TL;DR
- Der Arbeitsmarkt spaltet sich entlang einer neuen Bruchlinie: nicht mehr Angestellte gegen Arbeiter, sondern urteilslastige gegen ausfuehrungslastige Arbeit. Die KI absorbiert die Ausfuehrung und macht das Urteilsvermoegen zugleich knapper und wertvoller.
- Das Weltwirtschaftsforum prognostiziert bis 2030 170 Millionen neue Rollen und 92 Millionen verdraengte Rollen, ein Nettozuwachs von 78 Millionen, wobei sich in diesem Zeitraum 39% der Kernkompetenzen der Beschaeftigten veraendern duerften (Future of Jobs Report 2025).
- McKinseys eigene Zahlen zeigen, wie der Boden unter der Wissensarbeit ins Rutschen geraet: Das technische Automatisierungspotenzial fuer Rollen im Bereich “Talente managen und entwickeln” hat sich zwischen 2017 und 2023 in etwa verdreifacht und stieg von 16% auf 49% (Economic Potential of Generative AI, 2023).
- Die Evidenz weist in eine Richtung: Die KI ist am staerksten bei der Ausfuehrung und am schwaechsten dabei, zu entscheiden, was ueberhaupt der Ausfuehrung wert ist. Genau in dieser Luecke verdient menschliches Urteilsvermoegen heute seinen Aufpreis.
- Das daraus folgende Betriebsmodell ist die Kernthese von CEOtudent in der Praxis: fuehre dich selbst wie ein CEO (uebernimm die Richtung und die Entscheidung) und lerne wie ein Student (baue deine Faehigkeiten neu auf, bevor sie ablaufen).
Die Bruchlinie hat sich verschoben
Zwei Jahrzehnte lang drehte sich die Standarderzaehlung ueber Automatisierung um das Routinemaessige. Maschinen uebernahmen vorhersehbare, regelbasierte Aufgaben; die Menschen behielten die kognitive, nicht routinemaessige Arbeit. Die generative KI zerbrach diese Erzaehlung. Am staerksten exponiert sind nun genau jene Aufgaben, die einst als sicher galten: Entwuerfe verfassen, Zusammenfassen, Programmieren, Erstanalysen und andere Formen strukturierter kognitiver Ausgabe.
Die OECD dokumentierte diese Wende unmittelbar. In ihrem Employment Outlook 2023 stellte die OECD fest, dass die KI die groessten Fortschritte bei der Automatisierung nicht routinemaessiger, kognitiver Aufgaben gemacht hat und dass 27% der Arbeitsplaetze in den OECD-Laendern in Berufen mit dem hoechsten Automatisierungsrisiko liegen (definiert als Berufe, in denen mehr als 25 von 100 bewerteten Faehigkeiten leicht automatisierbar sind). Die alte Trennlinie zwischen routinemaessig und nicht routinemaessig schuetzt Wissensarbeiter nicht mehr.
So entsteht eine andere Linie. Auf der einen Seite steht die Ausfuehrung: Ergebnisse zu produzieren, wenn das Ziel, die Rahmenbedingungen und der Massstab fuer “gut” bereits definiert sind. Auf der anderen Seite steht das Urteilsvermoegen: zu entscheiden, was gebaut werden soll, welchen Kompromiss man akzeptiert, wann die selbstsicher klingende Antwort falsch ist und wofuer man geradesteht, wenn es schiefgeht. Die KI ist beim Ersten bemerkenswert gut. Am Zweiten hat sie keinen Anteil. Das ist dieselbe Verschiebung, die wir in den 10 kognitiven Faehigkeiten, die die KI nicht automatisieren kann, nachgezeichnet haben, hier betrachtet durch die eine Linse, die sie alle vereint: das Urteilsvermoegen.
Was “Urteilsvermoegen” hier tatsaechlich bedeutet
Urteilsvermoegen ist keine Stimmung und kein Persoenlichkeitsmerkmal. In arbeitsbezogenen Begriffen ist es ein Stapel von Entscheidungen: unter Unsicherheit die Richtung setzen, das Problem definieren, bevor man es loest, unvergleichbare Kompromisse abwaegen, kalibrieren, wie sehr man einer gegebenen Ausgabe traut, und die Verantwortung fuer das Ergebnis tragen. Das sind die Funktionen, fuer die ein Vorstandsvorsitzender bezahlt wird. Und es sind, nicht zufaellig, auch die Funktionen, die KI-Systeme nicht halten koennen, weil sie eine Partei erfordern, die dafuer verantwortlich sein kann, im Unrecht zu sein.
