Praxisnahe, quellenbasierte Orientierung für verantwortbare KI-Programme.
KI-Einführung und Arbeitsgestaltung
Ein praxisnaher Leitfaden, um Aufgaben zu erfassen, KI belastbar zu testen, verlagerten Aufwand sichtbar zu machen und Rollen erst danach neu zu ordnen.
ModelFold Editorial Team8 Min. Lesezeit
KI-Assistenz sollte nicht zu einer pauschalen Entscheidung über eine Stellenbezeichnung führen, sondern zu einer überprüfbaren Neuordnung einzelner Aufgaben. Eine Servicekraft kann schneller antworten, während bei Teamleitung und Fachspezialisten zusätzliche Prüfungen, schwierige Eskalationen und Wissenskorrekturen anfallen. Wer nur die verkürzte Erstellungszeit zählt, überschätzt verfügbare Kapazität und übersieht, wo Verantwortung, Belastung und Lerngelegenheiten tatsächlich landen. Belastbare Rollenentscheidungen beginnen deshalb mit einem lokalen Aufgabenbuch und enden erst nach einem gemessenen Pilotbetrieb.
Das Wichtigste für die Umsetzung
Die Aufgabe ist die geeignete Evidenzeinheit, weil eine Stelle Tätigkeiten mit sehr unterschiedlichen Veränderungsmöglichkeiten bündelt. Einige lassen sich durch KI unterstützen, andere bleiben menschlich ausgeführt, wieder andere werden automatisiert oder entstehen neu. Die OECD berichtet, dass viele Beschäftigte KI eher durch veränderte Aufgaben und Arbeitsbedingungen als durch Arbeitsplatzverlust erleben dürften und dass KI Aufgaben automatisieren, ergänzen oder neu schaffen kann. Eine einzige Automatisierungszahl für die gesamte Stellenbezeichnung verdeckt diese Unterschiede.
Der verfeinerte ILO-Index bewertet die potenzielle Exposition gegenüber generativer KI anhand aufgabenbezogener Berufsinformationen und hält Transformation allgemein für wahrscheinlicher als Ersatz; lokale Personaleffekte misst er nicht. Exposition ist daher ein Anlass für genauere Untersuchung, kein Nachweis für Produktivität, Stellenabbau oder freie Kapazität. Die unmittelbare Frage lautet: Welche beobachtbare Tätigkeit ändert sich unter welchen lokalen Bedingungen? Erst danach wird entschieden, wie die veränderten Tätigkeiten wieder zu vollständigen Rollen und funktionierenden Teams zusammengesetzt werden.
Ein belastbares Aufgabenbuch beschreibt die tatsächliche lokale Arbeit als Handlung mit Gegenstand und verbindet sie mit Nachfrage, Aufwand, Abhängigkeiten und Folgen. Die Formulierung „Kundenanfrage anhand freigegebener Produktinformationen beantworten“ ist aussagekräftiger als „Service bearbeiten“. Ergänzt werden Auslöser, Eingaben, Ergebnis, Abschlusskriterium, heutige Verantwortung, Empfänger und Ausnahmeweg. Schritte werden getrennt, wenn Belege, Urteilsspielraum, Folgen oder Zuständigkeiten verschieden sind; kleine Handgriffe dürfen zusammenbleiben, wenn sie gemeinsam verändert und kontrolliert werden.
Beobachtung, Gespräche mit Beschäftigten und Führungskräften, Arbeitsproben sowie Systemdaten ergänzen einander, ersetzen sich aber nicht. O*NET bietet berufsbezogene Aufgabenbeschreibungen, Bewertungen, Arbeitsaktivitäten und Kontextdaten, belegt jedoch nicht die lokale Nachfrage, den Aufwand, den Urteilsspielraum oder die Folgen einer Aufgabe. Für deutsche Betriebe ist es deshalb lediglich ein Vokabular- und Vollständigkeitscheck. Das Aufgabenformat und die Felder des Ledgers sind eine anpassbare redaktionelle Methode, keine von O*NET vorgeschriebene Norm.
