Quellengestütztes Praxiswissen für verantwortungsvolle KI-Programme.
KI-Einführung und Neugestaltung der Arbeit
Eine praxistaugliche Methode, um Aufgaben lokal zu erfassen, KI belastbar zu testen, Aufwand neu zuzuordnen und Rollen erst nach einem Pilot neu zu schneiden.
ModelFold Editorial Team7 Min. Lesezeit
Rollen sollten bei der Einführung von KI nicht vom Jobtitel, sondern von der tatsächlich geleisteten Arbeit her neu gestaltet werden. Ein Servicemitarbeiter kann Antworten rascher entwerfen, während die Teamleitung mehr Prüfungen übernimmt, Spezialistinnen schwierigere Eskalationen erhalten und jemand die Wissensbasis laufend korrigieren muss. Wer nur die verkürzte Produktionszeit zählt, verwechselt einen lokalen Zeitgewinn mit verfügbarer Teamkapazität. Belastbar wird die Entscheidung erst, wenn Nachfrage, Aufgaben, Verantwortung, neue Nebenarbeit und Lernbedarf gemeinsam sichtbar sind.
Das Wichtigste in Kürze
Die einzelne Aufgabe ist die geeignete Einheit für Beobachtung und Test, weil eine Rolle sehr unterschiedliche Tätigkeiten bündelt. In derselben Funktion kann KI Informationen suchen, einen Entwurf ergänzen, bei einer Entscheidung ungeeignet sein und zugleich neue Prüf- oder Pflegearbeit erzeugen. Erst nachdem diese Unterschiede lokal belegt sind, lässt sich entscheiden, wie vollständige Rollen zusammengesetzt werden und wie sie mit anderen Funktionen zusammenarbeiten sollen.
Auch breit angelegte Forschung rechtfertigt keine pauschale Automatisierungsquote für einen Betrieb. Der ILO-Index untersucht potenzielle Exposition auf Aufgabenebene und bezeichnet Transformation allgemein als wahrscheinlicher als Ersatz, misst aber keine lokale Personalwirkung. Die OECD beschreibt ebenfalls, dass KI Aufgaben automatisieren, ergänzen oder neu schaffen kann. Solche Befunde sind ein Anlass für genauere Analyse, kein Nachweis für Produktivität, Stellenabbau oder freie Kapazität.
Ein brauchbares Aufgabenbuch beschreibt jede Tätigkeit als Handlung mit Objekt und verbindet sie mit ihrem tatsächlichen Arbeitskontext. Erfassen Sie Auslöser, Inputs, Ergebnis, Abschlussbedingung, derzeitige Verantwortung, Empfänger und Ausnahmeweg. Teilen Sie einen Ablauf, wenn Belege, Urteil, Folgen oder Eigentümer wechseln. Kleine Handgriffe dürfen zusammenbleiben, wenn sie gemeinsam verändert werden und derselben Kontrolle unterliegen. Das schafft eine prüfbare Einheit, ohne die Rolle künstlich zu zerstückeln.
Die Ausgangslage braucht außerdem eine klar bezeichnete Beobachtungsperiode und mehrere Evidenzarten. Gespräche erklären, warum Beschäftigte handeln; Beobachtung zeigt Umwege und Unterbrechungen; Arbeitsproben machen Qualitätsmerkmale sichtbar; Systemdaten helfen bei Mengen, Warteschlangen und Nacharbeit. Keine dieser Quellen ersetzt die anderen. Vermerken Sie deshalb Herkunft und Vertrauensniveau jedes Basiswerts. Berücksichtigen Sie auch, wie Fachkönnen durch Wiederholung, Rückmeldung, schwierige Fälle und begleitete Praxis entsteht.
Berufsdatenbanken können dabei nur als Wortschatz und Vollständigkeitscheck dienen. O*NET enthält berufsbezogene Aufgabenbeschreibungen, Bewertungen, Arbeitsaktivitäten und Kontextdaten, sagt aber nicht, was in einem konkreten österreichischen Unternehmen tatsächlich vorkommt oder welchen Aufwand es verursacht. Das hier verwendete Aufgabenformat ist daher eine anpassbare redaktionelle Methode und keine von O*NET vorgeschriebene Norm.
Jede Aufgabe sollte mit einer festgehaltenen KI-Konfiguration und repräsentativen Fällen geprüft werden, bevor sie einer zukünftigen Arbeitsform zugeordnet wird. Dokumentieren Sie Modell, Werkzeuge, Prompts, Daten, Kontrollen, Testfälle und Testdatum. Neben häufigen Routinefällen gehören legitime Varianten, unklare Grenzen, seltene folgenreiche Fälle, fehlende oder widersprüchliche Inputs und bekannte historische Fehler in den Test. Wenn relevant, werden Ergebnisse nach Erfahrung, Produkt, Kanal, Kundengruppe oder Region getrennt ausgewertet.
