Kurzfassung. „Was soll ich als Nächstes lernen?“ ist vermutlich die persönlichste Frage, die Menschen heute in einen KI-Assistenten tippen, und die Antworten sind meist eine generische Liste von Trend-Fähigkeiten. Eine Liste kann aber keine persönliche Frage beantworten. Was Sie brauchen, ist eine Bewertungsmethode, die öffentliche Marktdaten mit den Fakten verbindet, die nur Sie kennen. Dieser Artikel liefert eine solche Methode: die CEOtudent-Entscheidungsmatrix für Fähigkeiten mit 4 Faktoren. Sie bewertet jede Kandidatin auf einer Skala von 1 bis 5 nach Nachfrage (zahlt der Markt dafür?), Beständigkeit (behält sie ihren Wert, während KI die Arbeit verändert?), Hebelwirkung (verstärkt sie, was Sie bereits können?) und Kosten bis zur Kompetenz (wie viel Zeit und Geld kostet es, nützlich zu werden?). Die Gewichte lauten 30/25/25/20, dazu kommen Veto-Regeln und Stichentscheide. Die Anker stammen aus dem Future of Jobs Report 2025 des Weltwirtschaftsforums, der erwartet, dass sich im Zeitraum 2025-2030 39 % der Kernkompetenzen von Beschäftigten verändern oder veralten, sowie aus den Projektionen 2025-35 des US Bureau of Labor Statistics. Außerdem haben wir zwei BLS-Datensätze verknüpft und festgestellt: Berufe mit „niedriger“ relativer KI-Exposition haben den höchsten Anteil an Berufen, für die ein Schrumpfen projiziert wird (36,6 %), während 8 der 30 am schnellsten wachsenden Berufe in der Expositionsgruppe „Sehr hoch“ liegen. Die Schlussfolgerung: KI-Exposition ist nicht dasselbe wie Verwundbarkeit, und Ihre Rangfolge sollte beides nicht gleichsetzen.
Warum „Was ist gerade angesagt?“ die falsche Frage ist
Ein CEO finanziert ein Projekt nicht, weil es populär ist. Das Geld fließt dorthin, wo erwartete Rendite, Dauer des Vorsprungs, Passung zu vorhandenen Ressourcen und Kosten zusammenpassen. Ihre Lernstunden verdienen dieselbe Disziplin, denn sie sind knapp, und jede Stunde, die Sie in eine Fähigkeit stecken, fehlt einer anderen.
Die Daten sprechen für diese Disziplin. Die für den WEF Future of Jobs Report 2025 befragten Arbeitgeber, über 1.000 Unternehmen mit mehr als 14 Millionen Beschäftigten in 55 Volkswirtschaften, erwarten, dass sich zwischen 2025 und 2030 im Durchschnitt 39 % der vorhandenen Kompetenzprofile von Beschäftigten verändern oder veralten. Der Bericht nennt das „skill instability“, also Kompetenzinstabilität. Der Wert ist gegenüber 44 % in der Ausgabe 2023 und 57 % im Jahr 2020 gesunken, und der Bericht nennt einen wahrscheinlichen Grund: 50 % der Beschäftigten haben inzwischen Weiterbildungs-, Umschulungs- oder Qualifizierungsmaßnahmen abgeschlossen, gegenüber 41 % in der Ausgabe 2023. Einfach gesagt: Wer weiterlernt, bremst den Wandel.
Trendlisten scheitern aus drei Gründen:
- Sie ignorieren Ihren Ausgangspunkt. Dieselbe Fähigkeit kann sich für die eine Person schnell auszahlen und für eine andere nur sehr langsam, je nachdem, woran sie anknüpft. Genau das ist der Kern des Fähigkeiten-Stapelns.
- Sie ignorieren den Verfall. Manche Fähigkeiten behalten ihren Wert ein Jahrzehnt lang, andere verlieren den Großteil davon schon mit dem nächsten Software-Release (siehe die Halbwertszeit von Fähigkeiten).
- Sie ignorieren die Kosten. Eine Fähigkeit, deren Erwerb zwei Jahre dauert, kann der richtige Schritt sein, aber nur, wenn Sie sie bewusst gewählt haben.