Jede Aufgabe wird mit einer eingefrorenen, nachvollziehbar dokumentierten KI-Konfiguration und repräsentativen Fällen getestet, bevor eine zukünftige Arbeitsteilung festgelegt wird. Zu protokollieren sind Modellversion, Werkzeuge, Prompts, zugelassene Daten, Kontrollen, Testfälle und Datum. Dieselbe Studie beschreibt die KI-Leistungsgrenze als ungleichmäßig, veränderlich und für Beschäftigte vorab schwer zu erkennen. Ein Etikett wie „automatisierbar“ ist deshalb keine dauerhafte Eigenschaft einer Aufgabe, sondern höchstens das Ergebnis eines begrenzten Tests.
In einem vorregistrierten Experiment mit 758 Beratenden verbesserte KI-Unterstützung die gemessene Leistung bei ausgewählten Aufgaben innerhalb der getesteten Leistungsgrenze, senkte aber die Korrektheit bei einer ausgewählten komplexen Aufgabe außerhalb davon. Das Ergebnis gilt nur für Personen, Modell, Aufgaben und Zeitraum dieser Studie. Es zeigt jedoch, warum ähnlich wirkende Tätigkeiten getrennt geprüft werden müssen. Der freiwillige und anwendungsneutrale NIST AI RMF Core verlangt abgegrenzte Mensch-KI-Verantwortlichkeiten, dokumentierte Bedienkompetenz und definierte Aufsichtsprozesse.
| Aufgabenkonfiguration | Verantwortung des Menschen | Verantwortung der KI | Erforderliches Betriebsdesign |
|---|---|---|---|
| Menschlich ausgeführt | Führt die Aufgabe aus und trägt die bestehende Verantwortung. | Keine oder nur nicht entscheidende Unterstützung. | Zuständigkeit und Grund für die Beibehaltung dokumentieren. |
| KI-unterstützter Mensch | Rahmt die Aufgabe, prüft erforderliche Belege und entscheidet. | Unterstützt innerhalb zugelassener Eingaben und Aktionen. | Prüfkriterien, Abschlussbefugnis und nicht delegierbare Teile festlegen. |
| KI zuerst, menschliche Entscheidung oder Prüfung | Prüft definierte Fälle oder trifft die folgenreiche Entscheidung. | Erzeugt oder routet den ersten Output. | Warteschlange, Priorität, Belege, Ausnahmeweg, Befugnis und Spitzenkapazität klären. |
| Begrenzte Automatisierung | Überwacht die Leistung und löst Ausnahmen. | Schließt eine eng abgegrenzte Aufgabe unter freigegebenen Bedingungen ab. | Grenzen, Stoppkriterien, Beobachtbarkeit, Änderungssteuerung und Rückfallprozess festlegen. |
Neben der Produktionszeit müssen Prüfung, Urteilsarbeit, Ausnahmebearbeitung und Koordination separat gemessen werden. Für die betriebliche Bilanz empfiehlt dieser Leitfaden fünf getrennte Aufwandskonten: Produktion, Prüfung, Urteilsarbeit, Ausnahmebearbeitung und Koordination. Der NIST AI RMF Core fordert klare Rollen, Verantwortlichkeiten, Kommunikationswege, Rückmeldungen und Monitoring, schreibt die fünf Aufwandskonten dieses Leitfadens jedoch nicht vor. Die Konten sind eine praktische Buchungshilfe, mit der verschobene Arbeit nicht als unsichtbarer Gemeinkostenblock endet.
Der Leitfaden empfiehlt, Routing, Rückfragen, Konfliktklärung, Coaching, Wissenspflege und Ausnahmebearbeitung dem jeweiligen Zielverantwortlichen als Arbeitsaufwand zuzuordnen. Zusätzlich sind Warteschlangen und Spitzenlast zu beobachten, denn verlagerte Arbeit bleibt auch dann real, wenn sie nicht mehr beim ursprünglichen Rolleninhaber anfällt. Die OECD-Auswertung weist darauf hin, dass KI monotone Arbeit verringern, zugleich aber das Arbeitstempo erhöhen, Autonomie reduzieren oder Aufgaben verengen kann; die Wirkungen unterscheiden sich nach Umfeld und Beschäftigten. Zeitersparnis und Arbeitsqualität gehören deshalb in dieselbe Bilanz.
KI beseitigt Arbeit nicht in einem sauberen Block; sie verlagert Aufwand, Befugnis, Ausnahmen und Lernen.
