KI nimmt Ihnen kaum Arbeit ab. Sie verschiebt sie.
Zwei Drittel der Unternehmen setzen KI ein. Über 80 Prozent der Führungskräfte sehen davon nichts in ihren Zahlen. Diese Einheit zeigt, wohin die eingesparte Zeit verschwindet, und welche Entscheidungen Sie treffen müssen, damit aus Tempo auch Qualität wird.
Einheit startenNach dieser Einheit können Sie fünf Dinge, die Sie heute noch nicht können
Diese Einheit arbeitet mit der Datenlage der Jahre 2025 und 2026: Feldexperimente mit mehreren tausend Beschäftigten, Befragungen von rund 6.000 Führungskräften, Codeanalysen über 211 Millionen Zeilen und dem geltenden europäischen Rechtsrahmen. Kein Zukunftsgemälde. Messwerte.
- Lernziel 1
Sie können erklären, warum KI-Einsatz in vielen Häusern messbar keine Produktivität erzeugt, und die zwei Stellen benennen, an denen der Gewinn versickert.
- Lernziel 2
Sie können Ihre Arbeit auf Aufgabenebene statt auf Berufsebene bewerten und einschätzen, welche Aufgaben innerhalb und außerhalb der Leistungsgrenze heutiger KI liegen.
- Lernziel 3
Sie können Einarbeitung und Nachwuchsentwicklung so aufsetzen, dass Berufsanfänger trotz KI Urteilsfähigkeit aufbauen.
- Lernziel 4
Sie kennen die rechtliche Trennlinie zwischen Kandidatensuche und Kandidatenbewertung und wissen, welche Pflichten des EU AI Act heute bereits gelten.
- Lernziel 5
Sie verlassen diese Einheit mit einem schriftlichen Umsetzungsplan für die kommenden sieben Tage. Aus Ihrer eigenen Organisation, nicht aus einer Vorlage.
Sechs Kapitel, ein roter Faden
- Zwei Drittel nutzen KI. Über 80 Prozent sehen nichts davon.
- Die gesparte Stunde kommt bei niemandem an
- Die Leistungsgrenze der KI verläuft nicht dort, wo Sie sie vermuten
- KI hebt die Unerfahrenen – und macht Erfahrung teurer, nicht billiger
- Wer heute Einstiegsstellen streicht, hat in fünf Jahren niemanden zum Prüfen
- Menschliche Aufsicht ist keine Haltung mehr. Sie ist eine Frist.
Zwei Drittel nutzen KI. Über 80 Prozent sehen nichts davon.
Die Technik ist längst im Haus. Die Arbeitsorganisation drumherum ist es nicht. Genau in dieser Lücke verschwindet der Produktivitätsgewinn, den die Business Cases versprochen haben.
Im Februar 2026 veröffentlichte das National Bureau of Economic Research eine Befragung von rund 6.000 Führungskräften, überwiegend Vorstände, Finanzverantwortliche und Geschäftsführungen aus den USA, Großbritannien, Deutschland und Australien. Etwa zwei Drittel gaben an, KI im Betrieb einzusetzen. Über 80 Prozent berichteten gleichzeitig, dass diese Technologie in den vergangenen drei Jahren weder die Produktivität noch die Beschäftigung im eigenen Haus messbar verändert hat. Für die kommenden drei Jahre erwarten dieselben Befragten im Schnitt einen Produktivitätszuwachs von 1,4 Prozent.
Eine Befragung von PwC unter mehreren tausend Wirtschaftsführern kommt zu einem ähnlichen Befund: Eine knappe Mehrheit verzeichnete durch KI weder höhere Umsätze noch niedrigere Kosten, nur rund jeder achte meldete beides.
Wer 40 Jahre Arbeitsmarkt begleitet hat, kennt dieses Muster. 1987 formulierte der Ökonom Robert Solow denselben Widerspruch für den Computer: überall zu sehen, nur nicht in den Produktivitätsstatistiken. Es dauerte gut ein Jahrzehnt, bis die Zahlen nachzogen. Nicht weil die Rechner besser wurden, sondern weil Unternehmen ihre Abläufe endlich um sie herum neu bauten.
Genau hier steht die Sache heute. Eine Untersuchung von Google und Ipsos aus dem Jahr 2026 kommt zu dem Ergebnis, dass zwar die große Mehrheit der Beschäftigten KI-Werkzeuge gelegentlich anfasst, aber nur etwa fünf Prozent wirklich fließend damit arbeiten. Diese kleine Gruppe hat ihre Abläufe umgebaut. Die übrigen 95 Prozent hängen KI an unveränderte Prozesse an. Ein Angebot wird schneller getextet und wartet danach genauso lange auf die Freigabe wie vorher.
Deutschland, gemessen statt geschätzt: Nach der amtlichen Erhebung des Statistischen Bundesamtes setzten 2025 rund 26 Prozent der Unternehmen ab zehn Beschäftigten KI ein, ein Jahr zuvor waren es 20 Prozent. Nach Betriebsgröße klafft die Schere weit: 57 Prozent bei Unternehmen ab 250 Beschäftigten, 36 Prozent bei mittleren, 23 Prozent bei kleinen Betrieben. Der Bitkom meldete im März 2026 für Unternehmen ab 20 Beschäftigten 41 Prozent aktive Nutzung, weitere 48 Prozent planen oder diskutieren. Die meistgenannte Hürde ist keine Technikfrage: fehlende KI-Kompetenz im eigenen Team, genannt von 53 Prozent.
