KI-Jobs-Analyse: das 0,87-Problem der Aufgabenverschiebung

Die Berufsbezeichnung ist ein schlechtes Versteck. Eine Datenanalystin, ein Support-Spezialist, eine Junior-Entwicklerin und ein Operations Associate können alle von KI betroffen sein, aber Betroffenheit bedeutet nicht in jeder Position dasselbe. Das nützliche Signal in der Forschung von Burning Glass und NPower ist keine neue Liste sicherer und unsicherer Berufe. Es zeigt vielmehr, dass KI die Aufgabenmischung innerhalb von Rollen verändert. Das bedeutet: Lernende sollten Arbeitsabläufe genau prüfen, bevor sie ein weiteres Zertifikat kaufen.

Das ist auch der Grund, warum das verbreitete Gewinner-gegen-Verlierer-Denken immer wieder zu kurz greift. Eine Rolle kann Routinearbeit enthalten, die schrumpft, Urteilsarbeit, die wächst, und Koordinationsarbeit, die sichtbarer wird, sobald KI-Tools in den Prozess kommen. Wenn du einen Wechsel in einen KI-nahen Job planst, lautet die Frage nicht, ob die Berufsbezeichnung geschützt klingt. Die Frage ist, welche Aufgaben automatisiert werden, welche verstärkt werden und welche Fähigkeiten zeigen, dass du die Übergabe steuern kannst.

Burning Glass und NPower verlagern die Analyseebene unter die Berufsbezeichnung

NPower sagt, dass seine Forschung vom April 2026 mit dem Burning Glass Institute 52 Tech-Rollen und mehr als 500 zugrunde liegende Fähigkeiten analysiert. Sie kartiert, wo KI Arbeit automatisiert, wo sie Menschen ergänzt und wie Tech-Rollen am Berufsanfang zu Sprungbrettern für qualifizierte Talente werden können. Das ist ein besserer Ausgangspunkt als Berufsbezeichnungs-Astrologie. Zertifikatsinflation gedeiht, wenn Menschen glauben, dass ein neues Label einen neuen Stapel an Nachweisen erfordert. Aufgabenanalyse wirkt in die entgegengesetzte Richtung: Zeige, was du in einem Arbeitsablauf kannst, und wähle dann Weiterbildung, die eine echte Lücke schließt.

NPower sagt außerdem, dass die Forschung Karrieregitter beschreibt, die lineare Karriereleitern ersetzen, mit seitlichen Wechseln in Governance-, Workflow-, Cyber-, Cloud- und Datenrollen. Das ist wichtig für Beschäftigte, die bereits an technischen Systemen angrenzen, aber noch nicht in einer klaren KI-Rolle arbeiten. Ein Helpdesk-Analyst, der Eskalationsmuster dokumentiert, eine QA-Testerin, die Fehlermodi versteht, oder ein Operations Associate, der wiederholte Freigaben kartiert, ist möglicherweise näher an einer KI-nahen Rolle, als die Berufsbezeichnung vermuten lässt.

@title Optionen im Karrieregitter
@source AI Research: Early-Career Tech in an AI World | NPower

  Early career tech roles
     │
     ├─ Governance
     ├─ Workflow
     ├─ Cyber
     ├─ Cloud
     └─ Data

@caption NPower beschreibt seitliche Wechsel aus Tech-Rollen am Berufsanfang in fünf angrenzende Bereiche.

Der praktische Schritt ist, eine zweispaltige Bestandsaufnahme deiner Rolle zu erstellen. Setze wiederholbare Produktionsaufgaben auf die eine Seite, zum Beispiel Entwerfen, Taggen, Klassifizieren, Zusammenfassen, Weiterleiten oder Prüfen. Setze verstärkte Aufgaben auf die andere Seite, zum Beispiel Ausnahmebehandlung, Übersetzung zwischen Stakeholdern, Risikoprüfung, Anforderungsformulierung und Qualitätskontrolle. In der zweiten Spalte entstehen meist stärkere Projekte und bessere Geschichten für Vorstellungsgespräche.

