Die rasante Entwicklung von Künstlicher Intelligenz verändert nicht nur technische Prozesse, sondern stellt auch neue Anforderungen an Mitarbeitende. Welche Fähigkeiten heute und künftig gefragt sind, schildert Ex-Duolingo-Manager Albert Cheng – mit überraschenden Einsichten aus der Praxis.
KI als Game-Changer für den Arbeitsmarkt
Künstliche Intelligenz hat sich vom Nischenthema zum integralen Bestandteil zahlreicher Branchen entwickelt. In Unternehmen ist längst angekommen, dass KI-Modelle wie OpenAIs GPT-4, Google Gemini oder Claude 3 nicht nur Automatisierung versprechen, sondern zentrale Kompetenzen in der Arbeitswelt neu definieren. Laut einer Umfrage des Weltwirtschaftsforums aus dem „Future of Jobs Report 2023“ erwarten 75 % der befragten Unternehmen, dass KI in den nächsten fünf Jahren erhebliche Umstrukturierungen der Belegschaft erforderlich macht. Gleichzeitig sind laut PwC rund 30 % der heutigen Stellen durch Automatisierung gefährdet – ein Weckruf für Arbeitnehmer wie Arbeitgeber.
Doch was bedeutet das konkret für Beschäftigte? Welche Fähigkeiten sichern Beschäftigungsfähigkeit in einer Welt, in der Maschinen zunehmend kreativ, sprachlich und analytisch agieren können? Der ehemalige Growth-Manager von Duolingo, Albert Cheng, gibt im Podcast „The Knowledge“ konkrete Antworten.
Technische Skills bleiben essenziell – aber genügen nicht mehr
Cheng betont im Gespräch, dass technisches Know-how im KI-Kontext unverzichtbar bleibt. Wer versteht, wie Machine-Learning-Modelle trainiert werden, welche Datenqualität notwendig ist oder welche Grenzen Large Language Models haben, kann realistische Use Cases entwickeln und bewerten. Gleichzeitig warnt er aber davor, auf reine Technikkompetenz zu setzen.
„Immer mehr Aufgaben lassen sich automatisieren – wer nur das Bedienen von Tools beherrscht, wird früher oder später von der Technik überholt“, sagt Cheng. Viel wichtiger sei es, Problemkontexte zu durchdringen, kreativ zu denken und Entscheidungen unter Unsicherheit zu treffen. Deshalb gewinnen sogenannte „Meta-Skills“ an Relevanz: Fähigkeiten, die unabhängig von Tools und Technologien bestehen bleiben.
- Kritisches Denken: Die Fähigkeit, Informationen zu hinterfragen, Zielkonflikte zu erkennen und evidenzbasiert zu entscheiden.
- Selbstlernkompetenz: In einem Umfeld ständiger technologischer Veränderungen sind Lern-Agilität und Neugier zentrale Karrierebooster.
- Kommunikationsfähigkeit: Wer komplexe KI-Erkenntnisse verständlich für Entscheider oder Kund:innen aufbereiten kann, wird zu einem wertvollen Brückenbauer.
Zu viel Erfahrung kann zum Hindernis werden
Auf den ersten Blick wirken langjährige Berufserfahrung und tiefe Fachkenntnis wie ein Vorteil. Doch Cheng beleuchtet eine paradoxe Kehrseite: „Menschen mit jahrzehntelanger Erfahrung neigen dazu, etablierte Denk- und Handlungsweisen nicht infrage zu stellen – das ist im KI-Zeitalter gefährlich.“ Gerade in schnell disruptiven Umfeldern sind Anpassungsfähigkeit, Offenheit für neue Paradigmen und sogenannte „Beginner’s Mind“-Mentalitäten gefragt.
Das unterstreicht auch eine Studie von McKinsey (2023): In Unternehmen mit hoher technologischer Dynamik waren Mitarbeitende mit flexiblen Karrierepfaden signifikant erfolgreicher in der Adaption von KI-basierten Prozessen als hierarchisch eingebundene Spezialisten mit starren Rollenbildern.
Cheng plädiert für eine neue Bewertung von Karriereprofilen: Weniger die Länge der Erfahrung zählt, sondern die Fähigkeit, relevante Fragen zu stellen, Probleme neu zu rahmen und ungewohnte Methoden produktiv zu explorieren.
Balance aus Soft Skills und Technologieverständnis als Erfolgsmodell
Die Praxis zeigt: Es reicht nicht, entweder in Technik oder Kommunikation stark zu sein. Besonders in interdisziplinären KI-Projekten – etwa in der Produktentwicklung, Datenethik oder im Prompt Engineering – sind hybride Kompetenzprofile gefragt. Der Begriff „T-shaped Skills“ beschreibt dieses Modell treffend: tiefes Wissen in einem Bereich (der Stamm des „T“) ergänzt durch breites Verständnis verwandter Disziplinen (der Balken des „T“).
