Elvid Srebric

Beruf und KI · 01 Wo du stehst

Schau dir deine Arbeit an, bevor du dir KI anschaust.

Warum KI keine Berufe ersetzt, sondern Aufgaben verändert, und wie du in einer Woche siehst, wo du stehst und was du kannst.

Lesezeit etwa 4 Minuten

Wenn über KI und Arbeit gesprochen wird, geht es fast immer um Berufe, also welche verschwinden, welche sicher sind und welche neu entstehen. Das macht Angst und hilft dir wenig, denn KI ersetzt selten einen ganzen Beruf auf einmal, sondern verändert einzelne Aufgaben.

Deshalb lautet die bessere Frage nicht „Ist mein Job sicher?“, sondern „Was mache ich eigentlich den ganzen Tag?“

Berufe sind Bündel von Aufgaben

Arbeitsökonomen schauen seit über zwanzig Jahren nicht mehr nur auf Berufe, sondern auf die Aufgaben darin, und sie beobachten dabei, dass Technik zuerst das übernimmt, was sich in klare Regeln fassen lässt, während alles, was Urteil, Fingerspitzengefühl oder Kontakt zu Menschen braucht, länger beim Menschen bleibt.1

Mit generativer KI hat sich diese Grenze verschoben, weil sie jetzt auch Texte schreiben, zusammenfassen und erklären kann. Eine Studie hat 2024 abgeschätzt, dass bei rund 80 Prozent der Beschäftigten in den USA mindestens ein Zehntel ihrer Aufgaben von solchen Sprachmodellen berührt werden könnte.2 Berührt heißt dabei nicht ersetzt, sondern dass sich ein Teil deiner Arbeit anders anfühlen wird.

Nicht dein Beruf verändert sich. Deine Aufgaben verändern sich.

Routine, Urteil, Beziehung

Für den Anfang reichen drei Kategorien, um deine Arbeit zu sortieren:

Fast jeder Job hat alle drei Anteile. Die Pflegekraft dokumentiert (Routine), entscheidet, ob sie die Ärztin ruft (Urteil), und hält eine Hand (Beziehung), und der Lagerist scannt zwar Pakete, merkt aber auch, wenn eine Lieferung nicht stimmt, und erklärt dem Neuen, wie es läuft.

Warum das deine Stärke zeigt

Wenn du deine Aufgaben so sortierst, passiert etwas Unerwartetes, denn du siehst nicht nur, wo KI dich ersetzen könnte, sondern auch, welche deiner Fähigkeiten in keiner Anleitung stehen. Genau diesen Teil unterschätzen viele Menschen, weil er für sie selbstverständlich ist.

Als ich mich 2013 als Trainer beworben habe, hatte ich noch nie jemanden trainiert, aber gesucht wurde etwas anderes, nämlich Geduld und das Talent, fremden Menschen die Scheu davor zu nehmen, Anfänger zu sein. Das stand in keinem Zeugnis und war trotzdem der Grund, warum ich die Stelle bekommen habe.

Solche Fähigkeiten werden umso wertvoller, je mehr Routine eine Maschine übernimmt, allerdings nur, wenn du sie kennst und benennen kannst.

Schreib auf, wofür du arbeitest

Die zweite Hälfte der Standortbestimmung ist persönlicher, denn neben dem „Was mache ich?“ steht das „Wofür?“, ob das nun Geld, Sicherheit, Sinn, die Familie oder ein Ziel in ein paar Jahren ist. Eine falsche Antwort gibt es nicht, aber es gibt einen großen Unterschied zwischen jemandem, der seine Antwort kennt, und jemandem, der sie nie aufgeschrieben hat.

Wer weiß, wofür er arbeitet, kann bei jedem neuen Werkzeug fragen, ob es ihn dorthin bringt, während jemand, der es nicht weiß, einfach das lernt, was gerade alle lernen, und sich trotzdem nicht sicherer fühlt.

Probier das diese Woche

  1. Schreib zehn Aufgaben auf, die du in einer normalen Arbeitswoche erledigst, und zwar nicht deine Stellenbeschreibung, sondern das, was du wirklich tust.
  2. Markier jede mit R, U oder B, also Routine, Urteil oder Beziehung, und wenn manche zwei Buchstaben bekommen, ist das in Ordnung.
  3. Kreis die Aufgabe ein, bei der du am liebsten Hilfe hättest, denn das ist dein erstes Übungsfeld für den ersten Abend mit einer KI.
  4. Schreib einen Satz darunter, der mit „Ich arbeite, damit …“ beginnt.

Du musst nicht wissen, wie sich dein Beruf in zehn Jahren anfühlt. Es reicht, wenn du weißt, was du heute tust und wofür.

Frage für dich

Welche deiner Fähigkeiten steht in keinem Zeugnis, und wer außer dir weiß davon?

Quellen

  1. Autor, D. H., Levy, F. & Murnane, R. J. (2003). The Skill Content of Recent Technological Change: An Empirical Exploration. Quarterly Journal of Economics, 118(4).
  2. Eloundou, T., Manning, S., Mishkin, P. & Rock, D. (2024). GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. Science, 384(6702), 1306–1308.