KI in der Führungspraxis: Den Umbau von Aufgaben und Rollen steuern

Die Diskussion über KI in Unternehmen bewegt sich oft zwischen zwei Extremen: den Versprechen enormer Effizienzgewinne und der Sorge um Arbeitsplätze. In der betrieblichen Realität erleben Führungskräfte jedoch häufig ein drittes Szenario: Die KI-Tools sind längst da – sei es offiziell implementiert oder weil Mitarbeitende sie einfach nutzen, um ihre individuellen Ziele zu erreichen. Doch statt spürbarer Entlastung entsteht oft neuer Druck. Zudem müssen KI-Ergebnisse zeitintensiv überwacht und nachgebessert werden.
Ein Perspektivwechsel lohnt sich: Weg von einer technologiegetriebenen Debatte, hin zu einer klugen Neuaufteilung der Arbeit. Prof. Dr. Jutta Rump vom Institut für Beschäftigung und Employability (IBE) liefert hierfür mit ihren sechs Wirkungsdimensionen den strukturellen Rahmen. Ich habe diesen Ansatz mit aktuellen Nutzungsdaten von Microsoft Research und neuen Erkenntnissen aus der Arbeitsmedizin verknüpft. Das Ergebnis: Sechs praxisnahe Handlungsimpulse für den Führungsalltag.

1. Angst vor dem Jobverlust entkräften (Substitutionseffekt)

Ausgangslage
In vielen Teams herrscht die Sorge, durch KI ersetzt zu werden. Diese Angst ist begründet. Tatsächlich planen laut IBE drei Viertel der Unternehmen fest mit Einsparungen durch KI (vgl. Rump, 2025a). Die Praxis zeigt jedoch: Selten wird der ganze Mitarbeitende verdrängt. KI übernimmt insbesondere die „Informationsarbeit“ – also das Suchen, Ordnen und Schreiben von Daten. Der Beruf selbst verschwindet also nicht vollständig, sondern gibt nur seine standardisierbaren Anteile ab.

Praxisimpuls
Nehmen Sie die Schärfe aus der Diskussion, indem Sie den Unterschied zwischen einer einzelnen „Tätigkeit“ und dem ganzen „Beruf“ klarmachen. Die Formel ist einfach: Was systematisch abgearbeitet werden kann, übernimmt künftig die KI. Geht es aber um komplexe Abwägungen oder strategische Entscheidungen, bleibt der Mensch unverzichtbar. Ihre Führungsaufgabe ist es, diese Grenze im Team deutlich zu ziehen, um Sicherheit zu geben.

Umsetzungsbeispiel
Erstellen Sie mit Ihrem Team eine Liste mit zwei Spalten:

• KI-Aufgaben: Alles, was repetitiv ist und festen Mustern folgt (z. B. Protokolle schreiben, Daten zusammenfassen). Hier entlastet die Technik.
• Menschen-Aufgaben: Alles, was Fingerspitzengefühl und Verantwortung verlangt. Hier liegt der wahre Wert Ihrer Mitarbeitenden.

Das Beispiel macht sofort sichtbar: KI ist kein bedrohlicher Konkurrent, sondern ein Werkzeug bzw. Assistent für die ungeliebten Fleißarbeiten.

2. Verlernen entgegenwirken (Simplifizierungseffekt)

Ausgangslage
KI senkt die Hürden: Was früher jahrelange Erfahrung brauchte, gelingt heute auf Knopfdruck. Diese „Simplifizierung“ führt dazu, dass Mitarbeitende oft nur noch eine überwachende Funktion haben. Das Risiko dabei ist der schleichende Kompetenzverlust (Deskilling). Studien zeigen: Wenn das Vertrauen in die KI hoch ist, schaltet das menschliche kritische Denken ab (vgl. Rump, 2025b). Mitarbeitende verlieren das Verständnis dafür, wie ein Ergebnis entsteht. Fehler werden nicht mehr erkannt. Besonders gefährlich ist dies für den Nachwuchs: Da KI typische Einstiegsaufgaben (Recherche, Vorarbeit) übernimmt, bricht die klassische Lernkurve weg.