Deshalb ist die CEOtudent-Linse hier keine Metapher, sondern eine Stellenbeschreibung. Sich selbst wie ein CEO zu fuehren, heisst, Richtung, Entscheidungen und Rechenschaft als deine nicht delegierbare Arbeit zu behandeln. Die KI kann das Memo entwerfen, die Szenarien modellieren und die Optionen sichtbar machen. Sie kann nicht entscheiden, auf welche Zukunft die Organisation setzt, und sie kann fuer diese Wette nicht geradestehen. Waehrend die Ausfuehrung billiger und reichlicher wird, ist die knappe Ressource der Mensch, der entscheidet, wozu all diese Ausfuehrung dient.
Die WEF-Daten bestaetigen dies von der Kompetenzseite her. Im Future of Jobs Report 2025 bleibt analytisches Denken die am hoechsten geschaetzte einzelne Kernkompetenz, von sieben von zehn Arbeitgebern als Kernkompetenz genannt, gefolgt von Resilienz, Flexibilitaet und Agilitaet sowie Fuehrung und sozialem Einfluss, wobei kreatives Denken dicht dahinter liegt. Jeder Punkt auf dieser Liste ist eine Urteilsfunktion, keine Ausfuehrungsfunktion. Arbeitgeber verlangen keine schnelleren Tipper. Sie verlangen bessere Entscheider.
Eigenstaendige Synthese: was sich aufsummiert und was die KI absorbiert
Kombiniert man die Automatisierungs-Expositionssignale von McKinsey und der OECD mit den Kompetenznachfrage-Signalen des WEF, ergibt sich eine brauchbare Karte. Das Muster ist ueber alle drei Quellen hinweg konsistent: Je mehr eine Aufgabe von definierten Eingaben und einem bekannten Massstab der Richtigkeit abhaengt, desto exponierter ist sie; je mehr sie davon abhaengt, den Massstab selbst zu setzen, desto staerker summiert sich ihr Wert auf.
| Arbeitskategorie | Kernaktivitaet | Primaerer Modus | KI-Exposition (redaktionelle Lesart oeffentlicher Daten) | Was deinen Wert bestimmt |
|---|---|---|---|---|
| Richtungssetzung | Ziele, Strategie und Wetten unter Unsicherheit waehlen | Urteilsvermoegen | Niedrig | Qualitaet der Entscheidungen, fuer die du geradestehst |
| Problemrahmung | Entscheiden, was die eigentliche Frage ist, bevor man sie loest | Urteilsvermoegen | Niedrig | Wie gut du definierst, nicht antwortest |
| Kompromissschlichtung | Kosten, Risiko, Geschwindigkeit und Werte gegeneinander abwaegen | Urteilsvermoegen | Niedrig-Mittel | Geschmack und Rechenschaft |
| Verifizierung und Kalibrierung | Wissen, wann eine KI-Ausgabe falsch oder unsicher ist | Urteilsvermoegen | Mittel | Fachtiefe, um Fehler zu erkennen |
| Synthese und Interpretation | Ausgaben in eine vertretbare Entscheidung ueberfuehren | Hybrid | Mittel | Rahmung plus Kontext |
| Strukturiertes Entwerfen | Text, Code oder Analyse nach bekannter Spezifikation produzieren | Ausfuehrung | Hoch | Iterationsgeschwindigkeit, nicht Autorschaft |
| Zusammenfassen und Abrufen | Vorhandene Informationen komprimieren oder beschaffen | Ausfuehrung | Hoch | Wenig; weitgehend absorbiert |
| Routinemaessige kognitive Produktion | Wiederholbare, regelbefolgende Wissensausgabe | Ausfuehrung | Hoch | Am wenigsten vertretbar mit der Zeit |
Tabelle: redaktioneller Rahmen von CEOtudent (Synthese oeffentlicher Daten).
Die in dieser Tabelle verborgene Anweisung lautet nicht “vermeide die Ausfuehrung”. Ausfuehrung ist der Weg, wie Faehigkeit aufgebaut wird und wie sich das Urteilsvermoegen das Recht verdient, dass man ihm vertraut. Die Anweisung lautet, zu bemerken, welche Spalte sich aufsummiert und welche zur Massenware wird, und die eigenen Stunden weiter von unten in der Tabelle nach oben zu verlagern. Diese Verlagerung ist die Disziplin des Studenten: Du lernst die Ausfuehrung schnell, gerade damit du sie hinter dir lassen kannst. Es ist dieselbe Unterscheidung zwischen Karrierekapital, das sich aufsummiert, und Karrierekapital, das verfaellt.