Die OECD-Perspektive: Fähigkeiten reisen besser als Titel

Der OECD-Bericht zu einem Skills-First Labour Market beschreibt Fähigkeiten als die neue Währung der Arbeit. Das ist die richtige Korrektur für die Ausbreitung von KI-Titeln. Arbeitgeber schreiben vielleicht Stellen als KI-Ingenieurin, Automatisierungsspezialist, Datenanalystin oder Operations Technologist aus, während sie im Hintergrund nach sich überschneidenden Fähigkeiten filtern. Das Label kann sich schneller ändern als die Arbeit. Die Fähigkeiten, die übertragbar sind, sind diejenigen, die an wiederholbare Nachweise gebunden sind: eine Workflow-Karte, eine messbare Prozessverbesserung, eine Modellevaluierung, eine Governance-Checkliste oder eine Datenpipeline, die jemand anderes nutzen kann.

Genau dort enttäuschen viele kurze Kurse. Ein Zertifikat, das KI-Vokabular vermittelt, ohne dich zu zwingen, einen Arbeitsablauf zu bauen, ist vor allem ein Selbstvertrauensprodukt. Für Lernende ist der bessere Filter einfach: Kannst du nach dem Kurs eine klar begrenzte Aufgabe automatisieren, das Ergebnis bewerten, die Fehlerfälle dokumentieren und erklären, wo ein Mensch verantwortlich bleibt? Wenn nicht, hilft dir der Kurs vielleicht, aktuell zu klingen, ohne dich nützlicher zu machen.

Stellenanzeigen sind verrauscht, aber Aufgabennachweise lassen sich prüfen

Das OECD-Papier Demand for AI skills in jobs nutzt Online-Stellenanzeigen als Beleg für die Nachfrage nach KI-Fähigkeiten. Das ist hilfreich, aber für die individuelle Karriereplanung unvollkommen. Stellenanzeigen sind der Ort, an dem Wunschdenken, Compliance-Sprache, kopierte Anforderungen und echter Teamschmerz aufeinandertreffen. Personalverantwortliche prüfen oft weniger den großen Titel und mehr den Nachweis, dass du in einem unordentlichen Prozess arbeiten kannst. Das bedeutet: Projekte sollten wie Arbeitsartefakte aussehen, nicht wie Demos, die lose in einem Notebook schweben.

Für eine technische Lernende könnte das ein kleines Retrieval-System mit dokumentierten Evaluationsergebnissen sein, nicht nur ein Screenshot eines Chatbots. Für einen nichttechnischen Lernenden könnte es ein Vorher-nachher-Workflow sein, der zeigt, wo KI Entwürfe erstellt, wo eine Person prüft und wo Ausnahmen eskaliert werden. Der gemeinsame Nenner ist operative Kompetenz. Du zeigst, dass du weißt, was automatisiert werden sollte, was erweitert werden sollte und was nicht leichtfertig übergeben werden sollte.

Das Übergangs-Playbook ist mit 25 und 45 unterschiedlich, aber die Aufgabenlogik ist dieselbe

Die Forschung von NPower und Burning Glass konzentriert sich auf Tech-Rollen am Berufsanfang, aber ihre aufgabenbasierte Lektion gilt über Nachwuchstalente hinaus. Mit 25 hast du vielleicht mehr Flexibilität, einen seitlichen Wechsel in Cloud-, Daten-, Cyber-, Workflow- oder Governance-Arbeit anzustreben. Mit 45 kann der klügere Weg sein, KI-Kompetenz mit der Facherfahrung zu verbinden, die du bereits hast. Der Hype behandelt diese Wege als völlig unterschiedliche Geschichten, aber beide verlangen dieselbe Disziplin: Kartiere die Aufgabenmischung, bevor du den Nachweis auswählst.

OECD-Arbeiten zur KI-Implementierung, einschließlich ihrer Fallstudienforschung zu Auswirkungen am Arbeitsplatz, verstärken den Punkt, dass Einführung innerhalb von Organisationen geschieht, nicht nur auf Jobbörsen. Für Leserinnen und Leser ist der nächste Schritt nicht, nach einer angeblich geschützten Berufsbezeichnung zu suchen. Wähle eine Rolle, die du möchtest, zerlege sie in Aufgaben und entscheide dich dann für ein Projekt, das beweist, dass du mit KI einen echten Arbeitsablauf verbessern kannst, während du Urteilsvermögen, Verantwortung und Kontext im Blick behältst. Achte auf weitere Forschung, die Aufgabenexposition mit tatsächlichen Einstellungsergebnissen verbindet, denn dort wird das Karrieresignal schärfer werden.