Die folgende Matrix berücksichtigt alle drei Punkte. Sie ist darauf ausgelegt, in etwa dreißig Minuten angewendet und jedes Quartal wiederholt zu werden.
Was die Marktdaten tatsächlich sagen
Vor jeder Bewertung lohnt ein Blick auf die zwei öffentlichen Datensätze, die die Faktoren Nachfrage und Beständigkeit verankern.
Signal 1: welche Kompetenzkategorien laut Arbeitgebern wachsen
Das WEF ordnet 26 Kompetenzkategorien nach ihrem Nettozuwachs: dem Anteil der Arbeitgeber, die mit einer wachsenden Nutzung einer Fähigkeit rechnen, abzüglich des Anteils derer, die einen Rückgang erwarten. Technologische Fähigkeiten führen die Rangliste an, doch menschliche Fähigkeiten wie kreatives Denken, Resilienz und Neugier folgen dicht dahinter.
Tabelle 1. Wachsende Kompetenzen 2025-2030 (verifizierte Daten, WEF Future of Jobs Report 2025, Figure 3.4)
| Rang | Kompetenzkategorie | Nettozuwachs (Prozentpunkte) |
|---|---|---|
| 1 | KI und Big Data | 87 |
| 2 | Netzwerke und Cybersicherheit | 70 |
| 3 | Technologische Kompetenz | 68 |
| 4 | Kreatives Denken | 66 |
| 5 | Resilienz, Flexibilität und Agilität | 66 |
| 6 | Neugier und lebenslanges Lernen | 61 |
| 7 | Führung und sozialer Einfluss | 58 |
| 8 | Talentmanagement | 58 |
| 9 | Analytisches Denken | 55 |
| 10 | Umweltverantwortung | 53 |
| 11 | Systemdenken | 51 |
| 14 | Design und Nutzererlebnis | 45 |
| 17 | Programmierung | 27 |
| 18 | Marketing und Medien | 25 |
| 19 | Ressourcenmanagement und Betrieb | 24 |
| 25 | Lesen, Schreiben und Mathematik | -4 |
| 26 | Manuelle Geschicklichkeit, Ausdauer und Präzision | -24 |
Quelle: World Economic Forum, Future of Jobs Survey 2024, veröffentlicht im Future of Jobs Report 2025. Die Zeilen 12-13, 15-16 und 20-24 wurden aus Platzgründen ausgelassen.
Für eine persönliche Entscheidung sind zwei Details wichtig. Erstens liegt Programmierung (27) weit unter KI und Big Data (87). Der Bericht misst Kompetenzkategorien, und Arbeitgeber unterscheiden klar zwischen „mit Daten und KI arbeiten“ und „Code schreiben“. Zweitens liegen Lesen, Schreiben und Mathematik leicht im negativen Bereich, und der Bericht zählt sie zu den stabilsten Kompetenzen. Sie sind Fundamente, keine Kandidaten für eine Wette auf die nächste Fähigkeit. Sie kommen in fast jedem Beruf vor, weshalb die Nettoveränderung nahe null liegt.
Signal 2: was „KI-Exposition“ vorhersagt und was nicht
Zusammen mit den Projektionen 2025-35 hat das BLS eine ergänzende Datei veröffentlicht, die alle 831 detaillierten Berufe vier Kategorien relativer KI-Exposition zuordnet (Niedrig, Mittel, Hoch, Sehr hoch). Die Kategorien beruhen auf fünf Quellen: drei theoretischen Maßen und zwei Maßen auf Basis beobachteter Nutzung, darunter Daten von Claude und Microsoft Copilot. Das BLS benennt die Grenzen ausdrücklich. Eine Expositionskategorie ist „keine Prognose für Beschäftigungswachstum oder -rückgang“, sie unterscheidet nicht zwischen Automatisierung und Ergänzung, und die theoretischen Quellen beschreiben KI-Fähigkeiten auf dem Stand von spätestens Mitte 2023.
Wir haben diese Datei mit der BLS-Tabelle der 30 am schnellsten wachsenden Berufe verknüpft und jede Expositionsgruppe zusammengefasst.
