Du nutzt täglich KI und wirst trotzdem entlassen

Kerstin, 43, hat alles richtig gemacht.

BWL-Studium, Abschluss mit Auszeichnung, 14 Jahre Berufserfahrung als Marketing-Managerin in einer mittelgroßen Kommunikationsagentur. Seit eineinhalb Jahren nutzt sie KI-Tools konsequent. Kampagnen-Briefings, die früher zwei Tage dauerten: drei Stunden. Textentwürfe für Kunden: Minuten statt Stunden. Sie liefert mehr, schneller, besser als je zuvor.

Ihr Chef bezeichnet sie intern als „die, die das mit der KI wirklich kapiert hat."

Was Kerstin nicht weiß: Genau das macht sie zur Risikokandidatin.

Nicht wegen Unfähigkeit. Nicht wegen Fehlern. Sondern weil sie drei Dinge gleichzeitig tut, ohne es zu merken. Sie macht ihre Agentur produktiver, ohne selbst davon zu profitieren. Sie macht sich ersetzbar, ohne es zu bemerken. Und sie gibt mit jeder KI-Session ein Stück ihrer eigenen Kompetenz ab.

Das klingt dramatisch. Ist es aber nicht. Es ist Systemlogik.

Warum profitiert die Firma von deiner KI-Nutzung, aber du nicht?

Weil deine Produktivitätsgewinne als Ergebnisse in der Agentur landen, nicht in deinem eigenen Wissensnetz.

Adecco hat 2025 erhoben: Beschäftigte in Deutschland sparen im Schnitt 113 Minuten täglich durch KI. Diese gewonnene Zeit fließt in mehr Kampagnen, mehr Briefings, mehr Kundenpräsentationen. Die Agentur liefert mehr Leistung zum gleichen Preis. Kerstins Chef ist zufrieden.

Was bei Kerstin bleibt: nichts, was ihr gehört.

Tausende Entscheidungen, die sie in Briefings getroffen hat. Muster, die sie in Kampagnendaten erkannt hat. Einschätzungen, die sich bewährt haben. Das alles liegt in geteilten Dokumenten, in abgeschlossenen Projekten, in einer Ablage, die der Agentur gehört. Wenn Kerstin morgen den Job wechselt oder verliert, nimmt sie einen Lebenslauf mit, aber keine aufgebaute Wissensbasis.

Das ist keine Faulheit. Das ist Struktur.

Die dänische Studie von Humlum und Vestergaard hat das für über elf Berufsgruppen nachgewiesen: KI-Nutzung allein zeigt nahezu keinen messbaren Lohneffekt. Mehr nutzen bedeutet nicht mehr verdienen. Das ist kein Einzelfall. Das ist das Muster.

Seit 1979 ist die Produktivität in Deutschland um rund 90 Prozent gestiegen. Die Löhne: um 33 Prozent. KI beschleunigt diese Entkopplung für alle, die nur schneller liefern, ohne gleichzeitig in sich selbst zu investieren.

Was bedeutet Job Hollowing, und warum trifft es jetzt auch hochqualifizierte Frauen?

Job Hollowing heißt: Der Job verschwindet nicht. Er wird inhaltlich leer.

Der Begriff stammt aus der Arbeitssoziologie und beschrieb bisher mittlere Qualifikationsjobs, bei denen Routineaufgaben wegautomatisiert wurden. 2026 erreicht das Muster hochqualifizierte Wissensarbeit: Programmierer, Analysten, Texter, Marketingstrategen wie Kerstin.

Goldman Sachs schätzt, dass 46 Prozent der Aufgaben in Marketing, Verwaltung und ähnlichen Büroberufen automatisierbar sind. Das sind nicht die Randaufgaben. Das ist der Kern dessen, womit Kerstin ihren Tag verbringt.

Die ETH Zürich (KOF-Institut) hat das für den Schweizer Arbeitsmarkt in Echtzeit gemessen: In Berufen mit hoher KI-Exposition ist die Arbeitslosigkeit seit Ende 2022 um 27 Prozent stärker gestiegen als in der Kontrollgruppe. Stellenausschreibungen in diesen Berufen liegen auf 60 bis 70 Prozent des Vor-KI-Niveaus. Rund ein Drittel weniger offene Stellen, und zwar in nur drei Jahren.

Kerstins Agentur steht dabei selbst unter Druck. GWA-Zahlen 2026: Agenturumsatz in Deutschland minus 2,7 Prozent, Agentur-Insolvenzen plus 122 Prozent gegenüber 2024. UK als verlässlicher Frühindikator mit 12 bis 18 Monaten Vorsprung zeigt, was kommt: Kreativagenturen minus 14,3 Prozent Beschäftigung, 24 Prozent planen weitere Kürzungen. DACH wird dieses Niveau 2026 und 2027 erreichen.

Was bleibt im ausgehöhlten Job? Die anspruchsvolle Arbeit wandert zur Maschine. Was bleibt: prüfen, ob die Maschine richtig lag. Unter Zeitdruck, ohne vollständigen Kontext.

Die historische Analogie: Schriftsetzer in den 1970er-Jahren. Tarifverträge hielten sie in Beschäftigung. An Datenterminals, Texte abtippen. Statistisch beschäftigt. Real: der Beruf war tot.

Was verlieren KI-Nutzer schleichend, während sie produktiver werden?

Ihre eigene Kompetenz. Unbemerkt, in kleinen Schritten.

Das Phänomen hat einen Namen: Cognitive Debt (kognitive Schulden) – kognitive Schulden entstehen, wenn Tempo das Verstehen übersteigt. Das MIT Media Lab hat es 2025 gemessen (Kosmyna et al., arXiv 2506.08872): KI-Nutzer zeigten die schwächsten neuronalen Vernetzungsmuster aller Testgruppen, 83 Prozent konnten danach nicht aus ihren eigenen Texten zitieren. KI gibt fertige Gedanken, vollständig formuliert, plausibel klingend, gut strukturiert. Das Gehirn konsumiert, ohne einzuzahlen.

Kerstin übernimmt täglich Hunderte solcher fertigen Gedanken. Sie nickt. Sie korrigiert. Sie übernimmt. Was sie nicht tut: selbst formulieren, selbst verknüpfen, selbst denken.

Der Deutsche Ethikrat hat 2023 auf das Risiko des Deskilling (Kompetenzverlust durch Nichtnutzung) hingewiesen: Fähigkeiten, die nicht genutzt werden, verkümmern. Rainey und Hochberg haben 2025 in einer PNAS-Studie die Rückkopplungsschleife beschrieben: Je mehr Menschen KI für kognitive Aufgaben nutzen, desto weniger trainieren sie die entsprechenden Fähigkeiten im eigenen Gehirn.

Kerstin wird nicht schlechter in dem, was sie tut. Sie wird abhängiger von dem Werkzeug, das es für sie tut.

BCG hat 2026 im Marketing den höchsten Wert für KI-bedingte kognitive Erschöpfung gemessen: 26 Prozent der Befragten berichten davon, doppelt so viel wie der Durchschnitt aller Branchen. Das ist kein Burnout durch Überlastung. Es ist Erschöpfung durch Unterforderung des eigenen Denkens.

Kein Einzelfall. Anthropic hat im März 2026 über 80.000 aktive KI-Nutzer in 159 Ländern befragt. Ein Anwalt aus Israel beschreibt seinen Alltag so: „Ich nutze KI für Vertrags-Reviews, spare Zeit, und gleichzeitig frage ich mich: Verliere ich die Fähigkeiten, selbst zu lesen?" Sechzehn Prozent der Befragten nennen kognitiven Verschleiß als ihre konkrete Sorge. Nicht als abstrakte Technik-Angst. Als eigene, tägliche Erfahrung.

Wenn Kerstin morgen ihren Job verliert, kann sie vieles nicht mehr so gut wie früher. Und sie weiß nicht mal, wann sie aufgehört hat, es zu können.

Wie dieser Mechanismus genau funktioniert: Cognitive Debt: Warum dein Gehirn nach KI-Sessions leer ist

Was unterscheidet KI-Nutzer, die durch KI gewinnen, von denen die verlieren?

Nicht Fleiß. Nicht das richtige Tool. Nicht mehr Übung.

PwC meldet im AI Jobs Barometer 2025: Arbeitnehmer mit KI-Kompetenzen verdienen bis zu 56 Prozent mehr als vergleichbare Kollegen ohne. Klingt gut. Der Schlüsselsatz im Kleingedruckten: Das gilt für Stellen mit expliziten KI-Kompetenzen, nicht für jeden, der täglich ein KI-Werkzeug öffnet.

EY (Verbraucherumfrage 2025/26): 16 Prozent der Deutschen halten ihren Job für unsicher. Höchster Stand seit der Finanzkrise 2009. Unter den Unter-35-Jährigen: 21 Prozent. Und gleichzeitig nutzen 67 Prozent generative KI, 27 Prozent der KI-nutzenden Unternehmen planen Stellenabbau, 19 Prozent haben bereits entlassen (Bitkom 2026).

Nutzung und Jobangst wachsen gleichzeitig. Das ist kein Widerspruch. Es ist dieselbe Logik. (Bestätigt durch 80.508 KI-Nutzer in 159 Ländern: 22 Prozent nennen Jobverlust als Sorge – dieselben Menschen berichten gleichzeitig von Produktivitätsgewinnen. Hoffnung und Sorge sind keine Lager, sie sitzen im selben Kopf.)

Gartner hat im Mai 2026 untersucht was auf der anderen Seite passiert: 350 globale Executives, Unternehmen mit mehr als einer Milliarde Euro Umsatz. Ergebnis: 80 Prozent haben bereits Staff wegen KI-Initiativen reduziert. ROI-Vorteil gegenüber Unternehmen die ihre Leute behielten: keiner. Helen Poitevin, die Gartner-Analystin die die Studie leitete: „Workforce reductions may create budget room, but they do not create return." (Stellenabbau schafft Budgetspielraum, aber keine Rendite.) Was tatsächlich den Unterschied macht: Unternehmen die in Kompetenzaufbau investiert haben – in Skills, Rollen und Arbeitsmodelle die Menschen befähigen, KI-Systeme zu steuern.

Das ist kein Freifahrtschein. Die Entlassungen passieren trotzdem, wie die Cloudflare- und Meta-Zahlen zeigen. Aber es verschiebt die eigentliche Frage: Was schützt wirklich? Nicht weniger Effizienz. Sondern aufgebaute Kompetenz, die ein Unternehmen sich nicht leisten kann wegzurationalisieren.

Der Unterschied liegt darin, wo die Erkenntnis nach einer Session landet.

Wer ein KI-Werkzeug öffnet, einen Bericht schreibt, das Fenster schließt, hat den Arbeitgeber effizienter gemacht. Die Erkenntnis bleibt in der Ablage. Morgen fängt dieselbe Person wieder bei null an.

Wer dagegen so arbeitet, dass er nach jeder Session mehr weiß, dass seine Methodik wächst, dass er etwas aufbaut, das ihm gehört und das er mitnehmen kann, wenn der Arbeitgeber wechselt, investiert in sich. Nicht in eine fremde Bilanz.

Steph Ango, Tech-Unternehmer und Denker rund um digitale Wissensarbeit: „Don't delegate understanding. If you build your own understanding you will be the one who earns the dividends." (Verstehen nicht delegieren. Wer das eigene Verstehen aufbaut, erntet die Dividenden.) Das ist die Unterscheidung, die zählt.

Wie sichere ich meinen Job, ohne mich selbst rauszuoptimieren?

Das ist möglich. Aber nicht auf dem Weg, den du erwartest.

Du kennst die Ratschläge. Lern Prompt-Engineering. Betone deine Soft Skills. Empathie und Urteilsvermögen kann die KI nicht ersetzen. Hol dir den Bildungsgutschein. Das alles klingt nach Handlungsplan. Und das alles bleibt im selben Rahmen.

Wobei „Lern Prompt-Engineering" schon überholt klingt. Das IW Köln hat 2025 am deutschen Jobmarkt gemessen: Arbeitgeber schreiben kaum noch Stellen für Prompt Engineers aus, obwohl Jobsuchende sie suchen. Jared Spataro von Microsoft formulierte es 2025 direkt: Das perfekte Prompt ist nicht mehr nötig. Die Modelle verstehen normale Sprache. Was wirklich zählt: strategisches Denken, den richtigen Kontext liefern, Probleme sauber formulieren. Das ist schwerer als Prompt-Baukasten lernen.

Aber auch das löst das strukturelle Problem nicht. Auch strategisches KI-Denken, auch Soft Skills, auch jede Weiterbildung, die du ausschließlich in deinen Job investierst, stärkt eine fremde Bilanz. Die Richtung bleibt dieselbe.

Ein Blick auf das große Bild macht es deutlicher. Zwei Jahre Rezession, Industrieproduktion 15 Prozent unter dem Niveau von 2017. VW hat 35.000 Stellen gestrichen, Bosch 22.000. Energiekosten und hohe Lohnnebenkosten belasten Unternehmen, die ohnehin unter Druck stehen. Heute halten viele Arbeitgeber noch still, weil sie noch nicht wissen, wie weit KI trägt. Aber mit jeder Verbesserung der Modelle und jedem weiteren Kostendruck wird die Rechnung einfacher: weniger Köpfe, gleiche Ergebnisse.

Und dann kommt die dritte Welle. Humanoide Roboter. NEURA Robotics aus Metzingen. Tesla Optimus. Figure AI. Preise fallen auf 15.000 bis 20.000 Euro, bei einem Facharbeitergehalt eine Amortisationszeit von unter zwei Jahren. Heute trifft das Montage, Lager, Logistik. Morgen breitere Bereiche. Die Richtung ist klar, auch wenn der Zeitpunkt offen ist.

Der Ausweg für Kerstin ist nicht: weniger KI nutzen. Das wäre, als würde sie Strom sparen, indem sie im Dunkeln sitzt.

Er liegt darin, wo sie ihre Erkenntnisse investiert. Kerstin kann im Job nicht plötzlich weniger liefern. Aber sie kann anfangen, das im Job Gelernte systematisch in ein eigenes Wissensnetz einzupflegen. Erkenntnisse aus Kampagnen, Muster aus Kundengesprächen, Einschätzungen, die sich bewährt haben, verknüpft mit dem, was sie außerhalb des Jobs interessiert. Etwas, das ihr gehört. Etwas, das bleibt, wenn die Agentur nicht mehr da ist.

Das klingt einfach. Ist es nicht. Weil dafür ein System nötig ist, das Lernen speichert, Kontext erhält und über Sessions hinweg aufbaut. Etwas, das nach Feierabend für sie arbeitet, nicht für ihren Arbeitgeber.

Wer diesen Weg konsequent geht, kommt irgendwann an einen Punkt, wo aus dem Wissensnetz ein echtes Angebot wird. Warum eine Person mit KI heute das kann, wofür früher ein Team nötig war.

Die Fehler, die das verhindern, sind immer dieselben sieben. Fast jeder KI-Nutzer macht sie, egal wie lange er dabei ist.

Die 7 häufigsten KI-Fehler, und warum fast jeder sie macht.

Ich beobachte dieses Muster seit über zwei Jahren. Zuerst in meiner eigenen Arbeit: produktiver geworden, aber das meiste davon ist in Projekten anderer gelandet. Dann im Austausch mit Lesern, die genau da stecken: effizienter als je zuvor, aber mit nichts in den Händen, was ihnen gehört. Die Unterscheidung, wo die Erkenntnis nach einer KI-Session landet, ist der entscheidende Hebel. Er ist greifbarer als er klingt.