Am 24. Januar 2026 hat die WirtschaftsWoche einen Punkt sauber getroffen: Ausgerechnet die, die am stärksten von KI profitieren, wirken plötzlich erstaunlich nachdenklich. In Davos diskutieren Larry Fink (BlackRock), Jensen Huang (Nvidia), Dario Amodei (Anthropic), Demis Hassabis (DeepMind/Google), Brad Smith (Microsoft) – und mittendrin die IWF-Chefin Kristalina Georgieva mit dem Wort, das hängen bleibt: „Tsunami“. (WirtschaftsWoche)
Die Metapher ist stark. Aber sie ist auch gefährlich – weil sie zu einem Reflex führt, den ich in Unternehmen gerade oft sehe: Stellenabbau denken, bevor Arbeit neu gedacht wird.
Was der WiWo-Artikel (richtig) sichtbar macht – und wo die HR-Brille schärfer sein muss
1) Nicht „KI nimmt Jobs weg“ – sondern: KI verschiebt Nachfrage
Das Beispiel der Radiologie ist dafür lehrreich: KI erhöht Produktivität, senkt Kosten, verkürzt Wartezeiten – und dadurch steigt die Nachfrage. Ergebnis: nicht weniger, sondern mehr Radiologen. Das ist klassische Innovationslogik: Effizienz erzeugt neue Nutzung. (WirtschaftsWoche)
HR-Übersetzung: Wer nur auf „ersetzbare Tätigkeiten“ schaut, verpasst den zweiten Effekt: Volumen wächst, Qualitätserwartungen steigen, Rollen verändern sich.
2) Der Druck liegt im „Middle Office“ – und in Einstiegsrollen
Georgievas „poor guys in the middle“ zielt auf repetitive Bürojobs. Und WiWo setzt noch einen drauf: Praktikantenstellen sinken, Übersetzerpools schrumpfen, „Vibe-Coding“ senkt Eintrittsbarrieren ins Programmieren. (WirtschaftsWoche)
Das ist kein Randthema, sondern ein Talent-Pipeline-Risiko: Wenn Junior-Tätigkeiten automatisiert werden, fällt das klassische Lern- und Sozialisationsfeld weg.
Der IWF warnt in genau diese Richtung: Entry-Level-Jobs sind besonders verwundbar, wenn KI vor allem „Zuarbeit“ frisst. (The Guardian)
3) Die Debatte kippt: Von „Augmentation“ zu „Simplification“ (und das ist der eigentliche Gamechanger)
WiWo verweist auf eine Modellstudie (Reichardt/Althoff), die sinngemäß sagt: KI vereinfacht Aufgaben so, dass auch weniger formal Qualifizierte Aufgaben übernehmen können, die vorher „zu hoch“ waren – mit Effekten auf Löhne, Berufsstrukturen und Status. (WirtschaftsWoche)
Das ist der Punkt, an dem HR präzise werden muss:
- Automatisierung ersetzt Aufgaben.
- Augmentation unterstützt Aufgaben.
- Simplification senkt Kompetenzbarrieren – und verändert damit Job-Architekturen und Vergütungslogiken.
Ein Realitätscheck mit Zahlen (statt Bauchgefühl)
- Der IWF rechnet damit, dass in fortgeschrittenen Volkswirtschaften rund 60% der Jobs von KI betroffen sein können – teils positiv (Produktivität), teils negativ (Nachfrage nach Arbeit, Löhne, Hiring). (IMF)
- Die ILO kommt in einem verfeinerten Index zu dem Bild: „One in four“ Beschäftigte arbeitet in Berufen mit GenAI-Exposition; am stärksten betroffen bleiben clerical/administrative Tätigkeiten; und der wahrscheinlichste Effekt ist Transformation, nicht Vollautomatisierung. (International Labour Organization)
- Das WEF erwartet bis 2030 starke gleichzeitige Dynamik: strukturell +170 Mio. neue Jobs (14%) vs. –92 Mio.(8%) – netto positiv, aber brutal in der Reallokation. Und: Clerical/Secretarial zählen zu den stärksten Verlierern. (World Economic Forum)
Diese drei Quellen erzählen zusammen eine unbequeme Wahrheit:
Die Frage ist nicht, ob Arbeit verschwindet. Die Frage ist, ob Unternehmen schnell genug umlernen – organisatorisch, nicht nur individuell.
Was HR jetzt tun sollte: 6 Prinzipien, die in der Praxis funktionieren
1) Von Stellen zu Tasks: Workforce Planning neu aufsetzen
Wenn HR weiter in „Job Families“ denkt, wird es zu grob. Der wirksame Ansatz ist task-basiert:
- Tätigkeiten je Rolle auflisten (nicht perfekt, aber ehrlich).
