Ersetzt KI meinen Job? Eine ehrliche Analyse ohne Panik

Kurz gesagt: KI ersetzt Aufgaben, keine Berufe. Dass ein ganzer Beruf verschwindet, kommt selten vor — was sich ändert, ist der Zuschnitt der Arbeit und damit auch, was von Menschen erwartet wird. Die praktische Antwort auf die Angst ist keine Prognose, sondern: zerleg deinen eigenen Job in Aufgaben und schau, welche automatisierbar sind und welche an Verantwortung, Kontext und Kontakt zu Menschen hängen. Und dann schau dir sehr genau an, was dir unter dem Wort „Umschulung“ verkauft wird — wir haben diesen Markt vermessen, und die Zahlen ernüchtern.

Zuerst: warum die Frage bedrohlicher wirkt, als sie ist

Die Angst vor dem Ersetztwerden funktioniert so: Wir denken uns einen Beruf als Block und vergleichen uns als Ganzes mit einer Maschine. Aber niemand stellt „einen Buchhalter im Allgemeinen“ ein — man stellt einen Menschen für einen bestimmten Satz Aufgaben ein. Und die Maschine nimmt eben auch keinen Menschen, sie nimmt einzelne Aufgaben. Sobald du von „Werden Buchhalter ersetzt?“ zu „Welche meiner 14 Wochenaufgaben könnte ein Modell erledigen?“ wechselst, hört die Frage auf, bedrohlich zu sein, und wird zu Arbeit.

Ein Blick zurück hilft auch. Geldautomaten haben die Bankangestellten nicht ausgelöscht — es gab mehr Filialen, und die Aufgaben verschoben sich zur Beratung. Tabellenkalkulation hat das Nachrechnen von Hand abgeschafft und die Nachfrage nach Finanzanalysten erhöht. Das ist keine Garantie, dass es immer so läuft, und kein Versprechen, dass Übergänge schmerzfrei sind. Aber es erinnert daran: Aufgaben zu automatisieren und einen Beruf abzuschaffen sind zwei verschiedene Dinge.

Es gibt einen zweiten Grund, warum die Frage lauter klingt, als sie sollte. Angst ist ein Geschäft. Jede laute Prognose über „X % der Jobs fallen bis 20YY weg“ hat jemand bezahlt, und dieser Jemand verkauft fast immer entweder die KI selbst oder die Rettung vor ihr. Weiter unten zeigen wir, wie das zweite Geschäft von innen aussieht — denn das ist der Teil, den wir selbst vermessen haben.

Was KI heute wirklich gut kann

• Einen ersten Entwurf von allem Schriftlichen: E-Mail, Plan, Beschreibung, Anleitung.
• Verdichten und Strukturieren: ein langes Dokument in fünf Punkte, Notizen in eine Tabelle.
• Übersetzen und den Ton wechseln — schnell und auf ordentlichem Niveau.
• Routinecode nach Schema F und fremden Code erklären.
• Varianten erzeugen: zwanzig Überschriften, damit du eine aussuchen kannst.
• Unbekanntes erklären, in einfachen Worten — ein Privatlehrer für jedes Thema.
• Grobe Sortierung: hundert eingehende Anfragen in unter einer Minute nach Thema ordnen.

Achte darauf, was all das gemeinsam hat: Das Ergebnis ist sofort sichtbar und in Sekunden prüfbar. Einen schlechten Entwurf sieht man. Eine schlechte Übersetzung holpert. Eine schlechte Zusammenfassung fällt in sich zusammen, sobald du sie mit dem Original vergleichst. Deshalb gehen diese Aufgaben zuerst — nicht weil sie „einfach“ wären, sondern weil der Preis eines Fehlers bei fast null liegt: Du merkst ihn, bevor er irgendwohin gelangt.

Wo sie zuverlässig stolpert

• Verantwortung. Ein Modell kann für Folgen nicht geradestehen. Unterschrift, Risiko und Entscheidung bleiben beim Menschen — das ist keine technische Grenze, sondern der Bauplan von Verantwortung.
• Verlässlichkeit. Sie irrt sich mit voller Überzeugung, und am Tonfall ist der Fehler nicht von der Wahrheit zu unterscheiden — siehe KI-Halluzinationen.
• Unausgesprochener Kontext. Alles, was in deiner Firma, deiner Branche, deiner Kundenbeziehung „ohnehin jeder weiß“, ist für das Modell unsichtbar.
• Menschlicher Kontakt. Harte Verhandlungen, jemanden durch eine schlechte Phase begleiten, über Jahre gewachsenes Vertrauen.
• Die physische Welt. Hände, Gegenstände, Bedingungen abseits der Norm — es geht voran, aber viel langsamer als beim Text.
• Die Frage stellen. Das Modell beantwortet eine Frage, aber es weiß nicht, welche Frage sich gelohnt hätte. Das bleibt Menschenarbeit.

Auch das hat eine Gemeinsamkeit: In all diesen Punkten kannst du nicht schnell prüfen, ob das Modell recht hat. Nicht weil es dort dümmer wäre, sondern weil kein Maßstab zur Hand ist. Daraus folgt eine Faustregel, die mehr wert ist als jede Prognose: Eine Aufgabe wandert genau so weit zur KI, wie es billig ist, das Ergebnis zu prüfen. Nicht „schwer oder leicht“. Nicht „kreativ oder Routine“. Prüfbar oder nicht.

Denk kurz nach, bevor du weiterliest: Schreib auf, was du letzte Woche im Job gemacht hast, Punkt für Punkt. Markier die, bei denen (a) das Ergebnis prüfbar ist, (b) ein Fehler nicht kritisch ist, (c) kein Kontext nötig ist, den das Modell nicht kennt. Genau die gehen zuerst — und wahrscheinlich wirst du froh sein, sie los zu sein.

Zerleg deinen Job direkt hier

Unten steht ein einsatzfertiger Prompt. Er ist in sich geschlossen: Die Aufgabenliste eines echten Menschen steckt schon drin. Also drück auf „Ausführen“ und sieh dir die ganze Argumentation an. Danach setzt du deine eigenen Aufgaben ein.

Du bist Karriereanalyst. Antworte ehrlich — ohne Hype, ohne Trost.

Hier ist die echte Wochenliste einer Office-Managerin im Vertrieb:
1. Aus einem CRM-Export eine Tabelle mit dem Abschlussbericht für die Chefin bauen.
2. 12 Zahlungserinnerungen an säumige Kunden schreiben.
3. Einen Kandidaten für eine Assistenzstelle interviewen.
4. Mit dem Vermieter zwei Wochen Mietaufschub aushandeln.
5. Die Agenda für das wöchentliche Meeting schreiben und verschicken.
6. 60 eingehende Anfragen sichten und an die richtigen Vertriebler weiterleiten.
7. Einem Mitarbeiter sagen, dass seine Probezeit nicht verlängert wird.
8. Die Onboarding-Anleitung für neue Kollegen aktualisieren.
9. Rechnungen von Dienstleistern prüfen und zur Zahlung freigeben.
10. Entscheiden, wer von zwei Vertrieblern den größten Kunden bekommt.

Aufgabe: Sortiere diese 10 Punkte in drei Gruppen —
A) KI erledigt das heute schon fast vollständig,
B) KI beschleunigt es, aber Entscheidung und Unterschrift bleiben beim Menschen,
C) schlecht automatisierbar.

Gib zu JEDEM Punkt eine Zeile mit dem entscheidenden Kriterium:
Kannst du in einer Minute prüfen, ob das Ergebnis stimmt — und woran?
Nenn dann die 2 Punkte, bei denen deine eigene Einordnung strittig ist,
und leg die Argumente beider Seiten dar.
Mach mir keine Angst und schmeichle mir nicht.

Achte darauf, was es zu den Punkten 3, 7 und 10 sagt. Mit ziemlicher Sicherheit landen sie in Gruppe C — begründet nicht mit „Schwierigkeit“, sondern damit, dass es nichts gibt, woran man die Antwort messen könnte: Ob die Entscheidung richtig war, weißt du in einem halben Jahr. Das ist die ganze Ersetzungsfrage in einer einzigen Beobachtung.

Was die lauten Zahlen sagen — und warum wir sie hier rausgeworfen haben

In einer früheren Fassung dieses Artikels standen die zwei meistzitierten Zahlen der Branche: „39 % der zentralen Kompetenzen ändern sich bis 2030“ und „71 % der Führungskräfte würden einen weniger erfahrenen Kandidaten mit KI-Kenntnissen einstellen“. Wir haben sie gestrichen. Der Grund ist simpel: Wir konnten sie nicht gegen die Primärquelle prüfen, und die Nacherzählung einer Nacherzählung weiterzugeben ist genau der Weg, auf dem im Netz Fakten aus dem Nichts entstehen.

Aber es geht nicht nur um Prüfbarkeit. Selbst wenn diese Zahlen exakt wären, nützen sie dir persönlich nichts. „Kompetenzen ändern sich“ heißt nicht „Leute werden entlassen“. Eine Umfrage unter Führungskräften ist eine Absicht im Fragebogen, keine Handlung beim Einstellen. Und vor allem: Keine der beiden Zahlen beantwortet deine Frage. Du hast gefragt, ob dein Job wegfällt — und bekommst einen Planetendurchschnitt.

Also haben wir etwas gemessen, was man tatsächlich messen kann und was dich tatsächlich betrifft.

Unsere Recherche: Wir haben den Markt der „Rettung vor der KI“ vermessen

Die Branche hat auf „KI ersetzt meinen Job“ genau eine Antwort: schul dich um. Kauf einen Kurs. Wenn du also wissen willst, ob Panik angebracht ist, lohnt der Blick darauf, was unter diesem Wort tatsächlich verkauft wird. Wir haben die Daten der größten nichttechnischen KI-Kurse auf Udemy (über deren interne API) und der Coursera-Topliste gezogen, samt Bewertungen. Das haben wir gefunden.

Erstens: Die Panik ist längst monetarisiert, und zwar im industriellen Maßstab

Ein einziger Kurs — Google AI Essentials auf Coursera — hat 1.876.929 Anmeldungen. Generative AI for Everyone von DeepLearning.AI (Andrew Ng) hat 814.083. Prompt Engineering for ChatGPT von Vanderbilt hat 698.444. Generative AI: Prompt Engineering Basics von IBM hat 654.256. Auf Udemy kommt Generative AI for Beginners (Aakriti E-Learning) auf 409.492 Teilnehmer bei 121.079 Bewertungen und 4,53 Sternen. The Complete AI Guide hat 376.845 Teilnehmer, 42 Stunden Video und 545 Lektionen. Steve Ballingers ChatGPT: Complete Course For Work hat 281.823.

Behalt diese Zahlen im Kopf, wenn dir das nächste Mal jemand erzählt, die Leute würden sich nicht vorbereiten. Millionen haben sich längst angemeldet. Die Frage ist nicht, ob der Markt sich vorbereitet — sondern was er dafür bekommt.

Zweitens: Die „Nische für Einsteiger“ ist nicht leer, sie ist überfüllt

Wir haben die Voraussetzungen der acht größten Udemy-Kurse gelesen. Programmieren muss man nirgends. Wörtlich: "No prerequisites as ChatGPT is a tool anyone can access and use immediately" (Ballinger); "No coding skills needed" (Wheeler); "A desire to learn" (Aakriti); "No prior experience with AI or programming is needed" (Complete AI Guide).

Was das für dich heißt: „in KI einsteigen“ ist keine seltene Fähigkeit und kein Burggraben. Fast zwei Millionen Menschen machen denselben Einführungskurs wie du. Ein Zertifikat darüber, dass du weißt, was ein Prompt ist, unterscheidet dich von niemandem.

Drittens: Den Rabatt, hinter dem du herhetzt, gibt es nicht

Das ist der maschinell am besten prüfbare Fakt, den wir haben. Hier die Rohantwort von Udemys eigener API auf einer Kursseite:

"price": {"amount": 24.99, "currency": "EUR"}
"list_price": {"amount": 24.99, "currency": "EUR"}
"saving_price": {"amount": 0.0}
"has_discount_saving": false
"discount_percent": 0

Der Preis ist gleich dem „alten Preis“. Ersparnis: null. Rabatt: null. 11 von 12 Topkursen liegen bei 19,99 €, einer (Complete AI Guide) bei 24,99 €. Alles, was im Schaufenster nach ablaufendem Angebot aussieht, gehört zur Oberfläche, nicht zum Preis.

Was hat das in einem Artikel über deinen Job zu suchen? Angst ist eine schlechte Käuferin. Wer um sein Einkommen fürchtet, hetzt und prüft nicht. Und Prüfen hätte hier eine Minute gedauert.

Viertens: Was die sagen, die schon bezahlt haben

Wir haben die Bewertungen von Hand gesammelt und gelesen. Anteil negativer Noten (≤3,5★) auf Udemy: 9,61 % bei Generative AI for Beginners, 10,36 % beim Complete AI Guide. Auf Coursera deutlich niedriger — 1,5–3,5 %. Aber interessanter als die Prozente ist, worüber die Leute schreiben. Die Beschwerden fallen in ein sehr schmales Raster.

Der Kurs ist eine vorgelesene Folie.

"why read straight from the slide? I can do that. This was not a helpful course at all" — Janie I., 02.07.2026, 1★

"50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website" — Shashank T., 13.04.2026, 1★ (Complete AI Guide)

"Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word" — Bradley M., 16.04.2026, 1★ (ein Kurs mit 118.000 Teilnehmern)

"They are just reading the prompter sometimes without even knowing the point. Hating myself after purchasing it." — Sachin S., 13.07.2026, 1★ (Complete AI Guide)

Niemand prüft, ob du etwas gelernt hast. Das ist der beunruhigendste Fund, und er trifft die Idee „Umschulung gleich Schutz“ direkt:

"you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not." — Shinysheep, 21.09.2023, 1★ (Vanderbilt, Prompt Engineering)

"Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience." — Laurie J Phillips, 12.04.2024, 3★ (IBM)

"quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'" — Cory Covino, 04.05.2024, 2★ (IBM)

"All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter." — Cornelius Griggs, 1★ (Generative AI with LLMs)

Prompten sollte gelehrt werden — wurde es nicht. Und das bei Kursen, die „prompt engineering“ im Titel tragen:

"There is nothing teached about creating a good prompt. It is just an overview of types of prompts." — Geralt O., 01.07.2026, 2★

"No specific guidance on prompt engineering… what to avoid while asking, how to organize your thoughts, how to give feedback to AI based on its answers etc." — Bharat Ram A., 05.06.2026, 1.5★

"i thought it would go deeper in prompts and have more examples and sessions to master or enhance our current prompts." — Manuel L., 15.06.2026, 2★

"Didnt meet expectations, only theory is discussed which we already know." — Aditya Nagavolu, 19.11.2023, 1★ (Generative AI for Everyone)

Fünftens: Was das im Monat kostet

Coursera Plus kostet 50 €/Monat oder 343 €/Jahr (14 Tage Rückgabefrist). Googles eigene Programme auf Coursera laufen für 49 $/Monat nach 7 Tagen Testphase. Udemys Personal Plan liegt bei 20,00 €/Monat, in der Aktion bei 10,00 €/Monat; diese beiden Zahlen stammen von Udemys Landingpage und nicht aus der API, weil die Seite einem Crawler ein 403 zurückgibt — also eine schwächere Quelle als der Rest, und das sagen wir dazu. Gleichzeitig verlangt Vanderbilts Prompt Engineering Specialization ein kostenpflichtiges ChatGPT+-Abo, nur um die Aufgaben überhaupt bearbeiten zu können. Der Lernende zahlt also für den Kurs und für das Werkzeug — rund 70 € im Monat, um Videos zu schauen und automatisch "100% correct" zu bekommen.

Was daraus für dich folgt

Nicht „Kurse sind böse“. Manche sind ausgezeichnet, und Google AI Essentials mit 4,8 bei 22.557 Bewertungen ist offensichtlich kein Müll. Es folgt etwas anderes, und das wiegt schwerer als jede Prognose für 2030:

• Einen Kurs zu kaufen ist keine Handlung. Fast zwei Millionen Menschen haben schon auf „Anmelden“ gedrückt. Das unterscheidet dich nicht. Ihn anwenden zu können, schon.
• Ein Zertifikat beweist nichts. Wenn das System "100% correct" automatisch verteilt, sagt diese Note auch einem Arbeitgeber nichts. Die Teilnehmerin, die das schrieb, hatte recht: "no idea whether my answer was correct".
• Theorie ist der billigste Teil. Vier voneinander unabhängige Leute haben Geld bezahlt und danach geschrieben, es sei nur Theorie gewesen, die sie ohnehin kannten. Die Angst lässt dich Verstehen kaufen, obwohl du Können brauchst.
• Prüf Preis und Bedingungen in einer Minute. Derselbe Muskel wie beim Prüfen einer Modellantwort: Trau nicht dem Ton, schau auf die Daten.

Warum die Plattformen das nicht reparieren können (strukturell, nicht aus Faulheit)

Die Bewertung von Shinysheep handelt nicht von einem schlechten Dozenten. Sie handelt von Architektur. Um einen Prompt zu prüfen, braucht man ein Modell in der Lektion. Coursera hat keins. Udemy hat keins. Ein automatischer Prüfer kann einen Aufsatz darüber bewerten, was Few-Shot bedeutet. Er kann nicht prüfen, ob dein Prompt tatsächlich funktioniert — dafür muss der Prompt laufen. Das automatische "100% correct" ist deshalb keine Schlamperei, sondern das Einzige, was ohne Ausführung geht.

Daraus ergibt sich ein sauberer Test für jede KI-Schulung, unsere eingeschlossen: Wenn du nie einen Prompt ausführst und nie die Antwort siehst, lernst du, über KI zu reden, nicht, sie zu benutzen. Der „Ausführen“-Knopf unter den Blöcken in diesem Artikel ist genau dafür da — du kannst drücken und sehen, statt uns zu glauben.

Drei Fehler, die Leute bei dieser Frage machen

Fehler 1: sich mit dem Modell vergleichen statt mit dem Menschen, der es benutzt. ChatGPT wird dich nicht ersetzen. Verdrängen kann dich der Kollege, der deinen Arbeitstag in einer Stunde erledigt. Das ändert den Plan radikal: Nicht mit der Technik konkurrieren, sondern sie in die Hand nehmen.

Fehler 2: „kreativ“ für eine Rüstung halten. Die kreative Ausführung — zwanzig Überschriften, fünf Bildvarianten, ein Entwurf — geht zuerst, gerade weil sie sich sofort prüfen lässt. Die Entscheidung, welche der zwanzig Überschriften rausgeht und warum, geht nicht. Was dich schützt, ist nicht Kreativität, sondern die Entscheidung zu verantworten.

Fehler 3: auf Klarheit warten. Die Leute schieben es auf, bis es „klarer wird“. Wird es nicht. Dafür kannst du an einem Abend einen eigenen Fakt haben statt fremder Prognosen: Nimm eine echte Aufgabe, mach sie mit KI und ohne, und stopp die Zeit. Eine solche Messung wiegt mehr als sämtliche Berichte zusammen.

Teste das Modell an genau diesem Thema

Der zweite Prompt fängt das Modell dort, wo es schwach ist. In sich geschlossen, läuft so, wie er dasteht.

Du bist ein strenger Analyst. Unten steht ein Absatz aus einem Artikel
über den Arbeitsmarkt. Finde jede Aussage darin, die wie ein Fakt klingt,
aber von einem Leser nicht überprüft werden kann.

Absatz:
„Laut aktuellen Studien werden bis 2030 rund 40 % der Arbeitsplätze
automatisiert sein, und die Experten sind sich einig, dass es die kreativen
Berufe zuerst trifft. Schon heute haben 8 von 10 Unternehmen KI eingeführt,
und die durchschnittliche Zeitersparnis liegt bei 30 %.“

Gib zu jeder Aussage eine Tabelle mit drei Spalten:
1) die Aussage selbst,
2) warum sie nicht prüfbar ist (keine Quelle / keine Definition /
   Umfrage als Messung ausgegeben / Prognose als Fakt ausgegeben),
3) welche Frage der Leser dem Autor stellen muss, damit sie prüfbar wird.

Zum Schluss: Schreib den Absatz so um, dass keine einzige unüberprüfbare
Aussage übrig bleibt. Er darf deutlich kürzer werden.

Wende das auf jeden Artikel über KI und Arbeitsmarkt an — auch auf diesen. Genau so sind die beiden Zahlen hier rausgeflogen.

Wer genauer hinschauen sollte

Ohne Angstmacherei und ohne Liste „verlorener Berufe“ — solche Listen lassen sich ehrlich nicht aufstellen. Aber der Druck ist dort höher, wo die Arbeit überwiegend aus Aufgaben besteht, die einer Vorlage folgen, komplett in Text oder Daten leben, leicht prüfbar sind und keine persönliche Verantwortung für die Folgen tragen. Das ist kein Todesurteil für den Beruf — es ist ein Signal, sich innerhalb des Berufs zu dem Teil zu bewegen, der Urteilskraft, Kontext und Beziehungen braucht. Diesen Teil gibt es meistens, und meistens ist er der interessanteste.

Ein Argument gegen uns selbst. „Prüfbarkeit“ ist eine gute Regel, kein Naturgesetz. Es gibt reichlich Aufgaben, die leicht zu prüfen sind und die trotzdem niemand automatisiert: zu kleines Volumen, die Integration kostet mehr als die Ersparnis, oder die Vorschrift verlangt eine menschliche Unterschrift. Und umgekehrt: Eine schlecht prüfbare Aufgabe landet beim Modell, schlicht weil sie vorher auch niemand geprüft hat. Die Regel sagt dir also, wohin du schauen sollst, nicht was passieren wird.

Ein Plan für den nächsten Monat

1. Inventur machen. Zerleg deine Arbeit in Aufgaben und markier ehrlich die automatisierbaren. Zwanzig Minuten, ein Blatt Papier. Der Prompt oben macht die Hälfte für dich.
2. Übernimm zwei davon selbst. Warte nicht, bis ein anderer es tut. Die eigene Routine an die KI abzugeben ist der einzige Weg, derjenige zu bleiben, der den Prozess führt.
3. Miss nach. Ein typischer Fall mit KI und ohne. Eine echte Zahl heilt die Angst besser als jeder Artikel — in beide Richtungen.
4. Investier in das Nichtautomatisierbare. Probleme fassen, verhandeln, Verantwortung tragen, Branchenkontext, Beziehungen. Das wird teurer, je billiger die Ausführung wird.
5. Lern, einen Prompt zu debuggen, statt eine Formel auswendig zu lernen. Genau diese Lücke beklagen sieben Bewertungen in unseren Daten: Alle lehren „so ist ein Prompt aufgebaut“, niemand lehrt „der Prompt hat nicht funktioniert — was änderst du zuerst?“.
6. Lern zu prüfen. Die selbstsichere Lüge eines Modells zu erwischen wird zu einem eigenständigen beruflichen Wert.

Debuggen statt Formel: probier es aus

Der dritte Prompt zeigt den Unterschied zwischen „den Aufbau eines Prompts kennen“ und „einen reparieren können“. Ebenfalls in sich geschlossen.

Hier ist ein schlechter Prompt, der eine nutzlose Antwort geliefert hat:

„Schreib eine E-Mail an den Kunden wegen der Verzögerung.“

Deine Aufgabe:
1. Nenn genau 4 Gründe, warum dieser Prompt ein schlechtes Ergebnis liefert.
   Jeder Grund muss auf eine konkrete Lücke zeigen, nicht auf Allgemeines.
2. Sortier sie nach REPARATUR-PRIORITÄT: Was änderst du zuerst
   und warum bringt gerade das den größten Sprung?
3. Zeig drei Versionen des Prompts: nach der ersten Korrektur,
   nach der zweiten und nach allen vieren.
4. Sag zu jeder Version in einer Zeile, was sich an der Antwort
   konkret verbessert.

Spring nicht sofort zur perfekten Version — mir geht es um die Reihenfolge.

Die Antwort auf diese Übung ist die Fähigkeit, die nicht ersetzt wird. Die Formel für einen guten Prompt sagt dir ein Modell in einer Sekunde auf; herauszufinden, was du in deiner eigenen Aufgabe zuerst reparierst, bleibt bei dir.

Wie lange das wirklich dauert

Leg zwei Zahlen aus unseren Daten nebeneinander. The Complete AI Guide: 42 Stunden Video, 545 Lektionen. Und eine Bewertung genau dieses Kurses:

"The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023. Very disappointed." — Harsh A., 09.04.2026, 1.5★

Einundvierzig Stunden. Das ist eine Arbeitswoche für Material, das längst abgelaufen war. Ein anderer Teilnehmer brachte das Frischeproblem bei einem anderen Kurs auf den Punkt:

"Most content is from 2024. This course is not bad for its time, but just too dated now." — Martin F., 27.05.2026, 2★ (bei einem Kurs, dessen Seite ein Update vom April 2026 bewarb)

Die eigentliche Kernfähigkeit — Aufgabe formulieren, Entwurf holen, Fehler sehen, Prompt reparieren — sitzt nach ein paar Abenden an deiner echten Arbeit. Nicht nach 42 Stunden fremdem Video. Die Angst drängt dich, Umfang zu kaufen: 545 Lektionen sehen aus wie eine Versicherung. Sie sind keine.

Darin steckt ein eigener Schluss aus unseren Daten: Video verliert gegen Text genau dort, wo das Video vorgelesener Text ist. "Reading straight from the slide" beschreibt genau diesen Fall. Text gibt dir dein eigenes Tempo und ein Transkript ganz von selbst — dass ein Artikel zu schnell spricht, hat sich noch nie jemand beschwert. Und Text lässt sich billig aktualisieren; 545 Lektionen nicht.

Spiel das Szenario durch, vor dem du wirklich Angst hast

Der letzte Prompt. Er sagt nichts voraus — er zwingt das diffuse Unbehagen in eine Form, mit der du streiten kannst.

Führe eine strukturierte Debatte über zwei Runden zu dieser Behauptung:

„2030 beschäftigt ein Unternehmen einen Finanzanalysten dort,
wo es heute vier beschäftigt.“

Runde 1: die stärkste Position DAFÜR. Runde 2: die stärkste Position DAGEGEN.
Regeln:
- Keine Statistik, keine erfundenen Prozentzahlen, keine Berichte zitieren.
  Argumentiere nur über Mechanismen: welche konkrete Aufgabe wandert,
  wer prüft das Ergebnis, was bricht, wenn die Prüfung falsch ist.
- Jede Seite muss DEN EINEN Beleg nennen, der sie selbst umstimmen würde.

Danach, als neutraler Schiedsrichter:
- Worin sind sich beide Seiten in Wahrheit einig?
- Welches einzelne beobachtbare Ereignis der nächsten 12 Monate
  würde den Streit am schnellsten entscheiden?
- Was soll ein arbeitender Finanzanalyst am Montag tun,
  solange der Streit offen ist?

Achte auf das Statistikverbot. Es steht da mit Absicht: Ohne Zahlen zum Dahinterverstecken muss das Modell über Mechanismen argumentieren — und einen Mechanismus kannst du mit deinem Arbeitsplatz abgleichen, was mit einer Prozentzahl nicht geht.

Was du mitnehmen solltest

Die Frage „Ersetzt KI meinen Job?“ ist fast immer falsch gestellt. Die richtige lautet: „Welche meiner Aufgaben ändern sich, und was mache ich als Erstes damit?“ Die Antwort auf die zweite liegt vollständig bei dir und dauert ein paar Abende, keine Jahre. Fast zwei Millionen Menschen haben einen Videokurs als Antwort gekauft; etwas davon haben die, die danach hingegangen sind und etwas ausgeführt haben. Fang klein an: der ChatGPT-Guide für Einsteiger und die Analyse, welche Aufgaben du der KI zuerst gibst. Wenn du gerade auf Jobsuche bist, hilft unser Artikel über KI für Lebenslauf und Bewerbung. Und wenn du wissen willst, was aus dem meistgehypten „Beruf der Zukunft“ geworden ist, lies die ehrliche Analyse zum Prompt Engineer und unseren Text über KI-Agenten — das mischt Aufgabenlisten stärker durch als jede Prognose.