KI-Agenten, Roboter und wir: Technologische Partnerschaften im Zeitalter der KI

• Die Arbeit der Zukunft wird als Partnerschaft zwischen Menschen, Agenten und Robotern neu gestaltet; mit heutiger Technologie lassen sich etwa 57 % der Arbeitszeit automatisieren, doch das ist nur technisches Potenzial und keine Prognose für einen Rückgang von Arbeitsplätzen
• Mehr als 70 % der Fähigkeiten, die Arbeitgeber heute verlangen, werden sowohl in automatisierbaren als auch in nicht automatisierbaren Aufgaben eingesetzt; die meisten Skills bleiben also relevant, nur ihre Anwendung verändert sich
• Die Nachfrage nach AI Fluency (der Fähigkeit, KI-Tools zu nutzen und zu steuern) ist in zwei Jahren um das 7-Fache gestiegen und hat sich zur am schnellsten wachsenden Kompetenz in Stellenanzeigen entwickelt
• Bis 2030 könnten allein in den USA etwa 2,9 Billionen US-Dollar an wirtschaftlichem Wert geschaffen werden; dafür muss nicht nur einzelne Arbeit, sondern der gesamte Workflow neu gestaltet werden
• Laut dem Skill Change Index erleben digitale und informationsverarbeitende Fähigkeiten die größten Veränderungen, während bei fürsorge- und unterstützungsbezogenen Fähigkeiten die geringsten Veränderungen erwartet werden

---

Überblick über die Kernaussagen

• Die Arbeit der Zukunft verlagert sich hin zu KI-gestützten Partnerschaften zwischen Menschen, Agenten und Robotern
• Mit heutiger Technologie lassen sich in den USA theoretisch etwa 57 % der Arbeitszeit automatisieren, doch das ist technisches Potenzial; bis zur tatsächlichen Einführung dürften Jahrzehnte vergehen
• Einige Rollen werden kleiner, andere wachsen oder verändern sich, und neue Rollen werden entstehen
• Mehr als 70 % der von Arbeitgebern geforderten Fähigkeiten werden sowohl in automatisierbaren als auch in nicht automatisierbaren Aufgaben verwendet; die meisten Skills bleiben gültig, aber ihr Anwendungskontext verändert sich
• Der Skill Change Index misst die Automatisierungsexponierung einzelner Fähigkeiten in den kommenden fünf Jahren; digitale und informationsverarbeitende Fähigkeiten werden am stärksten betroffen sein, Care-Skills dürften sich am wenigsten verändern
• Die Nachfrage nach AI Fluency ist in zwei Jahren um fast das 7-Fache gestiegen und verzeichnet in US-Stellenanzeigen das schnellste Wachstum
• Bis 2030 könnten in den USA rund 2,9 Billionen US-Dollar an wirtschaftlichem Wert entstehen; dafür müssen Organisationen ihre Belegschaften vorbereiten und nicht einzelne Aufgaben, sondern den gesamten Workflow neu gestalten

KI definiert die Grenzen von Arbeit neu

• Mehr Autonomie und Fähigkeiten für Agenten und Roboter

  • Früher wurden Maschinen so konstruiert, dass sie Regeln befolgen und nur im Voraus festgelegte Abläufe ausführen
  • Mit dem Aufkommen von KI haben Agenten und Roboter, die kognitive und physische Aufgaben ausführen, durch das Lernen aus riesigen Datensätzen deutlich mehr Fähigkeiten gewonnen
  • Sie reagieren auf unterschiedliche Eingaben einschließlich natürlicher Sprache und können sich statt an feste Regeln an den Kontext anpassen
  • Mit heutiger Technologie lassen sich in den USA theoretisch etwa 57 % der Arbeitszeit automatisieren, doch die tatsächliche Einführung hängt von Politik, Lohnkosten, Implementierungskosten, Entwicklungszeit und anderen Faktoren ab
  • Die Verbreitung von Elektrizität dauerte mehr als 30 Jahre, bei Industrierobotern verlief es ähnlich über Jahrzehnte hinweg, und Stand 2023 betreibt nur etwa ein Fünftel der Unternehmen den Großteil seiner Anwendungen in der Cloud

• KI beeinflusst alle Arten von Arbeit

  • Nicht-physische Arbeit macht etwa zwei Drittel der Arbeitszeit in den USA aus
  • Rund ein Drittel der nicht-physischen Arbeit erfordert soziale und emotionale Fähigkeiten, die KI bislang noch nicht erreicht
  • Der Rest umfasst Aufgaben wie Schlussfolgern und Informationsverarbeitung, die sich für Automatisierung eignen, und entspricht etwa 40 % der gesamten Lohnsumme in den USA
  • Physische Arbeit macht etwa 35 % der Arbeitszeit in den USA aus; Roboter haben Fortschritte gemacht, doch die meisten physischen Aufgaben erfordern weiterhin feinmotorische Fähigkeiten, Geschicklichkeit und Situationsbewusstsein, die Technologie bislang nicht zuverlässig nachbilden kann
  • Bei etwa 40 % der US-Erwerbsbevölkerung machen physische Tätigkeiten mehr als die Hälfte der Arbeitszeit aus, etwa bei Fahrern, Bauarbeitern, Köchen und Pflegehilfskräften
  • Durch Fortschritte in der Robotik werden Veränderungen in Berufen erwartet, darunter auch einige Niedriglohnrollen in Produktion und Lebensmittelzubereitung
  • Roboter übernehmen weiterhin Aufgaben, die für Menschen gefährlich oder unmöglich sind, etwa Unterwasserarbeiten, Such- und Rettungseinsätze sowie Inspektionen in gefährlichen Umgebungen

• Menschen bleiben unverzichtbar

  • Auf dem aktuellen Fähigkeitsniveau können Agenten 44 % und Roboter 13 % der Arbeitszeit in den USA übernehmen
  • Um die Automatisierung weiter auszuweiten, braucht es Fähigkeiten, die derzeit nur Menschen besitzen, etwa das Interpretieren von Absichten und Emotionen bei Agenten oder feinmotorische Steuerung bei Robotern
  • Mit dem technologischen Fortschritt werden einige Rollen schrumpfen, andere wachsen oder ihren Schwerpunkt verändern, und neue Rollen werden entstehen
  • Beispiel Radiologie: Von 2017 bis 2024 wuchs die Beschäftigung von Radiologen trotz Fortschritten bei KI jährlich um etwa 3 %; KI verbessert Genauigkeit und Effizienz, während sich Ärzte auf komplexe Entscheidungen und die Patientenversorgung konzentrieren
    • Die Mayo Clinic hat seit 2016 ihre radiologischen Mitarbeitenden um mehr als 50 % erweitert und zugleich Hunderte KI-Modelle ausgerollt
  • KI schafft bereits neue Arten von Aufgaben und Rollen, etwa wenn Softwareingenieure Agenten erstellen und verbessern oder Designer und Kreative mit generativen Tools neue Inhalte produzieren

Sieben Aufgabentypen

• Rund 800 Berufe wurden nach ihrem physischen und nicht-physischen Automatisierungspotenzial analysiert und in sieben Typen eingeteilt
• Berufe mit dem geringsten Automatisierungspotenzial werden als menschenzentriert (people-centric) klassifiziert, Berufe mit hohem Anteil automatisierbarer Aufgaben als agentenzentriert (agent-centric) oder roboterzentriert (robot-centric)
• Rollen, in denen zwei oder drei Elemente ausgewogen kombiniert sind, werden als gemischte oder hybride Typen eingeordnet

• Menschenzentrierte Rollen

  • Sie finden sich etwa im Gesundheitswesen sowie bei Gebäuden und Instandhaltung und machen rund ein Drittel der Arbeitsplätze in den USA aus
  • Das durchschnittliche Jahresgehalt liegt bei etwa 71.000 US-Dollar
  • Etwa die Hälfte der Arbeitszeit entfällt auf physische Tätigkeiten, die mit heutiger Technologie nicht reproduzierbar sind

• Agentenzentrierte und roboterzentrierte Rollen

  • Das sind die Rollen mit dem höchsten Automatisierungspotenzial; sie machen rund 40 % aller Arbeitsplätze aus
  • Die meisten davon sind agentenzentrierte Rollen in Rechts- und Verwaltungsdiensten mit einem durchschnittlichen Jahresgehalt von etwa 70.000 US-Dollar; dazu gehört umfangreiche kognitive Arbeit wie das Erstellen von Dokumenten, die technisch von KI-Systemen übernommen werden kann
  • Roboterzentrierte Rollen wie Fahrer oder Maschinenbediener sind körperlich anspruchsvoller und teils gefährlich; das durchschnittliche Jahresgehalt liegt bei etwa 42.000 US-Dollar
  • Agenten-Roboter-Rollen machen etwa 2 % aller Erwerbstätigen aus und liegen im Schnitt bei rund 49.000 US-Dollar Jahresgehalt; 53 % der Arbeitszeit entfallen auf physische Tätigkeiten, und sie finden sich vor allem in Produktionsumgebungen wie automatisierter Fertigung und Logistik, in denen Software-Intelligenz physische Systeme steuert

• Hybride Rollen

  • Sie umfassen verschiedenste Berufe, die Menschen, Agenten und Roboter kombinieren, und beschäftigen rund ein Drittel der Erwerbsbevölkerung
  • Vergütung, körperliche Belastung und Automatisierungspotenzial unterscheiden sich stark, doch in allen Umgebungen bleiben Menschen essenziell
  • Menschen-Agenten-Rollen: etwa Lehrer, Ingenieure und Finanzfachleute, deren Arbeit sich mit digitalen und KI-Tools verbessern lässt; durchschnittliches Jahresgehalt 74.000 US-Dollar, Anteil an der US-Erwerbsbevölkerung etwa ein Fünftel
  • Menschen-Roboter-Rollen: zu finden in Instandhaltung und Bau, wo Maschinen menschliche Arbeit um Kraft und Präzision ergänzen; physische Tätigkeiten machen etwa 81 % der Arbeitszeit aus, das durchschnittliche Jahresgehalt liegt bei 54.000 US-Dollar, und sie betreffen weniger als 1 % der US-Erwerbstätigen
  • Menschen-Agenten-Roboter-Rollen: zu finden in Transport, Landwirtschaft und Food Service, wo die drei Formen der Arbeit nahezu gleichwertig kombiniert werden; physische Tätigkeiten machen etwa 43 % der Arbeitszeit aus, das durchschnittliche Jahresgehalt liegt bei 60.000 US-Dollar, und sie betreffen rund 5 % der US-Erwerbstätigen

Veränderungen bei den Kompetenzanforderungen

• Die Analyse von Stellenanzeigen zeigt, dass rund 6.800 Kompetenzen in mehr als 11 Millionen Stellenanzeigen häufig erwähnt werden.
• Bis 2030 gibt es in nahezu allen Berufen mindestens eine stark veränderte Kompetenz, die zum obersten Quartil zählt.
• In einem Drittel der Berufe wird bei mehr als 10 % der Kompetenzen mit großen Veränderungen gerechnet.

• Konkretisierung und Spezialisierung der Kompetenzanforderungen

  • Die Zahl der einzigartigen, einem Beruf zugeordneten Kompetenzen ist im Durchschnitt in zehn Jahren von 54 auf 64 gestiegen, was zeigt, dass Arbeitgeber Rollen heute konkreter beschreiben.
  • In gut bezahlten Bereichen werden tendenziell mehr Kompetenzen und stärkere Spezialisierung verlangt.
    • Stellenanzeigen für Datenwissenschaftler und Ökonomen listen mehr als 90 einzigartige Kompetenzen auf.
    • Für Kraftfahrer sind es weniger als 10.
  • Gut bezahlte Berufe betonen Management-, Informations- und Digitalkompetenzen.
  • Niedrig bezahlte Rollen konzentrieren sich auf praktische Tätigkeiten, Maschinenbedienung sowie Pflege- und Unterstützungsleistungen.

• Übertragbare Kompetenzen und acht besonders häufige Kompetenzen

  • Jede Welle des Kompetenzwandels hat die Arbeitsweise von Beschäftigten verändert, doch der Unterschied heute ist das Tempo.
  • Bis 2023 wuchs die Nachfrage nach KI-bezogenen Kompetenzen in ähnlichem Tempo wie andere digitale Kompetenzen wie Cloud Computing und Cybersicherheit.
  • Mit dem Aufstieg der generativen KI beschleunigte sich dies sprunghaft: In den vergangenen zwei Jahren tauchten rund 600 neue Kompetenzen in Stellenanzeigen auf — etwa ein Drittel der gesamten in den letzten zehn Jahren hinzugekommenen Menge — und viele davon stehen mit KI und verwandten Technologien in Verbindung.
  • Durch den schnellen Wandel steigt der Wert übertragbarer Kompetenzen.
  • Trotz zunehmender Spezialisierung bleiben acht besonders häufige Kompetenzen — Kommunikation, Kundenbeziehungen, Schreiben, Problemlösung, Führung, Management, Betrieb und Detailorientierung — branchen- und lohnübergreifend dauerhaft relevant.
  • Diese Kompetenzen bilden das Bindegewebe des Arbeitsmarkts und sind zentral für die Personalentwicklung.
  • Auch viele andere Kompetenzen sind zwischen Berufen übertragbar: So taucht beispielsweise mehr als die Hälfte der für einen Account Executive benötigten Kompetenzen auch in 175 anderen Berufen auf.

• Rasantes Wachstum der Nachfrage nach AI Fluency

  • Die Nachfrage nach AI Fluency (der Fähigkeit, KI-Tools zu nutzen und zu steuern) hat sich in den zwei Jahren bis Mitte 2025 fast versiebenfacht.
  • Sie wird inzwischen als Anforderung in Berufen genannt, in denen rund 7 Millionen Menschen arbeiten.
  • Auch die Nachfrage nach technischen KI-Kompetenzen (Aufbau und Bereitstellung von KI-Systemen) wächst, allerdings langsamer.
  • 75 % der Nachfrage nach KI-Kompetenzen konzentrieren sich auf drei Berufsgruppen: Informatik und Mathematik, Management sowie Wirtschaft und Finanzen.
  • Der Rest entfällt auf zehn weitere Berufsgruppen wie Architektur und Ingenieurwesen, Installation, Wartung und Reparatur sowie Bildung.
  • In neun Berufsgruppen — darunter Bau, Transport und Gastronomie — ist die Nachfrage nach KI-bezogenen Kompetenzen begrenzt; dort arbeitet etwa 40 % der Erwerbsbevölkerung, überwiegend mit Einkommen auf oder unter dem Median.
  • Arbeitgeber suchen zudem verstärkt nach KI-nahen Fähigkeiten wie Prozessoptimierung, Qualitätssicherung und Schulung.
  • Dagegen gehen Erwähnungen in Stellenanzeigen für Bereiche zurück, die Maschinen bereits gut erledigen oder stark verbessern, etwa Recherche, Schreiben und einfache Mathematik; dennoch bleiben diese Kompetenzen für den Großteil der Erwerbstätigen essenziell.

• Die meisten menschlichen Kompetenzen bleiben relevant, aber ihre Nutzung verändert sich

  • Rund 72 % der Kompetenzen werden sowohl für Aufgaben benötigt, die KI ausführen kann, als auch für solche, die Menschen übernehmen müssen.
  • Ein kleiner Teil der Kompetenzen dürfte eindeutig menschlich bleiben, da er in Empathie, Kreativität und kontextuellem Verständnis wurzelt, etwa bei der Lösung zwischenmenschlicher Konflikte oder beim Design Thinking.
  • Am anderen Ende des Spektrums stehen Kompetenzen, die voraussichtlich überwiegend KI-gesteuert werden, etwa Dateneingabe, Finanzabwicklung und Gerätesteuerung.
    • In diesem Bereich ziehen sich Menschen aus der operativen Ausführung zurück und konzentrieren sich auf Design, Ergebnisprüfung und Ausnahmebehandlung.
  • Dazwischen liegt ein breiter Bereich, in dem Menschen und KI Seite an Seite zusammenarbeiten.
    • Es entstehen technologische Partnerschaften: Maschinen übernehmen Routineaufgaben, während Menschen Probleme einordnen, KI-Agenten und Robotern Anweisungen geben, Ergebnisse interpretieren und Entscheidungen treffen.
    • Menschen liefern das Urteilsvermögen und das kontextuelle Verständnis, die Maschinen noch fehlen, und verbinden dies mit Zusammenarbeit und Aufsicht.

Skill Change Index (SCI)

• Der SCI ist ein zeitgewichteter Indikator, der die potenzielle Exposition jeder Kompetenz gegenüber Automatisierung unter verschiedenen Einführungsszenarien misst.
• Bei den 100 am stärksten nachgefragten Kompetenzen unterscheidet sich der KI-Effekt deutlich.
  • Menschenzentrierte Kompetenzen wie Coaching weisen die geringste Automatisierungsexposition auf.
  • Manuelle und routinierte Kompetenzen wie Rechnungsverarbeitung weisen die höchste Exposition auf.
  • Kompetenzen wie Qualitätssicherung liegen in der Mitte der Verteilung, also in einem Bereich, in dem KI Kompetenzen eher in ihrer Nutzung verändert als sie zu ersetzen.

• Exposition von 7.000 Kompetenzen

  • Digitale Kompetenzen und Informationsverarbeitungskompetenzen rangieren im SCI am höchsten, was die verbesserten Fähigkeiten von KI bei Datenverarbeitung und -analyse widerspiegelt.
  • Bei Pflege- und Unterstützungskompetenzen wird am wenigsten Veränderung erwartet.

• Drei Pfade der Kompetenzentwicklung

  • Kompetenzen mit hoher Exposition (oberstes Quartil): Hier ist ein Nachfragerückgang wahrscheinlicher; dazu zählen vor allem spezialisierte Kompetenzen, die KI bereits gut beherrscht, etwa Buchhaltungsprozesse oder bestimmte Programmiersprachen.
  • Kompetenzen im mittleren Quartil: Hier dürfte sich weniger die Nachfrage als vielmehr Wesen und Anwendung verändern; dazu zählen vor allem übertragbare Kompetenzen, die menschliches Urteilsvermögen mit digitalen Tools verbinden, außerdem fällt auch AI Fluency in diese Kategorie, und Kompetenzen wie Schreiben und Recherche werden von Menschen auf neue Weise eingesetzt.
  • Kompetenzen mit geringer Exposition (unterstes Quartil): Sie werden voraussichtlich fortbestehen; dazu zählen vor allem Kompetenzen, die auf menschlicher Verbindung und Fürsorge beruhen, etwa Führung und Kompetenzen im Gesundheitswesen.

Wirtschaftlicher Wert und Neugestaltung von Workflows

• KI-gestützte Automatisierung könnte in den USA bis 2030 im Szenario mittlerer Einführung jährlich rund 2,9 Billionen US-Dollar an wirtschaftlichem Wert schaffen.
• Um diese Gewinne zu realisieren, reicht nicht die Automatisierung einzelner Aufgaben; erforderlich ist vielmehr die Neugestaltung ganzer Workflows, damit Menschen, Agenten und Roboter effektiv zusammenarbeiten können.

• Die meisten Unternehmen bleiben bislang unter dem realen Nutzen

  • Rund 90 % der Unternehmen geben an, in KI investiert zu haben, doch weniger als 40 % berichten von messbaren Vorteilen.
  • Die Gründe für diese Lücke: Viele Projekte befinden sich noch in der Pilot- oder Testphase, oder Organisationen setzen KI auf einzelne Aufgaben anstatt auf die Neugestaltung vollständiger Workflows an.
  • Beispiel: der Unterschied zwischen einer Bank, die Mitarbeitern einen provisorisch nutzbaren Chatbot bereitstellt, und einer Bank, die maßgeschneiderte Agenten in einen gemeinsam mit Menschen neu gedachten Prozess für Kreditgenehmigung, -bearbeitung und -verwaltung einbettet.

• Verteilung der Produktivitätsgewinne

  • Analyse von 190 Geschäftsprozessen in der gesamten US-Wirtschaft.
  • Rund 60 % der potenziellen Produktivitätsgewinne konzentrieren sich auf Workflows in sektorspezifischen Domänen — also auf Kernaktivitäten der jeweiligen Branche.
    • Fertigung: Supply-Chain-Management
    • Gesundheitswesen: klinische Diagnostik und Patientenversorgung
    • Finanzwesen: regulatorische Compliance und Risikomanagement
  • Weitere Gewinne entstehen in bereichsübergreifenden Funktionen, die alle Sektoren unterstützen, etwa IT, Finanzen und Verwaltungsservices.

Fallstudie: KI-integrierte Workflows

• 80 Umsetzungsbeispiele ansehen, die Workflows rund um KI neu gestalten
• Manager und Fachexperten wechseln zunehmend von Ausführenden zu Orchestratoren und Validierern
• Domain-Experten wie Datenanalysten, Underwriter und Ingenieure arbeiten in Partnerschaft mit Agenten, die erste Analysen oder Entwürfe erstellen
• Die wertvollsten menschlichen Fähigkeiten verlagern sich hin zu KI-Kompetenz, Anpassungsfähigkeit und kritischer Bewertung von Ergebnissen, sodass Menschen sich auf höherwertige Aufgaben konzentrieren können

• Vertriebsbeispiel: Globales Technologieunternehmen

  • Will Reichweite ausbauen und Kundenbeziehungen vertiefen
  • Im bisherigen Modell nutzte das menschliche Vertriebsteam inkonsistente Methoden zur Priorisierung, hatte nur begrenzte Möglichkeiten für maßgeschneiderte Ansprache bei Tausenden kleiner Konten, und nur die vielversprechendsten Leads erhielten individuelle Aufmerksamkeit
  • Einführung von mehreren KI-Agenten, um frühe Phasen des Vertriebsprozesses zu automatisieren
    • Priorisierungsagent: bewertet und priorisiert Konten auf Basis öffentlicher und proprietärer Daten
    • Ansprache-Agent: kontaktiert Kunden
    • Kundenreaktions-Agent: verwaltet Nachfassaktionen und klassifiziert Leads als interessiert, nicht interessiert oder unentschlossen
    • Termin-Agent: legt Anrufe und Erinnerungen für Leads mit hohem Potenzial fest
    • Übergabe-Agent: übergibt Fälle an Spezialisten, wenn menschliches Urteil erforderlich ist
  • Ergebnis: Erwarteter jährlicher Umsatzanstieg von 7–12 % durch mehr Neukundengeschäft, Cross-Selling und höhere Bindung sowie 30–50 % Zeitersparnis über Vertriebsrollen hinweg
  • Business-Development-Spezialisten können mehr Zeit in strategische Mitwirkung wie Angebotserstellung, Partnerschaftsverhandlungen und Beziehungsaufbau investieren
  • Künftig könnten ein Coaching-Agent (Echtzeit-Feedback für das Vertriebsteam) und ein Management-Agent (Assistent für routinemäßige Verwaltungsaufgaben) hinzukommen

• Beispiel Kundenbetrieb: Großes Versorgungsunternehmen

  • Bearbeitet jährlich mehr als 7 Millionen Support-Anrufe, obwohl App und Website mehrere Self-Service-Optionen bieten
  • Das bisherige IVR-System löste nur rund 10 % der Anfragen, der Rest wurde an menschliche Kundenservice-Mitarbeiter weitergeleitet
  • Einführung von agentischer Conversational AI für die gesamte Kundenbasis
    • Inbound-Call-Agent: authentifiziert Kunden
    • Intent-Erkennungs-Agent: erkennt den Zweck des Anrufs
    • Terminplanungs-Agent: verwaltet Termine
    • Self-Service-Agent: ist in Backend-Systeme integriert
  • Ergebnis: Bearbeitet derzeit etwa 40 % aller Anrufe und löst davon mehr als 80 % ohne menschliches Eingreifen
    • Wenn eine Eskalation nötig ist, werden validierte Kontodaten und der Gesprächsverlauf mit übergeben, um eine reibungslose Übergabe sicherzustellen
    • Durchschnittliche Kosten pro Anruf um etwa 50 % gesunken
    • Kundenzufriedenheitswert um 6 Prozentpunkte gestiegen durch kürzere Wartezeiten, konsistente Bearbeitung und schnellere Lösung
    • Menschliche Mitarbeiter betreuen komplexere, emotional sensiblere und höherwertige Anliegen
  • Künftig könnten ein Agent zur Erkennung von Kundenproblemen (überwacht Serviceausfälle und kontaktiert Kunden proaktiv) sowie ein Coaching-Agent (gibt menschlichen Mitarbeitern in Echtzeit Hinweise während des Gesprächs) hinzukommen
  • Es wird erwartet, dass fortschrittliche KI-Agenten letztlich 80–90 % der Kundenanfragen bearbeiten können

• Beispiel Medical Writing: Globales Biopharma-Unternehmen

  • Will den Prozess zur Erstellung von Clinical Study Reports verbessern, die Sicherheits- und Wirksamkeitsdaten neuer Medikamente dokumentieren
  • Im bisherigen Modell sammelten Medical Writer Studiendaten manuell, verfassten lange Berichte und koordinierten mehrere Prüfschleifen
  • Begrenzte Kapazitäten und lange Durchlaufzeiten schränkten die Fähigkeit ein, die steigende Nachfrage nach Einreichungen zu erfüllen
  • Entwicklung einer KI-Plattform, die den Workflow zur Berichtserstellung neu aufsetzt
    • synthetisiert strukturierte und unstrukturierte Studiendaten, erstellt in Minuten umfassende Entwürfe, wendet Unternehmensstil und Compliance-Templates an und prüft Fehler selbstständig
  • Die Rolle der Medical Writer verlagert sich von manueller Entwurfserstellung zu Zusammenarbeit mit KI-Systemen und Anwendung klinischer Urteilskraft
  • Ergebnis: Touch Time für den ersten von Menschen geprüften Entwurf um rund 60 % gesenkt, Fehler um etwa 50 % reduziert
    • In Kombination mit anderen relevanten Prozess- und Technologieänderungen lässt sich der Aufwand bis zur Markteinführung um mehrere Wochen verkürzen; weitere Verbesserungen werden erwartet
  • Künftig könnten Agenten wichtige Phasen von der Studienplanung bis zur Einreichung unterstützen: Agent für Studienplanung (stellt Prüfprotokolle zusammen), Daten-Mapping-Agent (Datenanalyse und -synthese), Berichtserstellungs-Agent (erstellt vollständige Entwürfe), Validierungs-Agent (prüft Compliance), Review-Agent (scannt auf Fehler), Agent für Einreichungsentwürfe (erstellt Dokumente für regulatorische Einreichungen)
  • Über den gesamten Studienzyklus hinweg angewendet, könnte sich die Timeline um mehrere Monate verkürzen

• Beispiel IT-Modernisierung: Regionale Bank

  • Nutzt KI-Agenten, um eine Banking-Anwendung für kleine und mittlere Unternehmen zu modernisieren
  • Ziel ist es, verschiedene Programmiersprachen zu aktualisieren, um die interne Entwicklung zu beschleunigen
  • Bisheriger Ansatz: monatelange Arbeit mit manueller Dokumentation, Code-Refactoring und Tests für Millionen von Codezeilen, mit großem Budget und umfangreichen Engineering-Kapazitäten
  • Start eines Piloten, der KI-Agenten für verschiedene Modernisierungsaufgaben einsetzt
    • Bewertungs-Agent: scannt die Legacy-Codebasis und identifiziert Abhängigkeiten
    • Funktions-Agent: erstellt die Zielarchitektur
    • Coding-Agent: migriert Code in ein neues Framework und führt automatisierte Tests durch
  • Entwickler arbeiten mit 15–20 Agenten zusammen, um Ergebnisse im Hinblick auf Architekturintegrität, Compliance und funktionale Korrektheit zu validieren und zu verbessern
  • Während der Modernisierung wechselt die Anwendung von Desktop zu Mobile, von On-Premises zu Cloud und von monolithischer zu Microservices-Architektur
  • Da KI-Agenten den Großteil der repetitiven Umsetzung übernehmen, verlagert sich der menschliche Fokus auf Planung, Orchestrierung und Tests
  • Erste Ergebnisse: bis zu 70 % Codegenauigkeit
  • Nach dem Pilotmodul plant die Bank, den Einsatz von Agenten auf die gesamte Modernisierung auszuweiten; der benötigte menschliche Aufwand dürfte um bis zu 50 % sinken
  • Künftig könnten ein Modernisierungsplanungs-Agent (koordiniert Prozesse), ein Qualitätssicherungs-Agent und ein Test-Agent unterstützen

• KI gestaltet Managementaufgaben und Fähigkeiten neu

  • Da KI mehr Analyse- und entscheidungsunterstützende Aufgaben übernimmt, wandelt sich die Natur von Managementarbeit von Aufsicht über Menschen hin zur Orchestrierung von Systemen, in denen Menschen, KI-Agenten und Roboter zusammenarbeiten
  • Manager können mehr Zeit auf höherwertige Aufgaben wie Einflussnahme und Mentoring verlagern, benötigen dafür aber auch größere technische Souveränität
    • Beispiel: Vertriebsleiter können mehr Zeit in das Coaching ihrer Teams investieren, damit diese KI-basierte Erkenntnisse nutzen und Beziehungen stärken
    • Beispiel: Kundenservice-Manager können hybride Teams aus Menschen und KI-Agenten steuern und sowohl KI-Systeme als auch Mitarbeiter trainieren, um den Service zu verbessern

Zentrale Fragen für Führungskräfte

• Neuausrichtung des Geschäfts für künftigen Wert

  • Frühe KI-Initiativen konzentrieren sich oft auf die Verbesserung des Bestehenden statt auf ein Überdenken von Workflows
  • Größere Gewinne entstehen durch eine umfassende Neugestaltung von Prozessen
  • Um künftigen Wert aufzubauen, ist es nötig, mehrere Jahre vorauszudenken und rückwärts zu planen, um zu bestimmen, welche Rollen, Fähigkeiten und Strukturen sich im Zusammenhang mit KI ändern müssen
  • Führungskräfte müssen jetzt entscheiden, wo sie in große Neugestaltungen investieren und wo sie das aktuelle Modell für kurzfristige Gewinne verbessern sollten

• KI als zentrale Business-Transformation vorantreiben

  • KI wirkt sich auf nahezu alle Funktionen aus
  • Führungskräfte können sie als Technologieprojekt oder als umfassendere Business-Transformation angehen
  • Wird die Verantwortung an die IT-Abteilung delegiert, kann sich die Umsetzung beschleunigen; nachhaltiger Wandel und echter strategischer Vorsprung hängen jedoch von einem sichtbaren Engagement der obersten Führung und von kontinuierlicher Aufmerksamkeit für die Auswirkungen von KI auf Menschen und das Geschäft in der gesamten Organisation ab

• Eine Kultur des Experimentierens und Lernens aufbauen

  • Die Einführung von KI ist besonders in der Anfangsphase mit Unsicherheit verbunden
  • Organisationen, die schnell testen und sich anpassen, lernen in der Regel am schnellsten
  • Entscheidend ist eine Kultur, die Neugier, Risikobereitschaft, Lernen aus Fehlern und Zusammenarbeit unterstützt
  • Kultureller Wandel ist schwierig, aber wesentlich für das Ausmaß an Transformation, das KI wahrscheinlich erfordern wird

• Vertrauen aufbauen und Sicherheit gewährleisten

  • KI verändert, wie Unternehmen Verantwortung aufrechterhalten und Aufsicht ausüben
  • Der Fokus verlagert sich von der Prüfung einzelner Ergebnisse hin zur Festlegung klarer Richtlinien, zur Validierung der KI-Logik, zum Umgang mit Ausnahmen und zur Bestimmung der Punkte, an denen menschliches Eingreifen am nötigsten ist
  • Die Herausforderung besteht darin, das richtige Gleichgewicht zu halten: genug Aufsicht, um Risiken zu steuern und Sicherheit zu gewährleisten, ohne Innovation und Effizienz zu begrenzen

• Führungskräfte für die Leitung hybrider Teams befähigen

  • KI definiert neu, was Management bedeutet
  • Durch die Automatisierung routinemäßiger Aufsicht können sich Führungskräfte auf Coaching, Einflussnahme und die Orchestrierung hybrider Teams aus Menschen, Agenten und Robotern konzentrieren
  • Führungskräfte spielen auch eine Schlüsselrolle beim Testen auf Verzerrungen, bei der Leistungsvalidierung und bei der Wahrung der Integrität
  • Wenn durch Automatisierung die direkte Kontrolle abnimmt, kann es schwieriger werden, die Verantwortung für Ergebnisse aufrechtzuerhalten
  • Es werden neue Leistungskennzahlen und Feedback-Systeme benötigt, um Beiträge und Interaktionen von Menschen und Maschinen zu bewerten

• Entscheiden, wie durch KI freigesetzte Kapazitäten genutzt werden

  • Unternehmen müssen entscheiden, wie sie durch KI freigesetzte Kapazitäten einsetzen: Reinvestition in Personalentwicklung und höherwertige Arbeit oder Fokus auf größere Effizienz und Kostensenkung
  • Die meisten werden beides zumindest teilweise tun
  • Das Management dieses Übergangs erfordert, zu identifizieren, welche Rollen sich weiterentwickeln können, und Beschäftigten einen klaren kompetenzbasierten Entwicklungspfad zu bieten
  • Durch KI werden kontinuierliches Lernen und Weiterbildung noch wichtiger für die organisatorische Stärke
  • Da sich Berufsveränderungen und Kompetenzanforderungen schneller entwickeln, stärkt es die Resilienz von Menschen und Unternehmen, wenn Beschäftigte verstehen, wie ihre Fähigkeiten auf neue Arten von Arbeit übertragbar sind
  • KI-Kompetenz muss auf alle Ebenen der Organisation ausgeweitet werden
  • Unternehmen können diese Fähigkeiten durch digitale Tools, Praxisprojekte und Coaching aufbauen; Partnerschaften mit anderen Organisationen und Institutionen können den Zugang zum Lernen erweitern und neue Chancen eröffnen

Zentrale Fragen für Institutionen

• Die Weiterentwicklung von Bildung und Ausbildung

  • Da sich Kompetenzanforderungen weiterentwickeln, spielt Bildung eine Schlüsselrolle
  • Die Grundlagen von KI-Kompetenz — etwa kritisches Denken, das Hinterfragen von Ergebnissen, das Infragestellen von Annahmen sowie das Erkennen von Verzerrungen und Fehlern — sollten von der Grundschule an entwickelt werden, damit Menschen lernen, diese Technologien wirksam zu nutzen und anzuleiten
  • Curricula können neu gestaltet werden, um technisches Wissen mit übertragbaren menschlichen Fähigkeiten wie Anpassungsfähigkeit, analytischem Denken und Zusammenarbeit zu verbinden
  • Hochschulen können KI über Fachdisziplinen hinweg integrieren, und Berufs- sowie Community Colleges können die Ausbildung in qualifizierten Handwerksberufen ausbauen
  • KI kann stärker personalisiertes und kontinuierliches Lernen unterstützen
  • Mit wachsender Nachfrage nach Reskilling sind Investitionen in lebenslanges Lernen nötig
  • Bildungssysteme und Arbeitgeber müssen enger zusammenarbeiten, um Menschen beim Wechsel zwischen Berufen und Branchen zu unterstützen — durch gemeinsame Programme, flexible Modelle, bezahlte Ausbildungsmodelle und schnelle Qualifikationsnachweise

• Ein System, in dem übertragbare Fähigkeiten zu neuen Chancen führen

  • Während KI die Arbeit transformiert, müssen viele Menschen in völlig neue Berufe wechseln
  • Übertragbare Fähigkeiten sind für solche Übergänge essenziell, haben aber nur dann Bedeutung, wenn der Arbeitsmarkt sie erkennen und vergüten kann
  • Klare Kompetenzdefinitionen, verlässliche Methoden zum Nachweis von Fähigkeiten (Tests oder verifizierte Zertifikate) und bessere Matching-Plattformen machen dies möglich
  • Der Aufbau von Verbindungen zwischen Arbeitgebern, Bildungseinrichtungen und Zertifizierungsstellen kann den Zugang zu Arbeit und Chancen erweitern

• Reaktion regionaler Wirtschaftsräume und Communities

  • Die Auswirkungen von KI unterscheiden sich stark je nach Branche und Region
  • Diese Unterschiede mithilfe von Daten zu verstehen, ist der erste Schritt zu wirksamen Maßnahmen
  • Mit einem klaren Bild davon, wo Veränderungen stattfinden, können Branchenverbände, Bildungsträger, Arbeitsmarktinstitutionen und Gewerkschaften für regional passende Weiterbildungs- und Strategien für den Berufswechsel zusammenarbeiten

Begriffsdefinitionen

• Einführung (Adoption): Der Einsatz von KI- und Automatisierungstechnologien in realen Arbeitsaktivitäten und Workflows innerhalb des Kontexts einer Organisation oder Erwerbsbevölkerung; sie bestimmt, wie viel, wie schnell und wie breit Automatisierungspotenzial ausgeschöpft wird
• Agenten (Agents): Maschinen, die Arbeitsaktivitäten in der digitalen Welt ausführen und nichtphysische menschliche Fähigkeiten wie Sprachgenerierung, soziales und emotionales Schlussfolgern oder Kreativität erweitern oder ersetzen
• KI-gestützte Agenten (AI-powered agents): Agenten mit integrierter KI, die autonomer handeln und Workflows orchestrieren können; auch als Agentic AI bezeichnet
• KI-gestützte Roboter (AI-powered robots): Roboter mit integrierter KI, die autonomer handeln und Workflows orchestrieren können
• Künstliche Intelligenz (Artificial Intelligence, AI): Die Fähigkeit von Software, Aufgaben auszuführen, die traditionell menschliche Intelligenz erfordern, und potenziell menschliche Fähigkeiten zu erweitern oder zu ersetzen
• Fähigkeiten (Capabilities): Physische oder nichtphysische Fähigkeiten, die die Anwendung von Technologie unterstützen; bewertet auf Basis der für die Ausführung von Arbeitsaktivitäten erforderlichen Leistung auf menschlichem Niveau; nichtphysische Fähigkeiten umfassen kognitive Fähigkeiten wie Sprache, logisches Schlussfolgern, Kreativität und Navigation sowie soziale und emotionale Fähigkeiten
• Generative KI (Generative AI): Eine KI-Anwendung, die unstrukturierte Daten als Eingabe nutzt und über Foundation-Modelle — große künstliche neuronale Netze, die mit sehr großen Mengen unterschiedlicher Daten trainiert wurden — unstrukturierte Daten erzeugt
• Nichtphysische Arbeit (Nonphysical work): Arbeit, die kognitive oder soziale/emotionale Fähigkeiten umfasst statt physischer Bewegung, etwa Problemlösung, Informationsverarbeitung, Schaffen oder Zusammenarbeit mit anderen
• Berufe (Occupations): Gruppen von Tätigkeiten, die ähnliche Aufgaben oder Arbeitsaktivitäten teilen und in Bezug auf Fähigkeiten, Arbeitskontext und andere Qualifikationen beschrieben werden können; in den USA wird das vom Bureau of Labor Statistics gepflegte Standard Occupational Classification System verwendet
• Physische Arbeit (Physical work): Arbeit, die direkte Interaktion mit der physischen Welt umfasst und bewegungsbasierte Fähigkeiten wie grobmotorische Fähigkeiten, feinmotorische Fähigkeiten und Mobilität erfordert; umfasst typischerweise das Handhaben oder Bewegen von Objekten, Werkzeugen und Maschinen, das Zusammenbauen oder Positionieren von Materialien oder die Ausführung von Tätigkeiten, die auf menschlicher Kraft oder Geschicklichkeit beruhen
• Roboter (Robots): Maschinen, die Arbeitsaktivitäten in der physischen Welt ausführen und menschliche physische Fähigkeiten wie grobmotorische Fähigkeiten, feinmotorische Fähigkeiten und Mobilität erweitern oder ersetzen
• Kompetenzen (Skills): Wissen, Fähigkeiten und Eigenschaften, die Menschen einsetzen, um Arbeitsaktivitäten auszuführen und die häufig durch formale Bildung, Ausbildung oder Berufserfahrung erworben werden; Lightcast und ESCO bieten marktgetriebene Klassifikationssysteme für Kompetenzen
• Technisches Automatisierungspotenzial (Technical automation potential): Der Anteil der Arbeitszeit, der bei einem bestimmten technologischen Fähigkeitsniveau theoretisch automatisiert werden könnte; das technische Automatisierungspotenzial der gesamten US-Wirtschaft wird durch Analyse detaillierter Arbeitsaktivitäten jedes Berufs bewertet; dazu werden von dem U.S. Bureau of Labor Statistics und O*NET veröffentlichte Datenbanken verwendet, um rund 800 Berufe in etwa 2.000 Aktivitäten zu zerlegen und auf Basis der Art und Weise, wie Menschen diese derzeit am Arbeitsplatz ausführen, die für jede Aktivität erforderlichen Fähigkeiten zu bestimmen
• Arbeitsaktivitäten (Work activities): Beobachtbare Arbeitshandlungen, die darstellen, was Menschen tun, um die Ziele eines Berufs zu erreichen; in den USA werden sie von O*NET offiziell als Detailed Work Activities (DWA) klassifiziert
• Workflows: Strukturierte Abfolgen von Arbeitsaktivitäten, die Arbeit gemeinsam auf ein definiertes Ziel hin voranbringen, gelenkt durch Prozesse wie Regeln, Abhängigkeiten und Informationsflüsse, und die Menschen und Technologien einschließen