Warum fühlen sich so viele Lehrkräfte nicht gehört? 🤔
Oft scheitert es nicht am Willen, sondern am System. Mein Song "Fünf-Tage-Krieg" legt den Finger in die Wunde. Aber keine Sorge: Das ist nur der erste Schritt. Wer das Problem so klar benennen kann, arbeitet auch an der Lösung.
Teile das Video, wenn du findest, dass sich etwas ändern muss!
Inhaltsverzeichnis:
1. Tempo der Transformation
Meine größte Sorge ist nicht KI, sondern die Langsamkeit mit der – besonders in Europa – KI gelernt und genutzt wird. Darum teile ich heute obiges 25-min. Video von einem der smartesten KI-Influencer, dem jeder unbedingt folgen sollte.
Ich empfehle Video in voller Länge und konzentriert anzuschauen, weil Nate sehr genau und detailliert aufzeigt, was gerade in den führenden Firmen passiert. Für alle, die nicht die Zeit haben, folgt eine verknappte Zusammenfassung…
Executive Summary: Die "Red Queen"-Umstrukturierung
Die Tech-Branche durchläuft ein massives "Selektionsdruck-Event". KI-Nutzung hat sich von optionalem Experimentieren zu einer harten Anstellungsbedingung gewandelt. Initiiert durch Führungskräfte wie Tobi Lütke (Shopify) und Jensen Huang (NVIDIA), verschiebt sich der Markt hin zu einem Modell, in dem Fähigkeiten wichtiger sind als Jobtitel. Stagnation wird heute als "Kündigung in Zeitlupe" betrachtet.
Das Kern-Mandat (Das "Lütke-Memo")
Tobi Lütkes Anweisung an Shopify-Mitarbeiter war kein Vorschlag, sondern eine fundamentale Änderung der Arbeitsbedingungen:
Verpflichtende Nutzung: KI-Nutzung ist nun eine Metrik in Leistungsbeurteilungen.
Beweislastumkehr: Teams müssen beweisen, dass eine KI eine Aufgabe nicht erledigen kann, bevor sie einen Menschen einstellen dürfen.
Reflexive Adoption: KI muss die Prototyping-Phase aller Projekte dominieren.
1. Das philosophische Framework: The Red Queen
Shopify operiert nach dem Red Queen Framework (aus Alice hinter den Spiegeln): "Man muss so schnell laufen, wie man kann, nur um auf derselben Stelle zu bleiben."
Die Wachstumsanforderung: In einem Unternehmen, das jährlich um 20-40 % wächst, muss ein Mitarbeiter seinen persönlichen Hebel (Leverage) um denselben Prozentsatz steigern, nur um sich für seine aktuelle Rolle neu zu qualifizieren.
Der Wettbewerb: Man konkurriert nicht gegen sein vergangenes Selbst, sondern gegen die theoretische Version seiner selbst, die KI maximal nutzt, um mit dem Firmenwachstum Schritt zu halten.
Der Mechanismus: KI ist derzeit der einzige Mechanismus, der den notwendigen Hebel bietet, um dieses Wachstumstempo mitzugehen.
2. Operative Umsetzung: Infrastruktur als Basis
Shopify forderte nicht nur Produktivität, sondern baute die notwendigen Schienen dafür. Dies schafft einen Zinseszinseffekt gegenüber Firmen, die im "Henne-Ei"-Problem stecken (keine KI-Talente ohne Tools; keine Tools ohne Talente).
Technischer Stack
Interner LLM-Proxy: Ein zentrales System, das den nahtlosen Wechsel zwischen verschiedenen Modellen ermöglicht und Skalierung, Tracking sowie Ausfallsicherheit übernimmt.
Das "MCPing" von allem: Aufbau Dutzender Model Context Protocol (MCP) Server, um interne Datenquellen (Slack, Salesforce, G-Suite, Codebase) direkt mit KI-Agenten zu verbinden.
"Roast": Ein Open-Source KI-Orchestrierungs-Framework (gebaut mit Claude), das Code-Beiträge konstruktiv kritisiert ("roasted"), um KI-Agenten auf Kurs zu halten.
Tooling-Strategie
Zugang für alle: Im Gegensatz zu Firmen, die KI nur für Entwickler freigeben, stellte Shopify Tools (wie Cursor und Copilot) jedem zur Verfügung.
