Ein Gespräch mit einem Unternehmen, das gerade massiv in KI investiert hängt mir immer noch nach. Große Roadmap, ambitionierte Ziele, erste Piloten, interne Use Cases. Die Stimmung: Aufbruch. Und kombiniert wird die Roadmap mit präventivem Stellenabbau in Erwartung der Effizienzgewinne durch KI.
Ich bleibe an solchen Momenten hängen. Nicht wegen der Entscheidung an sich, die mag im Einzelfall begründbar sein. Sondern wegen der Selbstverständlichkeit, mit der beides zusammen gedacht wird. Mehr KI gleich weniger Menschen: das wirkt logisch, fast zwingend. Und genau das macht es für mich so gefährlich. Wenn Unternehmen wie Meta Entlassungen mit KI begründen, dann klingt das nach einer einfachen Technologiegleichung, „Das ist jetzt eben so“. Aber KI trifft keine solchen Entscheidungen. Sie priorisiert nicht, sie wägt nicht ab, sie übernimmt keine Verantwortung. Sie liefert Vorschläge, Muster, Wahrscheinlichkeiten. Was daraus gemacht wird, ist immer noch eine Führungsentscheidung. Und die wird gerade in meiner Wahrnehmung erstaunlich oft verkürzt. Denn KI ist kein Effizienzprogramm im klassischen Sinn. Sie ist kein Tool, das einfach Bestehendes schneller macht. Sie greift tiefer, in Aufgaben, in Rollen, in die Art, wie Entscheidungen entstehen. Eigentlich zwingt sie Organisationen dazu, Arbeit neu zu denken. Nur passiert oft das Gegenteil.
Die bestehende Logik bleibt und KI wird oben draufgesetzt. Mehr Output, weniger Kosten, gleiche Struktur. Das Ergebnis wirkt effizient. Ist aber oft nur beschleunigte Vergangenheit. Was dabei verloren geht, zeigt sich nicht sofort. Denn parallel zu diesen Effizienzgewinnen entsteht etwas anderes: Unsicherheit; neue Abhängigkeiten, neue Anforderungen an Urteilskraft, Einordnung und Verantwortung. Genau dort entsteht Wert im KI-Zeitalter und genau dort wird häufig abgebaut. Diesen blinden Fleck erlebe ich, wenn Organisationen sehr genau wissen, welche Prozesse sich automatisieren lassen, aber deutlich weniger Klarheit darüber haben, welche Fähigkeiten sie künftig stärker brauchen. Wer stellt die richtigen Fragen an ein System? Wer erkennt, wann ein Ergebnis plausibel ist und wann nicht? Wer übernimmt Verantwortung, wenn Entscheidungen auf Vorschlägen basieren? Das sind keine technischen Fragen. Das sind Führungsfragen. Und sie lassen sich nicht durch Reduktion beantworten. Die teuerste KI-Strategie ist deshalb nicht die, die viel in Technologie und wenig in Menschen investiert. Es ist die, die glaubt, Transformation ließe sich wie ein Effizienzprogramm steuern. Denn sie spart genau dort, wo Orientierung entstehen müsste. Sie spart an Erfahrung, während neue Systeme Erfahrungswissen brauchen. Sie spart an Dialog, während Vertrauen verhandelt werden müsste. Sie spart an Menschen, während Organisationen erst lernen müssten, Mensch und Maschine sinnvoll zusammenzubringen. Das ist nicht nur ein soziales Problem, sondern ein strategisches. Denn wer KI als Ersatzlogik einführt, bekommt selten Innovation, er bekommt Automatisierung bestehender Muster. Manchmal schneller, manchmal billiger aber nicht zwingend besser.
Führung zeigt sich im KI-Zeitalter weniger in Entscheidungen selbst, sondern darin, wie Entscheidungen zustande kommen. Wie sichtbar sie sind, wie anschlussfähig, wie reflektiert. Genau diese Verschiebung beschreibe ich auch in meinem Buch „KI in der Führungsarbeit“ – und sie wird in der Praxis gerade spürbar. Das lässt sich nicht automatisieren und auch nicht wegrationalisieren. Vielleicht ist die entscheidende Frage deshalb gerade nicht, wie viele Menschen wir uns künftig noch leisten. Sondern wie viel Urteilskraft wir uns leisten wollen, zu verlieren. KI macht diese Frage unausweichlich. Und sie legt ziemlich schonungslos offen, wie Organisationen wirklich geführt werden.