Kompetenz-Stufenplan

Was Level 1, 2 und 3 für Ihre Rolle konkret bedeuten.

Wie man diese Seite verwendet

Das Referenzrahmenwerk definiert drei Reifegrade. Diese Seite zeigt, was diese Level in der Praxis für spezifische Rollenfamilien bedeuten – nicht in der Theorie, sondern in der Arbeit, die Sie täglich tun.

Für jede Rollenfamilie:

Level 1 (KI-unterstützt): Sie nutzen KI als Werkzeug. Gleiche Workflows, stellenweise schneller.
Level 2 (KI-integriert): KI ist in Ihren Workflow eingebettet. Ein Teil Ihrer Arbeit wurde um das herum neu gestaltet, was KI kann.
Level 3 (KI-nativ): Sie definieren Spezifikationen und beurteilen Ergebnisse. KI übernimmt die Ausführung.

Die individuelle Tier-Skala fügt Zwischenstufen hinzu: Tier 0,5 (KI-neugierig), Tier 1,5 (KI-aufbauend) und Tier 2,5 (KI-fortgeschritten). Wenn Sie sich unten zwischen zwei Leveln wiederfinden, befinden Sie sich wahrscheinlich auf der ,5-Stufe – in aktivem Übergang. Das ist Fortschritt, keine Lücke.

Finden Sie Ihre Rollenfamilie unten. Identifizieren Sie, wo Sie sind. Dann nutzen Sie Ihre Rolle transformieren für den Übergangsprozess und den Abschnitt Ihr Muster erkennen, um zu verstehen, welche strukturellen Kräfte auf Ihre Rolle wirken.

Eine Anmerkung zur Tiefe. Die Engineering-Spalte hat die meiste operative Substanz, weil dort KI-native Reife am besten dokumentiert ist. Die Spalten Kundendienst, Marketing, Vertrieb und Design spiegeln das aktuelle Verständnis des Rahmenwerks wider – richtungsweisend richtig, aber leichter. Parallele Reife-Modelle für die Domänen diskreter Aufgaben, in denen diese Reife am klarsten existiert – Engineering, Kundendienst, Finanzoperationen, juristische Prüfung, Wissensrecherche – stehen auf der Roadmap des Rahmenwerks; bis sie ausgeliefert werden, behandeln Sie die Nicht-Engineering-Spalten als den Boden dessen, wie Ihre Rolle auf jedem Level aussieht, nicht als die Decke. Siehe auch die umfassendere Anmerkung des Rahmenwerks zu dieser Asymmetrie.

Engineering

Dominantes Muster: Elevation – von Code schreiben zu spezifizieren, was der Code tun soll.

Level 1 – KI-unterstützt

Sie nutzen KI für Code-Vervollständigung und schnelle Nachschlagewerke. Copilot oder ChatGPT schlägt Zeilen vor; Sie akzeptieren oder lehnen ab.

So sieht es aus:

KI vervollständigt Code, während Sie tippen
Sie fügen Code in ChatGPT ein, um zu debuggen oder zu erklären
KI-Outputs erfordern erhebliches manuelles Review und Bearbeiten
Keine gemeinsamen Konfigurationen oder Prompt-Templates im Team
Ihr Workflow ist grundlegend derselbe wie vor KI

Die Daten: 84 % der Entwickler nutzen oder planen KI-Tools zu nutzen, 51 % täglich. Aber das Vertrauen ist auf 29 % gefallen, und 66 % berichten, mehr Zeit damit zu verbringen, KI-generierten Code zu korrigieren als sie einsparen (Stack Overflow, 2025). Das ist die Level-1-Erfahrung: KI hilft stellenweise, aber der Nettogewinn ist unsicher, weil der Workflow nicht neu gestaltet wurde.

Level 2 – KI-integriert

KI ist Teil des Entwicklungs-Workflows, nicht nur ein Helfer. Sie steuern mehrdateiige Änderungen, überprüfen KI-generierten Code auf PR-Ebene und pflegen gemeinsame Kontextdateien.

So sieht es aus:

KI generiert Code aus Beschreibungen; Sie überprüfen und iterieren
Gemeinsame Prompt-Templates und Kontextdateien existieren für die Codebasis
KI bearbeitet Tests, Dokumentation und Boilerplate systematisch
Sie verbringen mehr Zeit mit Architektur und Review, weniger mit Tippen
Die Entfernung von KI würde Ihre Entwicklungsgeschwindigkeit brechen

Die Verschiebung: Auf Level 2 akzeptieren Sie ~30 % der KI-Vorschläge, behalten aber 88 % der generierten Zeichen (GitHub/Accenture, 2024). Die Fähigkeit liegt darin zu wissen, was zu akzeptieren ist, was abzulehnen ist und wie man die Generierung steuert.

Level 3 – KI-nativ

KI ist die Ausführungsschicht; Menschen geben Richtung und validieren. Arbeit ist um eine wiederkehrende operative Einheit strukturiert (Kontext → Klärung → Ausführung → Validierung → Wiederherstellung) und Ihr Wert konzentriert sich an den Grenzen. Das entspricht Sprosse 4–5 auf der Engineering-Skala.

Arbeitseinheit: das Feature oder die User Story, von Anfang bis Ende in einer Agentenschleife behandelt (Architektur → Implementierung → Review → Merge). Nicht die Codezeile. Nicht der Prompt.

Zykluszeit: Stories werden in Stunden bis Tagen ausgeliefert; Features in Tagen bis Wochen. „Im Rückstand bei einem Liefergegenstand" verliert seine alte Bedeutung – wenn ein Projekt auf L3 stagniert, ist die Ursache selten menschliche Kapazität.

So sieht es aus:

Sie definieren Spezifikationen, Abnahmekriterien und Rahmenbedingungen
KI produziert die Implementierung, führt Tests aus, öffnet den PR und löst Review-Kommentare auf
Ein separater Agenten-Prüfer validiert den PR; Sie greifen nur bei markierten Problemen oder finaler UX-Validierung ein
Validierungs-Gates sind risikoabgestuft – nur Agenten-Prüfung für reversible Arbeit, menschliche Genehmigung für irreversible Änderungen (Produktionsdeployments, sensible Daten, kundengerichtete Kommunikation)
Siehe das KI-Labor für die operative Einheit im Detail

Fehlermodus: Wenn ein Liefergegenstand stagniert, ist die Ursache meist der KI-Engpass – der Agent ist an eine strukturelle Grenze gestoßen (falsche Richtung, mehrdeutige Spezifikation, subjektiver Randfall, den er allein nicht lösen kann). Die Wiederherstellung ist Rekalibrierung, nicht Debugging: eine Brainstorming-Sitzung, die das Verständnis der KI für das Problem wieder aufbaut, oft mit mehreren Menschen, die unterschiedliche Perspektiven einbringen. Mehr Menschen auf die Ausführung zu werfen hilft nicht.

Tagesform: Ein typischer L3-Tag konzentriert die Arbeit an der vorderen und hinteren Grenze. Morgens: den Überraum-Agenten-Output des Vortages prüfen, zwei vom Agenten geprüfte PRs validieren, ersten UX-Test mit Nutzern an einem gerade ausgelieferten Feature durchführen. Mittags: Spezifikationen für zwei neue Stories schreiben; einen Klärungsdialog mit dem Agenten führen, bis keine materielle Mehrdeutigkeit mehr besteht. Nachmittags: eine Rekalibrierungssitzung zu einer feststeckenden Story; Abnahmekriterien für den nächsten Sprint verfeinern. Fast keine Zeit wird damit verbracht, dem Agenten beim Ausführen zuzuschauen.

Metriken: Durchsatz (gemergte PRs pro Woche, ausgelieferte Stories), Qualität (Defekte pro Story, Szenarioabdeckung), Kosten (Token-Kosten pro gemergtem PR, KI-Bruttomarge) – nicht „durch KI eingesparte Zeit". Siehe KI-Ökonomie bei Reife.

Die kritische Warnung: Level 1 ohne Progression verschlechtert die Qualität aktiv. Die Analyse von 211 Millionen Codezeilen zeigt, dass KI-unterstützte Entwicklung ohne Kompetenzprogression dazu geführt hat, dass Refactoring von 25 % auf unter 10 % der Änderungen sank, während der Code-Umschlag sich fast verdoppelte (GitClear, 2025). Die Tools machen es einfach, Code zu produzieren, und schwer, guten Code zu produzieren. Die Produktivitätsgeschichte ist auch bimodal: Empirische Studien, die Einzelpersonen auf L1–L2 messen, die KI zu bestehenden Workflows hinzufügen, zeigen, dass die Gewinne unecht oder negativ sind; Fallstudien von Teams, die um KI-Ausführung neu strukturiert sind (AMPECO, Monte Carlo, Every), berichten von 4-fachen Gewinnen und 73 % höheren PR-Raten. Level-2- und Level-3-Fähigkeiten – Review-Urteil, Spezifikationsqualität, Test-Design, Prozessdesign – sind das, was den zweiten Modus erschließt und den ersten verhindert.

Selbstbewertung

Frage	Level 1	Level 1,5	Level 2	Level 2,5	Level 3
Wie beginnen Sie ein neues Feature?	Editor öffnen, anfangen zu coden, KI für Vervollständigung nutzen	Mit KI für Teile des Features experimentieren, Prompt-Workflows aufbauen und testen	Das Feature an KI beschreiben, Output überprüfen, iterieren	Detaillierte Spezifikationen mit Rahmenbedingungen schreiben, in Richtung testverifizierter Ausgabe	Eine Spezifikation mit Rahmenbedingungen und Testfällen schreiben, KI implementieren lassen
Was passiert, wenn KI-Code falsch ist?	Zeile für Zeile korrigieren	Am Prompt iterieren, wiederverwendbare Templates aufbauen	Prompt/Kontext verbessern und neu generieren	Szenarien und Verifizierungssysteme verbessern	Rekalibrieren (das Verständnis der KI via Brainstorm + Neu-Spezifikation wieder aufbauen), bevor debuggt wird – die Spezifikation oder der Kontext ist meist die eigentliche Ursache
Was teilen Sie mit Teamkollegen?	Nichts KI-spezifisches	Experimente, die funktioniert haben, Prompt-Entwürfe	Prompt-Templates, Kontextdateien	Spezifikationsmuster, Verifizierungsansätze	Spezifikationsmuster, Szenario-Bibliotheken

Marketing

Dominantes Muster: Spezialisierung – Inhaltsproduktion abgeben, strategisches Urteil vertiefen.

Level 1 – KI-unterstützt

Sie nutzen KI für erste Entwürfe und Ideengenerierung. Jeder Output wird manuell bearbeitet.

So sieht es aus:

KI generiert Blog-Post-Entwürfe, E-Mail-Texte oder Social-Media-Posts
Sie bearbeiten 80 %+ des KI-Outputs vor der Veröffentlichung
Kein systematischer Workflow – KI wird ad hoc genutzt
Jedes Team-Mitglied nutzt KI anders (oder gar nicht)
Kampagnen werden noch auf die traditionelle Weise geplant und ausgeführt

Die Daten: 91 % der Marketing-Führungskräfte sagen, ihre Teams nutzen KI, wobei Inhaltserstellung (43 %) der häufigste Anwendungsfall ist. Aber 86 % bearbeiten KI-generierten Inhalt vor der Veröffentlichung (HubSpot, 2025). Und 68 % erhalten kein formelles KI-Training (Marketing AI Institute, 2025).

Level 2 – KI-integriert

Kampagnen-Workflows werden um KI herum neu gestaltet. KI entwirft nicht nur – sie generiert Varianten, bearbeitet Recherchen und produziert Analysen als systematischen Schritt.

So sieht es aus:

Gemeinsame Prompt-Bibliotheken kodieren Markensprache und Positionierung
KI generiert Kampagnenvarianten; Sie wählen aus und verfeinern
Recherche, Wettbewerbsanalyse und Berichte sind KI-First-Workflows
Neue Team-Mitglieder werden in KI-integrierte Prozesse eingeführt
Das Team produziert mehr mit weniger Menschen

Die Verschiebung: Sie hören auf, Inhalte zu schreiben, und beginnen, Inhaltssysteme zu steuern. Ihr Wert verlagert sich von Produktionsgeschwindigkeit zu strategischem Urteil: welcher Winkel, welches Publikum, welche Positionierung.

Level 3 – KI-nativ

Sie definieren Strategie, Positionierung und Rahmenbedingungen. Systeme produzieren Kampagnen, Varianten und Berichte.

So sieht es aus:

Sie spezifizieren die Kampagne: Ziel, Positionierung, Rahmenbedingungen, Erfolgsmetriken
KI produziert das Kreative, den Text und den Distributionsplan
Sie überprüfen, wählen aus und passen an – produzieren nicht
Das Marketing-Team ist deutlich kleiner, produziert aber deutlich mehr
Ihre Rolle ist Strategie und Geschmack, keine Ausführung

Externe Validierung: Die Reifegradumfrage des Marketing AI Institute selbst entspricht fast direkt diesen Leveln: 40 % der Marketing-Teams sind bei Experimentierung (Level 1), 26 % bei Integration (Level 2), 17 % bei Transformation (Level 3) (Marketing AI Institute, 2025).

Selbstbewertung

Frage	Level 1	Level 1,5	Level 2	Level 2,5	Level 3
Wie erstellen Sie eine Kampagne?	Planen, dann KI für einige Entwürfe verwenden	KI für bestimmte Schritte testen, Prompt-Bibliotheken aufbauen	Brief definieren, KI generiert Varianten, Sie kuratieren	Strategie und Rahmenbedingungen definieren, KI produziert die meisten Lieferobjekte mit leichter Bearbeitung	Strategie und Rahmenbedingungen definieren, KI produziert die Kampagne
Was ist Ihr Engpass?	Schreiben und Produktion	Herausfinden, welche KI-Workflows funktionieren	Review und strategische Entscheidungen	Die richtigen Rahmenbedingungen für konsistente Qualität definieren	Das richtige Problem definieren
Wie viel bearbeiten Sie KI-Output?	80 %+	50–70 % (verbessert sich, wenn Workflows reifen)	30–50 %	15–25 % (hauptsächlich auswählen, nicht umschreiben)	10–20 % (auswählen, nicht umschreiben)

Kundendienst

Dominantes Muster: Elevation übergehend in Konvergenz – von Tickets beantworten zu Service-Systeme gestalten.

Level 1 – KI-unterstützt

KI schlägt Antworten vor. Agenten kopieren, fügen ein und bearbeiten. Der Workflow ist derselbe, etwas schneller.

So sieht es aus:

KI entwirft Antwortevorschläge für Agenten
Agenten bearbeiten dasselbe Volumen und dieselben Arten von Interaktionen
KI bearbeitet nur die einfachsten, geskripteten Anfragen
Keine Rollenänderungen – alle machen noch denselben Job
Qualität hängt von einzelnen Agenten ab, nicht von Systemen

Level 2 – KI-integriert

KI bearbeitet Routineanfragen autonom. Agenten verlagern sich vom Beantworten auf Training, Überprüfung und Bearbeitung komplexer Fälle. Neue Rollen entstehen.

So sieht es aus:

KI löst die Mehrheit der Routine-Tickets ohne menschliche Beteiligung
Agenten verbringen mehr Zeit damit, KI-Systeme zu trainieren als traditionellen Support zu leisten
Neue Rollen entstehen: Gesprächsanalysten, Wissensmanager, KI-Betriebsleiter
Eskalationslogik wird gestaltet und dokumentiert, nicht improvisiert
Das Team bearbeitet deutlich mehr Volumen mit stabiler oder reduzierter Belegschaft

Die Daten: 82 % der Support-Teams stehen KI-Zusammenarbeit positiv gegenüber. 60 % sagen, Rollen entwickeln sich. 40 % der Teams berichten, dass Agenten mehr Zeit damit verbringen, KI-Systeme zu trainieren als traditionellen Support zu leisten (Intercom, 2025). Das ist Level 2 in Aktion.

Level 3 – KI-nativ

Menschen definieren Service-Strategie, Eskalationslogik und Qualitätsstandards. KI führt den Großteil der Interaktionen aus.

So sieht es aus:

Sie definieren: was guten Service ausmacht, wann zu eskalieren, wie Qualität aussieht
KI bearbeitet 80 %+ der Interaktionen
Menschliche Agenten existieren für Urteilsentscheidungen, Beziehungsmomente und Fälle, die das System nicht bearbeiten kann
Das Team ist ein Bruchteil seiner früheren Größe, aber Service-Qualität ist gleich oder besser
Ihre Rolle ist System-Design und Qualitätseigentümerschaft, nicht Ticket-Lösung

Kundendienst ist oft die erste Funktion, die Level 3 erreicht. Er zeigt die höchste tatsächliche KI-Aufgabenabdeckung (Anthropic, 2026) und generiert den größten Anteil des KI-Werts (38 %, laut BCG, 2025).

Selbstbewertung

Frage	Level 1	Level 1,5	Level 2	Level 2,5	Level 3
Was tun Sie den größten Teil des Tages?	Tickets beantworten	KI an Ticket-Kategorien testen, Antwort-Templates aufbauen	KI trainieren, Eskalationen bearbeiten, Qualität überprüfen	Eskalationslogik gestalten, KI-Qualitätsmetriken überwachen	Service-Strategie und Eskalationsregeln gestalten
Was passiert, wenn KI eine schlechte Antwort gibt?	Korrigieren und weiter machen	Ein besseres Template oder einen Wissensdatenbank-Eintrag erstellen	Trainingsdaten oder Wissensdatenbank aktualisieren	Qualitätskriterien oder Trainingsdaten neu gestalten	Eskalationslogik oder Qualitätskriterien neu gestalten
Wie wird Ihre Leistung gemessen?	Gelöste Tickets, Antwortzeit	Template-Qualität, KI-Adoptionsrate	KI-Ablenkungsrate, Eskalationsqualität	Systemdesign-Qualität, Qualität im großen Maßstab	Service-Qualitätsmetriken, Systemdesign-Effektivität

Vertrieb

Dominantes Muster: Spezialisierung – administrativen Aufwand abgeben, Beziehungs- und Deal-Urteil vertiefen.

Level 1 – KI-unterstützt

KI hilft bei E-Mail-Entwürfen und grundlegenden Recherchen. Verkäufer verbringen den Großteil ihrer Zeit immer noch auf Nicht-Verkaufs-Aufgaben.

So sieht es aus:

KI entwirft Kalt-E-Mails und Follow-ups
Recherche ist semi-manuell mit KI-Unterstützung
CRM wird von Menschen aktualisiert
70 % der Zeit geht auf Nicht-Verkaufs-Aufgaben (Salesforce, 2024)
Der Verkaufsprozess hat sich nicht geändert, nur einzelne Aufgaben

Level 2 – KI-integriert

KI automatisiert Recherche, Outreach-Sequenzierung und CRM-Anreicherung. Verkäufer fokussieren auf Beziehungen und komplexe Deal-Strategie.

So sieht es aus:

KI bearbeitet Prospekt-Recherche, Outreach-Sequenzen und Follow-up-Timing
CRM wird automatisch mit KI-gesammelten Daten angereichert
Verkäufer fokussieren auf hochwertige Gespräche: Qualifizierung, Verhandlung, Abschluss
KI-Nutzer sind 2,4-fach weniger wahrscheinlich überlastet
Der Nicht-Verkaufs-Aufwand sinkt erheblich

Die Verschiebung: Der Wert verlagert sich von Aktivitätsvolumen (getätigte Anrufe, gesendete E-Mails) zu Deal-Qualität (Pipeline-Genauigkeit, Win-Rate, Deal-Größe). Level-2-Verkäufer arbeiten nicht härter – sie arbeiten an den richtigen Dingen.

Level 3 – KI-nativ

Menschen definieren Qualifizierungslogik, Deal-Regeln und Eskalationsschwellen. KI produziert Outreach, Angebote und Pipeline-Analyse.

So sieht es aus:

Sie definieren: ideales Kundenprofil, Qualifizierungskriterien, Preisregeln, Eskalationsbedingungen
KI produziert: Outreach, Follow-ups, Angebote, Wettbewerbsanalyse
Ihre Zeit geht auf Beziehungsaufbau, strategische Accounts und Urteilsentscheidungen
Bis 2027 werden 95 % der Verkäufer-Recherche-Workflows voraussichtlich mit KI beginnen (Gartner, 2025)
Verkäufer, die mit KI zusammenarbeiten, sind 3,7-fach wahrscheinlicher, ihr Kontingent zu erfüllen

Selbstbewertung

Frage	Level 1	Level 1,5	Level 2	Level 2,5	Level 3
Wie viel Zeit verbringen Sie mit Administration?	70 %+	50–60 % (aktiv Aufgaben automatisierend)	30–40 %	15–25 % (die meiste Administration ist systemseitig erledigt)	Unter 15 %
Wie recherchieren Sie einen Interessenten?	Manuell, mit etwas KI-Hilfe	KI-Recherche-Workflows aufbauen, Automatisierung testen	KI erstellt das Recherche-Briefing, Sie überprüfen	KI bearbeitet End-to-End-Recherche, Sie überprüfen und strategisieren	KI identifiziert und qualifiziert Interessenten, Sie bearbeiten Beziehungen
Was ist Ihr Wettbewerbsvorteil?	Aktivitätsvolumen	Workflow-Experimentierung	Deal-Urteil	Systemdesign für den Vertriebsprozess	Spezifikation dessen, was „gut" aussieht

Design

Dominantes Muster: Elevation – von Pixel-Produktion zu System-Steuerung.

Level 1 – KI-unterstützt

KI generiert Mood Boards, erste Konzepte oder Texte. Sie verfeinern alles manuell.

So sieht es aus:

KI produziert Inspiration: Mood Boards, Konzeptvariationen, Stil-Erkundungen
Alle Produktionsarbeiten (Layouts, Komponenten, Assets) werden manuell erledigt
KI ist ein Ausgangspunkt, kein Workflow-Teilnehmer
Der Design-Prozess ist unverändert – KI fügt einen Brainstorming-Schritt hinzu

Level 2 – KI-integriert

KI übernimmt Produktionsarbeiten. Sie verlagern sich zu System-Denken, Markenausrichtung und Qualitätsurteil.

So sieht es aus:

KI generiert Layouts, Asset-Variationen und responsive Anpassungen
Sie definieren Design-Systeme und Marken-Rahmenbedingungen; KI operiert innerhalb dieser
Produktionszeit sinkt dramatisch; Review- und Steuerungszeit steigt
Einstiegs-Produktionsrollen schrumpfen, da KI diese Arbeit absorbiert
71 % der UX-Profis glauben, KI wird die Zukunft von UX gestalten (UX Design Institute, 2025)

Die Verschiebung: Ihr Wert verlagert sich von handwerklicher Ausführung zu Geschmack und System-Design. Sie sind nicht weniger ein Designer – Sie sind mehr ein Architekt.

Level 3 – KI-nativ

Sie definieren Systeme, Rahmenbedingungen und Markenregeln. KI produziert die Artefakte.

So sieht es aus:

Sie spezifizieren: Design-System, Markenparameter, Rahmenbedingungen, Qualitätskriterien
KI produziert: Mockups, Komponenten, responsive Layouts, Asset-Bibliotheken
Sie überprüfen, kuratieren und verfeinern – zeichnen nicht
Ergebnisorientiertes Design ersetzt pixelgenaue Arbeit
„Systemarchitekten" und „KI-Direktoren" entstehen als hochwertige Design-Rollen (NN/g, 2025)

Bis Q3 2025 „hatte manuelles Pixel-Pushing für die kommerzielle Produktion effektiv geendet" (UX Design Institute, 2025). Die Progression von Level 1 zu Level 3 geschieht im Design schneller als in den meisten anderen Funktionen.

Selbstbewertung

Frage	Level 1	Level 1,5	Level 2	Level 2,5	Level 3
Was produzieren Sie?	Pixelgenaue Lieferobjekte	Mix aus manuellen und KI-unterstützten Lieferobjekten	Design-Systeme und Richtung, KI produziert Lieferobjekte	Design-Systeme und Rahmenbedingungen, KI produziert die meisten Assets	Spezifikationen und Qualitätskriterien
Was ist Ihr Engpass?	Produktionszeit	Herausfinden, welche KI-Tools für Ihren Workflow funktionieren	Die richtigen Design-Entscheidungen treffen	Rahmenbedingungen definieren, die konsistente Markenqualität erzeugen	Die richtigen Rahmenbedingungen definieren
Welche Fähigkeiten wachsen?	Tool-Beherrschung	KI-Tool-Integration, Prompt-Design	System-Denken, Marken-Urteil	Rahmenbedingungsspezifikation, Qualitätsurteil im großen Maßstab	Spezifikations-Engineering, Geschmack in großem Maßstab

Übergreifend: Die Fähigkeiten, die auf jedem Level zählen

Unabhängig von Ihrer Rollenfamilie kumulieren bestimmte Fähigkeiten über die Progression:

Level 1 → Level 2: Die kritische Fähigkeit ist das Erkennen, welche Teile Ihrer Arbeit veraltete Muster sind – wiederholbare Ausführung, die KI absorbieren kann. Der Übergang geht darum, die Chance zu sehen, nicht nur das Tool zu nutzen.

Level 2 → Level 3: Die kritische Fähigkeit ist Spezifikations-Engineering – klare genug Anweisungen zu schreiben, dass KI ohne Echtzeit-Supervision ausführen kann. Das ist die Universelle Übersetzungsregel, auf Ihre individuelle Arbeit angewendet.

Auf jedem Level: Die fünf unersetzlichen Funktionen – Richtung, Urteil, Geschmack, Beziehung, Verantwortung – definieren, was menschlich bleibt. Ihre Progression dreht sich nicht ums weniger tun. Es geht darum, sich auf das zu konzentrieren, was nur Sie können.

Arbeitnehmer in KI-exponierten Rollen verdienen bis zu 30 % Gehaltsprämien (PwC, 2025). Der Markt bepreist die Progression bereits.

← Zurück zur Startseite · Ihre Rolle transformieren · KI-Ausführungsstandards · Spezifikations-Leitfaden