Wenn sich das Meer plötzlich weit zurückzieht, laufen manche Menschen neugierig auf den freigelegten Boden. Andere erkennen das Warnsignal und suchen höheres Gelände.
Das Bild eines Tsunamis ist drastisch. Vielleicht zu drastisch. Künstliche Intelligenz ist keine einzelne Wasserwand, die an einem bestimmten Dienstag über den Arbeitsmarkt bricht. Sie wirkt ungleichzeitig, widersprüchlich und je nach Beruf völlig anders.
Trotzdem beschreibt die Szene ein Problem ziemlich gut: Wir Menschen bewerten neue Entwicklungen gern anhand dessen, was wir gerade sehen. Bei KI ist der aktuelle Zustand aber nur eine Momentaufnahme.
Viele sagen noch immer:
„KI kann sicher einige Jobs verändern. Meinen aber nicht.“
Das kann stimmen. Es kann aber auch eine bequeme Annahme sein, die nie ernsthaft geprüft wurde.
Meine Position ist weder Untergang noch Heilsversprechen. Sie lautet:
KI wird nicht jeden Beruf einfach ersetzen. Sie verändert aber bereits Aufgaben, Einstiegschancen, Leistungserwartungen und die Verteilung von Arbeit. Wer am Computer arbeitet, sollte das nicht dramatisieren – aber sehr ernst nehmen.
Buch · Die Journalisten-Methode
Vom Rohmaterial zum eigenständigen Beitrag.
Wenn du mit KI arbeitest, aber nicht wie alle anderen klingen willst, zeigt dir die Journalisten-Methode einen belastbaren Weg: eigene Quellen, bessere Fragen und menschliche Endabnahme.
Der Amazon-Link ist ein Affiliate-Link. Für dich ändert sich der Preis nicht.
Was die Daten derzeit wirklich zeigen
Die belastbare Antwort ist weniger sauber, als manche Schlagzeile behauptet.
Die Internationale Arbeitsorganisation schätzt in ihrem 2025 verfeinerten Index, dass weltweit etwa jeder vierte Arbeitsplatz einen gewissen Grad an GenAI-Exposition besitzt. Nur ein deutlich kleinerer Teil fällt in die höchste Expositionsklasse. Die ILO betont ausdrücklich: Transformation ist wahrscheinlicher als vollständige Ersetzung.
Gleichzeitig gibt es erste Warnsignale. Eine Stanford-Analyse mit US-Gehaltsabrechnungsdaten fand bei 22- bis 25-Jährigen in besonders KI-exponierten Berufen einen relativen Beschäftigungsrückgang, während erfahrenere Beschäftigte in denselben Feldern stabiler blieben. Das ist ein ernstes Ergebnis. Es ist aber kein Beweis dafür, dass KI bereits flächendeckend Millionen Jobs vernichtet. Andere Datensätze zeigen bislang deutlich kleinere oder uneinheitliche Effekte.
Auch die OECD formuliert vorsichtig. KI kann Produktivität, Arbeitsqualität und Sicherheit verbessern. Sie kann zugleich Autonomie, Transparenz, Datenschutz und Beschäftigung unter Druck setzen. Für endgültige Urteile ist es noch zu früh.
Mit anderen Worten: Die Lage ist nicht eindeutig. Die Richtung ist trotzdem relevant.
Externe Quelle: ILO: Generative AI and Jobs – A Refined Global Index of Occupational Exposure.
Gefahr 1: Routine wird schneller komprimiert, als Stellenbeschreibungen sich ändern
Berufe verschwinden selten in einem einzigen Schritt. Zuerst verändert sich die Arbeit innerhalb des Berufs.
Ein Content-Team braucht weiterhin Themenentscheidungen, Quellen, Markenverständnis und Freigaben. Aber Recherchevorbereitung, Varianten, Zusammenfassungen, Formatübertragung und Teile der Produktion können erheblich schneller werden.
Das kann einen nüchternen wirtschaftlichen Druck erzeugen:
- offene Stellen werden später oder gar nicht nachbesetzt;
- Teams bekommen höhere Output-Erwartungen;
- Junior-Aufgaben werden automatisiert;
- eine Person übernimmt Arbeit, die früher auf mehrere Rollen verteilt war;
- Unternehmen kaufen Ergebnisse statt Arbeitsstunden.
