Der KI-Skills-Boom hat zwei Arbeitsmärkte, nicht einen

Fast zwei Drittel der neu geschaffenen Rollen in den Capability Centern multinationaler Konzerne in Indien verlangen inzwischen KI-Skills, so eine Recruiting-Analyse, die in der vergangenen Woche wieder in die Schlagzeilen kam. Die Zahl ist auffällig. Sie lässt sich auch leicht falsch verwenden. Wer sie als Beleg dafür liest, dass zwei Drittel aller Beschäftigten zu KI-Spezialisten werden müssen, könnte sein Weiterbildungsbudget für das falsche Problem ausgeben.

Die Zahl stammt von ANSR, einem Unternehmen, das multinationale Konzerne beim Aufbau und Betrieb globaler Capability Center (Global Capability Centers, GCC) unterstützt. Der Bericht, am 24. September veröffentlicht und am 21. Oktober vom Financial Express erneut aufgegriffen, wertet mehr als 5.000 offene Stellen und Einstellungsmuster aus, die mehr als 20.000 Rollen abdecken. ANSR gibt an, dass rund 65 % der 2026 neu geschaffenen GCC-Rollen KI-Skills verlangen, während die Nachfrage nach KI- und Datentalenten im Jahresvergleich um etwa 45 % stieg.¹²³ Das sind die Befunde eines bestimmten, technologieintensiven Einstellungsmarkts, keine Erhebung der Beschäftigung in Indien und keine Prognose für jeden Beruf.

Interessanter ist, was geschieht, wenn man diesen spezialisierten Markt neben die Belege zu gewöhnlichen Arbeitsplätzen legt. Eine Untersuchung aus zehn Ländern kommt zu dem Ergebnis, dass die meisten ausdrücklich KI-bezogenen Stellenanzeigen weiterhin auf technische Berufe konzentriert sind. Gleichzeitig zeigt eine in diesem Monat veröffentlichte Studie der Europäischen Kommission, dass fast jeder dritte Beschäftigte in der EU bei der Arbeit KI genutzt hat. Der scheinbare Widerspruch verschwindet, sobald man Menschen, die eingestellt werden, um KI-Systeme zu bauen, von Menschen unterscheidet, deren bestehende Jobs zunehmend die Nutzung solcher Systeme umfassen.

Der Nenner verändert die Geschichte

Ein Global Capability Center ist keine Miniaturversion der gesamten Wirtschaft. Solche Einheiten richten große Konzerne oft ein, um Software, Analytik, Produktentwicklung, Finanzen und andere zentralisierte Funktionen zu betreiben. Genau dort kann die Nachfrage nach Spezialisten für KI-Integration schnell steigen. ANSR berichtet, dass etwa 62 % der GCC-Einstellungen in der Stichprobe Personen mit drei bis acht Jahren Erfahrung betreffen, bei einem Median von sechs Jahren. Die stärkste Wachstumszahl, rund 1.000 % bei Stellen für Forward-Deployed Engineering und KI-Engineering, betrifft einen schmalen Ausschnitt an Jobkategorien.¹² Ohne die Ausgangszahl der offenen Stellen sagt ein prozentualer Anstieg dieser Größenordnung nichts darüber, wie viele Menschen eingestellt wurden.

Das Unternehmen beschreibt zwei neue Profile: AI-native Engineers, die KI in die Softwareentwicklung integrieren, und Forward-Deployed Engineers, die Engineering mit der Umsetzung im Geschäftsbetrieb verbinden. Das sind glaubwürdige Beispiele für neue oder neu sichtbare Arbeit rund um KI. Sie erfordern aber auch eine technische Tiefe, die eine Verwaltungskraft in einer gemeinnützigen Organisation, ein Filialleiter oder eine Sachbearbeiterin in der Kommunalverwaltung kaum braucht, um einen KI-Assistenten verantwortungsvoll zu nutzen.

Hinzu kommt eine Grenze der Berichterstattung. Die öffentliche Berichtsseite und die Ankündigung von ANSR beschreiben die Stichprobe und die Kernzahlen, veröffentlichen aber nicht genug Details zur Klassifizierung von „KI-Skills“, damit ein externer Leser die 65-%-Messung allein aus der öffentlichen Zusammenfassung nachvollziehen könnte. Aus diesen zugänglichen Materialien geht nicht klar hervor, wie konsequent die Kategorie das Bauen eines KI-Systems vom Nutzen eines solchen in einer herkömmlichen Rolle trennt. Das macht die Zahl nicht wertlos. Es bedeutet, dass sie als Signal für das GCC-Recruiting mit klar benanntem Geltungsbereich dienen sollte und nicht als universelle Richtgröße für Weiterbildungsbudgets.

Ein technischer Kern rekrutiert mit einem anderen Werkzeugkasten

Ein Arbeitspapier von Rafiazka Hilman und Julia Koltai vom Juli 2026 liefert einen breiteren Vergleich. Anhand von Online-Stellenanzeigen aus zehn Ländern, gesammelt zwischen Dezember 2025 und Mai 2026, stellen die Forschenden fest, dass MINT- und technische Berufe etwa 75 % bis 85 % der Anzeigen mit ausdrücklich KI-bezogenen Skills ausmachen. Berufe in Wirtschaft und Management bilden eine kleinere zweite Gruppe; Pflege, öffentlicher Dienst, Bildung, Logistik und andere Bereiche stellen deutlich kleinere Anteile. Das Papier erkennt ein gemeinsames technisches Vokabular rund um Python, SQL, maschinelles Lernen und Datenanalyse.⁴

Das belegt, wo Arbeitgeber KI-Expertise ausdrücklich ausschreiben, nicht, dass KI außerhalb der Technologie keine Rolle spielt. Die Autoren selbst warnen, dass Online-Anzeigen formale, städtische Angestelltenarbeit überrepräsentieren können, dass eine Klassifizierung nach Schlüsselwörtern und Modellen in gewöhnliche Aufgaben eingebettete KI-Nutzung übersehen kann und dass die Daten nur einen kurzen Zeitraum abdecken. Ihre Befunde sind deskriptiv. Sie belegen nicht, dass KI Veränderungen bei Einstellung, Gehalt oder beruflicher Mobilität verursacht hat.

Dennoch ist der Kontrast zur GCC-Zahl wichtig. Ein spezialisiertes Recruiting-Zentrum kann von den meisten Neueinstellungen KI-Skills verlangen, während der breitere ausgeschriebene Markt für diese Skills von technischer Arbeit dominiert bleibt. Beides kann stimmen. Wer beides zu einem einzigen Slogan wie „jeder Job wird ein KI-Job“ zusammenfasst, verliert die nützlichste Unterscheidung: Verschiedene Berufe brauchen unterschiedliche Fähigkeitsniveaus.

KI bei der Arbeit zu nutzen ist nicht dasselbe, wie sie zu entwickeln

Das Joint Research Centre (JRC) der Europäischen Kommission zeichnete in seinem Bericht „AI and Skills“ vom 15. Oktober ein anderes Bild. Auf Basis von Daten aus den Jahren 2024-2025 gibt es an, dass etwa 30 % der Beschäftigten in der EU berichteten, bei der Arbeit KI zu nutzen. Die berichtete Nutzung lag bei Angestellten in Büroberufen nahe 40 %, in Hilfsberufen jedoch bei etwa 6 %. Bis 2025 hatten rund 20 % der Unternehmen in der EU KI-Technologien eingeführt.⁵ Diese Prozentwerte haben unterschiedliche Nenner und messen verschiedene Dinge: die Nutzung durch Beschäftigte, den Beruf und die Einführung in Unternehmen.

Sie messen außerdem etwas anderes als eine Stelle, die ausdrücklich Python oder Modell-Deployment verlangt. Eine Sozialarbeiterin kann KI nutzen, um Notizen zu strukturieren, und bleibt dennoch für sensible Entscheidungen verantwortlich. Ein kleiner Hersteller kann ein fertiges Tool einsetzen, um eingehende Anfragen zu klassifizieren. Eine Kommunikationsverantwortliche kann eine von einem Modell entworfene Übersetzung prüfen. Das sind illustrative Szenarien, keine dokumentierten Fälle aus dem JRC-Bericht. Keines davon erfordert automatisch einen Machine-Learning-Engineer im Team. Jedes erfordert dagegen Fachwissen, Überprüfung, Datenschutzbewusstsein und eine klare Entscheidung darüber, was menschlich bleiben muss.

Die OECD hat dies in einer Analyse von Stellenanzeigen aus dem Jahr 2024 festgehalten: Die meisten KI-exponierten Beschäftigten werden keine spezialisierten Skills wie Machine-Learning- oder Sprachverarbeitungs-Engineering benötigen. Ihre Aufgaben und ihr Skill-Mix können sich trotzdem ändern. Die OECD stellte außerdem fest, dass Management- und Business-Fähigkeiten in KI-exponierten Berufen prominent sind, während die Richtung der Nachfrage nach einzelnen Skills nicht einheitlich ist.⁶ Ein Weiterbildungsplan, der nur auf technischen Schlüsselwörtern beruht, würde einen großen Teil dieses Wandels verfehlen.

Die Chance liegt in der Brücke, nicht nur im Labor

Der Markt zwischen spezialisiertem Engineering und alltäglicher Tool-Nutzung kann für kleinere Organisationen besonders folgenreich sein. Eine fähige Mitarbeiterin im Betrieb, die einen nützlichen Prozess erkennt, seine Daten versteht, einen KI-gestützten Ablauf testet, Fehler erkennt und mit einem externen technischen Dienstleister zusammenarbeitet, erfüllt eine wertvolle Brückenfunktion. Die Stelle wird vielleicht nie als „KI-Engineer“ ausgeschrieben. Ihre Aufgaben können dennoch wachsen. Das ist eine redaktionelle Interpretation der Belege, keine gemessene Zahl neu geschaffener Stellen.

Das Risiko besteht in beide Richtungen. Wenn Arbeitgeber für Jobs, die vor allem sorgfältige Tool-Nutzung verlangen, fortgeschrittene technische Qualifikationen fordern, können sie die Einstiegshürden unnötig erhöhen. Wenn sie annehmen, ein paar Stunden Chatbot-Training genügten, um automatisierte Entscheidungen in sensiblen Bereichen zu verantworten, können sie unsichere Arbeit schaffen und Beschäftigte Verantwortlichkeiten aussetzen, die ihre Kompetenz übersteigen. Das länderübergreifende Papier vom Juli benennt ein verwandtes Problem: KI-spezifische Anforderungen sind in einem ohnehin bevorzugten technischen Kern am sichtbarsten und können Einstiegshürden verstärken. Die Daten belegen nicht, dass dies in jedem Beruf geschieht.

Die Analyse der Europäischen Kommission vom 14. Oktober zur KI-Einführung in strategischen Sektoren fügt eine weitere Einschränkung hinzu. Sie berichtet, dass die Einführung in diesen Sektoren von 7 % der Unternehmen im Jahr 2021 auf 18 % im Jahr 2025 stieg, mit erheblichen Unterschieden zwischen den Branchen. Als Hindernisse nennt sie unter anderem fehlende einschlägige Expertise und regulatorische Unsicherheit.⁷ Für eine kleine Organisation ist die entscheidende Grenze womöglich weder die Zahl der Beschäftigten, die Prompts schreiben können, noch das Fehlen eines Data-Science-Teams. Es kann das Fehlen einer Person sein, die den Arbeitsablauf gut genug versteht, um eine sichere, nützliche Anwendung auszuwählen und ihre Ergebnisse zu beurteilen.

Ein Skills-Plan sollte bei der Arbeit beginnen, nicht bei der Schlagzeile

Um diese Märkte nicht zu verwechseln, hilft es, drei Arten von Verantwortung zu trennen. Manche Menschen müssen Systeme bauen und integrieren: Sie brauchen Software-, Daten-, Sicherheits- und Evaluationskompetenz. Andere müssen Arbeit mit KI-Unterstützung steuern: Sie brauchen genug Tool-Kompetenz, um Aufgaben zu formulieren, Informationen zu schützen und Fehler zu erkennen. Eine dritte Gruppe muss Einsätze freigeben und beaufsichtigen, die Kundinnen, Beschäftigte oder schutzbedürftige Menschen betreffen: Sie braucht Prozessverantwortung, Eskalationsregeln und die Befugnis, Nein zu sagen. In einer kleinen Organisation kann eine Person mehr als eine Gruppe abdecken, aber die Fähigkeiten sind nicht austauschbar.

Für ein hypothetisches Dienstleistungsunternehmen mit 35 Beschäftigten verändert diese Unterscheidung die Investitionsentscheidung. Bevor die Führungskraft einen unternehmensweiten Kurs zu fortgeschrittener KI-Entwicklung beauftragt, könnte sie klären, welche Aufgaben tatsächlich Integrationsarbeit erfordern, welche von freigegebenen Tools profitieren könnten und welche eine unabhängige menschliche Freigabe brauchen. Eine erfahrene Mitarbeiterin könnte darin geschult werden, einen Ablauf zu testen und zu dokumentieren; spezialisierte Umsetzung ließe sich bei Bedarf zukaufen. Das ist ein vorgeschlagener Entscheidungsrahmen, keine erprobte Maßnahme und kein Einsparversprechen.

Der richtige Maßstab für Fortschritt wäre dann, ob die Organisation eine definierte Aufgabe zuverlässiger, sicherer oder effizienter erledigen kann und ob die Beschäftigten die Grenzen der genutzten Tools verstehen. KI-Zertifikate zu zählen oder „KI“ in Stellenbeschreibungen einzufügen ist viel einfacher. Es ist auch weniger aussagekräftig.

Die falsche Frage lautet, ob alle KI-Skills brauchen

Indiens GCC-Einstellungsdaten zeigen, dass fortgeschrittene KI-Fähigkeit in einem spezialisierten, wachsenden Teil der Wirtschaft zu einer ernsthaften Recruiting-Priorität wird. Stellenanzeigen aus mehreren Ländern zeigen, wie konzentriert diese ausdrückliche Nachfrage bleibt. Europäische Beschäftigtenumfragen zeigen eine KI, die weit über diese technischen Jobbezeichnungen hinausreicht. Keine der drei Quellen hebt die anderen auf. Sie beschreiben unterschiedliche Schichten desselben Arbeitsmarkts.

Für Führungskräfte, die entscheiden, wen sie einstellen und wen sie entwickeln, lautet die nützliche Frage nicht „Welcher Anteil der Jobs erfordert KI?“. Sie lautet: „Wer muss sie bauen, wer muss sie gut nutzen und wer muss sie hinterfragen können?“ Wer diese Antworten vermischt, könnte eine teure Skill-Lücke erzeugen, die die Organisation selbst verursacht hat.

Wie hilighter helfen kann

Wenn KI-Skills in verschiedenen Rollen Unterschiedliches bedeuten, brauchen Teams eine klare Karte von Arbeit, Nachweisen und Entwicklung. hilighter hilft, Skills nach Rolle zu erfassen, Menschen und Anforderungen über Skills & Talent Insights zu vergleichen, Lernen in Skill-Nachweise & Anerkennung sichtbar zu machen, individuelle Entwicklungspfade festzulegen und einen indikativen Überblick über die möglichen Auswirkungen von KI auf Jobs zu erkunden. Ein kostenloser Tarif deckt bis zu drei Rollen ab.

Quellen

1. ANSR, Talent Trends in GCCs in India 2026, 24. September 2026.
2. ANSR, New ANSR Report Finds AI Skills Driving GCC Hiring in India, Pressemitteilung, 24. September 2026.
3. Financial Express, 65% of new GCC roles need AI skills, 21. Oktober 2026.
4. Hilman, R. und Koltai, J., Occupational Convergence or Divergence?, Arbeitspapier, 30. Juli 2026.
5. Gemeinsame Forschungsstelle der Europäischen Kommission (JRC), AI and Skills, 15. Oktober 2026.
6. OECD, Artificial intelligence and the changing demand for skills in the labour market, 10. April 2024.
7. Gemeinsame Forschungsstelle der Europäischen Kommission (JRC), AI adoption more than doubles in almost every EU strategic sector, 14. Oktober 2026.

Quellen zuletzt geprüft: 27. Oktober 2026. Die ANSR-Zahlen beschreiben GCC-Einstellungsstichproben; die Klassifizierung „KI-Skills“ hinter den 65 % ist allein aus der öffentlichen Zusammenfassung nicht vollständig nachvollziehbar. JRC- und OECD-Zahlen messen unterschiedliche Nenner (Nutzung durch Beschäftigte, Stellenanzeigen, Einführung in Unternehmen).