Arbeit im Wandel: Wie KI Aufgaben und Verantwortung verändert

Künstliche Intelligenz verändert die Arbeitswelt nicht erst in ferner Zukunft, sondern bereits heute. Dabei geht es nicht nur um Effizienzgewinne oder den Wegfall einzelner Tätigkeiten. KI verschiebt Aufgaben, Qualifikationen und Verantwortung. Für Unternehmen wird es deshalb entscheidend sein, ob sie den Einsatz der Technologie aktiv gestalten, oder dem Wandel nur hinterherlaufen.

Was noch vor wenigen Jahren nach Zukunftslabor und teilweise Science-Fiction klang, ist heute in Büros, Verwaltungen, Servicecentern, Redaktionen, Planungsabteilungen, Personalbereichen, Werkstätten und Produktionsumgebungen Realität. Texte werden mit KI-Unterstützung geschrieben, Daten werden analysiert, Kundenanfragen vorsortiert, Protokolle zusammengefasst, Bilder erzeugt, Software programmiert und Wartungsprozesse vorbereitet. Die Einführung generativer KI hat diese Entwicklung deutlich beschleunigt, weil viele Anwendungen nicht mehr nur Spezialisten vorbehalten sind. 

Damit rückt eine Frage in den Mittelpunkt, die weit über Technologie hinausgeht: Was bedeutet KI für die Arbeit, und wie verändert sie die Berufswelt? Die einfache Antwort war bisher häufig: Viele Arbeitsplätze werden wegfallen. Die ebenso einfache Gegenposition lautet: KI schafft neue Jobs. Doch beide Annahmen scheinen zu kurz gegriffen, dies legen zumindest wissenschaftliche Untersuchungen und Studien nahe, die die eigentliche Veränderung durch KI weniger auf der Ebene ganzer Berufe, sondern auf der Ebene einzelner Tätigkeiten innerhalb der Berufe sehen. 

KI-Debatte verschiebt sich von Berufen zu Aufgaben

So kommt der Fraunhofer-Bericht zum Einfluss künstlicher Intelligenz auf Arbeitstätigkeiten und Berufsbilder zu dem Schluss, dass KI-Anwendungen die wenigsten Berufe vollständig ersetzen werden. Wahrscheinlicher sei eine Veränderung von Berufsbildern und Tätigkeitsprofilen.[1] Auch die Internationale Arbeitsorganisation ILO betrachtet in ihrer Analyse zu generativer KI nicht nur Berufsbezeichnungen, sondern die Exposition einzelner Aufgaben gegenüber KI. Dieser aufgabenbezogene Blick macht sichtbar, dass ein Beruf aus Tätigkeiten bestehen kann, die sehr unterschiedlich betroffen sind.[2]

Ein Beispiel: In der Sachbearbeitung kann KI Standardtexte vorbereiten, Akteninhalte zusammenfassen oder einfache Vorgänge klassifizieren. Die Verantwortung für Plausibilitätsprüfung, Abwägung, Kommunikation mit Betroffenen oder Entscheidung bleibt jedoch weiterhin beim Menschen, dort, wo Qualität, Haftung und Vertrauen eine Rolle spielen, die KI nicht übernehmen kann. Ähnliches gilt für technische Berufe, die Instandhaltung, Planung oder Sicherheitsbewertung verbinden. KI kann Messwerte auswerten oder Anomalien erkennen, ersetzt aber nicht Erfahrung, Kontextwissen und Verantwortung.

Damit verschiebt sich auch die berufliche Identität. Wer bisher vor allem Informationen gesammelt, sortiert oder formal verarbeitet hat, muss künftig stärker beurteilen, priorisieren, prüfen und erklären. Anstatt überflüssig zu werden, wird die Arbeit dadurch sogar anspruchsvoller, weil Beschäftigte mit Ergebnissen umgehen müssen, deren Entstehung sie nicht immer vollständig nachvollziehen können.

