Job Hollowing: Die stille Gefahr, wenn KI Jobs aushöhlt statt sie abzuschaffen

Wenn über KI und Arbeitsplätze gesprochen wird, geht es fast immer um eine Frage: Welche Jobs fallen weg? Studien liefern dazu unterschiedliche Zahlen, von moderaten Verschiebungen bis zu drastischen Verlustszenarien. Diese Debatte übersieht jedoch eine leisere, aber möglicherweise folgenreichere Entwicklung: Viele Jobs verschwinden gar nicht. Sie bleiben bestehen – Schreibtisch, Gehalt, Titel, alles wie gehabt. Nur der Inhalt verändert sich, bis kaum noch etwas davon übrig ist, was den Job einmal ausgemacht hat.

Für dieses Phänomen gibt es einen Fachbegriff: Hollowing of Work, zu Deutsch etwa Aushöhlung der Arbeit. Es beschreibt keine Verdrängung, sondern eine schleichende Entkernung: Die Stelle existiert weiter, aber ihr kognitiver Kern – das Denken, Abwägen, Entscheiden, Problemlösen – wandert ab.

Wie Aushöhlung konkret aussieht

Stellen Sie sich eine Mitarbeiterin vor, die früher ein Angebot selbst kalkuliert, eine Kundenanfrage individuell formuliert oder eine Entscheidung im Zweifelsfall selbst getroffen hat. Heute liefert ein KI-System den fertigen Entwurf, die fertige Kalkulation, den fertigen Vorschlag. Ihre Aufgabe besteht nun darin, das Ergebnis zu prüfen und abzunicken.

Auf den ersten Blick wirkt das wie ein Effizienzgewinn – und ist es oft auch. Das Problem entsteht, wenn dieser Zustand zum Dauerzustand wird: Wer nur noch prüft, ohne selbst je wieder zu entwerfen, verliert mit der Zeit genau die Fähigkeiten, die für die Prüfung eigentlich nötig wären. Aus einer gestaltenden Tätigkeit wird eine kontrollierende, und Kontrolle ohne eigene Erfahrung wird zunehmend zur reinen Formsache.

Warum das mehr ist als ein individuelles Problem

Job Hollowing betrifft nicht nur das persönliche Erleben von Arbeit, so real dieses Erleben auch ist. Es hat handfeste organisatorische Folgen:

Wissen verschwindet leise. Wenn niemand mehr eine Aufgabe von Grund auf selbst löst, verschwindet mit der Zeit das Wissen, wie man sie löst. Fällt das KI-System einmal aus, ist eine falsche Vorlage im Umlauf oder ändert sich eine Rahmenbedingung grundlegend, fehlt im Team die Erfahrung, um selbstständig gegenzusteuern.

Prüfung wird zur Farce. Eine sinnvolle Kontrolle setzt voraus, dass die prüfende Person das Thema versteht. Wer nie mehr selbst gestaltet, verliert genau dieses Verständnis und nickt am Ende eher ab, als wirklich zu prüfen.

Nachwuchs verliert die Lernkurve. Junge oder neue Mitarbeitende haben traditionell über einfache, aber lehrreiche Aufgaben gelernt, wie ein Fachgebiet funktioniert. Übernimmt KI genau diese Einstiegsaufgaben, fehlt die Basis, auf der sich Erfahrung und Urteilsvermögen später aufbauen.

Motivation bröckelt. Arbeit, die nur noch aus Kontrolle und Freigabe besteht, fühlt sich anders an als Arbeit, die auf eigenem Denken beruht. Das schlägt sich langfristig in Engagement, Bindung und Qualität nieder, unabhängig davon, wie viele Stellen formal erhalten bleiben.

Die eigentlich entscheidende Frage bei jeder KI-Einführung lautet nicht nur: Wird dadurch schneller oder günstiger gearbeitet? Sondern auch: Was bleibt am Ende von der Aufgabe übrig, und ist das, was übrig bleibt, noch eine Aufgabe, an der Menschen wachsen und sich weiterentwickeln können?

Matthias Burzinski

Wann das Risiko besonders hoch ist

Aushöhlung passiert nicht automatisch, sobald KI eingeführt wird. Sie entsteht vor allem dort, wo KI-Werkzeuge so eingesetzt werden, dass Menschen nur noch zwischen „übernehmen“ und „ablehnen“ wählen können, statt selbst am Ergebnis mitzuarbeiten. Drei Bedingungen begünstigen das Risiko besonders:

• Fehlende Beteiligung an der Einführung. Wenn KI-Tools „von oben“ eingeführt werden, ohne dass die betroffenen Mitarbeitenden mitgestalten, wie die Zusammenarbeit mit dem System aussehen soll, sinkt die Chance, dass am Ende eine sinnvolle Aufgabenteilung entsteht.
• Zeitdruck statt Lernzeit. Wird ein Tool eingeführt, ohne dass Raum bleibt, den Umgang damit zu verstehen und einzuüben, verfällt man schnell in den bequemsten Modus: Ergebnis übernehmen, weiterarbeiten.
• Fehlendes bewusstes Aufgaben-Design. Wenn niemand aktiv entscheidet, welche Teile einer Aufgabe beim Menschen bleiben sollen und welche an die KI gehen, entscheidet am Ende oft der Weg des geringsten Widerstands und der führt fast immer zu weniger Denkarbeit für den Menschen.

Was Organisationen dagegen tun können

Die gute Nachricht: Job Hollowing ist kein Naturgesetz der KI-Einführung, sondern ein Gestaltungsproblem, das sich beeinflussen lässt.

• Aufgaben bewusst aufteilen. Statt KI ganze Prozesse von Anfang bis Ende erledigen zu lassen, lohnt es sich, bewusst festzulegen: Welcher Teil bleibt beim Menschen, weil dort Urteilsvermögen und Erfahrung entstehen sollen? Welcher Teil kann sinnvoll an die KI gehen, weil er repetitiv oder wenig lehrreich ist?
• Prüfen durch Verstehen ersetzen. Statt Ergebnisse nur abzunicken, sollte die Prüfung so gestaltet sein, dass sie echtes Nachvollziehen erfordert, etwa durch gezielte Rückfragen, Stichproben mit eigener Neu-Berechnung oder regelmäßige Aufgaben, die bewusst ohne KI-Unterstützung gelöst werden.
• Einstiegsaufgaben bewahren. Gerade für neue oder junge Mitarbeitende lohnt es sich, einfache, aber lehrreiche Aufgaben bewusst nicht vollständig zu automatisieren, auch wenn das kurzfristig weniger effizient erscheint. Der Lerneffekt zahlt sich langfristig aus.
• Zeit für Kompetenzaufbau einplanen. Die Einführung eines KI-Werkzeugs sollte nicht nur als technische Umstellung behandelt werden, sondern als Gelegenheit, im Team gemeinsam zu verstehen, wie das Werkzeug funktioniert, wo es Grenzen hat und wie man es sinnvoll einsetzt.
• Regelmäßig hinterfragen, nicht nur einführen. Ob eine Aufgabenteilung zwischen Mensch und KI noch sinnvoll ist, verändert sich mit der Zeit. Ein regelmäßiger Rückblick (Was haben wir dabei verloren, was gewonnen?) hilft, schleichende Aushöhlung frühzeitig zu erkennen.

Eine Frage, die es wert ist, gestellt zu werden

Die eigentlich entscheidende Frage bei jeder KI-Einführung lautet nicht nur: Wird dadurch schneller oder günstiger gearbeitet? Sondern auch: Was bleibt am Ende von der Aufgabe übrig, und ist das, was übrig bleibt, noch eine Aufgabe, an der Menschen wachsen und sich weiterentwickeln können? Wer diese Frage stellt, bevor ein Tool eingeführt wird, hat die beste Chance, Effizienzgewinne zu heben, ohne die eigene Organisation langfristig auszuhöhlen.

Der bewusste Umgang mit genau diesen Fragen gehört zu den zentralen Themen, die wir in unseren KI-Clubs gemeinsam mit den Mitgliedsorganisationen bearbeiten.

Bild: KI-generiert mit Nano Banana.