Jobs brauchen andere Kompetenzbeweise

Kurzfassung: Generative KI entwertet Abschlüsse nicht, trennt aber Dokumentproduktion stärker von beruflicher Leistung. Dadurch werden Rollen neu zugeschnitten: Routineerstellung verliert an Gewicht, fachliche Prüfung und Ergebnisverantwortung gewinnen. Unternehmen benötigen Auswahl- und Weiterbildungsverfahren, die diesen veränderten Beitrag zur Wertschöpfung sichtbar machen.

Ein professioneller Text, eine Analyse oder Programmcode lässt heute weniger zuverlässig erkennen, was eine Person selbst beherrscht. Für Unternehmen ist das mehr als eine Recruitingfrage. Wenn KI wesentliche Teile der Produktion übernimmt, verändert sich der Wert einzelner Tätigkeiten innerhalb eines Jobs. Entscheidend ist nicht länger allein, wer ein Ergebnis erstellt, sondern wer Anforderungen klärt, Fehler erkennt, betriebliche Grenzen berücksichtigt und das Resultat verantwortet.

KI-Kompetenz löst sich vom Studiengang

An Hochschulen werden zwei parallele Entwicklungen sichtbar. Die Spring-2026-Auswertung des National Student Clearinghouse Research Center weist für Computer Science gegenüber dem Vorjahreszeitraum einen Rückgang der grundständigen Einschreibungen um 8,4 Prozent aus. In weiterführenden Studiengängen beträgt das Minus 14 Prozent. Daraus folgt noch keine dauerhafte Abkehr von der Informatik. Die Zahlen zeigen aber, dass die bisherige Expansion eigenständiger Programme nicht einfach fortgeschrieben werden kann.

Gleichzeitig wandert KI in andere Fachgebiete. Die University of Florida betreibt eine hochschulweite Initiative über 16 Colleges. In diesem Rahmen wurden rund 200 Lehrveranstaltungen neu entwickelt oder überarbeitet. Das bedeutet nicht, dass jederzeit 200 eigenständige KI-Kurse angeboten werden. Relevant ist vielmehr die fachliche Breite: KI wird mit Landwirtschaft, Medizin, Wirtschaft, Ingenieurwesen und weiteren Disziplinen verbunden.

Für Arbeitgeber verliert die Studiengangsbezeichnung dadurch an Trennschärfe. Eine Logistikabsolventin kann KI-gestützte Planung praktisch beherrschen, ohne einen spezialisierten KI-Abschluss vorzuweisen. Ein Informatikabschluss belegt umgekehrt nicht automatisch, dass jemand Prognosen wirtschaftlich einordnet, ungeeignete Daten erkennt oder Entscheidungen gegenüber Kunden vertreten kann.

Damit beginnt ein Rollenumbau: KI-Kenntnisse werden weniger als isolierte Zusatzqualifikation behandelt und stärker mit einer konkreten Fachaufgabe verbunden. Gesucht wird nicht nur technisches Bedienwissen, sondern die Fähigkeit, mit verfügbaren Werkzeugen ein fachlich und wirtschaftlich brauchbares Resultat zu erzeugen.

Der Wert eines Jobs liegt seltener im ersten Entwurf

Marktanalysen, Angebote, Projektpläne und Softwaremodule waren lange zugleich Arbeitsergebnis und indirekter Nachweis persönlicher Fähigkeiten. Wer ein anspruchsvolles Dokument vorlegte, hatte vermutlich einen erheblichen Teil der Recherche, Strukturierung und Formulierung selbst erbracht. Diese Annahme ist bei generativer KI nicht mehr belastbar.

Das betrifft vor allem unbeaufsichtigte Hausarbeiten und standardisierte Aufgaben. Beaufsichtigte Prüfungen, mündliche Verteidigungen und fachliche Gespräche verlieren ihren Aussagewert nicht in gleicher Weise. Es geht deshalb nicht um die pauschale Ablösung formaler Bildung, sondern um eine genauere Trennung verschiedener Leistungen.

Im technischen Vertrieb kann ein Bewerber mithilfe eines Sprachmodells schnell ein überzeugendes Angebot erstellen. Der betriebliche Wert seiner Arbeit zeigt sich jedoch an anderen Stellen:

• Erkennt er widersprüchliche Kundenanforderungen?
• Verwendet er für Preis und Lieferzeit die verbindliche Datenquelle?
• Berücksichtigt er einen Kapazitätskonflikt?
• Vermeidet er Zusagen, die Produktion oder Service nicht einhalten können?
• Kann er seine Lösung in einem Fachgespräch begründen?

