Zwei Linien derselben Umfrage haben sich in diesem Jahr in entgegengesetzte Richtungen bewegt. Die tägliche Nutzung generativer KI unter Beschäftigten stieg von 14% auf 22%, und 64% haben in den letzten zwölf Monaten KI bei der Arbeit genutzt — ein Anstieg um zehn Punkte. Im selben Zeitraum ging der Zugang zu Weiterbildung in die andere Richtung: Der Anteil der Beschäftigten, die angeben, über die benötigten Lern- und Entwicklungsressourcen zu verfügen, fiel von 59% auf 51% (PwC, 2026). Das sind 49.364 Beschäftigte in 48 Ländern und Regionen und 29 Branchen, befragt im Mai und Juni 2026.
Lesen Sie es noch einmal: Nutzung plus zehn Punkte, Zugang zu Weiterbildung minus acht. Was auch immer Ihren KI-Rollout finanziert — ein wachsendes Entwicklungsbudget ist es nicht. Und diejenigen, die das am besten bemerken können, sind diejenigen, die gehen können.
Die Adoptionskurve und die Entwicklungskurve haben sich getrennt
Die Versuchung ist, die 51% als weiche Zahl zu behandeln — ein Umfrageartefakt, eine Beschwerde. Die umgebenden Daten derselben Veröffentlichung machen das schwierig.
Die Beschäftigten berichteten von mehr Veränderung, nicht weniger: 58% derjenigen, die Veränderung am Arbeitsplatz erlebten, sagten, es habe im letzten Jahr mehr davon gegeben als in den Jahren zuvor, und 40% gaben an, in großem oder sehr großem Umfang neue Fähigkeiten in ihrer Rolle anwenden zu müssen. Gleichzeitig sagten 27%, Erschöpfung oder Burnout begrenze ihre Produktivität, und nur ein Drittel hatte am Monatsende Geld übrig — 8% weniger als im Vorjahr (PwC, 2026).
Die Nachfrage nach neuen Fähigkeiten stieg also, der Druck auf die Beschäftigten stieg, und das Angebot an strukturierter Entwicklung sank. Das ist keine Stimmungsfrage. Es ist eine Kapazitätsfrage, und sie hat eine bestimmte Form.
Die Veränderung konzentriert sich zudem an der Spitze. PwC fand, dass 51% der Top-Führungskräfte und 46% der Manager neue Fähigkeiten in ihrer Rolle angewandt haben, gegenüber 29% der Nicht-Führungskräfte und 38% der Einstiegskräfte. Gelernt wird dort, wo der Entscheidungsspielraum bereits liegt.
Ein Budget, zwei Retention-Probleme
PwC segmentiert die Belegschaft nach Knappheit der Fähigkeiten und KI-Kompetenz in vier Gruppen:
| Segment | Anteil | Beschreibung |
|---|---|---|
| Front-runners | 14% | Knappe Fähigkeiten, starke KI-Kompetenz |
| AI insurgents | 18% | Weniger knappe Fähigkeiten, nutzen KI für mehr Output |
| Indispensables | 11% | Knappe, hoch geschätzte Fähigkeiten, früh auf der KI-Kurve |
| Engine room | 56% | Nicht knappe Fähigkeiten, früh auf der KI-Kurve |
Die Retention-Folge trifft beide Enden dieser Verteilung, und die beiden Enden brauchen unterschiedliches Geld.
Unter den Front-runners halten 29% einen Arbeitgeberwechsel im nächsten Jahr für sehr oder äußerst wahrscheinlich. Sie sind überrepräsentiert unter denen, die dafür belohnt werden, bestehende Arbeitsweisen infrage zu stellen (1,5-fache des globalen Durchschnitts) und neue Fähigkeiten zu erlernen (1,2-fache), und sie fragen mit +33 Punkten höherer Wahrscheinlichkeit nach einer Beförderung (PwC, 2026). Das ist ein Abwanderungsrisiko, das durch Erfolg entsteht. Sie haben sie dafür belohnt, eine übertragbare Fähigkeit aufzubauen — und diese Fähigkeit ist übertragbar.
Am anderen Ende sagen von den 56% im Engine room nur zwei von fünf, dass sie den benötigten Zugang zu Weiterbildung haben. Sie werden am seltensten für KI-Nutzung, neues Lernen oder das Hinterfragen von Abläufen belohnt — und sie erledigen den Großteil der täglichen Arbeit. Das ist kein Abwanderungsrisiko. Es ist ein Kapazitätsrisiko, und es zeigt sich später, als Engpass und nicht als Kündigung.
Ein gleichmäßig über die Belegschaft verteiltes Weiterbildungsbudget finanziert keines von beiden. Es ist zu dünn, um die 14% zu halten, und zu generisch, um die 56% zu bewegen.
