Wie Sie Ihren Job auf KI-Ersetzbarkeit pruefen (und was Sie mit den Ergebnissen tun)

Es gibt eine Frage, die Menschen um zwei Uhr nachts in ein Chatfenster tippen, meist nachdem sie noch eine Schlagzeile ueber ein Modell gelesen haben, das gerade eine Pruefung bestanden hat, mit der sie selbst gerungen haben. Die Frage lautet: “Wird KI meinen Job ersetzen?” Sie fuehlt sich an wie das Wichtigste, was man fragen koennte. Sie ist fast nutzlos.

Sie ist nutzlos, weil ein Job ein Buendel ist. Der Titel auf Ihrer Visitenkarte verbirgt ein Dutzend verschiedener Taetigkeiten, und sie teilen kein gemeinsames Schicksal. Ein Finanzanalyst verbringt einen Teil der Woche damit, Daten zu ziehen, einen Teil damit, sie zu bereinigen, einen Teil damit, Modelle zu bauen, einen Teil damit, zu interpretieren, was die Modelle fuer einen bestimmten Kunden mit einer bestimmten Angst bedeuten, und einen Teil damit, in einem Raum zu sitzen und diesen Kunden zum Handeln zu ueberzeugen. Fragen Sie, ob “Finanzanalyst” ersetzt wird, gibt es keine Antwort. Fragen Sie, welche dieser fuenf Taetigkeiten ein Sprachmodell von 2026 bereits auf professionellem Niveau erledigen kann, und das Bild wird scharf. Die ehrliche Antwort ist, dass einige fast verschwunden sind, ein oder zwei sicherer als je zuvor, und der Unterschied zwischen einem florierenden und einem aengstlichen Analysten haengt ganz davon ab, auf welche Taetigkeiten er seine Stunden verwendet.

Genau das wuerde ein CEO mit einem schwaechelnden Unternehmen tun. Er wuerde nicht fragen “ist diese Firma verloren”. Er wuerde die Buecher oeffnen und Bereich fuer Bereich pruefen: diese Sparte blutet, jene waechst leise, diese sieht gut aus, haengt aber von einem Lieferanten ab, der gleich die Regeln aendert. Ihre Karriere verdient dieselbe Behandlung. Der Rest dieses Textes ist dieses Audit, mit einer Bewertungsmethode, die Sie tatsaechlich durchfuehren koennen, und einem Plan, was Sie mit den Ergebnissen tun.

Warum “wird KI meinen Job ersetzen” die falsche Frage ist

Der Instinkt, in ganzen Jobs zu denken, stammt daher, wie fruehere Automatisierungswellen funktionierten. Eine Maschine uebernahm eine Station am Fliessband, und die daran haengende Rolle verschwand. Ganze Jobs gingen, weshalb wir lernten, in Ganz-Job-Einheiten zu sorgen.

Generative KI bewegt sich nicht so. Sie ist eine Allzwecktechnologie, die in Aufgaben hineinreicht, die ueber fast jede Rolle verstreut sind, statt Rollen im Ganzen zu verschlingen. Der klarste Beleg stammt aus der Studie, die die moderne Debatte eroeffnete. 2023 bewerteten Forscher von OpenAI, OpenResearch und der University of Pennsylvania (Eloundou und Kollegen, im Arbeitspapier “GPTs are GPTs”) US-Berufe Aufgabe fuer Aufgabe gegen das, was grosse Sprachmodelle koennen. Ihr Kernbefund ist praezise und wert, ihn im Kopf zu behalten: rund 80% der US-Erwerbsbevoelkerung koennten mindestens 10% ihrer Arbeitsaufgaben durch grosse Sprachmodelle betroffen sehen, waehrend etwa 19% der Beschaeftigten mindestens 50% ihrer Aufgaben betroffen sehen koennten.

Lesen Sie diese zwei Zahlen langsam. Die erste sagt, dass die Betroffenheit fast universell, aber meist flach ist. Fast jeder hat einige Aufgaben, die ein Modell beruehren kann. Die zweite sagt, dass fuer etwa einen von fuenf Beschaeftigten die Betroffenheit tief genug ist, um die ganze Rolle umzuformen. Die Frage, die zaehlt, ist nicht, ob Sie zu den 80% gehoeren. Fast sicher tun Sie das. Die Frage ist, ob Sie zu den 19% driften, weil zu viele Ihrer Stunden in betroffenen Aufgaben sitzen, und ob Sie es ueberhaupt bemerken wuerden.

