Der blinde Fleck am Arbeitsplatz

Vor einigen Wochen habe ich einen Post darüber veröffentlicht, wie ich meine eigene Rolle automatisiere. Ich hatte den Zeitpunkt bewusst gewählt — ich teilte ihn mit Kollegen kurz vor einem ungezwungenen Mittagessen mit dem Management, in der Hoffnung, ein echtes Gespräch darüber anzustoßen, was mit der KI passiert und was das für unsere Arbeit bedeutet.

Die Reaktion war fast nichts.

Ein paar Kollegen scherzten nervös, dass es sie unwohl fühlen ließ. Das Management sagte nichts. Es sind jetzt zwei Wochen vergangen, und noch immer kein substanzielles Feedback. Alle sind beschäftigt, das Leben ist voll, es mangelt nicht an schlimmen Dingen, die unsere Aufmerksamkeit fordern. Vielleicht haben sie es noch nicht gelesen.

Aber das Schweigen hat mich zum Nachdenken gebracht. Und was ich dabei herausfand, nenne ich seitdem den blinden Fleck am Arbeitsplatz.

Vor etwa acht oder neun Monaten, als ich anfing, KI-Coding-Agenten ernsthaft zu nutzen, hatte ich eine ganz bestimmte Überzeugung: Meine Arbeit ist zu komplex dafür. Der Kontext war zu reichhaltig, die Probleme zu nuanciert. Eine KI konnte nicht wirklich erfassen, womit ich es zu tun hatte.

Ich lag falsch.

Als ich tiefer in die Nutzung von Claude Code einstieg, wurde mir klar — schneller als erwartet — dass der Punkt, an dem ein KI-Agent den Großteil meiner Softwareentwicklungsarbeit übernehmen könnte, bereits erreicht war. Es traf mich plötzlich, und es warf mich für ein paar Tage aus der Bahn. Ich hatte eine Existenzkrise.

Dann machte ich mich an die Arbeit. Ich fand heraus, wie ich es als Partner statt als Ersatz nutzen konnte, und was ich dabei entdeckte, gab mir Superkräfte — nicht nur in der Softwareentwicklung, sondern als allgemeiner Agent für alle möglichen Aufgaben, beruflich wie privat. Der Hebel, den es mir gab, war wirklich überraschend.

Dann schrieb ich den Post über die Automatisierung meiner PM-Rolle. Und ich hatte meine zweite Existenzkrise, denn diesmal war der Umfang größer. Ich beobachtete nicht mehr, wie die KI eine einzelne Funktion verdrängte. Ich beobachtete ein Muster.

Hier ist die Sache, die schwer zu sagen ist, ohne wie ein Doomer zu klingen: Die Modelle müssen sich nicht mal verbessern, damit das transformativ ist.

Was heute existiert, besser eingesetzt, reicht aus, um enorme Teile dessen zu automatisieren, was die meisten Unternehmen tun. Die einzigen Einschränkungen, auf die ich stoße, sind Zeit und Rechenkosten — nicht die Fähigkeit. Der Weg von wo wir heute sind bis zur vollständigen Automatisierung einer Geschäftsfunktion ist kein Marathon. Es ist ein Hundert-Meter-Sprint.

Die Anthropic-Forschung zu den Auswirkungen auf den Arbeitsmarkt, die diese Woche veröffentlicht wurde, untermauert diese Intuition mit Daten. Die Grafik unten zeigt den aktuellen Stand der Rolle von KI in der realen Arbeit. Wir befinden uns noch am Anfang der Kurve.

Die Disruption wird nicht allmählich kommen. Die Hitze wird plötzlich hochgedreht. Und die meisten Menschen werden nicht bereit sein.

Warum? Zwei Gründe.

Der erste ist der falsche Trost der Komplexität — die Überzeugung, dass die KI, weil die eigene Rolle wichtig ist oder erhebliches Kontextwissen erfordert, sie nicht berühren kann. Diese Überzeugung hatte ich über meine eigene Arbeit. Ich lag falsch. Komplexität ist kein Schutzschild; sie ist eine Verzögerung — und die ist kürzer als man denkt.

Der zweite ist die Wahrnehmungslücke. Die meisten Menschen, die "KI nutzen", verwenden ChatGPT noch immer als ein schlaueres Google. Das hat echten Wert, aber es ist nicht dort, wo die Grenze liegt. Die Grenze sind Agenten-Workflows — KI, die nicht nur Fragen beantwortet, sondern Aufgaben ausführt, Prozesse verwaltet und Systeme koordiniert. Die Lücke zwischen dem, was die meisten Menschen glauben, was KI kann, und was sie tatsächlich kann, ist enorm — und sie schließt sich schneller, als die meisten ahnen.

