Die 10 kognitiven Faehigkeiten, die KI nicht automatisieren kann (Und wie Sie sie gezielt schaerfen)

TL;DR:

• Der Boden hat sich gerade verschoben. Eine OECD-Analyse schaetzte, dass heutige KI rund 90 Prozent der Erwachsenen bei Leseaufgaben und zwischen 57 und 88 Prozent bei Rechenaufgaben, gemessen an der internationalen PIAAC-Erhebung, uebertreffen koennte. Die Faehigkeiten, die frueher fortgeschritten wirkten, sind jetzt die Grundlinie der Maschine.
• Das macht Sie nicht ueberfluessig. Es verlagert Ihren Wert. Die Arbeitgeberbefragungen des Weltwirtschaftsforums setzen analytisches Denken und kreatives Denken an die Spitze der wichtigen Faehigkeiten und stellen fest, dass kognitive Faehigkeiten am schnellsten an Bedeutung gewinnen. Das sind die Faehigkeiten, die ein Naechstes-Token-Vorhersager nicht fuer Sie besitzen kann.
• Dieser Artikel benennt zehn kognitive Faehigkeiten, die der Automatisierung widerstehen, und verbindet jede mit einer gezielten Uebung. Sie sind nicht weich oder vage. Es sind spezifische, trainierbare Faehigkeiten: das richtige Problem rahmen, unter Unsicherheit urteilen, Ergebnisse kritisch bewerten, in Systemen denken, kreativ synthetisieren, Geschmack ausueben, das eigene Denken ueberwachen, Kontext lesen, ethisch denken und das Lernen lernen.
• Verwechseln Sie den Einsatz von KI nicht damit, durch sie weitergebildet zu werden. Die Forschung zur gezielten Uebung ist hier deutlich: In unstrukturierter beruflicher Arbeit erklaert reine Wiederholung fast keinen der Unterschiede zwischen Menschen. Was diese Faehigkeiten aufbaut, ist strukturiertes Feedback, nicht mehr Prompts.
• Betreiben Sie das Ganze in der CEO-und-Student-Schleife. Besitzen Sie die Entscheidung, wie ein CEO eine Entscheidung besitzt, und hinterfragen Sie dann die zugrunde liegende Faehigkeit, wie ein Student jede aktuelle Antwort als Entwurf behandelt.

Zwanzig Jahre lang lautete der Standardratschlag, um beschaeftigungsfaehig zu bleiben, sich zu schwierigerer kognitiver Arbeit hochzuarbeiten. Lerne gut zu schreiben, mit Zahlen zu denken, eine Tabelle zu analysieren, ein Argument zu strukturieren. Dieser Rat setzte voraus, dass diese Faehigkeiten knapp seien. 2026 sind sie auf dem Niveau, das die meisten Jobs erfordern, nicht knapp.

Der deutlichste Beleg ist unangenehm. Eine OECD-Studie, die KI gegen die Erhebung ueber Erwachsenenkompetenzen (PIAAC) modellierte, schaetzte, dass heutige Systeme etwa 90 Prozent der Erwachsenen bei Leseaufgaben erreichen oder uebertreffen koennten und irgendwo zwischen 57 und 88 Prozent bei Rechenaufgaben. Lesen Sie das zweimal. Die Kompetenz, die eine gute Ausbildung frueher bescheinigte, ist jetzt die Einstiegsfaehigkeit eines Werkzeugs, das jeder zum Preis eines Kaffees mieten kann.

Die Frage ist also nicht, ob KI kognitive Arbeit uebernimmt. Sie tut es bereits in grossem Umfang. Die Frage ist, welche kognitiven Faehigkeiten ueber der Wasserlinie liegen: jene, die die Maschine strukturell nicht kann, egal wie gross das Modell wird. Dieser Beitrag benennt zehn davon und behandelt, wichtiger noch, jede als Faehigkeit, die Sie gezielt schaerfen koennen, statt als Talent, das Sie entweder haben oder nicht.

Warum “kognitive Faehigkeiten” der falsche Ort ist, sich sicher zu fuehlen, und der richtige, sich zu spezialisieren

Es gibt eine faule Version dieses Arguments, die besagt, Menschen behalten das “hoehere” Denken und Maschinen uebernehmen die Muehsal. Die Daten ziehen die Linie nicht so sauber. Viel hoeher wirkende Arbeit, das Zusammenfassen, Entwerfen, die Erstanalyse, ist genau das, worin das Modell gut ist.

