Kurzfassung. Die T-förmige Fachkraft, tief in einer Disziplin verankert und breit genug aufgestellt, um über andere Disziplinen hinweg zusammenzuarbeiten, beruhte auf zwei Preisen: Tiefe war knapp, und Breite war teuer zu erwerben. Generative KI hat beide verändert. In einem Feldexperiment mit Fachkräften von Procter & Gamble verbesserten Einzelpersonen, die mit KI arbeiteten, die Qualität ihrer Lösungen um 0,37 Standardabweichungen und erreichten damit das Niveau von Zweierteams ohne KI; zudem entwickelten sie unabhängig von ihrem eigenen Hintergrund ausgewogene technische und kommerzielle Lösungen. Den horizontalen Balken des T kann man sich heute leihen. Auch der vertikale Balken verändert sich: In einer veröffentlichten Studie mit 5.172 Kundensupport-Mitarbeitenden steigerte KI-Unterstützung die Produktivität im Durchschnitt um 15%, wobei die am wenigsten erfahrenen Beschäftigten am stärksten profitierten. Unsere eigene Analyse verknüpft die Fähigkeitsbewertungen aus O*NET 31.0 mit veröffentlichten KI-Expositionswerten für 372 US-Berufe, die typischerweise einen Hochschulabschluss voraussetzen. Berufe mit hohen analytischen, aber geringen sozialen Kompetenzen weisen die höchste durchschnittliche KI-Exposition auf (0,52); dieselbe analytische Intensität in Verbindung mit starken sozialen Kompetenzen geht mit einer um 16% niedrigeren Exposition einher. Die neue Form, die wir vorschlagen, ist der Baum: eine Krone aus KI-erweiterter Breite, die Sie sich leihen, ein Stamm aus Urteilstiefe, der Ihnen gehört, Wurzeln aus Beziehungen und Kontext, die Maschinen nicht liefern können, und Jahresringe, die festhalten, wie schnell Sie weiterlernen.
Dieser Beitrag gehört zu unserer Reihe über Karrierestrategie im KI-Zeitalter. Er baut auf vom Spezialisten zum Orchestrator, Fähigkeiten stapeln im KI-Zeitalter und Karrierekapital: was wächst und was schwindet auf.
Woher das T kommt und welche zwei Wetten es einging
Das T ist älter als die meisten, die es verwenden. Die früheste Verwendung, die Forschende üblicherweise zitieren, ist ein kurzer Artikel von David Guest aus dem Jahr 1991 in The Independent mit der Überschrift „The hunt is on for the Renaissance Man of computing“. Die Harvard Business Review brachte die Idee 2001 mit „Introducing T-shaped managers“ von Morten Hansen und Bettina von Oetinger einem Managementpublikum nahe. IDEO-Chef Tim Brown lieferte 2010 in einem Interview mit dem Magazin Chief Executive die Definition, die heute die meisten wiederholen: Der vertikale Strich steht für „eine Tiefe an Können, die es ihnen erlaubt, zum kreativen Prozess beizutragen“, der horizontale für die Bereitschaft zur Zusammenarbeit über Disziplinen hinweg.
Hinter dem Buchstaben standen zwei ökonomische Wetten:
- Tiefe ist das knappe Gut. Eingestellt werden Sie für den vertikalen Balken. Jahre des Studiums und der Praxis in einem Fach sind schwer zu kopieren, deshalb bringen sie eine Prämie.
- Breite ist teuer, also genügt ein wenig davon. Als Ingenieurin oder Ingenieur müssen Sie kein Marketing beherrschen; Sie brauchen gerade genug davon, um mit dem Marketing zu sprechen. Der horizontale Balken ist eine Schnittstelle für die Zusammenarbeit, keine zweite Fähigkeit.
Beide Wetten waren dreißig Jahre lang vernünftig. Generative KI verändert den Preis beider.
Was KI mit dem horizontalen Balken macht
Die deutlichsten Belege stammen aus „The Cybernetic Teammate“, einem vorregistrierten Feldexperiment bei Procter & Gamble von Fabrizio Dell’Acqua, Karim Lakhani und Kollegen, das 2026 in Organization Science erschienen ist. Fachkräfte bearbeiteten reale Aufgaben der Produktinnovation, allein oder in Zweierteams aus je einer Fachkraft aus Forschung und Entwicklung (F&E) und einer aus dem kaufmännischen Bereich, mit oder ohne ein Werkzeug auf Basis von GPT-4.