Tabelle 2. CEOtudent-Berechnung: KI-Exposition und projiziertes Wachstum, 831 US-Berufe (auf Basis von BLS-Daten)
| Relative KI-Exposition | Berufe | Beschäftigung 2025 (Tausend) | Anteil an der Beschäftigung | Projizierte Beschäftigungsänderung 2025-35 | Median der Berufs-Medianlöhne | Anteil der Berufe mit projiziertem Schrumpfen | Unter den 30 am schnellsten wachsenden |
|---|---|---|---|---|---|---|---|
| Niedrig | 213 | 30.264,7 | 17,8 % | +2,5 % | 49.120 $ | 36,6 % | 4 |
| Mittel | 206 | 44.651,3 | 26,2 % | +6,2 % | 52.760 $ | 26,2 % | 9 |
| Hoch | 206 | 42.142,0 | 24,8 % | +3,1 % | 73.985 $ | 19,4 % | 9 |
| Sehr hoch | 206 | 53.209,2 | 31,3 % | +2,0 % | 78.105 $ | 29,1 % | 8 |
Von CEOtudent berechnet aus der BLS-Datei „AI exposure categories and 2025-35 employment projections“ und BLS Employment Projections Table 1.3. Die Beschäftigungsänderung ist die Summe der Beschäftigung der detaillierten Berufe 2035 geteilt durch die Summe 2025. Die Lohnspalte ist der Median über die Berufe (ungewichtet); 6 Berufe ohne Lohndaten wurden ausgeschlossen. Für alle Berufe zusammen projiziert das BLS +3,5 %.
Die Tabelle spricht gegen eine beliebte Abkürzung: „Lerne, was die KI nicht anfassen kann.“ Die Gruppe mit niedriger Exposition hat den größten Anteil an Berufen mit projiziertem Schrumpfen und zugleich die niedrigsten Löhne. Die Gruppe „Sehr hoch“ wächst insgesamt langsamer, umfasst aber Data Scientists (+34,6 %), Informationssicherheitsanalysten (+21,0 %) und Manager für Computer- und Informationssysteme (+15,8 %, Medianlohn 175.140 $). Sie alle gehören zu den am schnellsten wachsenden Berufen des Landes.
Exposition zeigt Ihnen, dass sich die Aufgaben eines Berufs verändern. Sie zeigt nicht, ob der Markt weiterhin für diesen Beruf bezahlt. Deshalb bewertet die Matrix die Beständigkeit getrennt von der Nachfrage, und deshalb bewertet sie die Beständigkeit auf der Ebene der Fähigkeit, nicht des Berufs.
Die CEOtudent-Entscheidungsmatrix für Fähigkeiten mit 4 Faktoren
Die vier Faktoren bilden zwei Gruppen. Nachfrage und Beständigkeit beschreiben den Markt; sie stammen aus Daten und sind für alle ungefähr gleich. Hebelwirkung und Kosten bis zur Kompetenz beschreiben Sie selbst; das sind Einschätzungen, die nur Sie treffen können. Eine Fähigkeit muss in beiden Gruppen gut abschneiden, um weit oben zu landen.
Tabelle 3. Redaktionelles CEOtudent-Framework: Bewertungsraster (1-5 pro Faktor)
| Punktwert | Nachfrage (30 %): Zahlt der Markt? | Beständigkeit (25 %): Behält sie ihren Wert? | Hebelwirkung (25 %): Verstärkt sie, was Sie haben? | Kosten bis zur Kompetenz (20 %): Wie günstig ist „nützlich“? |
|---|---|---|---|---|
| 5 | WEF-Nettozuwachs 65 oder mehr, ODER für den Zielberuf wird ein Wachstum vom 3-Fachen der Rate aller Berufe projiziert (10,5 % oder mehr über 2025-35) | Fähigkeit auf Prinzipienebene in der Schicht für Urteil, Steuerung oder Menschen; übertragbar über Werkzeuge und Rollen hinweg | Baut auf zwei oder mehr Fähigkeiten auf, die Sie bereits auf Arbeitsniveau beherrschen, und eröffnet eine neue Rolle oder Kombination | Nützliches Niveau in 1 Monat oder weniger (die BLS-Schwelle für kurzfristige Einarbeitung am Arbeitsplatz) |
