Das Paradox, über das niemand spricht

Die BCG-Studie „AI at Work“ 2025 mit 10.600 Beschäftigten in 11 Ländern zeigt: Die KI-Nutzung bei operativen Mitarbeitenden ist bei 51 % stehengeblieben. Nicht gesunken. Stehengeblieben. BCG nennt das eine „Silicon Ceiling“, eine Art gläserne Decke der KI-Nutzung.

Gleichzeitig zeigt die PwC „Global Workforce Hopes and Fears Survey“ 2025 mit knapp 50.000 Befragten: Mitarbeitende sind häufiger begeistert von KI (34 %) als verunsichert (20 %). Sie wollen mit den Tools arbeiten. Sie wollen den Wandel.

Warum stagniert die Nutzung dann?

Weil niemand die einzige Frage beantwortet hat, auf die es ankommt: Was ist mein Job jetzt eigentlich?

Unternehmen reagieren auf dieses Signal mit KI-Schulungen. Prompt-Engineering-Kursen. Lunch-and-Learn-Sessions zu Transformer-Architekturen. Gut gemeint. Wirkung nahezu null. Das Problem war nie fehlendes Wissen. Es war die fehlende Rollenklarheit.

Diagnose: Warum KI-Schulungsprogramme scheitern

Die Branche für betriebliche Weiterbildung arbeitet bei jedem Technologiewechsel nach demselben Muster. Curriculum erstellen. Teilnahme zertifizieren. Kennzahlen an Vorstand oder Geschäftsleitung melden. Weiter zum nächsten Thema.

Es funktioniert nicht. Die McKinsey-Studie „State of AI“ 2025 zeigt: Nur 39 % der Unternehmen melden unternehmensweite EBIT-Wirkung durch KI, obwohl 88 % bereits von einer Form der KI-Einführung berichten. Die Kluft zwischen dem Einführen von Tools und dem tatsächlichen Wertbeitrag ist enorm — und Schulung allein hat sie nicht geschlossen.

Die BCG-Daten schärfen das Bild. Wo Führungskräfte deutliche Rückendeckung für KI zeigen, steigt die positive Haltung operativer Mitarbeitender gegenüber KI von 15 % auf 55 %. Aber nur ein Viertel der operativen Mitarbeitenden gibt an, diese Rückendeckung zu erhalten. Der Engpass ist nicht Kompetenz. Es ist Kontext.

Drei Muster erklären, warum:

Schulung ohne Kontext. Eine Analystin absolviert einen Prompt-Engineering-Kurs und kehrt in einen Workflow zurück, in dem niemand benannt hat, welche Aufgaben von KI profitieren. Innerhalb von Wochen verfallen ihre neuen Fähigkeiten. Die BCG-Daten bestätigen, wie verbreitet dieses Muster ist — Fähigkeiten ohne Rollenkontext verfallen schnell.

Schulung ohne Erlaubnis. Eine Mitarbeiterin beginnt, mit GPT-4 für Kundenbriefings zu experimentieren — und stellt dann fest: Es gibt keine Richtlinie zur zulässigen Nutzung, kein Qualitätsframework zur Bewertung von KI-Outputs, keinen Rückhalt, wenn eine halluzinierte Statistik beim Kunden landet. Sie hört auf. Leise.

Schulung ohne Rollendesign. Ein Sachbearbeiter entwickelt echte Kompetenz im Umgang mit KI-Tools. Seine Stellenbeschreibung, seine Leistungskennzahlen und sein täglicher Workflow bleiben unverändert. Er bearbeitet Vorgänge etwas schneller. Das Unternehmen verbucht marginale Produktivitätsgewinne und wundert sich, warum der ROI enttäuscht.

Alle drei haben dieselbe Wurzel: Das Unternehmen hat die Tools ausgetauscht, ohne die Arbeit zu verändern.

