Vier Erkenntnisse, die uns in die Zukunft begleiten
Aus den Impulsen und Diskussionen des Abends lassen sich vier Thesen ableiten, die uns auch über die Veranstaltung hinaus beschäftigen:
These 1: Die wichtigste Future Skill ist Urteilsfähigkeit – nicht Prompting.
Prompting lässt sich vergleichsweise schnell lernen und verändert sich mit jeder neuen Modellgeneration. Die Fähigkeit, KI-Ergebnisse kritisch zu beurteilen, einzuordnen und zu verantworten, bleibt dagegen eine zentrale Zukunftskompetenz. Wer sie nicht hat, delegiert nicht nur Arbeit an die KI, sondern riskiert auch, die Kontrolle über Entscheidungen zu verlieren.
These 2: De-Skilling ist ein mindestens ebenso ernst zu nehmendes Risiko wie Jobverlust.
Die Zahlen des World Economic Forum prognostizieren weltweit netto mehr Arbeitsplätze. Doch neben dem Wandel der Jobs besteht eine weniger sichtbare Gefahr: dass wir durch die dauerhafte Nutzung von KI jene Kompetenzen verlieren, die wir für unsere Arbeit brauchen – und dies möglicherweise erst bemerken, wenn wir sie wieder selbst einsetzen müssen.
These 3: KI ist nur so lernförderlich wie ihr Design.
Dasselbe Werkzeug kann Denkschritte ersetzen oder herausfordern. Ob KI im Betrieb Kompetenzen aufbaut oder abbaut, entscheidet sich nicht beim Einkauf des Tools, sondern bei der Gestaltung der Prozesse rundherum. KI bereitzustellen ist noch keine Strategie.
These 4: Agilität schlägt Perfektion.
In einer Arbeitswelt, in der sich Rollen, Aufgaben und Kompetenzanforderungen laufend verändern, gewinnt nicht, wer den perfekten Plan hat, sondern wer sich schnell neu organisieren und weiterentwickeln kann. Anpassungsfähigkeit wird zu einer entscheidenden Zukunftskompetenz für Organisationen und Mitarbeitende.
Was hinter diesen vier Thesen steckt und welche Konsequenzen sich daraus für Bildung und Arbeitswelt ergeben, zeigten die Referierenden anhand konkreter Beispiele und wissenschaftlicher Erkenntnisse.
Arbeitswelt 2030: Jobs verändern sich – und mit ihnen die Anforderungen
Wie werden wir im Jahr 2030 arbeiten? Welche Aufgaben übernimmt die KI? Und welche Kompetenzen brauchen wir, um mit dem Wandel Schritt zu halten?
Dr. Sarah Genner zeigte in ihrem Lightning Talk, dass technologische Entwicklungen nicht nur bestehende Berufsbilder verändern, sondern auch neue Tätigkeiten und Formen der Zusammenarbeit entstehen lassen.
Der Future of Jobs Report 2025 des World Economic Forum prognostiziert bis 2030 weltweit rund 170 Millionen neu entstehende und 92 Millionen wegfallende Arbeitsplätze. Unter dem Strich ergibt sich ein erwartetes Plus von 78 Millionen Stellen. Gleichzeitig sind rund 22 Prozent der heutigen Arbeitsplätze von strukturellen Veränderungen betroffen.
Diese Zahlen sind keine Entwarnung. Denn neu entstehende Stellen erfordern nicht automatisch dieselben Fähigkeiten wie jene, die wegfallen. Die Herausforderung liegt deshalb darin, Menschen auf veränderte Anforderungen vorzubereiten und ihnen die Möglichkeit zu geben, sich kontinuierlich weiterzuentwickeln.
Dabei verändert Technologie nicht nur, was wir arbeiten, sondern auch, wie wir zusammenarbeiten. Neue Organisationsformen, flexiblere Rollen und veränderte Entscheidungsprozesse verlangen von Unternehmen und Mitarbeitenden die Bereitschaft, Bestehendes immer wieder zu hinterfragen.
Warum menschliche Kompetenzen wichtiger werden
Je leistungsfähiger KI-Systeme werden, desto wichtiger wird die Frage, welche Fähigkeiten wir selbst mitbringen müssen.
KI kann heute recherchieren, Texte formulieren, Informationen strukturieren und bei der Analyse komplexer Fragestellungen unterstützen. Doch die Ergebnisse müssen weiterhin in einen Kontext eingeordnet, kritisch überprüft und verantwortet werden.
KI kann uns bei Entscheidungen unterstützen. Die Verantwortung für diese Entscheidungen bleibt beim Menschen.