KI ist in den Unternehmen ungleich verteilt

Dass die Verbreitung von KI deutlich zugenommen hat, belegen inzwischen zahlreiche Studien. Doch es gibt Unterschiede. Nach Angaben des Statistischen Bundesamts nutzte 2025 etwas mehr als ein Viertel der Unternehmen in Deutschland KI-Technologien. Der Anteil lag bei 26 Prozent. Dabei zeigt sich ein deutliches Größengefälle: Große Unternehmen ab 250 Beschäftigten nutzten KI zu 57 Prozent, mittlere Unternehmen zu 36 Prozent und kleinere Unternehmen mit 10 bis 49 Beschäftigten zu 23 Prozent.[3]

Auch auf europäischer Ebene ist dieser Unterschied erkennbar. Eurostat weist für 2025 aus, dass 19,95 Prozent der Unternehmen in der EU KI-Technologien einsetzten. Bei großen Unternehmen lag der Anteil bei 55 Prozent, bei mittleren Unternehmen bei 30 Prozent und bei kleinen Unternehmen bei 17 Prozent.[4] Die Zahlen zeigen zweierlei: KI ist kein Randthema mehr. Zugleich ist ihre Nutzung stark von Ressourcen, Know-how, Datenbasis, Investitionsfähigkeit und organisatorischer Reife abhängig.

Für kleine und mittlere Unternehmen (KMU) ergibt sich daraus ein Spannungsfeld. Einerseits können KI-Anwendungen helfen, Fachkräftemangel abzufedern, Routineaufgaben zu beschleunigen und Wissen leichter zugänglich zu machen. Andererseits fehlen häufig klare Zuständigkeiten, Schulungskonzepte, technische Schnittstellen, rechtliche Orientierung oder schlich die Zeit, sich systematisch mit dem Thema zu beschäftigen. KI wird dann nicht strategisch eingeführt, sondern sporadisch genutzt: Einige Beschäftigte probieren Tools aus, und einzelne Abteilungen entwickeln eigene Lösungen. Das kann kurzfristig pragmatisch sein, birgt aber auch Risiken. Wenn sensible Daten in ungeprüfte Systeme eingegeben werden, wenn KI-generierte Inhalte ungeprüft weiterverarbeitet werden oder wenn Beschäftigte nicht wissen, welche Anwendungen erlaubt sind, entsteht ein Graubereich. Die Frage ist deshalb nicht nur, ob ein Unternehmen KI nutzt. Wichtig ist auch, ob es weiß, wo, wofür, mit welchen Daten, unter welchen Regeln und mit welcher Verantwortung KI eingesetzt wird.

Produktivität entsteht nicht automatisch

Die Hoffnung auf Produktivitätsgewinne war und ist einer der wichtigsten Treiber bei der KI-Einführung in Unternehmen. Tatsächlich gibt es belastbare Hinweise darauf, dass KI die Leistung bei bestimmten Aufgaben deutlich steigern kann. Die vielbeachtete Studie „Generative at Work“ untersuchte den Einsatz eines generativen KI-Assistenten bei mehr als 5.000 Beschäftigten im Kundensupport. Der KI-Einsatz erhöhte die Produktivität im Durchschnitt um rund 14 bis 15 Prozent, gemessen an gelösten Kundenanfragen pro Stunde. Besonders stark profitierten weniger erfahrene und geringer qualifizierte Beschäftigte.[5] KI wirkte hier also nicht nur als Beschleuniger, sondern auch als eine Art Wissensverstärker. Das System stellte Formulierungen, Lösungswege und Erfahrungswissen zur Verfügung, das sonst vor allem routinierten Beschäftigten zugänglich war. Dadurch konnten weniger erfahrene Mitarbeiter schneller produktiv werden. KI kann demnach also dazu beitragen, Erfahrungsunterschiede zu verringern und Lernprozesse zu verkürzen. Das zeigen auch Experimente mit Schreibaufgaben [6].

Produktivität entsteht jedoch nicht automatisch, nur weil ein KI-Tool verfügbar ist. Die OECD weist darauf hin, dass die gesamtwirtschaftlichen Effekte von KI von mehreren Faktoren abhängen: von der tatsächlichen Einführung in Unternehmen, von ergänzenden Investitionen, von Kompetenzen, von Arbeitsorganisation und von der Frage, ob KI bestehende Prozesse nur beschleunigt oder wirklich neu gestaltet.[7] Wer schlechte Prozesse automatisiert, erhält höchstwahrscheinlich keine guten Prozesse. Er erhält häufig nur schneller schlechte Prozesse.

Hinzu kommt ein Qualitätsproblem. KI-Systeme können überzeugend formulieren, ohne zuverlässig richtig zu liegen. Sie können Informationen erfinden (halluzinieren), Zusammenhänge falsch gewichten oder scheinbar plausible Ergebnisse liefern, die bei genauer Prüfung nicht belastbar sind. Zunächst eingesparte Zeit kann durch Kontrolle, Nacharbeit und Korrektur auf diese Weise schnell wieder verloren gehen. Produktivität durch KI ist deshalb kein reiner Technologieeffekt, sondern auch ein Organisations- und Kompetenzthema.