%%{init: {'theme': 'base', 'themeVariables': {'primaryColor': '#1a2540', 'primaryTextColor': '#ffffff', 'primaryBorderColor': '#00d4ff', 'lineColor': '#ffffff', 'background': '#0a0f1e', 'mainBkg': '#1a2540', 'nodeBorder': '#00d4ff', 'edgeLabelBackground': '#0a0f1e'}}}%%
flowchart TD
    T["KI-Schulungsprogramm"] --> S1["Fähigkeiten erworben"]
    S1 --> C1{"Rolle neu gestaltet?"}
    C1 -->|"Nein"| F1["Fähigkeiten verfallen – kein Kontext zur Anwendung"]
    C1 -->|"Ja"| C2{"Erlaubnis, KI zu nutzen?"}
    C2 -->|"Nein"| F2["Experimentieren stoppt – keine Richtlinie"]
    C2 -->|"Ja"| C3{"Workflow geändert?"}
    C3 -->|"Nein"| F3["Marginale Gewinne – gleicher Job, schneller"]
    C3 -->|"Ja"| S2["Dauerhafte Nutzung – neue Rolle, neuer Wert"]
    style T fill:#1a2540,color:#00d4ff,stroke:#00d4ff
    style S1 fill:#1a2540,color:#ffffff,stroke:#00d4ff
    style C1 fill:#1a2540,color:#ffffff,stroke:#ffffff
    style C2 fill:#1a2540,color:#ffffff,stroke:#ffffff
    style C3 fill:#1a2540,color:#ffffff,stroke:#ffffff
    style F1 fill:#2a1a1a,color:#ff6b6b,stroke:#ff4444
    style F2 fill:#2a1a1a,color:#ff6b6b,stroke:#ff4444
    style F3 fill:#2a1a1a,color:#ff6b6b,stroke:#ff4444
    style S2 fill:#0a2a1e,color:#00ff88,stroke:#00ff88

Der Perspektivwechsel: Was uns Organisationsökologie über Rollenprofile für KI lehrt

Ökologen kennen das Konzept der Nischenkonstruktion. Organismen passen sich nicht nur an ihre Umwelt an — sie verändern sie aktiv, und damit verändert sich auch, was es heißt, dort zu gedeihen. Biber bauen Dämme. Regenwürmer strukturieren die Bodenchemie um. Die Umwelt ändert sich, und die Rolle jeder Art in diesem Ökosystem ändert sich mit.

KI konstruiert Nischen. Sie hat das Informationsumfeld in jedem Unternehmen grundlegend verändert. Die Frage ist nicht, ob Mitarbeitende lernen können, KI-Tools zu nutzen — die meisten können das, ziemlich schnell. Die Frage ist, ob das Unternehmen neu definiert hat, was es heißt, in dieser veränderten Umgebung zu gedeihen.

Schulung ist Anpassung. Rollendesign definiert die Nische neu.

Die „AI High Performers“ von McKinsey — die rund 6 % der Unternehmen, die mehr als 5 % ihres EBIT aus KI generieren — setzen nicht einfach auf bessere Schulungen. Sie gestalten beim KI-Einsatz dreimal so häufig die Workflows fundamental neu. Sie definieren zuerst die Nische und helfen ihren Mitarbeitenden dann, sie auszufüllen.

Dieser Perspektivwechsel ist deshalb wichtig, weil sie verändert, was Führungskräfte priorisieren. Hören Sie auf zu fragen: „Wie bringen wir die Menschen dazu, KI zu nutzen?“ Fragen Sie stattdessen: „Wie sieht jede Rolle in einer Umgebung aus, in der KI existiert?“ Die erste Frage führt zu Schulungsbudgets. Die zweite führt zu Rollendesign im Operating Model.

Das Framework für Rollendesign

Rollenprofile für KI zu gestalten ist kein einmaliges Projekt. Es ist eine kontinuierliche operative Disziplin. Vier Schritte — jeder schwerer als der vorige.

Schritt 1: Dekomposition auf Aufgabenebene

Jede Rolle ist ein Bündel von Aufgaben. Manche sind Routine, manche erfordern Urteilsvermögen, manche sind kreativ. Bilden Sie sie explizit ab. Gartner prognostiziert, dass KI bis 2029 jährlich 32 Millionen Jobs neu zuschneiden wird — rund 150.000 Jobs mit höheren Qualifikationsanforderungen und 70.000 grundlegend neu zugeschnittene Rollen pro Tag. Unternehmen, die vor der Einführung von KI-Tools auf Aufgabenebene dekomponieren, kommen dieser Welle zuvor, statt von ihr mitgerissen zu werden.

Fragen Sie nicht: „Kann KI diesen Job erledigen?“ Fragen Sie: „Welche konkreten Aufgaben innerhalb dieses Jobs sollte KI übernehmen, welche der Mensch verantworten, und welche erfordern Zusammenarbeit?“

Schritt 2: Die Arbeit kategorisieren

Von KI übernommene Aufgaben: Erstentwürfe, Mustererkennung in großen Datensätzen, Terminplanung, Zusammenfassungen, routinemäßige Compliance-Prüfungen. An KI delegiert, mit menschlicher Aufsicht an definierten Checkpoints.