Sie bemerken es nur, wenn Sie aufhoeren, auf Ihren Job zu schauen, und anfangen, auf Ihre Aufgaben zu schauen.

Die Einheit ist die Aufgabe, nicht der Job

Jahrzehnte vor dem heutigen Moment gaben uns die Oekonomen David Autor, Frank Levy und Richard Murnane den Rahmen, der noch immer funktioniert (in ihrem Papier von 2003 zum Kompetenzgehalt technologischen Wandels). Sie teilten Arbeit entlang zweier Achsen: routinemaessig gegen nicht-routinemaessig, kognitiv gegen manuell. Routineaufgaben folgen expliziten Regeln, die man einer Maschine uebergeben kann. Nicht-Routineaufgaben erfordern Urteil, Improvisation oder menschliche Praesenz. Dreissig Jahre lang war der sichere Hafen nicht-routinemaessige kognitive Arbeit, das Denken, das sich der Kodifizierung widersetzte.

Generative KI ist gerade deshalb interessant, weil sie diesen Hafen durchbrach. Sie ist die erste Automatisierungswelle, die tief in nicht-routinemaessige kognitive Aufgaben reicht: Entwerfen, Zusammenfassen, erste Analyse, Programmieren, Uebersetzen, Ideenfindung. Die Taetigkeiten, von denen wir einer Generation sagten, sie seien zukunftssicher, weil sie “Denken” beinhalteten, erwiesen sich als einige der am staerksten betroffenen. Das ist der ganze Schock der letzten drei Jahre in einem Satz. Das moderne Audit braucht also eine schaerfere Linse als routinemaessig gegen nicht-routinemaessig. Es muss fuer jede Aufgabe drei getrennte Fragen zugleich stellen.

Erstens: wie routinemaessig und kodifizierbar ist die Aufgabe, denn das bestimmt, ob ein Modell sie ueberhaupt versuchen kann. Zweitens: traegt die Aufgabe echte Verantwortung, Geschmack oder menschliche Beziehung, denn das bestimmt, ob jemand akzeptiert, dass eine Maschine sie unbeaufsichtigt erledigt. Drittens, und am meisten vernachlaessigt: was ist der strategische Hebel der Aufgabe, also veraendert es ein wichtiges Ergebnis, sie gut zu erledigen, oder ist es nur Bewegung. Eine Aufgabe kann KI stark ausgesetzt sein und dennoch der Ort sein, an dem Ihr Wert lebt, wenn Ihre Rolle darin besteht, den Output zu lenken, zu beurteilen und zu verantworten, statt ihn von Hand zu erzeugen. Das Audit unten bewertet alle drei.

Die Aufgaben-Ersetzbarkeits-Matrix

Dies ist der Rahmen, in den Sie Ihre Aufgaben sortieren, bevor Sie sie bewerten. Es ist eine redaktionelle Synthese des Autor-Levy-Murnane-Routinerahmens, aktualisiert fuer generative KI, kein Datensatz; behandeln Sie die Quadranten also als Linse, nicht als Messung.

Aufgabentyp	Beispieltaetigkeiten	KI-Faehigkeit 2026	Was es fuer Sie bedeutet
Routine-kognitiv	Dateneingabe, Formatierung, Standardberichte, Grundrecherche, erste Textentwuerfe	Hoch. Ein Modell erledigt das meiste in professioneller Entwurfsqualitaet	Hoeren Sie auf, es von Hand zu tun. Lenken Sie das Werkzeug, dann pruefen. Stunden hier sollten gegen null schrumpfen
Nicht-Routine kognitiv, geringe Verantwortung	Ideenfindung, Zusammenfassen, explorative Analyse, Code-Geruest, Uebersetzung	Hoch, aber beaufsichtigt. Grosser erster Entwurf, braucht einen Menschen zum Beurteilen und Verantworten	Wandeln Sie sich vom Produzenten zum Redakteur. Ihr Wert verlagert sich auf Rahmung und Pruefung des Outputs
Nicht-Routine kognitiv, hohe Verantwortung	Strategiegespraeche, neue Problemrahmung, Urteil unter Unsicherheit, geschmacksstarke Entscheidungen	Teilweise. Ein Modell hilft, kann aber nicht fuer die Entscheidung verantwortlich sein	Verteidigen und vertiefen. Das ist zinseszinsartige Arbeit. Investieren Sie Ihre besten Stunden hier
Nicht-Routine zwischenmenschlich	Verhandlung, Coaching, Fuersorge, Vertrauensaufbau, Ueberzeugung mit hohem Einsatz, Fuehrung	Gering. Praesenz, Vertrauen und Verantwortung uebertragen sich nicht auf ein Werkzeug	Heute der sicherste Hafen. Von analytischen Menschen als “weich” unterschaetzt

