„Warum einstellen, das kann doch die KI?“ So prüfst du eine Stelle, bevor du sie ausschreibst

Unsere Sicht: Die Modelle sind für viele Aufgaben gut genug. Es fehlt an Daten, Werkzeugen und Abläufen im Betrieb, und wo die stimmen, beim Programmieren, sieht man schon heute, was geht. Eine Aufgabenliste zeigt, wo es bei einer Stelle hakt. Sie ist die Antwort an die Geschäftsführung.

Wer heute eine neue Stelle beantragt, muss mit der Rückfrage rechnen, ob das nicht die KI erledigen kann. Die Frage ist berechtigt, und HR gewinnt nichts, wenn es sie abwehrt. Beantworten lässt sie sich aber nur Aufgabe für Aufgabe. Wie das geht, zeigen wir an einem ausgedachten Fall.

Die Frage ist echt: Shopify hat sie zur Regel gemacht

Im März 2025 schrieb Tobi Lütke, CEO von Shopify, an alle Beschäftigten, dass Teams vor jedem Antrag auf mehr Personal oder Mittel zeigen müssen, warum KI die Arbeit nicht erledigen kann. Was anderswo als Gedanke mitläuft, ist dort Verfahren. Und die Frage kommt auch hier an, denn laut Bitkom setzen inzwischen 57 % der Unternehmen ab 20 Beschäftigten KI ein.

Unser Fall spielt bei einem Maschinenbauer mit 180 Beschäftigten. Anfragen und Aufträge sind gestiegen, der Vertriebsinnendienst soll eine weitere Fachkraft bekommen, und der Geschäftsführer stellt die Frage. Die Personalleiterin will mit Belegen antworten und sieht sich zuerst an, was KI überhaupt leistet.

Machbar ist viel mehr, als genutzt wird

Anthropic hat für 22 Berufsgruppen in den USA zwei Größen nebeneinandergestellt: was Sprachmodelle theoretisch erledigen könnten und was sich in den Nutzungsdaten von Claude tatsächlich wiederfindet. In Computer und Mathematik wären 94 % der Aufgaben machbar, abgedeckt sind 33 %. Der zweite Wert misst nur Claude, und doch ist der Abstand der eigentliche Befund.

Die Lücke endet auch nicht an der Tür der IT. Für Büro- und Verwaltungsberufe weist dieselbe Auswertung 90 % machbare Aufgaben aus.

Über die Stelle der Personalleiterin sagt das nichts, aber es schärft ihre Frage: Woran hängt es im Betrieb?

Im Schnitt kleine Effekte, unter guten Bedingungen große

Wie schnell KI in den Arbeitsalltag gekommen ist, zeigt die Europäische Zentralbank. Im Euroraum nutzten 2024 26 % der Befragten KI bei der Arbeit, 2026 sind es 52 %. Der Ertrag wirkt dagegen bescheiden: Der Median-Nutzer gibt an, drei Stunden pro Woche zu sparen, etwa 7,7 % der Median-Arbeitszeit.

Am meisten spart, wer KI nutzt, um Code zu erzeugen oder zu debuggen: im Schnitt knapp acht Stunden pro Woche, auch wenn das nur rund 8 % der Beschäftigten tun.¹ Wohin das führen kann, beschreibt Anthropic in eigener Sache: Im Mai 2026 stammten mehr als 80 % des dort gemergten Codes von Claude, vor Februar 2025 war es ein niedriger einstelliger Anteil.²

Solche Bedingungen kann ein Arbeitgeber schaffen. In einer Studie aus Dänemark haben dort, wo er KI fördert, ein eigenes Firmen-Tool stellt und schult, 93 % der Beschäftigten KI-Chatbots genutzt, 28 % nutzen sie täglich.³ Wo er keine dieser Maßnahmen ergreift, sind es 41 % und 7 %. In der ersten Gruppe sparen 19 % nach eigener Angabe mehr als eine Stunde am Tag.

Unsere Sicht: Den Unterschied macht der Betrieb, nicht das Modell. Andere Berufe werden dem Code folgen, sobald jemand dort die Bedingungen schafft.⁴

Die Personalleiterin muss also herausfinden, welche Bedingung im Innendienst fehlt.

Drei Prüffragen: Passung, Bereitschaft, Hürden

Warum der Code so weit vorn liegt, erklärt Anthropic mit drei vermuteten Gründen: Die Aufgaben passen zum Modell, Entwickler probieren gern aus, und im Betrieb steht wenig im Weg. Auf eine Stelle übertragen, ergibt das drei Prüffragen. Passt die Aufgabe? Ist das Team bereit? Welche Hürde steht im Weg?

Die Hürden beginnen beim Werkzeug. Laut Cohere gibt es für 419 von 923 US-Berufen kein einziges Werkzeug für KI-Agenten, also für Programme, die selbstständig Arbeitsschritte in anderen Systemen erledigen. Dass eine Hürde fallen kann, zeigt Uniper: Dort arbeitet ein Recruiting-Agent mit Prozessdaten, und die Zeit bis zur Unterschrift sank laut Anbieter und Kunde um 27 Tage. Übertragbar ist das Prinzip, nicht der Werkzeugstapel eines Konzerns. Die Personalleiterin nimmt die drei Fragen mit.

Der Fall: Was im Betrieb geht, zeigt erst die Woche

Beim Beruf Verkaufssachbearbeiter/in hält das IAB sechs von sieben Kerntätigkeiten für automatisierbar, also 86 % (Stand der Technik 2022), darunter Kalkulation, Verkauf und Auftragsbearbeitung. Reklamationen stehen nicht unter den angezeigten Kerntätigkeiten, gehören in der Beispielstelle aber dazu.

Das IAB sagt selbst, hohe Automatisierbarkeit heiße „nicht zwingend“, dass auch automatisiert wird. Also schreiben die Personalleiterin, der Vertriebsleiter und eine Kollegin aus dem Innendienst die Woche der Kollegin auf und sortieren jede Aufgabe in eine von drei Gruppen: KI-Entwurf (die KI entwirft, ein Mensch gibt frei), Urteil (abwägen und entscheiden) und Hauswissen (steht in keinem System).

Dass die Freigabe keine Formalie ist, kennen wir aus eigener Praxis. Bei Personalturm schreibt eine KI die Entwürfe für Stellenanzeigen, eine zweite prüft sie, und trotzdem rutschen Fehler durch. Deshalb gibt ein Mensch frei.

In der Tabelle stecken auch die Prüffragen: die Passung in der Gruppe, die Hürden in einer eigenen Spalte. An der Bereitschaft fehlt es nicht, die Kollegin probiert gern Neues aus.

Die Zeilen 3 und 4 sind im Kleinen die Lücke, die Cohere für ganze Berufe zählt. Und obwohl das IAB den Verkauf als automatisierbar führt, bleibt das Verhandeln in Zeile 6 ein Urteil.

Studien aus anderen Berufen stützen das. Im Kundensupport lösten Beschäftigte mit KI 14 % mehr Anfragen pro Stunde, Neue 34 %. Bei einer Aufgabe außerhalb der Stärken der KI lagen Teilnehmende mit KI dagegen um 19 Prozentpunkte seltener richtig. Abwägungen wie in den Zeilen 5 und 6 bleiben deshalb beim Menschen.

Nach zwei Wochen Messung der Zeilen 1 bis 4 schlägt die Personalleiterin vor: Die KI entwirft die Zeilen 1 und 2, eine Stelle „Kunden und Ausnahmen“ übernimmt die Zeilen 5 bis 8, ein Datenprojekt räumt die Hürden der Zeilen 3 und 4 ab, und nach sechs Monaten wird nachgemessen. Die Geschäftsführung entscheidet damit über ein Profil und eine Investition statt nur über einen Kopf.

Die Liste hätte auch anders ausgehen können. Wären die meisten Zeilen KI-Entwurf ohne Hürde, würde die Stelle kleiner oder fiele weg. Auch das wäre eine begründete Antwort.

Personalbedarf: Die Planung beginnt oft beim Vorjahr

In einer nicht repräsentativen Studie von DGFP, Wollmilchsau und HTWK planen 52,30 % der Unternehmen ihren Personalbedarf strategisch, 47,70 % schreiben den Bedarf des Vorjahres mit Anpassungen fort. Eine Fortschreibung beginnt bei der Stellenzahl, nicht bei den Aufgaben. Das ist kein Vorwurf, sondern eine Ausgangslage.

Was du tust: drei Schritte

Erstens: Schreib die Woche der Stelle auf, mit der Führungskraft und der Person, die die Aufgaben heute erledigt. Nur sie kennt Hürden und Hauswissen.

Zweitens: Begründe jede Zeile. Ordne sie einer Gruppe zu, geh die drei Prüffragen durch und schreib ein „weil“ dazu. Diese Begründungen sind die Antwort an die Geschäftsführung.

Drittens: Miss zwei Wochen lang, leg den Vorschlag der Personalanforderung bei und vereinbare die Nachmessung nach sechs Monaten.

Praxistipp: Bezieh den Betriebsrat früh ein, denn die Liste betrifft die Arbeit der Beschäftigten direkt.

Woran du merkst, dass es wirkt:

• Die Geschäftsführung fragt nach einzelnen Zeilen.
• Jede Hürde hat einen Namen und einen Termin.
• Die nächste Personalanforderung beginnt mit der Liste.

Teilweise, und mit Gründen

„Warum einstellen, das kann doch die KI?“ Für den Innendienst unseres Maschinenbauers lautet die Antwort: teilweise. Entwürfe ja, wo die Aufgabe passt und keine Hürde im Weg steht. Freigabe, Urteil und Hauswissen bleiben im Fall beim Menschen, und genau dafür braucht es die Stelle.

Shopify verlangt den Nachweis, warum KI eine Arbeit nicht erledigen kann. Die Aufgabenliste geht weiter: Sie zeigt in beide Richtungen und mit Gründen, was die KI übernehmen kann und wofür es einen Menschen braucht. Damit verteidigt HR keine Stelle mehr, es begründet sie. Welche Hürde steht in deinem Betrieb am häufigsten im Weg? Schreib es uns.

Dieser Beitrag dient der allgemeinen Information, ersetzt keine Rechtsberatung und erfolgt ohne Gewähr; bei rechtlichen Fragen hilft ein Fachanwalt für Arbeitsrecht.

Quellen

Regel und Frage

• Shopify: ‚AI usage‘, Candidate Guide (zitiert die Mail von Tobi Lütke an alle Beschäftigten vom März 2025), Abruf 14.10.2026 · https://www.shopify.com/careers/candidate-guide/ai-usage · Lütke auf X 07.04.2025, https://x.com/tobi/status/1909251946235437514
• Bitkom, Presseinformation 14.09.2026, Unternehmen ab 20 Beschäftigten, 603 Unternehmen · https://www.bitkom.org/Presse/Presseinformation/Erstmals-nutzt-Mehrheit-Unternehmen-KI

Machbar und genutzt

• Anthropic (Massenkoff, McCrory), „Labor market impacts of AI: A new measure and early evidence“, 05.03.2026, Figure 2 · https://www.anthropic.com/research/labor-market-impacts · 22 Berufsgruppen in den USA; die Abdeckung ist aus Claude-Nutzungsdaten abgeleitet und misst nur Claude.

Schnitt und Code

• EZB-Blog, Dias da Silva, Lebastard, Sondermann, „AI adoption and the productivity promise: what workers report“, 26.08.2026 · https://www.ecb.europa.eu/press/blog/date/2026/html/ecb.blog20260826~e1c1a89999.en.html · Consumer Expectations Survey, ca. 20.000 Befragte, 11 Euro-Länder, Selbstauskunft („typical week last month“). Der Median (drei Stunden) bezieht sich nur auf Nutzer. Der Code-Wert (knapp acht Stunden) ist der Durchschnitt derer, die KI für Code nutzen, kein Median; laut EZB erhöht ein Auswahleffekt ihn mechanisch.
• Anthropic Institute, „When AI builds itself“, Update 18.09.2026 · https://www.anthropic.com/institute/recursive-self-improvement · Herstellerangabe; Anteil gemergter Zeilen, Zuordnung mit Lücken.
• METR, Experiment Anfang 2025 („19% longer“) · https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ · Update 24.02.2026 („likely … more sped up … only very weak evidence for the size“) · https://metr.org/blog/2026-02-24-uplift-update/

Bedingungen

• Humlum, Vestergaard, „Still Waters, Rapid Currents“, RFBerlin Discussion Paper 078/26, März 2026, S. 5 und S. 16 · https://www.rfberlin.com/wp-content/uploads/2026/03/26078.pdf · Befragung Ende 2024, Dänemark, 11 stark KI-exponierte Berufe (u. a. HR, Bürokräfte, Softwareentwicklung, Kundensupport), rund 25.000 Beschäftigte in 7.000 Betrieben, nicht alle Beschäftigten Dänemarks. Vergleichsgruppe: Arbeitgeber, die keine der drei Maßnahmen ergreifen („neither encourage …, provide an enterprise chatbot, nor offer training“). Für diese Gruppe gibt es keinen Ersparniswert. Beleg nur für die Bedingungen, nicht für den Stand der Modelle.
• Anthropic Economic Index Report, 15.09.2025 · https://www.anthropic.com/research/anthropic-economic-index-september-2025-report · „Model-task fit“, „Developer receptivity“, „Low organizational barriers“ als Vermutung von Anthropic.
• Cohere Labs, „Automation's Early Footprint“, 03.09.2026 · https://cohere.com/blog/automations-early-footprint · US-Berufe, öffentliche MCP-Verzeichnisse, Mai 2026.
• Celonis, Pressemitteilung 09.09.2026 (Datum laut Metadaten) · https://www.celonis.com/news/press/celonis-and-uniper-make-business-critical-hr-processes-faster-more-accurate-and-more-cost-efficient · Angabe von Anbieter und Kunde. Laut Pressemitteilung sind die 27 Tage ein Ergebnis nach dem Vollbetrieb des Agenten („put the agent into full production“); Messmethode und Zeitraum werden nicht genannt, die Prozessdaten nicht als Ursache. Werkzeug: Microsoft Copilot Studio.

Der Fall

• IAB, Job-Futuromat, Verkaufssachbearbeiter/in · https://job-futuromat.iab.de/?job=14587 · Industriekaufmann/-frau · https://job-futuromat.iab.de/?job=7964 · Abruf der Berufsseiten 14.10.2026 · IAB-FAQ https://job-futuromat.iab.de/faq.html, Abruf 20.10.2026 · Bezug der Werte ist der Stand der Technik 2022; technisch machbar, keine Prognose.
• Brynjolfsson, Li, Raymond, NBER Working Paper 31161 (QJE 2025) · https://www.nber.org/papers/w31161 · Kundensupport, gelöste Anfragen pro Stunde.
• Dell'Acqua u. a., Organization Science 37(2), 2026 · https://doi.org/10.1287/orsc.2025.21838 · Aufgabe „outside the frontier“.
• Personalturm: eigene Praxis bei KI-Entwürfen für Stellenanzeigen.

Personalbedarf

• DGFP, Wollmilchsau, HTWK, Recruiting-Struktur-Benchmark-Studie 2025 · https://www.dgfp.de/uploads/documents/FINAL-Recruiting-Struktur-BenchmarkStudie-2025.pdf · Abruf 14.10.2026 · 736 Befragte, diese Frage n = 313; nicht repräsentativ.