In der Working-Paper-Fassung verbesserten Teams ohne KI die Lösungsqualität gegenüber allein arbeitenden Einzelpersonen um 0,24 Standardabweichungen. Einzelpersonen mit KI verbesserten sich um 0,37 Standardabweichungen, Teams mit KI um 0,39. Das veröffentlichte Abstract fasst es nüchtern zusammen: Einzelpersonen mit KI erreichten die Leistung von Teams ohne KI.
Der für das T wichtigste Befund betrifft Silos. Ohne KI schlugen F&E-Fachkräfte eher technische Lösungen vor, kaufmännische Fachkräfte eher kommerzielle. Mit den Worten der Autoren entwickelten Fachkräfte, die KI nutzten, ausgewogenere Lösungen, „unabhängig von ihrem beruflichen Hintergrund“. Das ist der horizontale Balken, auf Abruf geliefert.
Dieselbe Studie enthält ein wichtiges Detail, das später noch eine Rolle spielt. Die Ideen mit der höchsten Qualität entstanden weiterhin in der Zusammenarbeit von Menschen: Teams mit KI hatten eine um 9,2 Prozentpunkte höhere Wahrscheinlichkeit als die Kontrollgruppe (Mittelwert 5,8%), eine Lösung unter den besten 10% zu entwickeln, während der Effekt für Einzelpersonen mit KI statistisch nicht signifikant war. KI liefert Wissensbreite. Den Wert eines weiteren Menschen im Raum hat sie nicht ersetzt.
Was KI mit dem vertikalen Balken macht
Auch Tiefe wird neu bepreist, allerdings ungleichmäßig.
In „Generative AI at Work“, 2025 im Quarterly Journal of Economics erschienen, untersuchten Erik Brynjolfsson, Danielle Li und Lindsey Raymond 5.172 Kundensupport-Mitarbeitende, die einen KI-Assistenten erhielten. Die Produktivität, gemessen als gelöste Anliegen pro Stunde, stieg im Durchschnitt um 15%. Weniger erfahrene und geringer qualifizierte Beschäftigte verbesserten sowohl Tempo als auch Qualität, während die erfahrensten und am höchsten qualifizierten Beschäftigten leicht an Tempo gewannen und leicht an Qualität verloren. Know-how, dessen Aufbau Jahre gedauert hatte, wurde Neulingen über das Werkzeug teilweise zugänglich.
Zugleich ist es die Tiefe, die Ihnen sagt, wann das Werkzeug falsch liegt. Im Experiment der Boston Consulting Group mit 758 Beratenden, 2026 in Organization Science veröffentlicht („Navigating the Jagged Technological Frontier“), erledigten diejenigen mit Zugang zu GPT-4 bei Aufgaben innerhalb der Leistungsgrenze der KI 12,2% mehr Aufgaben und arbeiteten 25,1% schneller. Bei einer Aufgabe, die bewusst so gewählt war, dass sie außerhalb dieser Grenze lag, lagen Beratende ohne KI in etwa 84,5% der Fälle richtig, während diejenigen mit KI auf 60% und 70,6% kamen, ein durchschnittlicher Rückgang um 19 Prozentpunkte. KI bei einer Aufgabe jenseits ihrer Fähigkeiten einzusetzen, machte die Menschen weniger treffsicher, und erst Tiefe im Fachgebiet lässt Sie erkennen, dass Sie vor einer solchen Aufgabe stehen.
Die ursprüngliche Studie „GPTs are GPTs“ von Tyna Eloundou, Sam Manning, Pamela Mishkin und Daniel Rock weist auf der Ebene der Fähigkeiten in dieselbe Richtung: Über alle Berufe hinweg hing die Bedeutung von Programmier- und Schreibfähigkeiten stark positiv mit der Exposition gegenüber großen Sprachmodellen zusammen, während naturwissenschaftliche Fähigkeiten und kritisches Denken stark negativ damit zusammenhingen.
Der vertikale Balken spaltet sich also in zwei Teile. Kodifizierte Tiefe, der Teil der Expertise, der sich aufschreiben und per Mustervergleich reproduzieren lässt, wird billiger. Urteilstiefe, der Teil, der Sie befähigt zu prüfen, zu entscheiden und Verantwortung zu übernehmen, wird zum eigentlichen Grund, warum man Sie überhaupt braucht.
Unsere Analyse: Welche Kompetenzprofile am stärksten exponiert sind
Um das an aktuellen Daten zu prüfen, haben wir zwei öffentliche Datensätze verknüpft, die üblicherweise nicht kombiniert werden:
- O*NET 31.0 (US-Arbeitsministerium, August 2026): Bedeutungsbewertungen auf einer Skala von 1 bis 5 für 35 Fähigkeiten in jedem von 910 Berufen.
