Die erste Generation der KI-Personalbeschaffung war relativ leicht zu erkennen. Technologieunternehmen konkurrierten um Machine-Learning-Ingenieure, Datenwissenschaftler und Forscher, die in der Lage waren, immer leistungsfähigere Modelle zu entwickeln. Diese Spezialisten sind nach wie vor wertvoll, aber sie machen nicht mehr den gesamten KI-Arbeitsmarkt aus.

In Banken, produzierenden Unternehmen, Dienstleistungsfirmen, im Einzelhandel, im Gesundheitswesen und in öffentlichen Einrichtungen bildet sich derzeit eine zweite Kategorie von Mitarbeitern heraus. Diese Mitarbeiter trainieren möglicherweise keine Grundmodelle und verfügen auch nicht über einen Abschluss in Informatik. Stattdessen legen sie fest, wo KI innerhalb der Organisation zum Einsatz kommen soll, binden sie in bestehende Arbeitsabläufe ein, prüfen, ob ihren Ergebnissen vertraut werden kann, und entscheiden, wann ein Mensch die Kontrolle behalten muss.

Ihre Berufsbezeichnungen variieren, da sich das Betriebsmodell noch in der Entwicklung befindet. Unternehmen stellen KI-Produktmanager, Spezialisten für Modellrisiken, Automatisierungsarchitekten und vor Ort eingesetzte Ingenieure ein. Andere übertragen KI-Aufgaben an Juristen, Compliance-Beauftragte, Kommunikationsleiter, Forscher und Betriebsleiter, ohne deren Berufsbezeichnungen zu ändern.

Diese Unterscheidung ist wichtig. Es ist unwahrscheinlich, dass sich die Zukunft der Arbeit klar in zwei Gruppen aufteilen lässt: diejenigen, die “im Bereich KI arbeiten”, und alle anderen. KI-Kompetenz wird zunehmend zu einem festen Bestandteil etablierter Berufe, ähnlich wie digitale Kompetenz, Datenanalyse und Internetrecherche mittlerweile in vielen Berufen erwartet werden, die nie als Technologieberufe eingestuft wurden.

Der Arbeitsmarkt verändert sich je nach Aufgabe

Prognosen zur Beschäftigungslage im Bereich der KI schwanken oft zwischen Massenentlassungen und einer Fülle neu geschaffener Berufe. Beide Sichtweisen lassen außer Acht, wie sich Unternehmen in der Regel verändern.

Unternehmen automatisieren einen Beruf selten in einem Schritt. Sie gliedern die darin enthaltenen Aufgaben neu.

Ein Kommunikationsmanager verbringt möglicherweise weniger Zeit damit, Medienberichte zusammenzustellen, und mehr Zeit damit, narrative Risiken zu bewerten. Ein Anwalt nutzt möglicherweise KI zum Vergleich von Vertragsklauseln, bleibt aber weiterhin für die Rechtsberatung verantwortlich. Ein Nachwuchsanalyst erstellt möglicherweise schneller ein erstes Finanzmodell, muss aber bereits zu Beginn seiner Karriere Annahmen kritisch hinterfragen. Ein Kundendienstmitarbeiter bearbeitet möglicherweise weniger Routineanfragen und dafür komplexere Fälle, bei denen es um Ermessensentscheidungen, Emotionen oder finanzielle Konsequenzen geht.

Die Internationale Arbeitsorganisation schätzt, dass weltweit jeder vierte Arbeitsplatz in irgendeiner Form mit generativer KI in Berührung kommt. Ihre noch bedeutendere Erkenntnis ist, dass eine Transformation wahrscheinlicher ist als eine vollständige Verdrängung, da relativ wenige Berufe ausschließlich aus Aufgaben bestehen, die von den derzeitigen Systemen automatisiert werden können.

„Exposure“ sollte nicht mit „Verschwinden“ verwechselt werden. Es bedeutet, dass sich die Komposition des Werks ändern kann.

Das Weltwirtschaftsforum geht davon aus, dass der Wandel auf dem Arbeitsmarkt bis 2030 170 Millionen neue Arbeitsplätze schaffen und 92 Millionen Arbeitsplätze verdrängen wird, was nach den Annahmen der Umfrage zu einem Nettozuwachs von 78 Millionen Arbeitsplätzen führen würde. Technologiebezogene Berufe gehören prozentual zu den am schnellsten wachsenden, doch ein Großteil des absoluten Wachstums wird in Bereichen wie Pflege, Bildung, Logistik und Landwirtschaft erwartet.