- KI-Eignung markieren: automatisierbar / augmentierbar / vereinfachbar.
- Daraus neue Rollenprofile ableiten (und alte entkernen).
Das klingt nach Fleißarbeit. Ist es auch. Aber es ist die Basis für alles Weitere.
2) Entry-Level neu designen – sonst bricht die Pipeline
Wenn KI Zuarbeit frisst, muss HR Einstiegsrollen anders bauen:
- weniger „Fleiß“, mehr Qualitätsprüfung, Prompting, Datenverständnis, Stakeholder-Kommunikation
- klare Lernpfade mit realer Verantwortung (sonst bleibt’s Praktikumssimulation)
- Mentoring und „Shadowing“ als Pflichtbestandteil
Sonst stehen wir in drei Jahren da und wundern uns, warum es keine „fertigen“ Professionals mehr gibt.
3) Skills als Währung – nicht Tools
Der WEF nennt „AI & Big Data“ und „Technological Literacy“ als Top-Skills – aber HR muss das in ein internes System übersetzen: Skill Taxonomy, Level, Nachweise, Lernangebote, interne Mobilität. (World Economic Forum)
Wichtig: Tool-Know-how veraltet. Arbeitsfähigkeit (kritisches Denken, Qualitätsurteil, Domänenwissen) bleibt.
4) Vergütung und Karrierepfade anpassen – bevor es knallt
Wenn Aufgaben „leichter“ wirken, entsteht schnell das gefährliche Narrativ: „Dann ist der Job ja weniger wert.“
Das führt zu:
- Entwertung ganzer Funktionsbereiche (z.B. Accounting, Assistenz, PMO)
- Flucht von Leistungsträgern
- Konflikten mit Betriebsrat/Sozialpartnern
Besser: Pay an Accountability, Risiko, Judgment koppeln – nicht an Tippgeschwindigkeit oder Folienproduktion.
5) Produktivitätsdividende legitimieren
Der IWF warnt seit längerem vor Verteilungs- und Ungleichheitseffekten, wenn Produktivität nicht breit ankommt. (IMF)
HR ist hier nicht Moralbehörde, aber HR ist Designbehörde für faire Systeme: Weiterbildung, interne Übergänge, transparente Kriterien, Beteiligungsmodelle.
6) Governance: KI ist Mitbestimmung, Datenschutz, Haftung – nicht nur Innovation
Ohne klare Leitplanken wird KI zu Schatten-IT. HR sollte gemeinsam mit Legal/IT festziehen:
- erlaubte Tools / Datenklassen / Freigabeprozesse
- Trainingspflichten
- Dokumentation von KI-gestützten Entscheidungen (gerade im Recruiting/Performance-Kontext)
30–60–90 Tage: Ein pragmatischer Startplan für HR
0–30 Tage
- Top-10 Rollen identifizieren (Administratives + Wissensarbeit + Entry-Level)
- Task-Mapping light (2 Stunden pro Rolle, kein Perfektionismus)
- KI-Policy Minimum Viable: Do’s/Don’ts, Daten, Tools, Verantwortlichkeiten
31–60 Tage
- Pilot „Job Redesign“ in 1–2 Bereichen (z.B. Finance Ops, HR Ops, Legal Ops)
- Entry-Level-Prototyp bauen (Praktikum/Trainee neu) inkl. Skill-Assessment
- Lernpfade: KI-Grundlagen + funktionsspezifische Use Cases
61–90 Tage
- Interne Mobilität forcieren: „From declining tasks to growing work“
- Vergütungs- und Karrierepfade gegenchecken (Entwertung vermeiden)
- KPI-Set: Produktivität + Qualität + Mitarbeitererleben + interne Übergangsquote
Fazit: Der „Tsunami“ ist keine Naturkatastrophe – er ist ein Managementtest
Die WirtschaftsWoche zeigt die Spannweite: Optimisten, Skeptiker, Mahner – und alle haben irgendwo recht. (WirtschaftsWoche)
Für mich als HRler ist entscheidend:
- Nicht: „Wie viele Jobs streichen wir?“
- Sondern: „Wie bauen wir Arbeit so um, dass Menschen mit KI bessere Ergebnisse liefern – und wir die Pipeline nicht zerstören?“
Wer HR auf Admin reduziert, wird vom Wandel überrollt. Wer HR als Architekt von Arbeit, Skills und Übergängen versteht, wird nicht nass – der baut den Deich.
Viel Erfolg bei Ihrer Arbeit. Sie ist so wichtig.
Mit meinen besten Grüßen
Ihr Marcus K. Reif