- Expositionswerte auf Berufsebene, die Eloundou und Kollegen mit ihrer Studie veröffentlicht haben. Wir haben ihr Beta-Maß verwendet: den Anteil der Aufgaben eines Berufs, bei denen der Zugang zu einem großen Sprachmodell, direkt oder über darauf aufbauende Software, den Zeitbedarf um mindestens die Hälfte senken könnte (der zweite Weg wird mit 0,5 gewichtet). Der Datensatz enthält zwei Versionen des Werts, eine von menschlichen Annotatoren und eine von GPT-4.
Über alle 910 Berufe hinweg korreliert fast jede kognitive Fähigkeit positiv mit der KI-Exposition, weil Exposition vor allem Schreibtischarbeit von körperlicher Arbeit trennt. Dieser Vergleich sagt wenig über die Entscheidungen von Wissensarbeiterinnen und Wissensarbeitern aus. Deshalb haben wir die Analyse auf die 372 Berufe in den ONET Job Zones 4 und 5 eingegrenzt (den beiden höchsten der fünf ONET-Stufen für den erforderlichen Vorbereitungsgrad), in denen die meisten Tätigkeiten einen Bachelor- oder einen weiterführenden Hochschulabschluss erfordern. Innerhalb dieser Gruppe teilt sich das Bild.
Tabelle 1. Wie die Bedeutung einzelner Fähigkeiten mit der KI-Exposition in akademischen Berufen zusammenhängt (Berechnung von CEOtudent, O*NET 31.0 und Expositionsdaten von Eloundou et al.)
| Fähigkeit | Korrelation mit Exposition, menschlich bewertet | Korrelation mit Exposition, von GPT-4 bewertet | Zum Vergleich: alle 910 Berufe, menschlich bewertet |
|---|---|---|---|
| Programmieren | +0,35 | +0,46 | +0,57 |
| Systemanalyse | +0,21 | +0,13 | +0,58 |
| Mathematik | +0,19 | +0,21 | +0,45 |
| Schreiben | +0,12 | 0,00 | +0,74 |
| Kritisches Denken | -0,07 | -0,13 | +0,59 |
| Urteilsvermögen und Entscheidungsfindung | -0,12 | -0,21 | +0,55 |
| Naturwissenschaften | -0,17 | -0,20 | +0,20 |
| Anleiten | -0,23 | -0,39 | +0,45 |
| Koordination | -0,28 | -0,37 | +0,36 |
| Serviceorientierung | -0,35 | -0,48 | +0,41 |
| Soziale Wahrnehmungsfähigkeit | -0,36 | -0,51 | +0,48 |
| Überwachung | -0,36 | -0,46 | +0,31 |
Spearman-Rangkorrelationen über 372 Berufe in den Job Zones 4 und 5, außer in der letzten Spalte. Positive Werte bedeuten, dass Berufe, die der Fähigkeit mehr Bedeutung beimessen, tendenziell eine höhere Exposition aufweisen.
Zwei Muster fallen auf. Unter den akademischen Berufen gehen die analytischen Produktionsfähigkeiten, die üblicherweise den vertikalen Balken eines technischen T bilden, also Programmieren, Systemanalyse und Mathematik, mit höherer Exposition einher. Die sozialen Kompetenzen, die das T als dünne Schnittstelle für die Zusammenarbeit behandelte, also soziale Wahrnehmungsfähigkeit, Koordination, Anleiten und Serviceorientierung, gehen mit niedrigerer Exposition einher. Dieselbe Richtung zeigt sich sowohl bei den menschlich bewerteten als auch bei den von GPT-4 bewerteten Werten.
Um zu sehen, was das für ein Profil statt für eine einzelne Fähigkeit bedeutet, haben wir zwei einfache Sammelindizes gebildet. Ein analytischer Index mittelt Programmieren, Systemanalyse, Systembewertung, Mathematik und Anforderungsanalyse. Ein sozialer Index mittelt soziale Wahrnehmungsfähigkeit, Koordination, Anleiten, Serviceorientierung, Überzeugen und Verhandeln. Wir haben die 372 Berufe jeweils am Median beider Indizes geteilt.