KI verändert daher die Beschäftigungslage vor dem Hintergrund eines breiteren Spektrums demografischer, wirtschaftlicher und technologischer Herausforderungen. Nicht jeder Rückgang bei den Neueinstellungen ist auf Automatisierung zurückzuführen, und nicht jede neue Stelle wird „KI“ in ihrer Bezeichnung enthalten.

KI-Produktmanager setzen Möglichkeiten in die Praxis um

Eine der wichtigsten neuen Positionen ist die des KI-Produktmanagers.

Ein herkömmlicher Produktmanager legt fest, welches Kunden- oder Betriebsproblem ein Produkt lösen soll, koordiniert technische und kaufmännische Teams und misst, ob das Ergebnis einen Mehrwert schafft. Ein KI-Produktmanager erfüllt dieselbe Kernaufgabe, muss dabei jedoch auch probabilistische Ergebnisse, Modellgrenzen, die Herkunft der Daten und die Notwendigkeit menschlicher Aufsicht berücksichtigen.

Nehmen wir an, ein Versicherer führt einen KI-Assistenten für Schadensbearbeiter ein. Das technische Team ist möglicherweise in der Lage, Fallakten zusammenzufassen und nächste Schritte vorzuschlagen. Dennoch muss jemand entscheiden, ob das System lediglich Informationen abrufen, eine Maßnahme empfehlen oder eine Entscheidung treffen soll. Die Antwort darauf hat Auswirkungen auf das rechtliche Risiko, die Kundenbetreuung, die Gestaltung der Arbeitsabläufe und die vor der Einführung erforderlichen Nachweise.

Der KI-Produktmanager muss nicht unbedingt der beste Modellentwickler des Unternehmens sein. Die Position erfordert ausreichendes technisches Verständnis, um zu wissen, was machbar ist, sowie ein tiefes Verständnis für die Nutzer, die betrieblichen Abläufe und die Risiken.

Aus diesem Grund gewinnt Fachwissen immer mehr an Bedeutung, anstatt an Wert zu verlieren. Ein technisch beeindruckendes System kann scheitern, weil es die tatsächlichen Arbeitsabläufe der Mitarbeiter falsch einschätzt, an der falschen Stelle Verzögerungen verursacht oder eine Antwort liefert, die gegenüber einem Kunden oder einer Aufsichtsbehörde nicht zu rechtfertigen ist.

Im Einsatz befindliche Ingenieure führen KI in die Organisation ein

Der vor Ort eingesetzte Ingenieur ist näher am Geschehen.

Anstatt isoliert ein allgemeines Modell zu entwickeln, arbeiten diese Spezialisten direkt mit Kunden oder internen Geschäftsteams zusammen, um KI-Systeme mit Daten, Prozessen und Software zu verknüpfen. Sie können Abrufsysteme konfigurieren, Arbeitsabläufe für Agenten erstellen, Modelle in Unternehmensanwendungen integrieren und das System anpassen, sobald echte Nutzer dessen Schwachstellen aufdecken.

Der Begriff wird mittlerweile eng mit Unternehmen aus dem Bereich der Unternehmens-KI in Verbindung gebracht, doch die zugrunde liegende Funktion ist viel umfassender. Unternehmen benötigen Mitarbeiter, die die Lücke zwischen einer überzeugenden Demonstration und einem zuverlässigen Produktionssystem schließen können.

Diese Herausforderung wird oft unterschätzt. Ein Chatbot, der bei eindeutigen Beispielen gut funktioniert, kann bei veralteten Dokumenten, widersprüchlichen Berechtigungen, Fachterminologie und unvollständigen Datensätzen Schwierigkeiten haben. Außerdem kann er eine Überwachung, Ausweichverfahren und die Weiterleitung an einen menschlichen Mitarbeiter erfordern.

Ein vor Ort eingesetzter Entwickler löst daher ebenso sehr ein organisatorisches wie ein technisches Problem. Zu dieser Rolle gehört es, Zeit mit den Anwendern zu verbringen, Ausnahmen zu beobachten und den Arbeitsablauf anzupassen, anstatt davon auszugehen, dass die erste Modellkonfiguration ausreicht.

Für kleinere Unternehmen rechtfertigt dies möglicherweise keine Festanstellung. Die entsprechenden Kompetenzen könnten von einer Beratungsfirma, einem Softwareanbieter oder einem technisch versierten Betriebsleiter bereitgestellt werden. Die Anforderung bleibt jedoch bestehen: Es muss jemand vorhanden sein, der sowohl das KI-System als auch das Umfeld versteht, in das es eingeführt wird.

