Wie Unternehmen mit den Einstiegsaufgaben auch ihre künftigen Fach- und Führungskräfte verlieren können

Machen wir uns einmal ehrlich und kehren vor der eigenen Tür. Ich nutze künstliche Intelligenz fast täglich. Sie hilft mir, große Informationsmengen schneller zu erfassen, Gedanken zu ordnen, Zusammenhänge zu prüfen und mich in neue Themen einzuarbeiten. Vieles gelingt dadurch schneller, manches auch besser. Ich möchte auf diese Unterstützung nicht mehr verzichten.

Trotzdem beschäftigt mich in Projekten zunehmend eine Frage, über die erstaunlich selten gesprochen wird. Was geschieht mit der Erfahrung in einem Unternehmen, wenn genau jene Aufgaben verschwinden, an denen Menschen bisher ihren Beruf gelernt haben?

Wir reden über Arbeit gern so, als ließe sie sich sauber in wertvolle und überflüssige Tätigkeiten zerlegen. Auf der einen Seite die strategischen Aufgaben, auf der anderen Seite die lästige Routine, die möglichst bald automatisiert werden soll. In der Unternehmenspraxis verläuft diese Grenze selten so eindeutig.

Viele Arbeiten, die heute zuerst an eine KI übergeben werden, waren tatsächlich mühsam. Junge Mitarbeiter sichteten Wettbewerbsangebote, prüften Kampagnenberichte, überarbeiteten Präsentationen, verglichen Zahlen aus unterschiedlichen Quellen und erstellten erste Textfassungen. Sie mussten erklären, warum ein Ergebnis anders ausfiel als erwartet, weshalb eine Zielgruppe kleiner war als geplant oder warum ein Entwurf trotz korrekter Inhalte nicht zur Marke passte.

Ein Teil dieser Arbeit war unnötig kompliziert. Niemand muss Daten von einer Tabelle in die nächste kopieren, damit daraus berufliche Reife entsteht. Schlechte Prozesse werden nicht dadurch wertvoll, dass Menschen unter ihnen leiden.

Dennoch hatten viele dieser Aufgaben eine zweite Funktion, die in keiner Stellenbeschreibung auftauchte. Sie waren Übung.

Wer Kampagnen selbst ausgewertet hat, erkennt mit der Zeit, welche Kennzahl fehlt und welche nur deshalb erfreulich aussieht, weil der Zeitraum günstig gewählt wurde. Wer Kundendaten aus verschiedenen Systemen zusammenführen musste, weiß, wie schnell ein vermeintlich eindeutiges Profil auseinanderfällt. Wer Texte mehrfach überarbeitet hat, entwickelt ein Gefühl dafür, wann eine Formulierung wirklich passt und wann sie lediglich ordentlich klingt.

Solches Wissen entsteht nicht in einer zweistündigen Schulung. Es wächst mit Wiederholung, Rückfragen, Korrekturen und gelegentlich auch mit einem Fehler, den man kein zweites Mal machen möchte. Später nennen wir das Erfahrung, obwohl wir oft vergessen, wie unspektakulär ihr Ursprung war.

Inzwischen verändert sich dieser Weg. Erste Analysen, Präsentationen, Kampagnenideen und Textfassungen entstehen automatisch. Junge Mitarbeiter beginnen nicht mehr beim Rohmaterial, sondern bei einem bereits geordneten Ergebnis. Sie sollen prüfen, verbessern und freigeben.

Das klingt zunächst nach anspruchsvollerer Arbeit. Die lästige Ausführung verschwindet, der Mensch konzentriert sich auf die Beurteilung. Auf dem Papier wirkt das wie ein Aufstieg.

In der Praxis entsteht ein Widerspruch. Jemand soll erkennen, ob ein Ergebnis gut ist, ohne den Arbeitsweg selbst oft genug durchlaufen zu haben. Er soll Annahmen prüfen, die er nicht entwickelt hat, und Fehler bemerken, deren Entstehung ihm kaum vertraut ist.

Erfahrene Mitarbeiter können damit meist besser umgehen. Sie kennen die typischen Schwächen, besitzen Vergleichswerte und merken eher, wenn eine Analyse sauber aussieht, aber am Geschäftsmodell vorbeigeht. Ihre Sicherheit stammt jedoch aus Jahren, in denen sie viele dieser Aufgaben selbst erledigt haben.

Unternehmen nutzen damit vorerst Erfahrung, die unter früheren Bedingungen entstanden ist. Sie profitieren von Menschen, die gelernt haben, Ergebnisse zu hinterfragen, bevor fertige Antworten jederzeit verfügbar waren.