Tabelle 2. Durchschnittliche KI-Exposition nach Kompetenzprofil, akademische Berufe (Berechnung von CEOtudent)
| Profil | Berufe | Mittlere Exposition, menschlich bewertet | Mittlere Exposition, von GPT-4 bewertet |
|---|---|---|---|
| Analytisch hoch, sozial niedrig (das klassische technische T) | 123 | 0,52 | 0,57 |
| Analytisch hoch, sozial hoch | 63 | 0,43 | 0,46 |
| Analytisch niedrig, sozial hoch | 123 | 0,41 | 0,42 |
| Analytisch niedrig, sozial niedrig | 63 | 0,44 | 0,51 |
| Alle 372 akademischen Berufe | 372 | 0,45 | 0,49 |
Das klassische technische T, tiefe analytische Fähigkeit mit einer dünnen sozialen Schicht, ist das am stärksten exponierte Profil der Gruppe. Berufe, die dieselbe analytische Intensität mit starken sozialen Kompetenzen verbinden, kommen beim menschlich bewerteten Wert im Durchschnitt auf 0,43 statt 0,52, also 16% niedriger, und liegen beim von GPT-4 bewerteten Wert 19% niedriger. Sortiert man allein nach dem sozialen Index, liegt das oberste Viertel der akademischen Berufe im Durchschnitt bei 0,40, das unterste Viertel bei 0,50.
Vier Einschränkungen, bevor Sie danach handeln. Exposition ist kein Stellenverlust: Sie misst, wo KI Aufgaben beschleunigen könnte, und die weiter unten beschriebene Canaries-Studie zeigt, dass der Effekt auf den Arbeitsmarkt davon abhängt, ob KI Beschäftigte ersetzt oder ergänzt. Die Expositionswerte wurden 2023 auf Basis der Fähigkeiten aus der GPT-4-Ära erstellt. Es handelt sich um Durchschnittswerte für Berufe, und eine einzelne Person kann ein ganz anderes Profil haben als die typische Inhaberin oder der typische Inhaber ihrer Berufsbezeichnung. Und Korrelation ist keine Kausalität: Berufe mit starkem sozialem Anteil können aus anderen Gründen weniger exponiert sein als wegen der sozialen Kompetenzen selbst. Dennoch passt die Richtung zu den Experimenten bei P&G und BCG sowie zu David Demings Befund aus dem Jahr 2017 im Quarterly Journal of Economics, wonach zwischen 1980 und 2012 Tätigkeiten mit einem hohen Maß an sozialer Interaktion ihren Anteil an der US-Erwerbsbevölkerung um fast 12 Prozentpunkte steigerten, während mathematikintensive, aber weniger soziale Tätigkeiten um 3,3 Prozentpunkte schrumpften, mit dem stärksten Wachstum bei Tätigkeiten, die beides erfordern.
Warum das T obsolet ist, nicht nur veraltet
Eine Buchstabenform ist ein Modell, und ein Modell ist obsolet, wenn seine Annahmen die Welt nicht mehr beschreiben. Beide Balken des T verbargen jeweils zwei verschiedene Dinge unter einem einzigen Strich.
- Der horizontale Balken vermischte Breite des Wissens (genug über Marketing, Finanzen oder Recht zu wissen, um dem Gespräch zu folgen) mit Breite der Beziehungen (bei Menschen in diesen Funktionen Vertrauen zu genießen und sich mit ihnen abstimmen zu können). KI liefert heute vieles vom Ersten. Das Zweite liefert sie nicht.
- Der vertikale Balken vermischte kodifizierte Tiefe (Verfahren, Syntax, Standardanalysen) mit Tiefe des Urteils (zu wissen, wie gute Arbeit aussieht, den selbstbewusst vorgetragenen Fehler zu erkennen, die Entscheidung zu verantworten). KI komprimiert das Erste. Sie erhöht den Wert des Zweiten.
Eine Form, die diese Dinge nicht auseinanderhalten kann, gibt schlechte Ratschläge. Sie rät Analystinnen und Analysten, noch tiefer in den am stärksten exponierten Teil ihres Kompetenzprofils zu gehen, und sie sagt allen, eine dünne Schicht an Kooperationsfähigkeit genüge.
Die neue Form: der Baum
Der folgende Rahmen ist unsere redaktionelle Synthese. Wir nennen ihn den Baum oder das Baum-Profil, zum einen, weil ein T mit den richtigen Ergänzungen zu einem Baum wird, und zum anderen, weil Bäume jedes Jahr wachsen.