Das verifizierte Bild: Zahlen aus namentlich genannten Berichten
Die obige Synthese ist richtungsweisend. Die folgenden Zahlen sind es nicht. Jede stammt aus einem namentlich genannten institutionellen Bericht und kann anhand der Quelle geprueft werden.
| Kennzahl | Wert | Quelle |
|---|---|---|
| Bis 2030 geschaffene neue Rollen | 170 Millionen | WEF, Future of Jobs Report 2025 |
| Bis 2030 verdraengte Rollen | 92 Millionen | WEF, Future of Jobs Report 2025 |
| Netto-Beschaeftigungsveraenderung bis 2030 | +78 Millionen | WEF, Future of Jobs Report 2025 |
| Anteil der Kernkompetenzen der Beschaeftigten, die sich bis 2030 veraendern duerften | 39% | WEF, Future of Jobs Report 2025 |
| Beschaeftigte, die bis 2030 Umschulung benoetigen | 59% (11 von 100 werden sie wahrscheinlich nicht erhalten) | WEF, Future of Jobs Report 2025 |
| Arbeitgeber, die Kompetenzluecken als groesstes Hindernis fuer die Transformation nennen | 63% | WEF, Future of Jobs Report 2025 |
| Automatisierungspotenzial fuer “Talente managen und entwickeln” | Stieg von 16% (2017) auf 49% (2023) | McKinsey, Economic Potential of Generative AI 2023 |
| Anteil der mit heutiger Technik technisch automatisierbaren Arbeitsstunden | Stieg von ~50% auf 60-70% | McKinsey, Economic Potential of Generative AI 2023 |
| Arbeitsplaetze in Berufen mit hoechstem Automatisierungsrisiko | 27% (OECD-Durchschnitt) | OECD, Employment Outlook 2023 |
| Produktivitaetsgewinn durch einen generativen KI-Assistenten, Kundensupport | +14% im Schnitt; +34% fuer Anfaenger, minimal fuer Erfahrene | Brynjolfsson, Li und Raymond, NBER 2023 |
| Organisationen, die 2024 KI-Nutzung berichten | 78% (gestiegen von 55% im Jahr 2023) | Stanford HAI, AI Index Report 2025 |
Quellen: World Economic Forum Future of Jobs Report 2025; McKinsey Economic Potential of Generative AI 2023; OECD Employment Outlook 2023; NBER Working Paper 31161 (2023); Stanford HAI AI Index Report 2025.
Zwei Zahlen in dieser Tabelle verdienen zusammen einen zweiten Blick. McKinseys Schaetzung, dass sich das Automatisierungspotenzial fuer das Managen und Entwickeln von Talenten zwischen 2017 und 2023 auf 49% verdreifacht hat, zeigt, wie weit die KI in kognitive, sogar zwischenmenschliche Arbeit vorgedrungen ist. Dennoch stellt das WEF fest, dass Arbeitgeber weiterhin analytisches Denken, Fuehrung und Resilienz als die wertvollsten Faehigkeiten einstufen. Beides ist zugleich wahr, weil die Aufgaben innerhalb einer Urteilsrolle automatisiert werden, das Urteilsvermoegen selbst jedoch nicht. Die Tabellenkalkulation wird von der Maschine gebaut; die Entscheidung darueber, was die Tabellenkalkulation beweisen soll, nicht.
Warum die KI den Preis des Urteilsvermoegens erhoeht, statt ihn zu senken
Es gibt ein verlockendes Gegenargument: Wenn die KI die Analyse entwerfen und sogar das Schlussfolgern simulieren kann, untergraebt sie dann nicht auch den Wert menschlichen Urteilsvermoegens? Die Evidenz legt aus einem strukturellen Grund das Gegenteil nahe. Die KI erhoeht das Volumen und senkt die Kosten plausibel wirkender Ausgabe. Wenn plausible Ausgabe billig und reichlich ist, verschiebt sich der Engpass zur knappen Funktion, die entscheidet, welcher Ausgabe man vertraut und auf welcher man handelt. Ueberfluss auf der einen Seite eines Prozesses erhoeht den Wert dessen, was auf der anderen Seite knapp bleibt.
