Es gibt eine Frage, die so gut wie alle Berufe betrifft:
„Wird KI mich ersetzen?“
Fragen Anwälte.
Fragen Designer.
Programmierer, Lehrer, Journalisten, Ärzte, Werbetreibende und Analysten tun es ebenfalls.
Die Frage scheint berechtigt, weil sie uns einen sehr klaren Moment vorstellen lässt.
Heute sitzt eine Person auf diesem Stuhl.
Morgen ist es eine Maschine.
Solange dieser Tag nicht kommt, arbeiten wir weiter und interpretieren den Fortbestand unserer Position als Zeichen der Sicherheit.
Aber so wird es wahrscheinlich nicht sein.
Dein Beruf wird vielleicht weiterhin existieren.
Deine Berufsbezeichnung wird vielleicht denselben Namen behalten.
Dein Unternehmen wird vielleicht weiterhin Leute für denselben Bereich einstellen.
Und dennoch könnte alles, was diesem Job Sicherheit, Verhandlungsmacht und eine Zukunft gab, beginnen, sich zu verändern.
Das Risiko beginnt nicht, wenn der Beruf verschwindet. Es beginnt, wenn er weiter existiert, aber anfängt, weniger Leute zu brauchen.
Ein Beruf ist nicht nur eine Sache
Stell dir eine junge Marketing-Analystin namens Clara vor.
Clara beginnt ihre Karriere.
Unter der Woche recherchiert sie über Wettbewerber, organisiert Informationen, erstellt Präsentationen, schreibt erste Entwürfe, überwacht Kampagnen und verwandelt Ergebnisse in Berichte.
Keine dieser Aufgaben definiert für sich genommen, was es bedeutet, im Marketing zu arbeiten.
Aber zusammen nehmen sie einen großen Teil ihrer Routine ein.
Sie bringen Clara auch bei, wie man den Beruf ausübt.
Wenn sie über einen Wettbewerber recherchiert, lernt sie, eine wichtige Veränderung von einer irrelevanten Neuheit zu unterscheiden.
Wenn sie einen Bericht erstellt, lernt sie, welche Zahlen gut aussehen und welche tatsächlich Ergebnisse darstellen.
Wenn sie einen ersten Entwurf schreibt, versteht sie, wie sich eine Idee je nach Zielgruppe, Produkt und Zeitpunkt ändert.
Wenn sie jemandem mit mehr Erfahrung bei der Überprüfung ihrer Arbeit zusieht, beginnt sie, Kriterien zu erkennen, die sie allein noch nicht erklären konnte.
Stell dir nun vor, Claras Unternehmen führt KI ein.
Die erste Recherche dauert Minuten.
Daten kommen organisiert an.
Die Präsentation erhält automatisch eine erste Struktur.
Der Bericht erscheint bereits mit einer Zusammenfassung.
Zehn Versionen eines Textes können erstellt werden, bevor Clara die erste fertig hat.
Ist der Marketingberuf verschwunden?
Nein.
Hat Clara ihren Job verloren?
Nicht unbedingt.
Aber etwas Wichtiges ist passiert.
Ein Beruf ist kein monolithischer Block.
Er besteht aus Aufgaben, Entscheidungen, Wissen, Beziehungen, Verantwortlichkeiten, Urteilen und eingegangenen Risiken.
KI muss nicht all dies beherrschen, um den Markt zu verändern.
Sie muss nur in die richtigen Teile vordringen.
Der Beruf ist eines der letzten Dinge, die verschwinden. Aufgaben ändern sich zuerst.
Das Erste, was verschwindet, könnte die Karriereleiter sein
Es ist leicht, Claras anfängliche Aufgaben zu betrachten und darin nur operative Arbeit zu sehen.
Recherche.
Organisation.
Erste Entwürfe.
Berichte.
Es scheint großartig, dass eine Maschine diese Last aus ihrer Routine nehmen kann.
Nur waren diese Aufgaben auch die ersten Sprossen ihrer Ausbildung.
Clara erstellte Berichte nicht nur, um Berichte zu liefern.
Sie lernte, ein Geschäft zu betrachten.
Sie recherchierte nicht nur über Wettbewerber, um eine Präsentation zu füllen.
Sie baute sich ein Repertoire auf.
Sie schrieb nicht nur unvollkommene Versionen, weil jemand sie machen musste.
Sie entwickelte das Urteilsvermögen, das ihr Jahre später erlauben würde, eine gute Version zu erkennen.
Dieser Mechanismus taucht in vielen Berufen auf.