Die nuetzliche Unterscheidung ist nicht hoch gegen niedrig. Sie ist geschlossen gegen offen. KI ist am staerksten, wo die Aufgabe klar definiert ist und eine gute Antwort im Raum wahrscheinlicher Ergebnisse bereits existiert. Sie ist am schwaechsten, wo die Aufgabe unterspezifiziert ist, die Situation sich aendert, die richtige Antwort nicht die wahrscheinlichste ist und jemand die Verantwortung fuer die Entscheidung uebernehmen muss. Die eigene Arbeit der OECD weist darauf hin: Die Faehigkeiten, die sie als schwer automatisierbar kennzeichnet, gruppieren sich um adaptives Problemloesen, definiert als das Erreichen eines Ziels in einer dynamischen Situation, in der eine Loesungsmethode nicht sofort verfuegbar ist, und um Metakognition, die Ueberwachung des eigenen Denkens.

Arbeitgeber preisen sich bereits danach neu ein. Im Future of Jobs Report 2025 des Weltwirtschaftsforums ist analytisches Denken die am haeufigsten genannte Kernkompetenz, von rund sieben von zehn Unternehmen als wesentlich eingestuft, mit kreativem Denken, Resilienz und Fuehrung dicht dahinter. Derselbe Bericht schaetzt, dass sich 39 Prozent der Kernkompetenzen der Beschaeftigten bis 2030 aendern werden. In der Ausgabe 2023 sagten Arbeitgeber, kognitive Faehigkeiten gewinnen schneller an Bedeutung als jede andere Kategorie und kreatives Denken steige sogar etwas schneller als analytisches Denken. Der Markt zahlt nicht weniger fuers Denken. Er zahlt mehr fuer die spezifischen Arten des Denkens, die ein Modell nicht fuer Sie erledigen kann.

Das ist die CEO-und-Student-These in Arbeitsmarktbegriffen. Die CEO-Haelfte besitzt Urteil und Konsequenzen, die Teile, die kein Modell je tragen wird. Die Student-Haelfte baut Ihren Faehigkeitsstapel gezielt neu auf, waehrend der Boden weiter steigt, denn eine 2022 knappe Faehigkeit kann bis 2027 Grundvoraussetzung sein.

Was die Forschung sagt (verifizierte oeffentliche Daten)

Befund	Quelle	Was es fuer Ihre Faehigkeiten bedeutet
KI koennte etwa 90 Prozent der Erwachsenen bei Leseaufgaben und 57 bis 88 Prozent bei Rechenaufgaben, gemessen an PIAAC, uebertreffen	OECD, “Is Education Losing the Race with Technology?”, 2023	Grundlegendes Lesen und Rechnen ist kein Unterscheidungsmerkmal mehr; Wert verlagert sich zu Rahmung, Urteil und Bewertung
Analytisches Denken ist die oberste Kernkompetenz, von rund sieben von zehn Unternehmen als wesentlich bezeichnet; kreatives Denken, Resilienz und Fuehrung folgen	WEF, Future of Jobs Report 2025	Arbeitgeber zahlen einen Aufschlag fuer offene kognitive Faehigkeiten, nicht fuer die Ausfuehrung geschlossener Aufgaben
Geschaetzte 39 Prozent der Kernkompetenzen der Beschaeftigten aendern sich bis 2030, gegenueber 44 Prozent, die 2023 prognostiziert wurden	WEF, Future of Jobs Report 2025	Der Faehigkeitsboden steigt kontinuierlich; das Lernen-Lernen ist selbst eine Ueberlebensfaehigkeit
Kognitive Faehigkeiten gewinnen am schnellsten an Bedeutung; kreatives Denken steigt etwas schneller als analytisches Denken	WEF, Future of Jobs Report 2023	Das knappe, im Wert steigende Gut ist Urteil und Synthese, nicht Abruf
Gezielte Uebung erklaerte 26 Prozent der Leistungsvarianz bei Spielen, 21 Prozent in der Musik, 18 Prozent im Sport, aber unter 1 Prozent in Berufen	Macnamara, Hambrick und Oswald, Psychological Science, 2014	In unstrukturierter beruflicher Arbeit zaehlen reine Stunden kaum; strukturiertes Feedback und Anpassung sind die echten Hebel

Die 10 Faehigkeiten und die Uebung fuer jede

Die Tabelle unten ist ein originaeres CEOtudent-Rahmenwerk, kein Datensatz. Sie gruppiert zehn automatisierungsresistente kognitive Faehigkeiten in drei Cluster und verbindet jede mit dem Grund, warum sie der Automatisierung widersteht, und einer gezielten Uebung, die Sie diese Woche beginnen koennen. Die Uebungen zaehlen so viel wie die Liste selbst, denn der Macnamara-Befund ist unerbittlich: In offener Arbeit ist mehr tun nicht dasselbe wie besser werden. Nur Uebung mit echtem Feedback bewegt die Nadel.

