KI-Disruption im People Management

Wie Künstliche Intelligenz die Logik von Arbeit, Kompetenzen, Führung und Personalentwicklung grundlegend verändert

Univ.-Lekt. Mag. Dr. Josef Sawetz – Keynote-Speaker, Neurowissenschaftler und Autor des 663-seitigen Standardwerks „Kommunikations- und Marketingpsychologie“ (2026) – lehrt an der IBS Akademie im Bachelorstudiengang KI Management die Fächer Human Factors und Mensch-Maschine-Interaktion.

Künstliche Intelligenz verändert nicht nur einzelne HR-Prozesse. Sie verschiebt die grundlegende Logik des People Management: Arbeit wird weniger über fixe Stellen und stärker über Aufgaben, Skills und die Zusammenarbeit von Menschen und KI organisiert. Recruiting, Administration und Personalentwicklung werden dadurch effizienter. Die eigentliche Disruption liegt tiefer: People Management entwickelt sich vom Verwalten von Stellen und Personalprozessen zum Gestalten eines dynamischen Human-AI-Systems (Jarrahi, 2018; Parker & Grote, 2022; Raisch & Krakowski, 2021).

Nicht Jobs verschwinden – Arbeit wird neu verteilt

Die Diskussion über KI konzentriert sich häufig auf die Frage, wie viele Arbeitsplätze verschwinden. Die internationale Datenlage zeigt ein differenzierteres Bild. Nach der International Labour Organization arbeitet rund jede vierte beschäftigte Person in einem Beruf, der zumindest teilweise durch generative KI verändert werden kann; nur 3,3 Prozent der weltweiten Beschäftigung liegen in der höchsten Expositionskategorie. Das World Economic Forum erwartet bis 2030 strukturelle Veränderungen bei rund 22 Prozent der heutigen Arbeitsplätze (Gmyrek et al., 2025; World Economic Forum, 2025).

Entscheidend ist daher weniger, ob ganze Berufe verschwinden, sondern wie Aufgaben innerhalb von Berufen neu verteilt werden: Was übernimmt der Mensch, was übernimmt die KI und wo erzielen beide gemeinsam bessere Ergebnisse? Nicht mehr die Stelle, sondern die Aufgabe und die dafür notwendigen Fähigkeiten werden zur zentralen Einheit der Arbeitsorganisation (Jarrahi, 2018; Raisch & Krakowski, 2021; Shrestha et al., 2019).

Von Stellen zu Skills

Klassische Stellenbeschreibungen beruhen auf relativ stabilen Aufgaben, Kompetenzen und Verantwortlichkeiten. KI beschleunigt jedoch den Wandel einzelner Tätigkeiten. Dadurch verliert die fixe Stelle als zentrale Organisationseinheit an Bedeutung (Parker & Grote, 2022; World Economic Forum, 2025).

Unternehmen müssen präziser wissen, welche Fähigkeiten vorhanden sind, welche künftig benötigt werden und wie Kompetenzen flexibel eingesetzt werden können. Daraus entsteht die Skills-based Organization. Recruiting, interne Mobilität und Personalentwicklung werden zu einem integrierten Skills-Management-System: (Mercer, 2026; World Economic Forum, 2025).

Jobtitel -> Aufgaben -> Skills -> Skill Gaps -> Lernen -> dynamischer Personaleinsatz

Skills Intelligence bildet dafür die technische Grundlage. KI kann Kompetenzen aus Profilen, Projekterfahrungen und Lernaktivitäten strukturieren und mit zukünftigen Aufgaben abgleichen. Interne Talentmarktplätze matchen Mitarbeiter dadurch nicht nur auf offene Stellen, sondern auch auf Projekte, Lernmöglichkeiten oder temporäre Aufgaben. Karrierewege werden weniger linear, Personaleinsatz dynamischer (Chen, 2026; Mercer, 2026).

Neue Kompetenzarchitektur: Technik plus menschliche Meta-Kompetenzen

Wenn KI operative Aufgaben übernimmt, steigt der Bedarf an AI Literacy, Datenkompetenz, technologischer Kompetenz und Cybersecurity. Gleichzeitig gewinnen Fähigkeiten an Wert, die KI ergänzen: analytisches und kritisches Denken, Urteilsfähigkeit, Problemlösung, Kreativität, Lernfähigkeit, Adaptabilität, Kommunikation, Empathie, Kooperation und ethische Entscheidungskompetenz (OECD, 2026; PricewaterhouseCoopers, 2026; World Economic Forum, 2025).

Die OECD kommt 2026 zu einem wichtigen Schluss: Der Großteil der Beschäftigten muss nicht selbst KI-Modelle entwickeln. Entscheidend wird vielmehr, KI sinnvoll einzusetzen, Ergebnisse zu prüfen, Daten zu verstehen und die Qualität von Vorschlägen beurteilen zu können. Der menschliche Beitrag verschiebt sich von der Durchführung stärker zu Bewertung, Auswahl, Kontextualisierung und Entscheidung (OECD, 2026).

