Gastkommentar ••• Von Florian Fischer
WIEN. Mustafa Suleyman, CEO von Microsoft AI, hat im Februar einen Satz in die Welt gesetzt, der seither durch jeden Branchen-Newsletter geistert: In 18 Monaten erledige AI die meisten White-Collar-Jobs. Accounting. Legal. Marketing. Alles, was am Computer passiert. Bloomberg hat im April zurückgespielt: AI-Doom sei Marketing-Rhetorik der Tech-CEOs, die Produktivitätsdaten zeigten nichts Dramatisches, das Narrativ sei eine PR-Strategie von Leuten, die Angst verkaufen müssen. Beide Lager messen die falsche Sache. Bloomberg aber auf eine Weise, die teurer wird.
Die falsche Debatte
Die Frage „Ersetzt AI White-Collar-Jobs?“ führt geradewegs in eine Debatte über Entlassungswellen, Headcount-Zahlen und Arbeitslosenstatistiken. Was aber tatsächlich passiert, ist subtiler und deshalb viel schwerer greifbar. AI sortiert White-Collar-Workers. Schnell und geräuschlos. Auf der einen Seite: Menschen, die AI-Leverage aufgebaut haben und damit Output produzieren, für den früher ein Team nötig war. Auf der anderen: alle anderen, deren Kompetenzprofil billiger und austauschbarer geworden ist.
Daten zeigen das nicht
Produktivität wird auf Aggregat-Ebene gemessen. Wenn zehn Prozent der Belegschaft durch AI dreimal so viel produzieren wie vorher, bewegt sich die Gesamtzahl kaum. Das erzeugt den Eindruck, es passiere nichts Dramatisches. Der Effekt ist auf eine kleine, wachsende Gruppe konzentriert, die so einen Vorsprung aufbaut. Die Entlassungszahlen bestätigen das indirekt. Challenger, Gray & Christmas haben für 2025 rund 55.000 explizit AI-bezogene Stellenstreichungen gezählt. Modellbasierte Schätzungen liegen bei 200.000 bis 300.000. Die Differenz liegt nicht am Zählfehler. Unternehmen bauen über Attrition und veränderte Hiring-Entscheidungen um, ohne es so zu benennen.
Wer tatsächlich exponiert ist
Die Sorting-These hat eine Implikation, über die weder das Doom-Camp noch die Hype-Dismisser gerne sprechen: Die am stärksten exponierte Gruppe sind Mid-Career-People. Wer heute in den Arbeitsmarkt eintritt oder ein Start-Up gründet, wächst AI-nativ auf und entwickelt die nötigen Meta-Skills von Anfang an. Wie ich letzte Woche auf der SXSW London eindrucksvoll sehen konnte, wird bei Start-ups jede Entwicklung aufgesogen und umgesetzt. Eine bessere Ausgangslage, als es klingt.
Menschen mit zehn bis zwanzig Jahren Berufserfahrung aber, die ihren Wert auf Domainwissen aufgebaut haben, merken, dass genau diese Bereiche günstig replizierbar werden. Das kündigt sich selten laut an. Es passiert über Projekte, die kleiner werden, über Rollen, die anders ausgeschrieben werden, über Briefings, bei denen weniger externe Kapazität bestellt wird.
Folgen für Marketing-Teams
Erstens: Die entscheidende Frage ist nicht, ob AI eingesetzt wird, sondern wie strukturiert das passiert. Eine explizite Entscheidung darüber, welche Aufgaben an AI-Systeme übergeben werden, verändert die Arbeitsorganisation fundamentaler als jedes neue Tool. Zweitens: Wer in den nächsten zwölf Monaten AI-Leverage systematisch aufbaut, produziert danach mit einem vergleichbaren Team einen anderen Output. Den Abstand holt man durch Hiring alleine nicht mehr auf.
Die konkreten Fragen also, die Führungskräfte heute für sich und ihre Stakeholder beantworten müssen: Welche Menschen in meinem Team bauen aktiv AI-Leverage auf? Und welche bauen sie, ohne es zu merken, gerade ab? Und wie kann ich dieses AI-Leverage gezielt steigern, ohne ins schwarze Loch zu fallen, in dem zu viel, zu schnell gewollt, aber zu wenig erreicht wird? Wie helfe ich meinen Mitarbeitern, AI effizient und passend einzusetzen – ohne Scheu, ohne viel Reibungsverluste? Wer diese Fragen beherzigt und konsequent in die Transformation geht, gehört in einem Jahr sicher nicht zu den Nachzüglern. Denn: „Leise, ganz leise, klingt’s durch den Raum …“, um es mit dem Walzertraum zu sagen. Die Sortierung läuft. Quartal für Quartal, geräuschlos.
Florian Fischer ist Chief AI Officer bei SlopeLift, einer Wiener Digital Media Agency.
