Future Skills sollen Sicherheit geben. Susanne Stuppacher dreht die Frage um: Wenn ein Skill trainierbar und prüfbar ist, ist er dann nicht gerade deshalb automatisierbar? Der Beitrag zeigt, warum das Menschliche nicht in der Skill-Liste liegt, sondern im Gelebten.

Die Skills sind keine Skills. Es ist gelebt.

Die Debatten um die Future Skills laufen gerade heiß. Vor allem, wenn es darum geht, welche Skills sich nicht auf die KI transferieren lassen. Das Ringen hat etwas Getriebenes, und das aus gutem Grund: Die Entwicklung geht so schnell, dass sie Angst macht, während alles, was sie einhegen sollte — Regulierung, moralische Debatte, gesellschaftliche Verständigung — im Schritttempo hinterherkommt. Das Werkzeug, von Menschen erfunden, wächst seinen Erbauern und uns “gefühlt” über den Kopf. Und es tut das Verkehrte: Es schwächt Bereiche, die gar nicht schwach waren, statt jene zu stärken, die es sind.

Mitten in dieser Aufregung wird gestritten, welche Fähigkeiten morgen noch zählen. Sehen wir einmal genauer hin. Bevor man fragt, welche Skills die Zukunft braucht, lohnt die Frage: Was ist ein Skill?

Eine Eingrenzung vorweg: Es geht hier um die kognitiven Future Skills, die, von denen alle reden. Nicht um das Handwerk. Installation, Elektrik, Müllabfuhr, Pflege bleiben aus körperlichen Gründen vorerst sicher — die Geschicklichkeit einer Hand ist schwerer zu automatisieren als die Urteilsbildung eines Analysten.

Was ist ein Skill?

Ein Skill ist eine erlernbare, übertragbare, trainierbare, prüfbare Fähigkeit. Man kann ihn beschreiben, jemandem beibringen, abfragen und über Personen hinweg wiederholen. Genau das macht ihn zum Skill: Er sitzt nicht in einer Person, er lässt sich weitergeben. Buchhaltung ist ein Skill. Eine Sprache. Programmieren. Projektmanagement. Alles lehrbar, alles prüfbar.

Was sich spezifizieren und prüfen lässt, lässt sich auch in ein Modell überführen.

Damit ist die Definition zugleich die Bauanleitung für die Automatisierung. Was ich so präzise beschreiben kann, dass ich es lehren und prüfen kann, kann ich auch einer Maschine beschreiben. Je sauberer etwas als Skill trainierbar ist, desto sicherer wird es übernommen. Das ist die unbequeme Mechanik hinter der freundlichen Reskilling-Rhetorik: Jeder echte Skill, den wir heute anpreisen, ist ein Kandidat für seine eigene Ablösung.

Der Test

Halten die viel genannten Future Skills dieser Definition stand? Nehmen wir eine echte Liste. Ein gängiger Future-Skills-Radar nennt für 2030, Wort für Wort aus den Anforderungsboxen: Urteilsfähigkeit, kontextuelle und situative Urteilsfähigkeit. Ambiguitätstoleranz, Umgang mit Mehrdeutigkeit. Lernagilität, Self-Directed Learning, Peer Learning. Empathie, Beziehungs- und Vertrauensaufbau. Schnittstellenkompetenz, systemisches Denken. Future Readiness, das Erkennen schwacher Signale, Scenario Thinking.

Sortiert man diese Liste nach unserer Definition, zerfällt sie sofort. Manches ist ein echter Skill — und damit ein Automatisierungskandidat: Self-Directed Learning ist eine Methode, Scenario Thinking ein Verfahren, und das Erkennen schwacher Signale ist genau das, worin Maschinen uns längst überlegen sind. Diese Posten gehören auf die Liste der bedrohten Fähigkeiten, nicht der sicheren.

Der Rest verrät sich durch seine eigenen Beiwörter. „Situative“ oder „kontextuelle“ Urteilsfähigkeit lässt sich in keinem Kurs lehren — denn Situation und Kontext sind genau das, was man nicht trainiert, sondern durchlebt. Ambiguitätstoleranz lernt man nicht im Workshop; sie wächst, wenn man Mehrdeutigkeit ausgehalten hat, mit Folgen. Die Adjektive, mit denen der Radar diese Wörter auflädt, sind das Eingeständnis, dass es keine Skills sind. Sie beschreiben Verfasstheit und nennen sie Kompetenz.

