Upskilling durch KI klingt nach Weiterbildung, Aufbruch und Menschen, die freiwillig an einem Dienstagabend ein Webinar über „Prompt Excellence“ besuchen.
In der Praxis kann KI aber ebenso gut dazu führen, dass ihr eure wichtigsten Fähigkeiten an eine glänzende Textmaschine delegiert – und sie irgendwann nicht mehr zurückbekommt.
Ich beschäftige mich als Software Engineer und Social Media Managerin mit KI nicht aus romantischer Technikbegeisterung, sondern weil diese Systeme längst in Arbeitsprozesse hineinragen.
Sie schreiben Texte, sortieren Informationen, erzeugen Code, bewerten und liefern Entscheidungen, die erstaunlich oft so selbstbewusst aussehen, als hätten sie vorher einen Rhetorikkurs besucht.
Die Frage lautet also nicht: „Wird KI unseren Job ersetzen?“ Das wäre die übliche Schlagzeile für Menschen, die auch Wetterberichte als Weltuntergang lesen. Die viel interessantere Frage lautet: Welche Fähigkeiten üben wir durch KI weniger – und welche müssen wir dadurch neu entwickeln?
Deskilling und Upskilling: Zwei entgegengesetzte Effekte
Deskilling bezeichnet den Verlust von Wissen und Können, wenn Menschen Tätigkeiten nicht mehr selbst ausüben, weil technische Systeme sie übernehmen. Der Begriff beschreibt also nicht bloß einen langweiligeren Arbeitsplatz. Er meint, dass Fähigkeiten durch fehlende Übung verkümmern oder bei nachfolgenden Generationen gar nicht erst entstehen.
Upskilling ist das Gegenstück: Die Anforderungen verändern sich, und Beschäftigte bauen neue oder anspruchsvollere Kompetenzen auf. Wenn KI Routinearbeit übernimmt und Menschen dadurch mehr analysieren, entscheiden, gestalten und verantworten, kann Technologie tatsächlich zur Höherqualifizierung beitragen.
Beide Effekte können gleichzeitig auftreten. Eine KI schreibt den ersten Entwurf, wodurch mehr Zeit für Recherche und Strategie bleibt. Gleichzeitig verlernt jemand, sauber zu formulieren, Quellen zu prüfen oder einen Gedanken ohne Vorschlagsfunktion zu entwickeln. Produktivität steigt dann vielleicht – Kompetenz nicht zwingend.
Wann KI berufliche Fähigkeiten abbaut
KI führt besonders dann zu Deskilling, wenn sie eine Tätigkeit vollständig ersetzt, Menschen nur noch Ergebnisse abnicken und niemand mehr versteht, wie diese Ergebnisse zustande kommen. Das Risiko steigt, wenn die Aufgabe selten ausgeführt wird, Fehler schwer erkennbar sind oder Organisationen Geschwindigkeit höher bewerten als Urteilskraft.
Der bequeme Weg zur Abhängigkeit
Kennt ihr das Navigationsgerät-Phänomen? Wer jede Strecke automatisch berechnen lässt, muss sich irgendwann schon konzentrieren, um den Weg zum Briefkasten ohne Satellitenbegleitung zu finden. Bei beruflichen Fähigkeiten funktioniert das ähnlich – nur mit mehr Tabellen, englischen Buzzwords und einem Monatsabo.
In Wissensarbeit betrifft das etwa Schreiben, Recherche, Programmierung und Analyse. Wenn ein Sprachmodell immer die Struktur liefert, übt ihr möglicherweise weniger, selbst Argumente zu ordnen. Wenn ein Coding-Assistent jede Fehlermeldung erklärt, kann das Debugging schneller werden – aber das Verständnis für Ursachen und Systemzusammenhänge schwächer.
Mehr Artikel über Deskilling
Auch kritisches Denken ist betroffen, wenn die KI nicht als Vorschlaggeberin, sondern als Vorentscheidung benutzt wird. Die Arbeitsforschung des Fraunhofer-Instituts verweist darauf, dass Schreiben nicht nur der Ausgabe von Wissen dient: Beim Formulieren werden Gedanken sortiert, Widersprüche sichtbar und neue Einsichten entwickelt.
Vier Warnsignale für Deskilling
- Ihr könnt das KI-Ergebnis nicht fachlich erklären, gebt es aber trotzdem frei.
- Ihr bearbeitet eine Aufgabe nur noch, wenn das System vorher einen Entwurf erstellt.
- Fehler fallen erst auf, wenn Kundinnen, Kolleginnen oder das Publikum sie entdecken.
- Neue Mitarbeitende lernen den Prozess ausschließlich über das Tool und nicht mehr über die zugrunde liegende Tätigkeit.
Besonders heikel ist der letzte Punkt. Wer eine Fähigkeit nie selbst aufbaut, kann später nur schwer beurteilen, ob die Maschine gute Arbeit leistet. Eine Axt 2000 wäre schließlich auch kein Ersatz für handwerkliches Können, nur weil sie beeindruckend blinkt.
Wann Upskilling durch KI ermöglicht wird
KI ermöglicht Upskilling, wenn sie nicht das Denken abschafft, sondern den Zugang zu anspruchsvolleren Aufgaben eröffnet. Das setzt voraus, dass Menschen weiterhin Ziele definieren, Ergebnisse prüfen, Entscheidungen begründen und Verantwortung übernehmen.
Ein Beispiel: Ein Marketingteam lässt KI Varianten für eine Kampagne entwickeln. Der Kompetenzgewinn entsteht nicht dadurch, dass nun 50 Überschriften statt fünf existieren. Er entsteht, wenn das Team Zielgruppenpsychologie, Positionierung, Tonalität und Wirkung bewusster beurteilt – und die Maschine als Materiallieferantin statt als Orakel behandelt.