Veränderte Aufgaben werden zu tragfähigen Rollen, indem jede erforderliche Pflicht mit Kriterien, Befugnis, Kommunikationsweg und verfügbarer Kapazität verbunden wird. Je nach Einsatz braucht es benannte Verantwortliche für Outputprüfung, Ausnahmen, Wissenspflege, Systembetrieb, Leistungsüberwachung, Lernen und Eskalation. Der NIST AI RMF Core fordert dokumentierte Risikorollen, differenzierte Mensch-KI-Verantwortlichkeiten, Bedienkompetenz, Aufsicht, Feedback und Monitoring, schreibt aber kein bestimmtes Personal- oder Prüfmodell vor. „Human in the Loop“ allein sagt weder, was geprüft wird, noch ob die Warteschlange beherrschbar ist.
In einem hypothetischen Kundensupport kann KI die Suche nach freigegebenen Informationen und den ersten Antwortentwurf beschleunigen. Beschäftigte behalten jedoch die Diagnose mehrdeutiger Anliegen, die Prüfung des passenden Kontexts und Entscheidungen innerhalb ihrer Befugnis. Gleichzeitig können bei Teamleitungen und Spezialisten Prüf-, Eskalations-, Wissenskorrektur- und Coachinganfragen steigen. Bevor höhere Fallmengen zugesagt werden, benötigen diese Zielrollen messbare Nachfrage, Prioritäten, Vertretung und Kapazität. Das Beispiel illustriert die Methode; es überträgt keine Studienquote auf einen anderen Betrieb.
Eine Arbeitsplatzstudie mit 5.179 Beschäftigten im Kundensupport fand je nach Erfahrung deutlich unterschiedliche Produktivitätseffekte und nur hinweisende Evidenz dafür, dass der Assistent Praktiken leistungsstärkerer Beschäftigter verbreitete. Ein Feldexperiment mit 776 Fachkräften aus der Produktentwicklung zeigte veränderte Leistung und Integration von Fachwissen in den getesteten Einzel- und Teamkonstellationen; langfristige Folgen für Aufbau und Erhalt von Expertise blieben offen. Durchschnittswerte sollten deshalb nach Erfahrung getrennt und niemals als universelle Personalquote verwendet werden.
Vor der Neugestaltung ist zu markieren, welche Tätigkeiten bislang Beobachtung, Wiederholung, Feedback, Ursachenverständnis und betreute Praxis ermöglichen. Wenn KI bisherige Übungsmöglichkeiten verdrängt, empfiehlt dieser Leitfaden geplante Originalarbeit, Fallbesprechungen, Coaching und schrittweise anspruchsvollere Entscheidungen. Nachwuchskräfte sollten nicht nur Vorschläge bedienen, sondern Fehler erkennen und bei Ausfall oder falschem Output selbstständig weiterarbeiten können. Diese Lernarchitektur ist eine redaktionelle Empfehlung; die zitierten Studien belegen nicht, dass ein bestimmtes Maßnahmenpaket überall gleich wirkt.
Evidenz reicht erst nach einem gemessenen Pilotbetrieb, der die vollständige Arbeitslast für einen benannten Zeitraum abstimmt und stabile Nachfrage erkennen lässt. Eingesparte Produktionszeit wird erst dann zu vorläufiger Teamkapazität, wenn zusätzliche Arbeit und verlagerte Nachfrage im Pilotbetrieb gegengerechnet wurden. Von der Bruttoentlastung werden zusätzliche Prüfung, Urteilsarbeit, Ausnahmen, Koordination, Lernen, Monitoring und Wissenspflege abgezogen. Liegezeit beschreibt den Prozessfluss, zählt aber nicht automatisch als menschliche Arbeitszeit.
Laut OECD können KI-bedingte Aufgabenänderungen Arbeitsqualität und Beschäftigtengruppen unterschiedlich beeinflussen; ein durchschnittliches Produktionsmaß reicht daher als Grundlage für die Neugestaltung nicht aus. Der NIST AI RMF Core fordert dokumentierte Verantwortlichkeiten, die Einbeziehung von Rückmeldungen sowie die fortlaufende Messung und Überwachung von KI-Risiken und Auswirkungen. Die konkrete Kapazitätsrechnung und das Pilot-Gate sind dennoch eine betriebliche Synthese dieses Leitfadens, keine von OECD oder NIST vorgegebene Formel oder feste Freigabeschwelle.
