Welche Rollen KI in mittelständischen Unternehmen tatsächlich eliminiert (und welche sie schafft)

Die Schlagzeilen sind darauf ausgelegt, Ihnen Angst zu machen. „KI wird 300 Millionen Arbeitsplätze vernichten." „Roboter kommen für White-Collar-Arbeit." CEOs leiten diese Artikel um 23 Uhr an ihre CHROs weiter, und am Montag gibt es eine Task Force.

Aber was diese Schlagzeilen fast nie berichten: Die Geschichte der Jobverschiebung in einem 200-Personen-Unternehmen sieht völlig anders aus als die von JPMorgan oder Amazon. Enterprise-Konzerne verfügen über das Budget, um ganze Abteilungen auszutauschen und mit KI-Infrastruktur neu aufzubauen. Mittelständische Unternehmen (das Segment mit 50 bis 500 Mitarbeitern) funktionieren anders. Sie können Disruption in diesem Ausmaß nicht absorbieren. Und sie müssen es auch nicht.

Was sie brauchen, ist ein klares Bild davon, welche Rollen tatsächlich schrumpfen, welche neuen Rollen in KI-vorwärtsgerichteten Unternehmen entstehen und wie die Netto-Rechnung für die Personalplanung über die nächsten 18 Monate aussieht.

Darum geht es in diesem Artikel.

Das Verdrängungsnarrativ ist unvollständig

Die meiste KI-Personalforschung basiert auf Daten großer Konzerne und gesamtwirtschaftlichen Daten. Der Future of Jobs Report 2025 des World Economic Forum prognostiziert bis 2030 weltweit 170 Millionen neue Stellen und 92 Millionen verdrängte Stellen, ein Netto-Plus von 78 Millionen Arbeitsplätzen. Aber dieses Aggregat verdeckt ein Timing-Problem: Die Eliminierung geschieht oft schneller als die Schaffung neuer Rollen, und die neuen Positionen erfordern andere Qualifikationen als die verlorenen.

Für mittelständische Unternehmen ist die Verdrängungsgeschichte spezifischer und handlungsrelevanter als die Makrozahlen vermuten lassen. Die am stärksten gefährdeten Rollen sind nicht „alle administrativen Tätigkeiten". Es sind bestimmte Funktionen innerhalb bestimmter Teamstrukturen. Und die entstehenden Rollen sind keine vagen „KI-nahen" Positionen. Sie tauchen jetzt gerade in echten Organigrammen auf.

Was tatsächlich eliminiert wird

In einem 200-Personen-Unternehmen schrumpfen diese Funktionen in 2025–2026 am deutlichsten:

Dateneingabe und Report-Erstellung. Dieses Kapitel ist weitgehend abgeschlossen. Unternehmen, die die routinemäßige Dateneingabe (CRM-Updates, Rechnungsverarbeitung, Inventarprotokollierung) noch nicht automatisiert haben, sind bereits im Rückstand. Der Zeitrahmen für verbleibende manuelle Dateneingaberollen in mittelständischen Unternehmen beträgt 12–18 Monate. Tools wie Rework, die KI-Funktionen von HubSpot und Workflow-Automatisierungsplattformen haben die letzten Lücken geschlossen. Das sind keine Rollen, die sich weiterentwickeln werden; es sind Rollen, die enden werden.

First-Line-Kundensupport. Das ist differenzierter als es zunächst erscheint. Tier-1-Support, also Passwortzurücksetzungen, Bestellstatusanfragen, grundlegende Fehlerbehebung, wird mit zunehmendem Tempo von KI-Agenten übernommen. Aber die Verringerung ist nicht immer eine Headcount-Reduzierung. Was häufiger passiert: Support-Teams bleiben gleich groß, bewältigen aber das Dreifache des Volumens, während die First-Line-Aufgaben von KI übernommen werden und die menschlichen Mitarbeiter Eskalationen und komplexe Fälle bearbeiten. Ein 10-köpfiges Support-Team wird nicht zu einem 5-köpfigen Team; es wird zu einem 10-köpfigen Team, das die Arbeit leistet, für die früher 30 Personen nötig waren.

