KI verändert nicht nur Arbeit – sie zwingt uns, sie neu zu definieren

KI nimmt uns nicht nur Arbeit ab. Sie nimmt uns etwas viel Grundsätzlicheres: die einfache Antwort auf die Frage „Was mache ich eigentlich?”

Bisher war das klar. Jobtitel, Rolle, Karriere – darüber haben wir uns definiert. Jetzt beginnt sich genau das aufzulösen.

Der eigentliche Wandel passiert nicht bei Jobs

Die meisten Diskussionen drehen sich um Arbeitsplätze: Welche Jobs verschwinden? Welche entstehen neu? Wie viel Produktivität bringt KI? Das greift zu kurz.

Der eigentliche Wandel passiert darunter – bei der Art, wie wir Arbeit überhaupt verstehen. Und um das zu begreifen, muss man verstehen, was Arbeit für die meisten Menschen jenseits des Einkommens bedeutet.

Warum Arbeit so viel mehr ist als Arbeit

Arbeit strukturiert Zeit. Sie gibt Rhythmus, Routine, soziale Zugehörigkeit. Sie schafft Status – nicht nur im Sinne von Ansehen, sondern im Sinne von Orientierung: Ich weiß, wer ich bin, weil ich weiß, was ich tue.

Das war nicht immer so. In vorindustriellen Gesellschaften war Arbeit eingebettet in Familie, Gemeinschaft, Jahreszeit. Mit der Industrialisierung entstand ein neues Modell: Arbeit als zentrale Identitätskategorie. Berufe wurden zu Lebensläufen, Berufsstand zu Klassenzugehörigkeit, Karriere zu Lebensnarrativ.

Diese Bindung von Identität an Tätigkeit ist historisch jung – und sie ist gerade dabei, zu erodieren. Nicht weil Menschen aufhören zu arbeiten, sondern weil die Tätigkeiten, auf die sie ihre Identität gebaut haben, zunehmend von Systemen übernommen werden, die keine Identität brauchen.

Drei Ebenen von Arbeit

Der Ökonom David Autor (MIT) hat in seiner Forschung zu Arbeitsmärkten eine wichtige Unterscheidung etabliert: Nicht Jobs verschwinden, sondern Aufgaben. Und nicht alle Aufgaben gleichermaßen – sondern vor allem die routinemäßigen kognitiven Tätigkeiten, die den Kern vieler Bürojobs ausmachen.

Man kann das in drei Ebenen ordnen.

Erkennen – was ist. Daten analysieren, Muster sehen, Dinge einordnen. Ein Radiologe, der Röntgenbilder auswertet. Ein Analyst, der Marktdaten sichtet. Ein Moderator, der Kommentare bewertet. KI ist hier bereits besser als Menschen – schneller, ausdauernder, ohne Ermüdung. Stanford-Forscher haben gezeigt, dass KI-Systeme bei der Erkennung bestimmter Krebsarten aus Bildmaterial die Fehlerrate von Radiologen um 40 Prozent unterschreiten. Der menschliche Vorteil auf dieser Ebene: keiner mehr.

Anwenden – wie es geht. Bekannte Lösungen auf bekannte Probleme übertragen. Code nach bewährten Mustern schreiben. Verträge nach Vorlagen erstellen. Texte nach SEO-Richtlinien optimieren. Kampagnen nach Best Practices aufsetzen. Dieser Teil ist der größte – er umfasst nach Schätzungen von McKinsey etwa 30 bis 40 Prozent aller Arbeitsstunden in Hochlohnländern. Und er wird gerade massiv automatisiert – nicht in Jahrzehnten, sondern in diesem Jahrzehnt.

Erschaffen – was neu ist. Fragen stellen, die noch niemand gestellt hat. Ansätze entwickeln, für die es keine Vorlage gibt. Disziplinen so kombinieren, dass etwas entsteht, das es vorher nicht gab. Hier ist die Grenze noch nicht gefallen – aber sie ist poröser als viele glauben. Aktuelle Modelle erzeugen Neues auf der Grundlage von allem Bekannten. Das ist nicht dasselbe wie Originäres – aber der Unterschied wird kleiner.

Der kritische Punkt: Ein großer Teil heutiger Jobs liegt in den ersten beiden Ebenen. Und genau die werden wegautomatisiert.

Was die Daten tatsächlich zeigen

Theorie ist das eine. Was passiert gerade wirklich?

Anthropic hat erstmals reale Nutzungsdaten ausgewertet – nicht was KI theoretisch könnte, sondern wie sie tatsächlich eingesetzt wird. Das Ergebnis zeigt eine Lücke, die kleiner wirkt als sie ist.

Theoretisch könnte KI in technischen und mathematischen Berufen rund 94 Prozent der Aufgaben übernehmen. Tatsächlich passiert das aktuell bei rund 33 Prozent – eine Lücke von 61 Prozentpunkten.

Das liegt nicht an fehlenden Fähigkeiten. Sondern an Integration, Regulierung, fehlenden Prozessen, notwendiger menschlicher Kontrolle. Dieser Gap schützt aktuell Jobs. Aber er ist nicht stabil.

Wer am stärksten exponiert ist

Die Daten zeigen, welche Berufe am stärksten betroffen sind – interessanterweise nicht immer die, die intuitiv zuerst fallen würden:

Programmierer: rund 75 Prozent der Aufgaben potenziell automatisierbar
Customer Support: rund 70 Prozent
Dateneingabe: rund 67 Prozent
Marketing und Analyse: rund 65 Prozent
Finanzen, QA, Security: 50 bis 60 Prozent

Wenig betroffen: handwerkliche, physische Berufe. Das Muster ist klar – Wissensarbeit ist stärker exponiert als manuelle Arbeit. Und besonders gut bezahlte, akademische Jobs sind es am stärksten.

Der Arbeitsmarkt-Effekt, der wenig beachtet wird

Bisher gibt es noch keinen messbaren Anstieg der Arbeitslosigkeit durch KI-Automatisierung. Das wird oft als Entwarnung interpretiert. Es ist aber keine vollständige.

In besonders exponierten Berufen sinken die Neueinstellungen bei 22- bis 25-Jährigen um rund 14 Prozent. Jobs verschwinden nicht sofort – aber der Einstieg wird schwieriger. Die Kontraktion beginnt am Rand, nicht in der Mitte.

Dario Amodei schätzt, dass bis zu 50 Prozent der Entry-Level-Stellen mittelfristig wegfallen könnten. Das Bild, das sich daraus ergibt: Bestehende Jobs sind noch relativ sicher. Neue Stellen in denselben Bereichen entstehen deutlich seltener.

👉 Der aktuelle Job ist relativ sicher. Der nächste vielleicht nicht mehr.

Warum sich das trotzdem wie ein persönliches Problem anfühlt

Ökonomisch ist das nichts Neues. Technologie hat schon immer Arbeit verändert. Aber diesmal trifft es etwas anderes: unsere Identität.

Wir sind es gewohnt, uns über Arbeit zu definieren. „Ich bin Entwickler.” „Ich arbeite im Marketing.” „Ich bin Jurist.” Wenn genau diese Tätigkeiten verschwinden oder austauschbar werden, bleibt eine Lücke – nicht nur im Lebenslauf, sondern im Selbstbild.

Der Soziologe Richard Sennett hat das in seinem Buch The Corrosion of Character schon für die flexibilisierte Arbeitswelt der 1990er-Jahre beschrieben: Wenn Tätigkeiten kurzlebig werden, verlieren Menschen die Grundlage für langfristige Identitätsbildung. Das, was er für eine Generation beschrieb, vollzieht sich jetzt in fünf Jahren.

Denn das ist der entscheidende Unterschied zu früheren Umbrüchen: die Geschwindigkeit.

Die Industrialisierung verdrängte Handwerk und Landwirtschaft – aber über etwa 100 Jahre. Die Elektrifizierung reorganisierte Produktion und Büroarbeit – in 40 bis 50 Jahren. Die Digitalisierung veränderte Kommunikation, Wissensarbeit, Handel – in etwa 30 Jahren, und selbst das war für viele zu schnell.

Zwischen „KI unterstützt mich” und „KI ersetzt mich” liegen nicht 30 Jahre, sondern vielleicht fünf. Menschen können sich biologisch und sozial nicht in diesem Tempo anpassen. Das ist kein psychologisches Versagen – es ist eine strukturelle Überforderung.

Die konstruktive Perspektive

Das klingt zunächst wie ein Problem. Ist es auch – wenn man am alten Modell festhält.

Aber viele Jobs waren schon vorher nicht das, was Menschen eigentlich ausmacht. Sie waren oft Wiederholung, Optimierung bestehender Systeme, Abarbeiten bekannter Muster. KI nimmt uns genau das ab – und zwingt uns damit, uns auf etwas anderes zu konzentrieren: Was erschaffe ich eigentlich?