Die Tätigkeit „Angebot formulieren“ verliert damit an Bedeutung als Kern der Rolle. Aufgewertet werden Kundenklärung, Kalkulationsurteil, fachliche Kontrolle und das Einstehen für die Lieferzusage. Vergleichbares gilt im Service, wo nicht der freundliche Antworttext, sondern die richtige Fallklassifikation zählt. In der Projektabwicklung ist nicht der automatisch erzeugte Plan entscheidend, sondern der Umgang mit Abhängigkeiten, Terminfolgen und Zielkonflikten.

Diese Veränderung betrifft Stellenbeschreibungen, Leistungsbewertung und Vergütung. Wer weiterhin vor allem die Menge produzierter Dokumente misst, belohnt einen Beitrag, den KI zunehmend verbilligt. Aussagekräftiger sind Qualität, vermiedene Fehlentscheidungen, weniger Nacharbeit und belastbare Kundenversprechen.

Praktische Leistungen benötigen eine belegbare Entstehung

Auch akademische Bewertungsformen öffnen sich teilweise für praktische Resultate. Das 2024 verabschiedete und seit dem 1. Januar 2025 geltende Degree Law of the People’s Republic of China unterscheidet zwischen akademischen und berufsbezogenen Graden. Bei Doktorgraden in berufsbezogenen Studiengängen können vorgeschriebene praktische Ergebnisse an die Stelle einer klassischen Dissertation treten. Diese Leistungen müssen dennoch begutachtet und verteidigt werden.

Das Gesetz schafft schriftliche Dissertationen weder generell ab, noch gilt die Regelung pauschal nur für einige ausgewählte Hochschulen. Für Unternehmen ist das zugrunde liegende Prinzip interessant: Ein Prototyp oder eine praktische Lösung kann hohe fachliche Kompetenz belegen, wenn Eigenanteil, Bewertungsmaßstab und Verteidigung geregelt sind.

Ein fertiges Portfolio erfüllt diese Anforderungen nicht automatisch. Eine Anwendung zeigt zunächst nicht, wer die Architektur festgelegt, Daten ausgewählt, Fehler behoben oder Zielkonflikte entschieden hat. Belastbar wird der Nachweis erst, wenn Ausgangsaufgabe, verwendete Werkzeuge, wesentliche Zwischenentscheidungen, menschliche Korrekturen und Ergebniswirkung nachvollziehbar sind.

Für eine KI-gestützte Arbeitsprobe ist deshalb kein vollständiges Werkzeugverbot erforderlich. Wenn Beschäftigte später mit KI arbeiten sollen, darf auch die Prüfung diese Bedingung abbilden. Ohne Hilfsmittel sollte ergänzend geprüft werden, was unmittelbar verfügbar sein muss: etwa Sicherheitsregeln, rechtliche Grenzen oder elementares Fachwissen. So wird nicht die Geschwindigkeit des ersten Entwurfs bewertet, sondern die Verbindung aus Fachkenntnis, Werkzeugnutzung und Urteilskraft.

Die Definitionsmacht wandert in die Fachbereiche

Unternehmen konnten einen Teil der Kompetenzprüfung bisher an Bildungseinrichtungen auslagern. Abschluss, Note und Berufsjahre dienten als Filter. Werden diese Merkmale für einzelne Rollen weniger aussagekräftig, muss die Organisation selbst genauer bestimmen, was gute Arbeit ausmacht.

Das verändert die Machtverteilung im Recruiting. Der Personalbereich bleibt für faire Verfahren, Vergleichbarkeit, Datenschutz und KI-Governance zuständig. Die fachliche Leistungsdefinition kann er jedoch nicht allein liefern. Vertrieb, Service, Entwicklung oder Projektleitung müssen benennen, welche Fehler besonders folgenreich sind, welche Entscheidungen Menschen treffen müssen und woran ein verwertbares Resultat erkennbar ist.

Dasselbe gilt für die Weiterbildung. Ein Teilnahmezertifikat bestätigt einen Kursbesuch, aber noch keine höhere Produktivität oder Entscheidungsqualität. Ein Praxisfall kann dagegen belegen, ob ein Serviceteam schneller arbeitet, ohne dass Fehlklassifikationen, Rückfragen oder Beschwerden zunehmen. Bei einer Angebotsrolle lassen sich Kalkulationsfehler, Korrekturschleifen und nicht erfüllbare Zusagen beobachten.

Für ein KMU bietet sich deshalb eine begrenzte Entscheidung an: eine häufig besetzte Rolle mit regelmäßigem KI-Einsatz auswählen, ihren tatsächlichen Ergebnisbeitrag neu beschreiben und eine einheitliche, KI-gestützte Arbeitsprobe entwickeln. Nach mehreren Einstellungen kann die Geschäftsleitung prüfen, ob dieser Nachweis die spätere Leistung besser erklärt als Abschluss und Lebenslauf allein – und anschließend Stellenprofil, Auswahlverfahren und Weiterbildung für genau diese Rolle anpassen.