| 4 | Nettozuwachs 50-64, ODER Wachstum vom 2- bis 3-Fachen der Rate aller Berufe (7,0-10,4 %) | Eine Methode, die KI ergänzt statt ausführt; die Werkzeuge ändern sich, der Kern nicht | Baut direkt auf einer starken vorhandenen Fähigkeit auf | 1-3 Monate nebenbei |
| 3 | Nettozuwachs 25-49, ODER Wachstum vom 1- bis 2-Fachen der Rate (3,5-6,9 %) | Beständiger Kern mit einer schnelllebigen Werkzeugschicht, die regelmäßig neu gelernt werden muss | Neutral: baut weder auf Ihrem Profil auf noch steht sie im Konflikt damit | 3-12 Monate (das mittelfristige BLS-Band reicht von mehr als 1 Monat bis 12 Monate) |
| 2 | Nettozuwachs 0-24, ODER Wachstum zwischen 0 % und 3,4 % | An eine Plattform oder Version gebunden; rechnen Sie mit Neulernen innerhalb von 1-2 Jahren | Neues Gebiet mit fehlenden Voraussetzungen, die Sie zuerst lernen müssen | Mehr als 12 Monate (das langfristige BLS-Band) |
| 1 | Negativer Nettozuwachs, ODER für den Zielberuf wird ein Schrumpfen projiziert | Die Fähigkeit ist selbst die Routineaufgabe, die automatisiert wird (das WEF zählt Datenerfassungskräfte zu den am schnellsten schrumpfenden Rollen) | Keine Verbindung zu Ihrem Profil, und sie konkurriert um Zeit mit Fähigkeiten, die Sie pflegen müssen | Erfordert einen Abschluss, eine Zulassung oder eine Facharztausbildung sowie erhebliches Geld |
So bewerten Sie die Nachfrage. Nutzen Sie das Signal, das Sie für Ihren Zielmarkt überprüfen können, und nehmen Sie das höhere der beiden. Die WEF-Kategorie zeigt, was Arbeitgeber weltweit erwarten. Das BLS-Berufswachstum im Vergleich zur Rate aller Berufe von 3,5 % zeigt, ob eine bestimmte US-Rolle wächst. Außerhalb der USA nutzen Sie die Projektionen Ihres nationalen Statistikamts auf dieselbe Weise. Die gefragtesten Fähigkeiten 2026 behandelt weitere Marktsignale.
So bewerten Sie die Hebelwirkung. Beginnen Sie mit einer ehrlichen Bestandsaufnahme. Die Skill-Audit-Karte führt Schritt für Schritt durch eine solche Bestandsaufnahme. Die Hebelwirkung ist der Faktor, der dieselbe Fähigkeit für zwei Personen unterschiedlich einordnet.
So bewerten Sie die Kosten. Schätzen Sie die Zeit bis nützlich, nicht bis zur Meisterschaft: den Punkt, an dem jemand für Ihre Arbeit bezahlen oder sich auf sie verlassen würde. Daten zur Zeit bis zur Kompetenz für 20 Fähigkeiten liefern Anhaltspunkte.
Die Formel
Fähigkeits-Score = 0,30 x Nachfrage + 0,25 x Beständigkeit + 0,25 x Hebelwirkung + 0,20 x Kosten bis zur Kompetenz
Das Maximum liegt bei 5,0. Multiplizieren Sie mit 20, wenn Sie eine Skala von 0 bis 100 bevorzugen. Die Nachfrage hat das größte Gewicht, weil eine Fähigkeit, für die niemand bezahlt, ein Hobby ist; das ist in Ordnung, aber eine andere Entscheidung. Die Kosten haben das geringste Gewicht, weil sich hohe Kosten oft lohnen, wenn die anderen drei Faktoren stark sind.
Entscheidungsregeln
Ein gewichteter Score allein kann einen entscheidenden Mangel verdecken. Diese Regeln gelten vor der Gesamtsumme:
- Veto: Nachfrage von 2 oder weniger. Ist das Marktsignal flach oder negativ, ist die Fähigkeit keine Karrierewette. Lernen Sie sie um ihrer selbst willen, aber verbuchen Sie sie nicht als Karrierekapital.
- Veto: Beständigkeit von 1. Investieren Sie keine Monate in die Aufgabe, die der Markt gerade wegautomatisiert.
