Wer sucht aus, wenn alle gestalten können?

Sind wir alle ersetzbar? Mit dieser Frage sind wir im Juli in den zweiten Zukunftstalk auf Gut Einern gegangen. Eingeladen hatte Jörg Heynkes in sein klimaneutrales Quartier in Wuppertal-Nächstebreck. Uns verbinden viele gemeinsame Jahre und Ideen rund um Zukunft, im Allgemeinen und in Wuppertal. Auf dem Podium saßen Henner Pasch, Präsident der Bergischen IHK und Geschäftsführer der fourtexx GmbH, Oliver Dietrich, der für die IG Metall NRW das Kompetenzzentrum Arbeitswelt.Plus leitet, und ich. David J. Becher moderierte.

Die Frage ist verständlich, aber falsch gestellt.

Ersetzbar sind Tätigkeiten

Ersetzbar ist, was sich beschreiben lässt. Nicht ersetzbar ist, was sich nur zeigen lässt. Eine Maschine übernimmt eine Aufgabe, wenn man sie in Anweisungen fassen und das Ergebnis prüfen kann. Zu einem Beruf gehört mehr: der Griff, der sitzt, der Blick für die Störung, bevor sie im Messwert steht, die Entscheidung, welche Regel im konkreten Fall gilt, und die Bereitschaft, für das Ergebnis einzustehen.

Ich nenne das die vier Reserven: implizites Wissen, Urteilskraft, Verantwortung, Ästhetik. Alle vier wachsen nur mit Reife. Reife lässt sich nicht in ein Schulungsmodul packen. Die Bedingungen, unter denen sie entsteht, lassen sich gestalten.

Was die Daten zeigen

Anfang November hat Tobias Kaiser in der WELT zusammengestellt, was die Forschung heute über KI und Arbeitsmarkt weiß. Die befürchtete Entlassungswelle ist ausgeblieben. Knapp 6.000 befragte Führungskräfte in vier Ländern erwarten durch KI in den nächsten drei Jahren im Schnitt 0,7 Prozent weniger Beschäftigung. Enzo Weber vom IAB sagt: „Wir sehen eher einen Umbruch als einen Einbruch, bei dem immer nur Jobs verschwinden.“

Eine Gruppe trifft es trotzdem. Das Stanford Digital Economy Lab um Erik Brynjolfsson wertet Lohndaten von rund 4,6 Millionen amerikanischen Beschäftigten aus. Bei den 22- bis 25-Jährigen in besonders KI-exponierten Berufen liegt die Beschäftigung rund 19 Prozent unter dem Wert, den sie bei gleichem Wachstum wie in weniger exponierten Berufen erreicht hätte. Vor einem Jahr waren es 15 Prozent. Bei Erfahrenen gibt es diese Lücke nicht. PwC beobachtet eine „Seniorisierung“: Schon beim Einstieg werden strategisches Denken und Führung verlangt.

In meiner Branche

Ich glaube nicht, dass das die gesamte Arbeitswelt gleichermaßen betrifft. In einigen Branchen ist die Veränderung aber enorm, und meine gehört dazu. Freie Grafikdesigner und Texter auf Online-Plattformen bekommen seit ChatGPT nachweislich weniger Aufträge und niedrigere Honorare. Ich erlebe zugleich das andere: Meine eigene Arbeit ist mit KI wirksamer geworden. Wie schnell sich das verschiebt, habe ich in anderen Beiträgen auf dieser Seite beschrieben, etwa in Die Grafik dauerte Sekunden.

Wer Erfahrung hat, gewinnt mit KI an Wirkung. Wer gerade anfängt, verliert den Boden, auf dem er lernen würde. Was das für die Ausbildung bedeutet, habe ich in Wenn die Lehrzeit wegfällt beschrieben: Nicht die Arbeit verschwindet zuerst, sondern die Lehrzeit. Enzo Weber weist zu Recht darauf hin, dass es keinen Beleg dafür gibt, dass KI gezielt Einsteiger verdrängt. Und in Deutschland trifft sie auf schrumpfende Belegschaften. An meiner Sorge ändert das wenig. Auch wo niemand entlassen wird, kann die Gelegenheit fehlen, Urteil zu lernen.