Praxisimpuls
Steuern Sie der Komfortfalle entgegen. Wenn Assistenzsysteme die kognitive Anstrengung abnehmen, muss Führung diese künstlich wieder herstellen. Es gilt dabei das Prinzip: Nur wer den Prozess manuell beherrscht, darf ihn automatisieren. Verhindern Sie, dass Ihre Junior-Mitarbeitenden reine KI-Bediener werden, denen die fachliche Tiefe für spätere Expertenrollen fehlt. Stellen Sie vielmehr durch „Learning on the Job“ sicher, dass das fundamentale Handwerkszeug erhalten bleibt, auch wenn KI das eigentlich unnötig erscheinen lässt.

Umsetzungsbeispiel
Etablieren Sie zwei Trainingsregeln im Team:

• Das „Taschenrechner-Verbot“: Junior-Mitarbeitende müssen bestimmte Aufgaben (z. B. erste Entwürfe) phasenweise ohne KI lösen, um Grundlagenwissen zu festigen. Erst danach darf das Tool zur Optimierung genutzt werden.
• Die „Stichprobe“: Fragen Sie bei KI-Ergebnissen nach ihrer mündlichen Herleitung und nicht nur, ob das Ergebnis richtig ist. Das Ziel: Der Mensch behält die Urteilsfähigkeit. Die KI wird als Werkzeug genutzt, nicht als bequemer Ersatz für das eigene Denken.

3. Mittelfeld aufwerten (Polarisierungseffekt)

Ausgangslage
Der Arbeitsmarkt entwickelt sich zunehmend U‑förmig: Während hochspezialisierte Experten und handwerkliche Berufe stabil bleiben, gerät die qualifizierte Sachbearbeitung massiv unter Druck. Dieser Polarisierungseffekt macht klassische Büroarbeit in der Mitte wirtschaftlich unrentabel, da Software Routinen schneller und günstiger erledigt. Doch genau hier liegt eine verdeckte Chance. Eine Analyse von Microsoft zeigt, dass KI Fachwissen „demokratisieren“ kann: Der KI-Einsatz ermöglicht es Mitarbeitenden mit mittlerer Qualifikation, Aufgaben zu erledigen, die früher erfahrenen Spezialisten vorbehalten waren.

Praxisimpuls
Reagieren Sie in der Mitte nicht mit Stellenabbau, sondern mit einer Qualifizierungsoffensive. Die Strategie lautet: KI dient als Mentor, um das Leistungsniveau im Team anzuheben. Wenn ein Sachbearbeiter durch KI-Unterstützung plötzlich komplexe Analysen oder rechtssichere Texte erstellen kann, sichert das seine Beschäftigungsfähigkeit und steigert die Produktivität der Abteilung. Ihre Aufgabe ist es, KI nicht als kostensparenden Ersatz des Mitarbeitenden, sondern als Werkzeug zur Qualitätssteigerung zu etablieren.

Umsetzungsbeispiel
Organisieren Sie mit einem „KI-Werkzeugkasten“ den internen Wissenstransfer:

1. Identifizieren: Suchen Sie die „Power User“ in Ihrem Team, die KI bereits erfolgreich nutzen (oft jüngere technikaffine Kolleginnen und Kollegen).
2. Sammeln: Lassen Sie diese Mitarbeitenden ihre funktionierenden KI-Befehle (Prompts) für typische Aufgaben dokumentieren – etwa für „Kundenbeschwerden analysieren“ oder „Projektstatus zusammenfassen“.
3. Verteilen: Stellen Sie diese Sammlung dem gesamten Team zur Verfügung. Das Ziel: Das Wissen einzelner Leistungsträger wird konserviert und breiter nutzbar. So befähigen Sie durchschnittliche Sachbearbeiter, schrittweise Ergebnisse auf Expertenniveau zu liefern.

4. Versteckten Stress vermeiden (Zeiteffekt)

Ausgangslage
Theoretisch schafft KI freie Kapazitäten. Ohne Gegensteuerung führt dies jedoch oft zu einer massiven Arbeitsverdichtung. Wenn die KI einfache Routine-Aufgaben übernimmt, entfallen nämlich natürliche „mentale Pausen“ im Arbeitstag. Stattdessen entsteht eine Dauerschleife aus komplexen Problemlösungen und der Überwachung der KI-Systeme. In der Arbeitsmedizin wird diese neue Rolle als „Stewardship“ (vgl. Shemtob et al., 2026) bezeichnet: Der Mitarbeitende arbeitet nicht mehr selbst, sondern orchestriert und prüft die KI-Agenten. Diese dauerhafte kognitive Anspannung erzeugt eine versteckte Arbeitslast („hidden workload“). Diese fehlt in offiziellen Stellenbeschreibungen, erhöht aber das Risiko für Erschöpfung und die „Beschleunigungsfalle“ signifikant.