Quellen: Destatis IKT-Erhebung (Erhebungsjahr 2025), Bitkom-Studie „KI in Deutschland“, März 2026, n = 604 Unternehmen.Dazu kommt eine Nutzung, die in keiner Systemliste auftaucht. Weil viele Häuser mit der offiziellen Bereitstellung zögern, greifen Beschäftigte zu privaten Zugängen. Die Arbeit wird schneller, die Daten wandern nach draußen, und die Führungskraft erfährt davon nichts. Verboten ist das selten. Geregelt aber auch nicht.
Aus dem Alltag: die Widerspruchsstelle einer Kreisverwaltung
Ein Sachgebiet bearbeitet Widersprüche gegen Gebührenbescheide. Zwei Kolleginnen entwerfen ihre Bescheidtexte seit dem Frühjahr mit einem Sprachmodell. Was vorher 40 Minuten dauerte, dauert jetzt 12. Der Stapel wird trotzdem nicht kleiner.
Der Grund liegt nicht im Werkzeug. Der Entwurf geht weiter an die Sachgebietsleitung, die dienstags und donnerstags zeichnet. Danach läuft er in die Poststelle, die einmal täglich versendet. Die schnellste Station im Ablauf wurde um zwei Drittel beschleunigt und wartet nun länger auf die nächste. Am Durchsatz des Sachgebiets ändert das nichts. An der Belastung der beiden Kolleginnen sehr wohl: Sie haben jetzt Zeit, drei weitere Fälle anzufangen, die ebenfalls im Zeichnungsstau landen.
Der Fehler in fast allen KI-Projekten, die ich sehe, ist derselbe. Eingeführt wird ein Werkzeug. Verändert wird kein Ablauf. Und weil niemand vorher festgelegt hat, welche Übergabe wegfällt, welche Freigabe zusammengelegt wird und welche Prüfschleife entfällt, entsteht kein Gewinn, nur ein schnelleres Teilstück in einer unveränderten Kette.
Ein Team spart durch KI pro Vorgang 25 Minuten. Der Durchsatz bleibt gleich. Wo suchen Sie zuerst?
Richtig ist die zweite Antwort. Ein Prozess ist immer so schnell wie seine langsamste Station. Beschleunigen Sie eine Station, die vorher nicht der Engpass war, gewinnt die Organisation exakt nichts. Die Wartezeit verlagert sich nur. Deshalb beginnt jede ernsthafte KI-Einführung mit der Frage, wo der Stau heute tatsächlich steht, und nicht mit der Frage, welches Werkzeug man kauft.
Wo in Ihrem Verantwortungsbereich steht der Engpass wirklich?
Nehmen Sie einen Vorgang, der bei Ihnen regelmäßig läuft: eine Rechnung, eine Stellenbesetzung, eine Kundenanfrage, einen Bescheid. Dann beantworten Sie schriftlich:
1. Wie viele Stationen durchläuft dieser Vorgang von der Auslösung bis zum Abschluss? Zählen Sie jede Person, jedes Postfach, jede Freigabe.
2. An welcher Station liegt der Vorgang am längsten, nicht in Bearbeitung, sondern im Warten?
3. Würde ein KI-Werkzeug an genau dieser Station helfen? Wenn nein: Warum steht es dann woanders?
Wer diese drei Antworten hat, führt ein anderes Gespräch mit der IT als jemand, der nur nach Lizenzen fragt.
Die gesparte Stunde kommt bei niemandem an
Freigewordene Zeit fließt nicht in Feierabend und nicht in Stellenabbau. Sie fließt in mehr Arbeit: in tiefere Analysen, mehr geprüfte Fälle, höhere Qualitätsansprüche. Wer das nicht einplant, führt sein Team in eine Verdichtung, die niemand beschlossen hat.
1865 beschrieb der englische Ökonom William Stanley Jevons eine Beobachtung, die heute jede KI-Diskussion erklärt. Effizientere Dampfmaschinen brauchten weniger Kohle pro Einheit Arbeit. Der Kohleverbrauch Großbritanniens sank daraufhin nicht – er explodierte. Weil billige Energie plötzlich für hunderte neue Anwendungen wirtschaftlich wurde.
Dasselbe passiert derzeit mit Kopfarbeit. KI senkt nicht die Menge der anfallenden Aufgaben. Sie senkt den Preis einer gedanklichen Einheit, gemessen in Zeit und Mühe. Und was billiger wird, wird mehr genutzt. Unternehmensdaten aus 2026 beziffern diesen Effekt mit einem Faktor von rund 3,2: Für jede durch KI freigesetzte Arbeitsstunde nehmen Organisationen im Schnitt 3,2 Einheiten zusätzlicher Arbeit auf.