Das kann lange gutgehen. Erfahrene Kollegen korrigieren Fehler, ergänzen fehlende Zusammenhänge und verhindern, dass aus einer plausiblen Empfehlung eine schlechte Entscheidung wird. Nach außen erscheint die Einführung erfolgreich. Die Arbeit wird schneller erledigt, Teams schaffen mehr und die Qualität bleibt scheinbar stabil.

Die Schwäche zeigt sich erst später.

Wenn die Menschen gehen, die den Unterschied zwischen einer überzeugenden und einer richtigen Antwort noch aus eigener Erfahrung kennen, fehlt nicht einfach Personal. Es fehlt Urteil. Und Urteil lässt sich erheblich schwerer ersetzen als eine freie Stelle.

Wer erkennt dann, dass eine Segmentierung zwar technisch korrekt, für das Geschäft aber wertlos ist? Wer bemerkt, dass eine Kampagne kurzfristig gute Zahlen erzeugt und gleichzeitig die Marke beschädigt? Wer widerspricht einer automatisch erzeugten Empfehlung, wenn im Team niemand mehr weiß, welche Annahmen geprüft werden müssten?

Wir automatisieren gerade einen Teil der unteren Laufbahnstufen und verlassen uns darauf, dass weiter oben schon genügend Erfahrung vorhanden sein wird. Das ist bequem, aber nicht besonders vorausschauend.

Fach- und Führungskräfte entstehen nicht mit der Beförderung. Sie entwickeln sich über Jahre, weil Verantwortung wächst, Zusammenhänge verständlicher werden und eigene Entscheidungen Folgen haben. Wer später ein großes Marketingbudget steuern soll, muss vorher erlebt haben, wie leicht eine Kennzahl ihre Bedeutung verliert, sobald sich der Betrachtungswinkel ändert. Wer Agenturen führen soll, sollte wissen, warum ein scheinbar gutes Briefing zu mittelmäßigen Ergebnissen führen kann. Wer Datenstrategien verantwortet, muss erfahren haben, wie unzuverlässig Daten wirken können, obwohl jedes einzelne System seine eigenen Regeln korrekt anwendet.

Diese Entwicklung lässt sich nicht durch eine zusätzliche Präsentation über kritisches Denken ersetzen. Mitarbeiter brauchen reale Aufgaben, einen eigenen Lösungsweg und Rückmeldung zu ihrer Arbeit. Sie müssen gelegentlich scheitern dürfen, ohne dass jeder Fehler sofort als Beweis mangelnder Eignung gilt.

In vielen Unternehmen passiert derzeit das Gegenteil. Ergebnisse werden stärker vorstrukturiert, Entscheidungen enger vorbereitet und Fehler möglichst früh technisch ausgeschlossen. Gleichzeitig beklagen Führungskräfte, dass junge Kollegen zu wenig Eigenständigkeit zeigen.

Wer kaum noch selbst entscheiden darf, entwickelt keine besondere Sicherheit im Entscheiden.

Vielleicht kennen Sie diese Situation aus dem eigenen Unternehmen. Ein Mitarbeiter legt einen gut formulierten Vorschlag vor, kann auf Nachfragen aber nur begrenzt erklären, warum er genau diesen Weg empfiehlt. Die Oberfläche stimmt, der Gedankengang bleibt dünn. Das muss keine Bequemlichkeit sein. Häufig wurde die Arbeit inzwischen so organisiert, dass der Weg zum Ergebnis kaum noch sichtbar ist.

Künstliche Intelligenz kann Lernen durchaus verbessern. Sie kann Zusammenhänge erklären, Alternativen zeigen und auf Widersprüche hinweisen. Sie kann weniger erfahrenen Mitarbeitern Wissen zugänglich machen, das früher nur bei wenigen Spezialisten lag. Richtig eingesetzt, verkürzt sie die Einarbeitung und schafft Raum für bessere Fragen.

Dafür muss sie mehr sein als ein Lieferant fertiger Antworten.

Ein Mitarbeiter lernt wenig, wenn er nur auswählt, welche von drei sauber formulierten Varianten am besten klingt. Er lernt mehr, wenn er seine eigene Lösung entwickelt, sie mit einem maschinellen Vorschlag vergleicht und erklären muss, warum er an bestimmten Stellen abweicht. Der Unterschied wirkt klein. Für die Entwicklung von Urteil ist er erheblich.

