EPOCH: Fünf Fähigkeiten, die KI nicht ersetzen kann

John Henry war der stärkste Arbeiter an einer neuen Bahnlinie in West Virgina. Seine Aufgabe war es, Sprenglöcher in den Fels zu schlagen. Eines Tages jedoch sollte diese Arbeit von neuen dampfgetriebenen Hämmern übernommen werden, und John Henry trat zum Wettstreit gegen die Maschine an. Der Legende nach gewann er, brach anschließend aber tot zusammen.

John Henry wollte sich der Kraft der Maschinen nicht beugen, sondern forderte sie heraus.

Heute, rund 155 Jahre später, übernimmt eine neue Technologie Arbeiten, über die wir uns bisher definiert haben: das Denken, Analysieren, Gestalten.

Es ist ein anderes Jahrhundert, aber die Frage ist die gleiche: was können wir, was künstliche Intelligenz nicht kann? Wo sind wir (noch) besser, und wo haben menschliche Fähigkeiten keine Chance mehr im Wettstreit mit KI?

Wieder droht die Gefahr, diesen Wettstreit zu verlieren. Wir bezahlen zwar nicht mit unserem Leben, aber mit Jobs, Sicherheit oder Vertrauen. Mehr als das, sogar unsere Identität wird in Frage gestellt. Das, was wir in Schule, Studium und Berufserfahrung über Jahre erlernt und aufgebaut haben, droht zum Totalverlust zu werden.

Unternehmen begegnen dem mit Weiterbildung für Mitarbeitende, das World Economic Forum präsentiert uns jährlich die wichtigsten Fähigkeiten für die Zukunft. Und tatsächlich, dort stehen Fähigkeiten wie Agilität, Belastbarkeit, Neugier oder lebenslanges Lernen, aber auch kreatives Denken, Führungsqualitäten und sozialer Einfluss.

Das ist vage und gibt einem einzelnen kaum die Antwort auf eine entscheidende Frage: womit werde ich zukünftig meinen Lebensunterhalt bestreiten?

Gleichzeitig entwickelt sich die Technologie rasant. Das führende LLM heute ist der Verlierer von morgen. Mühsam erlernte Skills reichen bald schon nicht mehr und müssen erweitert werden. Dabei tun wir schon alles, um mit der Geschwindigkeit Schritt zu halten. Aber KI ist schneller, und wird schneller besser. Insgeheim glauben viele, dass sie diesen Wettstreit diesmal verlieren.

Dabei stecken wir durch den Mensch vs KI Vergleich bereits in der Falle. Dieser ist sogar fataler als der sprichwörtliche Vergleich von Äpfeln mit Birnen - denn diese gehörten wenigstens noch der gleichen Kategorie an. 

Mensch und KI dagegen sind kategorial unterschiedlich. Dort ein lebender, fühlender Organismus mit Bewusstsein und Endlichkeit, dort eine komplexe, einem neuronalen Netzwerk empfundene Technologie und überbordender Rechenleistung - aber keinem Willen, keinem Bewusstsein und ohne ein Empfinden für Bedeutung.

Wenn wir uns also in den Disziplinen mit KI vergleichen, für die KI entwickelt wurde, dann können wir nicht gewinnen. Ändern wir aber die Frage, dann eröffnen sich uns neue Möglichkeiten. 

"Über welche Fähigkeiten verfügen Menschen, weil sie Menschen sind?"

Und sind diese Fähigkeiten tragfähig für die Zukunft, können wir Jobs darauf aufbauen, Karrieren planen, ein erfülltes Leben gestalten?

Isabella Loaiza und Roberto Rigobon vom MIT Sloan haben sich mit genau dieser Frage wissenschaftlich auseinandergesetzt. Statt "Wo gewinnen wir gegen die Maschine?" lag der Fokus ihrer Untersuchung auf "Welche menschlichen Fähigkeiten ergänzen künstliche Intelligenz?"

Das ist mehr als ein semantischer Unterschied. Während die erste Frage in die oben erwähnte Falle führt, eröffnet die zweite Frage einen Möglichkeitsraum. Es geht nicht mehr um Mensch ODER Maschine, sondern um eine kluge Integration von Mensch UND Maschine.

Daraus kann mehr entstehen, als Mensch oder KI unabhängig voneinander leisten können. Die beste Maschine in einer modernen Fabrik bleibt wenig wert, wenn nicht gut ausgebildete Experten mit Domänenwissen ihre Fähigkeiten sinnvoll und mit Urteilskraft einsetzen können.

