KI verschiebt Aufgaben zwischen Rollen: Warum KMU neue Prüfgrenzen brauchen

KI macht aus einer Verkäuferin noch keine Datenanalystin und aus einem Marketingmitarbeiter keinen Webentwickler. Aber sie senkt die Hürde, eine bislang fremde Aufgabe überhaupt anzupacken. Genau diese Verschiebung ist für kleine Unternehmen interessant: Ein Problem kann schneller dort bearbeitet werden, wo es auftritt. Gleichzeitig wächst das Risiko, dass ein plausibles Ergebnis mit fachlich geprüftem Wissen verwechselt wird.

OpenAI hat am 27. Juli 2026 erstmals Daten zu diesem „Task Crossover“ veröffentlicht. Die Untersuchung zeigt nicht, dass Berufe verschwinden. Sie liefert aber einen konkreten Hinweis darauf, dass sich Aufgaben bereits zwischen Rollen bewegen. Für österreichische KMU ist das weniger eine Personalprognose als eine Organisationsfrage: Wer darf mit KI welche Aufgabe vorbereiten, wer muss das Ergebnis prüfen und wer trägt am Ende die Verantwortung?

Was an der neuen Untersuchung auffällt

Für den Bericht „Work at the Frontier“ analysierte OpenAI mehr als 800.000 arbeitsbezogene Nachrichten von US-Nutzerinnen und -Nutzern. Die selbst angegebenen Rollen stammten aus ChatGPT-Business-Kontoinformationen; ausgewertet wurden arbeitsbezogene Nachrichten aus den individuellen ChatGPT-Konten dieser Personen. Die Aufgaben wurden acht Berufsgruppen und den Tätigkeitsbeschreibungen der US-Berufsdatenbank O*NET zugeordnet.

Der zentrale Befund: 16,8 Prozent aller arbeitsbezogenen Nachrichten betrafen Tätigkeiten, die historisch einer anderen Berufsgruppe zugeordnet sind. Werden breit geteilte Aufgaben wie Schreiben, Zusammenfassen oder Terminplanung ausgeklammert, lag der Anteil rollenfremder Aufgaben bei 43,5 Prozent.

Besonders hoch war dieser Anteil bei Customer Experience mit 77 Prozent, Design mit 75 Prozent, Human Resources mit 69 Prozent, juristischen Rollen mit 56 Prozent und Marketing mit 53 Prozent. Marketing- und Engineering-Aufgaben wanderten besonders häufig in andere Bereiche. Dazu zählen etwa die Erstellung von Werbemitteln, einfache Finanzberechnungen oder das Beheben von Problemen mit Software und technischen Systemen.

Das Interessante liegt nicht nur in der Häufigkeit, sondern in der Richtung: Mitarbeitende holen sich mit KI Fähigkeiten für eine konkrete Situation, anstatt die Aufgabe sofort an eine andere Abteilung weiterzugeben. Ein Vertriebsmitarbeiter untersucht Kundendaten, eine Marketingverantwortliche sucht nach einem Website-Fehler, eine Inhaberin bereitet eine Vertragsprüfung vor. KI verkürzt damit manche Übergabe – zumindest bis zu dem Punkt, an dem Fachwissen und Verantwortung entscheidend werden.

Warum dieser Effekt kleine Unternehmen besonders betrifft

Bei Nutzerinnen und Nutzern mit durchschnittlichem Nachrichtenvolumen sank der Anteil rollenfremder Aufgaben in der Studie von 18,9 Prozent in Workspaces mit zwei bis fünf Plätzen auf 16,3 Prozent in Workspaces mit mehr als 100 Plätzen. OpenAI interpretiert das vorsichtig: In kleineren Organisationen könnten Mitarbeitende häufiger selbst nach einer Lösung suchen, weil spezialisierte Teams fehlen.

Das entspricht einer vertrauten Realität vieler österreichischer KMU. Die Person, die eine Kundenanfrage erhält, pflegt vielleicht auch Inhalte ein, prüft eine einfache Kalkulation und organisiert den nächsten Kampagnenversand. KI kann diese Generalistenrolle wirksam unterstützen. Sie kann eine erste Analyse strukturieren, Varianten formulieren, technische Hinweise verständlich machen oder eine Checkliste erstellen.

Doch Workspace-Plätze sind nicht mit Unternehmensgröße gleichzusetzen, und die Stichprobe bildet nicht die österreichische Arbeitswelt ab. Der Befund ist deshalb kein Beweis dafür, dass kleine Betriebe automatisch stärker profitieren. Er ist ein brauchbares Frühwarnsignal: Wo wenige Spezialisten verfügbar sind, wird KI besonders leicht zur informellen Brücke zwischen Aufgabenbereichen. Genau dort müssen die Regeln für Prüfung und Übergabe klar sein.

Eine erledigte Aufgabe ist noch kein belastbares Ergebnis

Die Studie misst Nachrichten, nicht fertige Projekte. Sie beobachtet weder die Qualität der Antworten noch Zeitersparnis, tatsächliche Nutzung oder eine spätere Prüfung durch Fachleute. Sie sagt daher auch nichts darüber aus, ob eine rollenfremde Aufgabe erfolgreich abgeschlossen wurde.

Diese Einschränkung ist für die Praxis entscheidend. KI kann eine Mitarbeiterin in die Lage versetzen, einen Trackingfehler einzugrenzen. Ob die vorgeschlagene Änderung die Daten korrekt erfasst und datenschutzkonform ist, bleibt eine andere Frage. Sie kann einen Vertrag zusammenfassen. Ob eine ungewöhnliche Haftungsklausel akzeptabel ist, muss weiterhin fachlich beurteilt werden. Sie kann eine Produktkalkulation vorbereiten. Ob Annahmen, Steuerlogik und Deckungsbeitrag stimmen, verlangt nachvollziehbare Daten und eine verantwortliche Freigabe.

Die Grenze sollte deshalb nicht zwischen „KI erlaubt“ und „KI verboten“ verlaufen. Sinnvoller ist eine Grenze zwischen Vorbereiten, Entscheiden und Ausführen:

• Vorbereiten: Informationen ordnen, Entwürfe erstellen, Fehlerquellen sammeln oder Varianten vergleichen.
• Entscheiden: fachliche Annahmen bestätigen, Risiken bewerten und eine verbindliche Auswahl treffen.
• Ausführen: Inhalte veröffentlichen, Preise ändern, Verträge versenden, Daten löschen oder Zahlungen auslösen.

Je größer die Wirkung eines Fehlers, desto klarer muss der Übergang zu einer fachkundigen Person sein. Ein interner Entwurf braucht weniger Kontrolle als eine veröffentlichte Gesundheitsinformation, ein verbindliches Angebot oder eine Änderung am produktiven Webshop.

Vier Prüfgrenzen für rollenübergreifende KI-Arbeit

Ein KMU braucht dafür kein schweres Governance-Handbuch. Eine einfache Aufgabenkarte reicht für den Start, wenn sie vier Fragen verbindlich beantwortet.

1. Was darf die Person mit KI selbst vorbereiten?

Die Aufgabe sollte enger beschrieben sein als „Marketing machen“ oder „Website prüfen“. Besser sind überprüfbare Ergebnisse: drei Varianten für eine Produktbeschreibung, eine Liste möglicher Ursachen für einen Formularfehler oder eine Zusammenfassung der Abweichungen zwischen Angebot und Bestellung.

Diese Präzision hilft auch bei einer professionellen KI-Umsetzung für Unternehmen. Denn erst mit einem klaren Eingang, einem erwarteten Ergebnis und bekannten Fehlerfolgen lässt sich entscheiden, ob ein Chat, ein standardisierter Workflow oder eine echte Automatisierung sinnvoll ist.

2. Welche Quellen und Daten sind zulässig?

Rollenfremde Aufgaben verführen dazu, fehlendes Fachwissen durch möglichst viele Daten zu kompensieren. Das kann sensible Kunden-, Personal- oder Vertragsinformationen in ungeeignete Werkzeuge bringen. Für jeden Prozess sollte deshalb feststehen, welche Daten verwendet werden dürfen, ob sie anonymisiert werden müssen und welche freigegebenen Quellen Vorrang haben.

Gerade im Content-Marketing ist diese Grenze praktisch: Ein Mitarbeitender kann mit KI einen Entwurf aus freigegebenen Produktdaten erstellen. Preise, Leistungszusagen, rechtliche Angaben und belegpflichtige Aussagen sollten jedoch aus verlässlichen Quellen kommen und vor der Veröffentlichung geprüft werden.

3. Wann ist ein Spezialisten-Review Pflicht?

Eine Freigabe darf nicht erst dann eingeführt werden, wenn der erste Fehler passiert. Gute Trigger sind vorab sichtbar: hoher finanzieller Wert, rechtliche Außenwirkung, personenbezogene Daten, Gesundheits- oder Sicherheitsbezug, Änderungen an produktiven Systemen und Aussagen, die dem Ruf des Unternehmens schaden könnten.

Beim Webdesign und der technischen Umsetzung kann KI beispielsweise Fehlerbilder sammeln, Code erklären oder einen Änderungsvorschlag vorbereiten. Veröffentlichung, Sicherheit, Barrierefreiheit, Tracking und Performance brauchen weiterhin einen technischen Review. Der Nutzen der KI liegt dann im schnelleren Weg zu einer prüfbaren Lösung – nicht im Überspringen des Fachwissens.

4. Woran erkennt das Team ein gutes Ergebnis?

Ohne Abnahmekriterium wird aus einer schnell erzeugten Antwort leicht scheinbare Produktivität. Vor dem Pilot sollten zwei oder drei messbare Kriterien feststehen: fachliche Fehlerquote, Nachbearbeitungszeit, Anteil korrekt belegter Aussagen, erfolgreiche Tests oder Rückfragen pro Vorgang.

Der bestehende Beitrag „KI rechnet sich nicht pro Lizenz“ zeigt, wie sich Kosten und Qualität auf Aufgabenebene verbinden lassen. Erst wenn ein Ergebnis diese Hürde wiederholt erfüllt, sollte der Prozess breiter ausgerollt werden.

Ein sinnvoller Pilot für österreichische KMU

Für den Einstieg eignet sich eine häufige, reversible Aufgabe mit vorhandenem Vergleichsmaterial. Denkbar sind die Vorbereitung einer Produktseite, die Erstsortierung von Kundenfeedback, das Strukturieren eines technischen Fehlerberichts oder die Erstellung eines internen Gesprächsleitfadens.

Ein belastbarer Pilot kann in fünf Schritten ablaufen:

1. Zehn bis zwanzig reale Vorgänge aus der bisherigen Arbeitsweise auswählen.
2. Erwartetes Ergebnis, zulässige Daten und Stoppschilder schriftlich festhalten.
3. Die Aufgabe mit KI durch eine Person aus der angrenzenden Rolle vorbereiten lassen.
4. Ergebnisse verdeckt oder nach einer festen Checkliste von der zuständigen Fachperson prüfen lassen.
5. Fehler, Nacharbeit, Durchlaufzeit und Eskalationen gemeinsam auswerten.

Wiederkehrende Anweisungen, Prüfschritte und Vorlagen können danach als standardisierte KI-Prozessbausteine dokumentiert werden. Wichtig ist, dass der Baustein nicht nur den Prompt speichert. Er muss auch Quellen, erlaubte Aktionen, Reviewrolle und Abbruchkriterien enthalten.

Was Ostheimer praktisch daraus macht

Ostheimer kann mit einem KMU zuerst sichtbar machen, wo Mitarbeitende heute bereits Aufgaben über Rollengrenzen hinweg erledigen – mit oder ohne KI. Daraus entsteht keine abstrakte KI-Strategie, sondern eine priorisierte Aufgabenkarte: Wo kostet eine Übergabe unnötig Zeit? Wo fehlt Spezialwissen? Wo ist ein Fehler leicht korrigierbar, und wo hätte er Außenwirkung?

Für geeignete Aufgaben kann anschließend ein begrenzter Workflow entstehen: freigegebene Datenquellen, ein klarer Prompt oder Agent, dokumentierte Prüfkriterien und eine namentlich definierte Freigabe. Bei Website-, Content- oder Automatisierungsprozessen lässt sich die technische Umsetzung direkt mit dem fachlichen Review verbinden.

Das Ziel ist nicht, jede Person zur Spezialistin für alles zu machen. Gute KI-Arbeit erweitert den Handlungsspielraum, ohne Kompetenz vorzutäuschen. Ein KMU wird dadurch schneller, wenn es zwei Dinge gleichzeitig organisiert: den Mut, Aufgaben neu zu verteilen, und die Disziplin, Verantwortung nicht mitzuverschieben.

Chancen und Grenzen auf einen Blick

Die Chance liegt in kürzeren Wegen, mehr Selbstständigkeit und einer besseren Nutzung knapper Fachressourcen. Mitarbeitende können Probleme früher strukturieren und Spezialisten besser vorbereitete Fälle übergeben. Kleine Teams gewinnen dadurch Kapazität, ohne jede neue Aufgabe sofort in eine neue Stelle oder ein weiteres Tool zu übersetzen.

Die Grenze liegt dort, wo ein überzeugender Entwurf als fachlich richtige Entscheidung behandelt wird. Die OpenAI-Daten zeigen Nutzungsmuster, keine Produktivitätsgewinne und keinen Beschäftigungseffekt. Sie stammen aus den USA, umfassen acht Berufsgruppen und beruhen auf selbst angegebenen Rollen sowie modellgestützter Klassifikation. Für Österreich sind sie ein Impuls zum Testen, keine fertige Personalstrategie.

Gerade deshalb ist der Befund wertvoll: KI verändert die Arbeit möglicherweise zuerst in kleinen, alltäglichen Übergaben – lange bevor eine Stellenbeschreibung angepasst wird. Unternehmen, die diese Verschiebung messen und absichern, können den Nutzen früher heben. Unternehmen ohne Prüfgrenzen merken unter Umständen erst beim Fehler, dass eine Aufgabe längst ihren bisherigen Zuständigkeitsbereich verlassen hat.

Quellen

• OpenAI: How AI is expanding what people do at work, veröffentlicht am 27. Juli 2026.
• OpenAI Economic Research: Work at the Frontier – How AI is expanding what people do at work, Bericht vom Juli 2026 mit Methodik und Einschränkungen.
• NIST: AI Risk Management Framework, Framework veröffentlicht am 26. Jänner 2023; Generative-AI-Profil veröffentlicht am 26. Juli 2024; Überarbeitung 2026 ausgewiesen.