Die Studie von Brynjolfsson, Li und Raymond macht den Mechanismus sichtbar. Ihre Analyse von 5.179 Kundensupport-Mitarbeitern ergab einen durchschnittlichen Produktivitaetsgewinn von 14% durch einen KI-Assistenten, doch der Gewinn war konzentriert: 34% fuer Anfaenger und gering qualifizierte Beschaeftigte, mit minimalem Effekt auf die Erfahrensten. Die KI komprimierte das untere Ende der Kompetenzverteilung in Richtung des oberen, indem sie das Urteilsvermoegen der Besten kodierte. Der Wert verschwand nicht; er wurde von den Experten abgeschoepft und verteilt. Die Lehre fuer den Einzelnen ist unmittelbar. Wenn die KI Expertenurteil verpacken und umverteilen kann, dann ist es das Festhalten an einem Urteilsvermoegen, das eine Ebene tiefer reicht als das, was das Werkzeug kodiert, was dich knapp haelt.
Deshalb ist kontinuierliches Lernen auch kein optionaler Rat, sondern ein Ueberlebensmechanismus. Der Befund des WEF, dass sich 39% der Kernkompetenzen bis 2030 veraendern werden, bedeutet, dass das spezifische Wissen, das dich heute qualifiziert, eine kurze Halbwertszeit hat. Urteilsvermoegen laeuft nicht mit eingefrorenem Fachwissen; es laeuft mit Fachwissen, das schneller aufgefrischt als es entwertet wird. Wie ein CEO zu fuehren setzt die Richtung; wie ein Student zu lernen haelt die Richtung informiert genug, um verfolgenswert zu sein.
Das Betriebsmodell: CEO der Richtung, Student der Faehigkeit
Die praktische Synthese ist ein zweiteiliger Betriebsrhythmus, der auf die obige zweispaltige Tabelle abgebildet ist.
Fuehre die Urteilsspalte wie ein CEO. Uebernimm die Entscheidungen, fuer die kein Werkzeug Rechenschaft ablegen kann. Bevor du eine Aufgabe an die KI delegierst, tue den Teil, den die KI nicht kann: definiere das Problem praezise, benenne den Massstab fuer eine gute Antwort und entscheide im Voraus, woran du erkennst, ob die Ausgabe falsch ist. Behandle Verifizierung als Kernkompetenz, nicht als Formalitaet, denn der Befund der OECD, dass die KI nun nicht routinemaessige kognitive Aufgaben automatisiert, bedeutet, dass die Fehler auch raffinierter und schwerer zu erkennen sind. Diesen Verifizierungsinstinkt zu schaerfen, ist selbst trainierbar, und genau dazu dient der Aufbau der mentalen Modelle, auf die es wirklich ankommt.
Greife die Ausfuehrungsspalte wie ein Student an. Nutze die KI, um die Erfahrungskurve schneller hinabzusteigen, als es je eine fruehere Generation konnte, genau so, wie es die NBER-Studie bei Anfaengern zeigte. Automatisiere das Entwerfen, das Abrufen und die strukturierte Produktion und investiere die freigewordenen Stunden dann in die Vertiefung des Fachwissens, das dir erlaubt, die Ausgabe zu beurteilen. Der Sinn, die Ausfuehrung in Minuten zu erledigen, besteht darin, die gesparte Zeit zu nutzen, um jemand zu werden, dessen Urteilsvermoegen mehr wert ist.
Der unangenehme Teil der WEF-Daten ist die Luecke, die sie offenlegen: 59% der Beschaeftigten werden bis 2030 eine Umschulung benoetigen, aber 11 von 100 werden sie wahrscheinlich nicht erhalten, und 63% der Arbeitgeber nennen Kompetenzluecken bereits als ihr groesstes Hindernis. Diese Luecke wird nicht von den Arbeitgebern allein geschlossen. Es liegt in der Verantwortung des Einzelnen, sein eigenes Umschulungsprogramm zu betreiben, und genau das bedeutet letztlich, wie ein Student zu lernen: nicht darauf zu warten, geschult zu werden, sondern die eigene Faehigkeit als ein System zu behandeln, fuer dessen Instandhaltung man verantwortlich ist.
FAQ
Ist das Urteilsvermoegen wirklich sicher vor der KI, oder ist das nur eine beruhigende Geschichte?