Analysten auf mittlerer Ebene, die aggregieren statt interpretieren. Das ist die subtilere und folgenreichere Verschiebung. Unternehmen haben traditionell Analysten beschäftigt, in Finanzen, Operations, Marketing, Vertrieb, deren primäre Funktion darin bestand, Daten aus verschiedenen Quellen zusammenzuführen, Reports zu erstellen und Zusammenfassungen zu präsentieren. Diese Aggregationsebene ist nun automatisiert. Was wertvoll bleibt, ist die interpretierende Arbeit: Urteilsvermögen anwenden, Anomalien identifizieren, Empfehlungen auf Basis von Kontext geben, zu dem KI keinen vollständigen Zugang hat. Rollen, die zu 80 % aus Aggregation und zu 20 % aus Interpretation bestehen, sind gefährdet. Rollen mit umgekehrter Verteilung nicht.

Ein Produktionsunternehmen in Ohio mit 180 Mitarbeitern reduzierte seine Finanzanalystenstellen 2024 von vier auf zwei, nicht durch Entlassungen, sondern durch Fluktuation und Rollenneugestaltung. Die verbliebenen zwei Analysten verbringen ihre Zeit nun mit zukunftsorientierter Modellierung und Vorstandsberichten, einer Arbeit, die früher 20 % ihrer Zeit beanspruchte.

Bestimmte administrative Koordinierungsrollen. Terminkoordinatoren, Reiseplaner, Meeting-Logistikmanager: Rollen, die primär dazu existierten, Kalender und Logistik im Team zu verwalten, werden überflüssig, da KI-Assistenten das nativ übernehmen. Das geschieht bereits in mittelständischen SaaS-Unternehmen. Ein B2B-Softwareunternehmen mit 120 Mitarbeitern in Austin strich letztes Jahr seine Executive-Assistant-Stelle und verteilte die Terminplanung auf die KI-Assistenzkonfiguration jedes Führungsmitglieds.

Was entsteht

Die neuen Rollen sind nicht hypothetisch. Sie tauchen jetzt in Stellenausschreibungen und Organigrammen KI-vorwärtsgerichteter mittelständischer Unternehmen auf.

AI Ops Manager. Diese Rolle besitzt den KI-Tool-Stack des Unternehmens, also Beschaffung, Konfiguration, Integration, Governance und Adoption. Es ist teils IT, teils Operations, teils Change Management. In einem 150-Personen-Unternehmen ist das typischerweise eine einzelne Person, oft intern aus Operations oder IT befördert. Die Rolle gab es vor drei Jahren noch nicht. Sie erscheint jetzt in Stellenbörsen bei Unternehmen ab 80 Mitarbeitern. Mehr dazu, wie diese Einstellung in der Praxis aussieht, erfahren Sie unter Was die erste AI Ops Manager-Einstellung in einem 100-Personen-Unternehmen aussieht.

Revenue AI Analyst. Diese Hybridrolle entsteht speziell in CRO-Organisationen. Sie sitzt an der Schnittstelle von Sales Operations, Data Science und KI-Tooling, verantwortlich für den Aufbau und die Pflege KI-gestützter Pipeline-Modelle, die Optimierung von Lead-Scoring-Konfigurationen und die Übersetzung KI-generierter Insights in Coaching auf Rep-Ebene. Ein SaaS-Unternehmen mit 250 Mitarbeitern und einem 40-köpfigen Vertriebsteam könnte eine oder zwei Personen in dieser Funktion haben. Sie sind keine klassischen Datenanalysten und keine klassischen Sales-Ops-Mitarbeiter. Sie sind etwas Neues.