KI-Operationen werden zu einer festen Funktion

Sobald KI den Schritt von der Experimentierphase hin zu routinemäßigen Aufgaben vollzieht, benötigen Unternehmen Mitarbeiter, die sie bedienen.

Der Betrieb von KI-Systemen – manchmal auch als „Machine-Learning-Betrieb“ oder „Agentenbetrieb“ bezeichnet – umfasst die Überwachung der Leistung, die Verwaltung von Modellversionen, die Zugriffskontrolle sowie das Ergreifen von Maßnahmen bei Leistungseinbußen. Dazu gehören auch die weniger glamourösen Aufgaben wie die Pflege von Datenverbindungen, die Untersuchung von Vorfällen und die Dokumentation von Änderungen.

Ein Unternehmen, das KI-Agenten einsetzt, sieht sich mit zusätzlicher Komplexität konfrontiert, da das System möglicherweise mehr kann, als nur Text zu generieren. Es könnte einen Kundendatensatz abrufen, eine Datenbank aktualisieren, eine Antwort entwerfen und eine weitere Aktion auslösen. Der potenzielle Produktivitätsgewinn ist größer, aber auch die Folgen eines Fehlers sind schwerwiegender.

Dadurch entsteht ein Bedarf an Fachkräften, die entscheiden können, welche Berechtigungen ein Agent erhält, wie dessen Aktivitäten protokolliert werden und wo eine Genehmigung erforderlich ist. Sie müssen sich nicht nur mit Sicherheit und Prozessgestaltung auskennen, sondern auch damit, wie Menschen im Umgang mit automatisierten Systemen reagieren. Mitarbeiter könnten eine KI-Empfehlung zu bereitwillig akzeptieren, sie gänzlich ignorieren oder informelle Workarounds entwickeln, wenn sie sie ausbremst.

Die leistungsfähigsten KI-Betriebsteams werden daher technische Überwachung mit operativem Urteilsvermögen kombinieren. Ihre Aufgabe besteht nicht lediglich darin, den Betrieb des Modells aufrechtzuerhalten, sondern sicherzustellen, dass das gesamte System nützlich bleibt, unter Kontrolle steht und dem Zweck entspricht, für den es genehmigt wurde.

Das Modellrisiko geht über den Bankensektor hinaus

Finanzinstitute beschäftigen schon seit Langem Spezialisten für Modellrisiken, um die Annahmen, Daten und Grenzen quantitativer Systeme zu hinterfragen. Generative KI weitet ähnliche Disziplinen auf ein breiteres Spektrum von Branchen aus.

Ein Unternehmen, das KI einsetzt, um Bewerbungen zu prüfen, Kunden zu priorisieren oder Empfehlungen für Versicherungsentscheidungen abzugeben, muss wissen, ob sich das System gegenüber allen relevanten Gruppen einheitlich verhält. Ein Beratungsunternehmen muss feststellen, ob die erstellten Analysen auf anerkannten Quellen basieren. Ein Kommunikationsteam, das KI zur Beobachtung der öffentlichen Stimmung einsetzt, sollte wissen, ob der zugrunde liegende Datensatz bestimmte Plattformen oder Zielgruppen überproportional berücksichtigt.

Diese Aufgabe kann von einem KI-Sicherheitsmanager, einem Modellvalidierer, einem verantwortlichen KI-Beauftragten oder einem bestehenden Risikoexperten übernommen werden. Die Berufsbezeichnung ist weniger wichtig als die Unabhängigkeit bei der Bewältigung dieser Herausforderung.

Die Person, die ein System entwickelt oder in Auftrag gegeben hat, ist nicht immer am besten in der Lage, dieses objektiv zu beurteilen. Unternehmen benötigen einen glaubwürdigen Prozess, um Fehlerfälle zu testen, Einschränkungen zu dokumentieren und die Einführung zu stoppen, wenn die Beweislage unzureichend ist.

Diese Aufgabe sollte nicht mit der Erstellung einer Ethikerklärung verwechselt werden. Sie ist eher mit Qualitätssicherung, Risikoanalyse und interner Revision vergleichbar. Die Arbeit umfasst praktische Fragen: Welche Aussagen kann das System treffen? Wie oft sind seine Ergebnisse falsch? Was passiert, wenn sich die Quellinformationen widersprechen? Kann ein Nutzer das Ergebnis anfechten? Wer untersucht einen Vorfall?