Keine Faehigkeit ist dauerhaft sicher. Die Behauptung ist enger und evidenzbasiert: Die KI glaenzt bei der Ausfuehrung gegen einen definierten Massstab und ist am schwaechsten dabei, den Massstab zu setzen und das Ergebnis zu verantworten. McKinseys Zahlen zeigen, dass kognitive Aufgaben rasch automatisiert werden, waehrend das WEF zeigt, dass analytisches Denken und Fuehrung weiterhin als die wertvollsten Faehigkeiten eingestuft werden. Die Urteilsebene ist widerstandsfaehiger, nicht unsterblich.
Zeigen die Daten tatsaechlich Arbeitsplatzverluste oder Zugewinne?
Beides, ungleichmaessig. Das WEF prognostiziert bis 2030 92 Millionen verdraengte und 170 Millionen geschaffene Rollen, ein Nettozuwachs von 78 Millionen. Die Umwaelzung ist real, auch wenn die Nettozahl positiv ist, denn die geschaffenen und die verdraengten Rollen sind nicht dieselben Rollen oder dieselben Menschen.
Wenn die KI gering qualifizierten Beschaeftigten am meisten hilft, warum in Expertise investieren?
Weil dieser Gewinn daraus entsteht, dass die KI Expertenurteil an Anfaenger umverteilt, wie die NBER-Kundensupport-Studie feststellte (34% Zuwachs fuer Anfaenger, minimal fuer Experten). Der Wert fliesst zu demjenigen, der ein Urteilsvermoegen eine Ebene tiefer haelt als das, was das Werkzeug kodiert. Dem voraus zu bleiben, was die KI bereits verpackt hat, ist der Punkt.
Was ist die wichtigste einzelne Faehigkeit, die man jetzt aufbauen sollte?
In der Rangliste des WEF steht analytisches Denken, von sieben von zehn Arbeitgebern als Kernkompetenz genannt, an der Spitze, gepaart mit Resilienz und Anpassungsfaehigkeit. In den Begriffen dieses Artikels bedeutet das die Faehigkeit, Probleme zu rahmen und Antworten zu beurteilen, verbunden mit der Disziplin, immer wieder neu zu lernen, waehrend sich das zugrunde liegende Wissen veraendert.
Wie schnell geschieht das tatsaechlich?
Die Verbreitung ist bereits breit. Der AI Index 2025 von Stanford HAI berichtet, dass 2024 78% der Organisationen KI nutzten, gestiegen von 55% im Jahr zuvor. Auch der Kompetenzzeitplan ist komprimiert: Das WEF erwartet, dass sich 39% der Kernkompetenzen bis 2030 veraendern.
Ist “Verifizierung” wirklich eine Faehigkeit oder nur ein zweites Pruefen?
Es ist eine eigenstaendige, sich vertiefende Faehigkeit. Wie die OECD anmerkt, automatisiert die KI nun nicht routinemaessige kognitive Aufgaben, was bedeutet, dass ihre Fehler subtiler sind und echte Fachtiefe erfordern, um sie zu erkennen. Zu wissen, wann eine fluessige Antwort falsch ist, ist schwerer, als die Antwort zu produzieren, und es wird zu einer praegenden beruflichen Faehigkeit.
Gilt das auch ausserhalb der Wissensarbeit?
Die Aufspaltung in Urteilsvermoegen und Ausfuehrung ist allgemein, aber die Exposition variiert. Die OECD stellte fest, dass das hoechste Automatisierungsrisiko in bestimmten Berufen und oft bei gering qualifizierten und juengeren Beschaeftigten konzentriert ist. Das Prinzip gilt ueber Bereiche hinweg: verlagere deinen Einsatz hin zu Entscheidungen, fuer die du geradestehst, und weg von Ausgabe, die ein Werkzeug standardisieren kann.
Quellen
- World Economic Forum, Future of Jobs Report 2025.
- McKinsey and Company, The Economic Potential of Generative AI: The Next Productivity Frontier, 2023.
- OECD, Employment Outlook 2023: Artificial Intelligence and the Labour Market.
- Erik Brynjolfsson, Danielle Li und Lindsey Raymond, Generative AI at Work, National Bureau of Economic Research, Working Paper 31161, 2023.
- Stanford Institute for Human-Centered Artificial Intelligence, AI Index Report 2025.
Dieser Inhalt wurde nach eingehender Recherche mit Unterstuetzung von KI zusammengestellt und vom CEOtudent-Redaktionsteam geschrieben und fuer die Veroeffentlichung aufbereitet.
This post is also available in:
