Einheit 6: McKinsey – anwendungsorientierte Aufgabenanalyse
Begriffe vorab
- Arbeitsaktivität: eine Kategorie von Tätigkeiten wie „Daten sammeln“ oder „Menschen führen“.
- Vollzeitäquivalent (FTE): die Arbeitsmenge, die einer Vollzeitstelle entspricht.
- Business Case: die Wirtschaftlichkeitsbetrachtung einer Investition.
Lernziele
- Das McKinsey Automation-Potential-Framework von den akademischen Modellen (OECD, Frey/Osborne) abgrenzen.
- Die Begriffe „technisch automatisierbar“, „Arbeitsplatzverlust“ und „Kompetenzverschiebung“ auseinanderhalten.
- Eine einfache Aufgaben-Zeit-Schätzung für eine eigene Rolle erstellen.
Kerninhalt
Das McKinsey Global Institute wendet den aufgabenbasierten Ansatz praxisnah an. Gefragt wird nicht, welcher Beruf verschwindet, sondern welcher Zeitanteil verschiedener Arbeitsaktivitäten technisch automatisierbar ist (A Future That Works).
Jobs Lost, Jobs Gained erweitert das um Verdrängungseffekte, Nachfrageeffekte, neu entstehende Berufe und veränderte Kompetenzanforderungen bis 2030.
Der Mehrwert gegenüber akademischen Modellen liegt in der unternehmensnahen Aufbereitung: konkrete Aktivitätskategorien wie Datenverarbeitung, körperliche Arbeit in vorhersehbarer Umgebung und Management, die sich direkt auf Rollenprofile im Betrieb übertragen lassen.
Merkhilfe: Nicht „Wer verschwindet?“, sondern „Wie viel meiner Zeit ist automatisierbar?“ Zeitanteil statt Berufsurteil.
Drei Begriffe, die nicht dasselbe sind
- Technisch automatisierbar: Der Zeitanteil von Aktivitäten, den Technik übernehmen könnte.
- Arbeitsplatzverlust: Ein tatsächlicher Wegfall von Stellen.
- Kompetenzverschiebung: Veränderte Anforderungen an die Fähigkeiten der Beschäftigten.
Anwendung auf Betriebsratsarbeit
- Arbeitgeber-Business-Cases beruhen häufig selbst auf McKinsey- oder ähnlichen Beratungsstudien. Mit derselben Methodik und Begrifflichkeit lässt sich auf Augenhöhe diskutieren.
- Für Qualifizierungsvereinbarungen liefern die Aktivitätskategorien konkrete Ansatzpunkte, welche Kompetenzen (Datenanalyse, Kreativität, Führung) an Bedeutung gewinnen.
Anwendung auf Projektmanagement
- Direkt nutzbar für Business Cases bei KI-Projekten: Zeitanteile je Aktivität schätzen statt pauschaler Vollzeitäquivalent-Einsparungen zu versprechen.
- Jobs Lost, Jobs Gained liefert eine Vorlage für Skill-Gap-Analysen: Welche Kompetenzen werden überflüssig, welche werden neu benötigt? Das ist Input für die Schulungsplanung.
Ein Rechenbeispiel
Eine Rolle besteht zu 30 Prozent aus Datenerfassung, zu 40 Prozent aus Abstimmung mit Menschen und zu 30 Prozent aus Analyse. Angenommen, 60 Prozent der Datenerfassung sind automatisierbar, der Rest nicht. Das Zeitpotenzial beträgt dann 0,3 × 0,6 = 18 Prozent der Rolle – nicht 100 Prozent, wie ein Berufsurteil suggerieren könnte. Ob daraus Einsparungen, Verschiebung auf andere Aufgaben oder mehr Output werden, ist eine Entscheidung.
Die typischen Fehler im Business Case
- Zeitanteile mit Personaleinsparungen gleichsetzen: Zeit verteilt sich auf viele Personen und lässt sich nicht beliebig zu ganzen Stellen bündeln.
- Einführungs- und Betriebskosten, Schulung und Qualitätssicherung vergessen.
