Seit drei Jahrzehnten gehört das T-Shaped-Profil zu den einflussreichen Bildern für Wissensarbeit: tiefe Expertise in einem Fachgebiet, breite Kollaborationsfähigkeit darüber. Fertig ist das T. [David Guest] (https://coevolving.com/blogs/index.php/archive/t-shaped-professionals-t-shaped-skills-hybrid-managers/) prägte den Begriff 1991, McKinsey nutzte ihn intern bereits in den 1980er Jahren, und Tim Brown machte ihn ab 2005 über die Design-Thinking-Bewegung populär. Das Konzept funktionierte, weil Breitenwissen knapp war. Man musste es sich erarbeiten, durch viel Lesen, Kommunikation und Erfahrung.
Generative KI verändert diese Gleichung. Im vorherigen Artikel dieser Serie wurde beschrieben, wie KI die Ausführung automatisiert und die verbleibende Arbeit auf Urteilsbildung verdichtet. Damit rücken Kompetenzprofile in den Vordergrund, die diese Urteilsarbeit ausfüllen können.
KI verändert das T
Alle können heute mit einem LLM einen Marketingtext entwerfen, einen Projektplan skizzieren oder eine Regulierungsfrage vorbereiten. Vor drei Jahren war das noch ein Unterscheidungsmerkmal. Wenn Grundwissen in vielen Domänen per LLM abrufbar wird, verliert oberflächliches Breitenwissen an Unterscheidungskraft. Echte Tiefe bleibt dagegen an menschliche Lernprozesse gebunden. Deliberate Practice, Erfahrungsbildung, das "Narbengewebe gescheiterter Versuche": Das lässt sich nicht durch ein Sprachmodell ersetzen.
Das hat eine Konsequenz für das T-Shaped-Modell: Der horizontale Balken, das Breitenwissen, bisher ein Differenzierungsmerkmal, wird zur Selbstverständlichkeit. Was bleibt, ist die Tiefe. Aber eine einzige Tiefe reicht nicht unter der Annahme, dass die wertvollsten Beiträge an den Schnittstellen zwischen den Domänen entstehen.
Tiefe bleibt vor allem aus einem Grund wichtig: fundiertes Wissen und plausibel klingende Oberflächlichkeit sind schwerer zu unterscheiden. KI-generierte Antworten wirken überzeugend, auch wenn sie generisch und/oder falsch sind. Die Fähigkeit, Informationen einzuordnen, zu gewichten und auf Konsistenz zu prüfen, wird damit wichtiger. Drei oberflächlich bekannte Domänen helfen wenig. Eine Domäne, die tief genug verstanden ist, um die Qualität von KI-Output in angrenzenden Feldern beurteilen zu können, verschafft dagegen einen echten Vorteil.
KI als Multiplikator
KI ersetzt eigenes Wissen nicht. Sie macht vorhandenes Können besser nutzbar, fügt aber keine belastbare Erfahrung hinzu. Mit wenig fachlicher Substanz bleibt der Hebel klein; mit viel Substanz wird KI zum echten Multiplikator.
Für Kompetenzprofile hat das eine konkrete Implikation: Gut verstandene Domänen vergrößern den Hebel. Ein Softwareentwickler, der nur Python beherrscht, nutzt KI als bessere Autovervollständigung. Ein Softwareentwickler, der zusätzlich Domänenwissen in Logistik hat, nutzt KI, um Optimierungsalgorithmen zu entwerfen, die ein reiner Informatiker kaum konzipieren würde, weil ihm das Geschäftsverständnis fehlt.
Wenn eine Tiefe nicht mehr reicht, rücken Weiterentwicklungen des T-Modells in den Blick. Seit den 2010er Jahren werden Pi-, Comb- und E-Shaped-Profile diskutiert. Pi-Shaped (π) beschreibt zwei tiefe Expertisen plus breite Basis, also die Brücke zwischen zwei Fachgebieten. Comb-Shaped erweitert dieses Bild auf mehrere tiefe Expertisen. E-Shaped, geprägt von Sarah Davanzo und Derek Huether, fügt eine weitere Dimension hinzu: neben Expertise und Experience auch Execution und Exploration, also die Fähigkeit, Wissen umzusetzen und aktiv neue Felder zu erschließen.
