Warum Frauen ein höheres Risiko von Verdrängung haben — und wie eine Neukonzeption von Rollen neue Wege eröffnen kann

Die Tech-Industrie hat sich jahrelang um einen Mangel an Fachkräften gesorgt. Es gibt nicht genug KI-Ingenieure, Data-Scientist oder KI-Architekten. Unternehmen konkurrieren heftig um den gleichen kleinen Pool von Spezialisten, und die meisten davon sind Männer.

Während dieser Kampf um KI-Talent die Schlagzeilen dominiert, baut sich auf der anderen Seite des Arbeitsmarktes eine stillere Krise auf. Millionen von Arbeitnehmern, überproportional Frauen, sind in Jobs, die von KI bereits umgestaltet werden. Sie erhalten nicht den gleichen Zugang zu Schulungen, Werkzeugen oder neuen Rollen, die ihnen helfen würden, diesen Übergang zu meistern.

Das Ergebnis ist ein Doppelbind. Die Industrie kann nicht genug KI-qualifizierte Fachkräfte finden, während Frauen der größte ungenutzte Talentpool in der Arbeitswelt bleiben. Die Lücke zwischen denen, die ihre Arbeit verlieren, und denen, die sie gewinnen, ist nicht zufällig. Sie folgt einem Muster, das in den Arbeitsmarktdaten fast aller großen Volkswirtschaften auftritt, und wenn es nicht angegangen wird, wird es die Geschlechterdynamik der Arbeitswelt für das nächste Jahrzehnt definieren.

Warum Frauen ein höheres Risiko von Verdrängung haben

Die Schlagzeile der Internationalen Arbeitsorganisation (ILO) ist auffallend: female-dominierte Berufe sind fast doppelt so wahrscheinlich von generativer KI betroffen wie male-dominierte, bei 29% gegenüber 16%. Am höchsten Risiko ist die Lücke noch größer. Sechzehn Prozent der female-dominierten Rollen fallen in die verletzlichsten Automatisierungskategorien. Für male-dominierte Rollen liegt diese Zahl bei 3%.

Der ILO-Bericht, Gen AI, Occupational Segregation and Gender Equality in the World of Work, identifiziert drei Kräfte, die dies antreiben. Frauen halten die Rollen, die am wahrscheinlichsten automatisiert werden. Sie fehlen in den STEM-Feldern, die diese Tools aufbauen. Und KI-Modelle spiegeln häufig die Geschlechtervorurteile wider, die bereits in der Gesellschaft verankert sind.

Dies ist kein Zufall. Frauen sind historisch in Büroarbeiten, administrativer Unterstützung, Datenverarbeitung und Kundenservice konzentriert. Diese sind genau die Funktionen, die KI am besten bewältigt: Routine, kodifizierbar und hochvolumig. Die Forschung der ILO umfasst 88% der Länder, die sie analysiert hat, und in fast allen davon sind Frauen stärker betroffen als Männer.

Das Risiko der Verdrängung ist nur die halbe Herausforderung. Die Rollen, die KI schafft, sind in technischen und strategischen Funktionen konzentriert, in denen Frauen historisch unterrepräsentiert sind. Laut einer Studie von Interface EU aus dem Jahr 2024 machen Frauen global nur 22% der KI-Arbeitskräfte aus. Der Global Gender Gap Report 2025 des Weltwirtschaftsforums fand heraus, dass Frauen einen signifikanten Rückgang in der ersten Phase ihrer STEM-Karrieren erleben und in KI-Engineering und Führung unterrepräsentiert bleiben.

Frauen sind überproportional in den Rollen konzentriert, die verdrängt werden, und unterrepräsentiert in den Rollen, die geschaffen werden. Das ist nicht ein Problem, sondern zwei Probleme, die sich gegenseitig verstärken.

Ein dritter Faktor verschlimmert die Situation. Der Understanding Talent Scarcity: AI and Equity-Bericht von Randstad zeigt eine Lücke von 42 Prozentpunkten bei KI-Fähigkeiten zwischen Männern und Frauen, bei 71% gegenüber 29%. Männer werden von Arbeitgebern häufiger für KI-Schulungen angeboten (35% gegenüber 27%) und haben häufiger Zugang zu KI-Tools am Arbeitsplatz (41% gegenüber 35%). UC Berkeley hat 18 Studien mit 143.000 Arbeitnehmern weltweit analysiert und festgestellt, dass Frauen etwa 20% weniger wahrscheinlich als Männer sind, generative KI-Tools beruflich zu verwenden. Die Lücke blieb unabhängig vom Bildungsstand oder Einkommen des Landes bestehen.

Die berufliche Segregation hat Frauen in automatisierbaren Rollen platziert. Die Unterrepräsentation in STEM-Feldern hat sie aus den Rollen ausgeschlossen, die KI jetzt schafft. Die Lücke bei der Ausbildung und dem Zugang verhindert den Übergang zwischen den beiden. Jeder Faktor verstärkt die anderen.

Neukonzeption von Rollen: was sie wirklich bedeutet und warum die meisten Unternehmen sie falsch verstehen

Wenn Organisationen über die Vorbereitung ihrer Belegschaft auf KI sprechen, meinen sie normalerweise eines von zwei Dingen: die Umschulung bestehender Mitarbeiter auf neue Tools oder die Ersetzung verdrängter Rollen durch neu geschaffene technische Positionen. Beide Ansätze verfehlen den Punkt.

Umschulung ist notwendig, aber unzureichend. Wenn man einer Datenverarbeitungskraft einen Kurs über Prompt-Engineering anbietet, schafft man keinen Weg. Man gibt ihr ein Fähigkeitsset. Was sie benötigt, ist ein Ziel: eine bestimmte Rolle mit definierten Verantwortlichkeiten, die in der Organisation existiert und in die sie glaubhaft wechseln kann.

Die Ersetzung verdrängter Rollen durch technische Positionen verschlimmert oft das Problem. KI-Ingenieure, Data-Scientist und Machine-Learning-Spezialisten erfordern Qualifikationen und Erfahrungen, die wenige verdrängte Arbeitnehmer haben. Sie ziehen auch häufig Kandidaten aus dem gleichen homogenen Talentpool an, der bereits die Tech-Branche dominiert. Die Verdrängung trifft Frauen. Die Ersatzrollen nicht.

Eine echte Neukonzeption von Rollen beginnt mit einer anderen Frage. Nicht, welche Jobs kann KI übernehmen, sondern wie sieht die menschliche Beitragsleistung in einer Welt aus, in der KI die Routine übernimmt?

Die Antwort ist, dass menschliche Arbeit relational, kontextuell und ethisch ist. Sie besteht darin, Unsicherheiten zu meistern. Vertrauen mit Kunden und Kollegen aufzubauen. Urteile in Situationen ohne Vorlage zu fällen. Zu verstehen, was ein Stakeholder wirklich benötigt, nicht nur, was er gesagt hat, dass er benötigt.

Die neuen Rollen, die an diesem Schnittpunkt entstehen, tragen je nach Sektor unterschiedliche Namen: KI-Implementierungskoordinator, Technologie-Adoptionsleiter, Mensch-KI-Schnittstelle, Digitaler Ethik-Officer, Change-Management-Spezialist. Was sie gemeinsam haben, ist die Notwendigkeit von Menschen, die an der Schnittstelle zwischen Technologie und menschlicher Komplexität arbeiten können.

Diese Rollen erfordern Urteilsvermögen, Kommunikation und ein tiefes Verständnis dafür, wie Organisationen funktionieren. Sie sind, mit anderen Worten, eine direkte Weiterentwicklung der Fähigkeiten, die Frauen in den heutigen gefährdeten Rollen bereits jahrelang aufgebaut haben.

Die Unternehmen, die dies richtig machen, kartieren die Fähigkeiten, die in den gefährdeten Rollen verankert sind, nicht den Job-Titel, sondern die tatsächlichen Fähigkeiten, die die Person aufgebaut hat, und identifizieren, welche dieser Fähigkeiten den Rollen entsprechen, die KI schafft.

Dies ist ein Talentproblem, nicht nur ein Gleichstellungsproblem

Der Mangel an KI-Talent ist real und wird schlimmer. Die Rollen, die durch die KI-Adoption geschaffen werden, erfordern eine Kombination aus technischer Kompetenz und menschlichem Urteilsvermögen, die wirklich rar ist. Unternehmen konkurrieren heftig um einen engen Pool von Menschen.

Frauen sind der größte ungenutzte Talentpool in der professionellen Arbeitswelt. Die Fähigkeiten, die in den gefährdeten Rollen verankert sind, einschließlich Beziehungsmanagement, operativer Koordination, ethischer Argumentation und Stakeholder-Kommunikation, sind genau die, die die neuen KI-Rollen erfordern. Der Zusammenhang zwischen diesen beiden Fakten sollte offensichtlich sein.

Fähigkeitsbasiertes Recruiting ist der Mechanismus, der diesen Zusammenhang ermöglicht. Anstatt nach Qualifikationen und linearen Karrierewegen zu filtern, bewertet es, was jemand tatsächlich kann. Es öffnet Rollen für Menschen, deren Fähigkeiten durch Jahre in administrativen und Dienstleistungsrollen entwickelt wurden, genau die Rollen, die KI jetzt automatisiert. Wenn es gut gestaltet ist, erweitert es nicht nur den Talentpool, sondern bringt auch die spezifischen Erfahrungen zum Vorschein, die Organisationen in einer KI-ergänzten Umgebung am meisten benötigen.

Wie es aussieht, wenn Organisationen es richtig machen

Es gibt kein einziges Modell. Aber die Organisationen, die bedeutende Fortschritte machen, teilen ein erkennbares Verhaltensmuster.

Sie beginnen mit der Fähigkeit, nicht dem Job-Titel. Bevor eine Rolle automatisiert wird, kartieren sie, was die Person in dieser Rolle tatsächlich kann, und kartieren es gegen die Fähigkeiten, die die Organisation in Zukunft benötigen wird. Die Frage ist nicht, ob ein Job automatisiert werden kann. Es ist, was die Person, die diesen Job ausübt, weiß, und wo diese Kenntnisse in das passen, was aufgebaut wird.

Führende Organisationen gehen über vage Versprechungen von Weiterbildung hinaus, um Wege zu schaffen, die sichtbar, spezifisch und umsetzbar sind. Anstatt einer allgemeinen Hoffnung auf zukünftige Chancen bieten sie eine klare Linie von einer aktuellen Rolle zu einer definierten zukünftigen Rolle, mit Schritten, Zeitplänen und Unterstützungsstrukturen. Sie entwerfen Schulungen für die gesamte Belegschaft, nicht den medianen Mitarbeiter. Programme, die nach Arbeitszeit oder selbstgesteuertes Lernen erfordern, werden systematisch Menschen mit Betreuungsaufgaben ausschließen. Inklusiver Entwurf bedeutet modulare, planbare, während der Arbeitszeit verfügbare und psychologische Sicherheit, um zu experimentieren und ohne Auswirkungen auf die Leistungsbeurteilung zu scheitern.

Dieser Ansatz stimmt mit einer grundlegenden Verschiebung in der Arbeitswelt überein: der Randstad Workmonitor 2026 bestätigt, dass die traditionelle “Karriereleiter” versagt, mit 72% der Arbeitgeber, die jetzt zustimmen, dass lineare Karrierewege veraltet sind. Als Reaktion darauf mindern Talente das Risiko, indem sie “Portfolio-Karrieren” aufbauen. Dieses neue Modell priorisiert Vielfalt, individuelle Handlungsfähigkeit und Sicherheit durch eine breite Palette von Erfahrungen anstelle von langfristiger Anstellung in einer einzigen Rolle.

Die nächsten 24 Monate werden für lange Zeit zählen

Arbeitsmarktübergänge sind nicht leicht rückgängig zu machen. Die Muster, die sich jetzt bilden, neigen dazu, für Jahre zu persistieren.

Organisationen, die mit Absicht handeln, können diesen Moment nutzen, um eine fähigere und vielfältigere Belegschaft aufzubauen, als sie heute haben. Diejenigen, die die KI-Transformation als technisches Projekt mit einem Fußnoten-Aspekt für Menschen behandeln, werden wahrscheinlich mit einem engeren Talentpool und einem schwierigeren Einstellungsproblem daraus hervorgehen.