KI-Fähigkeiten für Wissensarbeiter sind gerade das wichtigste Karrierethema. Denn die Werkzeuge liegen längst auf dem Tisch. Was fehlt, ist das Handwerk dahinter.
Andrew Ng hat letzte Woche auf X eine AI Engineering Skills Map veröffentlicht. Zielgruppe: Softwareentwickler. Seine Kernaussage: KI erlaubt es, Software heute völlig anders zu bauen als 2022. Wer diese Verschiebung versteht, hat konkrete Vorteile bei Projekten und Jobs.
Ng nennt vier Kernfähigkeiten. Erstens KI-Anwendungen bauen und deployen. Zweitens Software-Grundlagen verstehen. Drittens Coding Agents einsetzen. Und viertens das sogenannte Shaping the Build, also aktiv steuern, was der Agent tut.
Das ist hilfreich. Allerdings bleibt es in einer Bubble.
Denn dieselbe Verschiebung passiert parallel in Marketing, Finance, HR, Strategie und Operations. Dort fehlt jedoch eine vergleichbare Orientierungskarte. Deshalb habe ich sie gezeichnet.
Die fünf KI-Fähigkeiten für Wissensarbeiter im Überblick
- Capability Mapping: verstehen, was KI kann und was nicht.
- Context- und Harness-Management: die KI richtig aufsetzen.
- Problem Prototyping: selbst bauen statt Tickets schreiben.
- Opportunity Identification: neue Möglichkeiten erkennen.
- Rapid Skill Acquisition: schnell und dauerhaft dazulernen.
Darunter liegt ein Fundament, das kein Modell mitliefert: Domain Judgment. Fangen wir deshalb dort an.
Das Fundament dieser KI-Fähigkeiten für Wissensarbeiter: Domain Judgment
Zuerst ein wichtiger Vorbehalt. KI ersetzt kein Urteilsvermögen.
ChatGPT schreibt jeden Text und baut jedes Werbemittel. Trotzdem würde niemand erwarten, dass jemand ohne Marketingerfahrung damit eine funktionierende Kampagne aufbaut. Denn es fehlt das Urteil. Was ist Qualität? Welche Kompromisse sind vertretbar? Was passt zur Organisation?
Dieses Urteil kommt übrigens nicht nur aus zwanzig Jahren Berufserfahrung. Es entsteht auch aus persönlichen Standards und aus Mustererkennung. Außerdem entsteht es in der Arbeit mit erfahrenen Kollegen. Und es steckt in eingebettetem Wissen, also in Beispielen, Rubrics und Evaluierungen, die du der KI mitgibst.
Dieses Fundament bleibt. Alle fünf KI-Fähigkeiten für Wissensarbeiter bauen darauf auf.
Fähigkeit 1: Capability Mapping
Ethan Mollick prägte den Begriff der jagged frontier. KI hat also keine gleichmäßige Kompetenzlinie. In einer Aufgabe ist sie überraschend stark. In der nächsten, scheinbar einfacheren, versagt sie komplett.
Capability Mapping heißt deshalb: wissen, wo KI nativ stark ist. Und wissen, wo sie schwach ist. Vor allem aber: wissen, wie du ihr in den schwachen Bereichen hilfst.
Dazu gehört auch der Unterschied zwischen drei Ansätzen. Eine assistierte Aufgabe. Eine Workflow-Automatisierung. Oder eine echte agentische Lösung.
Aus einem Kurs lernst du das nicht. Es entsteht durch Ausprobieren, durch Scheitern und durch Wiederholung im echten Kontext.
Fähigkeit 2: Context- und Harness-Management
Wie du die KI aufsetzt, zählt mehr als die Frage, welches Modell du nimmst.
Context Management bedeutet: der KI die Informationen geben, die sie braucht. Ein Marketer liefert beispielsweise Kampagnendaten, Kundenfeedback und Analytics mit. Sein Ergebnis sieht anders aus als das von jemandem, der nur einen kurzen Prompt tippt.
Harness Management geht einen Schritt weiter. Dazu gehören Instructions, Tool-Zugriffe, Berechtigungen und Memory. Kurz gesagt: alles, was rund um das Modell liegt.
Wichtig: Die Best Practices ändern sich schnell. Was heute funktioniert, kann in sechs Monaten überholt sein.
Fähigkeit 3: Problem und Product Prototyping
Von allen KI-Fähigkeiten für Wissensarbeiter wird diese am stärksten unterschätzt.
Kein Marketer wird zum Softwareentwickler. Aber wer sein internes Dashboard mit API-Anbindung selbst baut, spart nicht nur Zeit. Er verändert, wie er arbeitet.
Vorher: Daten aus fünf Plattformen ziehen, in Excel zusammenführen, analysieren, in Folien übersetzen. Nachher: ein System, das genau das automatisch erledigt. Die eigentliche Arbeit liegt dann im Urteil, was die Daten bedeuten.
Der Einstieg ist holprig. Denn Codex und Claude Code sind nicht selbsterklärend. Wer sich trotzdem durcharbeitet, erkennt schnell, welche Teile des eigenen Jobs sich grundlegend verändern.
Fähigkeit 4: Opportunity Identification
Die dritte Fähigkeit fragt: Wie mache ich meine bisherige Arbeit besser? Diese hier fragt dagegen: Was geht jetzt, was vorher nicht möglich oder nicht wirtschaftlich war?
Ein hilfreicher Gedankenrahmen: Dein Unternehmen gibt dir ein kleines Entwicklerteam und sagt, mach damit, was du willst. Was würdest du bauen?
Die erste Antwort ist meistens Automatisierung. Nach einer Weile tauchen jedoch Ideen auf, die vorher nicht denkbar waren. Kleine Firmen bauen zum Beispiel Spiele als Teil ihrer Marketingstrategie. Vertriebsteams lassen Leads anreichern und CRMs aktualisieren, bevor ein Mensch die Hand hebt.
Hier liegt der größte ungehobene Wert.
Fähigkeit 5: Rapid Skill Acquisition
KI verändert das Skill-Set schneller, als Organisationen reagieren können. Institutionelle Trägheit ist real.
Individuelle Trägheit ist dagegen eine Entscheidung. Genau darum geht es auch in meinem Beitrag Anpassung schlägt Wissensvorsprung.
Wer Lernen als laufenden Prozess begreift, hat einen strukturellen Vorteil. Ein Seminar alle sechs Monate reicht dafür nicht. Das erfordert allerdings Disziplin. Erkennen, was gerade wertvoll wird. Raum schaffen, um es zu testen. Und bewerten, ob sich die Integration lohnt.
Das ist also Mindset und Handwerk gleichzeitig.
KI-Fähigkeiten für Wissensarbeiter: Was das für Organisationen bedeutet
Eine Frage bleibt offen. Wie entwickeln jüngere Mitarbeitende Domain Judgment, wenn erfahrene Kollegen mit KI genau die Aufgaben erledigen, die früher als Lehrjahre galten?
Eine mögliche Antwort liegt im Übergang von KI als Einzelspieler zu KI als Teamspiel. Kleine Teams, die gemeinsam mit KI arbeiten, schaffen vielleicht eine neue Form des Wissenstransfers. Das ist allerdings eine Diskussion für einen anderen Tag. Wie sehr das an der Führung hängt, habe ich in KI im Aufsichtsrat beschrieben.
Für jetzt gilt: Diese KI-Fähigkeiten für Wissensarbeiter sind keine Theorie. Sie sind der Unterschied zwischen Menschen, die KI nutzen, und Menschen, die von ihr genutzt werden.