- Nutzen bei perfekter Nutzung annehmen, ohne Akzeptanz und Prozessreife zu prüfen.
Kompetenzverschiebung ernst nehmen
Wenn sich Aufgaben verlagern, verändern sich Qualifikationsanforderungen. Eine Planung, die nur Zeit, aber keine Kompetenzen betrachtet, unterschätzt den Schulungsbedarf und riskiert Widerstand.
Prüfstatus: Belegt (Stand 1. Oktober 2026): Jahreszahlen, Zahlen, Namen und Quellenangaben dieser Lektion, soweit die Quellenliste sie nennt, wurden gegen Primärquellen geprüft. Nicht einzeln belegt: erklärende Darstellung nach Lehrbuchstand und Quellen, die in der Liste als „allgemeine Referenz“ markiert sind. Das Rechenbeispiel ist konstruiert (0,3 × 0,6 = 18 %) und nachgerechnet; es ist keine Messung.
Leseliste
- McKinsey Global Institute – A Future That Works: Automation, Employment, and Productivity
- McKinsey – Jobs Lost, Jobs Gained
Reflexionsfragen
- Schätze für eine Rolle in deinem Betrieb den Zeitanteil je Aktivitätskategorie (Datenverarbeitung, Koordination, körperliche Arbeit, Führung). Wie viel davon ist heute schon technisch automatisierbar?
- Welche neuen Kompetenzen müssten in deinem Betrieb aufgebaut werden, wenn diese Rolle teilautomatisiert würde?
Einheit 7: Empirische Gegenprüfung – Acemoglu & Restrepo, Noy & Zhang
Begriffe vorab
- Empirisch: auf beobachteten Daten beruhend, nicht auf Modellannahmen.
- Kausaler Effekt: eine Wirkung, die tatsächlich durch einen bestimmten Faktor verursacht wurde.
- Randomisiertes Experiment: Teilnehmende werden zufällig Gruppen zugeteilt, um Wirkungen sauber zu messen.
Lernziele
- Den Unterschied zwischen Prognose-Modellen (Einheiten 2 bis 6) und beobachteten Ist-Effekten erklären.
- Reale Beschäftigungs- und Lohneffekte von Automatisierung anhand von Roboter-Daten benennen.
- Produktivitätseffekte generativer KI aus kontrollierten Experimenten einordnen.
Kerninhalt
Alle bisherigen Frameworks schätzen Potenzial. Acemoglu und Restrepo (Robots and Jobs: Evidence from US Labor Markets) untersuchen dagegen, was tatsächlich passiert ist: Regionen mit stärkerem Robotereinsatz zeigen messbar geringere Beschäftigung und niedrigere Löhne. Nach den Schätzungen der Studie senkt ein zusätzlicher Roboter je 1.000 Beschäftigte die Beschäftigungsquote um 0,2 Prozentpunkte und die Löhne um 0,42 Prozent.
AI, Automation, and Work liefert den theoretischen Rahmen, der verdrängende Aufgaben, neue Aufgaben, produktivitätssteigernde Anwendungen und komplementäre Tätigkeiten sauber trennt.
Noy und Zhang ließen in einem vorab registrierten Online-Experiment 444 Fachkräfte zufällig mit oder ohne ChatGPT berufstypische Schreibaufgaben bearbeiten; die Gruppe mit ChatGPT war im Schnitt etwa 40 % schneller und lieferte höhere Qualität. Sie zeigen damit experimentell, dass generative KI bei bestimmten Schreibaufgaben die Leistung schwächerer Performer überproportional steigert. Das ist ein Hinweis auf Ergänzung statt Ersatz, zumindest kurzfristig.
Merkhilfe: Prognose sagt „könnte“, Empirie sagt „ist passiert“. Roboter verdrängen messbar, generative KI ergänzt bei Schreibaufgaben. Die Wirkung hängt von Technologie und Tätigkeit ab.
Anwendung auf Betriebsratsarbeit
- Wichtigstes Korrektiv gegenüber optimistischen wie pessimistischen Prognosen: Es gibt keine pauschale Antwort.
- Fundierte Grundlage für Verhandlungen zur Beschäftigungssicherung: Wenn empirisch belegt ist, dass Automatisierung regional Lohndruck erzeugt, ist das ein sachliches Argument für Beschäftigungssicherungsklauseln in Betriebsvereinbarungen.
Anwendung auf Projektmanagement
- Nach Projektabschluss reale Effekte (Zeitersparnis, Qualität, Fehlerquote) messen und mit den ursprünglichen Prognosen aus den Einheiten 2 bis 6 abgleichen. Das schließt den Lernkreislauf und verbessert künftige Schätzungen.
- Noy & Zhangs Befund als Hinweis für Rollout-Strategien: KI-Tools zuerst dort einführen, wo der Produktivitätsgewinn am größten und am leichtesten messbar ist.
Warum Experiment und Beobachtung unterschiedlich aussagen
Die Roboterstudie wertet beobachtete Daten aus und muss Einflüsse wie Konjunktur herausrechnen. Das gelingt nie vollständig. Das Experiment von Noy und Zhang teilte dagegen zufällig Teilnehmende in Gruppen mit und ohne KI-Nutzung ein; dadurch lässt sich der Effekt sauberer messen, allerdings für eine bestimmte Aufgabe in einer künstlichen Versuchssituation.
Grenzen übertragbarer Aussagen
- Roboter und generative KI sind sehr unterschiedliche Technologien; Ergebnisse lassen sich nicht einfach übertragen.
- Kurzfristige Produktivitätsgewinne sagen nichts über langfristige Beschäftigungswirkungen.
- Durchschnitte verbergen, dass einzelne Gruppen stark betroffen sein können.
Lernen aus dem eigenen Projekt
Die stärkste Evidenz entsteht im eigenen Betrieb: Vorher Kennzahlen festlegen (Bearbeitungszeit, Fehlerquote, Zufriedenheit), nachher dieselben messen und mit der Prognose vergleichen. Das schließt den Lernkreislauf.
Prüfstatus: Belegt (Stand 1. Oktober 2026): Jahreszahlen, Zahlen, Namen und Quellenangaben dieser Lektion, soweit die Quellenliste sie nennt, wurden gegen Primärquellen geprüft. Nicht einzeln belegt: erklärende Darstellung nach Lehrbuchstand und Quellen, die in der Liste als „allgemeine Referenz“ markiert sind.
Leseliste
- Acemoglu & Restrepo – Robots and Jobs: Evidence from US Labor Markets (NBER)
- Acemoglu & Restrepo – AI, Automation, and Work
- Noy & Zhang – Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence (Science)
Reflexionsfragen
- Wo in deinem Betrieb gäbe es messbare Kennzahlen (Zeit, Fehlerquote, Durchsatz), um den tatsächlichen Effekt einer KI-Einführung später zu überprüfen?
- Welche Prognose aus den Einheiten 2 bis 6 würdest du am ehesten durch reale Messung bestätigt oder widerlegt sehen wollen?
Abschluss: Synthese und Transferprojekte
Begriffe vorab
- Synthese: die Zusammenführung der Einzelergebnisse zu einer Gesamtaussage.
- Transfer: das Anwenden des Gelernten auf einen neuen Fall.
Die zentrale Begriffsabgrenzung
KI-Exposition ≠ Automatisierungswahrscheinlichkeit ≠ tatsächlicher Arbeitsplatzverlust
Ein Beruf kann stark von KI berührt sein, ohne zu verschwinden. Meist verändert sich die Aufgabenzusammensetzung, während KI zugleich ersetzt und ergänzt.
Der Fünf-Fragen-Check für jedes Framework
Bei jedem Framework, das du liest oder zitiert bekommst, hältst du diese fünf Fragen fest:
- Was ist die Analyseeinheit: Beruf, Aufgabe oder Arbeitsaktivität?
- Welche Daten werden verwendet?
- Wie wird „Automatisierbarkeit“ operationalisiert?
- Wird technische Möglichkeit oder tatsächliche Einführung gemessen?
- Werden Arbeitsplatzverluste, Arbeitsplatzveränderungen und neue Tätigkeiten getrennt betrachtet?
Transferprojekt A: Betriebsrats-Stellungnahme
Wähle eine reale oder geplante KI- oder Automatisierungseinführung und erstelle eine kurze Stellungnahme, die:
- die betroffene(n) Stelle(n) mittels Aufgaben-Matrix (Einheit 3) statt auf Berufsebene (Einheit 2) analysiert,
- Exposure und tatsächliches Automatisierungsrisiko unterscheidet (Einheit 5),
- daraus konkreten Qualifizierungsbedarf ableitet (Einheiten 1 und 6),
- ein einschlägiges Mitbestimmungsrecht benennt, zum Beispiel § 87 Abs. 1 Nr. 6/7, §§ 90/92 oder § 96 ff. BetrVG.
Transferprojekt B: Projektmanagement-Risikoregister
Wähle ein laufendes oder geplantes Digitalisierungsprojekt und ergänze das Risikoregister um:
- eine Aufgaben-Zeit-Schätzung je betroffener Rolle (Einheit 6),
- getrennte Risikozeilen für „technisch möglich“ und „organisatorisch/kulturell eingeführt“ (Einheit 3),
- einen Pilotbereich, ausgewählt nach hoher Exposition plus hohem Zeitanteil (Einheit 5),
- eine Messgröße, mit der der reale Effekt nach dem Rollout überprüft wird (Einheit 7).
Beide Transferprojekte lassen sich parallel bearbeiten und sind bewusst auf denselben Fall anwendbar. Die Betriebsrats- und die Projektmanagement-Perspektive ergänzen sich, wenn beide dieselbe zugrunde liegende Aufgabenanalyse teilen.
Wie die Frameworks zusammenspielen
Die Berufsebene liefert ein grobes Warnsignal, die Aufgabenebene die belastbare Detailanalyse, die Datenbasis die Bausteine, die Exposure-Indizes den Blick auf generative KI, der Praxisansatz den Zeitanteil für den Business Case, die Empirie die Gegenprüfung. Sie beantworten verschiedene Fragen und sollten nicht gegeneinander ausgespielt werden.
Ein Beispielablauf für ein Projekt
- Grobes Screening: Welche Rollen könnten betroffen sein?
- Aufgaben-Matrix für die wichtigsten Rollen.
- Exposure prüfen: Wo berührt generative KI die Aufgaben?
- Zeitanteile schätzen und Business Case rechnen.
- Pilot planen, Kennzahlen festlegen, später messen.
Was am Ende zählt
Ein Framework ist kein Urteil, sondern ein Werkzeug, um Fragen zu stellen. Die Qualität der Entscheidung hängt davon ab, ob man Annahmen offenlegt, Beteiligte einbindet und die Wirkung später überprüft.
Zum Selbermachen: die Synthese festhalten
- Fasse pro Framework in einem Satz zusammen, welche Frage es beantwortet.
- Ordne sie auf einer Zeitachse eines Projekts ein.
- Nenne je ein Risiko einer einseitigen Nutzung.
- Formuliere, wie du einer Geschäftsführung eine Prognose in zwei Sätzen erklären würdest.
Prüfstatus: Belegt (Stand 1. Oktober 2026): Jahreszahlen, Zahlen, Namen und Quellenangaben dieser Lektion, soweit die Quellenliste sie nennt, wurden gegen Primärquellen geprüft. Nicht einzeln belegt: erklärende Darstellung nach Lehrbuchstand und Quellen, die in der Liste als „allgemeine Referenz“ markiert sind.
Quellen
- Die Quellen der Einheiten 1 bis 7 (Autor; Frey & Osborne; Arntz, Gregory, Zierahn; O*NET/ISCO; ILO, Eloundou et al., Felten et al.; McKinsey; Acemoglu & Restrepo, Noy & Zhang) (allgemeine Referenz, nicht Zeile für Zeile geprüft)
- Betriebsverfassungsgesetz (BetrVG) §§ 87, 90, 92, 96 ff. – Mitbestimmungs- und Beteiligungsrechte (allgemeine Referenz, nicht Zeile für Zeile geprüft)