Wenn die Statistik einen erhaltenen Arbeitsplatz zählt, sagt sie wenig darüber aus, was der Mensch dort noch selbst tut. Der Beruf kann unverändert heißen, obwohl von den Tätigkeiten, über die man ihn einmal gelernt hat, kaum etwas übrig geblieben ist.

Nehmen wir eine erfundene, aber durchaus vorstellbare Situation aus einem Büro: Eine Mitarbeiterin öffnet morgens ihr Projekt und findet bereits eine Auswertung vor, in der die KI die wesentlichen Punkte zusammengefasst und einen Vorschlag für den nächsten Kundentermin formuliert hat. Wofür sie früher den halben Vormittag gebraucht hätte, ist nach dem Lesen und einigen Ergänzungen erledigt. Ihr Vorgesetzter lobt die Qualität, und die Kolleginnen fragen, ob sie das beim nächsten Projekt ebenfalls übernehmen könne. Eigentlich hat sie allen Grund, zufrieden zu sein. Trotzdem bleibt das merkwürdige Gefühl, für etwas Anerkennung zu bekommen, das sie nur zum Teil selbst hervorgebracht hat.

Wie sich ein erhaltener Arbeitsplatz verändern kann

Dass derzeit vor allem über verschwindende Jobs gesprochen wird, ist verständlich, denn der Verlust des Einkommens hat unmittelbar Folgen. Für diejenigen, die bleiben, kann sich die Arbeit jedoch ebenfalls erheblich verändern. Aus dem eigenen Entwurf wird die Beurteilung eines Systemvorschlags, an die Stelle der Recherche tritt das Lesen einer Zusammenfassung, und statt einen Lösungsweg zu entwickeln, wählt man zwischen vorbereiteten Varianten.

Solche Veränderungen können die Arbeit deutlich verbessern, wenn mühsame Vorarbeiten entfallen und Zeit für schwierigere Fragen frei wird. Allerdings lässt sich die gewonnene Zeit ebenso gut mit dem nächsten Auftrag füllen. Dann wird die Unterstützung zum neuen Leistungsmaßstab, während immer weniger auffällt, was jemand ohne sie noch bewältigen könnte.

Wenn der IWF von rund 40 Prozent der weltweiten Beschäftigung spricht, die KI beeinflussen kann, sind deshalb keineswegs nur wegfallende Stellen gemeint. Auch die Veränderung innerhalb bestehender Berufe gehört dazu.1 Für Beschäftigte kann das bedeuten, dass sie zwar ihren Job behalten, aber einen Teil dessen verlieren, was ihnen daran vertraut war und worauf ihr berufliches Selbstvertrauen beruhte.

Wem die Leistung zugeschrieben wird

Unsere Mitarbeiterin hat nichts vorgetäuscht: Sie durfte das Werkzeug benutzen, hat das Ergebnis geprüft und an den nötigen Stellen ergänzt. Dennoch weiß sie, dass sie einen Teil der Herleitung allein nicht hätte entwickeln können. Das macht ihre Arbeit nicht wertlos, zumal Menschen schon immer Vorlagen, Werkzeuge und das Wissen anderer genutzt haben. Es verändert aber die Frage, welche Fähigkeit man ihr aufgrund des fertigen Ergebnisses zuschreibt.

Vielleicht trauen ihr die anderen zu Recht mehr zu, weil sie mit der KI tatsächlich anspruchsvollere Aufgaben beherrscht. Vielleicht erwarten sie inzwischen eine fachliche Sicherheit, die nur besteht, solange das System brauchbare Vorschläge liefert. In einer fertigen Präsentation ist dieser Unterschied kaum zu erkennen, und eine gute Bewertung macht ihn für die Mitarbeiterin nicht unbedingt kleiner.

Für eine solche mögliche Distanz zwischen eigenem Können, sichtbarer Leistung, fremder Erwartung und innerem Erleben verwenden wir den Begriff Ichversatz. Manche Menschen erleben durch KI vor allem mehr Selbstständigkeit und finden einen besseren Zugang zu ihrer Arbeit; bei anderen wächst die Unsicherheit darüber, welchen Anteil sie noch selbst verantworten können. Beides lässt sich weder am Umfang der KI-Nutzung noch an der Qualität eines einzelnen Ergebnisses ablesen.