Diese Vorsicht ist nötig, weil ähnlich wirkende Aufgaben unterschiedlich ausfallen können. In einem vorregistrierten Experiment mit 758 Beraterinnen und Beratern verbesserte KI die gemessene Leistung bei ausgewählten Aufgaben innerhalb der getesteten Fähigkeitsgrenze, verringerte jedoch die Korrektheit bei einer ausgewählten komplexen Aufgabe außerhalb davon. Die Ergebnisse gelten nur für diese Personen, Aufgaben, Konfiguration und Periode. Die Studie beschreibt die Grenze zudem als ungleichmäßig, veränderlich und vorab schwer erkennbar.
| Aufgabenkonfiguration | Verantwortung des Menschen | Verantwortung der KI | Erforderliche Betriebsregelung |
|---|---|---|---|
| Menschlich ausgeführt | Erledigt die Aufgabe und trägt die bestehende Verantwortung. | Keine oder nur nebensächliche Unterstützung. | Eigentum und Grund für den Verbleib dokumentieren. |
| KI-unterstützter Mensch | Rahmt die Aufgabe, prüft erforderliche Belege und entscheidet. | Liefert klar begrenzte Suche, Analyse oder Entwürfe. | Erlaubte Nutzung, Prüfkriterien und nicht delegierbare Schritte festlegen. |
| KI zuerst, Mensch entscheidet oder prüft | Bearbeitet definierte Fälle oder trifft die folgenreiche Entscheidung. | Erzeugt oder leitet den ersten Output. | Warteschlange, Priorität, Evidenz, Befugnis und Spitzenkapazität bestimmen. |
| Begrenzte Automatisierung | Überwacht Leistung und löst Ausnahmen. | Schließt eine eng definierte Aufgabe innerhalb freigegebener Grenzen ab. | Grenzen, Stopps, Beobachtbarkeit, Änderungen und Rückfallweg regeln. |
Neben der Produktion müssen vier weitere Aufwandsarten getrennt gemessen werden: Prüfung, Urteil, Ausnahmebearbeitung und Koordination. Diese fünf Konten sind ein redaktionelles Rechenmodell, kein Forschungsstandard. Produktion umfasst das Suchen, Erstellen, Übertragen oder Ausführen des ersten Arbeitsergebnisses. Prüfung betrifft Quellenbasis, Berechnungen, Vollständigkeit, Regelkonformität und Verwendbarkeit. Urteil umfasst Rahmung, Interpretation, Auswahl, Befugnis und Verantwortung.
Ausnahmebearbeitung erfasst fehlende Inputs, mehrdeutige Fälle, Werkzeugausfälle, Korrektur, Wiederherstellung und Eskalation. Zur Koordination gehören Kontextübergaben, Rückfragen, Abstimmung widersprüchlicher Ergebnisse, Coaching und Pflege gemeinsamen Wissens. Sobald Arbeit wandert, wird ihr neuer Eigentümer vermerkt und dessen Warteschlange samt Spitzenlast gemessen. Die OECD weist außerdem darauf hin, dass KI trotz weniger mühsamer Routinen das Tempo erhöhen, Autonomie verringern oder die Aufgabenvielfalt verengen kann.
KI entfernt Arbeit nicht in einem sauberen Block; sie verlagert Aufwand, Befugnis, Ausnahmen und Lernen.
ModelFold Editorial Team
Veränderte Aufgaben werden erst dann zu einer tragfähigen Rolle, wenn Pflichten, Befugnisse, Kommunikationswege und Kapazität eindeutig benannt sind. Je nach Prozess braucht es Verantwortliche für Outputprüfung, Ausnahmen, Wissenspflege, Systembetrieb, Leistungsmonitoring, Lernen und Eskalation. Ein Etikett wie menschliche Prüfung genügt nicht: Es muss feststehen, welche Evidenz geprüft wird, welche Fälle die Prüfung auslösen, wer handeln darf und ob die Warteschlange auch unter Spitzenlast funktioniert.
Achten Sie besonders auf Aufgaben, durch die Beschäftigte Fachwissen erwerben: Beobachtung, Wiederholung, Rückmeldung, Ursachenverständnis und schrittweise schwierigere Entscheidungen. Nimmt KI diese Übung weg, sollte der Lernweg bewusst ersetzt werden. Eine Studie mit 5 179 Beschäftigten im Kundensupport fand stark unterschiedliche Produktivitätseffekte nach Erfahrung; die Ergebnisse gelten nicht allgemein. Ein weiteres Experiment mit 776 Fachkräften zeigt, dass KI getestete Einzel- und Teamkonstellationen verändern kann, während langfristige Fragen zur Fachwissensentwicklung offenbleiben.
In einem hypothetischen Supportteam kann KI bei getesteten Routinefällen Wissen suchen und Antwortentwürfe liefern. Die Agentinnen und Agenten behalten Diagnose, Kontextprüfung und Entscheidungen innerhalb ihrer Befugnis. Gleichzeitig können Teamleitungen oder Fachstellen mehr Prüfungen, Ausnahmen, Wissenskorrekturen und Coaching übernehmen. Diese neue Nachfrage muss vor höheren Servicezielen eingeplant werden; die Studienwerte aus anderen Betrieben dürfen nicht auf das Beispiel übertragen werden.