Vom Menschen verantwortete Aufgaben: Stakeholder-Beziehungen, ethisches Urteilen, kreative Strategie, Entscheidungen unter Unsicherheit, Ausnahmebehandlung. Diese werden zum Kern des neuen Rollenprofils — nicht zum Anhängsel.

Gemeinsam verantwortete Aufgaben: KI generiert Optionen, Menschen wählen aus. KI analysiert, Menschen interpretieren. KI überwacht, Menschen greifen ein. Das erfordert ein explizites Workflow-Design: Wer macht was, wann, und wie funktionieren die Übergaben?

Schritt 3: Leistungskennzahlen neu definieren

Hier bleiben die meisten Neugestaltungen hängen. Wenn Sie die Arbeit neu zuschneiden, aber nach dem alten Schema messen, haben Sie nichts geändert.

Verschiebt sich die Rolle einer Sachbearbeiterin in der Schadenregulierung von Bearbeitungsmenge zur Beurteilung von Ausnahmefällen, sollten Sie Urteilsqualität und Auflösungsrate von Anomalien messen. Nicht den Durchsatz. Eine Marketing-Managerin, die KI-generierte Kampagnen orchestriert, sollte an Kampagnenergebnissen gemessen werden. Nicht an erstellten Artefakten.

Ich bin mir nicht sicher, ob die meisten HR-Funktionen darauf vorbereitet sind. Performance-Management-Systeme sind tief verankert. Sie zu ändern ist politisch schwerer, als KI-Tools auszurollen. Aber ohne diesen Schritt ist Rollendesign nur eine Stellenbeschreibung, die auf dem Papier angepasst wurde.

Schritt 4: Die unterstützende Infrastruktur bauen

Neu definierte Rollenprofile brauchen Infrastruktur, die die meisten Unternehmen noch nicht aufgebaut haben: nach Funktion kuratierte Prompt-Bibliotheken, Qualitätsframeworks zur Bewertung von KI-Outputs, Eskalationspfade für KI-Ausfälle, Peer-Communities, in denen geteilt wird, was funktioniert. Ohne das fallen Mitarbeitende innerhalb eines Monats in alte Gewohnheiten zurück.

%%{init: {'theme': 'base', 'themeVariables': {'primaryColor': '#1a2540', 'primaryTextColor': '#ffffff', 'primaryBorderColor': '#00d4ff', 'lineColor': '#ffffff', 'background': '#0a0f1e', 'mainBkg': '#1a2540', 'nodeBorder': '#00d4ff', 'edgeLabelBackground': '#0a0f1e'}}}%%
graph LR
    subgraph BEFORE ["Vorher: Generische Rolle"]
        direction TB
        B1["Vorgänge bearbeiten"]
        B2["Daten erfassen"]
        B3["Dokumente prüfen"]
        B4["Ausnahmen behandeln"]
        B5["Berichte schreiben"]
    end
    subgraph AFTER ["Nachher: Rolle im KI-Zeitalter"]
        direction TB
        A1["KI: Bearbeiten + Erfassen + Prüfen"]
        A2["Mensch: KI-Qualität überwachen"]
        A3["Mensch: Ausnahmen beurteilen"]
        A4["Mensch: Beziehungsentscheidungen"]
        A5["Neu: KI trainieren + verbessern"]
    end
    BEFORE -->|"Rollendesign"| AFTER
    style BEFORE fill:#2a1a1a,color:#ffaaaa,stroke:#ff4444
    style AFTER fill:#0a2a1e,color:#aaffaa,stroke:#00ff88
    style B1 fill:#1a2540,color:#ffffff,stroke:#ff6b6b
    style B2 fill:#1a2540,color:#ffffff,stroke:#ff6b6b
    style B3 fill:#1a2540,color:#ffffff,stroke:#ff6b6b
    style B4 fill:#1a2540,color:#ffffff,stroke:#ffb347
    style B5 fill:#1a2540,color:#ffffff,stroke:#ff6b6b
    style A1 fill:#1a2540,color:#00d4ff,stroke:#00d4ff
    style A2 fill:#1a2540,color:#ffffff,stroke:#00ff88
    style A3 fill:#1a2540,color:#ffffff,stroke:#00ff88
    style A4 fill:#1a2540,color:#ffffff,stroke:#00ff88
    style A5 fill:#1a2540,color:#ffffff,stroke:#ffb347

Anwendung: Wie Rollendesign in der Praxis aussieht

Zwei öffentliche Beispiele — eines als Warnung, eines als Erfolg — zeigen, warum Rollendesign wichtiger ist als Schulung.

