Warum die entscheidende Frage nicht lautet, welche Jobs verschwinden – sondern welche Arbeit entsteht
Ein Text wird nicht mehr von null geschrieben, sondern mit Unterstützung einer KI entworfen. Eine Recherche beginnt mit einer automatisch erzeugten Zusammenfassung. In der Sachbearbeitung schlägt ein System eine Antwort vor, die anschließend geprüft und angepasst wird. Im Personalbereich hilft KI beim Onboarding oder bei der Zusammenstellung von Lernangeboten.
Der Beruf ist in all diesen Fällen zunächst noch derselbe.
Und trotzdem beginnt sich die Arbeit darin zu verändern.
Genau das macht die gegenwärtige Entwicklung so interessant. Denn während öffentlich häufig darüber gesprochen wird, welche Berufe Künstliche Intelligenz ersetzen könnte, vollzieht sich ein großer Teil der Veränderung zunächst viel kleinteiliger: innerhalb bestehender Arbeit.
Was wir gerade sehen
Künstliche Intelligenz ist in der Arbeitswelt längst kein Zukunftsthema mehr.
In Deutschland nutzte 2025 bereits knapp jeder vierte Betrieb generative KI. Zwei Jahre zuvor waren es erst fünf Prozent. In Betrieben mit mindestens 200 Beschäftigten lag der Anteil bereits bei 48 Prozent. Das zeigen aktuelle Auswertungen des IAB-Betriebspanels.
Mit der Verbreitung wächst die Debatte über ihre Folgen. Es geht um Produktivitätsgewinne, mögliche Arbeitsplatzverluste, neue Berufsbilder – und immer wieder um die Frage, welche Kompetenzen Beschäftigte künftig brauchen.
Dabei könnte gerade diese letzte Frage zu früh kommen.
Denn bevor sich zuverlässig bestimmen lässt, welche neuen Fähigkeiten gebraucht werden, muss geklärt werden, was sich an der Arbeit selbst verändert.
Was darunter liegt
Berufe sind keine unteilbaren Einheiten. Sie bestehen aus unterschiedlichen Tätigkeiten.
Menschen recherchieren, schreiben, prüfen, beraten, entscheiden, dokumentieren, kommunizieren, organisieren oder bewerten. Einige dieser Tätigkeiten können durch KI unterstützt werden. Andere lassen sich teilweise automatisieren. Wieder andere gewinnen möglicherweise gerade dadurch an Bedeutung.
Diese Sicht auf Tätigkeiten ist nicht neu. In der arbeitsökonomischen Forschung beschreiben Daron Acemoglu und Pascual Restrepo technologischen Wandel ausdrücklich darüber, wie Aufgaben zwischen menschlicher Arbeit und Technologie neu verteilt und zugleich neue Aufgaben geschaffen werden. Entscheidend ist also nicht allein, ob ein Beruf bestehen bleibt, sondern wie sich sein „task content“ verändert.
Das lässt sich auch im Arbeitsalltag beobachten.
Wenn ein System Informationen vorsortiert, wird die Recherche möglicherweise kürzer – die Prüfung der Ergebnisse aber wichtiger.
Wenn KI Standardtexte erzeugt, verliert das Formulieren eines ersten Entwurfs vielleicht an Gewicht – während fachliche Einordnung, Qualitätskontrolle und Kontextwissen wichtiger werden.
Wenn Systeme Empfehlungen erzeugen, stellt sich stärker die Frage, wer sie bewertet, wer von ihnen abweichen darf und wer am Ende Verantwortung trägt.
Damit verändern sich nicht nur einzelne Handgriffe. Rollen und Erwartungen geraten in Bewegung.
Hinzu kommt: Die technische Möglichkeit bestimmt noch nicht, wie diese neue Arbeit organisiert wird.
Eine Organisation kann KI vor allem nutzen, um bestehende Aufgaben schneller zu erledigen. Sie kann Routinetätigkeiten reduzieren und frei werdende Zeit für anspruchsvollere Arbeit einsetzen. Sie kann Entscheidungen stärker automatisiert vorbereiten oder menschliche Prüfung bewusst stärken.
Zwischen dem technisch Möglichen und dem tatsächlichen Arbeitsalltag liegt also ein Gestaltungsraum.
Was Befunde zeigen
Aktuelle Forschung macht sichtbar, warum sich ein genauerer Blick auf Tätigkeiten und Arbeitsgestaltung lohnt.
