Eine neue Studie der Harvard Business School und Stanford University bringt Klarheit in eine zentrale Frage der Arbeitswelt im KI-Zeitalter: Macht generative KI (GenAI) Laien zu Experten? Die Antwort ist differenziert – und entscheidend für Unternehmen, Personalentwicklung und die Zukunft der Arbeit.
Im Kern beschreibt die Studie den sogenannten „GenAI-Wall Effect“: eine unsichtbare Wand, an der die Leistungsfähigkeit von KI als Kompetenzverstärker endet. Solange Aufgaben formalisiert und nah an bestehendem Wissen sind, hilft KI dabei, Wissenslücken zu überbrücken. Doch je weiter die Aufgabe vom eigenen Fachgebiet entfernt ist – etwa ein Softwareentwickler soll plötzlich Marketingtexte schreiben – desto deutlicher wird: Ohne Domänenwissen bleibt auch die beste KI stumpf.
Die Studie im Überblick
In einem Feldexperiment wurden drei Gruppen von Mitarbeitenden mit einer typischen Web-Marketing-Aufgabe konfrontiert:
Insider (Web-Analyst:innen),
nahe Outsider (Marketing-Spezialist:innen),
ferne Outsider (z. B. Entwickler:innen und Data Scientists).
Alle sollten einen strukturierten Marketingartikel konzipieren und anschließend ausformulieren – teils mit KI-Hilfe, teils ohne. Ergebnis:
In der Konzeptionsphase glättete KI die Leistungsunterschiede deutlich. Auch fachfremde Teilnehmende erstellten mithilfe von GenAI solide Entwürfe.
In der Ausführung aber zeigte sich die Grenze: Nur die Insider und nahen Outsider verfassten mit KI qualitativ hochwertige Texte. Die fachfernen Tech-Mitarbeitenden blieben klar zurück – trotz Unterstützung.
Der Grund: KI kann Struktur und Vorschläge liefern, aber nicht bewerten, selektieren oder kontextualisieren. Wer kein Gefühl für Zielgruppenansprache, SEO oder Marketing-Jargon hat, erkennt nicht, was im KI-Output passt – oder nicht passt.
Was das bedeutet
Generative KI ist kein Ersatz für Erfahrungswissen, sondern ein Werkzeug, das dieses Wissen voraussetzt – oder zumindest ergänzt. Sie kann Aufgaben beschleunigen, vereinfachen und den Zugang zu Best Practices demokratisieren. Aber sie kann kein Urteilsvermögen erzeugen, wo keines ist.
Besonders deutlich wird das am Beispiel der Tech-Mitarbeitenden: Ihnen fehlte die „Spürnase“ für guten Marketing-Content. Ihre Texte wirkten zwar korrekt, aber oft neben der Spur – weil sie nicht wussten, was im Marketing zählt. Die KI wurde zum Generator, aber nicht zum Veredler.
Wann KI als Superkraft wirkt – und wann nicht
Funktioniert gut: Bei strukturierten Aufgaben, innerhalb verwandter Berufsfelder, wenn Grundverständnis vorhanden ist.
Funktioniert nicht gut: Bei kreativen, interpretativen oder domänenspezifischen Tätigkeiten ohne Basiswissen.
Das Bild von GenAI als Superkraft ist also richtig – aber nur im richtigen Kontext. Ohne Fachwissen kann man mit KI auf „Grundniveau“ arbeiten, mehr aber nicht.
Implikationen für Unternehmen
Für die Praxis bedeutet das:
KI gezielt zur Horizont-Erweiterung einsetzen, z. B. für Crosstraining zwischen verwandten Abteilungen.
Fachliche Expertise bleibt zentral, vor allem bei komplexen Aufgaben.
Karriereprofile ändern sich: Gefragt sind zunehmend T-Profile – tiefe Expertise in einem Feld, plus breites anschlussfähiges Wissen.
KI ermöglicht agilere Arbeitsmodelle, etwa wenn ein Team flexibel Aufgaben zwischen Content, SEO und Analytics aufteilen kann – aber nicht beliebig über Fachgrenzen hinweg.
Der Traum vom KI-Generalisten, der alles kann, bleibt also genau das: ein Traum. Selbst mit KI braucht es Fachkräfte mit Verständnis für das eigene Handwerk. Für Jobs an der Wissensgrenze – ob Chirurgie, Quantenforschung oder politische Strategie – bleibt menschliche Expertise auf absehbare Zeit alternativlos.
Fazit
Generative KI nivelliert Leistungsunterschiede – aber nicht unbegrenzt. Sie ist ein Produktivitätsbooster, kein Allheilmittel. Wer Fachwissen mit KI-Skills kombiniert, wird profitieren. Wer sich nur auf die KI verlässt, riskiert mittelmäßige Ergebnisse – und fatale Fehleinschätzungen.
Die KI gibt uns Werkzeuge. Aber ob wir sie richtig nutzen, hängt von uns ab.