Neue Fähigkeiten durch KI-Arbeit
- Aufgaben sinnvoll in menschliche und maschinelle Teilschritte zerlegen.
- Ausgaben anhand von Fachwissen, Quellen und Kontext bewerten.
- Prompts als präzise Arbeitsanweisungen statt als Zaubersprüche formulieren.
- Unsicherheit, Fehler und Verzerrungen erkennen.
- Entscheidungen nachvollziehbar dokumentieren.
- Arbeitsprozesse so gestalten, dass Menschen bei kritischen Punkten eingreifen können.
Das ist mehr als Tool-Bedienung. Es ist eine Kombination aus Fachkompetenz, Urteilskraft, Kommunikationsfähigkeit und technologischem Verständnis. Genau deshalb reicht ein Zertifikat mit KI-Sternchen nicht automatisch als Beweis für Kompetenz. Die Europäische Kommission beschreibt AI Literacy kontextabhängig: Organisationen sollen Wissen, Erfahrung, Ausbildung und den konkreten Einsatzbereich ihrer Mitarbeitenden berücksichtigen.
Mehr Artikel über den Einsatz von KI
Auch rechtlich wird diese Frage konkreter. Nach den Informationen der Europäischen Kommission zu Artikel 4 des EU AI Act müssen Anbieter und Betreiber Maßnahmen zur Entwicklung von KI-Kompetenz ihrer Mitarbeitenden und weiterer beteiligter Personen unterstützen. Eine allgemeine Einheitsausbildung oder ein bestimmtes Zertifikat ist dabei nicht vorgeschrieben; entscheidend ist der Kontext des eingesetzten Systems.
Wie ihr Deskilling verhindert und Upskilling plant
Die Lösung besteht nicht darin, KI wieder in den digitalen Keller zu sperren. Das wäre ungefähr so realistisch wie ein Unternehmensworkshop ohne Flipchart. Sinnvoller ist ein Arbeitsdesign, das Automatisierung mit bewusst erhaltenen Lern- und Kontrollschleifen verbindet.
1. Trennt Routine von Kernkompetenz
Fragt zuerst: Welche Aufgabe ist wirklich repetitiv – und welche Teile davon bilden fachliche Urteilskraft aus? Formatieren, Transkribieren oder Varianten erzeugen kann KI oft übernehmen. Problemdefinition, Kontextbewertung, Priorisierung und Freigabe solltet ihr nicht automatisch auslagern.
2. Baut absichtliche Übungsräume ein
Wer eine Fähigkeit erhalten will, muss sie gelegentlich ohne Assistenz ausüben. Das kann ein eigener Erstentwurf, eine manuelle Analyse oder ein Debugging-Versuch vor dem Blick in die KI-Antwort sein. Es klingt altmodisch, ist aber weniger gefährlich als die Annahme, Kompetenz bleibe durch bloßes Zuschauen dauerhaft erhalten.
3. Macht die KI zum Sparringspartner
Lasst euch nicht nur fertige Ergebnisse liefern. Bittet das System um Gegenargumente, Prüfungsfragen, alternative Hypothesen oder Hinweise auf blinde Flecken. Noch besser: Formuliert eure eigene Lösung zuerst und nutzt KI anschließend zur Kritik. So bleibt ihr im Fahrersitz – und nicht bloß im Beifahrersitz mit Zugriff auf die Hupe.
Wer denkt, bevor die KI antwortet?
Kognitive Entlastung klingt angenehm, kann aber zur geistigen Vollpension werden. Wer eigene Hypothesen formuliert, bevor KI ins Spiel kommt, trainiert Urteilskraft und erkennt schwache Vorschläge schneller. Die Reihenfolge der Zusammenarbeit entscheidet deshalb über den Lerneffekt.
4. Bewertet Kompetenz statt Tool-Nutzung
- Kann die Person erklären, warum ein Ergebnis plausibel ist?
- Kann sie Fehler erkennen und korrigieren?
- Kann sie ohne KI eine begründete Entscheidung treffen?
- Kann sie Risiken für Kundinnen, Kolleginnen und Betroffene einschätzen?
- Kann sie den Prozess so dokumentieren, dass andere ihn nachvollziehen können?
Diese Fragen sind für Führungskräfte wichtiger als die Anzahl der besuchten Prompt-Webinare. Sie zeigen, ob ein Team tatsächlich upskillt oder nur schneller zu Ergebnissen kommt, deren Qualität niemand mehr sicher beurteilen kann.
Die Analyse des Hochschulforums Digitalisierung schlägt sinngemäß vor, Mensch-KI-Zusammenarbeit so zu gestalten, dass Basiskompetenzen erhalten bleiben und zugleich neue Fähigkeiten entstehen. Dieses Prinzip lässt sich auf Unternehmen übertragen: KI sollte Menschen beim Verstehen, Bearbeiten und Reflektieren unterstützen – nicht bloß das Endprodukt ausspucken.
Fazit: KI darf euch entlasten, aber nicht entmündigen
Deskilling und Upskilling sind keine Eigenschaften, die automatisch in einer Technologie eingebaut sind. Sie entstehen durch die Art, wie ihr Arbeit organisiert, Lernen ermöglicht und Verantwortung verteilt. KI baut Fähigkeiten ab, wenn sie Menschen aus dem Prozess drängt. Sie stärkt Fähigkeiten, wenn sie Routine reduziert, Reflexion anregt und anspruchsvollere Entscheidungen ermöglicht.
Schreibe einen Kommentar