Der Fehler, den fast jeder macht, ist, auf die oberen zwei Zeilen zu schauen, zu geraten und zu schliessen, seine Arbeit sei gefaehrdet. Die richtige Lesart ist das Gegenteil. Die oberen zwei Zeilen sind, wo Sie eine Maschine wollen sollten, denn das sind die Stunden mit geringem Hebel, die Sie mit Ihrer eigenen Zeit ueberbezahlt haben. Das Audit existiert, um herauszufinden, wie viele Ihrer Stunden dort gefangen sind, damit Sie sie bewusst die Tabelle hinunter verschieben koennen.

Fuehren Sie das Audit durch: eine fuenfstufige Selbstbewertung

Nehmen Sie sich einen Nachmittag Zeit. Sie brauchen eine Liste dessen, was Sie tatsaechlich tun, nicht Ihre Stellenbeschreibung. Die beiden sind selten dasselbe, und die Luecke ist, wo sich die nuetzlichen Entdeckungen verbergen.

Schritt 1. Listen Sie Ihre Aufgaben auf. Schreiben Sie fuer eine repraesentative Woche jede einzelne Taetigkeit auf, die Ihre Stunden fuellte. Zielen Sie auf fuenfzehn bis dreissig Posten. Seien Sie granular. “Berichtswesen” ist zu grob; teilen Sie es in Daten ziehen, bereinigen, die Ansicht bauen und interpretieren, denn diese vier werden sehr unterschiedlich bewertet.

Schritt 2. Schaetzen Sie die Stunden. Setzen Sie neben jede Aufgabe den ungefaehren Anteil Ihrer Arbeitszeit, den sie verbraucht. Das ist die wichtigste Spalte und die, die Menschen ueberspringen. Ersetzbarkeit ohne Zeitgewichtung ist Nebensache. Eine Aufgabe, die ein Modell vollstaendig erledigen kann, aber 1% Ihrer Woche frisst, ist Rauschen. Eine, die es halb erledigen kann, aber 40% Ihrer Woche frisst, ist Ihr ganzes strategisches Problem.

Schritt 3. Bewerten Sie die KI-Faehigkeit (1 bis 5). Fragen Sie fuer jede Aufgabe: auf professionellem Niveau, 2026, wie viel kann ein gutes Modell mit kompetenter Lenkung erledigen? Geben Sie 5, wenn es im Wesentlichen alles erledigt, 1, wenn es nicht sinnvoll helfen kann. Seien Sie ehrlich statt defensiv. Der Zweck eines Audits ist, die Schwachstellen zu finden, und sich hier zu schmeicheln verbirgt sie nur.

Schritt 4. Bewerten Sie den strategischen Hebel (1 bis 5). Fragen Sie: wenn diese Aufgabe hervorragend statt nur ausreichend erledigt wird, aendert sich tatsaechlich ein wichtiges Ergebnis? Geben Sie 5 fuer Aufgaben, bei denen Qualitaet echte Resultate treibt (die Kundenentscheidung, die Produktwette, die gerettete Beziehung), und 1 fuer reine Bewegung, die passieren muss, die aber niemand bemerken wuerde, waere sie nur in Ordnung.