- Qualifikationshürde. Ein Kostenwert von 1 (Abschluss oder Zulassung) ist nur mit Nachfrage 5 und einem finanzierten, terminierten Plan gerechtfertigt.
- Stichentscheid bei weniger als 0,2 Punkten Abstand: Wählen Sie die höhere Hebelwirkung. Sich verstärkende Fähigkeiten liefern früher sichtbare Ergebnisse, und frühe Ergebnisse halten Sie beim Lernen.
- Zweiter Stichentscheid: kürzere Zeit bis zum ersten öffentlichen Nachweis (ein ausgeliefertes Projekt, eine veröffentlichte Analyse, ein Zertifikat, nach dem Arbeitgeber fragen).
- Untergrenze bei Zeitknappheit. Wenn Sie das Kostengewicht über 30 % anheben, weil Ihre Stunden knapp sind, verlangen Sie eine Beständigkeit von 3 oder mehr. Sonst lenkt Sie die Matrix zu günstigen Fähigkeiten, die schnell verblassen (das Rechenbeispiel unten zeigt genau das).
- Immer nur eine Kernwette. Finanzieren Sie eine Fähigkeit als Ihre wichtigste Lerninvestition und halten Sie ein kleines Pflegebudget für die Fähigkeiten, die Sie bereits haben (siehe den Wartungsplan gegen Kompetenzverfall).
Rechenbeispiel: dieselben acht Fähigkeiten, zwei verschiedene Personen
Um die Matrix in der Anwendung zu zeigen, haben wir acht Kandidaten-Fähigkeiten für zwei beispielhafte Profile bewertet:
- Profil A: eine Marketingspezialistin mit starker Schreib- und Kampagnenerfahrung und grundlegenden Tabellenkenntnissen.
- Profil B: ein Operations-Koordinator, der in Tabellen und Prozessen stark ist, aber keinen Marketinghintergrund hat.
Die Nachfrage stammt aus Tabelle 1 und dem BLS-Wachstum (das höhere Signal zählt). So erhält Operations- und Projektmanagement bei seiner WEF-Kategorie nur eine 2 (Nettozuwachs 24), beim BLS aber eine 5, weil für Logistiker ein Wachstum von 17,6 % projiziert wird. Beständigkeit, Hebelwirkung und Kosten sind CEOtudent-Einschätzungen zur Veranschaulichung. Ihre eigenen Werte werden abweichen, und das sollen sie auch.
Tabelle 4. CEOtudent-Berechnung: Rechenbeispiel, Basisgewichte 30/25/25/20
| Kandidaten-Fähigkeit | Nachfrage (Daten) | Beständigkeit (Einschätzung) | A: Hebelwirkung | A: Kosten | A: Score (Rang) | B: Hebelwirkung | B: Kosten | B: Score (Rang) |
|---|---|---|---|---|---|---|---|---|
| KI-Workflow-Automatisierung | 5 (WEF 87) | 3 | 5 | 4 | 4,30 (1) | 4 | 4 | 4,05 (3) |
| Datenanalyse (SQL + Python) | 5 (WEF 87; Data Scientists +34,6 %) | 3 | 4 | 3 | 3,85 (2) | 5 | 3 | 4,10 (2) |
| Personalführung | 4 (WEF 58) | 5 | 3 | 2 | 3,60 (3) | 4 | 2 | 3,85 (4) |
| Operations- und Projektmanagement | 5 (WEF 24; Logistiker +17,6 %) | 4 | 2 | 3 | 3,60 (4) | 5 | 4 | 4,55 (1) |
| UX-Research | 3 (WEF 45) | 4 | 4 | 3 | 3,50 (5) | 1 | 3 | 2,75 (7) |
| Zertifizierung für eine einzelne Werbeplattform | 3 (WEF 25) | 2 | 4 | 5 | 3,40 (6) | 1 | 5 | 2,65 (8) |
| Grundlagen der Cybersicherheit | 5 (WEF 70; Informationssicherheitsanalysten +21,0 %) | 4 | 1 | 3 | 3,35 (7) | 2 | 3 | 3,60 (5) |
| Softwareprogrammierung | 3 (WEF 27) | 3 | 2 | 2 | 2,55 (8) | 3 | 2 | 2,80 (6) |
Personalführung und Operations liegen für Profil A gleichauf bei 3,60; Regel 4 (höhere Hebelwirkung) setzt Führung auf Platz drei. Für Profil B liegen Datenanalyse (4,10) und KI-Workflow-Automatisierung (4,05) weniger als 0,2 Punkte auseinander, und Regel 4 hält die Datenanalyse vorn. Keine Fähigkeit in diesem Set löst ein Veto aus. Alle Werte wurden per Skript nachgerechnet.