Praxisimpuls
Betrachten Sie Zeitgewinne durch KI nicht automatisch als freie Kapazität für mehr Output. Ein nachhaltiger Umgang mit der Ressource Zeit ist ein entscheidender Gesundheitsfaktor. Die Führungsaufgabe besteht deshalb darin, die neue Rolle der KI-Überwachung („Stewardship“) als echte Arbeit anzuerkennen. Wenn stattdessen Effizienzgewinne zu 100 % in eine Mengensteigerung überführt werden, brennt das Team aus, da die Zeit für kognitive Erholung fehlt. Stellen Sie daher sicher, dass die gewonnene Zeit reinvestiert wird, um die mentale Balance zu wahren.

Umsetzungsbeispiel
Führen Sie eine „Reinvestitionsquote“ für KI-Zeitgewinne ein:

• Die 50/50-Regel: Wenn ein Prozess durch KI zwei Stunden schneller abläuft, wird nur eine Stunde mit neuen Aufgaben gefüllt.
• Der Freiraum: Die andere Stunde wird für „Qualität und Innovation“ geblockt (z. B. Optimierung von Prompts, Weiterbildung oder kollegialer Austausch).

Das Ziel: Sie verhindern dadurch die Beschleunigung bzw. Überforderung. Mitarbeitende werden von Getriebenen zu Gestaltenden.

5. Arbeitsteilung neu definieren (Ergänzungseffekt)

Ausgangslage
Ein häufiger Irrtum ist, dass KI ein reines IT-Thema sei. Mensch und Technik arbeiten jedoch nicht getrennt, sondern Hand in Hand. Diese Zusammenarbeit ist dann am erfolgreichsten, wenn die Rollenverteilung klar ist: Der Mensch liefert die Strategie, das Ziel und steuert. Die KI übernimmt die operative Ausführung. Somit entscheidet nicht die IT-Abteilung, wie die KI arbeitet, sondern Ihr Team.

Praxisimpuls
Betrachten Sie KI nicht als Software, die man installiert und dann vergessen kann. KI ist vielmehr ein neues Teammitglied, das Führung braucht. KI führt Aufgaben aus, kann aber keine Verantwortung tragen. Dies muss durch Ihre Mitarbeitenden übernommen werden. Notwendig sind abgestimmte Schnittstellen, damit aus technischer Leistung auch fachlicher Nutzen wird. Ihre Aufgabe ist es, das Mindset im Team zu ändern: Weg vom passiven Nutzer, hin zum aktiven Auftraggeber, der die KI steuert.

Umsetzungsbeispiel:
Integrieren Sie zwei neue Verantwortlichkeiten fest in den Arbeitsalltag Ihres Teams:

1. Datenqualität: Mit schlechtem Datenmaterial werden selbst mit KI-Einsatz schlechte Ergebnisse erzielt. Machen Sie es zur Aufgabe Ihrer Mitarbeitenden, die Informationsbasis (z. B. Kundendaten) so zu pflegen, dass die KI damit gut arbeiten kann.
2. Ergebnisabnahme: Etablieren Sie das Prinzip der kritischen Prüfung und Integration. Die Mitarbeitenden übernehmen Verantwortung für den Output – genau so, als hätten sie ihn ohne KI-Assistenz selbst erstellt. Zudem verlässt kein KI-Ergebnis ungeprüft die Abteilung.

6. Experten von morgen entwickeln (Senioritätseffekt)

Ausgangslage
Früher lernten Berufseinsteiger ihr Handwerk durch „Fleißaufgaben“ (Zuarbeit durch Recherche, Datenaufbereitung, erste Entwürfe etc.). Da genau diese Tätigkeiten zunehmend von der KI erledigt werden, bricht diese klassische Lernmöglichkeit für Nachwuchstalente weg. Unternehmen stellen bereits weniger Junioren ein und konzentrieren sich auf erfahrene Mitarbeitende. Das birgt ein enormes Langzeitrisiko: Wenn diese Einstiegs- bzw. Entwicklungsstufe zunehmend fehlt, wachsen keine Experten für die Zukunft nach.