Beispielsweise brauchen KI-Produktmanager heute nicht nur technisches Verständnis, sondern auch Kenntnisse in UX, Datenschutzrecht und Wertschöpfungsketten. Entsprechend transformieren sich auch Qualifikationsprofile: Immer mehr Unternehmen wie Google, Microsoft oder SAP setzen auf „Talent Skills Graphs“, um Fähigkeiten abseits klassischer Lebensläufe sichtbar und bewertbar zu machen.
Ein klarer Trend für die Zukunft: Generalisten mit Neugier, Weitblick und Adaptionsfähigkeit gewinnen gegenüber Spezialisten mit Tunnelblick zunehmend an Wert.
Statistik: Laut LinkedIn Learning’s „Workplace Learning Report 2024“ empfinden 89 % der L&D-Profis Soft Skills als genauso wichtig oder wichtiger als technische Skills – besonders bei Führungsnachwuchs.
Statistik: Eine aktuelle Erhebung von Gartner (2024) zeigt, dass 64 % der Unternehmen ihre Recruiting-Kriterien in Richtung potenzialbasierter Einstellungsverfahren verändert haben – weg von linearen Lebensläufen hin zu Fähigkeitenclustern.
Was Unternehmen jetzt tun sollten
Damit Organisationen ihre Mitarbeitenden auf das KI-Zeitalter vorbereiten können, sind neue Strategien notwendig: Weiterbildung ist dabei nur ein Baustein. Entscheidend ist die Schaffung eines kulturellen Umfelds, das Experimentierfreude, interdisziplinären Austausch und kontinuierliches Lernen systemisch verankert.
Folgende Maßnahmen haben sich dabei als besonders wirkungsvoll erwiesen:
- Skill-basierte Karrierepfade: Statt klassische Senioritätsstufen zu belohnen, sollten Unternehmen rollenbasiert nach Fähigkeiten und Beiträgen differenzieren.
- Lern-Sprints und KI-Trainings: Kurzformate, in denen Mitarbeitende an realen Problemen mit LLMs, Prompting und Automatisierung experimentieren können.
- Kulturelle Öffnung fördern: Führungskräfte sollten Fehlerkultur aktiv vorleben und Möglichkeitsräume für unkonventionelle Ideen schaffen.
Ein Best-Practice-Beispiel liefern Unternehmen wie SAP oder Siemens, die interne „AI Readiness Bootcamps“ durchführen, bei denen technische Fachkräfte mit HR, Recht, IT-Sicherheit und Marketing zusammenarbeiten, um KI-Projekte bereichsübergreifend zu pilotieren.
Perspektiven für Einzelpersonen: So macht man sich zukunftssicher
Wer selbst aktiv werden möchte, sollte sich auf drei Stoßrichtungen konzentrieren: individuelles Mindset, gezielter Kompetenzaufbau und strategisches Networking. Online-Kurse zu Generativer KI, Prompt Engineering oder kritischem Denken helfen beim Aufbau relevanter Skills – Plattformen wie Coursera, edX oder Udacity liefern dabei kuratierte Lernpfade.
Gleichzeitig sollten Berufstätige ihren Selbstwert nicht mehr nur über Stellenbezeichnungen, sondern über Problemlösungskompetenz und Lernbereitschaft definieren. Netzwerke, z. B. in lokalen AI-Meetups oder internen Communities of Practice, bieten zudem Austausch mit Gleichgesinnten – und erhöhen die eigene Sichtbarkeit.
- Formuliere persönliche Lernziele – fokussiert auf Transferfähigkeit, nicht Toolwissen.
- Reflektiere regelmäßig, welche Probleme du mit KI besser lösen konntest – und welche nicht.
- Überdenke eingefahrene Methoden: Wo kannst du andere Denkansätze ausprobieren?
Fazit: Menschliche Fähigkeiten werden zum entscheidenden Wettbewerbsvorteil
Die Zukunft der Arbeit im KI-Zeitalter gehört nicht jenen, die am besten programmieren können – sondern jenen, die KI kreativ, kritisch und verantwortungsvoll nutzen. Unternehmen und Individuen stehen gleichermaßen in der Pflicht, sich auf diesen Wandel vorzubereiten. Dabei geht es nicht um technologische Überlegenheit, sondern um die Frage: Wer kann Systeme, Menschen und Ideen sinnstiftend verbinden?
Wie sehen Sie das? Welche Skills fehlen Ihrer Meinung nach im beruflichen Alltag? Diskutieren Sie mit unserer Redaktion und der Community: Welche Kompetenzen machen Sie persönlich „future-proof“?