Das geschieht auf drei Wegen. Erstens über Qualität: Eine Analystin, die früher ein Finanzmodell pro Tag baute, baut heute drei, testet sie gegen mehr Sonderfälle und senkt ihre Fehlerquote. Die Arbeit wird nicht weniger, sie wird dichter. Zweitens über Aufgaben, die vorher unwirtschaftlich waren: Eine Rechtsabteilung, die aus Kapazitätsgründen nur ein Fünftel der eingehenden Lieferantenverträge prüfen konnte, prüft nun vier Fünftel. Das Risiko des Hauses sinkt deutlich. Die Arbeitszeit der Juristinnen bleibt konstant. Drittens über das, was am Ende übrig bleibt.
Diese letzten zehn Prozent einer Aufgabe sind der Teil, der Urteil verlangt: Ist der Ton gegenüber diesem Kunden angemessen? Hält die Argumentation vor dem Personalrat? Stimmt die Zahl, oder klingt sie nur richtig? Dieser Teil lässt sich nicht abgeben. Wenn die Maschine aber die zehnfache Menge an Entwürfen produziert, vervielfacht sich exakt dieser menschliche Prüfaufwand mit.
Was das für Ihre Zahlen bedeutet: Business Cases für KI wurden fast durchgängig auf Kostensenkung und Personalabbau gerechnet. Die Realität liefert etwas anderes: Die Kosten bleiben, während Umfang, Tiefe und Qualität der Ergebnisse steigen. Das ist ein Gewinn – nur eben keiner, der in der Zeile „Personalaufwand“ auftaucht. Wer ihn dort sucht, erklärt sein eigenes Projekt für gescheitert.
Der Fall der Marketingleitung im Maschinenbau
Ein Familienunternehmen mit 180 Beschäftigten führt KI-gestützte Texterstellung im Marketing ein. Vorher: zwei Kampagnenentwürfe pro Quartal, jeder in etwa zwei Wochen. Nachher: acht Entwürfe pro Quartal, jeder in drei Tagen. Die Geschäftsführung ist begeistert und fragt, ob eine der beiden Stellen im Team eingespart werden kann.
Sechs Wochen später meldet die Marketingleitung Überlastung. Beide Mitarbeiterinnen sind im Haus geblieben. Trotzdem arbeiten sie länger als vorher.
Die Erstellung wurde um den Faktor sechs beschleunigt. Die Bewertung nicht. Acht Entwürfe müssen gelesen, verglichen, mit dem Vertrieb abgestimmt, rechtlich geprüft und final entschieden werden, von denselben zwei Personen, die vorher zwei Entwürfe zu betreuen hatten.
Die Arbeit ist nicht verschwunden. Sie ist von der Tastatur in den Kopf gewandert: von der Produktion in die Auswahl, die Abstimmung und die Verantwortung. Das ist anstrengender, schwerer zu messen und in keiner Stellenbeschreibung abgebildet.
Die brauchbare Führungsentscheidung lautet deshalb nicht „Stelle streichen“, sondern: Wie viele Entwürfe wollen wir überhaupt? Wer entscheidet nach welchem Kriterium? Und wann? Ohne diese Festlegung wächst der Output ins Unbegrenzte, und mit ihm die Last der Auswahl.
Setzen Sie eine Obergrenze, bevor Ihr Team sie braucht
Wählen Sie einen Arbeitsschritt, den KI in Ihrem Bereich bereits beschleunigt. Legen Sie schriftlich fest: Wie viel Output ist genug? Nicht wie viel möglich ist – wie viel Ihr Team am Ende auch verantworten kann. Ein Satz genügt: „Wir erstellen künftig maximal X Entwürfe je Vorgang und entscheiden bis Y.“
Drei Anzeichen, jeweils innerhalb von vier bis sechs Wochen sichtbar: Erstens sinkt die Zahl der Varianten, die niemand mehr anschaut. Zweitens verkürzt sich die Zeit zwischen Entwurf und Entscheidung. Drittens hören Sie in Teamgesprächen weniger den Satz, dass man gar nicht mehr hinterherkomme.
Bleibt alles wie vorher, war die Grenze zu weit gesteckt. Das ist kein Rückschlag, sondern die erste belastbare Messung, die Sie in diesem Thema haben.
Die Leistungsgrenze der KI verläuft nicht dort, wo Sie sie vermuten
Die Fähigkeiten heutiger KI verlaufen gezackt, nicht linear. Zwei Aufgaben, die für einen Menschen gleich schwer aussehen, können für die Maschine ein Selbstläufer oder ein Totalausfall sein. Und man sieht es dem Ergebnis nicht an.
Forscherinnen und Forscher der Harvard Business School, des MIT und der Boston Consulting Group haben 758 erfahrene Unternehmensberaterinnen und -berater bei realistischen Wissensaufgaben untersucht. Das Ergebnis hat einen Namen bekommen: die gezackte technologische Grenze.
Innerhalb dieser Grenze waren die Effekte groß: bei Mustererkennung, Textproduktion, Strukturierung, klar umrissener Analyse. Die Gruppe mit KI-Unterstützung erledigte 12,2 Prozent mehr Aufgaben, arbeitete 25,1 Prozent schneller und lieferte eine von externen Prüfern bewertete Qualität, die rund 40 Prozent über der Kontrollgruppe lag.
Außerhalb dieser Grenze kippte das Bild. Bei Aufgaben, die strategisches Urteil, das Erkennen blinder Flecken in den Daten oder das Verstehen von Interessenlagen verlangten, schnitt die KI-Gruppe schlechter ab als die Gruppe ohne KI: Sie fand die richtige Lösung mit einer um 19 Prozentpunkte geringeren Wahrscheinlichkeit.