Drei Ergebnisse sind bemerkenswert:
- Derselbe Markt liefert unterschiedliche Antworten. Cybersicherheit hat einen der stärksten Nachfragewerte im Set, landet für die Marketingspezialistin aber nur auf Platz 7, weil sie an nichts in deren aktueller Arbeit anknüpft. Operations- und Projektmanagement steht für die Marketingspezialistin auf Platz 4 und für den Koordinator auf Platz 1. Die Hebelwirkung macht aus einer generischen Trendliste eine persönliche Entscheidung.
- Die Beständigkeit trennt ähnliche Optionen. Die Werbeplattform-Zertifizierung ist günstig (Kosten 5) und passt zur Arbeit der Marketingspezialistin (Hebelwirkung 4), ist aber an die Oberfläche eines einzigen Anbieters gebunden. Sie landet trotzdem nur auf Platz 6.
- Die Fähigkeit mit der höchsten Nachfrage ist nicht automatisch die erste Wahl. Datenanalyse und KI-Workflow-Automatisierung teilen sich den höchsten Nachfragewert, tauschen aber zwischen den beiden Profilen die Plätze.
Sensitivitätsprüfung: Hält die Antwort anderen Gewichtungen stand?
Ein gutes Entscheidungswerkzeug sollte stabile Antworten liefern, wenn man an seinen Annahmen dreht. Wir haben beide Profile mit fünf Gewichtungssätzen neu berechnet.
Tabelle 5. CEOtudent-Berechnung: Top-3-Rangfolge bei alternativen Gewichtungen (Nachfrage/Beständigkeit/Hebelwirkung/Kosten)
| Gewichtungssatz | Profil A Top 3 (Score) | Profil B Top 3 (Score) |
|---|---|---|
| Basis 30/25/25/20 | KI-Workflow-Automatisierung (4,30); Datenanalyse (3,85); Personalführung (3,60) | Operations und PM (4,55); Datenanalyse (4,10); KI-Workflow-Automatisierung (4,05) |
| Nachfragebetont 45/20/20/15 | KI-Workflow-Automatisierung (4,45); Datenanalyse (4,10); Operations und PM (3,90) | Operations und PM (4,65); Datenanalyse (4,30); KI-Workflow-Automatisierung (4,25) |
| Beständigkeitsbetont 20/40/20/20 | KI-Workflow-Automatisierung (4,00); Personalführung (3,80); Datenanalyse (3,60) | Operations und PM (4,40); Personalführung (4,00); Datenanalyse (3,80) |
| Gleichgewichtet 25/25/25/25 | KI-Workflow-Automatisierung (4,25); Datenanalyse (3,75); UX-Research (3,50) | Operations und PM (4,50); Datenanalyse (4,00); KI-Workflow-Automatisierung (4,00) |
| Zeitknapp 20/20/20/40 | KI-Workflow-Automatisierung (4,20); Zertifizierung für eine einzelne Werbeplattform (3,80); Datenanalyse (3,60) | Operations und PM (4,40); KI-Workflow-Automatisierung (4,00); Datenanalyse (3,80) |
In der Zeile „Gleichgewichtet“ liegen Datenanalyse und KI-Workflow-Automatisierung für Profil B gleichauf bei 4,00 und werden nach Regel 4 (höhere Hebelwirkung zuerst) geordnet.
Die erste Wahl hält bei allen fünf Gewichtungen für beide Profile. Genau dieses Signal suchen Sie: Wenn Ihre Nummer 1 jede vernünftige Gewichtung übersteht, legen Sie sich fest. Die hinteren Plätze verschieben sich. Personalführung steigt, sobald die Beständigkeit mehr Gewicht erhält, und die Zeile „Zeitknapp“ zeigt, warum es Regel 6 gibt. Wenn Sie den Kosten 40 % Gewicht geben, springt die Werbeplattform-Zertifizierung (Beständigkeit 2) für die Marketingspezialistin auf Platz zwei. Die Untergrenzen-Regel streicht sie. Unter Zeitdruck wählen Menschen gern Fähigkeiten, die schnell gelernt sind und schnell verfallen, und die Regel schützt davor.