Der Wert liegt an den Schnittstellen
Viele relevante Probleme liegen an der Schnittstelle von Domänen. Eine Ärztin, die auch Health-IT-Systeme versteht, kann beurteilen, ob ein KI-Diagnosevorschlag klinisch plausibel ist. Ein reiner ML-Experte sieht nur Modellmetriken, eine reine Medizinerin versteht nicht, wie die Diagnose zustande kam.
Dazu kommt: man kann KI nur nach Dingen fragen, von denen man weiß. Wissen ist der Index für KI-Delegation. Eine einzelne Domäne begrenzt auch den Suchraum, in dem KI sinnvoll eingesetzt wird. Mehrere verstandene Domänen erweitern diesen Index und ermöglichen Fragen, die in aus einer Spezialistenperspektive nicht auftauchen.
In einer Welt, in der KI das Abrufen und Zusammenfassen von Informationen übernimmt, wird die Fähigkeit, die richtigen Fragen zu stellen, zum eigentlichen Engpass. Und die richtigen Fragen kommen aus der Erfahrung, wie Domänen interagieren, nicht aus dem Wissen innerhalb einer einzelnen Domäne.
Synthese als Kernkompetenz
KI kann abrufen, remixen und zusammenfassen. Sie kann nicht abwägen, mit Widersprüchen ringen oder fragen: Was sehen wir nicht? Menschen, die über Domänengrenzen hinweg Ideen verknüpfen, blinde Flecken aufdecken und Systeme erkennen, wo andere Silos sehen, dürften zum knappen Gut werden.
Hier bekommt das E-Shaped-Profil seine besondere Relevanz. Es verbindet Expertise in mehreren Domänen mit Experience, also praktischer Erfahrung über verschiedene Kontexte hinweg. Hinzu kommen Execution, die Fähigkeit zur Umsetzung in konkreten Umgebungen mit Widersprüchen und ungeschriebenen Regeln, und Exploration, die aktive Suche nach neuen Feldern. In einer Welt, in der bestehendes Wissen schneller zur Selbstverständlichkeit wird, ist diese Fähigkeit zur Erschließung neuer Domänen selbst Teil des Kompetenzprofils. KI kann Ideen, Entwürfe und Analysen massenhaft generieren. Was sie nicht kann, ist die Verbindung aus Erfahrung und Umsetzung, die entscheidet, ob aus einer Idee etwas wird.
Folgen für Organisationen
Das T-Shaped-Modell war drei Jahrzehnte lang eine brauchbare Antwort auf eine Arbeitswelt, in der Breitenwissen knapp und Spezialisierung das Fundament war. In einer Welt, in der KI Oberflächliches leichter verfügbar macht und den Wert an die Schnittstellen verschiebt, wird das T zum Ausgangspunkt, nicht zum Ziel. Der Weg führt von T nach E.
Für Organisationen schließt sich hier der Kreis zum ersten Artikel dieser Serie: Die dort geforderte Investition in Menschen statt in Technologie bedeutet konkret, Pi- und E-Shaped-Profile zu entwickeln. Teams wären dann nicht nur nach Einzelexpertisen zusammengestellt, sondern nach Brücken zwischen Domänen. Auch die Einstellungspolitik schaut zukünftig weniger auf den tiefsten Spezialisten, sondern auf Menschen, die mehrere Welten verbinden können.
Wenn sich die geforderten Profile verändern, reicht der Blick auf Individuen und einzelne Organisationen allerdings nicht aus. Der letzte Artikel der Serie verschiebt den Blick deshalb auf den Arbeitsmarkt: Nachfrage nach menschlicher Arbeit, neue Tätigkeiten und die möglichen Verdrängungseffekte.