Dafür braucht es fundiertes Fachwissen. Denn nur wer die Grundlagen eines Themas versteht, kann beurteilen, ob eine KI-Antwort plausibel, vollständig und für den jeweiligen Kontext geeignet ist.
Gleichzeitig gewinnen überfachliche Kompetenzen an Bedeutung. Sarah Genner verwies auf Fähigkeiten wie analytisches Denken, Kreativität, Resilienz, Lernbereitschaft und soziale Intelligenz. Es sind Kompetenzen, die uns helfen, mit Unsicherheit umzugehen, neue Perspektiven einzunehmen und gemeinsam Lösungen zu entwickeln.
Die zentrale Frage lautet deshalb nicht nur, wie wir den Umgang mit KI erlernen. Sondern auch, wie wir jene menschlichen Fähigkeiten stärken, die eine sinnvolle Nutzung von KI überhaupt erst ermöglichen.
Wenn KI das Denken übernimmt: die unterschätzten Risiken
KI verspricht, Aufgaben schneller und effizienter zu erledigen. Doch was passiert, wenn wir nicht nur Arbeit, sondern zunehmend auch unser Denken an die Technologie delegieren?
Paolo R. Dettwiler zeigte in seinem Vortrag über KI in der Grundbildung vier mögliche Auswirkungen auf das Lernen auf: Skill-Skipping, De-Skilling, Upskilling und Newskilling.
Zwei davon verdeutlichen die Risiken einer unreflektierten KI-Nutzung.
Skill-Skipping: Wenn Lernschritte übersprungen werden
Wer sich eine Aufgabe direkt von der KI lösen lässt, erhält möglicherweise ein überzeugendes Ergebnis, ohne die dafür notwendigen Denk- und Problemlösungsschritte selbst durchlaufen zu haben.
Der Lernprozess wird abgekürzt oder bleibt ganz aus. Fähigkeiten, die durch eigenes Üben und Verstehen entstehen sollten, werden nicht ausreichend aufgebaut.
De-Skilling: Wenn vorhandene Fähigkeiten verloren gehen
Wer Analyse, Formulierung oder Problemlösung dauerhaft an KI delegiert, trainiert bestimmte Kompetenzen möglicherweise immer seltener. Langfristig kann dies dazu führen, dass vorhandene Fähigkeiten nachlassen.
Prof. Dr. Joël Krapf griff diese Problematik in seinem Vortrag auf und beschrieb einen möglichen Teufelskreis: Wir delegieren Aufgaben an KI, verlassen uns zunehmend auf ihre Ergebnisse und bringen immer weniger eigene Denkleistung ein. Dadurch können Kompetenzen schleichend verloren gehen, während die Abhängigkeit von KI weiter zunimmt.
Besonders problematisch wird dies, wenn wir die Qualität der KI-Ergebnisse irgendwann nicht mehr selbst beurteilen können.
Ein einprägsamer Begriff aus Dettwilers Vortrag bringt die Herausforderung auf den Punkt: Inkompetenzkompensationskompetenz. Gemeint ist die Gefahr, dass Menschen lernen, fehlendes Fachwissen mithilfe von KI zu kompensieren, ohne zuvor die notwendige fachliche Grundlage aufgebaut zu haben.
Das bedeutet nicht, dass KI grundsätzlich zu Kompetenzverlust führt. Es zeigt vielmehr, weshalb wir bewusst entscheiden müssen, welche Aufgaben wir delegieren und welche Fähigkeiten wir weiterhin selbst entwickeln und trainieren wollen.
KI als Lernpartner: Wie aus Risiken Chancen werden
Dieselbe Technologie, die Lernprozesse verkürzen kann, eröffnet auch neue Möglichkeiten, Kompetenzen gezielt weiterzuentwickeln.
Dettwiler unterschied dabei zwei positive Entwicklungen:
Upskilling bedeutet, vorhandene Kompetenzen zu vertiefen und zu erweitern. KI kann beispielsweise bei der Recherche unterstützen, individuelles Feedback geben oder neue Perspektiven aufzeigen. Die fachliche Analyse und Beurteilung bleiben dabei beim Menschen.
Newskilling beschreibt die Entwicklung neuer Kompetenzen im Zusammenspiel mit KI. Dazu gehören etwa das gezielte Formulieren von Anfragen, die kritische Überprüfung von KI-Ergebnissen, iterative Problemlösung und die bewusste Reflexion des eigenen Lernprozesses.
Entscheidend ist also nicht allein, ob KI eingesetzt wird, sondern wie.
Wie gross dieser Unterschied sein kann, verdeutlichte Prof. Dr. Joël Krapf anhand wissenschaftlicher Untersuchungen zum Einsatz von KI-Tutoren.