Ein junger Anwalt lernt durch die Recherche von Dokumenten, den Vergleich von Entscheidungen und die Erstellung erster Entwürfe.
Ein Programmierer beginnt damit, kleinere Probleme zu beheben, einfache Teile zu schreiben und zu versuchen, von anderen gebaute Systeme zu verstehen.
Ein Designer entwickelt eine ästhetische Richtung, indem er Variationen produziert, Stücke anpasst und Kritik erhält.
Ein Werbefachmann lernt durch die Recherche von Referenzen, das Testen von Ansätzen und das Beobachten, warum manche Ideen Überprüfungen überstehen und andere nicht.
Wenn KI diese Aufgaben übernimmt, spart das Unternehmen nicht nur Zeit.
Es könnte aufhören, so viele Leute am Anfang ihrer Karriere zu brauchen.
Ein erfahrener Profi, unterstützt von KI, beginnt das zu liefern, was zuvor mehrere Anfänger erforderte.
Das Unternehmen schafft weniger Stellen.
Weniger Leute kommen herein.
Weniger Leute sammeln Erfahrung.
Die Karriere verliert einige ihrer ersten Sprossen.
Dies zeigt sich bereits in den ersten verfügbaren Daten.
Eine Studie des Stanford Digital Economy Lab, basierend auf Gehaltsabrechnungen in den USA, fand einen relativen Rückgang der Beschäftigung um 16 % für Arbeitnehmer zwischen 22 und 25 Jahren in Berufen mit hoher KI-Exposition, nach Berücksichtigung von Unterschieden zwischen Unternehmen.
In derselben Studie waren erfahrenere Fachkräfte in denselben Berufen relativ besser geschützt.
Die Autoren warnen selbst, dass die Studie beobachtend ist und nicht beweist, dass der gesamte Unterschied durch KI verursacht wurde.
Trotzdem verdient das Muster Aufmerksamkeit.
Der anfängliche Druck scheint nicht alle gleichermaßen zu treffen.
Er könnte genau bei denen beginnen, die noch hinein mussten, um zu lernen.
KI wird vielleicht nicht einen Beruf beseitigen. Sie wird vielleicht die Art und Weise beseitigen, wie Menschen gelernt haben, ihn auszuüben.
Und das schafft eine unbequeme Frage:
Wenn die Jobs verschwinden, die erfahrene Fachkräfte hervorgebracht haben, woher kommen dann die nächsten erfahrenen Fachkräfte?
Die Position bleibt, aber der Wert wandert ab
Clara bleibt im Unternehmen.
Ihre Berufsbezeichnung ist weiterhin Marketing-Analystin.
Nach außen hin scheint alles relativ normal.
Im Inneren hat sich die Messlatte verschoben.
Früher erwartete das Unternehmen von ihr, zu recherchieren, zu organisieren und zu produzieren.
Jetzt, da diese Schritte schneller geworden sind, erwartet es von Clara, mehr zu liefern.
Es reicht nicht, zehn Ideen zu präsentieren.
Sie muss erkennen, welche zwei sinnvoll sind.
Es reicht nicht, einen Bericht zu erstellen.
Sie muss erklären, was auf seiner Grundlage getan werden sollte.
Es reicht nicht, eine Kampagne zu produzieren.
Sie muss die Zielgruppe verstehen, Risiken identifizieren, Entscheidungen verteidigen und für die Ergebnisse verantwortlich sein.
Der Produktivitätsgewinn verwandelt sich nicht automatisch in Freizeit.
Oft verwandelt er sich in eine neue Erwartung.
Eine Person beginnt das zu liefern, was zuvor mehrere erforderte.
Teams werden kleiner.
Das Produktionsvolumen steigt.
Ausführung wird reichlich vorhanden.
Und was reichlich vorhanden ist, verliert normalerweise an wirtschaftlichem Wert.
Vielleicht wird KI nicht alle Designer ersetzen.
Aber sie kann einem großartigen Designer erlauben, das zu produzieren, was zuvor ein Team erforderte.
Vielleicht wird sie nicht alle Anwälte ersetzen.
Aber sie kann die Anzahl der Leute reduzieren, die benötigt werden, um einen Fall zu recherchieren, zu organisieren und vorzubereiten.
Vielleicht wird sie nicht alle Marketingfachleute ersetzen.
Aber sie kann dazu führen, dass die Fähigkeit, nur Texte, Präsentationen und Berichte zu produzieren, nicht mehr ausreicht.
Der Beruf bleibt auf dem Markt.
Die Anzahl der verfügbaren Stellen darin ändert sich.