Prüfen klingt leichter, als es ist

Fast jedes Einführungskonzept enthält den beruhigenden Hinweis, der Mensch bleibe verantwortlich, weil er die Ergebnisse schließlich noch prüfe. Dafür muss er allerdings wissen, woran er einen Fehler erkennen würde. Während ein falscher Zahlenwert vielleicht auffällt, kann eine ausgelassene Annahme unbemerkt bleiben; selbst eine in sich schlüssige Analyse hilft wenig, wenn sie die falsche Frage beantwortet.

Eine Studie mit 319 Wissensarbeitern fand einen Zusammenhang zwischen höherem Vertrauen in generative KI und weniger berichteter kritischer Prüfung. Höheres Vertrauen in die eigene fachliche Fähigkeit ging dagegen mit mehr kritischer Prüfung einher. Die Arbeit beschreibt außerdem eine Verschiebung hin zum Verifizieren, Einordnen und Zusammenführen von Ergebnissen.2

Die Autoren formulieren den Zusammenhang knapp:

“higher confidence in GenAI is associated with less critical thinking”

— Lee und Kollegen, CHI 20252

Aus dieser Befragung über wahrgenommenes Verhalten lässt sich kein dauerhafter Fähigkeitsverlust ableiten. Der Zusammenhang sollte dennoch eine Arbeitswelt beschäftigen, die Vertrauen in das Werkzeug fördert, für die eigene Prüfung aber immer weniger Zeit lässt.

Wer einmal mit einer sehr überzeugenden falschen Antwort gearbeitet hat, kennt den kleinen Unterschied zwischen „Ich habe es gelesen“ und „Ich habe es geprüft“.

Gut aussehen ist eine eigene Fähigkeit geworden

Im Gespräch What Comes Next for Humanity vom 10. Oktober schwärmt Elon Musk von KI-generierten Musikvideos. Ihn beeindruckt besonders, dass die Systeme offenbar Geschmack zeigen könnten:

“wow, AI can do good taste.”

— Elon Musk, 10. Oktober 20263

Musk erwähnt dabei die menschliche Auswahl des Materials und den Einsatz mehrerer Systeme. Seine Begeisterung belegt keinen menschlichen Geschmack der KI, zeigt aber, wie überzeugend das Zusammenspiel auf den Betrachter wirken kann.3

Im Büro entfaltet sich diese Wirkung unspektakulärer: Eine sorgfältig formulierte Antwort vermittelt den Eindruck, jemand habe den Gegenstand lange von verschiedenen Seiten betrachtet. Ob dahinter eigene Erfahrung, eine kluge Befragung der KI oder die Übernahme des ersten brauchbaren Vorschlags steht, lässt sich dem Text immer seltener ansehen.

Wer für solche Ergebnisse regelmäßig Anerkennung erhält, kann sich an eine berufliche Außenwirkung gewöhnen, die größer geworden ist als die eigene Sicherheit im Thema. Eine unerwartete Rückfrage reicht dann womöglich aus, um den Unterschied schmerzhaft deutlich zu machen. Dass die Anwendung gerade nicht geöffnet ist, wäre als Erklärung zwar ehrlich, dürfte die Erwartungen der Zuhörer aber nur begrenzt beruhigen.

Der Anfänger und die erfahrene Kollegin

Für Menschen am Anfang ihres Berufslebens kann diese Lage besonders widersprüchlich werden. Die KI ermöglicht Ergebnisse, für die früher mehr Erfahrung nötig war. Gleichzeitig kann sie die Aufgaben übernehmen, an denen Erfahrung entstand.

Wer vom ersten Tag an gute Ergebnisse liefern soll, bekommt den Umweg über Versuch, Irrtum und Rückmeldung leicht als vermeidbaren Aufwand ausgelegt. Dabei könnte gerade ein eigener, noch unvollkommener Entwurf zeigen, was verstanden wurde und wo jemand Unterstützung braucht. Wenn der fertige Systemvorschlag längst vorliegt, muss man sich die Zeit für diese Erfahrung erst einmal nehmen dürfen.

Erfahrene Beschäftigte können die Ergebnisse zunächst auf der Grundlage vieler selbst bearbeiteter Fälle beurteilen. Auch dieses Können braucht allerdings Anwendung, weshalb sie darauf achten müssen, was mit ihrer Urteilssicherheit geschieht, wenn sie schwierige Entscheidungen immer seltener selbst vorbereiten. In derselben Abteilung kann so ein Berufsanfänger kaum Gelegenheit zum Erfahrungsaufbau bekommen, während seine langjährige Kollegin ihr Können immer weniger einsetzt. Solange beide gute Ergebnisse liefern, wird die gemeinsame Ursache womöglich übersehen und die Unsicherheit als persönliches Problem behandelt.