Der Mechanismus dahinter verdient Aufmerksamkeit, weil er jeden trifft. Die Maschine formuliert falsche Antworten genauso sicher, flüssig und wohlstrukturiert wie richtige. Es gibt kein Zögern, keinen Vorbehalt, kein Zucken. Erfahrene Fachleute haben deshalb einer Ausarbeitung vertraut, die sie einem Menschen mit derselben Argumentation nie durchgehen lassen hätten. Rhetorische Sicherheit ist zu einem schlechten Qualitätsmerkmal geworden.
Zwei Arbeitsweisen, die in der Studie funktioniert haben: Die einen trennen sauber: Klar abgegrenzte Teilaufgaben gehen vollständig an die Maschine, danach übernimmt wieder der Mensch, ohne Mischzone. Die anderen arbeiten in ständigen kleinen Schleifen mit der KI als Sparringspartner, behalten aber jeden Zwischenschritt in der Hand. Beide setzen dasselbe voraus: genug Fachwissen, um zu erkennen, wann die Maschine daneben liegt. Ohne dieses Wissen ist keine der beiden Arbeitsweisen sicher.
Quelle: Feldexperiment mit 758 Beraterinnen und Beratern, Harvard Business School / MIT / BCG.Für Ihre Praxis folgt daraus eine unbequeme Regel: KI ist dort am gefährlichsten, wo sie am kompetentesten klingt und niemand im Raum die Fachtiefe hat, das zu überprüfen. Ein Personalreferent, der einen arbeitsrechtlichen Text von der KI erhält, kann dessen Qualität nur beurteilen, wenn er das Thema selbst beherrscht. Sonst liest er ein flüssiges Dokument und unterschreibt ein Risiko.
Die Personalleitung eines Klinikverbunds
Eine Personalleitung soll zwei Aufgaben erledigen. Erstens: aus 340 Krankenhaus-Dienstplänen der letzten zwölf Monate die Muster herausarbeiten, an denen Überstunden entstehen. Zweitens: entscheiden, ob eine seit Jahren geduldete informelle Schichttauschregel offiziell werden soll, gegen den Widerstand zweier Stationsleitungen und mit Blick auf eine anstehende Betriebsvereinbarung.
Welche der beiden Aufgaben liegt innerhalb der Leistungsgrenze der KI?
Die Musteranalyse. Große Datenmengen nach wiederkehrenden Mustern durchsuchen, ist genau die Disziplin, in der KI ihre stärksten Werte liefert. Die zweite Aufgabe hat keine maschinenlesbare Erfolgsmetrik: Sie hängt an Vertrauen, Vorgeschichte, Machtverhältnissen und daran, was zwei Stationsleitungen in der nächsten Runde mittragen.
Die Personalleitung lässt sich für die zweite Aufgabe trotzdem eine Argumentationslinie von der KI schreiben. Der Text ist gut formuliert und schlüssig. Was ist jetzt das größte Risiko?
Die zweite Antwort trifft es. Genau dieser Effekt hat in der Studie zu der um 19 Prozentpunkte schlechteren Trefferquote geführt. Sprachliche Souveränität ersetzt in der Wahrnehmung die inhaltliche Prüfung. Der praktische Gegenmittel ist unspektakulär: Wer einen KI-Text zu einer urteilsabhängigen Frage bekommt, muss vor dem Lesen aufschreiben, welche drei Einwände er selbst erwartet, und danach nachsehen, ob sie vorkommen.
Wo in Ihrem Bereich gibt es keinen Prüfer mit ausreichender Fachtiefe?
Gehen Sie die Themen durch, bei denen in Ihrem Haus KI-Ergebnisse verwendet werden: Arbeitsrecht, Vergabe, Datenschutz, Fachanwendungen, Statistik, Fördermittel. Und stellen Sie sich zu jedem eine einzige Frage: Wer bei uns könnte einen fachlich falschen, aber gut formulierten Text als solchen erkennen?
Wo Sie keinen Namen nennen können, haben Sie zwei Möglichkeiten. Entweder KI dort vorerst nicht einsetzen. Oder gezielt jemanden qualifizieren, der diese Prüfrolle übernehmen kann. Die dritte Möglichkeit – hoffen, dass es gut geht – ist keine.
KI hebt die Unerfahrenen – und macht Erfahrung teurer, nicht billiger
Der Produktivitätsgewinn durch KI verteilt sich extrem ungleich. Wer wenig kann, gewinnt viel. Wer viel kann, gewinnt fast nichts. Das verändert Ihre Einarbeitung, Ihre Gehaltslogik und Ihre Personalplanung – und zwar sofort.
Die klarsten Zahlen dazu liefert ein Feldexperiment mit 5.179 Beschäftigten im Kundendienst eines Softwareunternehmens. Nach Einführung eines KI-Assistenten, der in Echtzeit Antwortvorschläge einblendete, stieg die Produktivität im Schnitt um 14 Prozent, gemessen an gelösten Fällen pro Stunde.
