Sie haben wahrscheinlich schon zwei Arten von Geschichten über KI im Job gelesen. In der einen übernimmt KI ganze Berufe. In der anderen ist sie ein teures Spielzeug, das Fakten verdreht. Im Arbeitsalltag sieht der Wandel anders aus als in beiden. Eine Vertriebsmitarbeiterin verkauft weiterhin, ein Servicemitarbeiter hilft weiterhin Kunden. Aber die Recherche vor einem Anruf, der erste Entwurf einer E-Mail und die Notizen nach einem Meeting beginnen sich deutlich zu verändern.
Dieser Artikel ist Teil 1 von Level 0, dem Einstieg in unseren Lernpfad AI Work. Sie brauchen kein technisches Vorwissen. Sie lernen, einen Beruf als Bündel von Aufgaben zu sehen, welche Aufgaben KI heute unterstützt, was bei Menschen bleibt und welche Ergebnisse Sie realistisch erwarten können.
Ein Beruf ist ein Bündel von Aufgaben
Eine Berufsbezeichnung ist nur ein Etikett. Dahinter stehen viele verschiedene Aufgaben. Nehmen Sie eine Servicekraft im Kundendienst. An einem Tag beantwortet sie immer wieder dieselben Fragen, schlägt Bestellungen nach, schreibt Antworten, fasst lange Fälle für Kollegen zusammen, beruhigt eine verärgerte Kundin und entscheidet, ob jemand Geld zurückbekommt.
KI wirkt nicht auf alle diese Aufgaben gleich. Manche erledigt sie in Sekunden. Manche kann sie für Sie vorbereiten. Und manche kann sie gar nicht übernehmen, weil sie Vertrauen, Urteilsvermögen oder eine Person brauchen, die Verantwortung trägt.
Deshalb schauen Forschende, die KI und Arbeit untersuchen, auf Aufgaben statt auf Berufsbezeichnungen. 2023 hat die Internationale Arbeitsorganisation (ILO) der Vereinten Nationen die Aufgaben in einer großen Zahl von Berufen bewertet. Ihr Ergebnis: Generative KI — KI, die auf eine Anweisung hin neue Texte, Bilder oder Töne erzeugt — wird eher Teile von Berufen verändern, als ganze Berufe zu ersetzen. Bürokräfte, etwa in der Verwaltung, waren die Gruppe mit den mit Abstand am stärksten betroffenen Aufgaben (Quelle: ILO, Generative AI and Jobs, Working Paper 96, 2023, ilo.org).
Vier Arten von Aufgaben, bei denen KI hilft
Das meiste, was KI bei der Arbeit leistet, fällt in vier Arten von Aufgaben. Diese Aufgaben haben drei Dinge gemeinsam: Es geht um viel Text oder viele Daten, sie folgen Mustern, und ein Mensch kann das Ergebnis schnell prüfen.
| Art der Aufgabe | Was die KI macht | Beispiel aus dem Arbeitsalltag |
|---|---|---|
| Entwerfen | Schreibt eine erste Fassung, die Sie dann bearbeiten | Eine erste E-Mail an einen neuen Lead; drei Varianten eines Anzeigentexts |
| Zusammenfassen | Verdichtet lange Inhalte auf das Wesentliche | Notizen nach einem Verkaufsgespräch; der Verlauf eines langen Supportfalls |
| Sortieren | Ordnet Eingänge Kategorien zu und leitet sie weiter | Eingehende E-Mails nach Thema und Dringlichkeit; Rechnungen nach Lieferant |
| Beantworten | Antwortet auf häufige Fragen aus freigegebenen Inhalten | Ein Chatbot, der „Wo ist meine Bestellung?“ beantwortet |
Das Wort „freigegeben“ in der letzten Zeile ist wichtig. Ein Chatbot antwortet gut, wenn er auf Ihre aktuellen Hilfeseiten und Bestelldaten zugreift. Ohne sie rät er. Teil 4 dieses Levels erklärt, warum KI gute Unternehmensdaten braucht.
Achten Sie auch darauf, was nicht in der Tabelle steht: dass die KI entscheidet. In jeder Zeile entscheidet weiterhin ein Mensch oder eine klare Regel, was mit dem Ergebnis geschieht.
