Künstliche Intelligenz und die Zukunft der Arbeit

Die entscheidende Einheit ist nicht der Beruf, sondern die Aufgabe

Die Internationale Arbeitsorganisation untersucht den Einfluss generativer KI deshalb auf Aufgabenebene. Ihre 2025 aktualisierte Analyse erfasst knapp 30.000 einzelne Tätigkeiten und ordnet Berufe danach ein, welcher Anteil dieser Aufgaben grundsätzlich durch generative KI beeinflusst werden könnte. Nach dieser Methodik arbeitet weltweit etwa jeder vierte Beschäftigte in einem Beruf mit zumindest einem gewissen Grad an GenAI-Exposition. Gleichzeitig kommt die ILO zu dem Schluss, dass bei den meisten Berufen eher Transformation als vollständige Verdrängung zu erwarten ist.^[1]

Diese Unterscheidung ist fundamental. Wenn ein Buchhalter künftig einen Teil der Datenerfassung, Belegprüfung oder Berichtserstellung an KI-Systeme delegiert, verschwindet damit nicht automatisch der Beruf des Buchhalters. Vielmehr verändert sich die Zusammensetzung seiner Arbeit. Weniger Zeit fließt möglicherweise in standardisierte Verarbeitung, während Kontrolle, Interpretation, Abstimmung und Ausnahmefälle einen größeren Anteil des Arbeitstags einnehmen.

Dasselbe Muster lässt sich in vielen Wissensberufen erwarten. Sobald einzelne Tätigkeiten günstiger oder schneller werden, verschiebt sich der Wert zu jenen Aufgaben, die weiterhin knapp bleiben. Die eigentliche Frage lautet deshalb nicht nur, welche Arbeit KI übernehmen kann, sondern auch, welche Arbeit für Menschen übrig bleibt – und welchen Wert diese verbleibenden Tätigkeiten künftig besitzen.

1. Automatisierung bedeutet nicht zwangsläufig den Wegfall eines Arbeitsplatzes

In der öffentlichen Diskussion werden Automatisierung und Arbeitsplatzverlust häufig gleichgesetzt. Historisch und organisatorisch sind das jedoch unterschiedliche Prozesse.

Ein Unternehmen kann einen Teil einer Tätigkeit automatisieren und die frei werdende Zeit verwenden, um dieselbe Leistung mit weniger Personal zu erbringen. Es kann die zusätzliche Kapazität aber ebenso nutzen, um mehr Kunden zu bedienen, neue Leistungen anzubieten oder Aufgaben zu übernehmen, die bisher aus Zeit- oder Kostengründen nicht durchgeführt wurden.

Welche dieser Möglichkeiten tatsächlich eintritt, hängt nicht allein von der Technologie ab. Preise, Nachfrage, Wettbewerb, Unternehmensstrategie und organisatorische Entscheidungen spielen ebenfalls eine Rolle.

Die empirische Evidenz bis Mitte 2026 deutet genau auf diese Gemengelage hin. Eine ILO-Auswertung aktueller Studien findet reale Produktivitätsgewinne durch generative KI, allerdings mit starken Unterschieden zwischen Tätigkeiten, Unternehmen und Beschäftigtengruppen. Gleichzeitig bleibt großflächige Beschäftigungsverdrängung bisher begrenzt. Zeitersparnisse, die Beschäftigte selbst berichten, schlagen sich zudem bislang nicht automatisch in entsprechend höheren gemessenen Produktionsmengen, Einkommen oder Beschäftigungszahlen nieder.^[2]

KI verändert Arbeit also bereits, doch die Gleichung „eine automatisierte Aufgabe = ein verlorener Arbeitsplatz“ lässt sich aus der bisherigen Evidenz nicht ableiten.

2. Produktivität ist nicht dasselbe wie Personalabbau

Angenommen, eine Tätigkeit benötigt heute zehn Stunden und kann mit KI innerhalb von sechs Stunden erledigt werden. Technisch entsteht ein Produktivitätsgewinn von vier Stunden. Was daraus wirtschaftlich folgt, ist jedoch offen.

Ein Unternehmen könnte den Personalbedarf reduzieren. Es könnte dieselbe Belegschaft aber auch verwenden, um mehr Kunden zu bedienen, zusätzliche Analysen durchzuführen, Produkte häufiger zu aktualisieren oder Leistungen anzubieten, die vorher wirtschaftlich nicht sinnvoll waren.

