Automatisierung und die Zukunft der Rollen

In dieser Ausgabe

Automatisierung beseitigt selten eine ganze Stelle auf einmal. Sie übernimmt Aufgaben, und die Rolle darum herum verändert sich. Diese Ausgabe fragt, welche Aufgaben wandern, welche Fähigkeiten wachsen und was die Führung eines Lager-, Zustell- oder Hotelteams tun kann.

Die vom World Economic Forum befragten Arbeitgeber erwarten, dass Menschen allein bis 2030 ein Drittel der Arbeitsaufgaben erledigen, heute 47 %, und zählen KI, Führung und Talentmanagement zu den wachsenden Fähigkeiten. Eine Studie von 2003 zeigt, welche Aufgaben Computer übernehmen: solche, die festen Regeln folgen. In Deutschland trafen Roboter die Neuen, nicht die bereits Beschäftigten, und eine US-Studie von 2026 sieht bei KI ein ähnliches Muster. Laut IAB könnte ein Computer 61 % der Kerntätigkeiten in Verkehr und Logistik erledigen.

Stiven Janaqi, Herausgeber

Titelthema

Je ein Drittel bis 2030

Für seinen Future of Jobs Report 2025 fragte das World Economic Forum über 1.000 Arbeitgeber mit mehr als 14 Millionen Beschäftigten in 55 Volkswirtschaften, wer die Arbeitsaufgaben heute erledigt und wer 2030: Menschen, Technik oder beide gemeinsam.

Anteil der Arbeitsaufgaben, die vor allem erledigt werden von …, nach Arbeitgebern: Menschen allein: Heute 47 %, Bis 2030 33 %; Menschen und Technik gemeinsam: Heute 30 %, Bis 2030 33 %; Technik: Heute 22 %, Bis 2030 34 %.

Bis 2030 erwarten die Arbeitgeber 170 Millionen neue und 92 Millionen wegfallende Stellen, ein Umschlag von 22 % der 1,2 Milliarden formellen Arbeitsplätze. Zustellfahrer sowie allgemeine und operative Führungskräfte gehören zu den Rollen, die zahlenmäßig am stärksten wachsen; Lagerbürokräfte, Kassierer, Reinigungs- und Housekeeping-Kräfte zu denen, die am stärksten schrumpfen.

Unsere Lesart

Die Prognose handelt weniger von Stellen, die verschwinden, als von denselben Stellen mit einer anderen Mischung von Aufgaben.

Erwartungen der Arbeitgeber, keine Messungen; Anteile an Aufgaben, nicht an der Arbeitsmenge. Netto entstehen 78 Millionen Stellen. 47 + 30 + 22 = 99 wegen Rundung.

Quelle: World Economic Forum, 2025

Die Zahlen

Die Fähigkeiten im Aufwind

Dieselben Arbeitgeber gaben an, welche Fähigkeiten bis 2030 wichtiger oder unwichtiger werden. Der Nettowert ist der Anteil, der einen Zuwachs erwartet, minus den Anteil, der einen Rückgang erwartet.

Fähigkeiten mit wachsender Bedeutung, 2025–2030, Nettoanteil der Arbeitgeber (Punkte): KI und Big Data 87, Resilienz, Flexibilität und Agilität 66, Führung und sozialer Einfluss 58, Talentmanagement 58, Serviceorientierung und Kundenservice 41, Ressourcenmanagement und Betrieb 24.

Nur zwei Fähigkeiten verlieren unter dem Strich, am stärksten Fingerfertigkeit, Ausdauer und Präzision (−24). Von je 100 Beschäftigten bräuchten 59 bis 2030 eine Weiterbildung: 29 könnten in ihrer Rolle weiterqualifiziert, 19 in eine andere Rolle versetzt werden, und 11 bekämen die nötige Schulung wahrscheinlich nicht.

Unsere Lesart

Neben der Technik wachsen Führung und Talentmanagement fast genauso schnell. Jemand muss das Team um die neuen Aufgaben herum neu aufstellen.

Erwartungen der Arbeitgeber (Future of Jobs Survey 2024), keine Messung von Fähigkeiten. Die sechs von 26 Fähigkeiten hat die Redaktion ausgewählt.

Quelle: World Economic Forum, 2025

Das Modell

Welche Aufgaben Maschinen übernehmen

2003 argumentierten David Autor, Frank Levy und Richard Murnane, dass Computer Menschen bei Aufgaben ersetzen, die sich nach festen Regeln erledigen lassen, und sie bei nicht routinemäßiger Problemlösung und komplexer Kommunikation ergänzen.

