Zwischen Hysterie und Euphorie: Was KI wirklich mit Arbeit macht
Die ehrliche Antwort lautet: KI verändert Arbeit – aber sie tut es nicht eindimensional.
Sowohl die Dystopie vom massenhaften Jobverlust als auch die Verheißung der vollautomatisierten Wohlfühlwelt greifen zu kurz. Die Realität ist wesentlich komplexer. Besonders im Enterprise Service Management zeigt sich bereits heute, dass KI weniger ganze Stellen ersetzt als vielmehr Rollenprofile, Verantwortlichkeiten und Arbeitsweisen verändert.
Künstliche Intelligenz ersetzt in erster Linie repetitive Aufgaben, nicht die menschliche Arbeit. Serviceprozesse, Wissensmanagement und bereichsübergreifende Workflows gehören zu den Bereichen, in denen KI besonders sichtbar Veränderungen anstößt. Automatisiert werden vor allem Tätigkeiten, die klar beschreibbar, einfach wiederholbar und regelbasiert sind. Gleichzeitig rücken Aufgaben in den Fokus, bei denen ethisches Urteilsvermögen, Kontextverständnis und Kommunikation gefragt sind.
Oder anders gesagt: KI nimmt uns zwar so manche Arbeit ab – aber sie übernimmt nicht die Verantwortung.
Somit handelt es sich bei dieser Diskussion nicht um den pauschalen Abbau von Jobs, sondern eine intelligente Verschiebung von Tätigkeiten, Rollen und Kompetenzprofilen. Wer heute nur fragt „Welche Jobs fallen weg?“, stellt die falsche Frage. Vielmehr geht es um Folgendes: Welche Arbeit soll künftig von Menschen erledigt werden – und welche sinnvoll von Maschinen?
Denn zahlreiche Beispiele der Vergangenheit haben bereits bewiesen, dass Innovation kein Jobkiller sein muss, sondern vorhandene Arbeitsplätzen neue Chancen bietet. Viele kennen noch das Personal am Bankschalter, welches sukzessive durch Kioske und Geldautomaten ersetzt wurde – jedoch nicht gekündigt, sondern durch neue Perspektiven verantwortungsvollere, weniger eintönige Aufgaben erfolgreich übernahm.
Neue Rollen am Horizont: Die zukünftigen Top‑5‑Rollen im KI‑Umfeld
Auswertungen zeigen, dass mit dem zunehmenden Einsatz von KI neue Rollen entstehen und bestehende sich verändern. Aus unserer Sicht sind fünf Rollen besonders relevant, die sich in vielen Organisationen im Enterprise Service Management bereits heute abzeichnen. Die Bezeichnungen können dabei grundsätzlich variieren.
1. AI Use‑Case Owner / AI Product Owner & Value Lead
Diese Rolle sorgt dafür, dass KI kein Selbstzweck bleibt. Sie priorisiert Anwendungsfälle, verantwortet fachlichen Nutzen und stellt sicher, dass Technologie echten Mehrwert stiftet – fachlich, wirtschaftlich und organisatorisch, unter Einhaltung der ethischen Werte des Unternehmens. Sie bildet die Brückenfunktion zwischen Business‑Zielen und Data/Engineering‑Umsetzung.
In der Praxis scheitern KI‑Initiativen selten an Ideen, sondern an Datenverfügbarkeit, Betriebsrealität oder fehlender Skalierbarkeit. Deshalb arbeitet diese Rolle eng mit Data‑, MLOps‑, Architektur‑ und Governance‑Funktionen zusammen, und dies findet in einem derzeit hoch-agilen Kontext statt. Im Rahmen eines Enterprise Service Managements ist diese Rolle eng verbunden mit dem bisherigen Service Owner.
2. AI Transparency Manager Governance & Compliance
Mit wachsender Regulierung (DSGVO, EU‑AI‑Act, …) steigt der Bedarf an klaren Verantwortlichkeiten für rechtliche, ethische und organisatorische Absicherung von KI.
In der Praxis handelt es sich selten um eine einzelne Rolle, sondern um eine Governance‑Funktion: Legal, Compliance, Risk, Security, Data‑ und AI‑Engineering sowie Fachbereiche wirken zusammen. Häufig gibt es koordinierende Rollen wie „AI Officer“ oder „Responsible‑AI‑Lead“, mit einem aktuell dominierend technischen Anteil, die Entscheidungswege, Dokumentation und Kontrollmechanismen bündeln. Inhaltlich sind hier auch die organisationseigenen Regularien mitzudenken, wie z. B. ethische Richtlinien, strategische Vorgaben und vieles mehr. Vertrauen entsteht nicht durch technische Algorithmen – sondern durch gelebte Verantwortung.
3. Prompt‑ & Interaction Designer
Die Qualität von KI‑Ergebnissen hängt maßgeblich von der Interaktion ab. Dialoggestaltung, Prompt‑Logiken, Guardrails und Evaluationskriterien entscheiden darüber, ob Copiloten und Agenten verlässlich arbeiten. Im Bereich der KI-Ethik spricht man auch vom Value-Based Engineering, welches die Anforderungen in messbare Systemeigenschaften der KI übersetzt. Je nach Organisation kann dieses notwendige Skill‑Set auf mehrere Rollen verteilt sein – etwa Produktmanagement, UX/Service Design, Business Analyse und Engineering. Entscheidend ist nicht der Titel, sondern die Fähigkeit, Mensch‑KI‑Interaktion systematisch, reproduzierbar, verantwortungsvoll und human zu gestalten.
4. AI Knowledge & Information Management
KI ist nur so gut wie die verwertbare Wissensbasis, auf die sie zugreift. Diese Rolle verantwortet Struktur, Aktualität und Qualität von Wissensquellen – insbesondere in RAG‑ und Agentenszenarien.
Praktisch bedeutet das: klare Ownership‑Modelle, Informationsarchitektur, Metadaten‑ und Taxonomie‑Konzepte, geregelte Ingestion‑ und Aktualisierungsprozesse, Qualitätsmetriken sowie Governance‑Workflows, die Compliance zum Datenschutz wie z.B. der DSGVO sicherstellen. Ohne diese Verfahren läuft KI-Gefahr, unzuverlässige und nicht vertrauenswürdige Grundlage für Entscheidungen zu sein.
5. User Advocate für AI Change & Adoption Management
Die größte Hürde bei KI‑Einführungen ist selten die Technik. Es sind Unsicherheit, Skepsis und fehlende Orientierung. Diese Rolle begleitet den Wandel, nimmt Sorgen ernst und sorgt dafür, dass KI im Arbeitsalltag tatsächlich genutzt wird. In vielen Unternehmen existieren dafür bereits explizite Rollen, häufig mit Fokus auf Copilot‑, Digital‑, Workplace‑ oder Prozess‑Adoption. KI‑Einführungen sind Veränderungsprojekte – mit allem, was dazugehört: Kommunikation, Enablement, Feedback und kontinuierliches Lernen. Die Rolle des klassischen organisatorischen Change-Managements verändert sich erheblich zum AI Change & Adoption Managements, welches von einem stärker datengetriebenen Change Lifecycle geprägt wird.
KI‑nahe IT‑Rollen: gefragt heute – unverzichtbar morgen
In der IT‑Arbeitswelt entstehen keine völlig neuen Disziplinen aus dem Nichts. Vielmehr verändern sich bestehende Rollen – mit klarer Zukunftsperspektive:
AI Solution Architects, die KI in bestehende IT‑ und Prozesslandschaften integrieren
Data Engineers & Data Stewards, die für belastbare Datenfundamente sorgen
MLOps‑ und AI‑Operations‑Spezialist:innen, die Modelle betreiben, überwachen und absichern
Automation‑ und Low‑Code‑Expert:innen, die KI produktiv nutzbar machen
Security‑ und Risk‑Spezialist:innen, die Resilienz, Schutz und Missbrauchsprävention gewährleisten
Nach der Einführungsphase verschiebt sich der Fokus dieser Rollen zunehmend von „Einbauen“ zu Stabilisieren, Optimieren und Skalieren.
Überraschend wichtig: KI‑ferne Rollen mit großer Zukunft
Paradoxerweise gewinnen gerade jene Rollen an Bedeutung, die nicht primär technisch sind:
Business Analyst:innen, die sinnvolle Use Cases identifizieren
Service‑ und Experience‑Designer:innen, die Mensch‑KI‑Zusammenarbeit gestalten
Projekt‑ und Programmmanager:innen, die Komplexität steuern
Organisations‑ und Prozessberater:innen, die Ordnung ins System bringen
Trainer‑ und Enablement‑Spezialist:innen, die Menschen befähigen statt überfordern
Denn je leistungsfähiger KI wird, desto wichtiger wird die Frage: Wie arbeiten Menschen sinnvoll mit ihr zusammen? Welchen Einfluss haben autonome und intelligente Systeme auf die unterschiedlichen Domänen des menschlichen Wohlbefindens?
Keine Hektik! Was Unternehmen in Ruhe überlegen sollten – jenseits von Aktionismus
Aus zahlreichen Projekten und Diskussionen lassen sich fünf klare Erfolgsfaktoren ableiten:
Rollen neu denken statt Stellen streichen
Arbeit verändert sich – also müssen Rollen angepasst werden.
Kompetenzen gezielt entwickeln
AI‑ und Data‑Literacy sind keine Spezialskills mehr, sondern Grundlagen.
Ethikgrundlagen aufbauen, Sorgen ernst nehmen
Akzeptanz entsteht durch Transparenz, Beteiligung und Berücksichtigung von Werten.
KI als Teil des Arbeitssystems begreifen
Nicht als Tool am Rand, sondern als integrierten Arbeitsbaustein.
Transformation als iterative, durch Menschen zu gestaltende Aufgabe verstehen
KI ist kein Projekt mit Enddatum – sondern ein Lernprozess auf dem Weg in die Zukunft.
Fazit: Weniger Angst, mehr Gestaltung
KI wird unsere Arbeit nicht abschaffen, sondern neuen, frischen Kontext geben. Aber sie lädt uns ein , Arbeit neu zu denken und unliebsame Aufgaben so zu automatisieren, wie wir es von zahlreichen Beispielen aus dem Alltag bereits kennen. Unternehmen, die diesen Wandel aktiv gestalten, schaffen nicht nur Produktivität, sondern auch Perspektiven – für Mitarbeitende, Führungskräfte und Organisationen insgesamt. Oder ganz pragmatisch gesagt: Die Zukunft der Arbeit entscheidet sich nicht im Algorithmus, sondern durch die Art und Weise, wie wir die Möglichkeiten von KI nutzen.