Erstens: KI wirkt nicht auf jede Tätigkeit gleich.
Die Internationale Arbeitsorganisation ILO hat 2025 die Exposition von Berufen gegenüber generativer KI auf Basis von Tätigkeitsdaten neu untersucht. Weltweit arbeitet etwa ein Viertel der Beschäftigten in Berufen, die in irgendeinem Umfang exponiert sind. Gleichzeitig liegt nur ein kleinerer Anteil in der höchsten Expositionskategorie. Die ILO kommt deshalb zu dem Schluss, dass die Transformation von Arbeit wahrscheinlicher ist als die vollständige Ersetzung ganzer Berufe.
Wie ungleich die Wirkung selbst innerhalb ähnlicher Wissensarbeit sein kann, zeigt zudem ein Feldexperiment mit 758 Beschäftigten einer internationalen Unternehmensberatung. Fabrizio Dell’Acqua und Kolleg:innen sprechen von einer „jagged technological frontier“: Bei Aufgaben innerhalb der Fähigkeiten der eingesetzten KI arbeiteten Teilnehmende mit KI schneller und erzielten bessere Ergebnisse; bei einer Aufgabe außerhalb dieser Grenze konnte KI-Unterstützung die Leistung dagegen verschlechtern. Die relevante Einheit ist auch hier die konkrete Aufgabe – nicht einfach „Wissensarbeit“ als Ganzes.
Zweitens: KI wirkt unterschiedlich auf vorhandene Erfahrung und Können.
Erik Brynjolfsson, Danielle Li und Lindsey Raymond untersuchten die Einführung eines KI-Assistenten bei 5.172 Beschäftigten im Kundensupport. Im Durchschnitt stieg die Zahl der erfolgreich bearbeiteten Anfragen pro Stunde um 15 Prozent. Besonders stark profitierten weniger erfahrene und geringer qualifizierte Beschäftigte; bei den erfahrensten Beschäftigten waren die Effekte deutlich kleiner.
Die Studie liefert damit einen Hinweis darauf, dass KI nicht einfach einen einheitlichen Kompetenzbedarf erzeugt, sondern mit vorhandenem Wissen und Erfahrung unterschiedlich zusammenspielt.
Drittens: Die Einführung der Technologie und ihre organisationale Einbettung entwickeln sich nicht automatisch im gleichen Tempo.
In den IAB-Daten bot mehr als jeder vierte Betrieb, der generative KI nutzte, bereits Weiterbildungen zum Umgang mit der Technologie an. 21 Prozent hatten betriebsinterne Regeln für den KI-Einsatz entwickelt, weitere 22 Prozent planten sie. Die OECD wiederum beschreibt fehlende Kompetenzen als einen wichtigen Engpass der KI-Adoption und zeigt, dass Beschäftigte mit KI-Training häufiger von positiven Wirkungen auf Leistung und Arbeitsbedingungen berichten.
Weiterbildung ist damit ein wichtiger Teil der Antwort – aber sie setzt eine Vorstellung davon voraus, wofür KI in der jeweiligen Arbeit eingesetzt werden soll.
Die Befunde ergeben kein einfaches Gesamtbild. Aber sie weisen in dieselbe Richtung:
Um die Folgen von KI für Arbeit zu verstehen, müssen wir genauer auf Tätigkeiten, Erfahrung und die konkrete Gestaltung des Technologieeinsatzes schauen.
Die entscheidende Verschiebung
Damit kommt die Organisation selbst ins Spiel.
Technologie verändert Arbeit nicht allein. Organisationen entscheiden mit, welche Arbeit daraus entsteht.
Diese Entscheidung beeinflusst unmittelbar auch den Kompetenzbedarf.
Denn wenn eine Organisation festlegt, welche Tätigkeiten automatisiert oder unterstützt werden, welche Entscheidungen beim Menschen bleiben und wie Verantwortung verteilt wird, verändert sie zugleich, welches Wissen und welche Fähigkeiten künftig gebraucht werden.
Der Kompetenzbedarf steht also nicht bereits fest, sobald eine neue Technologie verfügbar ist. Er entsteht aus dem Zusammenspiel von technischen Möglichkeiten, der Gestaltung von Arbeit und dem Wissen und Können, das in einer Organisation bereits vorhanden ist.
Deshalb ist Kompetenzbedarf nicht immer der Ausgangspunkt der Transformation. Er ist zum Teil ihr Ergebnis.