Weil die getestete KI-Leistung zwischen benachbarten Aufgaben abweichen und sich die Leistungsgrenze verändern kann, muss das Rollendesign bei Änderungen an Konfiguration oder Einsatzkontext neu bewertet werden. Solange repräsentative Evidenz, stabile Arbeitslast, wirksame Prüfung, Ausnahmefähigkeit, benannte Verantwortung oder der Expertiseplan fehlen, bleiben Stellenmodell, Tätigkeitsbeschreibungen, Leistungsmaße und Servicezusagen unverändert. Arbeitsrechtliche, mitbestimmungsbezogene, barrierefreie, diskriminierungsbezogene, datenschutzrechtliche, sicherheitsrelevante, regulatorische und fachlich geschützte Entscheidungen gehören zu den jeweils qualifizierten und befugten betrieblichen Stellen.
Zuerst wird die lokal beobachtete Arbeit in klar abgegrenzte Aufgaben zerlegt und mit Nachfrage, Aufwand, Folgen sowie Verantwortung dokumentiert. Danach wird eine feste KI-Konfiguration an repräsentativen Fällen getestet. Erst wenn alle fünf Aufwandskonten und die neuen Zuständigkeiten sichtbar sind, werden die Aufgaben zu Rollen zusammengesetzt.
Sie plant nicht anhand einer pauschalen Automatisierungsquote für einen Beruf, sondern anhand der tatsächlichen Aufgaben im Betrieb. Berücksichtigt werden Nachfrage, Bearbeitungsaufwand, Urteilsspielraum, Folgen, Abhängigkeiten und die lokal getestete KI-Wirkung. Expositionswerte dienen höchstens als Anlass für eine genauere Untersuchung.
Als Arbeitshilfe dienen vier Konfigurationen: menschlich ausgeführt, KI-unterstützter Mensch, KI zuerst mit menschlicher Entscheidung oder Prüfung sowie begrenzte Automatisierung. Für jede Variante müssen zulässige Eingaben und Aktionen, Abschlussbefugnis, Prüfung, Ausnahmen, Monitoring, Stoppbedingungen und Rückfallprozess feststehen. Die Wahl folgt dem lokalen Test, nicht dem Erscheinungsbild der Aufgabe.
Produktion, Prüfung, Urteilsarbeit, Ausnahmebearbeitung und Koordination werden je Aufgabe getrennt für einen festgelegten Zeitraum erfasst. Verlagert sich Arbeit, erhält sie den tatsächlich zuständigen Zielverantwortlichen statt eines unspezifischen Gemeinkostenpostens. Zusätzlich werden Warteschlangen, Spitzenlast, Nacharbeit und Veränderungen der Nachfrage beobachtet.
Sie bleibt vorläufig, bis ein gemessener Pilot die gesamte Arbeitslast, Qualität, Nachfrage, Warteschlangen und verlagerten Pflichten abgestimmt hat. Auch Monitoring, Wissenspflege und der Erhalt erforderlicher Expertise gehören in die Rechnung. Bei unvollständiger Evidenz ist keine strukturelle Personal- oder Serviceentscheidung gerechtfertigt.
Für die Recherche zu diesem Artikel wurden folgende Quellen verwendet:
Wir berichten darüber, wie KI in Unternehmen tatsächlich ankommt. Wir arbeiten mit benannten Quellen, trennen Rechercheergebnisse von Einordnung und nutzen KI für Recherche und Entwürfe unter dokumentierten redaktionellen Kontrollen. Eine individuelle Fachprüfung ersetzen wir nicht.
Ein praxisnaher Leitfaden, um reale Arbeitsabläufe zu beobachten, Engpässe zu belegen und erst danach einen passenden KI-Test zu entwerfen.
Ein praxisnaher Leitfaden, um Ausnahmen, Freigaben und Übergaben evidenzbasiert neu zu ordnen und Workflows belastbar zu automatisieren.
Ein praxisnaher Leitfaden, der KI-Entscheidungsrechte klärt und Pilotenevidenz in belastbare Portfolio-, Governance- und Strategieanpassungen übersetzt.