KI-Governance erfordert mehr als nur einen neuen Ausschuss

Zudem steigt die Nachfrage nach Fachkräften, die gesetzliche Vorschriften und Richtlinien in operative Kontrollmaßnahmen umsetzen.

Ein AI-Governance-Verantwortlicher kann ein Verzeichnis der Systeme führen, deren Risiken einstufen, zulässige Verwendungszwecke festlegen und die Teams aus den Bereichen Recht, Sicherheit, Beschaffung und Compliance koordinieren. Diese Rolle gewinnt besonders an Bedeutung, wenn Mitarbeiter eigenständig öffentlich zugängliche Tools nutzen oder wenn KI-Funktionen über Software bereitgestellt werden, die das Unternehmen bereits besitzt.

Das europäische KI-Gesetz unterstreicht diese Notwendigkeit. Seine Anforderungen werden schrittweise eingeführt, darunter Bestimmungen zu verbotenen Praktiken, KI-Kompetenz, Allzweckmodellen und risikoreichen Systemen. Organisationen müssen ermitteln, welche Verpflichtungen für ihre Tätigkeiten gelten, anstatt davon auszugehen, dass jedes KI-Tool denselben regulatorischen Anforderungen unterliegt.

Fachleute im Bereich Governance benötigen daher ausreichende juristische Kenntnisse, um Anforderungen zu interpretieren, sowie ausreichendes operatives Verständnis, um diese in die Praxis umzusetzen. Eine Richtlinie, die besagt, dass “KI-Ergebnisse überprüft werden müssen”, ist unzureichend, solange die Organisation nicht festlegt, wer die Überprüfung vornimmt, was dabei geprüft wird und welche Nachweise aufbewahrt werden.

Die kompetentesten Fachleute werden nicht versuchen, jedes Experiment zu verhindern. Sie werden angemessene Regeln aufstellen, die zwischen einem risikoarmen Entwurfsassistenten und einem System unterscheiden, das Einfluss auf Beschäftigung, Kreditvergabe, Gesundheitsversorgung oder den Zugang zu grundlegenden Dienstleistungen nimmt.

Der KI-Trainer entwickelt sich zu einem Fachexperten

Der Begriff “KI-Trainer” bezog sich früher hauptsächlich auf Personen, die Daten kennzeichneten oder Modellantworten bewerteten. Diese Arbeit wird weiterhin verrichtet, doch innerhalb von Unternehmen entsteht derzeit eine spezialisiertere Variante dieser Tätigkeit.

Ein KI-Assistent für den Rechtsbereich muss lernen, welche Quellen als maßgeblich gelten und wie die Kanzlei ihre Beratung strukturiert. Ein Kundenservicesystem benötigt Beispiele für akzeptable Formulierungen, Eskalationsregeln und verbotene Zusagen. Ein Kommunikationstool muss zwischen einer sachlichen Unstimmigkeit, einer sich abzeichnenden Darstellung und einer echten Reputationsgefahr unterscheiden können.

Personen, die diese Systeme unterrichten und bewerten, benötigen daher Fachkenntnisse. Sie können Beispiele entwerfen, Antworten überprüfen, Bewertungskriterien erstellen und wiederkehrende Fehler identifizieren. In vielen Fällen ist der beste Kandidat ein erfahrener Mitarbeiter, der die Arbeit gründlich versteht und sich zusätzliche KI-Kenntnisse aneignet.

Dadurch eröffnet sich eine Karriereperspektive für Fachkräfte, die keine Ingenieure werden möchten. Ein leitender Schadensbearbeiter, ein Versicherungsanalyst oder ein Kommunikationsspezialist kann die Verantwortung für die Qualität der KI-gestützten Arbeit in diesem Bereich übernehmen.

Der Beitrag besteht nicht lediglich darin, Eingabeaufforderungen zu erstellen. Vielmehr geht es darum, implizites fachliches Urteilsvermögen in Anweisungen, Beispiele und Tests umzuwandeln, die ein System nutzen kann.

KI-Kompetenz hält Einzug in gewöhnliche Stellenbeschreibungen

Die größte Veränderung auf dem Arbeitsmarkt betrifft möglicherweise gar keine neuen Berufsbezeichnungen.

LinkedIn berichtete im Januar 2026, dass die Zahl der Stellenanzeigen in den USA, in denen Kenntnisse im Bereich KI verlangt wurden, im Vergleich zum Vorjahr um 70 Prozent gestiegen sei. Die Nachfrage geht über technische Positionen hinaus, da Arbeitgeber zunehmend erwarten, dass Mitarbeiter KI auch in ihren bisherigen Aufgabenbereichen einsetzen.