Produktivität verändert zunächst die Kostenstruktur einer Tätigkeit. Erst danach entscheidet sich, wie Unternehmen diese neue Kostenstruktur nutzen.

Dieser Mechanismus erklärt, warum technologische Fortschritte gleichzeitig bestehende Tätigkeiten verdrängen und neue Nachfrage erzeugen können. Wenn bestimmte Dienstleistungen deutlich billiger werden, werden sie möglicherweise häufiger konsumiert. Tätigkeiten, die früher nur großen Unternehmen offenstanden, können für kleinere Firmen erschwinglich werden; Arbeit, die vorher ausgelagert werden musste, kann intern erledigt werden.

KI senkt deshalb nicht nur den Aufwand vorhandener Arbeit. Sie kann zugleich die Menge wirtschaftlich sinnvoller Arbeit verändern.

3. KI erweitert teilweise, was einzelne Menschen überhaupt tun können

Ein besonders interessanter Effekt lässt sich bereits in aktuellen Nutzungsdaten beobachten: KI kann die Grenzen zwischen traditionellen Berufsrollen teilweise durchlässiger machen.

OpenAI analysierte 2026 mehr als 800.000 arbeitsbezogene ChatGPT-Nachrichten in den Vereinigten Staaten. Dabei bezogen sich 16,8 Prozent aller arbeitsbezogenen Nachrichten und 43,5 Prozent jener Nachrichten, die eindeutig einer bestimmten Berufsgruppe zugeordnet werden konnten, auf Tätigkeiten, die normalerweise einem anderen Beruf zugerechnet werden.^[5]

Ein Verkäufer kann beispielsweise mit KI eine einfache Datenanalyse durchführen, für die früher möglicherweise ein Analyst benötigt worden wäre. Ein kleiner Unternehmer kann erste Vertragsformulierungen prüfen, Marketingtexte erstellen oder finanzielle Szenarien strukturieren, ohne für jeden Schritt sofort einen Spezialisten einzubinden.

Das bedeutet nicht, dass aus einem Verkäufer plötzlich ein Datenwissenschaftler oder aus einem Unternehmer ein Jurist wird. Fachliche Verantwortung und die Grenze zwischen Unterstützung und professioneller Expertise bleiben bestehen. Was sich jedoch verändert, ist die Reichweite individueller Handlungsfähigkeit.

Ein einzelner Mitarbeiter kann mit Hilfe von KI Aufgaben bearbeiten, die früher außerhalb seines üblichen Kompetenz- oder Kostenrahmens lagen. Arbeit verändert sich damit nicht nur durch Automatisierung, sondern auch durch eine funktionale Erweiterung von Rollen.

4. Der Wert von Arbeit verschiebt sich zu den verbleibenden Engpässen

Wenn bestimmte Tätigkeiten durch Technologie leichter werden, gewinnen jene Fähigkeiten relativ an Wert, die weiterhin knapp bleiben. Bei generativer KI betrifft das häufig Aufgaben, bei denen unvollständige Informationen, Verantwortung für Konsequenzen, soziale Dynamik, organisatorischer Kontext oder die Wahl zwischen mehreren grundsätzlich plausiblen Möglichkeiten zusammenkommen.

Ein KI-System kann mehrere Vertragsvarianten analysieren. Die Entscheidung, welches Risiko ein Unternehmen tatsächlich akzeptieren will, bleibt dennoch eine Managemententscheidung. Es kann verschiedene Verkaufsargumente formulieren; ob ein Kunde gerade unsicher, verärgert oder lediglich unentschlossen ist und wie stark eine Geschäftsbeziehung langfristig gewichtet werden sollte, lässt sich nicht immer zuverlässig aus Textdaten ableiten.

KI kann medizinische Informationen strukturieren, technische Alternativen vergleichen oder Projektpläne entwerfen. Verantwortung für Entscheidungen verschwindet dadurch nicht automatisch.

Die zukünftige Arbeitsteilung könnte deshalb in vielen Bereichen weniger zwischen Mensch und Maschine verlaufen als zwischen berechenbaren Teilen einer Aufgabe und jenen Teilen, bei denen Urteil, Verantwortung und Kontext entscheidend bleiben.