Das ist unbequem, weil es keine fertige Antwort gibt. „Ich bin Entwickler” ist präzise. „Ich schaffe Lösungen für Probleme, die noch keine Vorlage haben” ist vage, situativ, kontextabhängig. Es erfordert mehr Selbstreflexion – und mehr Toleranz für Unsicherheit.

Aber genau das ist die Fähigkeit, die in einer KI-geprägten Arbeitswelt wertvoll wird.

Der eigentliche Shift

Die Verschiebung geht von Rolle zu Beitrag, von Jobtitel zu Wirkung, von Ausführen zu Gestalten.

Nicht mehr: „Ich bin Entwickler.” Sondern: „Ich baue Lösungen für Probleme, die so noch nicht gelöst sind.” Das klingt abstrakt, ist aber konkret spürbar – mehr Experimentieren, mehr Kombination von Disziplinen, weniger klare Grenzen zwischen Berufen.

Unternehmen spüren das bereits. Die gefragtesten Profile in Tech-Unternehmen sind keine reinen Spezialisten mehr, sondern Menschen, die Domänenwissen mit KI-Kompetenz und strategischem Denken verbinden. Nicht weil Spezialisierung wertlos geworden wäre – sondern weil sie allein nicht mehr ausreicht.

Warum Europa hier eine besondere Rolle hat

Der Wandel passiert nicht im luftleeren Raum. Gerade in Europa kommen zusätzliche Faktoren dazu: starke Regulierung durch den AI Act, Abhängigkeit von US-Modellen, vorsichtigere politische Entscheidungen und ein Arbeitsmarkt, der strukturell langsamer auf Disruption reagiert als in den USA oder Asien.

Das bremst Innovation teilweise aus. Kann aber auch stabilisieren. Während andere Märkte schneller skalieren, könnte Europa gezwungen sein, bewusster mit KI umzugehen – mehr gesellschaftliche Aushandlung über Einsatzgrenzen, stärkere Forderungen nach Nachvollziehbarkeit, weniger Winner-takes-all-Dynamik.

Das ist langsamer. Aber es schafft Raum für etwas, das in rein auf Geschwindigkeit optimierten Systemen verloren geht: die Frage, welche Arbeit wir eigentlich wollen. Nicht nur welche KI übernehmen kann.

Was jetzt konkret zählt

Wenn sich Arbeit verschiebt, verschiebt sich auch das, was relevant ist.

Lernfähigkeit vor Toolkenntnissen. Wer heute nur lernt, wie man ein bestimmtes Modell prompts, lernt das Falsche. Tools ändern sich schnell – die Fähigkeit, mit neuen Werkzeugen umzugehen, bleibt. Das ist ein Unterschied zwischen Kompetenz und Wissen.

Schnittstellen als Arbeitsort. Die interessantesten Probleme entstehen dort, wo Disziplinen aufeinandertreffen. Ein Mediziner, der KI-Systeme versteht. Eine Juristin, die Automatisierung bewertet. Ein Ingenieur, der über Nutzbarkeit nachdenkt. Nicht weil Spezialisierung irrelevant wird – sondern weil reine Spezialisierung allein nicht mehr ausreicht.

Eigene Fragen entwickeln. KI ist sehr gut darin, gegebene Fragen zu beantworten. Sie ist schlechter darin, die richtigen Fragen zu stellen. Wer lernt, Probleme zu formulieren, die es noch nicht gibt, arbeitet an dem, was Modelle schlecht können – und was deshalb wertvoller wird.

Identität von Tätigkeit entkoppeln. Das ist vielleicht die unbequemste Forderung. Wer seine Identität vollständig an eine Tätigkeit hängt, die KI übernehmen kann, verliert nicht nur einen Job. Er verliert die Antwort auf eine grundlegendere Frage. Der Ausweg ist nicht, keine Identität in Arbeit zu suchen – sondern eine robustere Grundlage dafür zu entwickeln: was man beiträgt, nicht nur was man tut.

Einordnung

KI wird viele Aufgaben übernehmen. Wahrscheinlich mehr, als uns aktuell angenehm ist. Aber sie nimmt uns nicht die Möglichkeit, sinnvoll zu arbeiten. Sie nimmt uns nur die bequeme Definition davon.

Die Frage „Was bin ich?” war in einer stabilen Berufswelt leicht zu beantworten. In einer, die sich alle fünf Jahre grundlegend verschiebt, ist sie eine dauerhafte Herausforderung – aber auch eine dauerhafte Einladung.

Zum ersten Mal seit langer Zeit reicht es nicht mehr zu sagen, was man ist. Man muss sagen, was man schafft.

Und genau darin liegt die Chance.