Folgt festen Regeln × Von manueller zu analytischer Arbeit:

• Routine, manuell (regelbasiert · manuell). Kommissionieren oder Sortieren, wiederholte Montage. Starke Ersetzung.
• Routine, kognitiv (regelbasiert · analytisch). Buchführung, Rechnen, wiederholter Kundenservice. Starke Ersetzung.
• Nicht-Routine, manuell (ohne Regel · manuell). Reinigung und Hausmeisterdienste, Lkw fahren. Wenig Ersetzung oder Unterstützung.
• Nicht-Routine, kognitiv (ohne Regel · analytisch). Ideen prüfen, verkaufen, andere führen. Starke Ergänzung.

In US-Daten von 1960 bis 1998 ging die Computerisierung mit weniger Routinearbeit und mehr nicht routinemäßiger kognitiver Arbeit einher, auch in Berufen mit gleichem Namen. Die OECD sah 2023 dasselbe bei KI: Arbeitgeber sagten etwa doppelt so oft, KI habe repetitive Aufgaben automatisiert, wie dass sie welche geschaffen habe.

Unsere Lesart

Für ein Team zählt nicht, ob eine Stelle verschwindet, sondern welche ihrer Aufgaben einer Regel folgen, die eine Maschine lesen kann.

Beispiele und Wirkungen stammen aus der Studie von 2003 und galten Computern, noch vor der generativen KI.

Quellen: David H. Autor, Frank Levy & Richard J. Murnane, The Quarterly Journal of Economics, 2003; OECD, 2023

Was die Forschung sagt

Wen der Wandel trifft

Wolfgang Dauth und Kollegen begleiteten deutsche Beschäftigte von 1994 bis 2014, als sich Roboter in der Industrie ausbreiteten. Roboter kosteten Industriejobs; neue Dienstleistungsjobs glichen das vollständig aus.

• Deutschland, Roboter. Die Beschäftigten blieben meist und übernahmen im selben Betrieb neue Aufgaben. Den Verlust trugen junge Berufseinsteiger.
• USA, Roboter. Jeder zusätzliche Roboter je 1.000 Beschäftigte senkte die Beschäftigungsquote um 0,2 Punkte und die Löhne um 0,42 %.
• USA, KI, 2026. Die Beschäftigung 22- bis 25-Jähriger in KI-exponierten Berufen liegt 19 % hinter dem Pfad weniger exponierter Gleichaltriger, vor allem durch weniger Einstellungen.

In den Umfragen und Interviews der OECD von 2022 passten sich viele frühe KI-Anwender über weniger Einstellungen, Abgänge und Ruhestand an statt über Kündigungen. Wo Firmen die Beschäftigten befragten, sagten diese um 9 Punkte häufiger, KI habe ihre Gesundheit und Sicherheit verbessert.

Unsere Lesart

Der Wandel zeigt sich zuerst in der Stelle, die nie ausgeschrieben wird. Für das Team, das schon da ist, zeigt er sich als neue Aufgaben, und jemand muss sie ihm beibringen.

Roboter in der Industrie sind keine KI in Dienstleistungen, und der Unterschied zwischen Deutschland und den USA hat mehrere mögliche Ursachen. Die Zahlen von 2026 und der OECD-Zusammenhang sind Korrelationen, keine Kausalbelege.

Quellen: Wolfgang Dauth, Sebastian Findeisen, Jens Suedekum & Nicole Woessner, Journal of the European Economic Association, 2021 (über Working paper version, 2018); Daron Acemoglu & Pascual Restrepo, Journal of Political Economy, 2020 (über IDEAS/RePEc); Erik Brynjolfsson, Bharat Chandar & Ruyu Chen, Stanford Digital Economy Lab, 2026; OECD, 2023

Mehr im Essay: „Schau, wie ich es mache“ ist keine Einarbeitung

Wie man es misst

Wie viel einer Rolle ein Computer erledigen könnte

Seit 2013 prüft das IAB, Forschungsinstitut der Bundesagentur für Arbeit, jede Kerntätigkeit jedes Berufs: Könnte ein Computer oder eine computergesteuerte Maschine sie vollautomatisch erledigen? Ihr Anteil ist das Substituierbarkeitspotenzial.

Kerntätigkeiten, die ein Computer erledigen könnte, Deutschland, 2022 (%): Fertigungsberufe 87,9, Unternehmensführung, -organisation 68,0, Verkehr und Logistik 61,2, Lebensmittel und Gastgewerbe 49,5, Gesundheitsberufe 26,5.