KI-Integrationsleitende in Funktionsteams. Statt alle KI-Expertise in einer IT- oder Operations-Funktion zu zentralisieren, betten führende mittelständische Unternehmen KI-versierte Personen direkt in Vertrieb, Finanzen, Marketing und Customer Success ein. Das sind keine KI-Experten im technischen Sinne, sondern Domänenexperten, die ausreichend KI-Kompetenz entwickelt haben, um Workflow-Möglichkeiten zu identifizieren, Tools zu testen und ihre Kollegen zu coachen. Ein Vertriebsteam mit 15 Personen könnte einen „KI-versierten" Mitarbeiter haben, der den KI-Tool-Einsatz des Teams verantwortet und dem VP Sales über Adoption und Ergebnisse berichtet.

Prompt Engineers und Workflow Architects. Diese Rollen sind häufiger in Unternehmen, die benutzerdefinierte KI-Integrationen aufgebaut haben, oft über Plattformen wie Make, Zapier oder direkte API-Verbindungen zu OpenAI oder Anthropic. In den meisten mittelständischen Unternehmen sind das keine Vollzeitstellen. Aber sie erscheinen als Teilzeitverantwortlichkeiten, Vertragsrollen und interne Weiterbildungsziele.

Die Rollentransitionskarte

So entwickelt sich das auf Job-Ebene für ein 200-Personen-Unternehmen:

Alte Rolle Entwicklung Neue Rolle / Evolution
Dateneingabe-Spezialist Eliminiert (12–18 Monate) Keine, absorbiert durch Automatisierung
First-Line-Support-Mitarbeiter Umstrukturiert KI-unterstützter Support-Spezialist
Finanzanalyst Mittelstufe Schrumpfend Senior Analyst (interpretativer Fokus)
Terminkoordinator Eliminiert Keine, absorbiert durch KI-Assistenten
Marketing-Analyst (Reporting) Schrumpfend Growth Analyst (Strategie + Testing)
Sales-Operations-Analyst Weiterentwicklung Revenue AI Analyst
IT-Admin (Tool-Management) Weiterentwicklung AI Ops Manager
N/A Neu KI-Integrationsleiter (eingebettet)

Das Muster ist nicht reine Eliminierung. Es ist Komprimierung und Aufwertung. Rollen, die existierten, um Volumen zu bewältigen, schrumpfen. Rollen, die Urteilsvermögen, Kontext und funktionsübergreifende Koordination erfordern, wachsen oder werden neu geschaffen.

Die Netto-Headcount-Rechnung

Werden mittelständische Unternehmen nach diesem Übergang mehr oder weniger Mitarbeiter haben?

Die ehrliche Antwort lautet: Es hängt von der Wachstumstrajektorie, der Branche und dem Ausmaß der KI-Tool-Adoption ab. Aber die aggregierten Daten bieten einige Orientierung.

McKinseys Personalforschung 2025 legt nahe, dass Unternehmen, die KI aktiv in ihre Operations integrieren, ihren Headcount ungefähr im gleichen Tempo wie vor der KI-Adoption steigern, aber mit einer anderen Zusammensetzung. Sie stellen weniger administrative und datenverarbeitende Rollen ein und mehr Rollen, die sich auf Urteilsvermögen, Kundenbeziehungen und KI-Management konzentrieren.

Für ein mittelständisches Unternehmen in einer Wachstumsphase (etwa Skalierung von 150 auf 250 Mitarbeiter über 24 Monate) bedeutet KI-Adoption nicht, 100 weniger Personen einzustellen. Es bedeutet wahrscheinlich, dass sich die Zusammensetzung dieser 100 Einstellungen verschiebt. Weniger Koordinatoren und Junior-Analysten. Mehr KI-versierte Domänenspezialisten und eingebettete Integrationsleitende.

Für ein mittelständisches Unternehmen in einer stabilen oder kostensensiblen Phase sieht die Rechnung anders aus. KI-Adoption kann den gleichen Output mit 10–20 % weniger administrativen und Aggregationsrollen ermöglichen. Ob das zu Reduzierung oder Redeployment führt, hängt von Führungsentscheidungen ab, nicht von technologischer Zwangsläufigkeit.