Das ist nicht automatisch schlecht. Niemand muss nostalgisch an Copy-and-paste, Tabellenpflege oder zehn manuell angepassten Textvarianten festhalten. Die Gefahr entsteht dort, wo Effizienzgewinne nur verdichtet werden und weder Lernzeit noch bessere Arbeit noch Entlastung beim Menschen ankommen.
Gefahr 2: Gerade der Berufseinstieg kann schmaler werden
Viele Menschen lernen einen Beruf über Tätigkeiten, die zunächst überschaubar sind: erste Recherchen, einfache Entwürfe, Aufbereitung, Korrekturen, Dokumentation.
Genau diese Aufgaben lassen sich häufig früh automatisieren.
Das Unternehmen spart kurzfristig Zeit. Langfristig entsteht aber eine schwierige Frage: Woher kommen künftig die erfahrenen Fachleute, wenn weniger Menschen die grundlegenden Arbeitsschritte durchlaufen?
Die Stanford-Ergebnisse zu jungen Beschäftigten sind deshalb nicht nur eine Arbeitsmarktzahl. Sie zeigen ein mögliches Ausbildungsproblem. Wenn Einstiegsarbeit verschwindet, braucht es neue Lernarchitekturen:
- betreute Arbeit mit KI statt vollständiger Aufgabenentzug;
- transparente Qualitätskontrolle;
- Verantwortung in kleinen Schritten;
- echte Fallarbeit;
- Aufbau von Urteil statt bloßer Tool-Bedienung.
Wer Junioren nur noch die Maschine beaufsichtigen lässt, ohne ihnen das Handwerk dahinter zu vermitteln, baut eine dünne nächste Generation.
Gefahr 3: Gute Ergebnisse können schlechtes Urteilsvermögen verdecken
Frühe KI-Ausgaben waren häufig so sichtbar schlecht, dass man automatisch skeptisch blieb. Heute ist das schwieriger.
Ein Text kann flüssig, strukturiert und überzeugend klingen – und trotzdem eine falsche Zahl, eine erfundene Quelle oder eine unzulässige Schlussfolgerung enthalten. OpenAI beschreibt Halluzinationen weiterhin als grundlegende Herausforderung. Modelle werden besser. Die Plausibilität ihrer Fehler wird dadurch aber nicht automatisch harmlos.
Hinzu kommt Schmeichelei. Eine KI, die jede Idee begeistert bestätigt, fühlt sich angenehm an. Sie kann gleichzeitig ein schlechter Sparringspartner sein.
Ich habe deshalb einen Realitätsfilter in meine Arbeit eingebaut. Er zwingt das System, Aussagen möglichst zu trennen:
- belegt;
- abgeleitet;
- hypothetisch;
- spekulativ;
- nicht ausreichend geklärt.
Das schützt nicht nur vor Maschinenfehlern. Es schützt auch vor meinem eigenen Bestätigungsfehler.
Denn auch der Mensch kann überzeugend falschliegen – aus selektiver Erinnerung, Intuition oder fester Überzeugung.
Gefahr 4: Kompetenz kann unbemerkt verkümmern
Wenn ich jede E-Mail formulieren lasse, verliere ich nicht sofort die Fähigkeit zu schreiben. Wenn ich aber jede Analyse, jede Entscheidung und jede Formulierung über Jahre vollständig auslagere, verändert sich mein Können.
Das Problem ist nicht, dass KI Arbeit abnimmt. Das ist ihr Nutzen. Das Problem ist, wenn sie genau die Denkleistung übernimmt, die ich für meinen Beruf weiterhin brauche.
Ich unterscheide deshalb drei Ebenen:
Routine darf verschwinden
Dateien sortieren, Rohmaterial strukturieren, Fassungen vergleichen, erste Varianten erzeugen: Hier darf die Maschine gern viel tragen.
Handwerk muss verstanden bleiben
Ein Redakteur muss weiterhin erkennen, warum ein Einstieg nicht trägt, eine Quelle schwach ist oder ein Zitat aus dem Kontext fällt – selbst wenn eine KI den ersten Hinweis gibt.
Urteil bleibt menschlich verantwortlich
Welche Aussage vertretbar ist, welche Person fair behandelt wird, welches Risiko akzeptabel ist und ob veröffentlicht wird: Dafür braucht es einen klaren Besitzer.