Was beim Menschen bleibt
Drei Dinge bleiben menschliche Arbeit, auch wenn KI einen großen Teil der Routine übernimmt.
- Urteil. Bekommt ein treuer Kunde eine Ausnahme? Lohnt sich bei diesem Lead ein Anruf? Solche Entscheidungen wägen Fakten, Zusammenhänge und Ziele ab. KI kann Argumente auflisten, aber sie kennt Ihre Prioritäten nicht, solange Sie sie ihr nicht nennen. Und sie kann die Folgen nicht tragen.
- Beziehungen. Kunden und Partner vertrauen Menschen. Eine schwierige Verhandlung, eine Entschuldigung nach einem ernsten Fehler oder ein Gespräch mit einer verärgerten Kundin braucht jemanden, der zuhört und meint, was er sagt.
- Verantwortung. Wenn etwas schiefgeht, muss jemand dafür einstehen. Ein Tool kann das nicht. Ihr Unternehmen ist verantwortlich für das, was seine KI Kunden sagt, und Sie sind verantwortlich für das, was Sie verschicken. Teil 5 dieses Levels macht daraus Grundregeln für KI am Arbeitsplatz.
Daraus folgt eine einfache Regel: Lassen Sie die KI den ersten Durchgang machen, und behalten Sie selbst das letzte Wort.
Beispiele aus fünf Abteilungen
Dasselbe Muster wiederholt sich im ganzen Unternehmen. Die Tabelle zeigt typische Beispiele für jede Abteilung. Teil 2 dieses Levels zeichnet die ganze Landkarte der Abteilungen, mit den Daten, die jede von ihnen braucht.
| Abteilung | KI unterstützt | Bleibt beim Menschen |
|---|---|---|
| Vertrieb | Firmen recherchieren, erste E-Mails entwerfen, Gesprächsnotizen schreiben | Vertrauen aufbauen, verhandeln, über Rabatte entscheiden |
| Kundenservice | Routinefragen beantworten, Anfragen sortieren, Antworten vorschlagen | Beschwerden klären, Ausnahmen machen |
| Marketing | Texte und Anzeigenvarianten entwerfen, Kampagnenergebnisse auswerten | Die Botschaft wählen, Veröffentlichungen freigeben |
| E-Commerce | Produkttexte schreiben, Gebote für Anzeigen anpassen, Lagerbestand prognostizieren | Sortiment und Lieferanten wählen, die Preisstrategie festlegen |
| Analyse und Betrieb | Berichte erstellen, auffällige Zahlen erkennen, Dokumente auslesen | Ergebnisse deuten, Zahlen freigeben |
Die Softwareanbieter haben darauf reagiert. Unser Tool-Vergleich für AI Work führt derzeit 46 Tools, sortiert nach diesen Abteilungen.
Viele dieser Tools sind Unternehmenssoftware mit KI-Funktionen, etwa ein Helpdesk oder eine Analyse-Plattform, und keine Produkte, die von Grund auf um KI herum gebaut sind. Hier sind drei Beispiele aus verschiedenen Abteilungen: Kundenservice, Vertriebsrecherche und Berichte. Jede Karte führt zum Eintrag des Tools in unserem Vergleich:
Kurzbeschreibungen aus unserem Tool-Vergleich, nach Angaben der Anbieter — nicht von ABXK getestet.
Was Sie realistisch erwarten können
Wie viel hilft KI also wirklich? Zwei bekannte Studien geben ein realistisches Bild.
Die erste stammt aus einem Kundensupport-Center. Forschende werteten Daten von 5.179 Supportkräften aus; ein Teil von ihnen bekam einen KI-Assistenten, der im Chat Antworten vorschlug. Mit dem Assistenten lösten die Supportkräfte im Schnitt 14 Prozent mehr Kundenanliegen pro Stunde. Neue und weniger geübte Kräfte profitierten am meisten, um etwa 34 Prozent. Bei den erfahrensten und geübtesten Kräften war der Effekt minimal (Quelle: Brynjolfsson, Li und Raymond, Generative AI at Work, NBER Working Paper 31161, 2023, nber.org).