In einem Experiment mit Gymnasiastinnen und Gymnasiasten im Mathematikunterricht führte die Nutzung eines herkömmlichen KI-Tutors nicht automatisch zu besseren Lernergebnissen. Eine didaktisch angepasste Variante konnte diesen Nachteil ausgleichen.
Eine weitere Untersuchung mit Studierenden in einem Physikkurs zeigte, dass ein gezielt nach Lernprinzipien gestalteter KI-Tutor sogar einen höheren Lernzuwachs bei geringerem Zeitaufwand ermöglichen kann.
Die Studien untersuchten unterschiedliche Lernsettings. Sie verdeutlichen jedoch eine wichtige Erkenntnis: KI bereitzustellen reicht nicht. Erst die bewusste Gestaltung ihres Einsatzes entscheidet darüber, ob sie das Lernen tatsächlich unterstützt.
Lernen mit KI: Eigenleistung muss sichtbar bleiben
Was bedeutet das konkret für Schulen, Berufsbildung, Weiterbildung und den Arbeitsalltag?
Paolo Dettwiler machte deutlich, dass eine lernförderliche Aufgabe im KI-Zeitalter nicht zwingend KI-frei sein muss. Viel wichtiger ist, dass sie anspruchsvoll und kompetenzorientiert bleibt und die eigene Denkleistung sichtbar macht.
Ein Beispiel: Lernende können KI nutzen, um Ideen zu sammeln oder Rückmeldungen zu einem Text zu erhalten. Sie sollten aber weiterhin selbst begründen können, weshalb sie bestimmte Argumente gewählt, Ergebnisse übernommen oder Vorschläge verworfen haben.
Dazu braucht es Aufgabenstellungen, die Reflexion ermöglichen, sowie klare Regeln für den KI-Einsatz.
Auch die Rolle der Lehrpersonen und Ausbildungsverantwortlichen verändert sich. Sie gestalten Lernumgebungen, in denen KI bewusst eingesetzt wird, ohne dass die eigentliche Auseinandersetzung mit dem Lernstoff verloren geht.
Der Grundsatz lässt sich einfach zusammenfassen:
Nicht jede Aufgabe muss ohne KI gelöst werden. Aber Lernende müssen zeigen können, was sie selbst verstanden und geleistet haben.
Dieser Gedanke lässt sich unmittelbar auf den Berufsalltag übertragen. Auch dort sollte nicht nur zählen, wie schnell ein Ergebnis vorliegt, sondern ob Mitarbeitende die dahinterliegenden Zusammenhänge verstehen, Entscheidungen begründen und Verantwortung übernehmen können.
«Heute ist AI Workslop eine Folge der Bequemlichkeit – morgen die Folge einer selbstverschuldeten Kompetenzerosion.»
Prof. Dr. Joël Krapf, Berner Fachhochschule, Institut New Work
Was Unternehmen jetzt tun können
Wie lässt sich verhindern, dass KI langfristig Kompetenzen schwächt, statt sie zu stärken?
Prof. Dr. Joël Krapf zeigte drei Handlungsfelder auf, die sich auch auf die Praxis in Unternehmen übertragen lassen.
1. KI bewusst nutzen
KI sollte nicht ausschliesslich als Autopilot verstanden werden, der Aufgaben möglichst vollständig übernimmt.
Als Sparringpartner kann sie helfen, Ideen zu hinterfragen, Argumente zu prüfen und neue Lösungswege zu entwickeln. Entscheidend ist, dass Mitarbeitende Ergebnisse kritisch reflektieren und ihr eigenes Fachwissen aktiv einbringen.
2. KI-Tools lernförderlich gestalten
Auch die Gestaltung der Werkzeuge und Arbeitsprozesse spielt eine Rolle.
KI-Anwendungen können beispielsweise dazu anregen, Ergebnisse zu überprüfen, eigene Überlegungen festzuhalten oder die Herkunft von Inhalten transparent zu machen.
Das Ziel ist nicht, jede Automatisierung zu vermeiden. Vielmehr gilt es, dort bewusst menschliche Denkleistung einzufordern, wo sie für Qualität, Kompetenzentwicklung und verantwortungsvolle Entscheidungen wichtig bleibt.
3. Eine Kultur der Verantwortung fördern
Unternehmen brauchen eine Kultur, in der KI-Ergebnisse kritisch hinterfragt und Fehler offen angesprochen werden können.
Krapf verwendete dafür den Begriff «AI Workslop»: KI-generierte Inhalte, die zwar schnell produziert werden, anderen aber zusätzliche Arbeit verursachen, weil sie ungenügend geprüft oder wenig durchdacht sind.