Schritt 5. Lesen Sie die vier Zonen. Kreuzen Sie die zwei Bewertungen, und jede Aufgabe landet in einer von vier Zonen, die Ihnen genau sagen, was zu tun ist:

• Hohe Faehigkeit, geringer Hebel (jetzt automatisieren): das Modell kann es, und es gut zu tun spielt kaum eine Rolle. Uebergeben Sie es dieses Quartal. Das sind Ihre zurueckgewonnenen Stunden.
• Hohe Faehigkeit, hoher Hebel (werden Sie der Regisseur): das Modell kann es, aber das Ergebnis haengt von Qualitaet und Urteil ab. Verteidigen Sie nicht die Handarbeit; verteidigen Sie das Urteil. Ihre Aufgabe hier ist rahmen, lenken und verantworten, nicht tippen.
• Geringe Faehigkeit, hoher Hebel (verteidigen und vertiefen): Ihr Kern. Schuetzen Sie diese Stunden vor Erosion und giessen Sie Ihre zurueckgewonnene Zeit hinein.
• Geringe Faehigkeit, geringer Hebel (hinterfragen): eine Maschine kann nicht helfen, und es spielt kaum eine Rolle. Fragen Sie, ob es ueberhaupt existieren sollte.

Wenn Sie fertig sind, haben Sie etwas, das keine Schlagzeile geben kann: eine zeitgewichtete Karte Ihrer eigenen Betroffenheit. Die meisten Menschen entdecken, dass ein ueberraschender Anteil ihrer Woche in der ersten Zone lebt, was unzweideutig gute Nachricht ist, denn das sind die am leichtesten zurueckzukaufenden Stunden.

Was die gepruefte Datenlage zur Betroffenheit sagt

Ihr persoenliches Audit ist von Natur aus subjektiv, denn nur Sie kennen Ihre echten Aufgaben. Es wird nuetzlicher, wenn Sie es gegen die oeffentliche Forschung stellen, wo sich Betroffenheit tatsaechlich konzentriert. Die Tabelle unten synthetisiert Befunde aus zwei autoritativen Quellen. Die Zahlen sind ihre und exakt bewahrt; die Gruppierung ist eine redaktionelle Illustration, um sie mit der Matrix oben zu verbinden.

Signal	Was die Forschung fand	Quelle	Audit-Implikation
Breite der Betroffenheit	Etwa 80% der US-Beschaeftigten haben mindestens 10% der Aufgaben Sprachmodellen ausgesetzt	Eloundou et al., “GPTs are GPTs,” 2023	Nehmen Sie an, Sie sind betroffen. Die Frage ist Tiefe, nicht ob
Tiefe der Betroffenheit	Etwa 19% der Beschaeftigten haben mindestens 50% der Aufgaben ausgesetzt	Eloundou et al., 2023	Landet Ihr Audit die meisten Stunden in Hoch-Faehigkeit-Zonen, sind Sie nahe dieser Gruppe
Wo schreibintensive Rollen liegen	Berufe rund um Schreiben und Programmieren zaehlten zu den am staerksten betroffenen	Eloundou et al., 2023	“Denk”-Arbeit ist nicht automatisch sicher; Verantwortung und Hebel schuetzen sie
Kompetenzwandel bis 2030	39% der Kernkompetenzen der Beschaeftigten aendern sich voraussichtlich bis 2030 (von 44% 2023)	WEF, Future of Jobs Report 2025	Ihr Audit hat eine Haltbarkeit. Fuehren Sie es erneut durch, wenn sich Faehigkeiten bewegen
Am schnellsten steigende Kompetenzen	KI und Big Data fuehren die am schnellsten wachsenden Kompetenzen bis 2030 an	WEF, Future of Jobs Report 2025	Die Faehigkeit, KI zu lenken, ist selbst eine Aufgabe mit hohem Hebel, die man hinzufuegen sollte

Die zwei Datensaetze erzaehlen eine stimmige Geschichte. Betroffenheit ist breit, sie laeuft geradewegs durch die kognitive Arbeit, die wir fuer sicher hielten, und der Boden bewegt sich weiter, also ist ein einmaliges Audit eher eine Momentaufnahme als ein Urteil. Deshalb ist der letzte Schritt kein Schluss, sondern eine Reihe von Zuegen.

Was Sie mit den Ergebnissen tun

Ein Audit, das Ihren Kalender nicht aendert, ist ein Tagebucheintrag. So verwandelt ein CEO-und-Student die Karte in Handlung, grob in der Reihenfolge, die sich am schnellsten auszahlt.

Automatisieren Sie die erste Zone aggressiv und ohne Sentiment. Die Aufgaben mit hoher Faehigkeit und geringem Hebel sind reiner Gemeinkostenaufwand, den Sie in der einen Waehrung gezahlt haben, die Sie nicht zurueckverdienen koennen. Lenken Sie KI hart darauf, akzeptieren Sie einen Pruefen-und-weiter-Rhythmus und gewinnen Sie die Stunden zurueck. Das ist der CEO-Zug: Sie wuerden nie eine Fuehrungskraft von Hand tun lassen, was ein billigeres System ausreichend erledigt. Hoeren Sie auf, es sich selbst anzutun. Die zurueckgewonnene Zeit ist das ganze Budget fuer alles Folgende.

Wechseln Sie in der zweiten Zone vom Produzenten zum Regisseur. Wo KI faehig ist, die Arbeit aber echten Hebel traegt, liegt Ihr Wert nicht mehr in der Produktion. Er liegt darin, das Problem gut zu rahmen, das Werkzeug mit Geschmack zu lenken und das Urteil darueber zu verantworten, was ausgeliefert wird. Das ist eine echte und knappe Faehigkeit. Die meisten Menschen weigern sich entweder, das Werkzeug zu nutzen, und fallen zurueck, oder nutzen es und liefern seinen unredigierten Output und werden ertappt. Der Regisseur, der beides tut, scharf rahmt und ruecksichtslos urteilt, ist genau der, den die WEF-Daten als vom Markt bezahlt implizieren.

Verteidigen und vertiefen Sie die dritte Zone wie Ihre Bilanz. Die Aufgaben mit geringer Faehigkeit und hohem Hebel (die Urteilsentscheidungen, der Geschmack, die Beziehungen, die Verantwortung) sind, wo dauerhafter Wert lebt. Schuetzen Sie diese Stunden vor Meeting-Wucher und Verwaltung, die sie aushoehlen, und reinvestieren Sie Ihre zurueckgewonnene Zeit hier. Das ist der Zinseszins-Vermoegenswert. Der Studenteninstinkt hilft: diese Faehigkeiten wachsen mit bewusster Uebung und ehrlichem Feedback, nicht mit einem guten Jahr.

Verlagern Sie sich, wenn das Audit brutal ist. Manchmal zeigt die ehrliche Karte, dass die meisten Ihrer Stunden und der meiste Hebel in Zonen sitzen, in die eine Maschine schnell hineinklettert. Das ist schmerzhaft, und es ist zugleich das Wertvollste, was ein Audit Ihnen sagen kann, denn es sagt es Ihnen frueh. Die Antwort ist nicht, in einem schrumpfenden Hafen haerter zu arbeiten. Sie ist, sich angrenzend zu bewegen: die Rolle, das Team oder das Problem finden, wo Ihre vorhandenen Staerken an Arbeit mit hoeherem Hebel und geringerer Faehigkeit andocken, und den Uebergang jetzt beginnen, solange Sie noch die Wahl haben, statt spaeter, wenn sie fuer Sie getroffen wird.

Nichts davon erfordert, die Zukunft vorherzusagen, was ein Glueck ist, denn niemand kann es. Es erfordert, ehrlich auf Ihre eigene Woche zu schauen, sie ohne Schmeichelei zu bewerten und Ihre knappste Ressource auf die Arbeit umzuschichten, die sich verzinst. Das ist keine KI-Strategie. Es ist einfach gutes Management, ausnahmsweise angewandt auf das eine Unternehmen, das Sie nie verkaufen koennen: Ihr eigenes Arbeitsleben.

Haeufig gestellte Fragen

Bedeutet hohe KI-Betroffenheit, dass mein Job ersetzt wird?
Nein, und die beiden zu verwechseln verursacht die meiste Panik. Betroffenheit bedeutet, dass ein Modell einige Ihrer Aufgaben erledigen kann, nicht dass Ihre Rolle verschwindet. Die Eloundou-Forschung misst Aufgabenbetroffenheit, nicht Jobverlust, und selbst tief betroffene Rollen verlagern sich meist zum Lenken und Beurteilen von KI, statt zu verschwinden. Der IWF macht dieselbe Unterscheidung: betroffene Arbeit wird oft durch KI ergaenzt statt ersetzt.

Wie oft sollte ich dieses Audit erneut durchfuehren?
Etwa jedes Quartal und definitiv nach jeder grossen Modellveroeffentlichung, die aendert, was Werkzeuge koennen. Der WEF-Befund, dass sich 39% der Kernkompetenzen bis 2030 aendern, impliziert stetige Drift, sodass eine Aufgabe, die dieses Jahr 2 bei KI-Faehigkeit erreicht, naechstes Jahr 4 erreichen kann. Behandeln Sie es wie eine vierteljaehrliche Geschaeftsueberpruefung, nicht ein einmaliges Urteil.

Was, wenn fast alle meine Aufgaben hoch bei KI-Faehigkeit abschneiden?
Dann ist Ihre Prioritaet Hebel, nicht Produktion. Hoeren Sie auf, mit dem Werkzeug um Output zu konkurrieren, und steigen Sie im Stapel hinauf zu Rahmung, Urteil und Verantwortung, das sind die zweite und dritte Zone des Audits. Traegt selbst hervorragend erledigt wenig Ihrer Arbeit echten Hebel, behandeln Sie das als fruehes und nuetzliches Signal, sich zu einer Rolle zu verlagern, in der Ihre Staerken mehr zaehlen.

Ist es wirklich eine dauerhafte Faehigkeit, gut im Lenken von KI zu sein?
Ja. Sie liegt am Schnittpunkt von hoher Faehigkeit und hohem Hebel: das Werkzeug erledigt die Produktion, aber die Aufgabe gut zu rahmen und den Output gut zu beurteilen aendert das Ergebnis, und wenige Menschen tun beides. Das WEF reiht KI und Big Data unter die am schnellsten wachsenden Kompetenzen bis 2030 ein, was der Markt ist, der diese Faehigkeit nach oben statt nach unten bepreist.

Welche Aufgaben sind wirklich die sichersten?
Nicht-routinemaessige zwischenmenschliche Arbeit (Verhandlung, Coaching, Vertrauensaufbau, Fuersorge, Fuehrung mit hohem Einsatz) bleibt am wenigsten betroffen, denn Praesenz, Vertrauen und Verantwortung uebertragen sich nicht auf ein Werkzeug. Analytische Menschen unterschaetzen diese routinemaessig als “weich”, was genau der Grund ist, warum sie wertvoll und knapp bleiben.

Kann ich meiner eigenen Bewertung trauen, wo ich doch ueber meine eigene Arbeit voreingenommen bin?
Nicht perfekt, weshalb die Methode auf zwei Korrekturen setzt: jede Aufgabe zeitzugewichten, damit Sie sich nicht hinter Nebensaechlichem verstecken koennen, und Ihre Faehigkeitsbewertungen direkt gegen das Werkzeug zu testen, statt zu raten. Behaupten Sie, eine Aufgabe sei nicht automatisierbar, verbringen Sie zwanzig Minuten damit, ein gutes Modell sie tatsaechlich erledigen zu lassen. Das Ergebnis ist meist demuetigend und immer ehrlicher als eine Annahme.

Quellen

• Eloundou, Manning, Mishkin und Rock, “GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models,” 2023 (etwa 80% der US-Beschaeftigten haben mindestens 10% der Aufgaben Sprachmodellen ausgesetzt; etwa 19% mindestens 50%; Schreib- und Programmierberufe unter den am staerksten betroffenen).
• Autor, Levy und Murnane, “The Skill Content of Recent Technological Change,” 2003 (Rahmen routinemaessig gegen nicht-routinemaessig, kognitiv gegen manuell).
• Weltwirtschaftsforum, Future of Jobs Report 2025 (39% der Kernkompetenzen aendern sich voraussichtlich bis 2030, von 44% 2023; KI und Big Data unter den am schnellsten wachsenden Kompetenzen; Befragung von ueber 1.000 Arbeitgebern, die mehr als 14 Millionen Beschaeftigte vertreten).
• Internationaler Waehrungsfonds, “AI Will Transform the Global Economy,” Januar 2024 (Unterscheidung zwischen Betroffenheit und Ersetzung; rund 40% der globalen Jobs betroffen, betroffene Arbeit geteilt zwischen Ergaenzung und Ersetzung).

---

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: