Künstliche Intelligenz verändert die Arbeit in der IT zunehmend. Dabei entstehen nicht nur neue Aufgaben, sondern auch neue Anforderungen an bestehende Rollen. Für Unternehmen wird damit eine zentrale Frage wichtiger: Welche KI-Kompetenzen benötigen sie tatsächlich – und wie lassen sich diese Anforderungen in Stellenprofilen und im Recruiting sinnvoll abbilden?
KI verändert Aufgaben, nicht automatisch ganze Berufe
Künstliche Intelligenz ist inzwischen in vielen Bereichen des IT-Arbeitsalltags angekommen. Entwickler nutzen KI für Code-Entwürfe und Dokumentation, Teams setzen sie für Recherche und Analyse ein, und auch beim Testen oder Monitoring können bestimmte Arbeitsschritte unterstützt werden. Gleichzeitig wächst der Einsatz von KI in datenintensiven Prozessen und bei der Automatisierung wiederkehrender Aufgaben.
Damit verändert sich die Arbeitsteilung innerhalb vieler IT-Rollen. Repetitive Tätigkeiten können zunehmend automatisiert oder durch KI unterstützt werden. Dadurch gewinnt gleichzeitig die Fähigkeit an Bedeutung, Ergebnisse zu prüfen, technische Entscheidungen zu treffen und KI-Anwendungen in bestehende Systeme zu integrieren.
„Künstliche Intelligenz verändert viele IT-Rollen, ersetzt sie aber nicht automatisch“, sagt Ilka Zeiner, Geschäftsführerin der indivHR GmbH. Entscheidend sei vielmehr, dass weniger Zeit auf die reine Erstellung entfalle und stattdessen Prüfung, Bewertung, Architektur, Integration und Sicherheit wichtiger würden.
Damit verschiebt sich auch das Verständnis von KI-Kompetenz. Es reicht nicht mehr unbedingt aus, ein bestimmtes KI-Tool bedienen zu können. Entscheidend ist vielmehr, ob eine IT-Fachkraft die Ergebnisse fachlich einordnen und zuverlässig in produktive Systeme überführen kann.
KI-Kompetenzen sind mehr als eine Liste von Technologien
Diese Entwicklung stellt Unternehmen auch beim Recruiting vor neue Herausforderungen. Immer häufiger finden sich Begriffe wie Artificial Intelligence, Machine Learning, Generative AI oder Prompt Engineering in Stellenanzeigen. Doch die bloße Aufnahme solcher Begriffe sagt noch wenig darüber aus, welche Fähigkeiten für eine konkrete Position tatsächlich benötigt werden.
Ein Begriff wie „AI“ kann je nach Rolle etwas völlig anderes bedeuten. Ein Unternehmen kann beispielsweise eine Fachkraft suchen, die KI als Werkzeug in der Softwareentwicklung nutzt. In einem anderen Fall geht es um die Integration eines KI-Systems in eine bestehende IT-Landschaft. Eine dritte Position kann die Entwicklung eigener KI-Lösungen, Datenpipelines oder Machine-Learning-Modelle voraussetzen.
Für ein belastbares Anforderungsprofil muss deshalb zunächst geklärt werden, welches Problem die Position lösen soll. Ebenso wichtig sind das technische Umfeld, die Verantwortung der Person und die Frage, welche Systeme, Daten und Prozesse betroffen sind.
Eine lange Liste moderner Technologien ersetzt keine eindeutige Rollenbeschreibung. Für das Recruiting ist vielmehr entscheidend, ob aus dem Stellenprofil hervorgeht, welche konkrete Leistung von einer neuen Mitarbeiterin oder einem neuen Mitarbeiter erwartet wird.
Das betrifft nicht nur KI-spezifische Stellen. Auch klassische IT-Rollen verändern sich durch den Einsatz künstlicher Intelligenz. Software Engineering, Data Engineering, Cloud, DevOps, Cybersecurity, SAP und IT-Management werden zunehmend mit neuen KI-Anwendungen verbunden.
Drei Ebenen der KI-Kompetenz
Um Anforderungen besser einzuordnen, lässt sich zwischen drei unterschiedlichen Ebenen unterscheiden.