Das EPOCH-Framework: Was die MIT-Studie zeigt

Loaiza und Rigobon wollten Evidenz schaffen und die Fähigkeiten sichtbar machen, mit denen Menschen die KI ergänzen und dadurch erst zu sinnvollem Einsatz bringen können. Das Ergebnis ihrer Studie wurde als EPOCH Framework veröffentlicht (in einem früheren Text habe ich bereits davon berichtet)

Für ihre Arbeit haben sie Daten durchsucht: knapp 19.000 Aufgaben aus O*NET, der amerikanischen Datenbank für Berufsprofile, verteilt über 947 Berufe. Für jede einzelne Aufgabe haben sie berechnet, wie stark sie fünf menschliche Fähigkeiten verlangt, die sich zum Akronym EPOCH zusammenfügen:

• Empathie und emotionale Intelligenz
• Präsenz, Vernetzung und Verbundenheit
• Meinungsbildung, Urteilsvermögen und Ethik
• Kreativität und Vorstellungskraft
• Hoffnung, Vision und Führung

Die Erkenntnis liegt nicht im Framework, sondern in der Entwicklung der erhobenen Zahlen. Vergleicht man die O*NET-Ausgaben von 2016 und 2024, sind 815 Aufgaben neu hinzugekommen, 1.310 sind weggefallen, der Rest ist geblieben. Die neuen Aufgaben haben statistisch signifikant höhere EPOCH-Werte als die bestehenden, und die bestehenden wiederum höhere als die weggefallenen. Arbeit verschiebt sich messbar in Richtung der fünf Fähigkeiten.

Das setzt sich auf Ebene ganzer Berufe fort, und zwar in drei Zeitfenstern gleichzeitig. Zwischen 2015 und 2023 sind Berufe mit hohem EPOCH-Wert stärker gewachsen, eine Standardabweichung mehr EPOCH entspricht dabei rund 12.000 zusätzlichen Stellen. Sie wurden 2025 auch stärker eingestellt. Und ihre Prognose bis 2034 fällt günstiger aus, noch einmal rund 3.762 zusätzliche Stellen pro Standardabweichung. Umgekehrt schrumpfen Berufe mit hohem Automatisierungsrisiko in allen drei Zeiträumen, im Rückblick um bis zu 20.000 Stellen pro Standardabweichung.

Die Autoren selbst mahnen zur Vorsicht, denn die erklärte Varianz einzelner Modelle sei gering, es handle sich um Korrelationen, nicht um Beweise für Kausalität. Aber die Richtung sei über drei unabhängige Zeiträume - Vergangenheit, Gegenwart, Prognose - bemerkenswert konsistent. EPOCH ist keine exakte Formel, sondern zeigt ein nachhaltiges Muster.

Keine Rangliste, sondern Arbeitsteilung zwischen Mensch und KI

Es wäre nun falsch, EPOCH als "Best of human capabilities" zu verstehen, als eine Auflistung der Fähigkeiten, in denen wir KI überlegen sind. Es sind vielmehr Fähigkeiten, die Schwächen von KI ausgleichen und in der Kombination größere Leistung ermöglichen.

In ihrer Studie beschreiben Loaiza und Rigobon sogar die Grenzen von KI:

Erstens scheitert sie an kleinen Datenmengen: sie erkennt zwar Muster, aber keine Mechanismen. Sie kann deshalb beispielsweise eine Sonnenfinsternis nicht vorhersagen, selbst wenn man sie mit historischen Daten über Sonnenfinsternisse speist; jeder Astronom dagegen kennt die Bedingungen und kann die nächste Sonnenfinsternis errechnen - er wählt also nicht den probabilistischen, sondern den deterministischen Weg.

Zweitens scheitert sie durch die Begrenztheit ihrer Trainingsdaten: außerhalb dieser Grenze wird sie schnell schlechter, in der Medizin etwa dort, wo ein Fall vom Muster abweicht.

Drittens gibt es Situationen mit mehreren möglichen Lösungen zugleich, ethische Dilemmata etwa, in denen es nicht nur an Fakten, sondern sogar am gemeinsamen Verständnis über die Bewertungskriterien mangelt.

Viertens geht es in manchen Situationen nicht um ein Ergebnis oder eine Antwort, sondern um die Qualität einer Beziehung und den Prozess zwischen zwei oder mehreren Menschen. Er ist erst möglich, wenn sich zwei lebende, fühlende Wesen aufeinander einlassen.

Fünftens gibt es Entscheidungen, die bewusst gegen die vorliegenden Daten getroffen werden, weil die Daten selbst verzerrt sind, etwa wenn eine Gruppe historisch von Bildung ausgeschlossen wurde und die Statistik ihr Potenzial deshalb systematisch unterschätzt.

EPOCH kann uns in Gebiete führen, die KI kategorial nicht betreten kann. Presence gehört in dieses Bild, wie ich in Embodied Presence ausführlicher beschrieben habe, ebenso Sinn, dazu mehr in Meaning-Making vs Pattern-Matching. Und auch der Dialog gehört hierher: im Ich-Du, wie Das dialogische Prinzip es beschreibt, exponiert sich jemand mit einer Position, bei der "etwas auf dem Spiel steht". Das kann kein Modell, für das es um nichts geht.