Tabelle 3. Vom T zum Baum (redaktioneller Rahmen von CEOtudent)
| Teil des Baums | Was damit gemeint ist | Was das T annahm | Was sich geändert hat, und die Belege | Was Sie aufbauen sollten |
|---|---|---|---|---|
| Krone | Wissensbreite über Funktionen hinweg, durch KI erweitert | Breite ist teuer; ein dünner Balken genügt | KI verschafft Einzelnen funktionsübergreifende Breite; P&G-Fachkräfte, die KI nutzten, entwickelten unabhängig von ihrem Hintergrund ausgewogene Lösungen | Sicherheit darin, mit KI schnell in angrenzende Fachgebiete einzusteigen, plus genug Grundkenntnisse, um dort gute Fragen zu stellen |
| Stamm | Urteilstiefe in einem Fachgebiet: die Fähigkeit zu prüfen, zu entscheiden und Verantwortung zu tragen | Tiefe bedeutet kodifizierte Expertise | Kodifiziertes Know-how diffundiert zu Neulingen (15% durchschnittlicher Zuwachs, am größten bei weniger erfahrenen Supportmitarbeitenden); außerhalb der Leistungsgrenze der KI lagen Nutzende ohne Tiefe mit einer um 19 Punkte geringeren Wahrscheinlichkeit richtig | Tiefe, die auf Bewertung ausgerichtet ist: Fehlermuster, Qualitätsmaßstäbe und die Stellen kennen, an denen KI in Ihrem Fach typischerweise danebenliegt |
| Wurzeln | Beziehungen, Vertrauen und Kontext: Koordination, soziale Wahrnehmungsfähigkeit, Anleiten, Wissen darüber, wie Ihre Organisation und Ihr Markt tatsächlich funktionieren | Zusammenarbeit ist eine Schnittstellenfähigkeit | In unserer Analyse gehen soziale Kompetenzen unter akademischen Berufen mit niedrigerer Exposition einher; die besten 10% der Ideen bei P&G kamen von Teams, nicht von Einzelpersonen mit KI | Gezielte Investition in die Menschen und Umfelder, in denen Ihre Arbeit ankommt |
| Jahresringe | Lerntempo: wie schnell Sie jeden Teil neu aufbauen, wenn sich die Werkzeuge ändern | Einmal aufgebaute Fähigkeiten halten ein ganzes Berufsleben | Arbeitgeber erwarten, dass sich zwei Fünftel (39%) der bestehenden Kompetenzen von Beschäftigten zwischen 2025 und 2030 wandeln oder veralten (WEF) | Ein Erneuerungsrhythmus: eine feste Überprüfung dessen, was Sie wissen, was veraltet ist und was Sie neu lernen müssen |
Drei Unterschiede zum T sollten ausdrücklich benannt werden.
Die Krone ist geliehen, und das ist in Ordnung. Das Wissen in der Krone müssen Sie nicht besitzen, aber Sie müssen wissen, wie Sie es erreichen und beurteilen. Eine breite Krone ohne Stamm ist genau das Profil, vor dem das BCG-Experiment warnte: selbstbewusste Ergebnisse in Bereichen, in denen Sie Richtig nicht von Falsch unterscheiden können.
Beim Stamm geht es um Bewertung, nicht um Produktion. Die Frage lautet nicht mehr: „Können Sie die Arbeit schneller erledigen als alle anderen?“, sondern: „Können Sie beurteilen, ob die Arbeit stimmt, und setzen Sie Ihren Namen darunter?“ Das ist auch die Fähigkeit im Zentrum unseres Orchestrator-Rahmens und der Unterscheidungslücke.
Die Wurzeln sind unsichtbar, und genau deshalb hat das T sie ignoriert. Beziehungen, Vertrauen und organisatorischer Kontext stehen auf keiner Kompetenzliste, aber sie entscheiden darüber, ob aus guter Analyse Handeln wird. Sie sind außerdem der Teil einer Karriere, der sich am schwersten mit einem Abonnement kopieren lässt.
Das Problem am Karriereanfang: einen Stamm entwickeln, wenn die unteren Sprossen ausdünnen
Der Baum wirft für Berufseinsteigerinnen und Berufseinsteiger eine schwierige Frage auf. Urteilstiefe wurde traditionell durch jahrelange kodifizierte Arbeit aufgebaut, genau die Arbeit, die KI heute schnell erledigt. Wenn diese Arbeit verschwindet, wie soll dann noch jemand einen Stamm entwickeln?
