KI-Gehaltsverhandlung: Analyse der Bezahlung über dem Plan

Die Gehaltserhöhung beginnt schon vor dem Verhandlungsgespräch. Das von HR Dive berichtete Signal, dass Arbeitgeber ihre Gehaltspläne für Bewerberinnen und Bewerber mit KI-Expertise ausweiten, verändert die Frage für Beschäftigte: Es geht nicht mehr nur darum, ob man KI in den Lebenslauf aufnehmen sollte, sondern ob diese Fähigkeit einen messbaren Preis hat. Die hier verfügbaren Hinweise enthalten nicht die zugrunde liegende Umfrage von HR Dive. Deshalb ist die kluge Reaktion nicht, das Ergebnis als Blankoscheck zu verstehen. Betrachte es als Anlass für die Verhandlung: Zeige die Arbeit, beziffere die Wirkung und sei präzise in Bezug auf die Rolle.

Diese Unterscheidung ist wichtig, weil KI zu einem Etikett geworden ist, das Menschen für sehr unterschiedliche Arten von Arbeit verwenden. Ein Zertifikat, ein Chatbot-Experiment, ein Machine-Learning-Modell und ein automatisierter Reporting-Workflow können im lockeren Gespräch alle als KI-Erfahrung bezeichnet werden. In einem Gehaltsgespräch wird ungenaue Sprache teuer. Im Vorteil ist die Person, die erklären kann, was sich verändert hat, wer davon profitiert hat und wie sich die Arbeit auf den nächsten Arbeitgeber übertragen lässt.

Das Gehaltssignal ist nicht dasselbe wie ein Titel

Der Abschnitt zu KI und Arbeitsplätzen im OECD Employment Outlook 2023 trägt den Titel Artificial intelligence and jobs: No signs of slowing labour demand (yet), also Künstliche Intelligenz und Arbeitsplätze: Noch keine Anzeichen für eine nachlassende Arbeitsnachfrage. Das ist ein hilfreicher Rahmen für diesen Moment. Die Geschichte lautet nicht einfach, dass KI Rollen ersetzt oder neue schafft. Vielmehr können KI-Kompetenzen innerhalb bereits bestehender Rollen zu einem Sortiermerkmal werden, besonders wenn Arbeitgeber glauben, dass diese Kompetenzen die Arbeit verbessern.

Auch TeamRoras Leitfaden zur Gehaltsverhandlung im Bereich KI und Machine Learning zeigt, warum der Titel allein ein schwacher Beleg ist. Der Leitfaden beschreibt Gehaltsverhandlungen für Research Scientist-, Applied Scientist- und ML Engineer-Rollen und stützt sich dabei nach eigenen Angaben auf Erfahrungen aus Hunderten von Verhandlungen. Das sind keine austauschbaren Jobs, auch wenn sie alle unter ein KI- oder ML-Dach fallen können. Eine Bewerberin oder ein Bewerber, die oder der sagt, „ich mache KI“, liefert dem Arbeitgeber ein Schlagwort. Wer ein technisches oder geschäftliches Ergebnis benennt, gibt dem Arbeitgeber etwas, das er bewerten kann.

Genau hier schadet die Ausweitung von Titeln den Beschäftigten. Wenn in deinem Lebenslauf AI Engineer steht, solltest du bereit sein, das in konkrete Arbeit zu übersetzen: Modellforschung, angewandte Produktarbeit, Datenaufbereitung, Evaluation, Unterstützung bei der Bereitstellung oder Prozessautomatisierung. Lass die einstellende Person nicht raten, welche Version du meinst. Der Gehaltsfall beginnt, wenn aus dem vagen Etikett ein glaubwürdiger Arbeitsablauf wird.

Skills-first-Hiring verlangt trotzdem Belege

Der OECD Skills Studies-Bericht Empowering the Workforce in the Context of a Skills-First Approach ist hilfreich, weil er die Diskussion von Abschlüssen und Nachweisen allein wegbewegt. Skills-first-Hiring klingt arbeitnehmerfreundlich, und das kann es auch sein, aber nur, wenn die Kompetenz sichtbar genug ist, um verglichen zu werden. KI-Weiterbildung, die mit einem Badge, aber ohne Arbeitsergebnis endet, lässt sich leicht überschätzen und von Arbeitgebern leicht abtun.