Die Vertrauenslücke richtet still Schaden an
Der Vergleich der Umfrage zwischen täglichen und gelegentlichen KI-Nutzern ist der Teil, der in Ihr nächstes Operations-Review gehört. Tägliche Nutzer berichteten von 68% Vertrauen in ihre Arbeitsplatzsicherheit gegenüber 57% bei gelegentlichen Nutzern und waren +12 Punkte eher bereit, nach einer Beförderung zu fragen, +15 beim Vertrauen in die Unternehmensleitung und +21 bei der Zuversicht, neue Fähigkeiten erlernen zu können (PwC, 2026).
Das sind Korrelationen, keine kausalen Schätzungen — selbstsichere Menschen adoptieren möglicherweise einfach schneller. Doch die operative Implikation hält in beiden Lesarten. Wenn KI-Kompetenz mit Vertrauen in das Management und mit dem Glauben an die eigene Lernfähigkeit einhergeht, dann ist die Hälfte Ihrer Belegschaft ohne Entwicklungszugang auch die Hälfte, die Ihrem Veränderungsprogramm am wenigsten glaubt — und es Ihnen am wenigsten sagt.
Zugang zu Weiterbildung ist ein Ergebnis von Organisationsdesign, keine Budgetzeile
Hier ist das Gegenargument, mit dem sich eine Operations-Leitung befassen sollte, bevor sie weitere Weiterbildungsausgaben genehmigt: Unternehmen, die zu wenig in übertragbare Fähigkeiten investieren, handeln häufig rational, und mehr Budget allein löst das nicht.
Neue Evidenz von Deming, Sadun und Stanton rahmt arbeitgeberfinanzierte Weiterbildung als Ergebnis von Organisationsdesign und nicht von Größe oder Großzügigkeit (NBER Working Paper 35920, 2026). Auf Basis einer Befragung von 954 US-Unternehmen mit 100 oder mehr Beschäftigten finden sie, dass eine Skills-Taxonomie mit einem Anstieg von 26 Prozentpunkten in der Wahrscheinlichkeit verbunden ist, dass ein Unternehmen ein strukturiertes Weiterbildungsprogramm betreibt, ein Skills-Inventar mit 17 Punkten. Unternehmen mit 10.000 oder mehr Beschäftigten betreiben solche Programme mit 13 Punkten höherer Wahrscheinlichkeit als Unternehmen mit 100 bis 999 — und dieser Größeneffekt ist in der Spezifikation, die die 26 Punkte ergibt, bereits kontrolliert.
Diese Rangfolge ist für ein Unternehmen mit 50 bis 500 Beschäftigten entscheidend. Die Messinfrastruktur sagt strukturierte Entwicklung doppelt so stark voraus wie das Zwanzigfache an Größe. Mit Headcount kaufen Sie sich hier nicht frei, und Sie brauchen keine Konzerngröße, um es zu reparieren.
Ihr Mechanismus erklärt auch das Abwanderungsrisiko der Front-runners. Organisationsdesign, so die Autoren, ist der Weg, auf dem Unternehmen allgemeine Fähigkeiten firmenspezifisch machen — und firmenspezifische Fähigkeit ist, wie ein Unternehmen die Rendite der Weiterbildung einbehält. Schulen Sie jemanden in einer generischen Fähigkeit ohne Rollenarchitektur darum herum, und Sie haben das Onboarding beim nächsten Arbeitgeber finanziert. Schulen Sie ihn innerhalb eines definierten Kompetenzmodells mit einem sichtbaren internen nächsten Schritt, und die Rendite bleibt bei Ihnen.
Ihre Clusteranalyse ergänzt eine Warnung: Weiterbildung konzentriert sich tendenziell entweder auf die Entwicklung von Führungskräften oder auf die der Frontlinie, selten auf beide. Genau das ist der Fehlermodus, den PwC misst — Entwicklung konzentriert dort, wo die Seniorität schon ist.
Die Kostenseite verschärft das. Gartner verortet KI-bezogene Rollen beim Drei- bis Vierfachen des durchschnittlichen Gehalts, bei KI-Fähigkeitszyklen, die sich auf zwei bis fünf Jahre verkürzen, und erwartet, dass bis 2029 bis zu 30% der durch KI verdrängten Beschäftigten wieder eingestellt werden, oft zu höheren Kosten (Gartner, 2026). Eine teure, schnell abschreibende und mobile Fähigkeit ist der schlechtest mögliche Vermögenswert, den man ohne Entwicklungs- und Nachfolgestruktur hält.
Bevor Sie auf die Segmente reagieren, prüfen Sie, wie sie gemessen wurden
Eine Einschränkung, weil sie ändert, was Sie intern mit diesen Daten tun können. PwCs Segmentierung beruht auf der Selbsteinschätzung der eigenen KI-Kompetenz. Selbstberichtete KI-Fähigkeit ist ein bekannt schwaches Signal: Im Automation Anxiety Report 2026 von GCheck (N=1.500 US-Vollzeitbeschäftigte, befragt im April 2026) gaben 63% an, ihre KI-Fähigkeiten übertrieben oder darüber gelogen zu haben, um kompetenter zu erscheinen — bei unter 30-Jährigen 80% —, während 64% sagten, ihr Arbeitgeber habe diese Angabe nie zu überprüfen versucht (GCheck, 2026). Es ist eine Anbieterumfrage — GCheck verkauft Verifizierung — behandeln Sie die Größenordnung daher als Richtung und die Richtung als belastbar.
Die Implikation ist nicht, dass PwCs globales Bild falsch ist. Über 49.364 Befragte hinweg ist die Selbstbericht-Inflation im Aggregat überwiegend Rauschen. Die Implikation ist lokal: Wenn Sie diese Segmentierung im eigenen Unternehmen über einen Selbsteinschätzungsbogen reproduzieren, sortieren Sie Menschen falsch ein — und zwar verzerrt. Ihre lautesten Anwender landen im Front-runner-Feld, ob sie dort hingehören oder nicht.
Eine Kompetenzsegmentierung ist nur so gut wie die Messung darunter. Bewertete Kompetenz, nachgewiesener Output und beobachtete Aufgabenleistung sind andere Instrumente als eine Frage nach Selbstvertrauen, und sie weichen systematisch voneinander ab.
Was ein Head of Operations in diesem Quartal tun sollte
Vier Maßnahmen, nach Hebelwirkung geordnet.
1. Berechnen Sie Ihre Weiterbildungs-Zugangsquote nach Segment, nicht aggregiert. Sie haben mit hoher Wahrscheinlichkeit eine einzige unternehmensweite Kennzahl zu Teilnahme oder Zufriedenheit. Zerlegen Sie sie: nach Ebene, nach Funktion und nach Ihren tatsächlichen KI-Intensivnutzern (das sagt Ihnen die Lizenztelemetrie, nicht eine Umfrage). Ein Durchschnitt von 51% kann 80% an der Spitze und 40% in der Mitte verbergen — genau das findet PwC global. Die Lücke, nicht der Durchschnitt, ist die Zahl, die Sie steuern.
2. Bauen Sie die Taxonomie, bevor Sie Inhalte kaufen. Wenn ein 26-Punkte-Effekt mit dem Vorhandensein einer Skills-Taxonomie verbunden ist und dieser Effekt Kontrollen für Größe und Branche übersteht (NBER Working Paper 35920, 2026), dann ist der günstigste Schritt mit hoher Rendite, die Kompetenzen zu definieren, die Ihre Rollen tatsächlich erfordern, und pro Zyklus dagegen zu messen. Das ist die Arbeit, die aus einer Budgetzeile ein Entwicklungssystem macht — Kompetenzmessung, die Nachfolgereife und interne Mobilität speist statt eines Kurskatalogs; genau die Unterscheidung, um die herum Scovais Performance- und Nachfolge-Layer organisiert ist.
3. Geben Sie Ihren 14% Gestaltungsraum, nicht noch eine Lizenz. Die Front-runners, von denen 29% wechseln dürften, werden dafür belohnt, den Status quo infrage zu stellen und schnell zu lernen. Mehr Werkzeuge halten sie nicht; ein sichtbarer interner nächster Schritt schon. Benennen Sie die Positionen, in die sie wechseln könnten, und das Reifefenster — jetzt bereit oder in zwölf bis vierundzwanzig Monaten — und sagen Sie es ihnen. Ein funktionierender interner Markt ist hier das Retention-Instrument.
4. Verifizieren Sie Kompetenz, bevor Sie KI-kritische Rollen besetzen. Installieren Sie eine kurze angewandte Kompetenzprüfung, bevor Sie jemandem die Ausführung, Aufsicht oder Neugestaltung eines KI-abhängigen Workflows übertragen. Bei einer Selbstbericht-Inflationsrate von über 60% (GCheck, 2026) planen Sie Kapazität auf einer Zahl, die konstruktionsbedingt falsch ist.
Die Entscheidung, die vor Ihnen liegt
Ein um acht Punkte fallender Zugang zu Weiterbildung bei einer um zehn Punkte steigenden KI-Nutzung ist kein Budgetzeilen-Problem, das auf ein größeres Budget wartet. Es ist ein Verteilungsproblem, und Verteilung ist eine Designentscheidung, die Sie standardmäßig bereits treffen.
Die Frage für dieses Quartal ist deshalb eng: Kennen Sie Ihre Weiterbildungs-Zugangsquote für die 14%, die Sie nicht verlieren dürfen, und für die 56%, die die Arbeit machen? Wenn diese zwei Zahlen bis Quartalsende nicht auf einer Seite stehen, steuern Sie keine KI-Kompetenzlücke. Sie finanzieren sie.