Für People Management bedeutet das: Kompetenzmodelle müssen neu aufgebaut werden. Nicht Technik allein entscheidet über Beschäftigungsfähigkeit, sondern die Verbindung von KI-Kompetenz mit kognitiven und sozialen Meta-Kompetenzen (OECD, 2026; Parker & Grote, 2022).

Das neue Problem der Einstiegsjobs

Eine besonders kritische Folge betrifft Berufseinsteiger. Viele klassische Lernaufgaben am Beginn einer Karriere – Informationssuche, Zusammenfassungen, erste Analysen, Standardtexte oder einfache Auswertungen – können von generativer KI übernommen oder stark beschleunigt werden (Brynjolfsson et al., 2025; Noy & Zhang, 2023; PricewaterhouseCoopers, 2026).

Diese Routinetätigkeiten waren bisher auch Lernräume. In ihnen entstanden Erfahrung, Mustererkennung und professionelles Urteil. Wenn KI sie übernimmt, entsteht ein mögliches Entwicklungsparadox: Unternehmen automatisieren jene Tätigkeiten, durch die Nachwuchskräfte bisher jene Urteilskompetenz aufgebaut haben, die später von ihnen erwartet wird (Brynjolfsson et al., 2025; PricewaterhouseCoopers, 2026).

Personalentwicklung muss deshalb neue Lernarchitekturen schaffen. Simulationen, Coaching, Feedback, anspruchsvolle Projekte und bewusst gestaltete Human-AI-Collaboration werden wichtiger. Die zentrale Frage lautet nicht nur, welche Aufgaben KI übernehmen kann, sondern welche Erfahrungen Menschen weiterhin selbst machen müssen, damit Kompetenz entsteht (OECD, 2026; Parker & Grote, 2022).

Führung wird zur Orchestrierung von Human-AI-Teams

Wenn Teams zunehmend aus Menschen und KI-Systemen bestehen, reicht es nicht mehr, Aufgaben zu verteilen und deren Durchführung zu kontrollieren. Führungskräfte müssen Ziele präzisieren, Arbeit sinnvoll zwischen Mensch und KI aufteilen, Ergebnisse beurteilen, Entscheidungen absichern und Verantwortung übernehmen (Jarrahi, 2018; Shrestha et al., 2019).

Führung verschiebt sich damit von Detailsteuerung zu Orchestrierung. Die zentrale Managementaufgabe besteht darin, ein leistungsfähiges Gesamtsystem aus Menschen, Kompetenzen und KI zu gestalten. Technologie entwickelt sich derzeit schneller als die Fähigkeit vieler Organisationen, Arbeit, Führung und Verantwortung neu zu designen (Deloitte, 2026; Mercer, 2026).

Psychologie und Governance werden zum Erfolgsfaktor

KI-Einführung ist kein reines Technologieprojekt. Sie verändert Wahrnehmung, Kontrolle, Vertrauen, Motivation und soziale Beziehungen im Unternehmen. KI kann Entscheidungen standardisieren und unter bestimmten Bedingungen einzelne menschliche Verzerrungen reduzieren, aber auch bestehende Biases reproduzieren oder verstärken. Transparenz, Fairness, Validität und menschliche Kontrolle werden damit zu Qualitätskriterien des People Management (Glikson & Woolley, 2020; Köchling & Wehner, 2020).

KI kann Leistung steigern und Arbeit erleichtern, unter bestimmten Bedingungen aber auch Autonomie, intrinsische Motivation oder Kompetenzgefühl schwächen. Entscheidend ist, ob KI als Werkzeug zur Erweiterung menschlicher Fähigkeiten oder als intransparentes Kontrollsystem erlebt wird (Kellogg et al., 2020; Parker & Grote, 2022).

Gerade bei Entscheidungen mit hohen persönlichen Folgen – etwa Recruiting, Beförderung, Leistungsbewertung, Restrukturierung oder Kündigung – bleibt menschliche Verantwortung zentral. Der EU AI Act behandelt zahlreiche KI-Anwendungen im Beschäftigungskontext als Hochrisiko. Nachvollziehbarkeit, Dokumentation, Fairness und menschliche Aufsicht werden daher integrale Bestandteile professionellen People Managements (European Parliament & Council of the European Union, 2024; Köchling & Wehner, 2020).

Menschen und digitale Agenten gemeinsam managen

Mit agentischer KI zeichnet sich bereits die nächste Disruptionsstufe ab. Solche Systeme beantworten nicht nur Fragen, sondern können Teilprozesse planen, Arbeitsschritte koordinieren und mit anderen Systemen interagieren. People Management muss künftig daher auch das Zusammenspiel menschlicher Talente und digitaler Agenten gestalten (Chen, 2026; Mercer, 2026).