Die CEO + Student-Perspektive: vom Score zum Lehrplan
Die Matrix ist die CEO-Hälfte der Entscheidung: knappes Kapital (Ihre Stunden) dorthin lenken, wo die risikobereinigte Rendite am höchsten ist, prüfen, ob die Antwort unter anderen Annahmen hält, und sich dann festlegen. Ein CEO führt außerdem ein Portfolio. Behandeln Sie Ihre Fähigkeiten so, wie ein Unternehmen seine Geschäftsbereiche behandelt:
- Eine Kernwette (die Gewinnerin der Matrix) erhält für einen festgelegten Zeitraum den Großteil Ihrer Lernstunden.
- Die Pflege von Fähigkeiten, die bereits für Sie verdienen, erhält ein kleines festes Budget, damit sie nicht verfallen, während Sie die neue aufbauen.
- Eine Erkundungsposition, eine kostengünstige Erkundung der Option Nummer 2 oder 3, hält Ihren nächsten Schritt informiert.
Die Student-Hälfte beginnt, sobald die Wahl getroffen ist. Ein Score bringt Ihnen nichts bei. Was aus der Wahl eine Fähigkeit macht, sind ein geordneter Plan, gezieltes Üben und ein früher öffentlicher Nachweis. Dafür bauen Sie mit KI einen persönlichen Lehrplan: Definieren Sie „nützlich“ als beobachtbares Ergebnis, arbeiten Sie von dort rückwärts und setzen Sie alle paar Wochen einen Kontrollpunkt.
Bewerten Sie dann neu. Märkte bewegen sich, und das BLS selbst veröffentlicht seine Projektionen jedes Jahr neu (die Ausgabe 2026-36 erscheint 2027). Auch Ihre eigenen Hebelwirkungswerte ändern sich, während Sie lernen: Jede neue Fähigkeit erhöht die Hebelwirkung der benachbarten Fähigkeiten. Genau diesen Zinseszinseffekt soll die Matrix erfassen.
So wenden Sie die Matrix in 30 Minuten an
- Listen Sie 5-8 Kandidaten auf. Nehmen Sie mindestens eine „langweilige“ Option nahe an Ihrer aktuellen Tätigkeit auf. Sie gewinnt oft bei der Hebelwirkung.
- Bewerten Sie die Nachfrage anhand von Daten. Schlagen Sie die WEF-Kategorie nach und, falls Sie eine Zielrolle haben, deren projiziertes Wachstum im Vergleich zum Basiswert von 3,5 % (oder dem Gegenstück in Ihrem Land).
- Bewerten Sie die Beständigkeit. Fragen Sie, ob die Fähigkeit die Aufgabe ist, die KI ausführt, oder das Urteilsvermögen, das diese Aufgabe steuert und prüft. Verwenden Sie die Exposition des Berufs nicht als Abkürzung (siehe Tabelle 2).
- Bewerten Sie Hebelwirkung und Kosten ehrlich. Das sind Ihre privaten Eingaben. Wenn Sie unsicher sind, fragen Sie eine Kollegin oder einen Kollegen, die Ihre Arbeit kennen.
- Wenden Sie die Vetos an und rechnen Sie dann. Ordnen Sie die Fähigkeiten und wenden Sie die Stichentscheide an.
- Machen Sie einen Belastungstest. Rechnen Sie mit nachfragebetonten und beständigkeitsbetonten Gewichten neu. Übersteht Ihre Nummer 1 das, legen Sie sich fest. Wenn nicht, ist die Wahl knapp, und die Hebelwirkung sollte entscheiden.
- Notieren Sie einen Termin für die Neubewertung in 90 Tagen.
Häufige Fragen
Welche Fähigkeit sollte ich 2026 als Nächstes lernen?