Gerade hier greift ein reiner Defizitblick zu kurz. Wer zuerst nach Skill Gaps sucht, fragt vor allem: Was fehlt den Beschäftigten?
Dabei ist möglicherweise noch gar nicht geklärt, welche veränderte Arbeit diese Lücke eigentlich begründet.
Und ebenso wenig, was Menschen bereits mitbringen: fachliche Erfahrung, implizites Wissen, Urteilskraft, Kenntnisse über Abläufe, Kunden, typische Fehler oder die Eigenheiten einer Organisation.
Die Frage lautet deshalb nicht nur:
Was müssen Menschen neu lernen?
Sondern auch:
Welche Arbeit entsteht? Welche Rolle haben Menschen darin? Was können sie bereits – und was fehlt dann tatsächlich noch?
Orientierung vor Qualifizierung bedeutet deshalb nicht Orientierung statt Qualifizierung.
Im Gegenteil: Sie kann Qualifizierung genauer machen.
Was daraus folgt
Wer KI einführt, gestaltet Arbeit – auch dann, wenn diese Gestaltungsentscheidung nicht ausdrücklich getroffen wird.
Deshalb lohnt es sich, vor der nächsten KI-Schulung oder dem nächsten Kompetenzmodell fünf Fragen zu stellen:
- Welche Tätigkeiten verändern sich tatsächlich?
Was wird automatisiert, was unterstützt, was neu möglich? - Welche Arbeit wollen wir mit KI künftig anders organisieren?
Geht es vor allem um Effizienz – oder entstehen auch neue Aufgaben und Handlungsspielräume? - Welche Entscheidungen und Verantwortlichkeiten sollen beim Menschen bleiben?
Wer prüft, wer entscheidet, wer darf eingreifen – und wer trägt Verantwortung? - Welches Wissen und welche Erfahrung sind bereits vorhanden?
Was bringen Beschäftigte mit, das in der neuen Arbeitsorganisation weiterhin oder neu gebraucht wird? - Was müssen Beschäftigte und Führungskräfte dann tatsächlich neu lernen?
Erst aus veränderten Tätigkeiten, Rollen und Verantwortlichkeiten lässt sich ein konkreter Lernbedarf ableiten.
Diese Fragen sind keine zusätzliche Schleife vor der eigentlichen Transformation.
Sie gehören zu ihr.
Zum Schluss
Vielleicht ist das die interessantere Frage der KI-Debatte.
Nicht:
Welcher Beruf verschwindet als Nächstes?
Sondern:
Welche Arbeit wollen wir entstehen lassen?
Denn zwischen dem technisch Möglichen und dem tatsächlichen Arbeitsalltag liegt ein Gestaltungsraum.
Dort entscheidet sich, welche Tätigkeiten Menschen übernehmen, welche Verantwortung sie tragen – und was sie dafür lernen müssen.
KI macht diesen Gestaltungsraum nicht kleiner.
Sie macht ihn sichtbarer.
Weiterdenken
Am 11. September geht es in der nächsten Kompass-Post um eine Frage, die in Veränderungsprozessen erstaunlich schnell auftaucht:
Welche Weiterbildung brauche ich?
Warum greifen wir so früh zu dieser Frage? Und was übersehen wir möglicherweise, wenn Weiterbildung zur ersten Antwort auf beruflichen oder technologischen Wandel wird?
Die nächste Kompass-Post schaut genau auf diesen Moment zwischen wahrgenommener Veränderung und der ersten Maßnahme.
Quellen und Literatur
Acemoglu, Daron / Restrepo, Pascual (2019): Automation and New Tasks: How Technology Displaces and Reinstates Labor. Journal of Economic Perspectives, 33(2), 3–30. DOI: 10.1257/jep.33.2.3.
Brynjolfsson, Erik / Li, Danielle / Raymond, Lindsey (2025): Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. DOI: 10.1093/qje/qjae044.
Dell’Acqua, Fabrizio et al. (2026): Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403–423. DOI: 10.1287/orsc.2025.21838.
Friedrich, Martin / Kagerl, Christian (2026): Künstliche Intelligenz in deutschen Betrieben: Jeder vierte Betrieb nutzt mittlerweile generative KI. IAB-Kurzbericht 08/2026. DOI: 10.48720/IAB.KB.2608.
Gmyrek, Pawel et al. (2025): Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. DOI: 10.54394/HETP0387.
OECD (2026): AI and skills: What we know so far. OECD Publishing, Paris. DOI: 10.1787/f843b352-en.
