KI und Teamgröße: Ist das Fünferteam jetzt ein Mensch und eine KI?

KI und Teamgröße hängen zusammen, aber nicht so, wie die Schlagzeilen nahelegen: Die beste verfügbare Evidenz zeigt, dass KI die Produktivität bei bestimmten Aufgaben steigert, oft um 15–40 %, aus Fünferteams aber nicht einen Menschen und eine KI gemacht hat. Wo Teams kleiner werden, geschieht das vor allem über weniger Neueinstellungen, insbesondere von Nachwuchskräften, nicht über Massenentlassungen.

Diese Unterscheidung ist für HR wichtig. Ein Team, das schrumpft, weil Abgänge nicht nachbesetzt oder Junior-Stellen nicht besetzt werden, sieht in Personalplanung, Vergütungsstrukturen und Karrierepfaden ganz anders aus als ein Team, das abgebaut wird. Dieser Artikel fasst zusammen, was begutachtete und offizielle Forschung tatsächlich zeigt, ergänzt die weltweiten Stellenanzeigendaten von TalentUp für 2024–2026 und leitet daraus konkrete Schritte für HR- sowie Compensation-&-Benefits-Teams (C&B) ab.

Werden Teams durch KI kleiner? Die kurze Antwort

Die Vorstellung, dass „das Fünferteam jetzt ein Mensch und eine KI ist“, stammt vor allem aus Start-up-Anekdoten und dem Marketing von Anbietern. Die Forschung zeichnet ein differenzierteres Bild:

• Aufgabenebene: KI macht Menschen schneller und, bei weniger Erfahrenen, besser bei einem klar umrissenen Spektrum von Aufgaben. Bei Aufgaben jenseits der Fähigkeiten der KI kann sie die Leistung verschlechtern.
• Unternehmensebene: Unternehmen, die generative KI einführen, stellen weniger Nachwuchskräfte ein als vergleichbare Unternehmen, während die Beschäftigung erfahrener Mitarbeitender weiter wächst.
• Gesamtwirtschaftliche Ebene: Große Studien auf Basis von Lohnabrechnungs- und Verwaltungsdaten finden bislang keinen breiten Rückgang von Beschäftigung, Arbeitsstunden oder Einkommen, mit einer wichtigen Ausnahme: junge Beschäftigte in Berufen, in denen KI Aufgaben automatisiert.

Mit anderen Worten: KI verändert die Form von Teams (weniger Einstiegspositionen, mehr Senior-Arbeit pro Person) schneller als ihre Größe. Das ist trotzdem eine große Herausforderung für die Personalplanung, nur eine andere als die, die die meisten Schlagzeilen beschreiben.

Was die Forschung über KI-Produktivität zeigt

Die belastbarste Evidenz stammt aus randomisierten Experimenten und Feldstudien mit echten Beschäftigten. Das sind die am häufigsten zitierten Studien und ihre tatsächlichen Ergebnisse:

Das Experiment bei Procter & Gamble kommt der Behauptung „ein Mensch und eine KI“ am nächsten und verdient eine genaue Lektüre. Eine Fachkraft mit KI erzielte bei einer bestimmten Innovationsaufgabe gleich gute Ergebnisse wie ein Zweierteam ohne KI. Teams mit KI schnitten weiterhin am besten ab. Das belegt, dass KI einen Teil der Vorteile von Zusammenarbeit ersetzen kann, nicht aber ein Fünferteam.

Wo KI-Gewinne groß sind und wo sie klein ausfallen

Die Studie mit den Beratenden prägte den Begriff der „zerklüfteten technologischen Grenze“ (jagged technological frontier): KI ist bei manchen Aufgaben sehr gut und bei anderen, scheinbar ähnlichen, überraschend schwach. Das erklärt, warum die obigen Zahlen von einem Gewinn von 40 % bis zu einem Verlust von 19 % reichen.

Großangelegte Daten bestätigen, dass Laborgewinne nicht automatisch zu Veränderungen am Arbeitsmarkt führen. Humlum und Vestergaard (2025) verknüpften Umfragen zur Nutzung von KI-Chatbots mit dänischen Verwaltungsdaten für rund 25.000 Beschäftigte in 11 exponierten Berufen und fanden für 2023–2024 Effekte auf Einkommen und erfasste Arbeitsstunden nahe null. Die Beschäftigten berichteten von moderaten Zeitersparnissen von etwa 3 %, und ein Teil der eingesparten Zeit floss in neue Aufgaben, die die KI selbst geschaffen hatte, etwa die Prüfung der Ergebnisse.