Der Executive-Entscheidungsrahmen

Bevor Sie eine Personalentscheidung auf KI-Annahmen basieren (ob Einstellung, Umstrukturierung oder Kürzung), stellen Sie sich diese drei Fragen:

1. Geht es bei dieser Rolle primär um Volumen oder Urteilsvermögen? Rollen, die existieren, um Volumen zu bewältigen (Datenverarbeitung, Report-Erstellung, Terminplanung, First-Line-Support), sind die Rollen, die KI am schnellsten ersetzt. Rollen, die existieren, um Urteil im Kontext anzuwenden (Daten interpretieren, Beziehungen pflegen, mit Ambiguität umgehen), sind wesentlich dauerhafter. Wenn Sie diese Frage für eine bestimmte Rolle nicht klar beantworten können, verstehen Sie die Rolle wahrscheinlich nicht gut genug, um sie umzustrukturieren.

2. Wie sieht die 18-monatige Automatisierungstrajektorie für diese Funktion aus? Nicht alle KI-Adoptionen verlaufen gleich schnell. Die Automatisierung des Kundensupports bewegt sich schneller als KI-gestützte Finanzmodellierung. Die Automatisierung der Dateneingabe ist weitgehend abgeschlossen; KI-gestützte strategische Planung steckt noch in den Anfängen. Bauen Sie Ihre Personalplanung auf realistischen Zeitrahmen auf, nicht auf Worst-Case-Szenarien. Das ist besonders wichtig im Hinblick auf die KI-Kompetenzlücke, die Führungskräfte falsch einschätzen, denn überstürzte Entscheidungen auf Basis aufgeblähter Zeitpläne richten genauso viel Schaden an wie Untätigkeit.

3. Welche neuen Rollen ermöglicht diese Automatisierung? Jedes Mal, wenn KI eine Funktion übernimmt, entsteht Kapazität. Die Frage ist, ob Sie planen, diese Kapazität in neue, höherwertige Rollen zu überführen, oder sie schlicht als Kosteneinsparungen zu verbuchen. Unternehmen, die das richtig machen, denken über beide Seiten der Gleichung gleichzeitig nach. Lesen Sie, wie führende mittelständische Unternehmen KI-Führungskräfte ernennen, um diesen Übergang zu steuern: Der CAIO ist kein Modetrend.

Wie das Organigramm in 18 Monaten aussieht

Die mittelständischen Unternehmen, die diesen Wandel gut navigieren, eliminieren Stellen nicht pauschal. Sie gestalten sie neu. Und sie tun das durch eine Kombination aus Fluktuationsmanagement, Rollenneugestaltung und gezielter Weiterbildung, nicht durch reaktive Umstrukturierung aus Angst, zu langsam zu sein.

So unterscheiden sich die Organigramme KI-vorwärtsgerichteter mittelständischer Unternehmen:

Weniger isolierte Spezialrollen, die nur existieren, um Informationen zwischen Systemen zu bewegen. Mehr generalistisch arbeitende Betreiber, die KI-Tools einsetzen, um das zu erledigen, wofür früher drei verschiedene Spezialisten nötig waren. Dedizierte KI-Governance- und -Operations-Funktionen, auch wenn es nur eine Person ist. Und eingebettete KI-Kompetenz in jedem umsatzorientierten Team.

Die Unternehmen, die Schwierigkeiten haben, behandeln KI-Workforce-Transformation als IT-Projekt oder Kostensenkungsmaßnahme. Diejenigen, die es richtig machen, behandeln es als Frage des Organisationsdesigns: Wie muss unser Unternehmen aussehen, um 2027 wettbewerbsfähig zu sein, und was müssen wir aufbauen, einstellen und neu definieren, um dorthin zu gelangen?

Das ist eine andere Frage als „welche Jobs wird KI eliminieren". Und es ist die richtige Frage, die Sie stellen sollten.

Weiterführende Artikel