Und der Wert beginnt sich bei denen zu konzentrieren, die mehr als nur Ausführung können.
Wenn eine Aufgabe reichlich vorhanden ist, reicht das Wissen, wie man sie ausführt, nicht mehr aus, um Wert zu garantieren.
Wenn Ausführung aufhört, selten zu sein, was bleibt dann wertvoll?
Dieselbe Technologie, die die Leiter zerbricht, kann helfen, eine andere zu bauen
Hier gibt es einen wichtigen Widerspruch.
KI reduziert den Bedarf an einigen Aufgaben, durch die Anfänger lernten.
Aber sie kann einer Person auch Zugang zu einer Menge an Praxis, Wissen und Fähigkeit verschaffen, die zuvor unmöglich allein zu erreichen gewesen wäre.
Das passiert nicht automatisch.
Clara kann KI auf zwei völlig unterschiedliche Arten nutzen.
Bei der ersten schickt sie eine Aufgabe, erhält eine Antwort, kopiert das Ergebnis und liefert es ab.
Sie wirkt produktiv.
Aber sie weiß nicht, wie sie erklären soll, warum diese Antwort gut ist.
Sie erkennt Fehler nicht mit Sicherheit.
Sie entwickelt keine eigenen Kriterien.
Je mehr sie produziert, desto abhängiger wird sie von etwas, das sie nicht bewerten kann.
Sie nutzt KI, um Arbeit zu vermeiden.
Aber sie vermeidet auch einen Teil des Lernens.
Bei der zweiten Art nutzt Clara KI, um ihre Ausbildung zu erweitern.
Sie bittet das Tool, verschiedene Strategien zu erklären.
Vergleicht Alternativen.
Versucht, eine Entscheidung zu treffen, bevor sie die Antwort konsultiert.
Bittet um Kritik an ihrer eigenen Argumentation.
Simuliert Szenarien.
Studiert frühere Kampagnen.
Zeichnet ihre Fehler auf.
Erstellt eigene Projekte.
Testet Hypothesen, die sie allein nicht die Zeit oder die Ressourcen hätte, zu testen.
Anstatt nur nach einer Antwort zu fragen, baut sie einen Kreislauf auf:
ausprobieren, vergleichen, Feedback erhalten, korrigieren und erneut versuchen.
In diesem Fall ersetzt KI nicht die Praxis.
Sie erhöht das Ausmaß und die Geschwindigkeit der möglichen Praxis.
Aber es gibt eine wichtige Grenze.
KI ersetzt nicht echte Probleme.
Sie ersetzt nicht echte Konsequenzen.
Sie ersetzt nicht Mentoring, den Kontakt zu erfahreneren Personen, externes Feedback und zunehmende Verantwortung.
Ein Werkzeug, das alles beantworten kann, kann auch eine schlechte Idee sehr überzeugend bestätigen.
Daher wird die neue Leiter nicht nur mit Prompts, Agenten und Automatisierungen gebaut werden.
Sie wird KI mit echten Projekten, menschlicher Kritik, Studium, Experimentieren und Verantwortung kombinieren müssen.
Der Unterschied wird darin liegen, KI zu nutzen, um Lernen zu vermeiden, oder sie zu nutzen, um den Aufbau von Urteilsvermögen zu beschleunigen.
Die Technologie, die einige der alten Sprossen entfernt, kann auch helfen, neue zu schaffen.
Nur dass diesmal ein Teil der Verantwortung für den Bau dieser Leiter das Unternehmen verlassen und auf den Fachmann selbst übergehen könnte.
Die Geburt des erweiterten Fachmanns
Mit der Zeit hört Clara auf, KI nur zu nutzen, wenn sie eine Aufgabe erledigen muss.
Sie beginnt, eine Fähigkeit um sich herum aufzubauen.
Organisiert ein Gedächtnis früherer Kampagnen.
Zeichnet Entscheidungen, Ergebnisse und Fehler auf.
Erstellt einen wiederkehrenden Prozess zur Recherche von Wettbewerbern.
Definiert Kriterien zur Bewertung von Ideen.
Konfiguriert Agenten für bestimmte Aufgaben.
Automatisiert Nachverfolgungen.
Hält den Kontext jedes Kunden organisiert.
Erstellt Überprüfungsschritte vor jeder Auslieferung.
Clara beginnt nicht mehr jedes Projekt von Null.
Sie trägt alles, was sie gelernt hat, und ein System, das dieses Wissen in Bewegung setzen kann, bei sich.
Dies ist ein größerer Unterschied, als einfach nur zu wissen, wie man ChatGPT benutzt.
Es gibt den Fachmann, der KI nutzt, um dieselbe Arbeit schneller zu produzieren.
Und es gibt den Fachmann, der KI in Gedächtnis, Prozess, Repertoire und angesammelte Fähigkeit verwandelt.
Der erste spart Zeit.
Der zweite verändert, was eine einzelne Person übernehmen kann.
Diese Veränderung zeigt sich bereits in der Art, wie große Unternehmen Arbeit beschreiben.
Im Work Trend Index 2025 stellte Microsoft die Idee von Teams vor, die aus Menschen und Agenten bestehen, wobei Fachleute „digitale Kollegen“ anleiten, bestimmte Teile der Arbeit auszuführen.
Der Anthropic Economic Index fand ebenfalls zwei unterschiedliche Nutzungsmuster: Automatisierung, wenn die Aufgabe delegiert wird, und Erweiterung, wenn die Person KI nutzt, um zu lernen, zu validieren und die Arbeit gemeinsam zu entwickeln.
Die Unterscheidung ist wichtig, denn das Drücken eines Knopfes schafft keinen dauerhaften Vorteil.
Mit der Zeit wird fast jeder Zugang zu denselben Werkzeugen haben.
Der Vorteil wird in dem System liegen, das um sie herum aufgebaut wurde.
Welche Informationen hast du organisiert?
Welchen Kontext hast du angesammelt?
Welche Kriterien hast du entwickelt?
Welche Prozesse kannst du koordinieren?
Welche Ergebnisse kannst du verifizieren?
Welche Verantwortungen hast du begonnen zu übernehmen?
In Zukunft könnte ein Unternehmen nicht nur die Erfahrung, Ausbildung und bisherigen Ergebnisse einer Person bewerten.
Es könnte auch wissen wollen, welche Fähigkeit diese Person mobilisieren kann.
Welche Prozesse kann sie bedienen?
Wie viel Kontext kann sie tragen?
Wie kontrolliert sie die Qualität dessen, was ihre Agenten produzieren?
Wie viel Ergebnis kann sie erzielen, ohne das Team zu vergrößern?
Die Person kommt nicht nur mit einem Lebenslauf.
Sie kommt mit einer Art eigener beruflicher Infrastruktur.
Das Unternehmen stellt nicht nur die Person ein. Es stellt ihr Urteilsvermögen und die gesamte KI-Fähigkeit ein, die sie gelernt hat, aufzubauen und zu orchestrieren.
Jeder Fachmann kann eine operative Fähigkeit mit sich tragen, die zuvor nur einem ganzen Unternehmen gehörte.
Aber das bedeutet nicht, dass die Maschine den Fachmann automatisch wertvoll gemacht hat.
Die Maschine kann generieren.
Jemand muss noch die Richtung vorgeben.
Die Maschine kann vorschlagen.
Jemand muss noch urteilen.
Die Maschine kann eine riesige Menge an Informationen verarbeiten.
Jemand muss noch den Kontext verstehen.
Die Maschine kann eine Aktion empfehlen.
Jemand muss noch für die Konsequenzen geradestehen.
Richtung, Urteilsvermögen, Kontext und Verantwortung sind keine romantische Verteidigung des Menschen.
Sie sind konkrete Bestandteile der Arbeit.
Je billiger die Produktion wird, desto wichtiger werden sie.
Fähigkeit ohne Richtung, Urteilsvermögen, Kontext und Verantwortung ist noch kein vollständiger Beruf.
Der Test, den du heute machen kannst
Warte nicht darauf, dass der Name deines Berufs auf einer Liste bedrohter Jobs erscheint.
Nimm eine normale Arbeitswoche und liste auf, was du tatsächlich tust.
Schreib nicht nur „Ich bin Anwalt“, „Ich bin Designer“ oder „Ich arbeite im Marketing“.
Liste die Aktivitäten auf.
Ordne sie dann in sechs Gruppen ein.
1. Produktion
Was erstellst, organisierst oder führst du aus?
2. Entscheidung
Was erfordert eine Wahl von dir?
3. Kontext
Was hängt davon ab, das Unternehmen, den Kunden oder die Situation genau zu kennen?
4. Verantwortung
Wofür muss jemand geradestehen?
5. Vertrauen
Was hängt von Beziehung, Reputation oder Glaubwürdigkeit ab?
6. Lernen
Welche Aufgaben formen die Erfahrung, die du brauchst, um größere Aufgaben zu übernehmen?
Identifiziere nun, was KI bereits beginnen kann.
Frag nicht nur, ob sie alles perfekt kann.
Das ist eine zu bequeme Messlatte.
Frag:
Kann KI bereits eine brauchbare erste Version produzieren?
Wenn die Antwort ja ist, kann sie bereits die Zeit, die Kosten und die Anzahl der Leute verändern, die für diese Aufgabe benötigt werden.
Suche dann nach dem unsichtbaren Risiko.
Wenn diese Aufgabe an Wert verliert, was passiert mit dir?
Ist sie nur operativ oder auch Teil deines Lernens?
Wenn jeder sie mit KI ausführen kann, warum wird dich dann jemand weiterhin wählen?
Entwickelst du Urteilsvermögen oder steigerst du nur die Geschwindigkeit?
Suche schließlich nach der unsichtbaren Chance.
Wie kannst du KI nutzen, um mehr zu üben?
Welches Wissen musst du organisieren?
Welchen Prozess kannst du aufbauen, anstatt nur zu beschleunigen?
Welche Kriterien musst du entwickeln, um die Ergebnisse zu bewerten?
Welche größere Verantwortung kannst du jetzt übernehmen, da die Ausführung weniger Zeit erfordert?
Die wichtigste Frage ist nicht:
„Wie kann ich meine Aufgabe schneller erledigen?“
Sie ist:
„Nutze ich KI, um dieselbe Arbeit schneller zu machen, oder um ein Fachmann mit einer anderen Fähigkeit zu werden?“
Das Risiko beginnt früher. Die Chance auch.
KI wird wahrscheinlich nicht an einem Montag kommen und verkünden, dass dein Beruf aufgehört hat zu existieren.
Deine Berufsbezeichnung wird vielleicht bleiben.
Das Unternehmen wird vielleicht weiter einstellen.
Leute werden vielleicht viele Jahre lang dieselbe Tätigkeit ausüben.
Die Veränderung wird auf eine weniger sichtbare Weise stattfinden.
Zuerst werden einige Aufgaben weniger Zeit in Anspruch nehmen.
Dann kann eine Person das liefern, was zuvor mehrere erforderte.
Einstiegspositionen werden zurückgehen.
Die alte Leiter wird Sprossen verlieren.
Erwartungen werden steigen.
Bestimmte Fähigkeiten werden aufhören, selten zu sein.
Wert wird auf neue Teile der Arbeit abwandern.
Wenn jemand schließlich fragt, ob der Beruf ersetzt wurde, könnte das bereits die falsche Frage sein.
Der verletzlichste Fachmann ist nicht unbedingt der, dessen Beruf automatisiert werden kann.
Es ist der, dessen Wert nur von Aufgaben abhängt, die leicht zu reproduzieren sind.
Der am besten vorbereitete Fachmann versucht nicht zu beweisen, dass er ohne KI arbeiten kann.
Er lernt, die Technologie zu lenken, ihre Ergebnisse zu überprüfen und Verantwortungen zu übernehmen, die die Maschine allein nicht tragen kann.
Das macht niemanden unersetzlich.
Aber es macht eine vorbereitete Person viel fähiger, wertvoller und schwerer zu ersetzen, als sie allein arbeitend wäre.
Die Zukunft wird nicht nur zwischen Menschen und Maschinen geteilt sein.
Sie wird zwischen Menschen geteilt sein, die weiterhin allein arbeiten, und Menschen, die gelernt haben, Maschinen in eine Verlängerung ihrer eigenen Fähigkeit zu verwandeln.
KI wird deinen Beruf nicht auf einmal ersetzen. Das wirkliche Risiko beginnt viel früher.
Aber die Chance auch.
Wenn du dich auf diese Veränderung vorbereiten willst
Der beste Weg, sich vorzubereiten, ist nicht, mit KI zu konkurrieren.
Es ist, zu lernen, sie in deine eigene Fähigkeit zu verwandeln.
Wenn du verstehen willst, wie du das in deiner Arbeit machst, folge mir hier auf X.
Ich teile täglich praktische Wege, neue Technologien zu nutzen, um besser zu produzieren, größere Verantwortungen zu übernehmen und auf dem Markt wertvoller zu werden.
Quellenangaben
- Erik Brynjolfsson, Bharat Chandar und Ruyu Chen. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, Version November 2025.
- Microsoft. 2025 Work Trend Index Annual Report: The Year the Frontier Firm Is Born.
- Anthropic. Anthropic Economic Index: Uneven Geographic and Enterprise AI Adoption, September 2025.