Das ist keine Vorhersage. Ich bin kein Wahrsager. Ich beschreibe die Entwicklung, die ich in Echtzeit, in meiner eigenen Arbeit, beobachte.

Gegenargumente

KI wird neue Jobs schaffen

Das ist ein Gegenargument, zu dem ich früher gegriffen habe, als ich anfing, mich dieser Realität zu stellen. Jede Automatisierungswelle — Industrialisierung, mechanisierte Landwirtschaft, Computer, das Internet — wurde als Ursache von Massenarbeitslosigkeit vorhergesagt. Es ist nie so gekommen. Neue Industrien entstanden, neue Jobs wurden geschaffen, und der Lebensstandard stieg. Das Muster ist konsistent genug, um ein Quasi-Gesetz zu sein: Technologie vernichtet Jobkategorien, nicht Jobs insgesamt. Ökonomen nennen die Angst davor den "Lump-of-Labour-Irrtum". Die Geschichte steht auf der Seite der Optimisten.

Aber hier ist, warum ich glaube, dass es diesmal anders ist.

Geschwindigkeit. Frühere Übergänge spielten sich über Jahrzehnte oder Generationen ab — lang genug für Bildungssysteme, Arbeitsmärkte und gesellschaftliche Institutionen, um sich anzupassen. Dieser hier wird in Jahren gemessen. Die Frage ist nicht, ob neue Jobs entstehen werden. Die Frage ist, ob die Übergangszeit für die Menschen, die davon betroffen sind, überlebbar ist.

Breite. Frühere Automatisierungen ersetzten spezifische körperliche oder routinemäßige kognitive Aufgaben — Webstühle, Fließbänder, Tabellen. Die breite Klasse der Wissensarbeit blieb unangetastet. KI trifft alles davon gleichzeitig: Schreiben, Analyse, Coding, Recht, Medizin, Management. Es gibt keinen sicheren Hafen, in den man sich zurückziehen kann, während man sich umschult.

Die Annahme neuer Jobs ist diesmal zirkulär. Der historische Optimismus basiert auf einer Prämisse: Menschen werden immer einen komparativen Vorteil irgendwo haben. Frühere Automatisierungen schufen neue Industrien, die noch Menschen zum Betrieb brauchten. Die Fabrik ersetzte Handweber — aber man brauchte noch Menschen, um Fabriken zu betreiben. KI hat diese Einschränkung nicht. Sie kann auch die neuen Jobs machen.

Komplexität ist eine echte Barriere

KI hat noch immer Mühe mit wirklich komplexen Aufgaben — insbesondere mit institutionellem Wissen, das noch nicht digitalisiert wurde, oder der internen Politik, die Entscheidungen in einer Organisation prägt. Das ist ein berechtigter Punkt.

Aber es ist dasselbe Argument, das ich über meine eigene Softwareentwicklungsarbeit gemacht habe — und ich lag auch damals falsch. Als Entwickler habe ich früh gelernt, komplexe Probleme in kleinere, fokussiertere, besser handhabbare Aufgaben aufzuteilen. Dasselbe gilt hier. Die Komplexität, die auf der Makroebene unüberwindbar erscheint, löst sich auf, wenn man sie Schritt für Schritt in engerem Rahmen angeht. KI ist darin gut. Die eigentliche Einschränkung ist nicht die Komplexität — es ist die Frage, ob der Kontext digitalisiert werden kann. Und das meiste institutionelle Wissen kann es, mit der Zeit und dem richtigen Werkzeug.

Eines ist klar: Ich glaube nicht, dass alle über Nacht ihre Jobs verlieren werden. Selbst in der EU verlangt der AI Act einen Menschen in der Schleife für folgenreiche Entscheidungen. Aber die Anzahl der Menschen, die zum Betrieb eines Unternehmens benötigt werden, wird schrumpfen — erheblich, dramatisch — und das in einem kürzeren Zeitraum, als irgendjemand derzeit plant.

Ich schreibe das auch nicht, um jemandem Angst zu machen. Ich bin durch die Angst schon durch. Was ich auf der anderen Seite gefunden habe, ist: Man kann sich vorbereiten, anpassen und einen Weg finden, mit diesem Wandel zu arbeiten statt dagegen. Aber man kann sich nicht auf etwas einstellen, das man nicht ansieht.

Das Schweigen beim Mittagessen deutete darauf hin, dass die Menschen davon ausgehen, dass jemand anderes darüber nachdenkt. Oder dass es weiter weg ist, als es ist. Oder dass die Komplexität ihrer Arbeit sie schützen wird.

Das wird sie nicht. Meine hat mich nicht geschützt.

Das ist der blinde Fleck.

Dieser Post ist Teil der Reihe The Closing Window. Siehe auch: I Am No Longer Needed und AI's Social Trap.