Teu lo , Ole; B aesemann, Fabian
A icle
Resilienz s a Reskilling: Wie KI den A bei sma k
e ände und wie wi da au eagie en müssen
Wi scha sdiens
Sugges ed Ci a ion: Teu lo , Ole; B aesemann, Fabian (2025) : Resilienz s a Reskilling: Wie KI den
A bei sma k e ände und wie wi da au eagie en müssen, Wi scha sdiens , ISSN 1613-978X,
Pa adigm Publishing Se ices, Wa saw, Vol. 105, Iss. 10, pp. 715-719,
h ps://doi.o g/10.2478/wd-2025-0184
This Ve sion is a ailable a :
h ps://hdl.handle.ne /10419/330866
S anda d-Nu zungsbedingungen:
Die Dokumen e au EconS o dü en zu eigenen wissenscha lichen
Zwecken und zum P i a geb auch gespeiche und kopie we den.
Sie dü en die Dokumen e nich ü ö en liche ode komme zielle
Zwecke e iel äl igen, ö en lich auss ellen, ö en lich zugänglich
machen, e eiben ode ande wei ig nu zen.
So e n die Ve asse die Dokumen e un e Open-Con en -Lizenzen
(insbesonde e CC-Lizenzen) zu Ve ügung ges ell haben soll en,
gel en abweichend on diesen Nu zungsbedingungen die in de do
genann en Lizenz gewäh en Nu zungs ech e.
Te ms o use:
Documen s in EconS o may be sa ed and copied o you pe sonal
and schola ly pu poses.
You a e no o copy documen s o public o comme cial pu poses, o
exhibi he documen s publicly, o make hem publicly a ailable on he
in e ne , o o dis ibu e o o he wise use he documen s in public.
I he documen s ha e been made a ailable unde an Open Con en
Licence (especially C ea i e Commons Licences), you may exe cise
u he usage igh s as speci ied in he indica ed licence.
h ps://c ea i ecommons.o g/licenses/by/4.0/
ZBW – Leibniz-In o ma ionszen um Wi scha 715
Zei gesp äch
© De /die Au o :in 2025. Open Access: Diese A ikel wi d un e de
C ea i e Commons Namensnennung 4.0 In e na ional Lizenz e ö -
en lich (c ea i ecommons.o g/licenses/by/4.0/deed.de).
Open Access wi d du ch die ZBW – Leibniz-In o ma ionszen um
Wi scha ge ö de .
DOI: 10.2478/wd-2025-0184
Wi scha sdiens , 2025, 105(10), 715-719
JEL: J21, J24, O33
Ole Teu lo , Fabian B aesemann
Resilienz s a Reskilling: Wie KI den A bei sma k
e ände und wie wi da au eagie en müssen
Gene a i e küns liche In elligenz (KI) e ände die A bei smä k e, indem sie Au gaben
und Be u e, die Nach age nach Quali ika ionen und die Mach e häl nisse zwischen
A bei nehme n und A bei gebe n e ände . Im Gegensa z zu ühe en echnologischen
Umb üchen be i KI auch Hochquali izie e. Doch wie müssen wi da au eagie en, wenn
KI imme meh Tä igkei en übe nehmen kann? S a ku z is ige Umschulungsp og amme
b auch es lang is ige S a egien, die die Wide s ands ähigkei on Beschä ig en und
S uk u en s ä ken – und so eine nachhal ige Anpassung des A bei sma k es an die sich
wandelnde echnologische Landscha e möglichen.
D . Ole Teu lo is Gas wissenscha le am Ox o d
In e ne Ins i u e de Uni e si ä Ox o d, a iliie e
Wissenscha le am Copenhagen Cen e o Social
Da a Science und Gas o sche am SciencePo
Medialab in Pa is.
D . Fabian B aesemann is Dozen ü Küns liche
In elligenz & Zukun de A bei am Ox o d In e ne
Ins i u e de Uni e si ä Ox o d, Assoziie es
Fakul ä smi glied am Complexi y Science Hub in
Wien und Assoziie e Wissenscha le am Eins ein
Cen e Digi al Fu u e (ECDF) in Be lin.
Technologische Inno a ion e ände , wie und wo an
Menschen a bei en, und e schieb dami die Mach e -
häl nisse am A bei sma k . Auch das Au kommen gene-
a i e küns liche In elligenz (KI) und ih e explosionsa i-
ge Ve b ei ung (Teubne e al., 2023) e ände n unzählige
A bei sp ozesse. Ge ade weil es sich bei gene a i e KI
um eine Gene al Pu pose Technology handel , also um
eine Technologie wie das Sma phone, das In e ne ode
de Compu e , die in unzähligen Anwendungsbe eichen
eingese z we den kann, is dami zu echnen, dass sie zu
g undlegenden Ve ände ungen in unse em Umgang mi
Da en, In o ma ionen und Wissen – und den P ozessen,
die diese e zeugen – üh en wi d. Da aus speis sich die
Angs iele , dass KI nich nu A bei sp ozesse e neue n
wi d, sonde n auch Mach e häl nisse am A bei sma k
g undlegend ände n und mögliche weise zu Massena -
bei slosigkei üh en könn e, wenn die KI in de Lage wä-
e, imme meh A bei ssch i e effek i e und e izien e
auszu üh en als menschliche A bei sk ä e.
Die Angs o sich asan ände nden Mach e häl nissen
am A bei sma k au g und echnologischen Wandels is
nich unbeg ünde . Ein solche Wandel ha sich schließ-
lich schon in meh e en Wellen sei Beginn de indus iellen
Re olu ion o 250 Jah en e eigne und den A bei sma k
dabei g undlegend e ände . So e d äng en Indus ie-
maschinen die Handa bei , die Elek izi ä e möglich e die
Fließbanda bei , de Compu e digi alisie e Bü o ä igkei-
en und das In e ne e möglich e das Auslage n on Tä ig-
kei en sowie die A bei in global ope ie ende Teams. Heu-
e is es die KI, die die bishe o he schenden Bedingun-
gen und P ozesse de Wissensa bei au den Kop s ell .
His o isch be ach e zeig sich also, dass Be u e,
Tä igkei sp ofile, A bei sp ozesse und einzelne Abläu e
einem kons an en Wandel ausgese z sind. Sobald abe
eine neue Technologie bes imm e Tä igkei en obsole
mach , en s ehen neue Beschä igungsmöglichkei en, die
e s du ch diese Technologie e möglich we den. Diese
Wandel is nie eibungslos. Wäh end sich de A bei s-
ma k e neue , b ing e Gewinne und Ve lie e he o
(F ey, 2019) und e schieb so die Mach e häl nisse
zwischen A bei gebe n und A bei nehme n, zwischen
Wi scha sdiens 2025 | 10
716
Zei gesp äch
Jungen und Al en, ode zwischen Fes anges ell en und
F eibe ufle n. Genau wie in ühe en Wellen echnologi-
schen Fo sch i s sehen wi auch heu e wiede Mach -
e schiebungen am A bei sma k , die nun mi dem Au -
kommen on KI in Ve bindung s ehen.
KI als T eibe des echnologischen Wandels au dem
A bei sma k
E s e empi ische S udien zeigen, wie KI be ei s begon-
nen ha , A bei smä k e zu e ände n. Eine um assende
Um age in Dänema k (Humlum & Ves e gaa d, 2025)
ha gezeig , dass die gene a i e KI-So wa e Cha GPT
asch und b ei in den A bei sall ag Einzug gehal en ha .
Die So wa e wi d übe e schiedene Be u e hinweg und
besonde s on jünge en und wenige e ah enen Be-
schä ig en genu z . Teu loff e al. (2025) en häl eine Ab-
schä zung de A bei sma k effek e au e schiedene Be-
u sg uppen, indem wi die Nach age nach F eibe ufle n
sei de Ein üh ung on Cha GPT au eine g oßen Online-
pla o m analysie en. Im schnelllebigen Online-F eelan-
cing-Ma k zeig sich be ei s ein kla es Mus e : Fü Tä-
igkei en, die du ch KI di ek e se zba sind – e wa das
Ve assen ein ache Online-Tex e ode Übe se zungen –
b ach die Nach age um 20 % bis 50 % ein, besonde s bei
ku z is igen P ojek en. Gleichzei ig wuchs die Nach age
nach komplemen ä en Fähigkei en: P og ammie ung im
Be eich maschinellen Le nens leg e um und ein Vie el
zu, und ü En wickle KI-ges ü z e Cha bo s gab es so-
ga eine Ve d ei achung de Nach age.
Gene a i e KI e schieb die Nach age am A bei sma k
also nich pauschal in die eine ode ande e Rich ung, son-
de n en lang bes imm e Fähigkei s- und Tä igkei sp ofile.
Dami b ing sie meh Chancen ü die einen und gleichzei-
ig meh Risiken ü ande e. Das sogenann e ask-based
F amewo k (Acemoglu & Au o , 2011; Acemoglu & Res e-
po, 2019) e klä aus heo e ische Sich , wie echnologi-
sche Inno a ion sich in e s e Linie au bes imm e Tä igkei-
en auswi k , nich au ganze Be u e. Einzelne Tä igkei en
we den du ch Maschinen e se z , wäh end ande e Au ga-
ben inne halb eines Jobs an Bedeu ung gewinnen.
Das gleiche Mus e wa beispielsweise bei de Compu-
e isie ung de A bei swel , die in den 1980e Jah en be-
gann, gu sich ba . Rou inemäßige Tä igkei en wie z. B.
das Ab ippen handsch i liche No izen wu den du ch
Tex sa zp og amme wie MS Wo d e se z , wäh end
gleichzei ig de An eil hochqualifizie e Wissensa bei
(Planung, P ojek managemen ) zunahm. In diese Zei
kam es auch zu eine s a ken Zunahme o ein ache Tä-
igkei en im Diens leis ungssek o (Kundense ice, Se-
cu i y, e c.). All dies be ö de e das „Hollowing ou “ de
Mi elschich (Au o e al., 2003).
Was is in Zei en gene a i e KI ande s? Heu e s ehen
nich p imä die klassischen „Blue colla “-Jobs ode Rou-
ine ä igkei en im Zen um de echnologischen Dis up-
ion, sonde n hochqualifizie e „Whi e colla “-Jobs, also
solche, die adi ionell als siche e Weg zum be uflichen
Au s ieg gal en. Die Fo schung zu „KI Exposi ion“ on
Be u en (beispielsweise Eloundou e al., 2024 ode Fel-
en e al., 2018) mach deu lich, dass Sch i s elle , Übe -
se ze , abe auch P og ammie e und Wissenscha le in
besonde em Maße be offen sind (del Rio-Chanona e al.,
2025). Dami ücken Be u sg uppen ins Zen um mögli-
che Au oma isie ung, die bishe als siche gal en.
Alle dings sag die eine echnologische Exposi ion ei-
ne Tä igkei gegenübe KI noch nich s da übe aus,
ob A bei splä ze a sächlich e schwinden ode ob sie
sich ans o mie en. KI kann bes ehende Tä igkei en
e se zen, sie kann sie abe auch un e s ü zen, indem
sie menschliche A bei p oduk i e mach ode gänz-
lich neue Tä igkei s elde e öffne . Es deu e sich an:
Wie auch in ühe en Wellen echnologischen Wandels
komm es du ch KI zu Mach e schiebungen am A -
bei sma k – zwischen Be u sg uppen, zwischen Be-
u seins eige n und E ah enen sowie zwischen A bei -
nehme n und A bei gebe n.
Wie KI die Mach e häl nisse am A bei sma k
e schieb
Gene a i e KI e sp ich e hebliche P oduk i i ä sge-
winne. Expe imen e zeigen, dass Tools wie Cha GPT
beim Sch eiben, P og ammie en ode Reche chie en die
A bei sleis ung deu lich s eige n können. Doch nich je-
de kann gleiche maßen on KI p ofi ie en: Wäh end be-
s imm e Tä igkei en du ch KI e heblich an P oduk i i ä
gewinnen, e wa in de P og ammie ung, wo neue Tools
E izienzsp ünge e möglichen, ge a en ande e, e wa klas-
sische Übe se zungsa bei en, zunehmend un e D uck.
Ob Beschä ig e p ofi ie en ode nich , häng en schei-
dend da on ab, ob sie die neue Technologie s a egisch
einse zen können. We es schaff , KI in die eigene A bei
zu in eg ie en, gewinn an E izienz. We den Umgang
nich le n ode du ch ins i u ionelle Res ik ionen ge-
b ems wi d, bleib zu ück. E s e Um agen zeigen, dass
die Nu zung en lang on Al e sg uppen, Geschlech e n
und Einkommenss u en s a k a iie – sogenann e „Ad-
op ion gaps“ (Humlum & Ves e gaa d, 2025). Beispiels-
weise nu zen F auen Cha GPT deu lich sel ene ü ih e
A bei , und auch Beschä ig e mi ohnehin nied ige em
Einkommen g ei en sel ene au das Tool zu ück. Umge-
keh p ofi ie en o allem diejenigen, die be ei s zu o
übe höhe e Einkommen e üg en, on den Möglichkei-
en de KI-beding en P oduk i i ä ss eige ung.
ZBW – Leibniz-In o ma ionszen um Wi scha 717
Zei gesp äch
Abbildung 1
A bei snach agee ek du ch Ein üh ung on
Cha GPT au eine Online-F eelancing-Pla o m.
Quelle: Teu loff e al. (2025).
Auch im schnelllebigen Ma k des Online-F eelancings
p ofi ie en nich alle gleiche maßen. Nach de Ein üh ung
on Cha GPT s ieg o allem die Nach age nach F eelan-
ce n mi komplemen ä en Fähigkei en zu KI, wie Abbil-
dung 1 zeig . Un e den F eelance n mi komplemen ä en
Fähigkei en p ofi ie en o allem spezialisie e Expe en,
wäh end die Chancen ü Be u san änge zu ückgehen
(Teu loff e al., 2025). Da en aus den USA weisen in ei-
ne ähnliche Rich ung. Eine S udie on B ynjol sson e al.
(2025) zeig , dass insbesonde e Be u seins eige in s a k
KI-exponie en Tä igkei en un e D uck ge a en: In de
Al e sg uppe de 22- bis 25-Jäh igen sank die Beschä i-
gung um 13 % ela i zum gesam wi scha lichen T end,
wäh end die Nach age nach e ah enen A bei sk ä en
s abil blieb ode soga zuleg e. Besonde s be offen sind
Tä igkei en, in denen KI menschliche A bei ehe e se z
als e gänz . Wei e e E idenz aus de Analyse on Lebens-
läu en und S ellenanzeigen in US-Un e nehmen zwischen
2015 und 2025 bes ä ig diesen Be und. In Un e nehmen,
die en sp echende KI-Tools einge üh haben, gingen die
Eins ellungschancen ü jünge e Beschä ig e deu lich
zu ück (Lich inge & Hosseini Maasoum, 2025). KI schaff
dami nich nu neue Mach ge älle zwischen Nu ze n und
Nich -Nu ze n de Technologie, sonde n e ände auch
die Hie a chie zwischen Be u san änge n und Expe en.
Eine wei e e Dimension is das sich ände nde Mach ge ü-
ge zwischen A bei nehme n und A bei gebe n. Viel häng
da on ab, wie KI a sächlich eingese z wi d. Dien sie –
ähnlich wie de Compu e – o allem als We kzeug, das
menschliche A bei p oduk i e mach , dann bleib die
Rolle on Beschä ig en im Wesen lichen un e ände .
Ganz ande s sieh es aus, wenn KI zunehmend zu di ek-
en E se zung menschliche A bei sk a eingese z wi d,
e wa du ch au onome KI-Agen en. Dann sink die Abhän-
gigkei de Un e nehmen on menschliche A bei sk a
und dami auch die Ve handlungsmach de Beschä ig-
en. Noch is das zum g oßen Teil Zukun smusik, doch
e s e Anzeichen da ü sind be ei s e kennba . Vo allem
Be u seins eige in s a k KI-exponie en Tä igkei en spü-
en, dass ih e Chancen schwinden. Wenn menschliche
A bei sk a wenige geb auch wi d, e schieb sich die
Balance Sch i ü Sch i zuguns en de A bei gebe ,
die du ch KI zunehmend unabhängige om Fak o A bei
we den könn en.
Ob Au oma isie ung die Posi ion on Beschä ig en s ä k
ode schwäch , häng nach eine neuen Theo ie on Au-
o und Thompson (2025) da on ab, welche Au gaben in-
ne halb eines Be u s weg allen und welche hinzukommen.
We den ehe ein ache, wenig ansp uchs olle Tä igkei en
au oma isie , s eig das du chschni liche An o de ungsni-
eau im Be u . Dadu ch wi d de Zugang schwie ige , das
Angebo an geeigne en A bei sk ä en kleine – und Löhne
endenziell höhe . We den dagegen ansp uchs olle Au ga-
ben au oma isie , sinken die Zugangshü den: Meh Men-
schen können den Be u ausüben, das Angebo wächs –
und die Löhne ge a en un e D uck. Dami bie e KI po en-
ziell eine g oße Chance: Wäh end die Compu e isie ung o
allem Rou ine ä igkei en e d äng e und so zu Aushöhlung
de Mi elschich bei ug, könn e KI spezialisie e Expe ise
b ei e e ügba machen. Indem sie In o ma ionen, Regeln
und E ah ungen so kombinie , dass sie ansp uchs olle
En scheidungsp ozesse un e s ü z , kann sie es Beschä -
ig en mi wenige o male Ausbildung e möglichen, Au ga-
ben zu übe nehmen, die bislang hochqualifizie en Expe -
en o behal en wa en. Geling diese In eg a ion, könn e KI
Zugangshü den ü Expe enjobs senken und dami neue
Chancen ü mi le e Qualifika ions- und Einkommensg up-
pen e öffnen (Au o , 2024).
Ein Beispiel lie e die Medizin. Wenn KI den adminis-
a i en Rou ineau wand übe nimm , bleib de Ke n
des A z be u s au komplexe Diagnosen und Behand-
lungen okussie . En scheidend bleib die Fähigkei zu
qualifizie en En scheidungsfindung. De Be u wi d da-
du ch nich leich e zugänglich, sonde n im Gegen eil an-
sp uchs olle , und die Ve gü ung könn e s eigen. E leich-
e KI jedoch die Diagnose und Behandlungen, sinken
die An o de ungen. Dann könn e de A z be u leich e
Feb.
2022
Mai Aug. No . Feb. Mai Aug.
2023
40
30
20
10
0
-10
-20
-30
-40
-50
%
Ve ö en lichung
on Cha GPT
Geschä z e A bei snach ageschock p o KI-Exposi ionska ego ie
( ela i zu nich -be o enen Job-Ka ego oen)
E se zba du ch KI
Komplemen ä zu KI
Wi scha sdiens 2025 | 10
718
Zei gesp äch
zugänglich, abe auch wenige luk a i we den – mi in-
di iduellen Nach eilen ü Ä z e, abe gesellscha lichen
Vo eilen du ch b ei e en und güns ige en Zugang zu me-
dizinische Ve so gung.
Die bishe igen Be ach ungen zeigen: KI schaff Gewin-
ne und Ve lie e und e schieb bes ehende Mach e -
häl nisse am A bei sma k . Die En wicklungen sind je-
doch nich echnologisch de e minie . Sie we den e s
du ch das komplexe Wechselspiel bes imm , mi dem
die sich ände nden echnologischen Rahmenbedingun-
gen in A bei sma k , Wi scha , Gesellscha und Poli ik
au genommen we den (A hu , 2009). Hie lieg auch de
Ansa zpunk , die echnologische T ans o ma ion des A -
bei sma k es zu s eue n.
De A bei sma k : ein komplexes Sys em im
s ändigen Wandel
Wie können wi aus all den empi ischen Anhal spunk en
eine undie e Einschä zung da übe e eichen, wie sich
de A bei sma k in wei e e Folge en wickeln wi d und
welche A on Eing iffen ode S eue ung es beda , um
den Wandel zu ges al en?
Eine nü zliche und bis da o in de Deba e kaum au au-
chende Pe spek i e is die Analyse des A bei sma k es als
komplexes Sys em (Meadows, 2008). In alle Kü ze sind
komplexe Sys eme du ch Rückkopplungseffek e cha ak-
e isie , die zu nich linea en Reak ionen au ex e ne wie
in e ne Reize üh en können. Genau dieses Ve s ändnis
des A bei sma k es als komplexes Sys em is hil eich.
Was sind also die wesen lichen Elemen e, die das Sys-
em A bei sma k bes immen, und wie wi k echnologi-
sche Fo sch i du ch KI au dieses? Die bes immenden
Einfluss ak o en sind A bei sangebo und A bei snach a-
ge. Diese beiden G ößen sind selbs nich s abil, sonde n
ände n sich übe die Zei und sind übe Rückkopplungs-
schlei en mi einande e bunden. So is es zwa ich ig,
dass ges eige e E izienz in A bei sp ozessen du ch KI
ce e is pa ibus die A bei snach age e inge , weil we-
nige A bei no wendig is , um eine gegebene Menge
an Ou pu zu e zeugen. Alle dings se z diese P ozess
wiede um A bei sk a ei, die dann an ande e S elle
Ve wendung finden kann. Wie die oben ange üh en em-
pi ischen Beispiele zeigen, en s ehen be ei s neue Tä ig-
kei s elde , die ü höhe e A bei snach age so gen.
Gleichzei ig beeinfluss nich nu KI den A bei sma k .
Ein ande e Mega end wi k langsame , ha abe einen
nachhal igen Einfluss au den Bes and an zu Ve ügung
s ehenden A bei sk ä en: de demog afische Wandel.
Diese is sei Jah zehn en bekann und ha je z , in den
2020e Jah en, in denen auch KI am A bei sma k sich
Bahn b ich , eine neue Dynamik en al e , da iele “Ba-
byboome ” den A bei sma k e lassen. Die Wi kung des
demog afischen Wandels au den A bei sma k geh al-
so kla in eine Rich ung: das A bei sangebo sink und KI
kann ge ade hie hel en, den Ve lus an A bei sk a du ch
ges eige e P oduk i i ä auszugleichen.
Zugleich gib es wei e e Fak o en, die den A bei sma k
maßgeblich p ägen: de Klimawandel und die nachhal i-
ge T ans o ma ion de Wi scha , Mig a ion und sich än-
de nde P ä e enzen und gesellscha liche No men, was
die Rolle on A bei in de Gesellscha insgesam an-
belang (Pa izipa ion on F auen am A bei sma k , neue
A bei szei modelle, Hyb ida bei und Home O ice). Ange-
sich s all diese gleichzei ig wi kenden Mega ends is es
schlich unmöglich und le z lich i e üh end, den isolie en
Effek on KI au den A bei sma k iden ifizie en zu wol-
len – denn e i ja ohnehin nich in Isola ion au . S a
sich also au ein genaues Abschä zen de Zahl an Millio-
nen on Jobs, die du ch KI e lo en gehen, zu konzen ie-
en, is es ziel üh ende , basie end au de sys emischen
Pe spek i e des A bei sma k es Maßnahmen abzulei en,
die die du ch ges eige e P oduk i i ä in manchen Be-
eichen des A bei sma k es eiwe dende A bei sk a so
umzulenken, dass sie in den ande en Be eichen p oduk i
eingese z we den kann. Hie ü soll en wi e suchen zu
e s ehen, was A bei nehme in Zei en schnellen echno-
logischen Fo sch i s b auchen, um flexibel au sich än-
de nde Rahmenbedingungen zu eagie en.
Resilienz s a Reskilling
Die bishe igen Be ach ungen zeigen: De Einfluss on KI
au den A bei sma k is kaum eindeu ig abzuschä zen.
Denn die KI Re olu ion wi k nich in Isola ion, sonde n
iff au ande e Mega ends – e wa den demog aphi-
schen Wandel ode die T ans o ma ion zu eine klimaneu-
alen Wi scha . Diese En wicklungen übe lage n sich
und e s ä ken ode kompensie en sich gegensei ig. In
einem solchen Um eld is es illuso isch, p äzise o he -
zusagen, welche konk e en Fähigkei en in ün ode zehn
Jah en ge ag sein we den. Dahe g ei die o o mulie -
e Fo de ung nach Reskilling zu ku z (Jacobs, 2025). Sie
un e s ell , wi könn en heu e wissen, au welche konk e-
en Be u e ode Fe igkei en wi Menschen o be ei en
soll en. Doch ob Py hon-P og ammie ung ode P omp -
Enginee ing – all das kann schon in wenigen Jah en wie-
de übe hol sein. Zudem wi k KI au Jobs mi ähnlichen
An o de ungsp ofilen gleiche maßen. Wenn wi also
Buchhal e zu Finanzbe a e n umschulen und KI auch die-
se Jobs e se z , dann haben wi nich s gewonnen. Dann
üh Reskilling zu ku z is igen Scheinlösungen, nich zu
ech e Zukun ssiche hei .
ZBW – Leibniz-In o ma ionszen um Wi scha 719
Zei gesp äch
S a also den echnologischen En wicklungen hin e he -
zulau en und au Basis unsiche e P ognosen ku z is ige
Fo bildungsmaßnahmen zu en we en, soll en wi die Resi-
lienz de A bei sk ä e und des gesam en Sys ems s ä ken.
Resilienz bedeu e , Kompe enzen wicklung, Flexibili ä und
Siche hei so mi einande zu e binden, dass Menschen
dazu be ähig we den, au Wandel selbs bes imm eagie-
en zu können – egal, ob e du ch KI, Klimawandel ode eine
al e nde Gesellscha ausgelös wi d. Diese gesellscha li-
che Resilienz soll e au d ei zen alen Säulen uhen:
Kompe enz: Ausbildung und Wei e bildung müssen s ä -
ke au g undlegende Fähigkei en se zen – k i isches und
analy isches Denken, Le n ähigkei und un e nehme i-
sche Ini ia i e. Diese „Me a-Skills“ e möglichen es, die
eigene A bei sweise du ch neue Technologien zu mode -
nisie en und ganz neue Tä igkei en auszu üh en, wenn
bes imm e P ozesse au oma isie we den.
Flexibili ä : Die A bei smä k e müssen Mobili ä zwischen
B anchen und Tä igkei en e leich e n – nich s a e Be u s-
bilde und E we bsbiog aphien on Ausbildung bis Ren-
enein i , sonde n s e e Wei e en wicklung und ein expe-
imen elles Mindse , sich auch in neue Be u s elde und
Tä igkei sbe eiche zu wagen, die es bis da o ga nich gab.
Siche hei : Um Wandel selbs bes imm und ak i ges al-
en zu können, benö igen Menschen e lässliche soziale
Siche hei en. Deshalb muss eine mode ne A bei sma k -
poli ik Übe gänge absiche n. Ve lässliche Einkommenssi-
che ung in Phasen de be uflichen Neuo ien ie ung und
eine besse e Ve einba kei on Be u und Familie sind ge-
nauso zen ale Baus eine eines mode nen „Flexicu i y“-
Ansa zes wie An eize ü un e nehme isches Risiko und
ein flexible Ren enein i (S ichwo Ak i en e).
Diese Elemen e on „Flexicu i y“ können die Selbs an-
passung des A bei sma k es un e s ü zen, ohne dass
Einzelne die Risiken, die mi dem echnologischen Wan-
del einhe gehen, allein agen müssen. Dami schaffen wi
ein Sys em, das nich au Vo he sagen angewiesen is ,
sonde n au s uk u ell e anke e Anpassungs ähigkei
in Zei en s e en Wandels bau . Es sind also die gleichen
sys emisch anse zenden Re o men, die be ei s im Zuge
des demog aphischen Wandels und des Fachk ä eman-
gels disku ie wu den, die nun auch de Schlüssel sind,
um den A bei sma k in Zei en schnellen echnologischen
Wandels wide s ands ähig zu machen. Gesellscha liche
Resilienz is dami nich nu eine An wo au KI, sonde n
das zen ale P inzip eine mode nen, zukun s ähigen A -
bei swel .
Li e a u
Acemoglu, D. & Au o , D. (2011). Skills, asks and echnologies: Implica-
ions o employmen and ea nings. In Handbook o Labou Economics
(Band 4, S. 1043–1171). Else ie .
Acemoglu, D. & Res epo, P. (2019). Au oma ion and new asks: How
echnology displaces and eins a es labo . Jou nal o Economic Pe -
spec i es, 33(2), 3–30.
A hu , W. B. (2009). The na u e o echnology: Wha i is and how i e ol es.
Simon and Schus e .
Au o , D. (2024). Applying AI o ebuild middle class jobs (No. w32140). Na-
ional Bu eau o Economic Resea ch.
Au o , D. H., Le y, F. & Mu nane, R. J. (2003). The skill con en o ecen
echnological change: An empi ical explo a ion. Qua e ly Jou nal o
Economics, 118(4), 1279–1333.
Au o , D. & Thompson, N. (2025). Expe ise. Na ional Bu eau o Economic
Resea ch.
B ynjol sson, E., Chanda , B. & Chen, R. (2025). Cana ies in he coal mi-
ne? six ac s abou he ecen employmen effec s o a ificial in elli-
gence. S an o d Digi al Economy Lab.
del Rio-Chanona, R. M., E ns , E., Me ola, R., Samaan, D. & Teu loff, O.
(2025). AI and jobs. A e iew o heo y, es ima es, and e idence. a -
Xi :2509.15265.
Eloundou, T., Manning, S., Mishkin, P. & Rock, D. (2024). GPTs a e GPTs:
Labo ma ke impac po en ial o LLMs. Science, 384(6702), 1306–
1308.
Fel en, E. W., Raj, M. & Seamans, R. (2018). A me hod o link ad ances in
a ificial in elligence o occupa ional abili ies. AEA Pape s and P ocee-
dings, 108, S. 54–57.
F ey, C. B. (2019). The echnology ap: Capi al, labo , and powe in he age
o au oma ion. P ince on Uni e si y P ess.
Humlum, A. & Ves e gaa d, E. (2025). The unequal adop ion o Cha GPT
exace ba es exis ing inequali ies among wo ke s. P oceedings o he
Na ional Academy o Sciences, 122(1), e2414972121.
Jacobs, J. (2025). AI labo displacemen and he limi s o wo ke e aining.
B ookings.
Lich inge , G. & Hosseini Maasoum, S. M. (2025). Gene a i e AI as Senio-
i y-Biased Technological Change: E idence om US Resume and Job
Pos ing Da a. A ailable a SSRN.
Meadows, D. (2008). Thinking in Sys ems. Chelsea G een Publishing.
Teubne , T., Fla h, C. M., Weinha d , C., Van De Aals , W. & Hinz, O.
(2023). Welcome o he e a o Cha GPT e al., he p ospec s o la ge
language models. Business & In o ma ion Sys ems Enginee ing, 65(2),
95–101.
Teu loff, O., Einsiedle , J., Kässi, O., B aesemann, F., Mishkin, P. & del
Rio-Chanona, R. M. (2025). Winne s and lose s o gene a i e AI: Ea ly
E idence o Shi s in F eelance Demand. Jou nal o Economic Beha i-
o & O ganiza ion, 106845.
Ti le: Resilience ins ead o eskilling: How AI is changing he labo ma ke and how we need o espond
Abs ac : Gene a i e a i icial in elligence (AI) eshapes labou ma ke s by al e ing asks and occupa ions, demand o skills, and powe
ela ions be ween wo ke s and employe s. Unlike pas wa es o echnological change, AI now challenges high-skilled, whi e-colla
p o essions ha we e once conside ed secu e. E idence shows ha displacemen occu s in asks such as ansla ion and w i ing, while
complemen a y skills bene i , and new occupa ions eme ge. To suppo a mo e sus ainable ans o ma ion o he labou ma ke in ligh
o he e e -inc easing capabili ies o AI, building a esilien labou o ce ha can adjus o an e ol ing echnological landscape will be-
come mo e impo an han eskilling p og ammes o people in occupa ions wi h a high au oma ion isk.
