Erfahrung allein ist noch kein Wert.

KI macht Wissen leichter verfügbar und Produktion billiger. Damit gewinnt eine andere Fähigkeit an Bedeutung: Urteilskraft KI kann Erfahrungsvorsprünge verkleinern

Weniger erfahrene Beschäftigte können besonders stark von generativer KI profitieren.

Eine Feldstudie von Erik Brynjolfsson, Danielle Li und Lindsey Raymond mit 5.172 Beschäftigten im Kundenservice zeigt diesen Effekt. Der Einsatz eines generativen KI-Assistenten erhöhte die Produktivität im Durchschnitt um 15 Prozent. Besonders stark profitierten weniger erfahrene und geringer qualifizierte Beschäftigte. Die Autoren finden Hinweise darauf, dass die KI Verhaltensweisen leistungsstärkerer Beschäftigter für andere verfügbar machte.¹

Ein Feldexperiment mit 791 Professionals von Procter & Gamble zeigt einen ähnlichen Effekt in einer anderen Arbeitswelt. Einzelpersonen mit KI erreichten bei Innovationsaufgaben ein Leistungsniveau, das dem von Teams ohne KI entsprach. Zudem produzierten Beschäftigte aus Forschung und Entwicklung sowie aus kommerziellen Funktionen mit KI ausgewogenere Lösungen, unabhängig von ihrem fachlichen Hintergrund.²

KI kann damit Unterschiede verringern, die bislang mit Erfahrung oder spezialisiertem Wissen verbunden waren.

Das ist eine gute Nachricht für die Produktivität. Für den Wert von Berufserfahrung ist es eine Herausforderung. Wer etwas seit zwanzig Jahren macht, ist nicht mehr automatisch im Vorteil, wenn KI anderen ermöglicht, bestimmte Aufgaben schneller auf einem vergleichbaren Niveau zu bewältigen.

Beurteilen wird wichtiger

Generative KI erhöht die Menge dessen, was in kurzer Zeit produziert werden kann: Texte und Analysen, Präsentationen und Programmcode, Konzepte, Bilder und Lösungsansätze. Je mehr KI produziert, desto mehr muss geprüft werden. Eine plausible Antwort ist noch keine belastbare Antwort.

Eine OECD-Auswertung internationaler PIAAC-Daten zeigt, dass die Exposition gegenüber einer möglichen Automatisierung durch KI bei jüngeren Beschäftigten höher ist und mit dem Alter deutlich abnimmt. Als einen möglichen Grund nennen die Autoren, dass Erfahrung tendenziell komplementär zu KI ist.³

Erfahrung führt allerdings nicht automatisch zu einem besseren Urteil.

Wer wenig Expertise in einem Fachgebiet besitzt, kann stark von KI-Unterstützung profitieren. Gleichzeitig kann fehlende Expertise die Beurteilung falscher KI-Empfehlungen erschweren.

Eine Untersuchung mit 210 Teilnehmenden zu einem KI-gestützten diagnostischen Entscheidungs-system zeigt diesen Zusammenhang. Höhere diagnostische Kompetenz, eine zertifizierte Fachausbildung in der Wundversorgung und der Arztberuf waren mit einer geringeren Wahrscheinlichkeit verbunden, falschen KI-Empfehlungen zu folgen.

Die Autoren kommen zu dem Schluss, dass Nicht-Spezialisten besonders von solchen Systemen profitieren können und zugleich anfälliger für Automation Bias sein können.⁴

Für die Beurteilung der Ergebnisse bleibt Expertise relevant.

Zehn Konzepte in einer Stunde sind nur dann ein Fortschritt, wenn jemand erkennt, welches davon etwas taugt. Eine in Sekunden erzeugte Analyse hilft nur, wenn ihre Annahmen und Schlussfolgerungen belastbar sind.

Beurteilen bedeutet mehr als Fehlerkontrolle. Es geht darum, Qualität zu erkennen, Informationen einzuordnen, Zusammenhänge und Widersprüche wahrzunehmen und mögliche Folgen abzuschätzen.

KI macht es möglich, mehr Ergebnisse in kürzerer Zeit zu erzeugen. Damit gewinnt die Fähigkeit an Bedeutung, ihre Qualität fundiert einzuschätzen.

Expertise im KI-Zeitalter: Erfahrung alleine reicht nicht.

Lebensalter, Berufserfahrung und Expertise sind nicht dasselbe.

50 Jahre machen niemanden urteilsfähig. 25 Jahre machen niemanden zukunftsfähig.

Erfahrung bedeutet zunächst, etwas erlebt, getan oder über längere Zeit praktiziert zu haben. Sie kann zur Entwicklung von Expertise beitragen. Sie garantiert sie nicht.

Man kann jahrzehntelang Routinen perfektionieren, deren Wert durch eine neue Technologie sinkt. Man kann viel Erfahrung sammeln und daraus die falschen Schlüsse ziehen. Und man kann lange in einem Beruf arbeiten, ohne das eigene Denken grundsätzlich zu hinterfragen.

Auch die OECD verweist darauf, dass ältere Beschäftigte Weiterbildung und neue digitale Fähigkeiten benötigen, damit vorhandene Erfahrung unter veränderten technologischen Bedingungen wirksam bleibt.³

Expertise im KI-Zeitalter entsteht nicht durch die Zahl der Jahre. Sie entwickelt sich aus Fachwissen, Erfahrung, Reflexion und Lernen. Sie zeigt sich darin, Zusammenhänge zu verstehen, Muster zu erkennen, Wissen auf neue Situationen zu übertragen und das eigene Urteil zu korrigieren, wenn neue Fakten dagegensprechen.

Expertise ist kein Archiv vergangener Antworten. Sie ermöglicht es, neue Situationen fundierter zu beurteilen.

Unternehmen riskieren, wertvolle Expertise zu verlieren

Diese Unterscheidung hat Konsequenzen für Personalentscheidungen.

Bei Restrukturierungen werden auch erfahrene Beschäftigte unter Kostengesichtspunkten bewertet. Gleichzeitig kann KI bestimmte Wissens- und Produktionsvorsprünge verkleinern, die bislang mit Erfahrung verbunden waren.

Riskant wird es, wenn Unternehmen Berufserfahrung und Expertise gleichsetzen – oder beides gleichermaßen für verzichtbar halten.

Die Organisationsforschung zeigt, dass das Ausscheiden von Beschäftigten mit Wissensverlust verbunden sein kann. Eine systematische Auswertung von 91 empirischen Studien erfasst sowohl freiwillige als auch unfreiwillige Abgänge und zeigt, dass die Folgen davon abhängen, wer eine Organisation verlässt und welches Wissen mit dieser Person verschwindet. Schwer formalisierbares

und schwer übertragbares Wissen kann dabei besonders relevant sein.⁵

Mit einem Beschäftigten verschwinden deshalb nicht automatisch unersetzliche Kompetenzen. Es

kann aber Expertise verloren gehen, deren Wert sich nicht vollständig in Stellenbeschreibungen abbilden lässt: tiefes Wissen über Kunden oder Märkte, Verständnis informeller Zusammenhänge, die Fähigkeit, Muster hinter Zahlen zu erkennen oder frühere Erfahrungen auf neue Situationen zu übertragen.

Entscheidend ist nicht allein, wie viele Berufsjahre ein Unternehmen verliert. Entscheidend ist, welche Expertise in diesen Jahren entstanden ist – und wie leicht sie sich ersetzen lässt.

Eine Fähigkeit, in der sich Expertise zeigt, könnte durch den breiteren Einsatz von KI erheblich an Bedeutung gewinnen:

Urteilskraft.

Quellen und Studien

1 Brynjolfsson, Erik; Li, Danielle; Raymond, Lindsey (2025): Generative AI at Work. The Quarterly Journal of Economics, Vol. 140, Issue 2, S. 889–942. DOI: 10.1093/qje/qjae044.

2 Dell’Acqua, Fabrizio et al. (2026): The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork. Organization Science, Vol. 37, Issue 4, S. 1217–1242. DOI: 10.1287/orsc.2025.20702.

3 André, Christophe; Schief, Matthias (2026): A potential boost from AI in ageing societies: Early insights. OECD Economics Department Working Papers, No. 1870. DOI: 10.1787/be002e40-en.

4 Kücking, Florian et al. (2024): Automation Bias in AI-Decision Support: Results from an Empirical Study. Studies in Health Technology and Informatics, Vol. 317, S. 298–304. DOI: 10.3233/SHTI240871.

5 Galan, Nataliya (2023): Knowledge loss induced by organizational member turnover: a review of empirical literature, synthesis and future research directions (Part I). The Learning Organization, Vol. 30, Issue 2, S. 117–136. DOI: 10.1108/TLO-09-2022-0107.

Hintergrund

Die Beschäftigung mit dem Thema entstand im Zusammenhang mit 50ü50, der 2025 von G50UNLEASHED und Campaign Germany gestarteten Initiative für mehr Sichtbarkeit von Erfahrung in der Kreativ- und Marketingbranche. Mein ursprünglicher Beitrag für die zweite Ausgabe 2026 stellte bereits die Frage nach dem Verhältnis von KI, Erfahrung, Expertise und Urteilskraft.