Umso wichtiger sind klare Verantwortlichkeiten, ein gemeinsames Qualitätsverständnis und die Bereitschaft, neue Arbeitsweisen auszuprobieren und daraus zu lernen.
Denn eine lernförderliche KI-Nutzung ist nicht nur eine Frage individueller Fähigkeiten. Sie ist auch eine Führungs- und Organisationsaufgabe.
Veränderung ist kein Projekt mit Enddatum
Die Diskussion über Future Skills und KI führt zu einer grundsätzlichen Frage: Wie begleiten wir Menschen in eine Arbeitswelt, die sich laufend verändert?
Eine mögliche Antwort liegt in einer Haltung, die Lernen nicht als abgeschlossene Phase versteht, sondern als kontinuierlichen Prozess.
Drei Fragen können dabei Orientierung geben:
- Was kann ich bereits?
- Was fehlt mir noch?
- Wie lerne ich das?
Was einfach klingt, verlangt Selbstreflexion, Neugier, Lernbereitschaft und den Mut, Gewohntes zu hinterfragen.
Heute lernen. Morgen gestalten.
Der Abend im Kraftwerk Zürich hat gezeigt: Die Arbeitswelt 2030 wird nicht allein durch technologische Möglichkeiten geprägt. Entscheidend wird sein, wie wir Menschen befähigen, diese Möglichkeiten kompetent, kritisch und verantwortungsvoll zu nutzen.
KI kann uns Arbeit abnehmen, neue Perspektiven eröffnen und Lernprozesse unterstützen. Sie kann aber auch dazu verleiten, wichtige Denkschritte zu überspringen.
Die Herausforderung besteht deshalb nicht darin, möglichst viel oder möglichst wenig KI einzusetzen. Sondern darin, ihren Einsatz so zu gestalten, dass wir unsere Fähigkeiten erhalten, weiterentwickeln und neue Kompetenzen aufbauen.
Herzlichen Dank an die Gastgeberin des Verlags SKV mit seinem neuen Lernuniversum LERN:GALAXIE, allen Referierenden, der Moderation und den Gästen für einen inspirierenden Abend. Wir freuen uns auf die Fortsetzung des Dialogs in unterschiedlichsten Formaten und Konstellationen. Denn eines ist klar: Future Skills, KI und die Arbeitswelt von morgen werden uns herausfordern und nicht zu knapp in Bewegung halten.
Fotografie: Michelle Alexis Reber
Quellenangabe:
- Präsentationsunterlagen der Referierenden Dr. Sarah Genner, Paolo R. Dettwiler und Prof. Dr. Joël Krapf
- World Economic Forum, The Future of Jobs Report 2025
Häufige Fragen
Wird KI im Arbeitsalltag unter dem Strich Jobs vernichten?
Gemäss dem Future of Jobs Report 2025 des WEF entstehen bis 2030 weltweit netto rund 78 Millionen Stellen mehr, als wegfallen. Das Problem ist also weniger die Menge der Jobs als ihr Wandel: Es sind andere Tätigkeiten mit anderen Kompetenzanforderungen. Entscheidend ist, ob wir beim Umlernen Schritt halten.
Macht uns der ständige KI-Einsatz dümmer?
Nicht zwingend, aber das Risiko ist real. Wer Denk- und Übungsschritte dauerhaft an die KI delegiert (Skill-Skipping, De-Skilling), baut Kompetenzen gar nicht erst auf oder verlernt sie. Setzt man KI dagegen als Sparringpartner ein, der das eigene Denken herausfordert statt ersetzt, kann sie das Lernen sogar fördern. Der Unterschied liegt in der Nutzungsweise, nicht im Werkzeug.
Welche Zukunftskompetenz ist am wichtigsten?
Urteilsfähigkeit. Prompting ist schnell gelernt und veraltet mit jedem Modellwechsel. Die Fähigkeit, KI-Ergebnisse einzuordnen, kritisch zu prüfen und zu verantworten, bleibt dagegen dauerhaft gefragt und setzt eigenes Fachwissen voraus.
Wie können wir KI im Team einführen, ohne dass Kompetenzen erodieren?
Mit bewusster Gestaltung auf drei Ebenen: wie wir KI nutzen (als Zweitmeinung, nicht als Autopilot), wie wir KI-Tools bauen (Reflexion einfordern, Output deklarieren) und wie wir KI sozialisieren («AI Workslop» ansprechen, klare Ownership vergeben). KI bereitzustellen reicht nicht. Es kommt darauf an, wie sie in die Prozesse eingebaut wird.