KI-Kompetenz bedeutet nicht, jede generierte Antwort zu akzeptieren oder die Fachbegriffe der Modellarchitektur zu kennen. In der Praxis bedeutet sie, eine Aufgabe definieren, relevante Hintergründe liefern, Quellen überprüfen, sensible Informationen erkennen und entscheiden zu können, ob das Ergebnis für die Verwendung geeignet ist.

Für einen Public-Affairs-Manager kann dies bedeuten, Gesetzesentwürfe zu vergleichen, die Positionen der Interessengruppen zu erfassen und ein erstes Briefing zu erstellen, wobei jede wesentliche Behauptung anhand von Primärquellen überprüft wird. Für einen Forscher kann dies bedeuten, KI zur Aufbereitung von Fachliteratur zu nutzen, ohne die daraus generierte Zusammenfassung als empirischen Beweis zu präsentieren. Für eine Führungskraft kann dies bedeuten, einen Arbeitsablauf neu zu gestalten, anstatt die Mitarbeiter lediglich aufzufordern, dieselbe Arbeit schneller zu erledigen.

Diese Fähigkeiten werden zunehmend neben Schreib-, Präsentations- und Tabellenkalkulationskenntnissen eine Rolle spielen. Ihr Wert ergibt sich aus ihrer Anwendung im beruflichen Alltag und nicht aus der bloßen Beherrschung der KI an sich.

Einige der vorgeschlagenen KI-Berufe werden sich nicht zu großen Berufsfeldern entwickeln

Nicht jeder Trendtitel wird überleben.

Der Begriff „Prompt-Ingenieur“ wurde zum Synonym für die Vorstellung, dass Unternehmen Spezialisten beschäftigen würden, deren Hauptkompetenz darin besteht, Anweisungen für Sprachmodelle zu verfassen. Einige Organisationen benötigen nach wie vor fundiertes Fachwissen im Bereich Prompting und Bewertung, insbesondere beim Aufbau wiederholbarer Systeme. Dennoch entwickelt sich das Prompting zunehmend zu einem Bestandteil des Produktdesigns, der Softwareentwicklung und des professionellen KI-Einsatzes und ist nicht mehr nur eine eigenständige Abteilung.

Die gleiche Vorsicht gilt für Titel wie „Chief AI Officer“. Eine große Bank, ein Pharmakonzern oder ein multinationaler Hersteller benötigt möglicherweise eine Führungskraft, die Investitionen, Steuerung und Umsetzung koordiniert. Ein kleineres Unternehmen könnte jedoch unnötige Bürokratie schaffen, wenn es eine hochrangige KI-Führungskraft ernennt, bevor ein sinnvoller Anwendungsfall identifiziert wurde.

Unternehmen sollten bei der Personalauswahl eher auf dauerhafte Aufgaben als auf trendige Bezeichnungen achten. Sie brauchen jemanden, der die Verantwortung für das Ergebnis übernimmt, jemanden, der das System betreibt, jemanden, der dessen Risiken hinterfragt, sowie Fachexperten, die dessen Arbeit beurteilen können. Ob diese Aufgaben vier Stellen oder Teile von zwei bestehenden Rollen erfordern, hängt vom Umfang und vom Risiko ab.

Einstiegsberufe müssen sorgfältig neu gestaltet werden

KI stellt zu Beginn der beruflichen Laufbahn ein besonderes Problem dar.

Viele Einstiegspositionen verbinden traditionell Routineaufgaben mit dem Lernprozess. Ein junger Berater erstellt Recherchen, ein Kommunikationsmitarbeiter stellt Medienberichte zusammen und ein Rechtsreferendar prüft Dokumente. Diese Aufgaben mögen zwar ineffizient sein, aber sie bringen die Mitarbeiter auch mit den Inhalten in Kontakt, aus denen sich berufliches Urteilsvermögen entwickelt.

Wenn KI die Routineaufgaben übernimmt, ohne den Lernmechanismus zu ersetzen, könnten Unternehmen in Zukunft weniger erfahrene Fachkräfte hervorbringen. Nachwuchskräfte könnten dazu aufgefordert werden, Arbeiten zu bewerten, deren Erstellung sie nie erlernt haben.