EPOCH-Fähigkeiten in drei konkreten Situationen

Hier sind drei Beispiele, bei denen die Fähigkeiten von Menschen entscheidend sind. KI kann unterstützen, aber erst menschliche Fähigkeiten können in diesen Situationen agieren:

1. Konfliktmediation und Veränderung: Zwei Teams streiten seit Wochen über ein Projekt, die Zahlen sind längst aufbereitet und das LLM hat saubere Reports für alle erstellt. Doch das Problem liegt woanders. Es braucht jemanden, der die Spannung wahrnimmt (die sich nicht in Daten sichtbar machen lässt), aushält und sichtbar macht - das ist Empathie, also die Fähigkeit, mit dem eigenen Nervensystem auf ein anderes zu reagieren. Erst wenn diese Resonanzen mutig besprochen werden können, hat das Projekt eine Chance.
2. Strategische Entscheidung unter Unsicherheit: Ein Vorstand muss eine Investition tätigen, für die es keine verlässlichen Daten gibt, weil der Markt neu ist. Die KI wird trotzdem eine Wahrscheinlichkeit ausspucken und dabei plausibel klingen. Doch im Grunde kann KI auch nur raten. Was es jetzt braucht, sind verschiedene Perspektiven (Meinungen), Urteilsvermögen und Ethik. Es bedeutet, eine Position zu beziehen und dafür auch sichtbar die Verantwortung zu übernehmen. Und dabei gleichzeitig diese Position offen und veränderbar halten.
3. Transformative Projekte gegen die Datenlage: Die überzeugendsten Veränderungen in Organisationen, wie in der Geschichte, begannen häufig gegen die vorliegenden Daten, nicht mit ihnen. Wer zu einem Projekt steht, das noch nicht durch Kennzahlen gerechtfertig wurde, braucht Hoffnung, Vision und Führungsstärke - also die Fähigkeit, an eine wünschenswerte Zukunft zu glauben und andere dorthin mitzunehmen. Keine künstliche Intelligenz hat ein Morgen, für das es sich einsetzen könnte, es hat nur Wahrscheinlichkeiten aus der Vergangenheit.

In allen drei fiktiven Situationen kann KI einen wertvollen Beitrag leisten, Daten zusammentragen, aufbereiten, Strukturen sichtbar machen. Doch nur Menschen können hier einen sinnvollen Weg einschlagen.

Was CHROs und CxOs jetzt ändern müssen

Es wäre nun naheliegend, die Auswahl-Kriterien für neue Mitarbeitende in Unternehmen anzupassen. Statt nur nach Expertenwissen zu suchen, würden sich Personaler eher auf die EPOCH Fähigkeiten fokussieren. Auswahlprozesse würden sich ändern, mittelfristig würden auch Bewerber und Bewerberinnen diese Fähigkeiten sichtbar machen.

Dieser Schritt ist aber nur unter einer Bedingung sinnvoll: damit sich diese Fähigkeiten entfalten können, sollten auch Strukturen, Formen der Zusammenarbeit, Entscheidungsprozesse, Ideenfindung und Problemlösungen anders ablaufen. Vereinfacht formuliert:

Es muss sich das Betriebssystem in Organisationen ändern.

Mein Vorschlag, den ich in einem früheren Text bereits als Bedingung benannt habe: dialogische Kulturen aufzubauen. Dialogische Arbeitsweise ist geeignet, mit Unsicherheit und Komplexität umzugehen - und genau dort benötigt es die EPOCH Fähigkeiten besonders.

Im Dialog kommen Menschen mit verschiedenen Perspektiven zusammen, um sich gemeinsam einem Problem zu lösen. Das erfordert Respekt und Offenheit. Sie investieren in Transparenz, also das Problem in der Tiefe und aus verschiedenen Blickwinkeln zu betrachten.

Daraus folgt die gemeinsame, kreative Suche nach Handlungsoptionen, es werden Ideen gesammelt (Divergenz), am Ende entschließt sich die Gruppe, welchen Schritt sie ausprobieren werden (Konvergenz). Dieser Prozess kann 30min oder 3 Tage umfassen - abhängig von der Art des Problems und der benötigten Personen - aber er wird sich wiederholen. Iteration ist Teil des Vorgehens.

Wer menschliche Fähigkeiten in der Organisation kultivieren will, muss den Dialog fördern.

Im nächsten Text geht es um Hope: die Fähigkeit mit dem größten Einfluss auf Wachstum, wie Loaiza selbst gegenüber MIT Sloan bestätigt hat, und die am wenigsten mit Daten zu tun hat: Hope as strategic capability.

Quellen

• Isabella Loaiza & Roberto Rigobon: The EPOCH of AI: Human-Machine Complementarities at Work. SSRN Working Paper Nr. 5028371 (Oktober 2025). SSRN · PDF-Volltext
• Brian Eastwood: „These human capabilities complement AI's shortcomings", in: MIT Sloan, Ideas Made to Matter(10. Juni 2025). mitsloan.mit.edu
• MIT Sloan Office of Communications: „New MIT Sloan research suggests that AI is more likely to complement, not replace, human workers" (17. März 2025). mitsloan.mit.edu/press · Kurzfassung, MIT Media Lab
• West Virginia Encyclopedia: „John Henry: The Steel Drivin' Man" (Datierung des historischen Wettkampfs auf 1870, Big Bend Tunnel, C&O Railway). wvencyclopedia.org

Häufige Fragen zu EPOCH-Fähigkeiten im KI-Zeitalter