Die Evidenz reicht erst nach einem gemessenen Pilot, der die vollständige Arbeitslast für einen festgelegten Zeitraum abstimmt. Ausgangspunkt ist der verringerte menschliche Produktionsaufwand bei der beobachteten Nachfrage. Davon werden zusätzliche Prüfung, Urteil, Ausnahmen, Koordination, Lernen, Monitoring und Wissenspflege abgezogen. Danach folgen Anpassungen für veränderte Nachfrage, Servicequalität, Fehler, Nacharbeit, Spitzenwarteschlangen und Arbeit bei nachgelagerten Eigentümern. Verstrichene Wartezeit informiert über den Ablauf, ist aber nicht automatisch menschlicher Arbeitsaufwand.
Der Pilot muss lange genug laufen, damit Nebenarbeit und ein einigermaßen stabiles Nachfragemuster sichtbar werden. Beobachten Sie Qualität, Übersteuerungen, Defekte, Arbeitsverteilung, Rückmeldungen, Autonomie, Aufgabenbreite sowie die Fähigkeit, Fehler zu erkennen und bei Ausfall der KI weiterzuarbeiten. Ändern sich Modell, Prompt, Daten, Kontrollen, Workflow, Aufgabenmix oder Einsatzumfeld, wird die Zuordnung neu geprüft. Die verbleibende Größe ist bis dahin nur vorläufige Kapazität.
Bleibt einer dieser Punkte offen, sollten Personalstand, Stellenbeschreibungen, Leistungsmaße und Servicezusagen unverändert bleiben. Das Aufgabenbuch ist ein Entscheidungsinstrument für den Pilot, kein Kürzel zu einer Personalentscheidung. Arbeitsrechtliche, kollektivvertragliche, barrierebezogene, diskriminierungs-, datenschutz- oder sicherheitsrelevante sowie sonstige rechtliche, regulatorische und fachliche Beurteilungen gehören zu den dafür befugten und qualifizierten Stellen der Organisation; die hier beschriebene Methode trifft diese Entscheidungen nicht.
Zerlegen Sie die lokal beobachtete Arbeit in prüfbare Aufgaben und testen Sie eine dokumentierte KI-Konfiguration mit repräsentativen Fällen. Messen Sie danach Produktion, Prüfung, Urteil, Ausnahmen und Koordination, bevor Sie Pflichten, Befugnisse und Kapazität zu neuen Rollen zusammensetzen.
Sie plant von tatsächlicher Aufgabennachfrage, Bearbeitungsaufwand, Urteil, Folgen, Abhängigkeiten und getesteten KI-Wirkungen aus. Eine berufsweite Expositions- oder Automatisierungsschätzung ersetzt diese lokale Evidenz nicht und begründet allein keine Personalentscheidung.
Mögliche Formen sind menschliche Ausführung, KI-Unterstützung, ein KI-Erstentwurf mit menschlicher Entscheidung oder Prüfung sowie begrenzte Automatisierung. Jede Zuordnung braucht klare Inputs, Befugnisse, Prüfkriterien, Ausnahmen, Monitoring, Stopps und einen Rückfallweg.
Erfassen Sie Produktion, Prüfung, Urteil, Ausnahmebearbeitung und Koordination je Aufgabe für denselben Zeitraum. Wandert Arbeit zu einer anderen Rolle oder einem anderen Team, werden Zielverantwortung, Nachfrage, Warteschlange und Spitzenlast dort mitgezählt.
Erst ein gemessener Pilot kann eine vorläufige Kapazität zeigen, nachdem Zusatzarbeit, verlagerte Arbeit, Nachfrageänderungen, Qualität, Warteschlangen, Monitoring und Fachwissensentwicklung berücksichtigt wurden. Ist die Evidenz unvollständig oder instabil, bleibt das bestehende Personal- und Rollenmodell unverändert.
Für die Recherche zu diesem Artikel wurden folgende Quellen verwendet:
Wir berichten darüber, wie KI tatsächlich im Unternehmen ankommt. Unsere Arbeit beginnt bei benannten Quellen, trennt Recherchiertes von unserer Einschätzung und nutzt KI-Unterstützung für Recherche und Entwürfe unter dokumentierten redaktionellen Kontrollen. Eine individuelle Prüfung durch Fachleute ersetzen wir nicht.
Ein praxisnaher Leitfaden, um reale Arbeitsabläufe zu beobachten, Engpässe zu prüfen und erst dann einen belastbaren KI-Anwendungsfall zu formulieren.
Ein praxisnaher Leitfaden, um Ausnahmen, Freigaben und Übergaben vor der Automatisierung evidenzbasiert neu zu gestalten und sicher zu prüfen.
So verteilen Unternehmen Verantwortung für KI-Standards, Finanzierung, Risiken und Betrieb und machen aus Piloten belastbare Strategieentscheidungen.