Unternehmen müssen zwischen wertlosen Routineaufgaben und Erfahrungen, die zur Weiterentwicklung beitragen, unterscheiden. Ein Hochschulabsolvent kann KI nutzen, um die anfängliche Recherche zu beschleunigen, muss aber dennoch die Quellen prüfen, seine Argumentation darlegen und seine Empfehlung begründen. Führungskräfte müssen möglicherweise gezielteres Coaching anbieten, da das Lernen nicht mehr automatisch durch das Arbeitsvolumen erfolgt.

Dies wirkt sich auch auf die Personalbeschaffung aus. Berufseinsteiger, die den Einsatz von KI mit kritischem Denken verbinden können, tragen möglicherweise schon früher zu komplexeren Aufgaben bei, doch Arbeitgeber sollten schnelle Arbeitsergebnisse nicht mit ausgereiftem Urteilsvermögen verwechseln.

Soziale Kompetenzen gewinnen an Sichtbarkeit, verlieren aber nicht an Bedeutung

Da die KI zunehmend Aufgaben wie das Verfassen von Entwürfen, das Abrufen von Informationen und Routineanalysen übernimmt, lässt sich der verbleibende menschliche Beitrag leichter erkennen.

Arbeitgeber benötigen nach wie vor Mitarbeiter, die in der Lage sind, Entscheidungen auf der Grundlage unvollständiger Informationen zu treffen, skeptische Interessengruppen zu überzeugen, politische Sensibilitäten zu erkennen und Verantwortung für die Folgen zu übernehmen. Anpassungsfähigkeit, analytisches Denken, Belastbarkeit, Führungsqualitäten und soziale Kompetenz spielen in Arbeitgeberumfragen neben KI- und Datenkompetenzen weiterhin eine herausragende Rolle.

Das bedeutet jedoch nicht, dass “Soft Skills” automatisch jede Position schützen werden. Ein sympathischer Mitarbeiter, der Aufgaben ausführt, die vollständig standardisiert werden können, kann dennoch unter Druck geraten. Die stärkere Kombination besteht aus Fachwissen, KI-Kompetenz und menschlichem Urteilsvermögen.

Für Fachleute aus den Bereichen Kommunikation und Öffentlichkeitsarbeit ist dies besonders relevant. KI kann zwar eine Stakeholder-Liste erstellen oder kritische Fragen simulieren. Sie kann jedoch nicht vor einem Minister Rechenschaft ablegen, einen Geschäftsführer während einer Reputationskrise beraten oder die emotionale Dynamik eines schwierigen Treffens zuverlässig einschätzen. Diese Tätigkeiten erfordern Glaubwürdigkeit, Zurückhaltung und institutionelles Verständnis.

Was Arbeitgeber jetzt aufbauen sollten

Bevor neue KI-Stellen geschaffen werden, sollten Führungskräfte ermitteln, welche Arbeitsbereiche sich verändern.

Welche Entscheidungen wird die KI beeinflussen? Welche Aufgaben werden automatisiert? Wo muss ein Mensch das Ergebnis genehmigen? Welches Fachwissen ist erforderlich, um einen schwerwiegenden Fehler zu erkennen? Diese Fragen zeigen auf, welche Fähigkeiten die Organisation tatsächlich benötigt.

Einige Lücken sollten durch Neueinstellungen geschlossen werden. Andere lassen sich besser durch die Umschulung von Mitarbeitern beheben, die bereits mit den Kunden, Systemen und Risiken des Unternehmens vertraut sind. Ein fachlich qualifizierter externer Mitarbeiter benötigt möglicherweise Monate, um sich das Wissen anzueignen, über das ein erfahrener Mitarbeiter bereits verfügt.

Die Schulung sollte daher rollenspezifisch sein. Eine allgemeine Einführung kann zwar grundlegende Regeln vermitteln, doch erst durch den Einsatz von KI in der Praxis, die Analyse von Fehlern und das Erlernen der Grenze zwischen Unterstützung und Delegation entwickeln die Mitarbeiter nützliche Kompetenzen.

Zu den neuen Berufen im Bereich der KI werden Ingenieure und Fachleute gehören. Dazu zählen auch Juristen, die automatisierte Entscheidungen prüfen können, Führungskräfte, die Prozesse neu gestalten können, sowie Kommunikationsfachleute, die erkennen, wann eine effiziente Antwort nicht veröffentlicht werden sollte.

Die nachhaltigste Karrierestrategie besteht nicht darin, jedem neuen Titel hinterherzujagen. Vielmehr geht es darum, jemand zu werden, der ein wertvolles Arbeitsfeld versteht, weiß, wie KI dieses verändert, und die Verantwortung für das Ergebnis übernehmen kann.