5. Erfahrung könnte gleichzeitig weniger und mehr wert werden

Ein Teil beruflicher Erfahrung besteht darin, Informationen zu kennen oder Routinen schneller ausführen zu können als Anfänger. Genau diese Form von Erfahrungswissen kann durch KI teilweise an Wert verlieren. Ein neuer Mitarbeiter kann sich Prozesse erklären lassen, Dokumente analysieren oder erste Lösungsentwürfe erstellen, für die früher wesentlich längere Einarbeitung notwendig war.

Das kann den Abstand zwischen Einsteigern und erfahrenen Mitarbeitern in bestimmten Tätigkeiten verkleinern. Gleichzeitig steigt möglicherweise der Wert einer anderen Form von Erfahrung: zu wissen, wann eine scheinbar plausible Antwort nicht ausreicht.

Wer ein Fachgebiet lange kennt, erkennt häufig Ausnahmen, unrealistische Annahmen oder implizite Risiken, die sich nicht unmittelbar aus der Standardinformation ergeben. Je leichter KI durchschnittlich gute Antworten erzeugt, desto wichtiger könnte die Fähigkeit werden, gute von lediglich plausibel klingenden Ergebnissen zu unterscheiden.

Erfahrung verliert damit nicht zwangsläufig an Bedeutung. Ihr Wert könnte sich vom Besitz von Information zur Bewertung von Information verschieben.

6. Besonders sensibel ist der Einstieg in einen Beruf

Viele Berufe funktionieren traditionell über eine Hierarchie von Tätigkeiten. Junior-Mitarbeiter übernehmen zunächst vergleichsweise standardisierte Aufgaben, lernen dabei das Fach und entwickeln schrittweise die Erfahrung, die später für komplexere Entscheidungen benötigt wird.

Gerade diese Einstiegsaufgaben gehören jedoch häufig zu jenen Tätigkeiten, die sich besonders gut automatisieren lassen. Wenn KI Recherche, einfache Analysen, erste Textentwürfe, grundlegende Programmieraufgaben oder Standarddokumentation übernimmt, entsteht für Unternehmen kurzfristig ein offensichtlicher Effizienzgewinn.

Langfristig stellt sich jedoch eine andere Frage: Wie entstehen erfahrene Fachkräfte, wenn ein Teil jener Arbeit verschwindet, durch die Anfänger traditionell Erfahrung aufgebaut haben?

Eine 2026 veröffentlichte Anthropic-Befragung von rund 81.000 Claude-Nutzern zeigt, dass Personen in einer frühen Karrierephase häufiger Sorgen über KI-bedingte Verdrängung äußern als erfahrenere Beschäftigte. Die Studie ist eine Nutzerbefragung und kein Nachweis tatsächlicher Arbeitsplatzverluste, liefert aber einen Hinweis darauf, wo die Unsicherheit besonders stark wahrgenommen wird.^[4]

Gleichzeitig warnt die OECD davor, aktuelle Schwierigkeiten junger Menschen am Arbeitsmarkt vorschnell der KI zuzuschreiben. Die Verschlechterung bestimmter Arbeitsmarktindikatoren bei jungen Beschäftigten begann bereits vor dem breiten Durchbruch großer Sprachmodelle; die derzeitige Evidenz belegt deshalb noch nicht, dass KI die Ursache dieser Entwicklung ist.^[7]

Beides kann gleichzeitig richtig sein: Die heutige Arbeitsmarktschwäche junger Menschen muss nicht durch KI verursacht worden sein, während die Automatisierung typischer Einstiegsaufgaben langfristig dennoch ein relevantes organisatorisches Problem erzeugen kann.

7. Ausbildung wird stärker in die Arbeit selbst wandern müssen

Wenn diese Entwicklung anhält, könnten Unternehmen ihre Ausbildungslogik verändern müssen. Bisher entstand Kompetenz häufig dadurch, dass Menschen große Mengen relativ einfacher Arbeit erledigten und daraus mit der Zeit Muster erkannten.

Wenn Maschinen zunehmend einen Teil dieser Routinearbeit übernehmen, reicht es möglicherweise nicht mehr, neue Mitarbeiter lediglich mit KI auszustatten. Organisationen müssen dann gezielter erklären, warum ein bestimmtes Ergebnis richtig oder falsch ist, welche Kriterien für Entscheidungen gelten und welche Ausnahmen besondere Aufmerksamkeit benötigen.