Die zweite Studie begleitete 758 Beraterinnen und Berater der Boston Consulting Group bei realistischen Aufgaben, einige mit Zugang zu GPT-4, andere ohne. Bei Aufgaben, die die KI gut beherrschte, erledigten die Berater mit KI 12,2 Prozent mehr Aufgaben und arbeiteten 25,1 Prozent schneller, und die Qualität ihrer Ergebnisse wurde um mehr als 40 Prozent höher bewertet. Bei einer Aufgabe außerhalb der Fähigkeiten der KI fanden die Berater mit KI dagegen seltener die richtige Antwort als die ohne. Die Forschenden nennen diese ungleichmäßige Grenze eine „zerklüftete Grenze“ (jagged frontier) (Quelle: Dell’Acqua et al., Navigating the Jagged Technological Frontier, Harvard Business School Working Paper 24-013, 2023, hbs.edu).
Daraus folgen drei Lehren für Ihre eigenen Erwartungen:
- Die Gewinne sind echt, aber ungleich verteilt. Am größten sind sie bei Routineaufgaben und bei Menschen, die neu in einer Tätigkeit sind.
- KI kann Ergebnisse verschlechtern. Bei Aufgaben, die sie nicht gut beherrscht, klingen ihre Antworten trotzdem überzeugend. Wo die Grenze verläuft, sehen Sie vorher oft nicht.
- Testen Sie mit Ihren eigenen Aufgaben. Ob KI Ihnen hilft, erfahren Sie zuverlässig nur, wenn Sie sie an echter Arbeit ausprobieren und die Ergebnisse prüfen.
Ein Überblick der Internationalen Arbeitsorganisation (ILO) von 2026 über Experimente, Unternehmensdaten, Plattformstudien und neue Umfragen aus sieben Ländern bestätigt dieses Bild im Großen. Die Produktivitätsgewinne sind real, aber oft nicht belegt und ungleich verteilt. Die Zeitersparnis, die Beschäftigte angeben – einige Prozent ihrer Arbeitszeit –, zeigt sich bisher weder in der gemessenen Leistung noch bei Löhnen oder Beschäftigung, und großflächiger Stellenabbau bleibt bislang begrenzt. Größere Risiken sieht der Bericht in wachsender Ungleichheit und weniger Chancen für jüngere Beschäftigte sowie in Veränderungen der Arbeitsorganisation: Koordination, Selbstbestimmung und Arbeitsqualität (Quelle: Merola et al., The impact of GenAI on jobs, productivity and work organization, ILO-Forschungsbericht, Juni 2026, ilo.org).
Übung: Zerlegen Sie Ihren eigenen Beruf in Aufgaben
Wenden Sie die Idee jetzt auf Ihre eigene Arbeit an. Das dauert etwa 20 Minuten und ergibt eine persönliche Landkarte, wo KI Ihnen helfen kann.
- Listen Sie zehn Aufgaben auf aus Ihrer letzten Arbeitswoche. Seien Sie konkret: „Lieferfragen per E-Mail beantworten“ ist besser als „Kundenkontakt“.
- Ordnen Sie jede Aufgabe zu: einer der vier Arten — entwerfen, zusammenfassen, sortieren, beantworten — oder „Mensch“, wenn sie Urteil, eine Beziehung oder Ihre Verantwortung braucht.
- Notieren Sie, wie oft sie vorkommt und was passiert, wenn das Ergebnis falsch ist.
- Wählen Sie eine Aufgabe für den ersten Versuch: häufig, mit wenig Risiko und für Sie leicht zu prüfen.
Hier ein Beispiel-Arbeitsblatt für eine Vertriebsassistenz:
| Aufgabe | Wie oft | Art | Risiko bei Fehlern | Zuerst testen? |
|---|---|---|---|---|
| Ein Unternehmen vor einem Anruf recherchieren | Täglich | Zusammenfassen | Gering — Sie prüfen vor dem Anruf | Ja |
| Nachfass-E-Mails nach Terminen schreiben | Täglich | Entwerfen | Mittel — geht an den Kunden | Ja, mit Prüfung |
| Neue Anfragen nach Produkt sortieren | Wöchentlich | Sortieren | Gering | Später, als Automatisierung |
| Einen Rabatt mit einem Großkunden vereinbaren | Monatlich | Mensch | Hoch | Nein |