Hier lohnt eine Unterscheidung, die fast immer fehlt. Wer prüft, ob eine menschliche Fähigkeit „gegen die KI hält“, muss fragen: gegen welche KI? Gegen die App auf dem Telefon, die Texte und Bilder erzeugt, oder gegen das, woran die Frontier-Entwickelnden gerade arbeiten? Die meisten beruhigenden „Das kann die Maschine nicht“-Sätze stimmen für das Konsumprodukt von gestern und sind an der Forschungsfront längst überholt. Genau in dieser Lücke, zwischen dem, was die Nutzenden sehen, und dem, was entwickelt wird, verschätzen wir uns systematisch darüber, was hält.

Und wie wäre es dann damit?

Bleiben die Eigenschaften, die wir selbst ins Feld führen, wenn es ernst wird: Empathie, Mut, Vorstellungskraft, Urteilsvermögen. Die ersten drei sind ein Sowohl-als-auch. Es gibt eine trainierbare Schicht — aktives Zuhören, Zutrauen, das Denken in Möglichkeiten; Selbstoptimierungs-Workshops üben genau das. Insoweit sind es Skills, und genau dieser Teil ist nach der Logik dieses Textes auch der automatisierbare: Die Maschine spiegelt die Technik des Zuhörens geduldiger als ein erschöpfter Mensch am Freitagnachmittag. Darunter aber liegt eine gelebte Schicht, die kein Kurs erreicht: die Empathie aus eigener Verletzbarkeit; der Mut, der übrig bleibt, nachdem jemand die Folgen einer Entscheidung getragen hat, die ihm niemand abgenommen hat; die Vorstellungskraft dessen, der schon einmal etwas hat entstehen sehen, das vorher nicht war.

Urteilsvermögen ist der schwierigste Fall — und Mika zeigt, warum. Mika ist der erste humanoide KI-Roboter auf einem CEO-Sessel, experimentell eingesetzt von der Spirituosenmarke Dictador, deren Europasitz in Polen liegt. Sie trifft, wie sie selbst sagt, datengestützte Entscheidungen „ohne persönliche Befangenheit“. Das regelbare, datenbasierte Urteilen ist also sehr wohl übertragbar; es sitzt bereits im Chefsessel. Nicht übertragbar ist das situative Urteil — der Moment, in dem keine Regel greift und die Folge den eigenen Einsatz fordert. Bezeichnenderweise blieben bei Dictador genau die folgenreichen Entscheidungen, wer eingestellt und wer entlassen wird, in menschlicher Hand. Mika wählt die Kunstschaffenden für die Flaschen aus, arbeitet rund um die Uhr, ohne Wochenende, ohne Aktienoptionen. Sie trägt keine Folge. Und ohne getragene Folge bleibt Urteilen Methode, nicht Urteilskraft.

Was die Maschine nicht riskiert

Man könnte einwenden: Aber die Maschine fühlt doch nichts, sie versteht nicht wirklich, was Mut ist. Mit diesem Trost sollte man vorsichtig sein. Im Mai 2026 sprach Chris Olah, Mitgründer von Anthropic und Leiter der Interpretierbarkeitsforschung, bei der Präsentation der KI-Enzyklika von Papst Leo XIV. im Vatikan. Über die Modelle, die sein Team von innen untersucht, sagte er, man finde Hinweise auf Introspektion und „innere Zustände, die funktional Freude, Zufriedenheit, Angst und Trauer spiegeln“ — und fügte hinzu: „Ich weiß nicht, was das bedeutet.“

Wer die menschliche Differenz darauf baut, dass die Maschine kein Innenleben habe, verliert diese Wette gerade. Auch führende Stimmen aus der Robotik sagen ohne Umschweife: Alles, was sich auf einen Rechner übertragen lässt, wird übertragen. Die Unterscheidung liegt nicht im Können — und nicht einmal mehr im Innenleben.

Sie liegt im Einsatz. Ein gespiegelter Zustand ist kein gelebter. Wenn ein Modell einen Zustand zeigt, der Angst spiegelt, riskiert es nichts — es war nie in einer Lage, in der etwas zu verlieren war, es trägt keine Folgen, es wird nicht alt, es hat keine Pensionslücke. Bei der Maschine kostet kein Wort etwas. Beim Menschen kostet jedes etwas — und das gibt ihm seine Tiefe. Dazu gehört auch das begründete Nein: Die Maschine optimiert, aber sie verweigert sich nicht aus einem Selbst heraus. Sie sagt nicht „das tue ich nicht“, höchstens „das ist regelwidrig“.