Damit könnte Lernen stärker in den Arbeitsprozess selbst integriert werden. Ein Junior würde nicht mehr zwangsläufig hundert ähnliche Vorgänge vollständig bearbeiten, sondern möglicherweise weniger Fälle bearbeiten, dafür aber systematischer analysieren, warum ein KI-Vorschlag akzeptiert, verändert oder verworfen wurde.

Das wäre eine andere Form von Ausbildung: weniger Wiederholung als Lernmechanismus, dafür mehr explizite Reflexion über Entscheidungen. Ob Unternehmen diese Umstellung schaffen, dürfte erheblichen Einfluss darauf haben, ob KI langfristig Fähigkeiten aufbaut oder lediglich kurzfristig Personalkosten reduziert.

8. Die wichtigste Fähigkeit wird nicht einfach „Prompting“ sein

Mit jeder neuen technologischen Welle entstehen kurzfristig Fähigkeiten, die besonders knapp erscheinen. In der frühen Phase generativer KI gehörte dazu das sogenannte Prompt Engineering.

Langfristig dürfte diese einzelne Technik jedoch weniger entscheidend sein als die Fähigkeit, Arbeit sinnvoll zwischen Mensch und Maschine aufzuteilen. Dazu gehört zunächst, ein Problem so zu strukturieren, dass klar wird, welche Teile überhaupt automatisierbar sind. Ebenso wichtig ist die Fähigkeit, Ergebnisse zu prüfen, Unsicherheit zu erkennen und zu entscheiden, wann ein Mensch eingreifen muss.

Die ILO beschreibt in ihrem Bericht vom August 2026 eine Verschiebung der Nachfrage sowohl zu digitalen und KI-bezogenen Fähigkeiten als auch zu höheren kognitiven und sozioemotionalen Kompetenzen. Genannt werden unter anderem AI Literacy, Anpassungsfähigkeit, Resilienz und menschliche Handlungskompetenz.^[3]

Das erscheint logisch. Je mehr operative Arbeit von Systemen übernommen wird, desto wichtiger wird es, Ziele zu definieren, Ergebnisse einzuordnen und Verantwortung für Entscheidungen zu übernehmen.

KI-Kompetenz bedeutet deshalb vermutlich weniger, jede technische Funktion eines Modells selbst zu beherrschen. Sie bedeutet zunehmend zu verstehen, wo ein KI-System eingesetzt werden sollte, wie sein Ergebnis kontrolliert wird und wo seine Entscheidungsmacht enden muss.

9. Organisationen werden sich stärker verändern als einzelne Stellenbeschreibungen

Eine der größten Unsicherheiten liegt darin, dass technologische Veränderungen nicht bei einzelnen Mitarbeitern enden. Wenn KI nur verwendet wird, um bestehende Tätigkeiten etwas schneller auszuführen, bleibt die Organisation weitgehend unverändert: Ein Mitarbeiter schreibt denselben Bericht wie zuvor, nur schneller.

Größere Produktivitätssprünge entstehen jedoch häufig erst dann, wenn Unternehmen beginnen, Prozesse selbst neu zu gestalten. Ein klassischer Ablauf könnte beispielsweise aus fünf Übergaben zwischen unterschiedlichen Abteilungen bestehen, weil bestimmte Informationen traditionell nur dort verfügbar waren. Wenn ein KI-System dieselben Informationen zusammenführen, prüfen und vorbereiten kann, stellt sich plötzlich die Frage, ob diese Übergaben überhaupt noch notwendig sind.

Damit wird KI von einem persönlichen Werkzeug zu einem organisatorischen Faktor. Stellenbeschreibungen, Verantwortlichkeiten und Informationsflüsse beginnen sich zu verändern.

Genau darin liegt wahrscheinlich die tiefere Wirkung der Technologie: nicht darin, dass jeder Beschäftigte denselben Beruf mit einem KI-Assistenten ausführt, sondern darin, dass Unternehmen Arbeit neu zusammensetzen.

10. Agenten verschieben die Grenze erneut

Diese Entwicklung wird durch KI-Agenten noch verstärkt. Ein klassischer Assistent wartet darauf, dass ein Mensch eine konkrete Aufgabe formuliert. Ein agentisches System kann innerhalb definierter Grenzen dagegen mehrere Schritte selbst planen, Werkzeuge verwenden und Ergebnisse weiterverarbeiten.