2022 arbeiteten 38 % der sozialversicherungspflichtig Beschäftigten in Berufen, in denen über 70 % der Kerntätigkeiten automatisierbar wären (2019: 34 %). Bei Assistenten im Hotelmanagement stieg der Anteil von 50 % auf 67 %.

Hypothetisches Beispiel, Disposition einer Zustellstation

• Kerntätigkeiten: 10; ein System könnte 4 ganz erledigen: 40 %
• Stunden: die 4 belegen 22 von 40 Wochenstunden: 55 %

Rolle und Stunden sind erfunden.

Technische Machbarkeit, keine Prognose von Stellenverlusten. Das IAB gewichtet alle Kerntätigkeiten gleich, da es ihre Dauer nicht kennt; das Beispiel zeigt, warum Stunden zählen.

Quelle: Katharina Grienberger, Britta Matthes & Wiebke Paulus, IAB, 2024

Werkzeug der Ausgabe

Die Aufgabenkarte einer Rolle

Eine Karte pro Rolle, ausgefüllt mit den Menschen, die sie ausüben. Die Aufgaben mit ihren Wochenstunden auflisten und sortieren: Meist belegen wenige Aufgaben den Großteil der Zeit, und dort schaut man zuerst hin.

1. Rolle die Rolle, wie viele sie ausüben, wer die Karte ausgefüllt hat
2. Aufgaben und Stunden jede Kerntätigkeit, Stunden pro Woche, die größte zuerst
3. Regel oder Urteil folgt sie einer festen Regel? manuell oder analytisch?
4. Was eine Maschine tun könnte ganz, teilweise oder gar nicht, und mit welchem System
5. Was die Person stattdessen tut die neue Aufgabe, oder wofür die frei werdenden Stunden dienen
6. Fähigkeit und Schulung was zu lernen ist, wer es beibringt, bis wann; wen im Team man gefragt hat

Eine Praxis, die die Redaktion vorschlägt, nach dem Aufgabenmodell von Autor, Levy & Murnane (2003), der IAB-Methode (2024) und dem OECD-Befund, dass die Ergebnisse besser sind, wo Beschäftigte geschult und befragt werden (2023).

Quellen: David H. Autor, Frank Levy & Richard J. Murnane, The Quarterly Journal of Economics, 2003; Katharina Grienberger, Britta Matthes & Wiebke Paulus, IAB, 2024; OECD, 2023

Tool öffnen: Pareto 80/20

Quellen und Methode

Jede Zahl hat eine Quelle.

Die Zahlen dieser Ausgabe stammen aus den folgenden Quellen. Das Jahr zeigt, wie aktuell jede ist.

• World Economic Forum, “The Future of Jobs Report 2025”, 2025. https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf
• David H. Autor, Frank Levy & Richard J. Murnane, The Quarterly Journal of Economics, “The Skill Content of Recent Technological Change: An Empirical Exploration”, 2003. https://doi.org/10.1162/003355303322552801
• OECD, “OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market”, 2023. https://doi.org/10.1787/08785bba-en
• Wolfgang Dauth, Sebastian Findeisen, Jens Suedekum & Nicole Woessner, Journal of the European Economic Association, “The Adjustment of Labor Markets to Robots”, 2021 (über Working paper version, 2018). https://doi.org/10.1093/jeea/jvab012
• Daron Acemoglu & Pascual Restrepo, Journal of Political Economy, “Robots and Jobs: Evidence from US Labor Markets”, 2020 (über IDEAS/RePEc). https://doi.org/10.1086/705716
• Erik Brynjolfsson, Bharat Chandar & Ruyu Chen, Stanford Digital Economy Lab, “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (revised August 2026)”, 2026. https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine/
• Katharina Grienberger, Britta Matthes & Wiebke Paulus, IAB, “Folgen des technologischen Wandels für den Arbeitsmarkt: Vor allem Hochqualifizierte bekommen die Digitalisierung verstärkt zu spüren (IAB-Kurzbericht 5/2024)”, 2024. https://doku.iab.de/kurzber/2024/kb2024-05.pdf

Redaktionelle Methode

Jede Zahl wurde auf Jahr, Herausgeber und genaue Bedeutung geprüft. Wo die Seite des Herausgebers nicht erreichbar war, wurde sie an unabhängigen Zusammenfassungen geprüft und mit „über“ markiert. Die Deutung der Redaktion ist als „Unsere Lesart“ markiert. Zahlen, die sich nicht bestätigen ließen, stehen nicht in der Ausgabe.