Klarna: erst Schulung, dann Kurskorrektur. Klarna ersetzte 700 Mitarbeitende im Kundenservice durch KI und behandelte den Wandel als reines Tool- und Effizienzthema. Die KI bewältigte das Volumen. Die Kundenzufriedenheit fiel. CEO Sebastian Siemiatkowski räumte öffentlich ein, man habe sich „zu sehr auf Effizienz konzentriert“, und begann, wieder Menschen einzustellen. Was fehlte, war das Rollendesign: Niemand hatte definiert, welche Rolle der Mensch in einem KI-unterstützten Servicebetrieb spielen sollte. Als Klarna den Kurs korrigierte, ging es nicht um Umschulung — es ging darum, festzulegen, welche Interaktionen menschliches Urteilsvermögen, Empathie und Ausnahmebehandlung erfordern, die KI nicht leisten kann.

Lemonade Insurance: Rollendesign von Anfang an. Lemonade ging den umgekehrten Weg. Ihr AI Jim bearbeitet 55 % der Schadensfälle vollständig automatisiert, inklusive einer Rekord-Schadensregulierung in 2 Sekunden. Aber das Team in der Schadenregulierung wurde nicht abgeschafft. Die Rolle des Teams wurde klar auf die Arbeit ausgerichtet, die KI nicht leisten kann: komplexe Fälle, die Urteilsvermögen erfordern; strittige Fälle, die Empathie brauchen; Betrugsmuster, die investigatives Denken verlangen; und kontinuierliche Verbesserung der KI-Modelle anhand dessen, was Menschen in Edge Cases beobachten.

Das Muster ist in beiden Fällen klar:

Sachbearbeiterinnen und Sachbearbeiter in der Schadenregulierung in einer Versicherung im KI-Zeitalter bearbeiten keine einzelnen Fälle mehr. KI übernimmt die Erstbewertung — Triage, Dokumentenvalidierung, Erkennung von Betrugsmustern. Die Aufgabe der Sachbearbeiterinnen und Sachbearbeiter besteht künftig darin, KI-Entscheidungen zu beaufsichtigen, als Anomalien markierte Fälle zu untersuchen und bei komplexen Fällen Urteilsvermögen anzuwenden.

Kundennahe Rollen verfassen keine Standardkorrespondenz mehr. KI generiert personalisierte Antworten. Menschen konzentrieren sich auf Beziehungsentscheidungen — wann eskalieren, wann Ausnahmen machen, wann eine Kundensituation Nuancen erfordert, die kein Modell liefern kann.

KI-Nutzung folgt Rollenklarheit, nicht dem Umfang der Schulungen. Wenn Menschen verstehen, was ihr Job in einem KI-unterstützten Betrieb tatsächlich ist, nutzen sie die Tools. Wenn nicht, werden auch sämtliche Prompt-Engineering-Workshops der Welt daran nichts ändern.

Die strategische Konsequenz

Der „Future of Jobs Report 2025“ des World Economic Forum schätzt, dass in diesem Jahrzehnt 92 Millionen Stellen durch KI verdrängt werden, während 170 Millionen neue entstehen. Diese neuen Rollen erfordern überwiegend höherwertige Fähigkeiten — Urteilsvermögen, Synthese, Zusammenarbeit. Unternehmen, die das als Schulungsproblem behandeln, werden Milliarden in Curricula stecken und marginale Renditen sehen. Unternehmen, die es als Frage des Rollendesigns behandeln, werden die Belegschaft aufbauen, die in AI-nativen Unternehmen tatsächlich handlungsfähig ist.

Die KI-Nutzung bei operativen Mitarbeitenden ist bei 51 % stehengeblieben. An dieser Zahl werden weitere Workshops nichts ändern. Sie wird sich bewegen, wenn jede Person in Ihrem Unternehmen eine Frage beantworten kann: Was ist meine Rolle jetzt, wo KI da ist?

Nicht, was KI kann. Was die Menschen tun werden.

Quellen

Daniel Piatkowski — Data & Analytics-Veteran, der AI-native Unternehmen prägt.