Dadurch wird nicht mehr nur eine einzelne Tätigkeit automatisierbar, sondern möglicherweise eine Kette zusammenhängender Tätigkeiten. Ein Mitarbeiter muss dann nicht mehr jeden Zwischenschritt selbst auslösen. Er kann ein Ziel definieren, den Prozess überwachen und an wichtigen Punkten Entscheidungen treffen.

Damit verschiebt sich die menschliche Rolle weiter von Ausführung zu Steuerung. Diese Veränderung sollte allerdings nicht mit vollständiger Autonomie verwechselt werden. Fehler, Berechtigungen, Ausnahmefälle und Verantwortungsfragen bleiben bestehen.

Gerade in sensiblen Prozessen wird der Mensch deshalb wahrscheinlich nicht verschwinden, sondern an andere Stellen des Workflows rücken.

11. Nicht alle Beschäftigten werden gleichermaßen profitieren

Technologie verteilt Produktivitätsgewinne nicht automatisch gleichmäßig. Ein Mitarbeiter, dessen Unternehmen hochwertige KI-Systeme, gute Daten und klare Prozesse bereitstellt, arbeitet unter völlig anderen Bedingungen als jemand, der Zugang zu denselben Modellen hat, aber in einer schlecht digitalisierten Organisation tätig ist.

Auch zwischen Ländern bestehen erhebliche Unterschiede. Die ILO weist darauf hin, dass GenAI-Exposition in einkommensstarken Volkswirtschaften größer ist, weil dort mehr Beschäftigte in Büro- und Wissensberufen arbeiten. Gleichzeitig verfügen solche Länder häufig über bessere Voraussetzungen, um Technologie produktiv zu integrieren.^[1]

Damit kann dieselbe Technologie unterschiedliche Auswirkungen haben. In einer Organisation erhöht sie möglicherweise Produktivität und Löhne, in einer anderen reduziert sie Personalbedarf, während anderswo kaum etwas geschieht, weil Infrastruktur, Kompetenzen oder Kapital fehlen.

Die Zukunft der Arbeit wird deshalb nicht durch die Leistungsfähigkeit von KI allein bestimmt. Ebenso wichtig ist, wer Zugang zu dieser Leistungsfähigkeit hat und wie gut sie organisatorisch genutzt wird.

12. Prognosen über Millionen neue oder verlorene Jobs sind mit Vorsicht zu lesen

Kaum ein Thema produziert so spektakuläre Zahlen wie die Zukunft des Arbeitsmarkts.

Das World Economic Forum schätzt in seinem Future of Jobs Report 2025, dass verschiedene wirtschaftliche und technologische Makrotrends bis 2030 weltweit etwa 170 Millionen neue Stellen entstehen lassen und gleichzeitig rund 92 Millionen bestehende Stellen verdrängen könnten. Daraus ergäbe sich ein Nettozuwachs von ungefähr 78 Millionen Arbeitsplätzen.^[6]

Diese Zahlen werden häufig als Prognose über die Wirkung künstlicher Intelligenz zitiert. Das wäre jedoch irreführend. Der Bericht erfasst nicht nur KI, sondern unter anderem demografische Veränderungen, wirtschaftliche Entwicklungen, Digitalisierung, geökonomische Verschiebungen und Energietransformation. Zudem beruhen wesentliche Teile auf Erwartungen von mehr als tausend großen Arbeitgebern und sind deshalb eher als strukturierte Einschätzung möglicher Veränderungen zu lesen als als exakte Vorhersage des Arbeitsmarkts.^[6]

Solche Studien sind nützlich, um Richtung und Größenordnung erwarteter Veränderungen zu verstehen. Sie sollten jedoch nicht den Eindruck erzeugen, man könne heute bereits exakt ausrechnen, wie viele Stellen eine einzelne Technologie im Jahr 2030 schaffen oder vernichten wird.

13. Der Beruf der Zukunft könnte breiter statt enger werden

Industrialisierung und moderne Unternehmensorganisation führten in vielen Bereichen zu immer stärkerer Spezialisierung. Komplexe Aufgaben wurden auf verschiedene Berufsrollen verteilt, weil niemand gleichzeitig alle notwendigen Fachgebiete beherrschen konnte.

KI könnte einen Teil dieser Entwicklung umkehren. Wenn Software Menschen bei Recherche, Übersetzung, Analyse, Programmierung, Visualisierung und administrativer Arbeit unterstützt, kann ein einzelner Mitarbeiter wieder einen größeren Ausschnitt eines Prozesses bearbeiten.