Was hinter der Forderung nach Anpassungsfähigkeit steckt

Mit Weiterbildung antworten viele Organisationen auf eine richtige Frage, ohne schon besonders genau zu sagen, was damit gemeint ist. Sollen Beschäftigte die Werkzeuge besser bedienen, ihre Ergebnisse gründlicher prüfen oder zunächst das Fachwissen erwerben, das sie für beides benötigen? Je nachdem bräuchten sie sehr unterschiedliche Lerngelegenheiten.

Wer unsicher wird, sollte das zunächst aussprechen können. Die Aussage „Ich kann es mit KI erledigen, aber noch nicht vollständig erklären“ wäre eine brauchbare Grundlage für die nächste Übung, kann in einer ungünstigen Arbeitsumgebung allerdings auch Zweifel an der Eignung für die Stelle auslösen. Dann liegt es nahe, die Unsicherheit zu verbergen und weiter gute Ergebnisse abzugeben, obwohl mit jeder erfolgreichen Abgabe Erwartungen entstehen, denen man sich selbst immer weniger gewachsen fühlt.

Das lässt sich kaum durch den Appell lösen, Beschäftigte sollten einfach souveräner mit KI umgehen. Wer für jede zusätzliche Prüfung die Zeit rechtfertigen muss, bekommt organisatorisch eine sehr eindeutige Botschaft.

Ein eigener Gedanke darf wieder etwas dauern

Wer vor dem Systemvorschlag eine eigene Einschätzung formuliert oder eine Lösung zunächst ohne Unterstützung versucht, kann beim anschließenden Vergleich viel über das eigene Können erfahren. Ähnlich aufschlussreich ist die Frage, ob man einen schwierigen Absatz selbst erklären und seine entscheidende Annahme benennen könnte. Solche Übungen helfen, eine tatsächliche Erweiterung der eigenen Möglichkeiten von einer verdeckten Lücke zu unterscheiden. Im Team gelingt das vor allem dann, wenn niemand fürchten muss, für eine offengelegte Unsicherheit abgewertet zu werden.

Dabei muss nicht jeder jeden Arbeitsschritt wieder von Hand ausführen. Es geht um die Teile der Arbeit, auf denen das eigene Urteil beruht. Wer sie noch versteht, kann Unterstützung besser nutzen und ihre Grenzen eher erkennen.

Auch Anerkennung lässt sich genauer begründen, wenn sichtbar wird, wie fachliches Wissen, eine kluge Fragestellung und sorgfältige Korrektur zum Ergebnis beigetragen haben. Niemand müsste dann den Eindruck erwecken, alles allein hervorgebracht zu haben, um als kompetent zu gelten.

Unsere Mitarbeiterin könnte ihre Leistung durchaus selbstbewusst vertreten, wenn sie den Beitrag des Systems ebenso gut benennen kann wie ihre eigene Prüfung und die Stellen, an denen sie noch lernen muss. Das wäre eine solide berufliche Position, auch wenn sie in einer Präsentation über grenzenlose Produktivität etwas bescheidener klingt als das übliche Versprechen.

Bevor wir jemanden für das nächste Ergebnis verantwortlich machen, sollten wir deshalb wissen wollen, was er an seiner Arbeit noch selbst versteht und unter welchen Bedingungen er dieses Verständnis weiterentwickeln kann.

Zur Diskussion

Bei welcher Aufgabe erleben Sie KI als Erweiterung Ihres Könnens – und wo werden Ergebnisse von Ihnen erwartet, deren Entstehung Sie selbst immer weniger beherrschen?

  1. Kristalina Georgieva / IWF: AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity., 14. Januar 2024. Die Größenordnung betrifft KI-Exposition, keine Arbeitsplatzverlustquote. ↩

  2. Hao-Ping Lee und Kollegen: The Impact of Generative AI on Critical Thinking, CHI 2025; Originalpaper. 319 Wissensarbeiter, 936 berichtete Anwendungsbeispiele. Selbstauskünfte und statistische Zusammenhänge; keine kausale Längsschnittmessung von Kompetenzverlust. Das englische Zitat ist ein Ausschnitt aus dem Abstract. ↩↩

  3. Elon Musk: What Comes Next for Humanity, Transkript mit Links zum Originalvideo, 10. Oktober 2026, insbesondere 34:37 ff. Musk erwähnt die menschliche Auswahl von Material und den kombinierten Einsatz mehrerer Systeme. Seine Bewertung der Videos wird als persönliche Einschätzung wiedergegeben. ↩↩

Weiterdenken

Perspektive beitragen