Die neue Rolle des Menschen: prüfen, einordnen, verantworten

Je stärker KI in Arbeitsprozesse integriert wird, desto wichtiger wird die menschliche Kontroll- und Urteilskraft. Das klingt zunächst selbstverständlich, wird in der Praxis aber leicht unterschätzt. Wer KI-Ergebnisse prüft, muss fachlich beurteilen können, ob ein Vorschlag plausibel, vollständig, rechtlich zulässig und im konkreten Kontext angemessen ist. Die Anforderungen verschieben sich von der Ausführung einzelner Routinen zur Bewertung von Ergebnissen.

Damit entstehen neue Kompetenzprofile. Beschäftigte müssen nicht zwangsläufig selbst KI-Systeme entwickeln können. Sie müssen aber verstehen, was solche Systeme leisten können, wo ihre Grenzen liegen und wie sie Ergebnisse kritisch prüfen. Dazu gehören Datenkompetenz, Prozessverständnis, fachliches Urteilsvermögen, Kommunikationsfähigkeit und die Fähigkeit, mit Unsicherheit umzugehen. Das Bundesinstitut für Berufsbildung betont in diesem Zusammenhang die wachsende Bedeutung sogenannter transversaler Kompetenzen, also überfachlicher Fähigkeiten wie analytisches Denken, kognitive Flexibilität, soziale Kompetenz und Problemlösungsfähigkeit.[8]

Diese Entwicklung betrifft nicht nur hochqualifizierte Wissensarbeit. Auch in gewerblich-technischen Tätigkeiten können KI-gestützte Systeme Diagnose, Wartung, Dokumentation oder Qualitätssicherung verändern. Beschäftigte müssen dann nicht nur Maschinen bedienen, sondern digitale Hinweise interpretieren, Abweichungen bewerten und zwischen Systemvorschlag und eigener Erfahrung abwägen. Die Arbeit wird hybrider: Menschliche Erfahrung und maschinelle Analyse greifen ineinander.

Wenn KI monotone oder zeitaufwendige Vorarbeiten übernimmt, kann das entlastend wirken. Es kann aber auch zur Belastung werden, wenn Beschäftigte für Ergebnisse verantwortlich bleiben, deren Zustandekommen sie nicht ausreichend nachvollziehen können. Wer KI einführt, muss deshalb klären, welche Entscheidungen automatisiert werden dürfen, wo menschliche Freigaben erforderlich sind und wie Verantwortung dokumentiert wird. 

Beschäftigte müssen also nicht nur lernen, KI-Werkzeuge zu bedienen. Sie müssen auch einschätzen können, welche Daten verwendet werden dürfen, wie Ergebnisse zu prüfen sind und wo rechtliche und fachliche Grenzen liegen. Zugleich drohen neue Unterschiede zwischen Unternehmen und Beschäftigten: Wer Zugang zu geeigneten Systemen, Schulungen und klaren Regeln hat, kann produktiver arbeiten; wer ohne Orientierung mit KI konfrontiert wird, erlebt sie eher als zusätzlichen Druck. Entscheidend ist deshalb die Führung. KI entfaltet ihren Nutzen nicht von selbst, sondern nur dort, wo Ziele, Verantwortlichkeiten, Qualitätssicherung und Beteiligung geklärt sind.

Der Arbeitsmarkt verändert sich nicht linear

Für den Arbeitsmarkt insgesamt ist Vorsicht vor einfachen Prognosen geboten. Das Institut für Arbeitsmarkt- und Berufsforschung untersucht in einer Szenarioanalyse potenzielle Effekte von KI auf den deutschen Arbeitsmarkt. Der Bericht zeigt, dass KI das Wirtschaftswachstum erhöhen und zugleich erhebliche Verschiebungen zwischen Branchen, Berufen und Anforderungen auslösen kann.[9] 

Ein Teil der Tätigkeiten wird wegfallen oder an Bedeutung verlieren. Andere Tätigkeiten werden dagegen aufgewertet. Neue Aufgaben entstehen rund um Datenmanagement, KI-Steuerung, Qualitätssicherung, Prozessgestaltung, IT-Sicherheit, Recht, Compliance, Schulung und Change Management. Zugleich verändern sich auch etablierte Berufsbilder. Die Frage ist weniger, ob künftig noch Menschen gebraucht werden. Die Frage ist, wofür sie gebraucht werden und wie schnell Qualifikation, Organisation und Bildungssysteme mit der Entwicklung Schritt halten.