Der Durchschnitt verdeckt allerdings das Eigentliche. Die unerfahrensten Mitarbeitenden legten um 34 bis 35 Prozent zu. Neu eingestellte Kräfte erreichten nach zwei Monaten ein Leistungsniveau, für das sie sonst rund ein halbes Jahr gebraucht hätten. Bei den erfahrensten Kolleginnen und Kollegen zeigte sich kein Gewinn, teilweise sogar eine leicht schlechtere Qualität.
Der Grund ist so einfach wie folgenreich: Das System hatte gelernt, was die Besten im Haus tun, und stellte es allen zur Verfügung. Für Neulinge ist das ein Sprung. Für die Besten ist es die eigene Arbeitsweise, langsamer serviert.
Ein Experiment am MIT mit 444 Fachkräften bei Schreibaufgaben zeigt dasselbe Muster: deutlich weniger Zeitaufwand, messbar bessere Ergebnisse, und der größte Zuwachs bei denjenigen, die vorher am schwächsten abschnitten. Die Leistungsunterschiede innerhalb der Belegschaft schrumpfen.
Aus dem Alltag: das Servicecenter eines kommunalen Versorgers
Ein Stadtwerk betreibt ein Servicecenter mit elf Beschäftigten. Zwei sind seit über zwanzig Jahren dabei, drei seit weniger als einem Jahr. Nach Einführung eines Antwortassistenten sinkt die durchschnittliche Bearbeitungszeit spürbar, aber fast ausschließlich bei den drei Neuen. Die beiden Erfahrenen berichten, das System schlage ihnen vor, was sie ohnehin schreiben würden.
Die interessante Führungsfrage ist nicht, wie man die beiden Erfahrenen auch noch beschleunigt. Sie lautet: Wofür setzen wir die zwanzig Jahre Erfahrung jetzt ein? Im Servicecenter fiel die Antwort so aus: Die beiden übernehmen künftig die eskalierten Fälle, die Qualitätsstichproben der KI-Antworten und die Einarbeitung. Ihre Fallzahl sinkt. Ihr Beitrag steigt.
Ein Blick nach außen zeigt, wie schnell man diese Rechnung falsch aufstellt. Ein bekanntes schwedisches Finanzdienstleistungsunternehmen setzte 2024 einen KI-Assistenten im Kundendienst ein, der im ersten Monat rund 2,3 Millionen Chats abwickelte, etwa zwei Drittel des gesamten Aufkommens. Die Lösungszeit fiel von elf auf unter zwei Minuten, das Unternehmen bezifferte die Wirkung mit der Arbeitsleistung von rund 700 Vollzeitkräften. Zwei Jahre später ist das Modell zurückgebaut: Bei anspruchsvollen Kundinnen und komplexen Beschwerden führte reiner Maschinenkontakt zu Frustration und Abwanderung. Heute läuft der Betrieb hybrid: Die KI nimmt das Massenaufkommen einfacher Standardfragen, Menschen übernehmen Eskalationen und alles, was Empathie verlangt.
Was passiert bei Ihnen mit der Erfahrung, die KI gerade entwertet?
Prüfinstanz: Stichproben der KI-gestützten Ergebnisse, mit dokumentierter Fehlerquote. Nicht als Kontrolle der Kolleginnen, sondern als Kontrolle des Systems.
Eskalationsstufe: alle Fälle, bei denen Sachlage und Beziehungslage auseinanderfallen.
Einarbeitung: Neue lernen mit KI schnell das Was. Das Warum, und wann man abweicht, lernen sie nur an Menschen.
Regelgeber: Wer zwanzig Jahre Fälle gesehen hat, weiß, welche Antwortvorlage nie hätte entstehen dürfen. Diese Person gehört in die Pflege der Vorlagen, nicht in die Warteschlange.
Ihr Team besteht aus vier Berufsanfängern und zwei sehr erfahrenen Fachkräften. Wo erwarten Sie nach KI-Einführung den größten Produktivitätssprung?
Bei den Berufsanfängern. Im Feldexperiment lag ihr Zuwachs bei 34 bis 35 Prozent, während die erfahrensten Kräfte praktisch nicht profitierten. Für Ihre Planung heißt das zweierlei: Die Einarbeitungszeit neuer Kolleginnen verkürzt sich real, und Sie brauchen eine bewusste Antwort darauf, wofür Sie erfahrene Leute künftig einsetzen. Sonst entwerten Sie Ihre stärkste Ressource durch Untätigkeit.
Wer heute Einstiegsstellen streicht, hat in fünf Jahren niemanden zum Prüfen
KI übernimmt zuerst genau die Aufgaben, an denen Berufsanfänger bisher gelernt haben. Wer diese Aufgaben ersatzlos abgibt, spart heute eine Stelle und verliert in fünf Jahren die Fachkraft, die den Maschinenoutput beurteilen könnte.
Die Forschung hat sich von der Frage gelöst, welche Berufe verschwinden. Sie schaut auf Aufgaben. Eine viel zitierte Untersuchung von OpenAI und der University of Pennsylvania kommt für den US-Arbeitsmarkt zu dem Ergebnis, dass rund 80 Prozent der Beschäftigten mindestens ein Zehntel ihrer Aufgaben von Sprachmodellen berührt sehen, und 19 Prozent mindestens die Hälfte. Neu an dieser Welle: Betroffen sind vor allem gut bezahlte Wissensarbeit mit analytischem Anteil, nicht körperliche Tätigkeit.
Wie das im Betrieb ankommt, zeigt sich am deutlichsten in der Softwareentwicklung. Dort ist KI am längsten im produktiven Einsatz, entsprechend gut ist die Datenlage. Entwicklerinnen und Entwickler mit Assistenzwerkzeugen schreiben bis zu 55 Prozent mehr Code. Was mit diesem Code passiert, hat die Analysefirma GitClear an 211 Millionen veränderten Codezeilen aus den Jahren 2020 bis 2024 untersucht.
Drei Befunde aus der Codeanalyse: Der Anteil an überarbeitetem, aufgeräumtem Code sank von rund 25 Prozent im Jahr 2021 auf unter 10 Prozent. KI fügt lieber Neues hinzu, als Bestehendes umzubauen. Die Zahl kopierter, fast identischer Codeblöcke stieg um das Vier- bis Achtfache. Und der Anteil an Code, der binnen 30 Tagen wieder gelöscht oder grundlegend umgeschrieben werden muss, hat sich von 3,1 auf 5,7 Prozent nahezu verdoppelt. Eine ergänzende Auswertung kommt auf etwa 1,7-mal mehr Fehler im produktiven Betrieb, 75 Prozent mehr Logikfehler und rund 2,7-mal mehr Sicherheitslücken bei KI-erzeugtem Code.
Übersetzt heißt das: Der Durchsatz steigt, die Stabilität sinkt, und die Korrekturarbeit wandert nach hinten, wo sie teurer ist. Das gilt nicht nur für Software. Überall dort, wo eine Maschine schneller produziert als ein Mensch prüfen kann, entstehen Schulden. In der Buchhaltung, in Vergabeunterlagen, in Bescheiden, in Betriebsvereinbarungen.
Und hier schließt sich der Kreis zum Personal. Weil KI die einfachen, wiederholbaren Anteile übernimmt, also genau die Anteile, an denen Berufseinsteiger bisher ihr Handwerk gelernt haben, streichen Unternehmen Einstiegspositionen. Erwartet wird sofortige Produktivität auf mittlerem Erfahrungsniveau. Nur: Ohne Anfänger, die ein System von unten kennenlernen, gibt es in fünf bis zehn Jahren niemanden mehr, der die architektonischen Fehler der Maschine erkennt und die aufgelaufenen Schulden abbaut.
Das Weltwirtschaftsforum rechnet bis 2030 mit dem Wegfall von rund 92 Millionen Aufgabenprofilen und der Entstehung von etwa 170 Millionen neuen Rollen, netto 78 Millionen mehr. Die Zahl klingt beruhigend und ist es nicht. Denn diejenigen, deren Tätigkeit wegfällt, sind selten dieselben, die für die neuen Rollen qualifiziert sind. Rund 59 Prozent der Beschäftigten weltweit brauchen bis 2030 eine erhebliche Um- oder Nachqualifizierung. Auf dem Gehaltszettel ist der Effekt bereits sichtbar: Für Menschen, die KI nicht nur bedienen, sondern in komplexe Arbeitsabläufe einbauen können, weisen Auswertungen einen Gehaltsaufschlag von rund 56 Prozent aus.
Ein deutscher Softwarekonzern hat daraus im vergangenen Jahr eine bemerkenswerte Konsequenz gezogen. Bei der Umstrukturierung von rund 10.000 Stellen forderte der Betriebsrat, die Mittel nicht vorrangig in Abfindungen zu stecken, sondern in KI-Qualifizierung der vorhandenen Belegschaft. Das ist die richtige Rechnung: Eine Abfindung kauft einen Abgang. Eine Qualifizierung kauft eine Fachkraft, die Sie am Markt gerade nicht bekommen.
Die Kämmerei einer Stadtverwaltung mit 90.000 Einwohnern
Zwei Auszubildende haben bisher die einfachen Rechnungsprüfungen und die Standardschreiben übernommen. Langweilige Arbeit, aber genau daran haben sie gelernt, wie ein Haushalt tickt und woran man einen faulen Beleg erkennt. Seit einem halben Jahr erledigt ein Assistenzsystem diese Vorgänge in Minuten.
Die Amtsleitung überlegt, den nächsten Ausbildungsjahrgang auszusetzen. Die Aufgaben, an denen ausgebildet wurde, gibt es ja nicht mehr.
Der Denkfehler steckt in der Gleichsetzung von Aufgabe und Lernanlass. Die Auszubildenden haben nie gelernt, weil sie Rechnungen geprüft haben. Sie haben gelernt, weil sie tausend Fälle gesehen und dabei ein Gefühl für das Normale entwickelt haben. Wer das Normale kennt, erkennt das Abweichende.
Die Alternative kostet kein zusätzliches Personal, nur eine andere Aufgabenzuweisung: Die Auszubildenden prüfen nicht mehr die Rechnungen, sondern die Vorschläge des Systems. Zehn Fälle täglich, mit der Pflicht, jede Abweichung zu begründen. Sie sehen dieselbe Menge Fälle wie früher, in einem Bruchteil der Zeit, und trainieren dabei genau die Fähigkeit, die im Haus knapp wird: begründetes Urteil gegen eine plausibel klingende Maschine.
Ein Nebeneffekt, der oft unterschätzt wird: Die Fehlerprotokolle dieser Prüfungen sind die beste Qualitätsmessung, die Sie über Ihr KI-System je bekommen werden.
Eine Frage an Ihre Ausbildungs- und Einarbeitungspläne
Nehmen Sie den Einarbeitungsplan der letzten neu eingestellten Person. Markieren Sie jede Aufgabe, die heute eine KI schneller erledigt. Und schreiben Sie hinter jede Markierung, an welcher Stelle diese Person künftig das Gleiche lernt, als Prüfende statt als Ausführende.
Weil in vielen Einarbeitungsplänen nach dem Markieren wenig übrig bleibt. Das ist die eigentliche Nachricht dieses Kapitels: Ihre Einarbeitung hat jahrelang funktioniert, ohne dass jemand ihre Wirkungsweise aufschreiben musste. Sie lief über Menge und Wiederholung.
Fällt die Wiederholung weg, muss der Lernanlass ausdrücklich gestaltet werden. Das ist Arbeit. Sie ist billiger als eine Fachkräftelücke im Jahr 2032.
Menschliche Aufsicht ist keine Haltung mehr. Sie ist eine Frist.
Seit dem 2. August 2026 müssen Sie Menschen darüber informieren, wenn sie mit einer KI sprechen. Und wer Bewerbungen algorithmisch bewertet, betreibt ein Hochrisikosystem, auch wenn die Prüffristen dafür gerade verschoben wurden.
Vorab eine Klarstellung, weil dazu derzeit viel Falsches unterwegs ist. Die KI-Verordnung der EU, Verordnung (EU) 2024/1689, gilt seit August 2024 und wird stufenweise anwendbar. Am 27. Juli 2026 ist der sogenannte Digital Omnibus in Kraft getreten und hat über 40 Artikel geändert. Wer daraus schließt, das Thema sei erledigt, liegt falsch.
Der Stand, kurz und belastbar:
Seit 2. Februar 2025: die Verbote, etwa das Auslesen von Emotionen am Arbeitsplatz und in Bewerbungsgesprächen sowie Social Scoring. Ebenfalls seit diesem Datum: die Pflicht zur KI-Kompetenz nach Artikel 4. Der Digital Omnibus hat sie sprachlich entschärft, von „sicherstellen“ zu „fördern“. Abgeschafft hat er sie nicht.
Seit 2. August 2026: die Transparenzpflichten nach Artikel 50. Wer mit einem Chatbot, einem Sprachassistenten oder einem KI-Berater interagiert, muss das erfahren. KI-erzeugte Inhalte müssen als solche erkennbar sein. Für die maschinenlesbare Kennzeichnung bei Systemen, die vor diesem Stichtag auf dem Markt waren, läuft eine Übergangsfrist bis zum 2. Dezember 2026.
Verschoben: die vollen Pflichten für Hochrisiko-Systeme nach Anhang III, dazu gehört Personalauswahl, gelten nun spätestens ab dem 2. Dezember 2027 statt ab August 2026. Für KI, die in regulierte Produkte eingebaut ist, gilt der 2. August 2028.
Bußgeldrahmen: bis zu 35 Millionen Euro oder 7 Prozent des weltweiten Jahresumsatzes bei verbotenen Praktiken, bis zu 15 Millionen Euro oder 3 Prozent bei Verstößen gegen die Transparenzpflichten.
Für die Personalarbeit ist eine Trennlinie ausschlaggebend: die zwischen Suchen und Bewerten. Stellenanzeigen formulieren, Lebensläufe in ein einheitliches Format bringen, ein Chatbot, der Fragen zum Bewerbungsverfahren beantwortet, das Ansprechen möglicher Kandidatinnen in Netzwerken: All das gilt in der Regel als risikoarm. Es gelten Transparenzpflichten, mehr nicht.
Sobald eine KI jedoch aussortiert, Rangfolgen bildet, Video-Interviews bewertet oder Empfehlungen zu Beförderung und Trennung ausspricht, betreiben Sie ein Hochrisikosystem. Dann gilt: Eine Maschine darf nicht abschließend entscheiden. Eine qualifizierte Person muss den Weg zur Empfehlung nachvollziehen können und die tatsächliche Macht haben, sie zu überstimmen. Ein formales Abnicken einer KI-Rangliste genügt nicht. Dazu kommen die Kontrolle der Trainingsdaten auf Verzerrungen, die Information der Bewerbenden vorab und die Aufbewahrung der Systemprotokolle über mindestens sechs Monate.
Die Wirkung reicht über Europa hinaus: Auch außereuropäische Anbieter fallen darunter, sobald ihre Ergebnisse zur Bewertung von Menschen in der EU genutzt werden. Und die verschobenen Fristen ändern nichts an der Einstufung selbst. Ob Ihr System hochriskant ist, entscheidet sich heute, nur die Nachweispflicht kommt später. Wer erst Mitte 2027 anfängt, kommt nicht durch: Eine Konformitätsbewertung dauert Monate.
Welcher dieser vier Einsätze fällt in die Hochrisiko-Kategorie?
Die Rangliste. Die Trennlinie verläuft zwischen Ansprache und Bewertung. Formulieren, formatieren und informieren bleibt risikoarm. Filtern, ranken, bewerten löst den vollen Pflichtenkatalog aus: menschliche Aufsicht, Prüfung der Daten auf Verzerrungen, Information der Bewerbenden, Protokollierung. Genau deshalb setzen viele Personalabteilungen KI derzeit bewusst nur in der Ansprache ein.
Was läuft bei Ihnen bereits, und wissen Sie es?
Klicken Sie an, was in Ihrem Haus im Einsatz ist. Auch dann, wenn es nur eine Fachabteilung nutzt.
- Ein Chatbot oder Sprachassistent mit Kundenkontakt. Dann greift seit dem 2. August 2026 die Informationspflicht.
- KI-erzeugte Texte oder Bilder in externer Kommunikation. Dann brauchen Sie eine Kennzeichnungsregel.
- Eine Vorsortierung oder Bewertung von Bewerbungen. Dann sind Sie in der Hochrisiko-Kategorie.
- Ein dokumentierter Schulungsnachweis zur KI-Kompetenz Ihrer Beschäftigten. Artikel 4 verlangt ihn seit Februar 2025.
- Private KI-Zugänge, die Beschäftigte ohne Freigabe nutzen. Dann haben Sie ein Datenschutzthema, kein KI-Thema.
Jeder angeklickte Punkt gehört auf die Tagesordnung Ihrer nächsten Leitungsrunde. Nicht in ein Projekt für das kommende Jahr.
Sieben Tage. Drei Schritte. Kein Projektantrag nötig.
Jeder dieser Schritte lässt sich ohne Budget, ohne Beschluss und ohne externe Begleitung gehen. Zusammen ergeben sie die Grundlage, auf der Sie eine ernsthafte KI-Entscheidung treffen können.
- Tag 1 bis 2: Engpass finden. Begleiten Sie einen einzigen Vorgang von der Auslösung bis zum Abschluss. Notieren Sie jede Station und jede Wartezeit. Sie werden überrascht sein, wo die Zeit tatsächlich liegen bleibt.
- Tag 3 bis 5: Prüfende benennen. Schreiben Sie für die drei häufigsten KI-Einsätze in Ihrem Bereich auf: Wer prüft das Ergebnis, woran erkennt diese Person einen Fehler, und was passiert, wenn sie widerspricht?
- Tag 6 bis 7: Pflichten klären. Setzen Sie die Kurz-Inventur aus Kapitel 6 auf die Tagesordnung der nächsten Leitungsrunde. Ein Tagesordnungspunkt, 20 Minuten, mit Ergebnisprotokoll.
Selbsttest: Wie belastbar ist Ihre KI-Praxis heute?
Acht Aussagen. Antworten Sie zügig und ehrlich. Der Wert liegt nicht in der Punktzahl, sondern in den Stellen, an denen Sie zögern.
Ihr persönlicher Umsetzungsplan
Drei Felder, drei Sätze. Schreiben Sie es jetzt auf, solange die Beispiele noch frisch sind. Am Ende stellen Sie sich den Plan als Text zusammen und kopieren ihn in Ihre Notizen oder in eine Mail an sich selbst.
Ihre Eingaben bleiben ausschließlich in diesem Browserfenster und werden nirgends gespeichert. Schließen Sie die Seite, sind sie weg. Kopieren Sie den Text also, bevor Sie gehen.
Fünf Sätze, die bleiben sollten
- Ein Werkzeug einzuführen ist keine Veränderung. Verändert wird erst, wenn ein Ablauf neu geschnitten wird.
- Eingesparte Zeit wird nicht frei – sie wird sofort wieder investiert. Legen Sie fest, worin, sonst tut es der Zufall.
- KI klingt bei falschen Antworten genauso sicher wie bei richtigen. Prüfen kann nur, wer die Sache selbst versteht.
- Wer heute die Aufgaben der Anfänger automatisiert, muss ihnen morgen andere Lernanlässe geben. Sonst fehlen ihm die Prüfenden von übermorgen.
- Menschliche Aufsicht ist seit 2025 keine gute Absicht mehr, sondern geltendes Recht mit Bußgeldrahmen.
Die Technik ist da. Die Entscheidung liegt bei Ihnen.
Die Datenlage der letzten zwei Jahre nimmt uns eine bequeme Ausrede und gibt uns eine unbequeme Verantwortung zurück. Die Maschine entscheidet nicht, wie Ihre Arbeit organisiert ist. Das tun Sie: in Ihrer Abteilung, in Ihrem Amt, in Ihrem Betrieb.
Und dafür brauchen Sie kein Millionenbudget. Sie brauchen einen Vorgang, den Sie einmal ehrlich durchmessen. Einen Namen hinter jeder Prüfung. Und ein Team, das weiß, wofür seine Erfahrung jetzt gebraucht wird. Das ist wenig Aufwand für eine große Wirkung, und es ist genau die Arbeit, die kein Anbieter für Sie erledigt.
Machen Sie diese Woche den ersten Schritt. Begleiten Sie einen einzigen Vorgang. Schreiben Sie auf, wo die Zeit liegen bleibt. Wenn Sie danach über Ihre Ergebnisse sprechen möchten, über Ihren Engpass, über Ihre Prüfrollen, über Ihre Einarbeitung, dann melden Sie sich. Ich schaue mir das gerne mit Ihnen an.
Bleiben Sie neuGIERig.
Schreibe einen Kommentar