Der automatisierungsresistente Faehigkeitsstapel (CEOtudent-Redaktionsrahmen)

#	Kognitive Faehigkeit	Warum KI sie nicht besitzen kann	Die gezielte Uebung (mit Feedback)
1	Problemrahmung	Ein Modell beantwortet die gestellte Frage; es merkt nicht, dass Sie die falsche gestellt haben	Bevor Sie loesen, schreiben Sie drei verschiedene Rahmungen des Problems; lassen Sie jemanden die waehlen, die die Entscheidung am staerksten aendert
2	Urteil unter Unsicherheit	Die Methode steht nicht in den Trainingsdaten, wenn die Situation wirklich neu ist	Entscheiden Sie mit unvollstaendigen Informationen zu einer Frist; protokollieren Sie die Entscheidung, pruefen Sie Wochen spaeter, welche hielt
3	Kritische Bewertung	Fluessiges Ergebnis ist darauf optimiert, richtig zu klingen, nicht richtig zu sein	Pruefen Sie taeglich eine KI-Antwort bis zur Quelle nach; fuehren Sie Buch, wie oft selbstsicheres Ergebnis falsch war
4	Systemdenken	Modelle denken lokal; sie uebersehen Effekte zweiter und dritter Ordnung in einem System	Kartieren Sie die nachgelagerten Folgen einer Entscheidung zwei Schritte weit; pruefen Sie Ihre Vorhersagen an dem, was tatsaechlich geschah
5	Kreative Synthese	Vorhersage konvergiert zum wahrscheinlichen Zentrum, nicht zur ueberraschend-aber-richtigen Kombination	Kombinieren Sie woechentlich zwei unverbundene Ideen zwangsweise zu einem Vorschlag; testen Sie, welche Kombinationen den Kontakt mit der Realitaet ueberstehen
6	Geschmack und Unterscheidung	Aus vielen plausiblen Optionen die eine richtige zu waehlen, erfordert einen Einsatz und einen Standpunkt	Ordnen Sie Optionen und benennen Sie genau, warum der Gewinner den Zweiten schlaegt; vergleichen Sie Ihre Rangfolge mit der eines Experten
7	Metakognition	Ein Modell hat kein verlaessliches Gefuehl dafuer, was es nicht weiss	Bewerten Sie nach jedem Urteil Ihre Sicherheit, pruefen Sie dann die Kalibrierung: lagen Sie so oft richtig, wie Sie sich sicher fuehlten
8	Kontextuelle Empathie	Das ungesagte Beduerfnis einer bestimmten Person in einem bestimmten Moment zu lesen, ist keine Textvervollstaendigung	Sagen Sie vor einem Gespraech den echten Einwand eines Beteiligten voraus; notieren Sie danach, wo und warum Sie falsch lagen
9	Ethisches Denken	Werte abzuwaegen und die Konsequenzen zu tragen, laesst sich nicht an etwas ohne Einsatz delegieren	Schreiben Sie das staerkste Argument gegen Ihre bevorzugte Entscheidung; lassen Sie jemanden beurteilen, ob es ehrlich oder ein Strohmann ist
10	Adaptives Lernen	Der Faehigkeitsboden steigt weiter; die Meta-Faehigkeit ist schnelles Umlernen	Lernen Sie jeden Monat ein neues Werkzeug oder Konzept auf brauchbares Niveau; lehren Sie es jemanden als Feedback-Test

Beachten Sie die Form der Liste. Das erste Cluster, eins bis vier, betrifft Rahmung und Urteil: zu entscheiden, welches Problem geloest werden soll und wie man entscheidet, wenn die Antwort nicht offensichtlich ist. Das mittlere Cluster, fuenf und sechs, betrifft Synthese und Geschmack: kombinieren und waehlen auf Weisen, die Vorhersage zum Durchschnitt nicht kann. Das letzte Cluster, sieben bis zehn, betrifft Selbst und andere: die eigenen Grenzen kennen, Menschen lesen, Werte halten und den ganzen Stapel neu aufbauen, waehrend er an Wert verliert. Keine davon ist eine weiche Faehigkeit im abwertenden Sinn. Jede ist eine harte, trainierbare Faehigkeit, und jede wird genau dann wertvoller, wenn die geschlossenen Aufgaben darunter zur Massenware werden.

