die größten Schwächen sind:
- Starke Revisionen: Die erste Payroll-Schätzung kann später deutlich verändert werden. Besonders an Wendepunkten der Konjunktur sind die ersten Zahlen oft weniger zuverlässig.
- Birth-Death-Modell: Neu gegründete und geschlossene Unternehmen können nicht sofort vollständig erfasst werden. Deshalb muss das BLS modellieren, wie viele Jobs durch Unternehmensgründungen bzw. ‑schließungen entstehen oder verschwinden. Genau diese Annahmen können in Rezessionen oder Boomphasen danebenliegen.
- Zwei Umfragen, zwei unterschiedliche Bilder: Payrolls zählen Arbeitsplätze, die Haushaltsumfrage Personen. Dadurch kann es vorkommen, dass die Payrolls stark steigen, während die Beschäftigung laut Haushaltsumfrage fällt. Das ist nicht zwingend ein Fehler, erschwert aber die Interpretation.
- Arbeitslosenquote kann irreführend fallen: Wenn Arbeitslose aufgeben, nach einem Job zu suchen, verlassen sie statistisch die Erwerbsbevölkerung. Die Arbeitslosenquote kann dadurch sinken, obwohl sich der Arbeitsmarkt nicht verbessert hat.
- Teilzeit und Qualität der Jobs: Ein neuer Job zählt grundsätzlich als ein Job – unabhängig davon, ob er gut bezahlt, Vollzeit, dauerhaft oder nur wenige Stunden pro Woche ist. Die reine Payroll-Zahl sagt deshalb wenig über die Qualität der Beschäftigung.
- Mehrfachbeschäftigung: Hat eine Person zwei Jobs, werden in den Payrolls zwei Stellen gezählt. Ein Anstieg der Beschäftigung muss also nicht bedeuten, dass entsprechend viele zusätzliche Menschen Arbeit gefunden haben.
- Saisonbereinigung: Viele Branchen schwanken stark nach Jahreszeit, Feiertagen oder Schulkalender. Die saisonale Bereinigung ist notwendig, basiert aber auf Modellen und kann bei ungewöhnlichen Ereignissen Verzerrungen erzeugen.
- Stichprobenfehler: Beide Erhebungen sind Umfragen und keine vollständige Zählung. Gerade die Haushaltsumfrage ist relativ klein, sodass monatliche Veränderungen stark rauschen können.
Ein besonders wichtiger Kritikpunkt betrifft deshalb die mediale Darstellung. Eine Schlagzeile wie „USA schaffen 200.000 neue Jobs“ suggeriert eine Genauigkeit, die der erste Monatswert eigentlich nicht besitzt. Sinnvoller ist es, den 3- oder 6‑Monats-Durchschnitt, Revisionen, Arbeitsstunden, Lohnwachstum, Erwerbsquote und mehrere Beschäftigungsindikatoren gemeinsam anzusehen.
Kurz gesagt: Die Daten sind nicht „gefälscht“ oder grundsätzlich schlecht – aber der einzelne monatliche Headline-Wert ist wesentlich unsicherer, als er häufig dargestellt wird.
Das Birth-Death-Modell ist deshalb umstritten, weil das BLS neue Unternehmensgründungen und Betriebsschließungen nicht sofort vollständig beobachten kann. Genau diese Unternehmen sind aber für die monatliche Beschäftigungsentwicklung wichtig.
Das Problem ist zeitlich: Wenn heute ein neues Unternehmen entsteht und 20 Leute einstellt, ist es möglicherweise noch gar nicht im Stichprobenrahmen der Unternehmensumfrage enthalten. Umgekehrt kann ein Betrieb schließen und nicht mehr antworten; das BLS weiß dann zunächst nicht sicher, ob er wirklich geschlossen wurde oder nur verspätet meldet. Deshalb wird ein Teil dieser „Geburten“ und „Tode“ von Unternehmen modelliert.
Die zentrale Kritik lautet: Das Modell orientiert sich zwangsläufig stark an historischen Mustern. In normalen Zeiten funktioniert das relativ gut. An konjunkturellen Wendepunkten kann es aber problematischer werden. Wenn beispielsweise plötzlich sehr viele Firmen schließen, während das Modell noch von typischen historischen Gründungs- und Schließungsmustern ausgeht, kann die erste Beschäftigungsschätzung zu optimistisch ausfallen. Umgekehrt kann ein überraschend kräftiger Aufschwung zunächst unterschätzt werden.
Ein vereinfachtes Beispiel: Angenommen, beobachtete Unternehmen melden netto +100.000 Jobs. Das Modell schätzt zusätzlich, dass durch noch nicht erfasste Unternehmensgründungen und ‑schließungen netto +50.000 Jobs hinzugekommen sind. Dann könnte die veröffentlichte Entwicklung ungefähr bei +150.000 liegen. Stellt sich später anhand umfassender Steuer- und Sozialversicherungsdaten heraus, dass der tatsächliche Nettoeffekt nur +10.000 betrug, muss die Beschäftigung nach unten revidiert werden.
Wichtig ist aber eine häufige Fehlinterpretation: Das BLS addiert nicht einfach jeden Monat eine frei erfundene feste Zahl neuer Jobs. Die Birth-Death-Komponente ist Teil eines statistischen Schätzverfahrens und wird später gegen deutlich vollständigere administrative Beschäftigungsdaten benchmarked.
Der stärkste Einwand ist daher weniger „das Modell ist manipuliert“, sondern:
Gerade dann, wenn sich die Wirtschaft abrupt verändert, sind historische Beziehungen am wenigsten verlässlich – und genau dann interessieren uns die Arbeitsmarktdaten am meisten.
Deshalb schauen professionelle Beobachter bei auffälligen Payroll-Zahlen häufig stärker auf Revisionen, Unternehmensinsolvenzen, Arbeitslosenansprüche, Haushaltsbeschäftigung und spätere Benchmark-Revisionen, statt nur den ersten NFP-Wert zu nehmen.
Ein sehr gutes Beispiel dafür war die Pandemie 2020: Massive Unternehmensschließungen passten zeitweise kaum zu normalen historischen Mustern. Solche Phasen zeigen ziemlich deutlich, wo die Grenzen des Modells liegen.