In vielen Unternehmen läuft die KI-Einführung wie ein klassischer Software-Rollout: Lizenzen beschaffen, Schulungen anbieten, Nutzungsquoten messen. Das ist notwendig, aber es verfehlt den Teil, der am Ende über Erfolg oder stilles Scheitern entscheidet.

Was im Rollout unsichtbar bleibt

Es gibt einen Begriff dafür: Job Hollowing. Die Stelle bleibt, die Bezeichnung bleibt, das Gehalt bleibt. Aber die Tätigkeiten, an denen Menschen früher gelernt haben, wandern nach und nach zur KI.

In der Softwareentwicklung sieht man das besonders deutlich. Routinecode schreibt heute oft die KI, schneller und meist ordentlich. Nur: Genau an diesen Routinen haben Juniors früher das Urteilsvermögen aufgebaut, das sie heute brauchen, um KI-generierten Code kritisch zu prüfen. Wer nie selbst Fehler gesucht hat, erkennt sie auch im Code anderer schwerer.

Eine Studie aus dem Anthropic Fellows Program stützt das: Wer sich beim Erlernen einer neuen Programmierbibliothek von KI helfen ließ, verstand das Konzept anschließend schlechter, las Code schlechter und tat sich vor allem bei der Fehlersuche schwerer. Schneller war die KI-Gruppe im Schnitt trotzdem nicht.

Das Tückische: Jede einzelne Entscheidung ist vernünftig. Warum sollte jemand Stunden investieren, wenn die KI es in Minuten erledigt? In Summe entsteht potenziell aber eine Lücke, die erst Jahre später sichtbar wird. Dann, wenn die Erfahrenen gehen und niemand nachwächst, der ihre Rolle übernehmen kann.

Warum das ein Change-Thema ist

Die Change-Forschung unterscheidet seit Langem zwischen Wandlungsbedarf, Wandlungsbereitschaft und Wandlungsfähigkeit. Die meisten KI-Initiativen kümmern sich intensiv um den Bedarf (“Wir müssen da mit”) und ein wenig um die Fähigkeit, verstanden als Tool-Schulung.

Fähigkeit bedeutet aber mehr als zu wissen, welchen Knopf man drückt. Es geht um Urteilsvermögen: einschätzen zu können, wann ein Ergebnis taugt und wann nicht. Das entsteht nicht in einem Webinar. Es entsteht durch Erfahrung, und genau die wird gerade leise wegrationalisiert.

Das ist keine technische Frage. Es ist eine Frage, wie Organisationen Kompetenz aufbauen, und damit Führungsarbeit.

Was Führung konkret tun kann

  1. Lernpfade bewusst gestalten. Festlegen, welche Aufgaben Nachwuchskräfte weiterhin selbst erledigen, auch wenn die KI schneller wäre. Nicht aus Prinzip, sondern als Investition in die Kompetenz von morgen.
  2. Urteilsvermögen sichtbar machen. In Reviews und Gesprächen nicht nur das Ergebnis bewerten, sondern die Begründung: Warum ist das richtig? Woran hättest du erkannt, dass es falsch ist? Die gleiche Studie zeigt übrigens: Wer die KI nach Erklärungen fragt statt nach fertigen Lösungen, lernt trotzdem dazu.
  3. Erfolg anders messen. Nutzungsquote und Produktivität sind leicht zu zählen. Ob Menschen sich weiterentwickeln, ist schwerer, aber auf Dauer die entscheidende Kennzahl.

Zum Schluss

KI ist ein mächtiges Werkzeug, und es wäre falsch, sie zu bremsen. Aber Technik skaliert von allein. Erfahrung nicht. Die härtesten Probleme in Organisationen sind selten technischer Natur. Bei der Einführung von KI gilt das mehr denn je.

Quelle
Shen, J. H. & Tamkin, A. (2026). How AI Impacts Skill Formation. arXiv:2601.20245. https://arxiv.org/abs/2601.20245

Über den Autor
André Wolff führt seit über 20 Jahren Menschen und Organisationen durch Veränderung: als Offizier, Standortleiter, Berater und Coach. Sein Thema: Die härtesten Probleme in Organisationen sind menschlich, gerade wenn die Technik sich rasant verändert.
Kontakt · LinkedIn