Die erste Ebene ist die Nutzung von KI als Werkzeug. Hier unterstützt künstliche Intelligenz beispielsweise bei Entwicklung, Recherche, Analyse oder Dokumentation. Dafür benötigen IT-Fachkräfte ein Verständnis der Möglichkeiten und Grenzen der eingesetzten Systeme. Eine tiefgehende Erfahrung in der Entwicklung von KI-Modellen ist in solchen Rollen jedoch nicht zwangsläufig erforderlich.
Die zweite Ebene betrifft die Integration von KI in bestehende IT-Systeme. Hier steigen die technischen Anforderungen. Wer KI-Anwendungen in vorhandene Software, Datenlandschaften und Prozesse integriert, benötigt unter anderem Kenntnisse in Softwarearchitektur, APIs, Datenqualität, Cloud, Security und Governance. Auch der spätere Betrieb eines Systems muss berücksichtigt werden.
Die dritte Ebene ist die Entwicklung von KI-Lösungen. Hier geht es beispielsweise um Modelle, Datenpipelines, Training, Evaluation, Deployment, Monitoring oder MLOps. Diese Aufgaben erfordern eine deutlich größere technische Tiefe und unterscheiden sich entsprechend von einer Position, in der KI lediglich als unterstützendes Werkzeug eingesetzt wird.
Für Unternehmen ist diese Unterscheidung bereits bei der Erstellung eines Stellenprofils relevant. Wenn die verschiedenen Ebenen vermischt werden, besteht das Risiko, Anforderungen unnötig hoch anzusetzen oder die falschen Kandidatinnen und Kandidaten anzusprechen.
Technisches Urteilsvermögen gewinnt an Bedeutung
Mit zunehmendem KI-Einsatz verändern sich auch die Kompetenzen, die in IT-Rollen gefragt sind. Neben konkretem technologischem Wissen gewinnen insbesondere Problemlösungskompetenz und technisches Urteilsvermögen an Bedeutung.
Eine KI kann beispielsweise einen Code-Vorschlag erstellen oder eine Analyse unterstützen. Die Verantwortung dafür, ob das Ergebnis fachlich korrekt, sicher und für den konkreten Anwendungsfall geeignet ist, bleibt jedoch beim Menschen.
Daher werden auch Kenntnisse über Datenqualität, Security, Datenschutz und Governance wichtiger. Gerade in Unternehmen, in denen KI mit internen Daten oder geschäftskritischen Systemen arbeitet, reicht die technische Umsetzung allein nicht aus.
Hinzu kommt die Fähigkeit, zwischen verschiedenen Bereichen zu vermitteln. KI-Projekte bewegen sich häufig an der Schnittstelle zwischen Fachbereich, IT, Daten und Produkt. Eine technische Lösung muss deshalb nicht nur funktionieren, sondern auch einen nachvollziehbaren geschäftlichen Nutzen haben.
Aus Sicht von Ilka Zeiner kann diese Übersetzungsfähigkeit zu einem wichtigen Bestandteil moderner IT-Rollen werden. Fachkräfte müssen zunehmend verstehen, welches Problem gelöst werden soll, welche Technologie dafür geeignet ist und wie sich eine Lösung zuverlässig in den Arbeitsalltag integrieren lässt.
Stellenanzeigen sollten stärker zwischen Muss- und Entwicklungskriterien unterscheiden
Eine weitere Herausforderung sieht Ilka Zeiner darin, die Anforderungen an IT-Fachkräfte nicht unnötig auszuweiten. Gerade in Bereichen wie Cloud, DevOps, Cybersecurity, Data, SAP und IT-Führung ist der Arbeitsmarkt bereits angespannt.
Unternehmen sollten deshalb klar zwischen Muss-Kriterien, relevanter Erfahrung und entwickelbaren Kompetenzen unterscheiden. Ein bestimmtes Tool muss nicht automatisch zwingend erforderlich sein, wenn eigentlich ein übertragbares Verständnis von Architektur oder Problemlösung gesucht wird.
Statt möglichst viele Technologien aufzulisten, sollte ein Stellenprofil daher konkreter beschreiben, welche Verantwortung mit der Position verbunden ist. Was soll die Person in den ersten Monaten aufbauen, verändern oder stabilisieren? Welche Entscheidungen soll sie selbst treffen? In welchem organisatorischen und technischen Umfeld arbeitet sie?
Eine solche Beschreibung kann den relevanten Kandidatenmarkt erweitern, ohne die fachlichen Anforderungen beliebig zu machen.
Das ist insbesondere für Active Sourcing relevant. Wenn Unternehmen gezielt IT-Fachkräfte ansprechen möchten, müssen Recruiter nicht nur nach exakten Jobtiteln oder einzelnen Keywords suchen. Auch alternative Berufsbezeichnungen, angrenzende Skill-Cluster, vergleichbare Projekterfahrungen und Zielunternehmen können relevante Hinweise liefern.
Die Stellenbeschreibung wird zur Grundlage für Active Sourcing
Eine gute Stellenbeschreibung ist zwar nicht identisch mit dem eigentlichen Suchauftrag, bildet aber eine wichtige Grundlage für die Recruiting-Strategie. Je klarer die Rolle beschrieben ist, desto besser können Recruiter die Suchlogik entwickeln und geeignete Kandidatinnen und Kandidaten ansprechen.
Dabei sollte ein Stellenprofil mehr enthalten als eine Aufzählung von Aufgaben und Technologien. Relevant sind insbesondere der konkrete Verantwortungsbereich, der technische und organisatorische Kontext, die wichtigsten Muss-Kriterien sowie Kompetenzen, die sich möglicherweise noch entwickeln lassen.
Auch Teamstruktur und Berichtslinie, der aktuelle Projektstand, das Arbeitsmodell, der Standort und der Gehaltsrahmen können für die Suche relevant sein. Ebenso wichtig ist die Frage, warum die Position für eine geeignete Fachkraft interessant sein könnte.
Das wird umso wichtiger, weil ein Teil der IT-Fachkräfte nicht aktiv nach einer neuen Stelle sucht. Wie Zeiner erläutert, müssen potenzielle Kandidatinnen und Kandidaten deshalb häufig direkt angesprochen werden. Eine glaubwürdige Ansprache setzt voraus, dass Recruiter nicht nur die technischen Anforderungen kennen, sondern auch erklären können, woran die Person konkret arbeiten würde und welchen Gestaltungsspielraum die Rolle bietet.
Dabei kommt dem Stellenbriefing eine besondere Bedeutung zu. Neben den fachlichen Anforderungen sollten auch Aspekte wie Team, Unternehmenskultur und die erwartete persönliche Zusammenarbeit berücksichtigt werden. Die Suche richtet sich schließlich nicht nur danach, ob jemand technisch geeignet ist, sondern auch danach, ob die Person zum Umfeld der Organisation passt.
Neue KI-Stelle oder Weiterentwicklung bestehender Rollen?
Der zunehmende Einsatz von KI führt zudem zu einer strategischen Frage: Muss für jede neue KI-Anwendung eine eigene Position geschaffen werden?
Nicht in jedem Fall. Eine neue KI-spezifische Position kann sinnvoll sein, wenn künstliche Intelligenz eine eigenständige und dauerhaft benötigte Verantwortung im Unternehmen darstellt. Das kann beispielsweise bei der Entwicklung produktiver KI-Lösungen, beim Aufbau einer zentralen Plattform oder bei der Steuerung von Governance und Standards der Fall sein.
Wenn KI dagegen vor allem als Werkzeug innerhalb einer bestehenden Tätigkeit eingesetzt wird, kann es sinnvoller sein, die vorhandene Rolle weiterzuentwickeln.
Ein Software Engineer muss nicht automatisch zum AI Specialist werden, nur weil KI künftig Teil seiner täglichen Arbeit ist. Gleiches gilt für Data Engineers oder Product Manager. Entscheidend ist, welche Aufgaben tatsächlich hinzukommen und welche fachliche Tiefe dafür erforderlich ist.
Für diese Entscheidung spielen unter anderem der Reifegrad der Organisation, die Zahl und Komplexität der KI-Anwendungsfälle sowie die notwendige technische Tiefe eine Rolle. Auch die Verantwortung für Betrieb und Risiken muss berücksichtigt werden.
Recruiting sollte vom Anwendungsfall ausgehen
Für Recruiting-Teams bedeutet diese Entwicklung aus Sicht von Zeiner, dass die Zusammenarbeit mit den Fachbereichen wichtiger wird. Die Suche nach KI-Kompetenzen sollte nicht mit einer Technologieliste beginnen, sondern mit dem konkreten Anwendungsfall.
Welche Aufgaben soll KI in der Position unterstützen? Welche Systeme und Daten sind betroffen? Welche Entscheidungen muss die Person selbst treffen? Und welche Risiken entstehen, wenn ein KI-Ergebnis falsch oder nicht nachvollziehbar ist?
Aus diesen Fragen lassen sich die tatsächlichen Anforderungen besser ableiten. So kann beispielsweise sichtbar werden, dass nicht zwingend Erfahrung mit einem bestimmten Large Language Model gesucht wird, sondern vielmehr Kenntnisse in Software-Integration, Datenmanagement oder Prozessgestaltung.
Damit lässt sich auch verhindern, dass Technologien allein aufgrund ihrer aktuellen Popularität in Stellenanzeigen aufgenommen werden. Ein Begriff mag im Technologiemarkt präsent sein, ohne für die konkrete Position tatsächlich entscheidend zu sein.
Für Unternehmen bedeutet das einen Perspektivwechsel: Nicht die Frage „Welche KI-Technologie ist gerade relevant?“ sollte am Anfang stehen, sondern „Welche Aufgabe soll mit KI besser gelöst werden?“
KI-Kompetenzen werden Bestandteil vieler bestehender IT-Berufe
Für die kommenden Jahre zeichnet sich damit weniger eine klare Trennung zwischen klassischen IT-Berufen und neuen KI-Berufen ab. Wahrscheinlicher ist eine zunehmende Integration von KI-Kompetenzen in bestehende Rollen.
Die Grenzen zwischen Software Engineering, Data, Cloud, Produktmanagement und Fachbereichen können sich dadurch weiter verschieben. Gleichzeitig entstehen dort neue Spezialisierungen, wo KI eine eigenständige technische oder organisatorische Verantwortung erfordert.
Für das Recruiting bedeutet das, dass klassische Kriterien wie Jobtitel und einzelne Keywords an Aussagekraft verlieren können. Sie bleiben für die Orientierung und Suche relevant, reichen aber allein nicht mehr aus.
Wichtiger wird die Frage, welche Erfahrungen eine Person tatsächlich gesammelt hat und welche Verantwortung sie dabei übernommen hat. Hat sie KI lediglich als Werkzeug genutzt? Hat sie KI-Systeme in bestehende Prozesse integriert? Oder hat sie eigene KI-Lösungen entwickelt, betrieben und weiterentwickelt?
Diese Unterschiede können für die Einordnung eines Profils entscheidender sein als die Bezeichnung der bisherigen Position.
Fazit: Präzisere Rollen statt längerer Anforderungslisten
Der zunehmende Einsatz künstlicher Intelligenz verändert den IT-Arbeitsmarkt nicht allein dadurch, dass neue Technologien hinzukommen. Er verändert auch die Aufgaben innerhalb bestehender Berufe und damit die Anforderungen an Unternehmen und Recruiting-Teams.
Stellenanzeigen müssen deshalb präziser werden. Eine lange Liste von KI-Technologien, Tools und Schlagworten schafft noch kein gutes Anforderungsprofil. Entscheidend sind der konkrete Anwendungsfall, die Verantwortung, das technische Umfeld und die erwartete Wirkung der Position.
Gleichzeitig gewinnen Kompetenzen wie technisches Urteilsvermögen, Problemlösung, Datenverständnis, Security, Governance und die Fähigkeit zur Zusammenarbeit zwischen IT und Fachbereich an Bedeutung.
Für Unternehmen liegt darin aus Sicht von Zeiner auch eine Chance. Wer Muss-Kriterien klar von entwickelbaren Kompetenzen unterscheidet und stärker auf tatsächliche Erfahrung als auf reine Keywords setzt, kann den Kreis geeigneter IT-Fachkräfte erweitern. Active Sourcing wird dabei wichtiger, weil viele passende Kandidatinnen und Kandidaten nicht über klassische Bewerbungen erreicht werden.
KI wird damit nicht einfach zu einer weiteren Position im Organigramm. Vielmehr wird sie zunehmend Bestandteil unterschiedlichster IT-Rollen. Für Unternehmen und Recruiting-Teams kommt es deshalb darauf an, diese Veränderung in konkrete, realistische und verständliche Stellenprofile zu übersetzen.