Die ersten Daten sind eine Warnung. In der Fassung von „Canaries in the Coal Mine?“ vom August 2026 nutzten Erik Brynjolfsson, Bharat Chandar und Ruyu Chen ADP-Gehaltsabrechnungsdaten, die Millionen von US-Beschäftigten bis Juni 2026 abdecken. Sie fanden keine Belege für eine breite, gesamtwirtschaftliche Verdrängung von Arbeitsplätzen, doch die Beschäftigung von 22- bis 25-Jährigen in KI-exponierten Berufen lag 19% unter dem Niveau, das sie erreicht hätte, wenn sie mit weniger exponierten Vergleichsgruppen Schritt gehalten hätte; bei erfahrenen Beschäftigten zeigte sich keine vergleichbare Lücke. Die Rückgänge konzentrierten sich dort, wo KI menschliche Aufgaben vorwiegend ersetzt; wo sie Beschäftigte vorwiegend ergänzt, blieb die Beschäftigung stabil oder stieg. Die Autoren beschreiben dies als frühe, deskriptive Indikatoren, nicht als kausale Schätzungen.
Eine dänische Studie weist, was die bisherige Größe des Effekts angeht, in die andere Richtung. Anders Humlum und Emilie Vestergaard werteten im NBER Working Paper 33777 (überarbeitet im März 2026) Verwaltungsdaten aus und fanden präzise Nulleffekte auf Einkommen und erfasste Arbeitsstunden; Effekte von mehr als 2% zwei Jahre nach dem Start von ChatGPT schlossen sie aus. Verändert habe sich, so berichten sie, die Struktur der Arbeit: Arbeitgeber integrierten KI, indem sie Aufgaben neu organisierten.
Zusammen gelesen: Der Gesamtschock ist noch klein, aber die Karriereleiter verändert am unteren Ende ihre Form. Für Leserinnen und Leser am Anfang ihrer Laufbahn heißt das, gezielt nach Arbeit zu suchen, die Urteilsvermögen aufbaut, nicht nur Output: prüfen, entscheiden, Entscheidungen gegenüber anderen erklären, die Ausnahmen bearbeiten, bei denen die KI danebenliegt. Für Führungskräfte heißt es, Rollen so zu gestalten, dass Nachwuchskräfte unter Anleitung weiterhin Ermessensentscheidungen treffen dürfen, sonst hat die Organisation in zehn Jahren keine Stämme mehr.
So prüfen Sie Ihre eigene Form
Der folgende Selbsttest übersetzt den Baum in Fragen. Bewerten Sie jede Frage von 1 (trifft nicht zu) bis 5 (trifft eindeutig zu). Es handelt sich um ein Werkzeug zur Selbstreflexion, nicht um ein validiertes Instrument.
Tabelle 4. Der Baum-Selbsttest (redaktioneller Rahmen von CEOtudent)
| Teil | Frage | Warnsignal bei 1 oder 2 Punkten | Erster Schritt |
|---|---|---|---|
| Krone | Kann ich mit KI innerhalb einer Woche ein belastbares Verständnis einer angrenzenden Funktion gewinnen? | Sie meiden Probleme außerhalb Ihres Spezialgebiets | Wählen Sie eine angrenzende Funktion und absolvieren Sie einen zweiwöchigen KI-gestützten Lernsprint mit echten Fragen aus Ihrer Arbeit |
| Krone | Weiß ich, wann mein geliehenes Wissen zu dünn ist, um danach zu handeln? | Sie geben KI-Zusammenfassungen wieder, die Sie nicht verteidigen können | Bitten Sie eine Expertin oder einen Experten, die Antwort der KI zu prüfen, bevor Sie außerhalb Ihres Fachs handeln |
| Stamm | Erkenne ich zuverlässig, wann KI-Ergebnisse in meinem Fach falsch sind? | Sie prüfen KI-Ergebnisse nur auf Tippfehler und Tonfall | Führen Sie ein Protokoll der KI-Fehler, die Sie entdecken; werten Sie es monatlich aus |
| Stamm | Verantworte ich Entscheidungen, nicht nur Arbeitsergebnisse? | Ihre Arbeit endet mit der Übergabe | Schreiben Sie für Ihre nächste wichtige Empfehlung ein kurzes Entscheidungsmemo |
| Wurzeln | Würden Menschen aus zwei anderen Funktionen bei einem Problem zuerst mich anrufen? | Ihr Netzwerk liegt vollständig in Ihrer eigenen Disziplin | Planen Sie jeden Monat eine Arbeitssitzung mit einer anderen Funktion ein |
| Wurzeln | Verstehe ich, wie Entscheidungen dort, wo meine Arbeit ankommt, tatsächlich getroffen werden? | Ihre guten Analysen bleiben oft ungenutzt | Halten Sie für ein laufendes Projekt fest, wer entscheidet, wer Einfluss nimmt und wer umsetzt |
| Jahresringe | Habe ich in den vergangenen 12 Monaten einen wesentlichen Teil meiner Kompetenzen neu aufgebaut? | Ihre Methoden sehen aus wie vor drei Jahren | Richten Sie eine vierteljährliche Überprüfung ein: was ich gelernt habe, was veraltet ist, was ich neu lernen muss |
Liegen die meisten Ihrer niedrigen Werte beim Stamm, vertiefen Sie Ihre Bewertungsfähigkeit, bevor Sie in die Breite gehen. Liegen sie bei den Wurzeln, sitzt Ihre analytische Stärke wahrscheinlich im am stärksten exponierten Quadranten von Tabelle 2. Liegen sie bei der Krone, nutzen Sie die günstigste Ressource, die Ihnen zur Verfügung steht, zu wenig. Unser Leitfaden zum Entwickeln guten Urteilsvermögens geht vertiefend auf den Stamm ein.