Wie Sie sie wirklich schaerfen, ohne sich selbst zu taeuschen

Der haeufigste Fehler ist die Annahme, dass intensiver KI-Einsatz Sie in den Faehigkeiten besser macht, die KI nicht kann. Meist geschieht das Gegenteil. Wenn Sie das Modell das Problem rahmen und die Entscheidung treffen lassen und seine Arbeit nie pruefen, ueben Sie Abhaengigkeit, nicht Urteil. Sie bekommen mehr Ergebnis und eine stumpfere Klinge.

Die Literatur zur gezielten Uebung erklaert, warum die Loesung strukturiert sein muss. Macnamara und Kollegen fanden, dass Uebung bei Spielen, Musik und Sport, wo Feedback sauber und sofort ist, einen echten Teil des Unterschieds zwischen Menschen erklaerte, rund ein Fuenftel bis ein Viertel der Varianz. In Berufen, wo Feedback verrauscht, verzoegert oder abwesend ist, sackte diese Zahl unter ein Prozent. Die Lehre ist nicht, dass Uebung nutzlos ist. Sie ist, dass unstrukturierte Uebung in offener Arbeit kaum kumuliert. Sie muessen das Feedback herstellen, das die Domaene nicht gratis liefert.

Das haben alle Uebungen in der Tabelle gemeinsam. Jede schliesst eine Schleife. Sie treffen nicht nur eine Entscheidung, Sie protokollieren sie und pruefen, ob sie hielt. Sie bewerten nicht nur eine KI-Antwort, Sie pruefen sie an einer Quelle und fuehren Buch. Sie lernen nicht nur ein Werkzeug, Sie lehren es, denn Lehren ist der schnellste Test, ob Sie es wirklich verstehen. Entfernen Sie den Feedback-Schritt und Sie sind zurueck beim Anhaeufen von Stunden, die sich nicht zu Faehigkeit summieren.

Der CEOtudent-Rahmen ist die Betriebsdisziplin um diese Schleifen. Die CEO-Haelfte besteht darauf, dass Sie wirklich entscheiden, zu einer Frist, mit Ihrem Namen am Ergebnis, denn Urteil, das nie auf Konsequenzen trifft, schaerft nie. Die Student-Haelfte besteht darauf, dass Sie den aktuellen Zustand jeder dieser Faehigkeiten als Entwurf behandeln, denn die OECD-Zahl, die dieses Jahr schockierend wirkte, wird naechstes Jahr gewoehnlich sein. Besitzen Sie die Entscheidung wie ein CEO. Bauen Sie die Faehigkeit wie ein Student neu auf. Diese Schleife, und kein einzelnes Werkzeug, haelt Sie ueber der Wasserlinie.

Haeufig gestellte Fragen

Sind diese wirklich unmoeglich fuer KI oder nur derzeit schwer?
Die ehrliche Antwort ist, dass “kann nicht” hier strukturell resistent bedeutet, nicht physikalisch verboten. Was diese zehn dauerhaft macht, ist keine voruebergehende Faehigkeitsluecke, sondern die Natur der Aufgaben: Sie sind offen, kontextspezifisch und erfordern jemanden mit Einsatz, der die Konsequenz traegt. Ein groesseres Modell wird bei wahrscheinlichen Antworten besser. Es erwirbt keinen Standpunkt, keinen Koerper, um Kontext zu fuehlen, und keine Rechenschaft fuer eine Entscheidung. Das sind die Eigenschaften, auf denen diese Faehigkeiten beruhen.