Für Lernende, die entscheiden, wo sie ihre Zeit investieren, ist die bessere Frage nicht, welches KI-Zertifikat am beeindruckendsten klingt. Die bessere Frage ist, was du danach bauen, dokumentieren und erklären kannst. Eine Marketingfachkraft könnte einen Workflow für Kampagnenplanung mit menschlichen Prüfschritten mitbringen. Eine Operations-Managerin oder ein Operations-Manager könnte einen Triage-Prozess und die dazugehörigen Eskalationsregeln zeigen. Eine Entwicklerin oder ein Entwickler könnte einen kleinen Prototyp, Testnotizen und eine klare Beschreibung vorlegen, wofür dem System nicht vertraut werden sollte.

Diese Belege müssen nicht groß sein. Tatsächlich ist kleiner oft besser, weil es leichter zu überprüfen ist. Eine einstellende Person versteht einen Vorher-nachher-Workflow schneller als eine breite Behauptung über Transformation. Wenn KI-Kompetenzen Teil der Vergütungsstrategie werden, schlägt der Nachweis der Anwendung den Nachweis der Teilnahme.

Nutze KI zur Vorbereitung, aber lagere dein Urteilsvermögen nicht aus

Die University of Maryland Global Campus beschreibt Gehaltsverhandlungen als etwas, worauf sich Kandidatinnen und Kandidaten vorbereiten können, unter anderem mit einem Abschnitt darüber, wie man Gehaltsgespräche vorbereitet und KI nutzt. Die Eastern Washington University veröffentlicht ähnlich gelagerte Hinweise unter dem Titel How to Negotiate Salary With AI: Tips & Strategies. Der nützliche Teil besteht nicht darin, ein Tool ein dramatisches Gegenangebot schreiben zu lassen. Er besteht darin, KI zu nutzen, um Recherche zu strukturieren, Verantwortlichkeiten zu vergleichen, Formulierungen zu üben und Lücken in den eigenen Belegen zu erkennen.

Hier gibt es eine Falle. KI kann einen schwachen Fall geschliffen klingen lassen, aber Schliff ist keine Verhandlungsmacht. Wenn du deine Kompetenz nicht mit Umsatz, Kosten, Risiko, Geschwindigkeit, Qualität oder Kundenerfahrung verbinden kannst, rettet auch ein glatterer Absatz die Forderung nicht. Nutze KI, um das Argument zu schärfen, und entferne dann alles, was du in einem Live-Gespräch nicht verteidigen kannst.

Ein praktisches Verhandlungsskript ist einfach: Benenne die Kompetenz, benenne den geschäftlichen Einsatz, benenne die Belege und bitte dann um die Gehaltsanpassung. Das klingt vielleicht weniger glamourös als die Stellenanzeigen, liegt aber näher daran, wie Gehaltsentscheidungen tatsächlich getroffen werden. Arbeitgeber zahlen nicht lange extra für Buzzwords. Sie zahlen, wenn sie glauben, dass die nächste Einstellung die Arbeit verändern kann.

Worauf du achten solltest, bevor du investierst

Die nächste Phase der KI-Einstellung wird Spezifität belohnen. Wenn mehr Arbeitgeber bereit sind, Angebote für KI-Expertise auszuweiten, sollten Beschäftigte mit mehr Prüfung dazu rechnen, was diese Expertise tatsächlich bedeutet. Das ist eine gute Nachricht für Menschen, die Arbeitsergebnisse zeigen können, und eine schlechte Nachricht für Programme, die Vokabular ohne Workflows vermitteln.

Mit 25 kann die Einschränkung darin bestehen, Projekte auszuwählen, die schnell glaubwürdige Belege schaffen. Mit 45 kann die Einschränkung darin bestehen, tiefes Fachwissen in KI-gestützte Prozesse zu übersetzen, ohne vorzugeben, Research Engineer zu sein. Unterschiedliche Lebensphasen, derselbe Hype-Zyklus. Der nachhaltige Schritt ist, einen nützlichen Workflow aufzubauen, ihn sauber zu dokumentieren und zu üben, seinen Wert zu erklären, bevor das Angebotsgespräch ansteht.