29. Juli 2026 Heinz Süess
Im Schweizer Arbeitsmarkt verschwinden klassische Einstiegsjobs, während generative KI immer mehr Aufgaben in Büro- und Wissensberufen übernimmt. Der Tages-Anzeiger berichtet von einem schleichenden Wissensverlust und beschreibt, wie Unternehmen bereits Gegenmassnahmen ergreifen, um Nachwuchs und Urteilsvermögen im Unternehmen zu sichern (Hollenstein, 2024). Parallel zeigt eine Schweizer Arbeitsmarktanalyse von Jobcloud, dass Junior-Stellen in KI-exponierten Funktionen deutlich zurückgegangen sind, was die Diskussion um Deskilling zusätzlich verschärft (Jobcloud AG, 2026; Reuters, 2026). Für HR-Verantwortliche und Geschäftsleitungen von KMU stellt sich damit eine strategische Frage: Wie lässt sich KI produktiv nutzen, ohne den Kompetenzaufbau im Unternehmen zu untergraben?
Was Deskilling im Zeitalter von KI bedeutet
Deskilling bezeichnet den schleichenden Verlust menschlicher Fähigkeiten, wenn Aufgaben dauerhaft an Technologien ausgelagert werden. Im Kontext generativer KI betrifft das nicht nur Routinetätigkeiten, sondern zunehmend auch Urteilsvermögen, Problemlösefähigkeit und kreatives Denken, also genau jene Kompetenzen, die für wissensintensive Unternehmen zentral sind (Boston Consulting Group, 2026). Der BCG-Bericht spricht in diesem Zusammenhang von „distributed deskilling“, wenn dieser Kompetenzverlust nicht einzelne Personen, sondern ganze Teams oder Organisationen betrifft (Boston Consulting Group, 2026).
Gerade für Schweizer KMU ist das relevant, weil sie im Wettbewerb selten über reine Skaleneffekte gewinnen, sondern über Fachkompetenz, Kundennähe und die Fähigkeit, komplexe Probleme pragmatisch zu lösen. Wenn Mitarbeitende beginnen, KI-Ergebnisse unkritisch zu übernehmen, entsteht kurzfristig oft mehr Effizienz, langfristig aber ein Risiko für Qualität, Innovation und Führungsfähigkeit (Boston Consulting Group, 2026; Boston Consulting Group, 2024).
Was die Studienlage zeigt
Die aktuelle Forschung zeichnet kein einseitiges Bild. Generative KI kann sowohl Deskilling als auch Upskilling fördern; entscheidend ist, ob sie Menschen ersetzt oder beim Denken unterstützt. Crowston (2025) beschreibt generative KI-Systeme als „Leveller“, weil sie vor allem weniger erfahrenen Personen helfen, schneller bessere Ergebnisse zu produzieren und damit traditionelle Kompetenzunterschiede teilweise nivellieren. Diese Wirkung kann produktiv sein, birgt aber das Risiko, dass Lernpfade verkürzt werden und scheinbare Kompetenz mit echter Expertise verwechselt wird (Crowston, 2025).
Ein häufig zitiertes Beispiel ist die Customer-Support-Forschung, die Crowston zusammenfasst: Dort stieg die Produktivität durch KI-Unterstützung im Durchschnitt um 14 Prozent, bei weniger erfahrenen Mitarbeitenden sogar deutlich stärker, während Hochleister kaum profitierten (Crowston, 2025). Aus betrieblicher Sicht ist das attraktiv. Aus Sicht des Kompetenzaufbaus stellt sich jedoch die Frage, ob Juniors dabei tatsächlich lernen oder nur mithilfe eines Systems kurzfristig besseren Output erzeugen (Crowston, 2025; Generative AI and Knowledge Work, 2025).
Eine weitere Studie zu generativer KI in der Wissensarbeit zeigt, dass Deskilling vor allem dort entsteht, wo Mitarbeitende kaum noch gezwungen sind, Annahmen zu prüfen, Entscheidungen zu begründen oder Ergebnisse selbst herzuleiten. Umgekehrt fördern Hybrid-Workflows, in denen KI Entwürfe liefert und Menschen bewusst prüfen, entscheiden und verbessern, eher den Kompetenzaufbau als den Kompetenzverlust (Generative AI and Knowledge Work, 2025). Auch Untersuchungen aus dem Bildungsbereich kommen zu einem ähnlichen Ergebnis: Wenn KI substitutiv genutzt wird, sinken Lern- und Skill-Effekte; wenn sie augmentativ eingesetzt wird, kann sie die Entwicklung von Fähigkeiten unterstützen (IJIRT, 2026).
Die Schweizer Perspektive: Weniger Junior-Rollen, höhere Anforderungen
Besonders brisant ist die Entwicklung auf dem Schweizer Arbeitsmarkt. Laut dem AI Report 2026 von Jobcloud, der auf Millionen Stelleninseraten basiert, ist der Anteil an Junior-Rollen in KI-exponierten Berufen deutlich gesunken. Reuters berichtete dazu, dass insbesondere Büro- und Wissensberufe betroffen sind und sich der Rückgang seit der breiten Einführung generativer KI klar abzeichnet (Reuters, 2026; Jobcloud AG, 2026).
Diese Entwicklung passt zu den Beobachtungen aus dem Tages-Anzeiger-Artikel: Tätigkeiten wie Recherche, Dokumentation, erste Auswertungen oder Textentwürfe werden heute zunehmend von KI übernommen, obwohl genau diese Aufgaben früher oft Teil des beruflichen Einstiegs waren (Hollenstein, 2024). Für HR und Recruiting entsteht daraus ein doppeltes Problem. Einerseits gibt es weniger klassische Einstiegsrollen. Andererseits steigen die Anforderungen an diejenigen Rollen, die bleiben, weil Unternehmen Bewerbende suchen, die trotz weniger Lerngelegenheiten bereits mehr Reife, Kontextverständnis und Selbstständigkeit mitbringen (PwC, 2026; Jobcloud AG, 2026).
PwC beschreibt diesen Effekt im AI Jobs Barometer für die Schweiz als Verschiebung hin zu anspruchsvolleren Profilen in KI-exponierten Tätigkeiten. Für KMU bedeutet das: Recruiting wird schwieriger, weil die Pipeline an Talenten schmaler wird, während gleichzeitig der Bedarf an belastbaren, lernfähigen und urteilsstarken Mitarbeitenden hoch bleibt (PwC, 2026).
Warum das für HR und Recruiting strategisch relevant ist
Für HR-Abteilungen ist Deskilling mehr als ein Technologie- oder Effizienzthema. Es betrifft die Frage, wie Kompetenzen im Unternehmen entstehen, wie Nachwuchs aufgebaut wird und wie Qualität langfristig gesichert bleibt. Wenn generative KI im Recruiting, in der Kommunikation oder in administrativen Prozessen flächendeckend eingesetzt wird, besteht die Gefahr, dass Teams zwar schneller arbeiten, aber zentrale Beurteilungsfähigkeiten verlieren (Boston Consulting Group, 2026; CIPD, 2025).
Das betrifft etwa die Formulierung von Stelleninseraten, das Screening von Bewerbungsunterlagen, die Vorbereitung von Interviews oder die Kommunikation mit Kandidatinnen und Kandidaten. KI kann diese Aufgaben unterstützen und beschleunigen. Wenn ihre Ergebnisse jedoch nicht mehr kritisch hinterfragt werden, drohen Standardisierung, Verzerrungen und eine schleichende Erosion des professionellen Urteilsvermögens (CIPD, 2025; Rajaratnam, 2025).
Gerade in KMU ist dieses Risiko hoch, weil HR häufig schlank aufgestellt ist und Effizienzdruck stark wirkt. Wenn wenige Personen viele Aufgaben bewältigen müssen, ist die Versuchung gross, KI-Outputs rasch zu übernehmen. Kurzfristig spart das Zeit. Langfristig kann es jedoch dazu führen, dass implizites Wissen, Menschenkenntnis und Kontextbeurteilung schwächer werden, obwohl gerade diese Fähigkeiten im Recruiting den Unterschied machen (Boston Consulting Group, 2026).
Fünf Handlungsfelder für KMU
KI-Policy mit Kompetenzfokus aufsetzen
Eine KI-Richtlinie sollte nicht nur Datenschutz, Sicherheit und Tool-Freigaben regeln, sondern explizit auch den Erhalt von Fähigkeiten adressieren. Praxisleitfäden für HR und KMU empfehlen, klar festzulegen, für welche Aufgaben KI genutzt werden darf, wann menschliche Prüfung zwingend ist und in welchen Bereichen bewusst auf KI verzichtet werden sollte (Randstad, 2024; CIPD, 2025; SHRM, 2025). Für HR-relevante Entscheidungen wie Beurteilungen, heikle Kommunikation oder finale Auswahlentscheide sollte stets ein nachvollziehbarer Human-in-the-Loop-Prozess definiert sein (Boston Consulting Group, 2026; SIDD, 2026).
Workflows augmentativ statt substitutiv gestalten
Die Studienlage spricht klar dafür, KI als Assistenz und nicht als Ersatz für Denken zu nutzen. Gute Prozesse sorgen dafür, dass Mitarbeitende zuerst das Problem verstehen, Kriterien festlegen oder erste Hypothesen formulieren, bevor KI für Entwürfe, Strukturierung oder Variantenbildung eingesetzt wird (IJIRT, 2026; Generative AI and Knowledge Work, 2025). Im Recruiting kann das bedeuten, dass ein Profil zunächst fachlich und kulturell definiert wird und die KI erst danach Formulierungsvorschläge oder Vergleichsübersichten erstellt. So bleibt das fachliche Urteil beim Menschen (Boston Consulting Group, 2024; CIPD, 2025).
Skill-Erhalt messen und sichtbar machen
Was nicht sichtbar ist, wird in Organisationen selten geschützt. Unternehmen sollten deshalb neben Produktivität und Output auch jene Kompetenzen explizit benennen, die trotz KI-Nutzung erhalten oder ausgebaut werden müssen. Dazu zählen kritisches Denken, Problemanalyse, Entscheidungskompetenz, Systemverständnis und die Fähigkeit, KI-Ergebnisse auf Plausibilität zu prüfen (Boston Consulting Group, 2026). Für HR kann das heissen, Leistungsbeurteilungen und Lernziele so zu gestalten, dass nicht nur das Ergebnis zählt, sondern auch der Weg dorthin und die Qualität der menschlichen Entscheidung (Boston Consulting Group, 2024).
Bewusste KI-freie Lernräume schaffen
Mehrere Policy- und Praxisbeiträge empfehlen, regelmässige Situationen zu schaffen, in denen Mitarbeitende zentrale Aufgaben bewusst ohne KI bearbeiten. Solche Formate helfen, Urteilsvermögen und Fachlogik aktiv zu trainieren, statt sie nur vorauszusetzen (Rajaratnam, 2025; HR Dive, 2023). Für HR-Teams können das beispielsweise manuelle Dossierbeurteilungen, selbst formulierte Absageschreiben in sensiblen Fällen oder die eigenständige Vorbereitung eines strukturierten Interviews sein. Der Punkt ist nicht Technologieverzicht, sondern kognitive Fitness.
Nachwuchsprogramme neu denken
Besonders wichtig ist die Gestaltung von Lernpfaden für Juniors, Lernende und Berufseinsteiger. Der Tages-Anzeiger zeigt anhand von Unternehmen wie Zühlke, Thjnk und BDO, dass bewusste Investitionen in Nachwuchsförderung trotz oder gerade wegen KI an Bedeutung gewinnen (Hollenstein, 2024). Der gemeinsame Nenner dieser Beispiele ist klar: Erst das Fundament, dann das Werkzeug. Wer Buchhaltung, Textarbeit, Analyse oder Beratung nur noch softwaregestützt lernt, kann Ergebnisse später oft schlechter prüfen. Wer die Grundlagen beherrscht, nutzt KI dagegen kontrollierter und wirkungsvoller (Hollenstein, 2024; IJIRT, 2026; Generative AI and Knowledge Work, 2025).
Für KMU lässt sich daraus ein pragmatisches Modell ableiten: In einer ersten Phase werden Grundlagen bewusst ohne oder mit sehr begrenzter KI-Nutzung vermittelt. In einer zweiten Phase kommt KI als Assistenz hinzu. In einer dritten Phase lernen Mitarbeitende, KI-Ergebnisse systematisch zu überprüfen, zu verbessern und verantwortungsvoll in komplexeren Kontexten einzusetzen. Dieses Stufenmodell verbindet Effizienz mit Kompetenzaufbau und ist besonders für kleine und mittlere Unternehmen praktikabel (IJIRT, 2026; Rajaratnam, 2025).
Was das für Geschäftsleitungen bedeutet
Für Geschäftsleitungen ist Deskilling kein Randthema der Personalentwicklung, sondern ein strategisches Führungsproblem. Wer heute nur auf kurzfristige Effizienzgewinne schaut, riskiert mittelfristig den Verlust jener Fähigkeiten, die Innovation, Qualität und Kundenvertrauen ermöglichen (Boston Consulting Group, 2026). Besonders in KMU, in denen Wissen oft stark an einzelne Personen und Teams gebunden ist, kann kollektiver Kompetenzverlust erhebliche Folgen haben.
Deshalb sollte KI-Einführung immer mit drei Leitfragen verbunden werden:
Unternehmen, die diese Fragen früh in Governance, Recruiting, Führung und Weiterbildung integrieren, nutzen KI nicht nur produktiver, sondern bauen gleichzeitig ihre organisationale Resilienz aus (Boston Consulting Group, 2024; PwC, 2026).
Fazit
Deskilling durch KI ist kein Naturgesetz. Es entsteht dort, wo Unternehmen Automatisierung mit Kompetenzersatz verwechseln und Effizienz über Lernfähigkeit stellen. Die Studienlage zeigt jedoch ebenso klar, dass generative KI auch als Verstärker für Lernen, Qualität und Weiterentwicklung wirken kann, wenn Prozesse bewusst augmentativ gestaltet werden (Crowston, 2025; IJIRT, 2026; Generative AI and Knowledge Work, 2025).
Für HR-Verantwortliche und Geschäftsleitungen in KMU liegt darin eine wichtige Führungsaufgabe. Nicht die Frage, ob KI genutzt wird, entscheidet über den Erfolg, sondern wie. Wer heute KI mit klaren Leitplanken, klugen Lernpfaden und einem Fokus auf Urteilsvermögen einführt, schützt nicht nur seinen Nachwuchs, sondern stärkt die Zukunftsfähigkeit des gesamten Unternehmens (Boston Consulting Group, 2026; PwC, 2026).
Quellen
- Boston Consulting Group. (2024). Unlocking impact from GenAI: HR’s role in transforming work. BCG.
- Boston Consulting Group. (2026). When everyone uses AI, companies risk critical skills. BCG Henderson Institute.
- Chartered Institute of Personnel and Development. (2025). AI use in the workplace: Practical advice for HR professionals.
- Crowston, K. (2025). Deskilling and upskilling with generative AI systems. Syracuse University School of Information Studies.
- Hollenstein, E. (2024, 27. Juli). AI im Job: Wie Firmen das Deskilling bekämpfen. Tages-Anzeiger.
- HR Dive. (2023, 2. November). 7 things to include in a workplace generative AI policy.
- International Journal for Innovative Research in Technology. (2026). Deskilling generative AI higher education learning outcomes.
- Jobcloud AG. (2026). AI Report 2026: Auswirkungen von KI auf den Schweizer Arbeitsmarkt.
- PwC. (2026). Switzerland AI Jobs Barometer 2026.
- Rajaratnam, R. (2025, 9. Dezember). Preventing deskilling in the age of AI: A policy agenda for competence-centred adoption.
- Randstad. (2024, 31. Juli). How to approach your generative AI policy.
- Reuters. (2026, 24. Juni). Fewer job offers for junior roles due to AI, Swiss study shows.
- SIDD. (2026, 23. Mai). KI-Policy Vorlage für Schweizer KMU.
- Society for Human Resource Management. (2025, 30. April). Generative AI usage policy template.
- Generative AI and knowledge work: Towards a framework for combating deskilling of knowledge workers. (2025). Master’s thesis, Halmstad University.