Diese Form der Arbeit ist allerdings weniger bequem. Sie produziert nicht sofort mehr Output und lässt sich schlechter in Effizienzkennzahlen abbilden. Lernen verläuft unregelmäßig. Menschen stellen Rückfragen, benötigen Rückmeldung und machen Fehler. Eine automatisierte Lösung wirkt dagegen souverän und ist jederzeit verfügbar.

Souveränität ist nur kein Beweis für Verständnis.

Unternehmen sollten deshalb genauer prüfen, welche Aufgaben tatsächlich vollständig verschwinden können. Tätigkeiten ohne erkennbaren Lern- oder Entscheidungswert dürfen automatisiert werden. Niemand gewinnt etwas, wenn qualifizierte Mitarbeiter ihre Zeit mit Formatierungen, manuellen Übertragungen oder wiederkehrenden Standardauswertungen verbringen.

Anders sieht es bei Aufgaben aus, in denen Menschen lernen, Informationen zu gewichten, Qualität zu beurteilen und Entscheidungen zu begründen. Dort sollte die Technik unterstützen, ohne den gesamten Arbeitsweg unsichtbar zu machen.

Für Führungskräfte beginnt diese Prüfung mit einem Blick auf die eigene Laufbahn. Welche Aufgaben waren rückblickend prägend? Wann entstand ein Gefühl für Qualität? Welche Fehler haben das eigene Urteil verändert? Welche scheinbar einfachen Arbeiten halfen später dabei, komplexere Situationen schneller zu verstehen?

Danach lohnt sich ein ehrlicher Blick auf die heutigen Einstiegspositionen. Erarbeiten Mitarbeiter noch eigene Lösungen oder prüfen sie vor allem vorgefertigte Ergebnisse? Müssen sie ihre Entscheidungen begründen? Erhalten sie Rückmeldung zu ihrem Denkweg oder nur zur fertigen Präsentation? Wissen sie, warum ein Vorschlag gut ist, oder lediglich, dass er akzeptiert wurde?

Solche Fragen gehören inzwischen in jede größere Automatisierungsentscheidung. Neben Zeit, Kosten und Qualität muss betrachtet werden, welche Fähigkeiten bei dieser Arbeit entstehen und ob das Unternehmen sie später noch benötigt.

Manche Tätigkeiten können vollständig entfallen. Bei anderen genügt eine stichprobenartige Kontrolle. Bestimmte Aufgaben sollten weiterhin von Mitarbeitern bearbeitet werden, unterstützt durch KI, aber mit einem nachvollziehbaren eigenen Lösungsweg. Und einige Entscheidungen bleiben menschliche Verantwortung, weil ihre Folgen nicht allein aus vorhandenen Daten abgeleitet werden können.

Diese Unterscheidung ist anstrengender als eine pauschale Automatisierungsquote. Sie liefert keine einfache Zielzahl für die nächste Vorstandssitzung. Sie verhindert jedoch, dass ein Unternehmen heute Effizienz gewinnt und morgen feststellen muss, dass niemand mehr weiß, wie gute Arbeit entsteht.

Ausbildung war noch nie die schnellste Form der Leistungserstellung. Ein erfahrener Mitarbeiter erledigt eine Aufgabe meist schneller allein, als wenn er einen weniger erfahrenen Kollegen einbezieht. Trotzdem haben Unternehmen Zeit in Einarbeitung, Begleitung und wachsende Verantwortung investiert. Sie wussten, dass Erfahrung nicht fertig geliefert wird.

Bei künstlicher Intelligenz behandeln wir diese Einsicht plötzlich wie einen Luxus.

Wir vergleichen die unmittelbaren Kosten menschlicher Arbeit mit der Geschwindigkeit einer Maschine. Der Wert dessen, was während der Arbeit gelernt wird, erscheint in dieser Rechnung nicht. Sichtbar wird er meist erst, wenn er fehlt.

Ich möchte die Möglichkeiten künstlicher Intelligenz in meiner eigenen Arbeit nicht missen. Sie hilft mir, schneller zu lernen, neue Perspektiven zu erkennen und bessere Fragen zu stellen. Zugleich merke ich, wie leicht eine gute Zusammenfassung das Gefühl vermittelt, man habe ein Thema bereits verstanden.

Meist beginnt das wirkliche Verständnis erst danach.

Machen wir uns deshalb ehrlich. Wir wollen Arbeit sparen, und dafür gibt es gute Gründe. Wir sollten nur genauer hinsehen, welche Erfahrung wir dabei ebenfalls verlieren.

Wenn niemand mehr üben darf, wird irgendwann auch niemand mehr sicher beurteilen können, was gute Arbeit eigentlich ausmacht.