Überraschende Adaption: Die am schnellsten wachsenden Nutzergruppen für Coding-Assistenten waren Support- und Revenue-Teams, nicht nur Engineering.
Disintermediation: Tools wie Salesforce und Gmail werden umgangen. Sales-Engineers bauten Dashboards in Cursor, um Backend-Daten direkt per natürlicher Sprache abzufragen – die IDE wurde effektiv zur "Startseite".
3. Umstrukturierung des Talentmarktes: Die "U-Kurve"
Der Arbeitsmarkt schrumpft nicht einfach; er polarisiert sich basierend auf dem Hebel (Leverage) der Mitarbeiter.
Die Gewinner
Hyper-Leveraged Seniors: Fachexperten, die KI nutzen, um Workflows parallel zu steuern ("Multi-Threading").
KI-Zentauren (Der neue Junior): Talente am Karrierebeginn, die "AI Native" sind. Sie haben keine alten Gewohnheiten, die sie verlernen müssen.
Datenpunkt: Shopify erweiterte sein Praktikantenprogramm von 75 auf über 1.000 Plätze. Erkenntnis: Es ist einfacher, KI-Natives Fachwissen beizubringen, als Senioren dazu zu zwingen, alte Workflows zu verlernen.
Die Verlierer
Die stagnierende Mitte: Erfahrene Fachkräfte, die sich weigern, ihre Arbeitsweise anzupassen.
Nicht-skalierbare Rollen: Arbeitnehmer, deren Output nicht durch KI gehebelt werden kann, stehen unter massivem Lohndruck.
Die Metriken des Wandels
Stellenanzeigen: Jobs, die KI-Skills erfordern, verdoppelten sich von ~5 % (2024) auf ~9 % (2025).
Einstiegs-Engpass: 66 % der Unternehmen reduzieren klassische Einstiegspositionen zugunsten von Automatisierung, während die Nachfrage nach KI-fluenten Einsteigern explodiert.
Skills Gap: KI/ML-Rollen benötigen im Schnitt 89 Tage zur Besetzung (überdurchschnittlich lang), was trotz Hype auf einen Mangel an qualifiziertem Talent hinweist.
4. Marktsignale: Der richtige vs. falsche Ansatz
Das Transkript kontrastiert verschiedene Führungsansätze in dieser Transformation:
Unternehmen | Ansatz | Ergebnis |
Shopify | "The Red Queen" - Tiefe Infrastruktur-Investitionen + kulturelles Mandat + Einstellung KI-nativer Junioren. | Hoher Produktivitätshebel; Adaption vom C-Level bis zum Praktikanten. |
NVIDIA | "The Automated Enterprise" - Jensen Huang erklärte es für "wahnsinnig", nicht alles Mögliche zu automatisieren. | Massives Mitarbeiterwachstum (29k auf 36k) parallel zu massiver Automatisierung. |
Box | "Reinvestment" - Aaron Levies Modell: "Busy Work" automatisieren, aber Teams behalten das Budget für neue strategische Wetten. | Nachhaltige Innovation; Anreizkompatibilität (KI ist keine Bedrohung, sondern Budget-Freigabe). |
Duolingo | "The Replacement" - Kündigte das Auslaufen von Verträgen zu stumpf an; wirkte "menschenfeindlich". | PR-Backlash; CEO musste Aussagen relativieren; gedämpftes Kundenwachstum. |
5. Handlungsempfehlungen & Prognosen
Rollen-Evolution (ab 2026)
Auflösung von Rollen: Jobtitel werden weniger aussagekräftig, da Ingenieure Design-Arbeit machen und Sales-Teams Code schreiben.
Neue Orchestrierungs-Rollen: Positionen wie "Design Producer" werden entstehen, um das massive Volumen an kreativem Output zu managen, das KI-augmentierte Teams erzeugen.
Gehalts-Polarisierung: Unternehmen werden massive Aufschläge für Mitarbeiter zahlen, die Leverage demonstrieren (1 Person erledigt die Arbeit von 3), während stagnierende Löhne auf den Rest warten.
Für Individuen (Überlebensstrategie)
Werden Sie zum "KI-Zentaur": Nutzen Sie KI für alles. Wechseln Sie von "Nutzung" (Chatten) zu "Hebelwirkung" (Workflows bauen).
Lernen durch Tun: Schauen Sie keine Tutorials. Bauen Sie automatisierte Workflows. Nutzen Sie Tools wie Cursor oder Claude, um Nebenprojekte zu realisieren oder Teile Ihres Jobs zu automatisieren.
Demonstrieren Sie Reflexivität: Zeigen Sie in Interviews und Reviews, dass KI Ihr Standardwerkzeug für Prototyping und Problemlösung ist.
Für Führungskräfte/Unternehmen
Infrastruktur bauen: Sie können keine KI-Produktivität fordern, wenn Sie nicht den "LLM-Proxy" und Datenverbindungen (MCPs) bereitstellen, die dies sicher und einfach machen.
Anreize setzen (Das Box-Modell): Erlauben Sie Teams, durch KI eingesparte Zeit/Budgets in neue Projekte zu reinvestieren, statt einfach nur Personal abzubauen.
Junior-Talente neu denken: Suchen Sie nicht nach "2 Jahren Erfahrung" für Einstiegsjobs. Suchen Sie nach "KI-Nativität" und erweitern Sie Praktikantenprogramme, um diese neue Klasse von Arbeitnehmern zu gewinnen.
2. Schnell kleines Nebeneinkommen mit KI aufbauen – ohne KI-Expertise
Hast du schon mal eine Idee für eine App gehabt, aber aufgegeben, weil du nicht programmieren kannst? 🛑
Gute Nachrichten: Du hast jetzt die einmalige und zeitlich befristete Gelegenheit dir mit KI etwas dazu zu verdienen, weil die Technologie weiter fortgeschritten ist als die Massen-Adoption.
Darum gelten alte Ausreden 2026 nicht mehr. Wir leben in einer Zeit, in der "Natürliche Sprache direkt zu Code wird". Schau dir meine Infografik an! Am besten mit rechtem Mausklick als Volbild öffnen und als Anleitung abspeichern.
Fokus verschiebt sich komplett. Es geht nicht mehr darum, wer den besten Code schreibt, sondern wer Problem am besten versteht ("Problem-Selektion").
Tools wie Lovable (Builder) und Outseta (Backend) sind dein neues Toolkit.
Dein Ziel? Eine passgenaue kleine Lösung für eine ganz kleine Nische, statt einen riesigen Hammer für alle.
Viel Spaß beim Reichwerden!
3. Top-Tipps für 4, 8, 12 & 18 Jährige, um sie bestmöglich fürs KI-Zeitalter zu wappnen
Wenn ich Kinder hätte, würde ich sie so anleiten…
Wer Infografiken in voller Größe will, erst rechts klicken und in neuem Fenster öffnen und danach downloaden.
4. Woran man eine gute Schule erkennt
Ich bin 100% ideologie-befreit und finde es gut, dass es verschiedene Schulsysteme gibt, u.a. Standardschulen, Waldorf, Montessori, usw.
IMHO gehört natürlich dazu, dass Kinder sich auch stückweit individuell entfalten, ausleben und experimentieren können, aber nicht auf Kosten anderer.
Dafür sollte es ein Mindestmaß an klar kommunizierten, eindeutigen und für alle gültige Regeln geben, weil man sonst schnell bei unfairer Bevorteilung landet.
Zudem ist die Fähigkeit klare Regeln zu formulieren im KI-Zeitalter essentiell wichtig, weil das einer der Gründe ist, warum 75-95% aller KI-Projekte scheitern: wer einem KI-System nicht klar sagen kann, was er/sie will – UND – wie ein gutes Arbeits-/Output-Ergebnis aussieht, kann nichts mit KI automatisieren.
Dir gefällt mein Newsletter?
Danke. Freut mich, wenn du Freude daran hast.
Ich freue mich über jede Art der Unterstützung:
Teilen diesen Newsletter mit Freunden, Bekannten und Lernwilligen, damit Sie nicht vom Tempo der KI-Transformation abgehängt werden.
Folge mir auf deinen bevorzugten Social Media Plattformen, wo ich nur über KI, Technologien, Kreativität, Strategien und Fortbildung poste.