Der demografische Wandel verstärkt diese Dynamik. In vielen Branchen fehlen Fachkräfte. KI kann helfen, knappe personelle Ressourcen besser einzusetzen. Sie kann aber den Fachkräftemangel nicht einfach wegautomatisieren. Denn auch KI-Systeme müssen eingeführt, überwacht, gepflegt, geprüft und in Arbeitsprozesse eingebettet werden. Wer keine Kompetenzen im Unternehmen aufbaut, wird auch die Potenziale der Technologie nicht ausschöpfen.

Zwischen Entlastung und Kontrolle

Im Arbeitsalltag entscheidet sich auch, ob KI als Unterstützung oder als Instrument zusätzlicher Kontrolle wahrgenommen wird. Die Technik kann Beschäftigte entlasten, indem sie monotone Aufgaben reduziert. Sie kann aber auch den Arbeitsdruck erhöhen. Wenn jede Zeitersparnis sofort in höhere Fallzahlen übersetzt wird, entsteht keine Entlastung, sondern Verdichtung. Wenn KI-Systeme zugleich Leistung messen, Prioritäten vorgeben oder Verhalten auswerten, kann aus Unterstützung Kontrolle werden. Für die Akzeptanz ist deshalb entscheidend, wie transparent der Einsatz erfolgt. Beschäftigte müssen wissen, welche Daten verarbeitet werden, wie Empfehlungen entstehen, welche Rolle ihre eigene Entscheidung spielt und welche Folgen KI-Auswertungen haben. Wo Betriebsräte vorhanden sind, wird Mitbestimmung eine wichtige Rolle spielen. Aber auch in Unternehmen ohne formale Mitbestimmungsstrukturen braucht es Beteiligung. KI greift zu tief in Arbeitsabläufe ein, um sie nur als IT-Projekt zu behandeln.

KI verändert Arbeit – aber Gestaltung bleibt menschlich

Künstliche Intelligenz hat zweifellos große Auswirkungen auf die Arbeitswelt. Doch der Wandel folgt keinem einfachen Muster. KI ersetzt nicht pauschal Berufe, sondern verändert Tätigkeiten. Sie kann Produktivität steigern, Qualifikationen verschieben und Wissen leichter verfügbar machen. Sie kann Beschäftigte entlasten, aber auch Arbeitsdruck und Kontrolle erhöhen. Sie kann weniger erfahrene Mitarbeiter unterstützen, aber neue Ungleichheiten zwischen Unternehmen, Branchen und Beschäftigtengruppen schaffen. Die eigentliche Frage lautet nicht, ob KI die Arbeitswelt verändert. Das tut sie bereits. Die entscheidende Frage ist, ob Unternehmen diese Veränderung aktiv gestalten, oder ob sie zulassen, dass Tools, Anbieter und kurzfristige Effizienzerwartungen die Richtung vorgeben. KI kann Arbeit besser machen. Aber nur dann, wenn der Mensch nicht aus der Verantwortung gedrängt wird, sondern eine stärkere Rolle bekommt: als Prüfer, Entscheider, Gestalter und als erfahrener Mitarbeiter.

Quellen

[1] Fraunhofer IAO: Einfluss der künstlichen Intelligenz auf Arbeitstätigkeiten und Berufsbilder, 2026.
[2] International Labour Organization: Generative AI and Jobs: A Refined Global Index of Occupational Exposure, 2025.
[3] Statistisches Bundesamt: Nutzung von IKT in Unternehmen / KI-Nutzung in Unternehmen, Daten 2025.
[4] Eurostat: Use of artificial intelligence in enterprises, Daten 2025.
[5] Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond: Generative AI at Work, NBER Working Paper / Quarterly Journal of Economics, 2023/2025.
[6] Shakked Noy, Whitney Zhang: Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence, 2023.
[7] OECD: The impact of Artificial Intelligence on productivity, distribution and growth, OECD Artificial Intelligence Papers No. 15, 2024.
[8] Bundesinstitut für Berufsbildung: KI in der Arbeit – welche Kompetenzanforderungen?, BIBB-Unterlage zu KI und überfachlichen Kompetenzen.
[9] Institut für Arbeitsmarkt- und Berufsforschung: Künstliche Intelligenz: Potenzielle Effekte für den deutschen Arbeitsmarkt, IAB-Forschungsbericht 23/2025.
[10] Stanford Institute for Human-Centered Artificial Intelligence: AI Index Report 2025.