Der Marketingmitarbeiter benötigt möglicherweise weniger externe Hilfe für einfache Datenanalysen. Der Unternehmer kann erste Finanzmodelle selbst strukturieren. Der Entwickler kann schneller Dokumentation und Benutzeroberflächen erstellen, während ein Analyst einfacher kleine Automatisierungen baut.

Die OpenAI-Daten über berufsfremde KI-Nutzung liefern einen frühen Hinweis auf diese Entwicklung.^[5]

Statt jeden Beruf lediglich effizienter zu machen, könnte KI deshalb manche Rollen breiter machen. Menschen werden nicht zwingend zu Experten in allen angrenzenden Disziplinen, können aber häufiger selbst bis zu jenem Punkt arbeiten, an dem spezialisierte Expertise tatsächlich notwendig wird.

14. Der eigentliche Wettbewerb könnte zwischen unterschiedlichen Arbeitsmodellen entstehen

Häufig wird gefragt, ob Menschen oder KI leistungsfähiger sein werden. Für Unternehmen dürfte eine andere Gegenüberstellung wichtiger werden: Mensch ohne KI gegen Mensch mit KI gegen neu gestaltetes Mensch-KI-System.

Die erste Stufe besteht darin, einzelne Mitarbeiter mit Werkzeugen auszustatten. Die zweite besteht darin, ihnen beizubringen, diese Werkzeuge sinnvoll zu nutzen. Die dritte beginnt erst dann, wenn Prozesse, Verantwortlichkeiten und Informationsflüsse an die neuen Möglichkeiten angepasst werden.

Gerade dort könnte der größte Unterschied entstehen. Ein Unternehmen, das KI lediglich zur schnelleren Erstellung derselben Dokumente nutzt, wird wahrscheinlich moderate Produktivitätsgewinne erzielen. Ein Konkurrent, der ganze Abläufe neu organisiert, könnte dagegen mit derselben Technologie deutlich andere Kostenstrukturen und Reaktionszeiten erreichen.

Die Zukunft der Arbeit wird deshalb nicht nur davon abhängen, welche Modelle verfügbar sind, sondern davon, welche Organisationen lernen, Arbeit um diese Modelle herum neu zu gestalten.

Arbeit verschwindet nicht einfach – ihr Wert wird neu verteilt

Die Debatte über KI und Arbeit wird häufig zwischen zwei Extremen geführt. Auf der einen Seite steht die Vorstellung eines bevorstehenden massenhaften Arbeitsplatzverlusts; auf der anderen die Behauptung, neue Technologien hätten historisch immer genügend neue Arbeit geschaffen und deshalb bestehe kein Grund zur Sorge. Beide Sichtweisen unterschätzen die eigentliche Transformation.

Bis 2026 ist großflächige Beschäftigungsverdrängung durch generative KI empirisch noch nicht klar sichtbar, während Veränderungen bei Aufgaben, Produktivität und Arbeitsorganisation bereits deutlich messbar sind.^[2]

Gleichzeitig befindet sich die Technologie weiterhin in schneller Entwicklung, sodass die heutige Evidenz nicht einfach auf die kommenden zehn Jahre extrapoliert werden kann. Wahrscheinlich wird ein erheblicher Teil der Veränderung zunächst innerhalb bestehender Berufe stattfinden. Bestimmte Tätigkeiten werden billiger, schneller oder vollständig automatisierbar; dadurch verschiebt sich menschliche Arbeit zu anderen Teilen des Prozesses.

Manche Stellen werden verschwinden, andere entstehen, und viele werden zwar denselben Namen behalten, aber im Alltag etwas anderes bedeuten als heute. Entscheidend ist dabei nicht allein, was künstliche Intelligenz technisch kann, sondern ebenso, wie Unternehmen auf diese Fähigkeiten reagieren, welche neuen Leistungen dadurch wirtschaftlich werden, wie Ausbildung organisiert wird und welche Tätigkeiten Menschen weiterhin besser oder verantwortungsvoller übernehmen können.

Die Zukunft der Arbeit wird deshalb vermutlich nicht durch einen einzelnen Moment definiert, in dem KI plötzlich Millionen Menschen ersetzt. Sie entsteht schrittweise – jedes Mal dann, wenn eine Aufgabe neu zwischen Mensch, Maschine und Organisation verteilt wird.