Praxisimpuls
Wenn das klassische „Learning by Doing“ bei Routineaufgaben entfällt, müssen Sie die Ausbildung Ihrer Nachwuchskräfte neu gestalten. Juniorstellen dürfen nicht primär an ihrem direkten operativen Output gemessen werden. Sie sollten vielmehr als Investition in den künftigen Expertenpool verstanden werden. Zudem bedarf es einer neuen Lernarchitektur, die die Erlangung von Erfahrungswissen ermöglicht, ohne dass dafür jahrelange Routinearbeit notwendig ist.

Umsetzungsbeispiel
Qualifizieren Sie Ihre Talente durch alternative Methoden:

1. Schattenprinzip & Mentoring: Etablieren Sie intensives „Mitlaufen“ (Shadowing) und ein begleitendes Mentoring durch erfahrene Kollegen als festen Bestandteil der Ausbildung. Da Junioren durch KI-Nutzung weniger durch Zuarbeit gebunden sind, können sie früher in komplexere Prozesse eingebunden werden, um durch Beobachtung zu lernen und durch gezielten Austausch das fehlende Erfahrungswissen aufzubauen.
2. Gezielte Fehlersuche: Lassen Sie Junioren die Ergebnisse der KI systematisch auf Schwachstellen prüfen („Red Teaming“). Die Aufgabe lautet verkürzt nicht „erstelle den Bericht“, sondern „finde Fehler im KI-Entwurf“. Dies fördert das Qualitätsbewusstsein und die Urteilsfähigkeit.

Fazit: Führung neu denken

KI verändert Rollen radikal. Der Fokus verschiebt sich von der erfahrungsbasierten Ausführung hin zur Verantwortung für die KI-gestützten Ergebnisse („Stewardship“). Dabei müssen jedoch Zuständigkeiten und Abläufe stimmen. Da KI oft typische Einstiegsaufgaben übernimmt, werden neue Qualifizierungswege erforderlich, damit auch künftig Experten bereitstehen. Zielführend ist, KI nicht als Konkurrenz, sondern als Werkzeug zu betrachten, das Freiräume für Wesentliches schafft – bspw. für selbstgesteuerte Entwicklung. Technologie ist künftig für alle verfügbar. Den entscheidenden Unterschied macht die Qualität ihrer menschlichen Steuerung.

Literaturhinweis

Dieser Beitrag verknüpft Erkenntnisse aus der aktuellen Forschung mit meiner Expertise aus Beratung, Training und Coaching:

1. Das Strukturmodell

Die sechs Dimensionen der Veränderung und die abgeleiteten Führungsfelder basieren auf den Analysen des Instituts für Beschäftigung und Employability (IBE) der Hochschule für Wirtschaft und Gesellschaft Ludwigshafen. Quellen (letzter Abruf 12.01.2026):
Rump, J. (2025a): Beschäftigungseffekte der Digitalisierung und KI. Discussion Paper, Institut für Beschäftigung und Employability (IBE), Hochschule für Wirtschaft und Gesellschaft Ludwigshafen, Oktober 2025. https://www.ibe-ludwigshafen.de/fileadmin/ibe/Dokumente/Bescha__ftigungseffekte_der_Digitalisierung_und_KI_Artikel_07.10.25_FINAL‑2.pdf
Rump, J. (2025b): Führung im digitalen Wandel: Beschäftigungs- und Kompetenzeffekte von Digitalisierung und KI und ihr Einfluss auf Führung. Discussion Paper, Institut für Beschäftigung und Employability (IBE), Hochschule für Wirtschaft und Gesellschaft Ludwigshafen, Dezember 2025. https://www.ibe-ludwigshafen.de/fileadmin/ibe/Medien/Publikationen/Fu__hrung_im_digitalen_Wandel.pdf

2. Die Datenlage

Die Erkenntnisse zu „Information Work“ stützen sich auf eine Analyse von 200.000 KI-Konversationen. Quelle (letzter Abruf 12.01.2026):
Tomlinson, K., Jaffe, S., Wang, W., Counts, S. & Suri, S. (2025): Working with AI: Measuring the Applicability of Generative AI to Occupations. Microsoft Research. https://doi.org/10.48550/arXiv.2507.07935

3. Der Gesundheitsfaktor

Die Aspekte zur psychischen Belastung („Stewardship“) entstammen der Arbeitsmedizin. Quelle (letzter Abruf 12.01.2026):
Shemtob, L., Sarkar, A. & Asanati, K. (2026): Human-AI interaction is the new frontier of occupational health. Editorial. In: Occupational Medicine, 2026, 00, S. 1–3. https://doi.org/10.1093/occmed/kqaf123