Dafür braucht es klare Regeln: Wer darf entscheiden? Welche Ergebnisse müssen kontrolliert werden? Wo sind menschliche Freigaben notwendig? Wer trägt Verantwortung bei Fehlern autonomer Systeme? (Chen, 2026; Shrestha et al., 2019).

Die fünf Kernaufgaben des People Managements der Zukunft

Aus dieser Entwicklung ergeben sich fünf eng verbundene Aufgaben: Skills Intelligence macht vorhandene und fehlende Kompetenzen sichtbar. Kontinuierliches Reskilling hält diese Kompetenzen aktuell. Human-AI Work Design verteilt Aufgaben sinnvoll zwischen Menschen und KI. Psychologisch fundierte Führung und Personalentwicklung sichern Motivation, Vertrauen, Lernen und Zusammenarbeit. AI Governance sorgt für transparenten, fairen, sicheren und verantwortungsvollen KI-Einsatz (Deloitte, 2026; Mercer, 2026; Parker & Grote, 2022).

Der Wettbewerbsvorteil entsteht deshalb nicht dadurch, möglichst viele Menschen durch KI zu ersetzen. Er entsteht dort, wo Unternehmen systematisch unterscheiden, was KI besser kann, was Menschen besser können und wie sich beide Fähigkeiten so kombinieren lassen, dass Produktivität, Lernfähigkeit und Qualität gleichzeitig steigen (Parker & Grote, 2022; Raisch & Krakowski, 2021).

Damit wird People Management zu einer strategischen Kernfunktion der KI-Transformation. Entscheidend ist nicht, wie viel KI ein Unternehmen einsetzt, sondern wie intelligent es Menschen, Kompetenzen und KI zu einem leistungsfähigen Gesamtsystem verbindet (Parker & Grote, 2022; Raisch & Krakowski, 2021).

---

---

---

Literaturverzeichnis

Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044

Chen, Z. (2026). Algorithmic human resource management as a mode of algorithmic governance: Transparency, fairness, and human agency in the digital workplace. Humanities and Social Sciences Communications, 13, Article 594. https://doi.org/10.1057/s41599-026-06989-4

Deloitte. (2026). From tensions to tipping points: Choosing the human advantage: 2026 Global Human Capital Trends. https://www.deloitte.com/us/en/insights/topics/talent/human-capital-trends.html

European Parliament & Council of the European Union. (2024). Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L 2024/1689. https://eur-lex.europa.eu/eli/reg/2024/1689/oj

Glikson, E., & Woolley, A. W. (2020). Human trust in artificial intelligence: Review of empirical research. Academy of Management Annals, 14(2), 627–660. https://doi.org/10.5465/annals.2018.0057

Gmyrek, P., Berg, J., Kamiński, K., Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K., & Troszyński, M. (2025). Generative AI and jobs: A refined global index of occupational exposure (ILO Working Paper No. 140). International Labour Organization. https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure

Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human–AI symbiosis in organizational decision making. Business Horizons, 61(4), 577–586. https://doi.org/10.1016/j.bushor.2018.03.007

Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14(1), 366–410. https://doi.org/10.5465/annals.2018.0174

Köchling, A., & Wehner, M. C. (2020). Discriminated by an algorithm: A systematic review of discrimination and fairness by algorithmic decision-making in the context of HR recruitment and HR development. Business Research, 13, 795–848. https://doi.org/10.1007/s40685-020-00134-w

Mercer. (2026). Global Talent Trends 2026: Solving the human–machine equation. https://www.mercer.com/en-gb/insights/people-strategy/future-of-work/global-talent-trends/

Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586

OECD. (2026). Skills in the AI age (OECD Artificial Intelligence Papers No. 60). OECD Publishing. https://doi.org/10.1787/972bd15e-en

Parker, S. K., & Grote, G. (2022). Automation, algorithms, and beyond: Why work design matters more than ever in a digital world. Applied Psychology, 71(4), 1171–1204. https://doi.org/10.1111/apps.12241

PricewaterhouseCoopers. (2026). 2026 AI Jobs Barometer: Two futures for jobs in an AI era. https://www.pwc.com/gx/en/1/services/ai/ai-jobs-barometer.html

Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(1), 192–210. https://doi.org/10.5465/amr.2018.0072

Shrestha, Y. R., Ben-Menahem, S. M., & von Krogh, G. (2019). Organizational decision-making structures in the age of artificial intelligence. California Management Review, 61(4), 66–83. https://doi.org/10.1177/0008125619862257

World Economic Forum. (2025). The Future of Jobs Report 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/