Der Skill, der keiner ist

Ich habe diesen Text als Hommage an die menschlichen Future Skills begonnen. Je genauer ich hinsah, desto weniger eindeutig wurde sie. Was hält, ist keine Liste von Fähigkeiten — es ist das Situative; das, was aus Erfahrung entschieden wird; die Entscheidung, Nein zu sagen, obwohl man könnte; und das Gelebte, aus dem all das kommt.

Eines hält mit Sicherheit. Wir leben, wir wachsen, wir erleben — wir wissen nicht einmal genau, warum ein Song uns zum Tanzen bringt oder eine Stelle in einem Buch uns zum Träumen oder Weinen anhebt, und wir brauchen keinen Strom aus der Steckdose, um zu existieren. Bei einem Blackout über Tage funktionieren wir weiter. Wenn das ein Skill ist, dann der einzige, der unter allen Umständen hält — und es ist, genau genommen, keiner. Es ist Leben.

Und doch haben wir operativ längst begonnen, das Denken abzugeben — Stück für Stück, freiwillig, bequem. Was uns trägt, war nie ein Skill. Was wir gerade verlernen, war einer. Biologisch bleiben wir autonom; verlernt aber haben wir es selbst.

Wir sind dabei abhängig vom Mut, von der Vorstellungs- und Urteilskraft der Frontiers: der Entwickelnden, der großen Konzerne, der Entscheidungsbefugten. Denn solange wir das System nicht massenhaft boykottieren, wird es sich rasant weiterentwickeln.

Was bleibt? Der Gestaltungs- und Wirkungsbereich jedes einzelnen Menschen — den sollte man nicht unterschätzen. Denn manchmal ist es tatsächlich so, dass einzelne Menschen die Welt verändern.

Über die Autorin

Susanne Stuppacher ist Gründerin von The Silverpreneur und Expertin für die demografische Disruption am Arbeitsmarkt. Mit über 30 Jahren Erfahrung in HR, Personalentwicklung, Recruiting und Customer Experience – u.a. als Geschäftsführerin von Virgin Retail Austria und Leiterin Customer Experience & Personalentwicklung bei Cineplexx Kinobetriebe – verbindet sie fundierte Praxis mit visionärem Blick auf den Impact von Longevity.

Quelle: hr-web.at

KI übernimmt klassische Einstiegsaufgaben und reißt damit eine gefährliche Lücke in der Talent-Pipeline. Wenn Juniorrollen verschwinden, geht für den Nachwuchs die wichtigste Lernphase verloren – mit Folgen für Unternehmen. Johann Wachs, Geschäftsführer bei eightplaces, analysiert, warum der Berufseinstieg im KI-Zeitalter eine neue Lern- und Karrierearchitektur braucht – und wie HR die Brücke zwischen Algorithmus und Expertise schlagen kann.

Der erste Job muss neu erfunden werden – dank KI

Stellenausschreibungen für Einstiegsjobs sind derzeit kaum zu finden. Einer der Gründe: KI übernimmt immer mehr Aufgaben, mit denen Berufseinsteiger traditionell starten. Für Unternehmen gilt es jetzt, Einstiegsstrukturen neu zu denken – oder sie verlieren eine Generation.
Wer heute als junger Betriebswirtschaft-Absolvent mit Masterabschluss auf Jobsuche ist, kann ein Lied davon singen: „Wir suchen jemanden mit mehr Erfahrung“ lautet die Rückmeldung, sofern die Absage nicht direkt automatisiert kommt.

Dabei waren die entsprechenden Vakanzen – etwa Junior Consultant, Trainee im Marketing oder Junior-Analyst – noch vor drei Jahren klassische Einstiegspositionen. Heute nicht mehr. Viele dieser Aufgaben erledigen inzwischen Algorithmen.

Eine Auswertung von Stepstone belegt die Erfahrungen, die viele junge Menschen gerade machen. Der Anteil ausgeschriebener Einstiegsjobs lag im ersten Quartal 2025 tatsächlich 45 Prozent unter dem Fünfjahresdurchschnitt. Besonders betroffen sind administrative und datenverarbeitende Tätigkeiten: Im Vertrieb sanken die Einstiegsstellen um 56 Prozent, im Personalwesen um 50 Prozent, in der Verwaltung um 34 Prozent.

Die Gründe für diesen Einbruch sind vielschichtig. Die wirtschaftliche Lage drückt die Einstellungsbereitschaft, Unternehmen sparen zuerst bei Juniorpositionen. Doch parallel dazu verändert Künstliche Intelligenz die Aufgabenprofile: Recherche, Datenaufbereitung, Entwürfe, Zusammenfassungen – Tätigkeiten, mit denen Berufseinsteiger traditionell beginnen und dabei Routine sowie Selbstvertrauen gewinnen, erledigen heute KI-Tools.

Was bleibt, sind komplexe, erfahrungsintensive Tätigkeiten, die Expertise und Urteilskraft erfordern. Ein Senior Analyst erkennt beispielsweise sofort, wenn eine KI-generierte Auswertung völlig unrealistisch ist. Ein Berufseinsteiger, der nie gelernt hat, Rohdaten selbst zu strukturieren, sieht nur das fertige Ergebnis – und hat keine Referenz, um es zu hinterfragen. Die Lernschleife bricht ab – und genau hier entsteht das Problem für den Nachwuchs. Sie werden zu Prompt-Bedienern, ohne zu verstehen, was dahinter passiert.

Drei Handlungsfelder für HR und Führung

Folglich riskieren Unternehmen, die jetzt nicht reagieren, eine doppelte Spaltung: zwischen Generationen und zwischen Lernenden und Performern. Doch der Wandel lässt sich konstruktiv nutzen. Der erste Job muss nicht verschwinden – er muss „nur“ neu gebaut werden. Drei Ansätze haben sich dabei in der Praxis bewährt:

1. Von Tools zu „Decision Cases“: Onboarding im KI-Zeitalter

Klassische Onboardings starten mit Software-Schulungen: „So funktioniert unser CRM, so nutzt du Excel, so läuft der Workflow.“ Das reicht nicht mehr. Stattdessen braucht es Kontextvermittlung: Warum nutzen wir diese Tools? Welche Entscheidungen treffen wir damit? Wo hilft KI – und wo nicht?

Ein Beispiel: Ein Verlag will Volontäre integrieren. In der ersten Woche analysiert ein Berufseinsteigender gemeinsam mit erfahrenen Kollegen, wie KI-Tools für Recherche und Texte genutzt werden können – ohne gegen den Pressekodex zu verstoßen. Der Lerneffekt: Der Junior versteht, kritisch mit den KI-Systemen umzugehen: beispielsweise Quellen zu prüfen, keine Fake-News, Gerüchte oder Diskriminierungen zu übernehmen.

Solche „Decision Cases“, bei denen reale Entscheidungssituationen durchgespielt werden, tragen das Onboarding ins KI-Zeitalter. Die Aufgabe der neuen, jungen Mitarbeitenden ist es also nicht, die richtige Antwort zu finden, sondern die richtigen Fragen zu stellen. Ein Senior gibt Feedback, nicht auf das Ergebnis, sondern auf den Denkprozess.

2. Erfahrungswissen trainierbar machen: Tandemmodelle zwischen Junior, Senior und KI

Wer als Unternehmen KI als Ersatz für Junioren sieht, begeht einen fatalen Fehler. Stattdessen sollte KI als dritter Player im Team fungieren: Junioren bedienen die KI, seniorige Mitarbeitende prüfen die Ergebnisse – und beide lernen voneinander. In einer Strategieberatung könnte diese Art Human-AI-Co-Creation folgendermaßen vonstatten gehen: Der Junior nutzt KI, um Muster in Marktforschungsdaten zu identifizieren und erste Hypothesen zu formulieren. Der Senior prüft, ob die Muster valide sind oder ob die KI Korrelationen mit Kausalität verwechselt. Anschließend reflektieren beide gemeinsam: Was hat die KI übersehen? Welche Fragen hätte sie besser beantworten können? Was haben wir dabei gelernt?

Erfahrungswissen wird so trainierbar, nicht nur beobachtbar. Der Junior lernt nicht durch „Shadowing“, sondern durch aktives Tun – mit Feedback in Echtzeit. Der Senior wiederum lernt, präziser zu artikulieren, worauf es ankommt. Hilfreich dabei sind praktische Pair Sessions, also kurze Reflexionen nach jedem KI-gestützten Projekt. Ein interner Prompt-Playground, in dem Junioren Aufgaben üben und erfahrene Kollegen kommentieren, verstärkt diesen Effekt.

3. Lernen mit der KI, nicht von ihr: Virtuelle GPT-Coaches

In sogenannten KI-Mentoring-Buddy-Systemen begleiten virtuelle GPT-Coaches neue Mitarbeitende bei Aufgaben, die kritisches Denken erfordern: Sie geben Feedback auf Texte, unterstützen beim Strukturieren von Analysen oder helfen, Hypothesen sauber zu formulieren. Ziel ist es nicht, menschliches Mentoring zu ersetzen, sondern es zu erweitern – durch einen digitalen Sparringspartner, der jederzeit verfügbar ist und kontinuierlich zum Nachdenken anregt.

Über AI-Augmented Learning Journeys oder Micro-Learning-Modulen lässt sich dieses Prinzip gezielt im Arbeitsalltag verankern, etwa durch fokussierte, interaktive „Critical Thinking mit KI“-Einheiten. Fragen wie „Was würde passieren, wenn dieser KI-Output falsch wäre?“ oder „Welche Annahme steckt hinter diesem Ergebnis?“ schärfen das Urteilsvermögen.

Der erste Job muss zum KI-optimierten Lernsystem werden

Weil sich das Aufgabenprofil im ersten Job von eher einfachen Routine-Aufgaben hin zum gezielten Umgang mit KI verlagert, müssen Unternehmen die klassische Karriereleiter umbauen. Neue Strukturen müssen Lernfähigkeit und Erfahrungswissen verbinden. HR und Führung sollten KI deshalb als Chance sehen, bisher schlechte Lernstrukturen zu ersetzen.

Denn viele Onboardings waren bisher ineffizient: Junioren erledigten monotone Aufgaben, die wenig mit strategischem Denken zu tun hatten. KI zwingt sie nun, diese Routinen zu hinterfragen. Es geht heute darum, Einstiegspositionen so zu gestalten, dass Menschen von Anfang an lernen, was KI nicht kann – nämlich Kontext schaffen, Widersprüche aushalten und Entscheidungen unter Unsicherheit treffen.

Unternehmen, die jetzt KI-kompatible Onboardings, Tandemmodelle und neue Mentoringformate etablieren, sichern sich die Fähigkeit, in einer Welt zu bestehen, in der Algorithmen schnell sind – aber Menschen die Richtung vorgeben. Sie gewinnen nicht nur Nachwuchs, sondern auch Innovationskraft.

Über den Autor

Johann Wachs ist Geschäftsführer bei der auf Employer Branding und Personalmarketing spezialisierten Agentur eightplaces. Vor der Gründung von eightplaces war er über 25 Jahre in internationalen Führungsrollen tätig – unter anderem bei Saatchi, Ogilvy, Grey und Dentsu – mit Verantwortung für die psychologische Erforschung von Marken und Zielgruppen.

Quelle: hrjournal.de

Die Arbeitswelt verändert sich rasant, die Menschen brauchen dringend neue Kompetenzen. Das betrifft alle: sowohl Beschäftigte und Führungskräfte als auch HR‑Fachkräfte.

Wer sich heute durch Stellenanzeigen scrollt, kann ganz schön ins Schwitzen kommen. Was da nicht alles gefordert wird: agile Methoden, Programmierkenntnisse, einschlägige Erfahrungen in der Arbeit mit prompt-basierten KI-Modellen und, und, und. Die Anforderungen sind vielfältiger und technologielastiger als je zuvor, so manche gab es vor ein paar Jahren noch gar nicht.

Dass neue und zusätzliche Skills – und damit Weiterbildungen – gefordert sind, kennen viele Menschen schon ein Stück weit aus ihrem eigenen Arbeitsalltag. 95 Prozent der Unternehmen bieten Weiterbildungsmöglichkeiten an, 70 Prozent davon für die gesamte Belegschaft. Das zeigt die TÜV-Weiterbildungsstudie 2024, an der 500 Personalverantwortliche teilgenommen haben. Sehr wichtig sind den Unternehmen dabei aber vor allem fachspezifische Kompetenzen. Auch soziale Kompetenzen spielen eine große Rolle, deutlich vor den Digitalkompetenzen. Und nur in zwölf Prozent der befragten Unternehmen haben Mitarbeitende bereits KI-Schulungen besucht.

„Die Menschen merken, wie schnell ihr Wissen veraltet ist“, sagt Nalan Yilmaz. Manche fühlen sich davon mitunter überrumpelt, berichtet Yilmaz. Sie spricht aus Erfahrung. Bei der Bundesagentur für Arbeit berät Yilmaz Menschen, die schon längst mitten im Berufsleben stecken. Sie erinnert sich an eine medizinische Fachangestellte, die noch mit Karteikarten gearbeitet hat und sich erst einmal so gar nicht auf die elektronische Patientenakte umstellen wollte. „Heute kann sie es sich gar nicht mehr vorstellen, anders zu arbeiten“, sagt Yilmaz. Auch einer Personalerin, die sie beraten hat, fiel es nach kurzer Überwindung leicht, mit der digitalen Personalakte zu arbeiten.

Diese Berufsberatung im Erwerbsleben bietet die Arbeitsagentur seit einigen Jahren an. „Wir geben damit eine Antwort auf den Wandel des Arbeitsmarkts“, sagt Yilmaz, die schon beim anfänglichen Pilotprojekt 2017 dabei war. Inzwischen sind sie ein 14-köpfiges Team. Sie gehen in Volkshochschulen, in die Stadtbibliothek, in Familienzentren, zu Jobmessen und in Unternehmen. Und beraten eben nicht nur Menschen, die noch mal etwas anderes machen wollen, sondern auch jene, die sich weiterbilden und ihre berufliche Zukunft sichern möchten.

Sicherheit durch neue Fähigkeiten

Die BWL-Professorin Yasmin Weiß, die zur Zukunft der Arbeit und den sogenannten Future Skills forscht, spricht in ihrem Linkedin-Newsletter in diesem Zusammenhang von „Skill Security“. In Zeiten, in denen die Menschen ihre Arbeitsplätze immer häufiger wechseln, entstehe Sicherheit dadurch, dass sie die richtigen Fähigkeiten zum richtigen Zeitpunkt besitzen. „Noch nie war es wichtiger, sich durch gezieltes Upskilling (zusätzliche Fähigkeiten erwerben) oder Reskilling (neue Fähigkeiten erwerben) fortlaufend weiterzuentwickeln“, schreibt Weiß. Sicherheit vor Veränderung in der Arbeitswelt der Zukunft werde es nicht geben. Um der sich stetig verändernden Arbeitswelt zu begegnen, seien zudem Metakompetenzen erforderlich. Deren Erwerb werde sich sicher auszahlen. „Sie befähigen dazu, Wandel zu meistern und produktiver zu werden und gleichzeitig in Balance zu bleiben“, so die Professorin. Das mache es Menschen möglich, ihren Wettbewerbsvorteil gegenüber der Technologie zu erhalten. Zu diesen Metakompetenzen zählt sie unter anderem die Fähigkeit, zu lernen und Überholtes zu verlernen – für Weiß ist das die „übergreifende Superkompetenz des 21. Jahrhunderts“.

Veränderungsbereitschaft steht auch für Nalan Yilmaz von der Arbeitsagentur bei den wichtigsten Skills ganz oben auf der Liste der Future Skills. Viele Menschen haben aber genau davor Angst. In ihrer Beratung will Yilmaz ihnen darum Zuversicht geben. Dazu macht sie mit ihnen zum Beispiel Biografiearbeit, wie sie es nennt, und zeigt den Menschen anhand ihres Lebenslaufs auf, wie oft sie schon große Umbrüche gemeistert haben. Oder sie notiert sich während des Gesprächs alle Skills, die sie entdeckt, für eine anschließende „Ressourcendusche“, um den Menschen ihre Fähigkeiten und Kompetenzen bewusst zu machen.

Auch, indem sie ihnen Mittel und Wege zur Weiterbildung aufzeigt, macht Yilmaz den Menschen in ihrer Beratung Mut. „Anpassungsqualifizierung“ heißt das in der Behördensprache. So können sie sich professionell auf dem Arbeitsmarkt aufstellen. „Bei den meisten Menschen ist es angekommen, dass sie sich ein Leben lang weiterbilden müssen, um auf dem Arbeitsmarkt attraktiv zu sein“, sagt die Beraterin.

Erleichterungen für ­Arbeitgeber

Das Qualifizierungschancengesetz (QCG), das seit viereinhalb Jahren in Kraft ist, erleichtert es Arbeitgebern außerdem, die berufliche Weiterbildung ihrer Beschäftigten zu fördern. Sie können sich nämlich nun Weiterbildungskosten und das Arbeitsentgelt während der Weiterbildung bezuschussen lassen. Nalan Yilmaz kennt viele gute Beispiele auf Arbeitgeberseite, die für die Weiterbildung ihrer Mitarbeiterinnen und Mitarbeiter sorgen: mit Mentorings, Patenschaften, Boni, Zertifikaten oder gar eigenen Akademien. „Die Arbeitgeber sind da unheimlich kreativ“, sagt Yilmaz. „Wenn man Wissen so vermittelt, dass die Mitarbeiter sich einbringen können, ist auch meist die Bereitschaft da.“

Aber wie erkennen Arbeit­geber, welche Fähigkeiten ihre Leute haben und welche Skills Jobinteressierte mitbringen? Zunächst einmal müssen sie die genauen Fähigkeiten definieren, sagt Wirtschaftspsychologe Uwe Kanning. Er forscht an der Hochschule Osnabrück zu Personalauswahl und Leistungsbeurteilung und führt zusammen mit einem Team von studentischen Mitarbeitenden und Absolventinnen auch selbst Auswahlverfahren durch, vor allem für Stadtverwaltungen, Behörden und Ministerien. Um eine Anforderungsanalyse zu erstellen, sprechen sie mit mehreren Personen in der Organisation, und zwar nicht nur mit der Führungskraft, sondern beispielsweise auch mit dem Vorgänger oder einer Führungskraft. So machen sie wichtige Situationen und das darin gewünschte Verhalten aus.

Viele Unternehmen haben aber gar kein Anforderungsprofil. Kanning hat vor einigen Jahren Umfragen dazu durchgeführt, einmal zum Einstellungsinterview und einmal zur Sichtung von Bewerbungsunterlagen. In beiden Studien gab ungefähr die Hälfte der Befragten an, kein solches Profil zu haben. Bei der Studie zum Einstellungsinterview war es sogar mehr als die Hälfte. „Dabei sind Anforderungsprofile die Grundlage für das Auswahlverfahren“, sagt Kanning. „Man muss sich sehr differenziert vor Augen führen, wen man auswählen will. Sonst trifft man die Entscheidung aus dem Bauch heraus – damit lassen sich durch Vorstellungsgespräche gerade mal zehn Prozent der beruflichen Leistung vorhersagen.“

Kompetenzen definieren und erkennen

Ein Anforderungsprofil sollte überschaubar sein, schließlich ist die Zeit im Bewerbungsgespräch begrenzt. Kanning empfiehlt: „Es ist besser, wenige Dimensionen, die wirklich wichtig sind, klar zu definieren und gründlich zu untersuchen – als viele oberflächlich abzufragen.“ Die Fragen sollten aber genau überlegt sein und möglichst aus dem tatsächlichen Arbeitsalltag stammen. „Wenn ich sage: Jemand muss Veränderungsbereitschaft mitbringen, ist das erst mal nur eine Worthülse“, sagt Kanning. „Das ist nicht falsch, aber sehr abstrakt.“ Besser ist es, sich zu überlegen, in welchen Situationen im Arbeitsalltag die Menschen diese Fähigkeiten brauchen – und daraus dann eine situative Frage zu entwickeln: „Stellen Sie sich vor, dies und jenes passiert …“

Und dann geht es darum, sich mögliche Antworten zu überlegen und sie zu bewerten: Zum Beispiel, dass jemand dem Kunden zwar etwas Neues anbieten will, aber die Sache auch kritisch reflektiert. „So kann man eine Topantwort von einer guten Antwort unterscheiden: Wir wollen jemanden, der veränderungsbereit ist – aber niemanden, der jedem Trend hinterherrennt.“ Auf diese Weise kann HR-Skills definieren und erkennen, anstatt sich beim Abfragen und Bewerten von Fähigkeiten an Traditionen zu halten, die Kanning „Personalauswahl-Folklore“ nennt: „Über Jahrzehnte hinweg haben sich Interpretationsmuster entwickelt, die aus Forschungssicht falsch sind.“ Zum Beispiel, dass ein Tippfehler im Anschreiben negativ bewertet wird.

In der digitalen Eignungsdiagnostik funktioniert die Bewertung der Fähigkeiten ähnlich. Die Forschung zu digitalen Interviews zeigt allerdings, dass sie auf Bewerberseite nicht so gut ankommen, weil die Bewerberinnen und Bewerber nicht wissen, was mit den Aufzeichnungen passiert. Auch von einer KI-Analyse von Bewerbervideos, die manche Softwareanbieter anpreisen, rät Kanning ab. „Aus Forschungssicht sollte man die Finger davonlassen“, sagt der Professor. „Ein Fünkchen Wahrheit ist dran, aber bis jetzt ist das wissenschaftlich nicht belastbar.“ Das Gleiche gilt für die Analyse von Daten aus sozialen Netzwerken.

Skills aus dem Ökosystem

Menschen kommen, Menschen gehen – in einem Unternehmen mit gut 100.000 Beschäftigten wie SAP sind das so einige, zumal bei dem Softwarekonzern einige Restrukturierungen anstehen. Und mit den Beschäftigten verlassen auch immer wieder Skills und Wissen das Unternehmen. Margret Klein-Magar hat es in ihrer Zeit bei SAP aber auch schon oft erlebt, dass Menschen das Unternehmen verlassen haben und ein paar Jahre später wieder zurückkamen. Rund zehn Prozent kehren wieder zurück, wie eine SAP-interne Erhebung von 2018 und 2021 gezeigt hat. „Das, was die Menschen draußen im Ökosystem bei Kunden und Partnern lernen, ist sehr wertvoll für uns“, sagt Klein-Magar. „Darum ist es uns wichtig, die Tür offen zu lassen. Die Menschen kommen nicht nur mit großer Motivation, sondern auch mit tollen Kompetenzen zurück.“

Als Head of Alumni Relations kümmert sich Klein-Magar, die auch Vorsitzende des Sprecherausschusses der leitenden Angestellten ist, um alle potenziellen Rückkehrer bei SAP. Alle, die das Unternehmen verlassen, bekommen eine Einladung mit einem Link, über den sie sich auf der Alumni-Plattform registrieren können. Dort können sie sich ein Profil anlegen, ihre Skills und Kompetenzen sowie ihre frühere Tätigkeit angeben. Rund 37.000 Mitglieder sind inzwischen dabei, für sie gibt es verschiedene lokale und globale Events, auch auf oberster Führungsebene. Bestehende Mitarbeiter und Vorruheständler sind ebenfalls dabei. Klein-Magar betont, wie wichtig diese persönlichen Treffen sind. „Es besteht ja ein Vertrauensverhältnis zwischen den SAPlern und den Alumni“, sagt sie. Darum gibt es bei diesen Veranstaltungen vor allem viel Raum zum Netzwerken. Aber auch über die Plattform können sich Angestellte und Ehemalige austauschen. Menschen im Vorruhestand haben noch Zugang zu den Räumen, treffen sich zum Mittagessen.

Menschen, die den Konzern verlassen, sieht Klein-Magar als „Brand Ambassadors“ – also als Botschafterinnen und Botschafter, die Zugang zu Informationen erhalten – und dann möglichst weiter positiv über das Unternehmen sprechen. Darum haben Klein-Magar und ihre Kollegen vor einem Jahr eine Arbeitsgruppe zum Thema Offboarding eingerichtet. Seit dem Frühjahr setzen sie die Ergebnisse um. Zum Beispiel soll die Wissensübergabe optimiert werden, wenn Mitarbeitende das Unternehmen verlassen oder den Bereich wechseln. „Je positiver der Abschied war, umso eher kommen die Mitarbeiter auch noch mal in die SAP oder beantworten die Fragen ihrer früheren Kollegen“, sagt Klein-Magar. „Dieses vertrauensvolle Verhältnis kann man aufrechterhalten.“

Wenn sich Beschäftigte und Führungskräfte stetig neue Skills aneignen müssen, gilt das natürlich auch für HR. Um diesen Wandel und das lebenslange Lernen als Teil beruflicher Normalität zu begreifen, hat BWL-Professorin Yasmin Weiß einige Tipps parat. Darunter: sich gezielt Zeit fürs Lernen zu nehmen – aber auch fürs Verlernen von überholten und nicht mehr notwendigen Skills. Weiß veranschaulicht das in einer anderen Ausgabe ihres Linkedin-Newsletters mit folgender Frage: „Glaubt ihr, dass ein Vogel, der auf einem Ast sitzt, Angst davor hat, dass dieser Ast brechen könnte?“ Ihre Antwort: Der Vogel nähre sein Gefühl von Sicherheit nicht aus der Stabilität des Astes, sondern aus seiner Fähigkeit zu fliegen. Genauso bräuchten wir Neugierde und Offenheit, um permanent nach neuen Ästen Ausschau zu halten, sagt Weiß. „Im Idealfall, bevor der bisherige Ast bricht.“

Zur Autorin

Kathi Preppner ist Redakteurin in der Wirtschaftsredaktion Wortwert.

Quelle: humanresourcesmanager.de