Die Automation soll mir mehr Zeit für mein eigentliches Leben und meine beste Arbeit geben. Sie soll mich nicht aus beidem herausoptimieren.
Gefahr 5: Aus einer guten Einzelfähigkeit wird zu schnell ein autonomer Prozess
Eine KI kann eine E-Mail ausgezeichnet formulieren. Daraus folgt nicht, dass sie einen gesamten Kundenfall autonom bearbeiten sollte.
Sie kann eine Rechnung auslesen. Daraus folgt nicht, dass eine ungeprüfte Buchhaltung korrekt und steuerlich belastbar ist.
Sie kann eine Website im Browser bedienen. Daraus folgt nicht, dass sie ohne Sicherung, Freigabe und Rollback globale Änderungen vornehmen sollte.
Genau hier liegt aktuell eine der größten praktischen Gefahren. Menschen sehen eine beeindruckende Einzelleistung und übertragen das Vertrauen auf eine lange Kette von Aufgaben. Jede zusätzliche Station bringt jedoch neue Abhängigkeiten, Rechte, Daten, Fehlermöglichkeiten und schwer reversible Aktionen hinein.
Anthropics Forschung zur tatsächlichen Agentenautonomie zeigt, dass die in der Praxis ausgeübte Autonomie gemeinsam durch Modell, Nutzer und Produktgestaltung entsteht. Wirksame Aufsicht verlangt deshalb mehr als einen formalen Freigabeknopf: Menschen müssen erkennen können, was das System tut, und bei Bedarf eingreifen können.
Für mich gilt deshalb:
- erst lesen, dann schreiben lassen;
- erst simulieren, dann handeln lassen;
- zuerst kleine, reversible Aufgaben;
- Protokolle und Versionen sichern;
- Stop-Regeln definieren;
- Veröffentlichung und Geldbewegungen nicht beiläufig automatisieren.
Die spektakulärste Automation ist wertlos, wenn ich hinterher zwei Tage brauche, um ihre Nebenwirkungen aufzuräumen.
Content · Redaktion · KI-Workflows
Wenn aus einer guten Idee ein verlässlicher Prozess werden soll.
Ich unterstütze stille Experten und kleine Teams dabei, Fachwissen in klare Inhalte, belastbare Redaktionsabläufe und sinnvolle KI-Workflows zu übersetzen.
Ein paar klare Sätze reichen. Keine automatisierte Verkaufsschleife.
Was für den Menschen wertvoller wird
Je leichter generischer Output entsteht, desto weniger reicht die bloße Produktion aus.
Wertvoller werden aus meiner Sicht fünf Fähigkeiten.
1. Problemdefinition
Die KI kann sehr viele Antworten erzeugen. Jemand muss entscheiden, welche Frage überhaupt zählt.
2. Domänenwissen
Werkzeuge wechseln. Ein tiefes Verständnis für Branche, Nutzer, Risiken und reale Abläufe bleibt anschlussfähig.
3. Primärzugang
Interviews, Beobachtungen, eigene Daten, Kundenkontakte und Erfahrungen liefern Material, das nicht aus dem allgemeinen Modellgedächtnis kommt.
4. Urteilskraft
Nicht nur erkennen, was möglich ist, sondern was sinnvoll, fair, wahr und verantwortbar ist.
5. Prozessdesign
Wer Aufgaben, Kontext, Modelle, Prüfungen und menschliche Entscheidungen zu einem belastbaren Ablauf verbinden kann, wird nicht bloß schneller. Er macht Technologie nutzbar.
Das ist die Rolle, die ich mit dem Begriff Operator beschreibe. Kein Mensch, der jeden Arbeitsschritt selbst ausführt. Aber auch kein Zuschauer, der der Maschine das Steuer überlässt.
Mein persönlicher Umgang mit der Unsicherheit
Ich weiß nicht, welche Berufe 2030 in welcher Zahl existieren werden. Wer das mit völliger Sicherheit behauptet, verkauft eher eine Stimmung als Wissen.
Ich weiß aber, was ich heute tun kann:
Ich arbeite mit mehreren Modellen, aber bete keines davon an
Jedes System hat Stärken, Schwächen und vor allem Veränderungen. Ich teste Ergebnisse statt Markentreue zu pflegen.