Das ist die Doppelperspektive aus CEO und Student in einer einzigen Form. Die CEO-Hälfte verantwortet den Stamm und pflegt die Wurzeln: Entscheidungen, Rechenschaft, Beziehungen. Die Student-Hälfte lässt die Krone weiterwachsen und fügt jedes Jahr einen Ring hinzu.
Wann das T noch die richtige Form ist
Der Baum ist ein Standard für Wissensarbeit, kein Gesetz.
- Wo der Einsatz von KI eingeschränkt ist. In Umfeldern, in denen Regulierung, Sicherheit oder Vertraulichkeit KI-Werkzeuge begrenzen, ist Breite weiterhin teuer, und das klassische T zahlt sich weiterhin aus.
- Bei tiefgehender technischer Arbeit an der Forschungsfront. Forschende, die ein Fachgebiet voranbringen, brauchen weiterhin extreme kodifizierte Tiefe; die Leistungsgrenze der KI liegt oft hinter ihnen.
- Wo tatsächlich die Ausführung das knappe Gut ist. Manche Rollen werden für ihr Produktionstempo unter strengen Standards geschätzt, und zu ihnen passt ein schmales, tiefes Profil.
- Früh in der Karriere, für eine gewisse Zeit. Ein Stück kodifizierter Tiefe ist der Weg, auf dem Urteilsvermögen entsteht. Ziel ist nicht, sie zu überspringen, sondern nicht bei ihr stehen zu bleiben.
Die ehrliche Zusammenfassung der Evidenz lautet, dass sich die Form schneller wandelt als der Arbeitsmarkt, nicht dass Karrieren, die auf dem T aufgebaut sind, zusammenbrechen. Das ist ein Grund, jetzt damit zu beginnen, den Baum wachsen zu lassen, solange die Kosten eines Wandels niedrig sind.
Häufig gestellte Fragen
Was ist eine T-förmige Fachkraft?
Eine T-förmige Fachkraft verfügt über tiefe Expertise in einer Disziplin (der vertikale Strich) und über eine breitere Fähigkeit, mit anderen Disziplinen zusammenzuarbeiten (der horizontale Strich). Der Begriff tauchte spätestens 1991 im Druck auf und wurde im Management 2001 durch die Harvard Business Review und durch Tim Brown von IDEO populär.
Ist das T-Profil im KI-Zeitalter noch relevant?
Teilweise. Seine Kernidee, Tiefe mit Breite zu verbinden, gilt weiterhin, seine Annahmen aber nicht. KI liefert heute einen großen Teil der Wissensbreite, für die der horizontale Balken stand, und sie komprimiert kodifizierte Tiefe. Knapp bleiben Urteilstiefe sowie die Beziehungen und der Kontext, die aus Analyse Handeln machen.
Was ist das Baum-Profil?
Das Baum-Profil ist unser Rahmen für Karrieren im KI-Zeitalter: eine Krone aus KI-erweiterter Breite, die Sie sich leihen können, ein Stamm aus Urteilstiefe, der Ihnen gehört, Wurzeln aus Beziehungen und organisatorischem Kontext sowie Jahresringe für Ihr Lerntempo.
Welche Fähigkeiten sind in akademischen Berufen am wenigsten KI-exponiert?