Die Lehre für HR: Personaleinsparungen ergeben sich nicht automatisch. Produktivitätsgewinne verändern die Teamgröße nur, wenn die Arbeit neu organisiert wird, und sie konzentrieren sich auf bestimmte Aufgaben, nicht auf ganze Jobs.

Weniger einstellen statt entlassen: Druck auf Einstiegspositionen

Der bislang deutlichste Beschäftigungseffekt von KI betrifft Menschen am Anfang ihrer Karriere.

• Stanford, „Canaries in the Coal Mine“ (Brynjolfsson, Chandar und Chen): Auf Basis von ADP-Lohnabrechnungsdaten bis Juni 2026 liegt die Beschäftigung von 22- bis 25-Jährigen in den am stärksten KI-exponierten Berufen etwa 19 % unter dem Niveau, das sie bei gleicher Entwicklung wie bei weniger exponierten Gleichaltrigen erreicht hätte (15 % in den Daten vom Juli 2025). Bei erfahrenen Beschäftigten zeigt sich keine vergleichbare Lücke. Die Autoren stellen fest, dass die Anpassung vor allem über weniger Einstellungen junger Beschäftigter und nicht über mehr Abgänge erfolgt und dass sich die Rückgänge auf Berufe konzentrieren, in denen KI Arbeit automatisiert statt sie zu ergänzen. Sie bezeichnen dies als deskriptive Muster, nicht als kausale Schätzungen.
• Hosseini und Lichtinger (Harvard, 2025): Mit Lebenslauf- und Stellenanzeigendaten zu rund 62 Millionen Beschäftigten in 285.000 US-Unternehmen zeigen sie, dass ab 2023 die Junior-Beschäftigung in Unternehmen, die generative KI einführen, im Vergleich zu Nicht-Anwendern deutlich zurückging, während die Senior-Beschäftigung weiter stieg, auch hier getrieben durch langsamere Einstellungen statt durch mehr Abgänge.

So wird ein Team kleiner, ohne dass jemand entlassen wird: Eine erfahrene Person geht und wird nicht ersetzt, oder die zwei für das nächste Jahr geplanten Absolventenstellen werden stillschweigend gestrichen. Die Lage in Europa beschreiben wir ausführlich in warum Einstiegsjobs in Europa immer schwerer zu finden sind, und was das für Quereinsteiger bedeutet, in kann ein Bootcamp Sie vorbereiten?.

Das langfristige Risiko für Arbeitgeber ist eine unterbrochene Talentpipeline: Wenn heute niemand Junioren einstellt, gibt es in fünf Jahren weniger erfahrene Leute, die befördert oder eingestellt werden können.

Was Stellenanzeigen zeigen: TalentUp-Daten für 2024–2026

TalentUp erfasst weltweit Stellenanzeigen für mehr als 800 Rollen. Wir haben drei Fragen untersucht: Verlangen Arbeitgeber KI-Tools als Kompetenz, stellen sie in KI-exponierten Rollen noch Junioren ein, und verschwinden Anzeigen für die am stärksten exponierten Rollen?

Quelle: TalentUp-Datenbank für Stellenanzeigen, Stellenanzeigen weltweit, Januar–September 2024 und 2026. Siehe Methodik unten.

KI-Tools sind zur Stellenanforderung geworden

Am schnellsten ist der Wandel in den Rollen, in denen die Forschung die größten Gewinne auf Aufgabenebene findet: Text und Softwareentwicklung. Typische Formulierungen sind „Erfahrung mit KI-gestützten Entwicklungstools (z. B. GitHub Copilot)“ oder „sicherer Umgang mit KI-Tools zur Beschleunigung von Arbeitsabläufen“. Im Kundensupport beziehen sich die meisten Erwähnungen gar nicht auf die Stelle, sondern auf KI im Einstellungsprozess, ein Zeichen dafür, dass KI dort vom Unternehmen eingesetzt und nicht den Mitarbeitenden in die Hand gegeben wird. Weitere 4,1 % der Textanzeigen im Jahr 2026 betreffen KI-Trainingsarbeit, etwa das Schreiben und Bewerten von Inhalten für Sprachmodelle, gegenüber 2,9 % im Jahr 2024.

Weniger Junior-Stellen in KI-exponierten Rollen

Der Junior-Anteil ist in den meisten Berufsfamilien der Wissensarbeit gesunken, am stärksten in der Softwareentwicklung, wo er in zwei Jahren um mehr als ein Drittel zurückging, verglichen mit einem deutlich geringeren Rückgang über alle Anzeigen hinweg. Marketing ist die Ausnahme. Das passt zum Muster „weniger einstellen statt entlassen“ aus der Forschung: Arbeitgeber schreiben weiterhin Entwicklerstellen aus (ihr Anteil an allen Anzeigen ist sogar gewachsen), suchen aber erfahrenere Leute.

Exponierte Rollen verschwinden nicht aus den Stellenanzeigen

Anzeigen für die Rollen, die am häufigsten als „durch KI ersetzbar“ beschrieben werden, sind nicht eingebrochen. Zwischen 2024 und 2026 stieg der Anteil von Kundensupport-Rollen an allen Anzeigen von 0,47 % auf 0,55 %, Dateneingabe ging von 0,11 % auf 0,10 % zurück und Text und Content von 0,15 % auf 0,12 %, wobei der Großteil dieses Rückgangs zwischen 2024 und 2025 erfolgte. Anzeigen für Übersetzer nahmen zu, vor allem wegen Freelance-Plattformen. Anzeigen für KI- und Machine-Learning-Ingenieure wuchsen von 0,14 % auf 0,53 % aller Anzeigen. Veränderungen im Mix der Quellen, die wir erfassen, machen diese Anteile weniger verlässlich als die Vergleiche innerhalb einer Rolle weiter oben; lesen Sie sie daher als „kein Einbruch“, nicht als präzise Trends.

Wie sich Rollen und Vergütung verändern, wenn Teams kleiner werden

Wenn weniger Menschen mit KI mehr Arbeit erledigen, werden sie dann besser bezahlt? Die bisherige Evidenz sagt: nicht automatisch.

• In den Stanford-Lohnabrechnungsdaten zeigt sich die Anpassung bei der Beschäftigung, nicht beim Grundgehalt: Die Löhne junger Beschäftigter in exponierten Jobs sind nicht gesunken, aber weniger von ihnen sind beschäftigt.
• In Dänemark stellen Humlum und Vestergaard fest, dass nur ein kleiner Teil der KI-Produktivitätsgewinne bei den Einkommen der Beschäftigten angekommen ist.
• In der Kundensupport-Studie half KI neuen Mitarbeitenden, schneller das Leistungsniveau erfahrener Kolleginnen und Kollegen zu erreichen, was den Wert der Betriebszugehörigkeit verringert, statt die Bezahlung für alle zu erhöhen.

Einen Aufschlag bringt dagegen spezialisierte KI-Arbeit. In den Stellenanzeigen von TalentUp aus dem Jahr 2026 mit Jahresgehaltsangabe liegt der Median für KI- und Machine-Learning-Ingenieure bei 172.200 € in den USA gegenüber 147.200 € für Softwareentwickler (+17 %), 111.900 € gegenüber 88.100 € im Vereinigten Königreich (+27 %), 103.900 € gegenüber 87.000 € in Kanada (+19 %) und 62.400 € gegenüber 43.700 € in Spanien (+43 %). Diesen Aufschlag schlüsseln wir nach Land, Rolle und Kompetenz in der KI-Gehaltsaufschlag in Europa auf.

Die wahrscheinliche Entwicklung der Rollen ist klarer als die der Vergütung:

Was HR- und C&B-Teams tun sollten

Wie KI die HR-Funktion selbst umgestaltet, behandeln wir in wie KI das HR-Betriebsmodell neu schreibt. Für den Rest der Organisation gelten folgende Prioritäten.

1. Personal nach Aufgaben planen, nicht nach Headcount-Quoten

Planen Sie Budgets nicht unter der Annahme, dass KI Teams um einen festen Prozentsatz verkleinert. Erfassen Sie die Hauptaufgaben jeder Rolle, markieren Sie, welche automatisiert, ergänzt oder nicht betroffen sind, und testen Sie die Gewinne in einem Pilotprojekt, bevor Sie den Personalbestand ändern. Die Evidenz zeigt große Gewinne bei manchen Aufgaben und Verluste bei anderen.

2. Die Junior-Pipeline bewusst schützen

Wenn Sie keine Junioren mehr einstellen, müssen Sie später erfahrene Talente zu Marktpreisen einkaufen. Halten Sie einen Mindestanteil an Einstiegspositionen, gestalten Sie diese rund um Aufgaben, die KI schlecht erledigt (Kundenkontakt, Urteilsvermögen, teamübergreifende Arbeit), und nutzen Sie KI als Lernwerkzeug, denn dort findet die Forschung die größten Gewinne.

3. Jobarchitektur und Leveling aktualisieren

Wenn eine Rolle KI-gestützte Arbeit übernimmt, können sich ihr Umfang, ihre Verantwortung und ihr Level ändern. Überprüfen Sie Stellenbeschreibungen, Leveling-Kriterien und Karrierepfade, damit breitere Rollen konsistent eingestuft werden, und vermeiden Sie neue Jobtitel für etwas, das in Wahrheit dieselbe Stelle plus ein Tool ist.

4. Umfang und Ergebnisse vergüten, nicht die „KI-Nutzung“

Der Umgang mit KI-Tools wird zur Grunderwartung, nicht zu einer Kompetenz, die für sich genommen einen Aufschlag rechtfertigt. Reservieren Sie Aufschläge für spezialisierte KI-Rollen und für Rollen, deren Umfang tatsächlich gewachsen ist, und benchmarken Sie diese mit den Gehaltsdaten von TalentUp am Markt statt an einzelnen Angeboten. Nach der EU-Entgelttransparenzrichtlinie, die nach ihrer Umsetzung über nationale Gesetze gilt, müssen Vergütungsunterschiede auf objektiven, geschlechtsneutralen Kriterien beruhen. Dokumentieren Sie daher, warum eine KI-gestützte Rolle in einem höheren Gehaltsband liegt.

5. Weiterbilden, bevor Sie umstrukturieren

Schulen Sie Ihre Mitarbeitenden in den Tools und in der zerklüfteten Grenze: wann man KI-Ergebnissen vertrauen kann und wann nicht. Die Ergebnisse von METR und BCG zeigen, dass falscher Einsatz mehr kosten kann, als er einspart.

6. Beschäftigte einbinden und die Pflichten der KI-Verordnung erfüllen

In der EU gelten KI-Systeme, die für Rekrutierung, Beförderung, Kündigung, Aufgabenzuweisung oder die Bewertung von Beschäftigten eingesetzt werden, nach der KI-Verordnung (AI Act) als Hochrisiko-Systeme. Infolge des digitalen Omnibus zur KI (Verordnung (EU) 2026/1744) gelten diese Pflichten ab dem 2. Dezember 2027 statt ab dem 2. August 2026. Bevor ein solches System am Arbeitsplatz eingesetzt wird, müssen Arbeitgeber die Arbeitnehmervertretungen und die betroffenen Beschäftigten informieren. Nationale Regeln zu Information, Anhörung und Mitbestimmung, etwa die Rechte des Betriebsrats, können mehr verlangen, und jede Umstrukturierung, die zu Kündigungen führt, löst die üblichen Verfahren bei Massenentlassungen aus.

Fazit

Das Fünferteam ist noch nicht ein Mensch und eine KI. Was die Evidenz zeigt, ist leiser, aber ebenso wichtig: KI macht Menschen bei bestimmten Aufgaben schneller, Unternehmen reagieren mit weniger Junior-Einstellungen, und Stellenanzeigen behandeln KI-Tools zunehmend als Standardanforderung. Die Vergütung ist der Produktivität nicht gefolgt, außer bei spezialisierten KI-Rollen.

Für HR- und C&B-Teams geht es darum, diesen Wandel bewusst zu steuern: nach Aufgaben planen, eine Junior-Pipeline erhalten, die Jobarchitektur aktualisieren und KI-gestützte Rollen evidenzbasiert vergüten. Sehen Sie sich die TalentUp-Tarife an, um zu erfahren, wie die Marktdaten von TalentUp diese Entscheidungen unterstützen können, oder lesen Sie unsere Methodik.

Quellen

• TalentUp. Datenbank für Stellenanzeigen, Stellenanzeigen weltweit, Januar–September 2024, 2025 und 2026. Methodik.
• Brynjolfsson, E., Li, D. und Raymond, L. (2025). Generative AI at Work. Quarterly Journal of Economics, 140(2). Working-Paper-Fassung: arXiv 2304.11771.
• Noy, S. und Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654).
• Dell’Acqua, F. et al. (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Working Paper 24-013.
• Dell’Acqua, F. et al. (2025). The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise. NBER Working Paper 33641.
• Becker, J., Rush, N., Barnes, E. und Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR.
• Humlum, A. und Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. NBER Working Paper 33777 / BFI Working Paper 2025-56.
• Brynjolfsson, E., Chandar, B. und Chen, R. (2025, überarbeitet im August 2026). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab.
• Hosseini, S. M. und Lichtinger, G. (2025). Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data. Working Paper.
• Europäische Union. Verordnung (EU) 2024/1689 (KI-Verordnung). EUR-Lex.
• Europäisches Parlament. Digitaler Omnibus zur KI, Verordnung (EU) 2026/1744. Legislative Train Schedule.
• Europäische Union. Richtlinie (EU) 2023/970 zur Entgelttransparenz. EUR-Lex.