Das hängt von Ihrem Ausgangspunkt ab, und deshalb kann eine einzelne Liste die Frage nicht beantworten. Bewerten Sie Ihre Kandidaten nach Nachfrage, Beständigkeit, Hebelwirkung und Kosten bis zur Kompetenz. Für viele Wissensarbeiter wird die Matrix auf eine daten- oder KI-bezogene Fähigkeit zeigen, weil die vom WEF befragten Arbeitgeber KI und Big Data mit einem Nettozuwachs von 87 auf Platz eins setzen. In unserem Rechenbeispiel war der beste Schritt für den Operations-Koordinator jedoch Operations- und Projektmanagement, und zwar wegen der Hebelwirkung.
Sollte ich Fähigkeiten in Berufen mit hoher KI-Exposition meiden?
Nein. Das BLS stellt klar, dass seine Expositionskategorien keine Prognosen für einen Beschäftigungsrückgang sind. In unserer Verknüpfung der BLS-Daten liegen 8 der 30 am schnellsten wachsenden Berufe in der Expositionsgruppe „Sehr hoch“, während Berufe mit niedriger Exposition den höchsten Anteil mit projiziertem Schrumpfen hatten (36,6 %). Bewerten Sie die Beständigkeit stattdessen auf der Ebene der Fähigkeit.
Worin unterscheidet sich das von einer Kompetenzlückenanalyse?
Eine Lückenanalyse zeigt Ihnen, was Ihnen für ein bestimmtes Ziel fehlt. Die Matrix hilft Ihnen zu entscheiden, welche Lücke Sie zuerst schließen, indem sie Marktwert, Langlebigkeit, Passung und Kosten gegeneinander abwägt.
Kann ich die Gewichte ändern?
Ja. Die Aufteilung 30/25/25/20 ist ein redaktioneller Standardwert. Prüfen Sie Ihr Ergebnis mit anderen Gewichten (Tabelle 5). Wenn Sie den Kosten mehr als 30 % des Gewichts geben, wenden Sie die Beständigkeits-Untergrenze von 3 an, damit das Werkzeug keine Fähigkeiten bevorzugt, die schnell verblassen.
Wie oft sollte ich neu bewerten?
Alle 90 Tage oder immer dann, wenn sich etwas Wichtiges ändert: eine neue Rolle, ein neues Werkzeug in Ihrem Fachgebiet oder eine neue Ausgabe des WEF-Berichts oder der BLS-Projektionen.
Garantiert ein höherer Score ein höheres Gehalt?
Nein. Die Matrix verbessert, wie Sie Ihre Lernzeit verteilen. Sie sagt keine Ergebnisse voraus. Lohn- und Wachstumszahlen beschreiben Berufe im Durchschnitt, nicht das, was eine einzelne Person verdienen wird.
Quellen
World Economic Forum, The Future of Jobs Report 2025, Insight Report, Januar 2025 (Key findings; Figure 3.4 Skills on the rise, 2025-2030).
U.S. Bureau of Labor Statistics, Employment Projections, Table 1.3 Fastest growing occupations, 2025 and projected 2035 (zuletzt geändert am 27. August 2026).
U.S. Bureau of Labor Statistics, AI exposure categories and 2025-35 employment projections, ergänzende Datendatei, 2026.
U.S. Bureau of Labor Statistics, Artificial Intelligence (AI) exposure categories: methodology and limitations, Employment Projections publications (zuletzt geändert am 27. August 2026).
U.S. Bureau of Labor Statistics, Measures of Education and Training, technische Dokumentation der Employment Projections (zuletzt geändert am 27. August 2026).
Hinweis zu den Daten: Tabelle 1 enthält verifizierte Daten aus dem WEF Future of Jobs Report 2025. Tabelle 2 ist eine CEOtudent-Berechnung auf Basis von BLS-Daten. Tabelle 3 ist das redaktionelle CEOtudent-Framework. Die Tabellen 4 und 5 sind CEOtudent-Berechnungen, bei denen die Nachfrage aus Daten abgeleitet ist und Beständigkeit, Hebelwirkung und Kosten beispielhafte redaktionelle Einschätzungen sind.
Dieser Inhalt wurde nach eingehender Recherche mit Unterstützung von KI zusammengestellt und vom CEOtudent-Redaktionsteam geschrieben und für die Veröffentlichung aufbereitet.