Ich dokumentiere meine Arbeitsweise
Prompts allein altern schnell. Prozesse, Qualitätsmaßstäbe, Quellenlogik und Entscheidungen bleiben länger nützlich.
Ich baue eigene Assets
Websites, Bücher, Arbeitsproben, Kontakte, Methoden und dokumentierte Fälle gehören mir. Sie sind wertvoller als reine Tool-Routine.
Ich investiere in Sprechen, Interviews und Beziehung
Je mehr Standardproduktion automatisiert wird, desto wichtiger werden Vertrauen, Präsenz, Einordnung und der direkte Zugang zu Menschen.
Ich lasse mir das Denken nicht abnehmen
Die KI darf rechnen, vergleichen, strukturieren und widersprechen. Die endgültige Entscheidung bleibt meine.
Ein realistischer 90-Tage-Plan
Panik ist kein Plan. Verweigerung auch nicht.
Monat 1: Arbeit sichtbar machen
Schreibe eine Woche lang auf, welche Aufgaben du tatsächlich erledigst. Markiere:
- wiederkehrende Routine;
- fachliches Handwerk;
- Entscheidungen;
- Kommunikation und Beziehung;
- rechtlich, finanziell oder reputativ riskante Schritte.
Monat 2: einen kleinen Workflow bauen
Wähle eine häufige, reversible Aufgabe. Zum Beispiel:
- aus einem Interview ein strukturiertes Briefing erstellen;
- bestehende Inhalte auf veränderliche Fakten prüfen;
- freigegebenes Material für Newsletter und Social Media aufbereiten;
- ein Quellen- und Claim-Inventar vorbereiten.
Teste den Ablauf an echten Fällen. Miss nicht nur Zeit. Miss Fehler, Rückfragen und Nacharbeit.
Monat 3: menschlichen Wert ausbauen
Nutze die gewonnene Zeit nicht ausschließlich für mehr Output. Investiere sie in das, was schwerer zu automatisieren ist:
- ein Experteninterview;
- eine neue Beziehung;
- ein eigenes Video;
- vertieftes Fachwissen;
- eine bessere Fallstudie;
- eine klarere Entscheidung.
Sonst wird aus Effizienz nur dichterer Takt.
Fazit: Nicht an der Wasserlinie stehen bleiben
Ich halte KI weder für einen kurzfristigen Hype noch für eine magische Instanz, die morgen jeden Menschen überflüssig macht.
Die derzeitige Evidenz spricht für tiefgreifende Veränderung, aber nicht für eine simple Einbahnstraße. Manche Aufgaben verschwinden. Andere wachsen. Einige Menschen werden produktiver, andere verlieren Einstiegsmöglichkeiten oder Autonomie. Vieles ist noch offen.
Genau deshalb ist passives Abwarten die schwächste Position.
Die richtige Reaktion ist nicht, blind zu rennen. Sie ist, höheres Gelände zu suchen:
- eigenes Wissen;
- belastbare Beziehungen;
- dokumentierte Systeme;
- gute Quellen;
- klare Verantwortung;
- menschliches Urteil.
Der Tsunami ist eine Metapher, keine Prognose. Die Veränderung ist trotzdem real.
Ich würde mich vorbereiten. Ruhig. Neugierig. Und mit beiden Händen am Steuer.
Quellen und weiterführende Literatur
- ILO: Generative AI and Jobs – A Refined Global Index of Occupational Exposure
- Stanford Digital Economy Lab: Canaries in the Coal Mine?
- Stanford Digital Economy Lab: AI and Labor Markets – What We Know and Don’t Know
- OECD: AI and work
- OECD: AI and skills – What we know so far
- Anthropic: Measuring AI agent autonomy in practice
- OpenAI: Why language models hallucinate
KI nicht nur diskutieren, sondern sinnvoll einsetzen
Die entscheidende Frage lautet nicht, ob ein Team „mehr KI“ braucht. Sie lautet, welche Arbeit beschleunigt werden kann und wo Verantwortung, Faktenprüfung und Freigabe bewusst menschlich bleiben müssen. Auf meiner Leistungsseite beschreibe ich diese Verbindung aus Content, Redaktion und KI-Workflows. Eine kurze Ausgangslage kannst du mir über die Kontaktseite schicken.