In unserer Analyse von 372 US-Berufen, die typischerweise einen Hochschulabschluss voraussetzen, wiesen Berufe, die soziale Wahrnehmungsfähigkeit, Überwachung, Serviceorientierung, Koordination und Anleiten als wichtig einstufen, tendenziell eine niedrigere KI-Exposition auf, während Programmieren, Systemanalyse und Mathematik mit höherer Exposition einhergingen.
Sollte ich aufhören, mich in meinem Spezialgebiet zu vertiefen?
Nein. Richten Sie Ihre Tiefe auf Bewertung statt auf Produktion aus: auf die Fähigkeit zu erkennen, wann Arbeit stimmt, KI-Fehler zu entdecken und Verantwortung für Entscheidungen zu übernehmen. In einem BCG-Experiment lagen Beratende, die KI bei einer Aufgabe außerhalb ihrer Fähigkeiten einsetzten, mit einer um 19 Prozentpunkte geringeren Wahrscheinlichkeit richtig als Beratende ohne KI.
Wie bauen Berufseinsteigerinnen und Berufseinsteiger Urteilsvermögen auf, wenn KI die Einstiegsarbeit erledigt?
Suchen Sie Arbeit, die Prüfen, Entscheiden und Erklären umfasst, nicht nur Produzieren. Erste Gehaltsabrechnungsdaten zeigen, dass die Beschäftigung von 22- bis 25-Jährigen in KI-exponierten Berufen hinter weniger exponierten Vergleichsgruppen zurückbleibt, konzentriert dort, wo KI Beschäftigte ersetzt. Deshalb ist es wichtig, Rollen zu wählen, in denen KI Ihre Arbeit ergänzt.
Quellen
Dell’Acqua, F., Ayoubi, C., Lifshitz, H., Sadun, R., Mollick, E., Mollick, L., Han, Y., Goldman, J., Nair, H., Taub, S., und Lakhani, K. R. The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork. Organization Science, 2026, Band 37, Heft 4, Seiten 1217 bis 1242; Working-Paper-Fassung: NBER Working Paper 33641, 2025.
Dell’Acqua, F., McFowland, E., Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., und Lakhani, K. R. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 2026, Band 37, Heft 2, Seiten 403 bis 423.
Brynjolfsson, E., Li, D., und Raymond, L. Generative AI at Work. The Quarterly Journal of Economics, 2025, Band 140, Heft 2, Seiten 889 bis 942.
Eloundou, T., Manning, S., Mishkin, P., und Rock, D. GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. Working Paper, arXiv 2303.10130; veröffentlicht in Science, 2024; von den Autoren bereitgestellte Expositionsdaten auf Berufsebene.
National Center for ONET Development. ONET 31.0 Database, August 2026: Dateien Essential Skills, Transferable Skills und Job Zones.
Deming, D. J. The Growing Importance of Social Skills in the Labor Market. The Quarterly Journal of Economics, 2017, Band 132, Heft 4, Seiten 1593 bis 1640.
Brynjolfsson, E., Chandar, B., und Chen, R. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Working Paper des Stanford Digital Economy Lab, Fassung vom August 2026.
Humlum, A., und Vestergaard, E. Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777, 2025, überarbeitet im März 2026.
World Economic Forum. The Future of Jobs Report 2025. Januar 2025.
Hansen, M. T., und von Oetinger, B. Introducing T-shaped managers: knowledge management’s next generation. Harvard Business Review, 2001, Band 79, Heft 3, Seiten 106 bis 116.
Guest, D. Managers in focus as the skills gap closes: the hunt is on for the Renaissance Man of computing. The Independent, 17. September 1991, dokumentiert in Neeley, K. A., und Steffensen, B., The T-shaped engineer as an ideal in technology entrepreneurship: its origins, history, and significance for engineering education, American Society for Engineering Education Annual Conference, 2018.
Brown, T. Interview über T-shaped people, Magazin Chief Executive, Januar 2010.
Die Tabellen 1 und 2 haben wir berechnet, indem wir die Bedeutungsbewertungen von Fähigkeiten aus O*NET 31.0 mit den von Eloundou et al. veröffentlichten Beta-Expositionswerten auf Berufsebene verknüpft haben; die Sammelindizes, die Beschränkung auf die Job Zones 4 und 5 und die Mediansplits sind unsere analytischen Entscheidungen. Die Tabellen 3 und 4 sind redaktionelle Rahmen von CEOtudent.
Dieser Inhalt wurde nach eingehender Recherche mit Unterstützung von KI zusammengestellt und vom CEOtudent-Redaktionsteam geschrieben und für die Veröffentlichung aufbereitet.
This post is also available in:
