Was Unternehmen einstellen wollen, sind nicht „Personen, die AI gelernt haben“
Vielleicht haben Sie bereits bemerkt, dass sich der Prozess der Jobsuche und Personalbeschaffung in letzter Zeit verändert. Wenn jeder mithilfe von KI einen überzeugenderen Lebenslauf erstellen kann, worauf greifen Unternehmen dann zurück, um zu beurteilen, wer eine Einstellung verdient? Für normale Berufstätige: Wenn KI immer leistungsfähiger wird, wie muss man sich eigentlich weiterentwickeln, um unersetzlich zu bleiben?
Im Juli 2026 veröffentlichte Zhaopin den „Bericht zur Entwicklung von Talenten in der KI-Industrie 2026“. Die Daten zeigen eine deutliche Veränderung: Einerseits entstehen schnell neue KI-Arbeitsplätze, andererseits wandeln sich die Anforderungen an die Fähigkeiten traditioneller Arbeitsplätze mit hohem Wiederholungsgrad und hohem Standardisierungsgrad. Noch wichtiger als die Veränderung der Anzahl der Arbeitsplätze ist, dass der Personalmarkt neu definiert, „welche Menschen einen höheren Wert haben“. Wang Ting, Alumna des EMBA-Jahrgangs 2023 der CEIBS, ist derzeit Vizepräsidentin der Zhaopin Group und langjährig verantwortlich für strategische Planung und Geschäftsanalyse. An vorderster Front des Personalmarktes sieht sie nicht nur die Zu- und Abnahme von Arbeitsplätzen, sondern dass die Grenzen von Arbeitsplätzen, Abläufen und menschlichen Fähigkeiten gemeinsam durch KI neu geschrieben werden.
Aus den Daten zum Personalmarkt 2026
Wie der „Bericht zur Entwicklung von Talenten in der KI-Industrie 2026“ zeigt, stieg die Zahl der Unternehmen, die in der ersten Hälfte dieses Jahres in der KI-Branche Personal suchten, im Jahresvergleich um 24,8%, die Zahl der Stellen um 10,6% und die Zahl der Bewerber um 10,5%.
Bei einigen spezialisierten Stellen ist das Wachstum noch schneller: Die Nachfrage nach Fachkräften für die Entwicklung von KI-Agenten stieg im Jahresvergleich um 244 %, die Zahl der Stellen für KI-Produktmanager um 87,7 %; das Verhältnis von Angebot und Nachfrage nach KI-Ingenieuren erreichte 2,62, sodass es immer noch an Fachkräften mangelt. Gleichzeitig gehören auch nicht-technische Stellen wie Personal, Vertrieb und Produkt zu den Spitzenpositionen der Personalnachfrage in der KI-Branche.
Nach Städten betrachtet ist Peking nach wie vor die Stadt mit dem größten Volumen in der KI-Branche; die Zahl der Stellen in Shanghai stieg im Jahresvergleich um 53,7 %, das schnellste Wachstum unter den Städten der ersten Ebene; die Städte der ersten und neuen ersten Ebene zusammen decken 65 % der Personalnachfrage der KI-Branche ab.
Diese Daten lassen mich mit gemischten Gefühlen zurück. Einerseits kommt KI sehr schnell, viele Arbeitsinhalte, die ursprünglich als stabil galten, werden neu gestaltet; andererseits schafft sie auch neue Stellen, die vor drei Jahren noch selten zu sehen waren. Sowohl Unternehmen als auch Bewerber steigen schneller in die KI-Welt ein, was einen Trend des „gleichzeitigen Wachstums von Angebot und Nachfrage“ zeigt, aber das Verständnis beider Seiten für „KI-Talente“ stimmt nicht vollständig überein.
Was Unternehmen wirklich brauchen, sind keine „Personen, die KI gelernt haben“, sondern „Personen, die KI zur Lösung von Geschäftsproblemen einsetzen können“.
In den letzten zwei Jahren gab es noch eine deutliche Veränderung auf dem Jobmarkt, die wir intern mit einem Wort zusammenfassen: „Beschleunigte Wertminderung von Fähigkeiten“.
Früher konnte eine geübte Fähigkeit drei bis fünf Jahre lang Stabilität gewährleisten; heute kann sie innerhalb von ein oder zwei Jahren durch neue Tools und Arbeitsweisen neu definiert werden. Anforderungen wie „Prompt Engineering“ und „KI-Kooperation“, die letztes Jahr noch selten in Stellenbeschreibungen auftauchten, sind dieses Jahr bereits in vielen nicht-technischen Stellen zu finden.
Daher beseitigt KI nicht einfach Arbeitsplätze, sondern gestaltet die Fähigkeitsstruktur jedes Arbeitsplatzes neu: Die prozesshaften, standardisierten Teile werden reduziert, während Urteilsvermögen, Kreativität und die Fähigkeit zur Zusammenarbeit mit anderen gestärkt werden.
Datenanalyse ist ein typisches Beispiel. Nachdem KI einen Teil der grundlegenden Analyse übernommen hat, müssen Analysten stattdessen zuerst Datenkaliber, Indikatorsysteme und Datenbasis solider aufbauen, damit KI sie verstehen und korrekt anwenden kann. Gleichzeitig werden Analyseanforderungen freigesetzt, die früher aufgrund begrenzter Personalressourcen nicht erledigt werden konnten.
In meinem Team stieg die Nachfrage nach Datenanalyse zeitweise auf das Zwei- bis Dreifache des früheren Niveaus, einige Analysten begannen sogar, KI zur Erstellung von Produktprototypen zu nutzen, sodass sich die Arbeitsgrenzen von „Erstellen von Lösungen“ auf „Entwickeln von Produkten“ erweiterten.
Das ist auch ein Punkt, der bei der KI-Transformation leicht übersehen wird: Tools können die grundlegenden Handlungen vieler Menschen auf ein ähnliches Niveau heben, erzeugen aber nicht automatisch Einsichten. Bei demselben Bericht wiederholt manche nur die von KI generierten Inhalte, während andere vor dem Hintergrund des Geschäfts erklären können, „warum das so ist und was als Nächstes zu tun ist“.
Je einfacher die Form wird, desto wichtiger werden Inhalt und Urteil.
Welche KI-Talente brauchen Unternehmen?
Was bedeutet es eigentlich, wenn Unternehmen von „KI-Verständnis“ sprechen? Wir haben eine große Anzahl von Stellenbeschreibungen (JD) analysiert und sie grob in drei Ebenen unterteilt.
Die erste Ebene ist die Grundfähigkeit: Man verfügt über ein Bewusstsein für die Zusammenarbeit zwischen Mensch und KI und kann gängige KI-Bürotools bedienen. Dies wird – ähnlich wie die Beherrschung von Office-Software – zu einer Grundvoraussetzung für immer mehr Stellen.
Die zweite Ebene ist die fachliche Integration: Man kann KI zur Lösung von Problemen im eigenen Fachbereich einsetzen und die eigenen fachlichen Erfahrungen wirklich mit den Tools verbinden. Zum Beispiel nutzt HR KI für das Personal-Mapping, Marketingmitarbeiter nutzen KI, um Werbestrategien zu erstellen und zu optimieren.
Die dritte Ebene ist die geschäftliche Neugestaltung auf strategischer Ebene: Man kann beurteilen, wie KI in die Geschäftsprozesse integriert werden soll, und als „Übersetzer“ zwischen geschäftlichen Problemen und technischen Möglichkeiten fungieren. Diese Art von Fachkräften ist am seltensten.
Daher konkurrieren Unternehmen neben harten technischen Stellen wie Algorithmen-Ingenieuren auch um KI-Produktmanager, FDE (Frontier Deployment Engineers) und Architekten für branchenspezifische Lösungen. Diese Stellen haben eines gemeinsam: Man braucht ein gewisses Verständnis für Technik, aber auch für die Branche, das Geschäft und die Menschen.
Andererseits wandeln sich auch die Fähigkeitsanforderungen traditioneller Stellen. Einfache Übersetzungen, vorlagenbasierte Gestaltung, grundlegende Buchprüfungen, rein ausführende Kundenservices nutzen zunehmend KI zur Effizienzsteigerung, und die Anforderungen an KI-Anwendungsfähigkeiten bei neuen Stellen steigen. Nehmen wir den Rechtsbereich als Beispiel: Unternehmen brauchen nicht mehr nur Personen, die Gesetze nachschlagen können, sondern hoffen auch, dass diese mithilfe von KI Rechtsprechungsanalysen und Risikoprognosen durchführen können.
Einfach unterteilt gibt es auf dem Markt grob zwei Arten von KI-Fachkräften: Die eine Gruppe sind „Personen, die KI entwickeln“, darunter KI-Ingenieure, Entwickler von intelligenten Agenten, Datenannotatoren und Trainer; die andere Gruppe sind „Personen, die KI anwenden“, die in mehr Branchen und Funktionen tätig sind und KI zu einem alltäglichen Werkzeug zur Erledigung von Geschäften machen.
Für die meisten Unternehmen findet die weitreichendere Veränderung eigentlich bei der letztgenannten Gruppe statt. Die eigentliche Frage, die Unternehmen beantworten müssen, ist oft nicht „Wie trainiere ich mein eigenes großes Modell?“, sondern „Wie integriere ich KI in mein Geschäft, um die Arbeit besser zu erledigen“.
Das bedeutet auch, dass die Nachfrage nach KI-Talenten von wenigen technischen Teams auf mehr Geschäftsabläufe ausgedehnt wird. KI-Unternehmen brauchen nicht nur Algorithmen und Ingenieure, sondern auch Produkt-, Vertriebs-, Marketing-, Personal- und Finanzfachkräfte, um die Technik zu Produkten und dann die Produkte zu Geschäften zu machen.
Eine ähnliche Durchdringung findet auch in traditionellen Branchen statt. Bereiche wie Automobil, Pharmazie, neue Energien, Luft- und Raumfahrt schaffen mehr KI-bezogene Stellen, die Grenzen zwischen technischen Fähigkeiten und Branchenerfahrung werden immer unschärfer.
Ich habe auch einen interessanten Trend beobachtet: Kleine und mittlere Unternehmen werden zu einer sehr aktiven Kraft bei der KI-Personalbeschaffung.
Der Grund ist nicht schwer zu verstehen. Sie stehen unter einem direkteren Überlebensdruck, und bei der Einführung von KI prüfen sie zuerst, ob sie Kosten senken und Einnahmen steigern kann; gleichzeitig sind ihre Organisationsketten kurz, sodass Entscheidungen und Umsetzungen schneller ablaufen. Noch wichtiger ist, dass KI die Kosten für die Inanspruchnahme einiger fachlicher Fähigkeiten senkt, sodass auch kleine Unternehmen mit geringen Kosten Fähigkeiten erwerben können, die früher nur größeren Organisationen zur Verfügung standen.
Daher brauchen diese kleinen und mittleren Unternehmen besonders „Personen, die KI zur Lösung spezifischer Probleme einsetzen können“.
Ich habe einen Kommilitonen an der CEIBS, der Produkte im Ausland vertreiben möchte. Statt zuerst ein komplettes Team aufzubauen, hat er 8 KI-„Doppelgänger“ eingerichtet, die jeweils für Marketing, Geschäftsentwicklung, Vertrieb und andere Aufgaben zuständig sind. Der Vorbereitungsprozess, der früher mehrere Monate für Personalbeschaffung, Einarbeitung und Fehlerkorrektur benötigte, wird stark verkürzt; wenn sich eine Marktvalidierung als nicht erfolgreich erweist, kann man schnell anpassen und den nächsten Versuch starten.
Aber die Steigerung der persönlichen Effizienz bedeutet nicht automatisch die Steigerung der Organisationseffizienz. Wenn ein Mitarbeiter einen Bericht, der früher einen Tag dauerte, auf zwei Stunden kürzt, aber die nachfolgenden Genehmigungen, Kommunikationen und Entscheidungen noch nach dem alten Rhythmus ablaufen, lässt sich die eingesparte Zeit kaum in echte Organisationsergebnisse umwandeln.
Die KI-Transformation führt letztendlich zurück zur Neugestaltung von Organisationsabläufen und Managementmethoden.
Auch Personalbeschaffungsplattformen werden durch KI neu gestaltet
Während KI die Arbeitsplätze verändert, verändert sie auch die Personalbeschaffung und Jobsuche selbst.
Für Zhaopin geht die Veränderung dahin, sich von einer Plattform zur Vermittlung von Informationen weiter zu einer KI-gesteuerten Infrastruktur für berufliche Entwicklung zu entwickeln.
Die offensichtlichste Veränderung ist die Neugestaltung der Produkte auf beiden Seiten. Auf der Seite der Bewerber (C-Ende) entwickelt sich die Plattform von „Stellenliste + passive Suche“ zu einer aktiveren Zuordnung. Zum Beispiel hat Zhaopin während der WAIC (Welt-KI-Konferenz) 2026 das KI-Begleitprodukt für die Jobsuche „Zhí Wùkōng“ auf den Markt gebracht, das Szenarien wie Berufsplanung, Lebenslaufoptimierung, Stellenzuordnung und Probeinterviews abdeckt.
Auf der Seite der Unternehmen (B-Ende) kann der KI-Assistent für die Personalbeschaffung an der Anforderungsanalyse, Lebenslaufprüfung, Informationsvalidierung, Kommunikation der Absicht und Teilen des Interviewprozesses teilnehmen. Dementsprechend verlagert sich der Arbeitsschwerpunkt der Personalmitarbeiter von einer großen Anzahl von wiederholenden Prüfungen hin zu Urteilsvermögen, Kommunikation und Kandidatenerfahrung.
Nach der Steigerung der Effizienz taucht ein neues Problem auf: Wenn KI die Lebensläufe und Antworten jeder Person perfektioniert, wie können Unternehmen das tatsächliche Niveau der Kandidaten beurteilen?
Wir haben bereits beobachtet, dass die Online-Testleistungen einiger Kandidaten deutlich von den nachfolgenden Interviews abweichen, und einige offene Antworten sind in ihrer Sprachstruktur sehr ähnlich. Ein standardisierter und vollständiger Lebenslauf ist nach wie vor wichtig, aber zwischen „gut ausgedrückt“ und „wirklich umsetzbar“ braucht es mehr Beweise zur Verbindung.
Daher wird der Wert von Hintergrundprüfungen und Fähigkeitsvalidierung weiter steigen.
Rein technische Abwehr hat immer Grenzen, wichtiger ist die Neugestaltung des Vertrauensmechanismus: Der Validierungsschwerpunkt darf nicht nur auf einem einzigen Test oder einem einzigen Interview liegen, sondern muss sich mehr auf nachweisbare Projektarbeiten, kontinuierliche Lernverläufe sowie die Fähigkeit des Kandidaten konzentrieren, zu erklären, was er getan hat, warum er es so getan hat, und die Bewertungen von Kollegen, sodass Integrität selbst zu einem rückverfolgbaren Wettbewerbsvorteil wird.