Vom Begreifen ins Machen

Weiterbildung allein löst das nicht. Urteil lernt man am eigenen Versuch, der geprüft und besprochen wird. So arbeitet die Lehrwerkstatt, so arbeitet das Designstudium: offene Aufgabe, eigener Versuch, Kritik, Revision. McKinsey kommt in einer Studie vom Juli für die Arbeit mit KI auf dieselbe Reihenfolge. Erst versucht es der Mensch, dann liefert die Maschine ihre Fassung, dann bespricht ein Erfahrener mit ihm die Unterschiede.

Das Werkstattprinzip hat sich bewährt. Offen bleibt für mich, wann wir vom Begreifen ins Machen kommen. Wann lernen Teams und Betriebe so gemeinsam mit KI, dass die Qualität insgesamt eine Stufe höher kommt? Das hängt auch daran, wohin die gewonnene Zeit geht. Fließt sie nur in mehr Ausstoß, bleibt das Lernen auf der Strecke. Fließt ein Teil in Versuch und Besprechung, wächst Urteil nach. Das entscheidet die Führung.

Wer sucht aus?

Dahinter steht die Frage, die mich als Designer am meisten beschäftigt: Wenn plötzlich alle gestalten können, wer sucht dann aus, was wirklich gut ist und was passt?

Die Maschine liefert in Sekunden zwanzig Varianten. Welche davon zur Marke passt, zum Nutzer, zur Haltung eines Unternehmens, sagt sie nicht. Varianten werden billig, Urteil wird knapp. Die Auswahl braucht jemanden, der dafür einsteht. Kein Modell hat Haut im Spiel. In meinem Manifest zum Designmanagement steht das als dritte These: „KI generiert, wir deuten. Die Qualität liegt nicht in der Menge, sondern in der bewussten Auswahl.“

Auswahl ist dabei keine Geschmackssache Einzelner. Sie braucht Maßstäbe, die eine Organisation kennt und teilt, und Menschen, die gelernt haben, sie anzulegen. Darin sehe ich die Aufgabe von Designmanagement: die Bedingungen zu gestalten, unter denen gute Entscheidungen entstehen. Wer wählt aus, nach welchen Maßstäben? Und wo lernen die Jüngeren, diese Maßstäbe selbst anzulegen? Wer nie ein Stück zurückbekommen hat, kann später schwer beurteilen, was taugt. Auswählen lernt man in der Lehrzeit.

Wenn ich heute 18 wäre

Wenn ich heute 18 wäre, würde ich mir keinen Beruf aussuchen, sondern eine Bedingung. Ich würde etwas lernen, bei dem mir jemand sagen kann, dass mein Stück nichts taugt. Ob in der Werkstatt, im Labor oder im Atelier, ist zweitrangig. Material, das Widerstand leistet, erzieht.

Und an jede Organisation die Frage: Wer sucht bei Ihnen aus, was gut ist? Und wo lernen die Nächsten, es selbst zu können?

Zum Nachhören: Die ganze Diskussion vom Zukunftstalk auf Gut Einern gibt es als Podcast auf Spotify.

Bezüge: Tobias Kaiser, „Die KI nimmt allen die Arbeit weg? So einfach ist es nicht“, DIE WELT, 7. November 2026. Darin zitiert: Stanford Digital Economy Lab (Erik Brynjolfsson), PwC AI Jobs Barometer, Enzo Weber (IAB), NBER-Befragung unter knapp 6.000 Führungskräften. Bryan Hancock mit Charlotte Seiler, „Building expertise in the age of AI: Who trains the next generation?“, McKinsey, Juli 2026.