Sollte ich aufhoeren, KI zu nutzen, um diese Faehigkeiten zu schuetzen?
Nein. Das Ziel ist, KI fuer die geschlossenen Aufgaben zu nutzen, die sie gut kann, und die gesparte Zeit in gezielte Uebung an den offenen zu reinvestieren. Der Fehlermodus ist, auch das Urteil auszulagern, sodass Sie es nie aufbauen. Nutzen Sie das Modell zum Entwerfen; behalten Sie Rahmung, Bewertung und die endgueltige Entscheidung fuer sich und pruefen Sie die Arbeit des Modells oft genug, um kalibriert zu bleiben.

Mit welcher Faehigkeit sollte ich beginnen?
Fuer die meisten mit kritischer Bewertung. Sie ist die Gewohnheit mit dem hoechsten Hebel in einem KI-gesaettigten Arbeitsablauf, denn sie schuetzt jede andere Entscheidung vor selbstsicherem-aber-falschem Ergebnis, und ihre Uebung ist billig: pruefen Sie taeglich eine KI-Antwort bis zur Quelle und fuehren Sie Buch. Problemrahmung kommt dicht dahinter, denn ein gut gerahmtes Problem ist mehr wert als ein gut geloestes falsches.

Ist “Lernen lernen” nicht nur eine Floskel?
Das waere es, aber die Zahlen machen es konkret. Das Weltwirtschaftsforum schaetzt, dass sich rund 39 Prozent der Kernkompetenzen der Beschaeftigten bis 2030 aendern. Wenn sich mehr als ein Drittel dessen, was Sie beruflich wissen, in fuenf Jahren umschlaegt, ist die Faehigkeit, schnell umzulernen, kein Extra, sondern die Faehigkeit, die bestimmt, ob die anderen neun aktuell bleiben.

Gelten diese ausserhalb der Wissensarbeit?
Ja, ueberall, wo jetzt ein plausibler Maschinenentwurf existiert. Rahmung, Urteil, Bewertung, Geschmack und der Rest sind fuer einen Gruender, der ein Produkt bepreist, oder eine Fuehrungskraft, die eine Entscheidung trifft, ebenso relevant wie fuer einen Analysten oder einen Autor. Der rote Faden ist, dass sich in dem Moment, in dem Erzeugung in einem Feld billig wird, der menschliche Wert darauf konzentriert, zu entscheiden, was es wert ist, erzeugt zu werden, und ob das Ergebnis taugt.

Quellen

• OECD, “Is Education Losing the Race with Technology? AI’s Progress in Maths and Literacy,” 2023; zur Schaetzung, dass heutige KI rund 90 Prozent der Erwachsenen bei Leseaufgaben und zwischen 57 und 88 Prozent bei Rechenaufgaben (Erhebung ueber Erwachsenenkompetenzen, PIAAC) uebertreffen koennte, und zu adaptivem Problemloesen und Metakognition als der Automatisierung widerstehenden Faehigkeiten.
• Weltwirtschaftsforum, “The Future of Jobs Report 2025”; zu analytischem Denken als der am haeufigsten genannten Kernkompetenz, von rund sieben von zehn Unternehmen als wesentlich eingestuft, und zur Schaetzung, dass sich 39 Prozent der Kernkompetenzen der Beschaeftigten bis 2030 aendern.
• Weltwirtschaftsforum, “The Future of Jobs Report 2023”; zu analytischem und kreativem Denken als den wichtigsten Faehigkeiten fuer Beschaeftigte, zum schnellsten Bedeutungszuwachs kognitiver Faehigkeiten und zum Befund, dass sechs von zehn Beschaeftigten bis 2027 eine Weiterbildung benoetigen wuerden.
• Brooke N. Macnamara, David Z. Hambrick und Frederick L. Oswald, “Deliberate Practice and Performance in Music, Games, Sports, Education, and Professions: A Meta-Analysis,” Psychological Science (2014); zum Befund, dass gezielte Uebung etwa 26 Prozent der Leistungsvarianz bei Spielen, 21 Prozent in der Musik und 18 Prozent im Sport erklaerte, aber unter 1 Prozent in Berufen.
• K. Anders Ericsson, Ralf Th. Krampe und Clemens Tesch-Romer, “The Role of Deliberate Practice in the Acquisition of Expert Performance,” Psychological Review (1993); zur zentralen Rolle von strukturiertem Feedback und Expertenanleitung beim Aufbau von Faehigkeit.
• OECD, “OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market”; dazu, dass soziale, emotionale und transversale Faehigkeiten zunehmend zusammen mit kognitiven Faehigkeiten erforderlich und fuer Automatisierung schwerer zu replizieren sind.

---

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: