KI und Arbeit: Was sich ändern kann – und was bleibt

Aufgaben verändern sich anders als ganze Berufe

Ein Beruf besteht aus unterschiedlichen Tätigkeiten: Informationen beschaffen, etwas herstellen, mit Menschen sprechen, Entscheidungen vorbereiten, Ausnahmen bearbeiten und Verantwortung übernehmen. Ein System kann bei einigen dieser Tätigkeiten sehr hilfreich sein und bei anderen wenig beitragen. Deshalb ist die Aussage, ein Modell könne eine Prüfung bestehen, noch keine vollständige Beschreibung seiner Eignung für den entsprechenden Beruf. Zwischen einer beantworteten Frage und einem verantwortlich geführten Arbeitsalltag liegen einige weitere Aufgaben.

Die ILO-Untersuchung von 2025 betrachtet die mögliche Betroffenheit von Berufen anhand ihrer Tätigkeiten. Eine solche Expositionsanalyse beschreibt technische Berührungspunkte, nicht die Zahl sicher wegfallender Stellen. Sie ist ein Hinweis darauf, wo Veränderungen untersucht werden sollten. Wirtschaftliche Entscheidungen, Nachfrage, Regulierung, Organisation und tatsächliche Nutzbarkeit wirken zusätzlich. Ein mögliches Automatisierungspotenzial ist noch kein beschlossenes Organisationsmodell.

Für ein Unternehmen ist deshalb die konkrete Aufgabenliste hilfreicher als die Schlagzeile. Wo werden heute Informationen mehrfach übertragen? Wo warten Menschen auf Unterlagen? Welche Entscheidungen brauchen Erfahrung, Kontakt oder Abwägung? Welche Arbeit würde durch einen Fehler besonders aufwendig? Erst wenn das sichtbar ist, kann man sinnvoll entscheiden, was unterstützt, verändert oder bewusst unverändert gelassen wird. Die Zukunft beginnt hier ausnahmsweise mit einer Bestandsaufnahme.

Drei Szenarien statt einer sicheren Vorhersage

Ein erstes plausibles Szenario ist die Unterstützung bestehender Arbeit. Menschen nutzen KI für erste Entwürfe, Suche, Strukturierung oder Übersetzungen. Die Zuständigkeiten bleiben weitgehend erhalten, einzelne Schritte werden leichter. Ob tatsächlich Zeit frei wird, hängt unter anderem davon ab, wie viel Prüfung und Korrektur nötig ist. Das Szenario ist weder klein noch langweilig: Viele sinnvolle Verbesserungen müssen nicht gleich das gesamte Unternehmen neu erfinden.

Ein zweites Szenario ist die Neugestaltung von Abläufen. Aufgaben werden anders verteilt, Übergaben verändert und bestimmte Schritte automatisiert. Ein Team könnte beispielsweise Informationen früher zusammenführen, statt am Monatsende Berichte aus vielen Einzeldateien einzusammeln. Dafür müssen Datenzugänge, Zuständigkeiten und Abnahmen neu geregelt werden. Der Nutzen entsteht dann nicht nur durch das Modell, sondern durch die veränderte Zusammenarbeit. Genau dort liegt allerdings auch der Veränderungsaufwand.

Ein drittes Szenario ist eine bewusste Begrenzung. Eine Anwendung wird nur unterstützend eingesetzt oder nach dem Versuch wieder aufgegeben, weil Fehlerfolgen, Abhängigkeiten oder Prüfaufwand zu groß sind. Diese Entscheidung kann fachlich richtig sein. Alle drei Szenarien können im selben Unternehmen gleichzeitig vorkommen. Sie sind Denkwerkzeuge für Planung und Prüfung, keine Vorhersagen darüber, was in einem bestimmten Jahr zwingend geschehen wird.

Produktivität braucht einen vollständigen Maßstab

Ein schneller Entwurf ist noch kein schneller erledigter Vorgang. Zur Arbeit gehören Vorbereitung, Prüfung, Korrektur, Abstimmung und mögliche Folgen eines Fehlers. Wenn KI einen Bericht in Sekunden schreibt, der anschließend eine Stunde überprüft werden muss, ist die reine Erzeugungszeit wenig aussagekräftig. Man kann durchaus sehr effizient zusätzliche Arbeit produzieren. Dafür brauchte es früher allerdings auch keine künstliche Intelligenz.

Eine Untersuchung von Brynjolfsson, Li und Raymond zur Einführung eines KI-Assistenten im Kundensupport fand Produktivitätsgewinne, die zwischen Beschäftigtengruppen unterschiedlich ausfielen. Das ist ein konkreter empirischer Befund in einem bestimmten Umfeld, kein allgemeiner Prozentsatz für jeden Betrieb. Für die eigene Anwendung müssen Aufgabe, vorhandene Kenntnisse und Qualitätsanforderungen berücksichtigt werden. Gute Studien helfen beim Fragenstellen; sie ersetzen keinen eigenen Nachweis.

Ein brauchbarer Versuch vergleicht ähnliche Aufgaben mit und ohne Unterstützung. Neben Zeit zählen Fehler, Nacharbeit, verständliche Ergebnisse und die Zufriedenheit der Betroffenen. Auch Wartezeiten und Übergaben können relevant sein. Die Bewertung sollte nicht nur von der Person kommen, die die Einführung verantwortet. Wer später mit den Ergebnissen weiterarbeitet, sieht häufig andere Folgen. Ein eingesparter Arbeitsschritt ist wenig gewonnen, wenn er unbemerkt in eine andere Abteilung verschoben wird.

Fachwissen wird nicht durch gute Formulierungen ersetzt

KI kann Informationen zugänglich machen und beim Lernen helfen. Gleichzeitig muss jemand erkennen können, ob ein Ergebnis zur tatsächlichen Situation passt. Dafür braucht es Fachwissen, Erfahrung und die Fähigkeit, gezielt nachzufragen. Wer ein Thema noch nicht versteht, kann eine besonders flüssige Antwort leicht für eine besonders richtige Antwort halten. Der sachliche Irrtum hat dann lediglich eine angenehmere Verpackung bekommen.

Kompetenzerhalt sollte deshalb bewusst gestaltet werden. Lernende können zunächst einen eigenen Lösungsweg entwickeln und anschließend vergleichen. Erfahrene Beschäftigte können Stichproben selbst durchführen, Rechenwege prüfen oder schwierige Fälle ohne Assistenz bearbeiten. Bei wichtigen Abläufen braucht es Menschen, die auch im Ausfall des Werkzeugs arbeitsfähig bleiben. Das bedeutet nicht, jede Aufgabe dauerhaft doppelt zu erledigen. Es bedeutet, die für Kontrolle und Notbetrieb nötigen Fähigkeiten nicht versehentlich abzuschaffen.

Auch neue Kompetenzen entstehen: Aufgaben sauber abgrenzen, Quellen bewerten, Datenqualität einschätzen, Berechtigungen verstehen und Ergebnisse verantwortlich abnehmen. Prompting ist dabei eine nützliche Teilfähigkeit, aber keine vollständige Berufsausbildung. Eine gute Aufgabenbeschreibung hilft viel. Sie macht aus einem falschen Ausgangspunkt jedoch noch keine richtige Entscheidung. Die Frage nach dem Warum bleibt wichtiger als die Kenntnis einer gerade beliebten Eingabeformel.

Arbeiten ohne KI bleibt eine sinnvolle Möglichkeit

Es gibt Aufgaben, bei denen direkte menschliche Arbeit der bessere Weg ist. Ein vertrauliches Gespräch muss nicht automatisch aufgezeichnet und ausgewertet werden. Eine einfache Berechnung benötigt möglicherweise nur eine nachvollziehbare Formel. Eine bereits klare Entscheidung wird durch fünf zusätzliche KI-Varianten nicht zwingend besser. Wenn Zweck und Nutzen fehlen, ist der Verzicht keine Ablehnung von Fortschritt, sondern eine ordentliche Auswahl des Werkzeugs.

Auch für den Betrieb ist eine Alternative wichtig. Was passiert, wenn der Dienst nicht verfügbar ist, Zugänge gesperrt werden oder die Qualität nach einer Änderung schwankt? Kritische Abläufe brauchen einen angemessenen Ersatzweg. Das kann eine manuelle Bearbeitung, eine andere technische Lösung oder eine begrenzte Notfallleistung sein. Nicht jede Anwendung muss vollständig redundant aufgebaut werden. Aber die Folgen einer Abhängigkeit sollten bekannt und bewusst akzeptiert sein.

Für Beschäftigte darf die Einführung nicht zur stillen Annahme führen, jede Tätigkeit müsse künftig mit KI erfolgen. Geeignete Regeln unterscheiden sinnvolle, erlaubte, genehmigungspflichtige und ungeeignete Verwendungen. Sie erklären Gründe statt nur Schlagworte. Das erleichtert auch den Umgang mit Zweifeln: Wer eine unpassende Anwendung ablehnt, sollte nicht erst beweisen müssen, grundsätzlich technikfreundlich zu sein. Sachliche Einwände gehören zur Qualität einer Einführung.

Veränderung mit Menschen statt über ihre Köpfe hinweg

Eine neue Anwendung verändert häufig mehr als den sichtbaren Arbeitsschritt. Aufgaben werden anders verteilt, Leistung wird neu bewertet und Beschäftigte fragen sich, was ihre Erfahrung noch zählt. Diese Fragen verschwinden nicht, wenn die Präsentation besonders freundlich gestaltet ist. Führung sollte deshalb Zweck, Grenzen und offene Entscheidungen früh benennen. Was wird erprobt? Was ist noch nicht entschieden? Wie werden Erfahrungen und Schwierigkeiten aufgenommen?

Ein fiktives Beispiel: Ein Serviceteam testet KI-Entwürfe für Antworten. Die Mitarbeitenden prüfen fachliche Richtigkeit und Ton, während schwierige Fälle weiterhin bewusst selbst bearbeitet werden. Das Team dokumentiert, wo Entwürfe helfen und wo sie nachgearbeitet werden müssen. Für die Bewertung zählen nicht allein Antwortzahlen, sondern auch gelöste Anliegen und vermeidbare Rückfragen. So wird aus einem Werkzeugtest eine gemeinsame Untersuchung der tatsächlichen Arbeit.

Mögliche Entlastung sollte nicht sofort vollständig durch höhere Mengenvorgaben aufgezehrt werden. Sonst bleibt für Prüfung und Lernen genau die Zeit übrig, die vorher schon fehlte. Das ist eine organisatorische Entscheidung, keine technische Naturgesetzlichkeit. Wer Verantwortung für Ergebnisse verlangt, muss die dafür nötigen Bedingungen ermöglichen. Ein Mensch am Ende der Kette ist nur dann eine wirksame Kontrolle, wenn er mehr sein darf als eine Bestätigungsschaltfläche.

Ethik wird an konkreten Entscheidungen sichtbar

Ethik bei KI beginnt nicht erst bei spektakulären Zukunftsfragen. Sie zeigt sich etwa darin, welche Daten verwendet werden, welche Gruppen schlechtere Ergebnisse erhalten und ob Betroffene eine Entscheidung nachvollziehen oder korrigieren lassen können. Die UNESCO-Empfehlung zur KI-Ethik setzt Menschenrechte, Fairness und menschliche Verantwortung in den Mittelpunkt. Für den Alltag müssen solche Grundsätze in konkrete Entscheidungen übersetzt werden.

Ein System, das Bewerbungen sortiert oder Leistungen bewertet, wirkt auf Menschen anders als ein Werkzeug für unverbindliche Textideen. Deshalb reicht die Frage nach technischer Genauigkeit allein nicht. Wer trägt Nachteile eines Fehlers? Können Betroffene widersprechen? Werden vorhandene Benachteiligungen verstärkt? Gibt es eine verständliche menschliche Ansprechstelle? Welche Verwendung ist auch dann nicht erwünscht, wenn sie technisch möglich wäre? Diese Fragen lassen sich nicht vollständig an den Anbieter delegieren.

Zur Abwägung gehören außerdem Ressourcen und Abhängigkeiten. Rechenleistung, Energie, Infrastruktur und Datenarbeit sind nicht kostenlos oder folgenlos. Pauschale Zahlen pro KI-Anfrage helfen allerdings wenig, wenn Modell, Auslastung und Aufgabe unbekannt sind. Sinnvoller ist, unnötige Verarbeitung zu vermeiden und den Aufwand am tatsächlichen Nutzen zu messen. Nicht jeder kurze Text benötigt mehrere große Modelle und eine künstliche Redaktionskonferenz.

Was heute entschieden werden kann

Ein zusätzlicher Maßstab ist die Verteilung des Nutzens. Werden nur Kosten betrachtet oder auch bessere Ergebnisse, weniger unnötige Belastung und zugänglichere Informationen? Profitieren auch Menschen, denen die bisherige Arbeitsweise Schwierigkeiten bereitet hat? Solche Fragen lassen sich in einen Pilot aufnehmen, ohne daraus ein gesellschaftliches Gesamtgutachten zu machen. Sie verhindern, dass ein technisch erfolgreicher Versuch vorschnell als Erfolg für alle Beteiligten bezeichnet wird.

Genauso sollten neue Abhängigkeiten sichtbar bleiben. Wenn Wissen nur noch in Gesprächen mit einem bestimmten Dienst auffindbar ist, wird ein späterer Wechsel schwierig. Wichtige Ergebnisse, Entscheidungen und Quellen gehören deshalb in geeignete eigene Ablagen. Das Werkzeug darf den Zugang zur Arbeit erleichtern, sollte aber nicht zum einzigen Ort werden, an dem die Organisation ihre eigene Arbeit noch versteht.

Die langfristige Entwicklung bleibt unsicher. Trotzdem lassen sich vernünftige Schritte festlegen: konkrete Aufgaben auswählen, Grenzen benennen, Verantwortliche bestimmen und Ergebnisse messen. Dazu gehört auch die Entscheidung, wann ein Versuch beendet oder zurückgebaut wird. Ein Pilot ohne Abbruchkriterium wird leicht zur dauerhaften Gewohnheit. Das Wort Pilot allein hält eine Anwendung weder klein noch ungefährlich.

Ich halte einen pragmatischen Mittelweg für sinnvoll: neugierig ausprobieren, aber die Wirkung nüchtern betrachten. Weder Begeisterung noch Skepsis müssen die Antwort schon vor dem Versuch festlegen. Neue Möglichkeiten können wertvoll sein, während einzelne Anwendungen gleichzeitig ungeeignet bleiben. Diese Unterscheidung verhindert, dass jede Diskussion zur grundsätzlichen Abstimmung über die Zukunft der Menschheit wird.

Am Ende sollte eine Organisation erklären können, welche Arbeit besser geworden ist, welche Fähigkeiten erhalten bleiben und wer bei Problemen handelt. Dazu braucht es kein prophetisches Talent. Man muss hinsehen, zuhören und Zusammenhänge verstehen. KI kann dabei helfen. Die Entscheidung, wie wir mit ihr arbeiten wollen, bleibt dennoch unsere Aufgabe.