AI First reicht nicht

Jedes Unternehmen meldet inzwischen seine KI-Adoption: wie viele Mitarbeiter einen Zugang haben, wie viele Prozesse „KI-gestützt” sind. Ali Ghodsi, CEO von Databricks, sagte im September im a16z-Podcast, die Modelle könnten heute weit mehr Arbeit übernehmen, als Unternehmen ihnen geben. Die meisten nutzten Chatbots; kaum jemand automatisiere wirklich. Das größere Problem sei fehlender Kontext: Die Modelle sitzen nicht in den Meetings und kennen das Wissen der Organisation nicht.

Ich glaube, das ist kein Rückstand, den man mit mehr Adoption aufholt. Es ist ein Missverständnis darüber, wo der Vorteil entsteht.

Der Motor an der alten Welle

Die Geschichte ist bekannt, deshalb kurz: Als der Elektromotor in die Fabriken kam, hängten die meisten Betriebe ihn an die alte Transmissionswelle, von der aus Riemen die Maschinen antrieben. Der Motor ersetzte die Dampfmaschine; Welle, Riemen und Grundriss blieben. Knapp vierzig Jahre nach dem ersten Kraftwerk war in der Produktivität kaum etwas davon zu sehen. Der Sprung kam in den 1920ern, als jede Maschine ihren eigenen Motor bekam und die Fabriken um diese Motoren herum neu gebaut wurden: leichter, eingeschossig, umbaubar (Paul David, 1990).

Der Chatbot auf jedem Schreibtisch ist der Motor an der alten Welle. Die Arbeit wird etwas schneller, manches etwas besser, und alles bleibt, wo es war: die Abteilungen, die Übergaben, die Freigaben, die Rollen. Fehlt Kapazität, wird eingestellt. Wird eine Stelle besetzt, steht „KI-Kenntnisse” im Profil – als wäre der Motor das Problem gewesen und nicht die Fabrik.

Entscheidend ist nicht, ob ein Unternehmen KI nutzt. Entscheidend ist, ob es sich um sie herum neu baut.

Was diesmal billig wird

Der Motor machte Kraft billig. KI macht Intelligenz billig – nicht die außergewöhnliche, aber die ziemlich gute. Analyse, Research, Text, Code, Konzept: Praktisch jeder hat heute Zugriff auf Leistungen, für die Unternehmen bisher Spezialisten beschäftigt haben, weil diese Fähigkeiten teuer und ungleich verteilt waren. Die Modelle werden besser, die Kosten sinken.

Wenn alle Zugriff auf ähnlich gute Modelle haben, steigt das Niveau – und Niveau ist kein Vorteil. Was gestern außergewöhnlich war, ist heute Durchschnitt. Die Frage verschiebt sich: Wer erkennt früher, was das richtige Problem ist? Wer stellt die bessere Frage? Wer merkt, dass die Antwort der KI zwar richtig ist, aber eben nur der intelligente Durchschnitt?

Knapp wird nicht der Zugang zu Intelligenz. Knapp werden Kontext, Urteilskraft und Verantwortung: der spezifische Kontext eines Unternehmens – Kunden, Interessen, Kultur, Timing –, die Fähigkeit, darin richtig zu urteilen, und jemand, der für die Entscheidung geradesteht.

Warum Agenturen es früh spüren

Ich führe eine Digitalagentur. Agenturen verkaufen kognitive Produktion: Strategie, Design, Code. Billige Intelligenz trifft dieses Geschäft besonders früh. Wir bauen i22 gerade zu einer Agentic Organization um und merken dabei, wie wenig davon Technik ist und wie viel Organisation.

Was wir dabei lernen, gilt nicht nur für Agenturen. Es gilt für jede Organisation, die bisher knappe menschliche Intelligenz organisiert hat – also für fast alle.

Die Organisation neu bauen

Die klassische Organisation ist eine Antwort auf knappe Intelligenz. Wir stellen Spezialisten ein, verteilen sie auf Abteilungen, setzen Führungskräfte darüber und bauen Prozesse, damit Wissen und Arbeit zusammenfinden. Das Organigramm organisiert Intelligenz.

Wenn Intelligenz nicht mehr knapp ist, ist das Ziel ein anderes: nicht möglichst viele kompetente Menschen effizient koordinieren, sondern ein System bauen, das gute Entscheidungen schnell in gute Ergebnisse übersetzt. Das verändert drei Dinge: wen man braucht, wie man arbeitet, wie man führt.

Wen man braucht

Fachwissen verliert einen Teil seiner Knappheit; die Maschine stellt es bereit. Was sich nicht genauso schnell herstellen lässt, ist Erfahrung im konkreten Kontext: wie Kunden wirklich entscheiden, warum Organisationen an bestimmten Dingen scheitern, welche Interessen unausgesprochen wirken, wann eine theoretisch richtige Lösung praktisch nicht funktioniert.

Entscheidend ist nicht mehr, wer das meiste Fachwissen gespeichert hat, sondern wer Erfahrung, Kontext und Urteil verbindet – und mit KI über die eigene bisherige Leistungsgrenze hinauskommt. Oft ist das der sehr gute Generalist, der Zusammenhänge sieht, die der Spezialist nicht sieht. Manchmal ist es der Spezialist, dessen fünfzehn Jahre nicht aus gespeichertem Wissen bestehen, sondern aus Mustererkennung. Und immer sind es Menschen, die handeln, statt auf eine Aufgabe zu warten. KI ersetzt solche Menschen nicht. Sie gibt ihnen einen Hebel, den es vorher nicht gab.

Wie man arbeitet

Wenn wenige sehr gute Menschen mit KI die Leistung früherer Teams erreichen, wird Koordination selbst zum Kostenfaktor. Übergaben, Meetings, Freigaben: Das sind die Wellen und Riemen. Die Konsequenz sind kleine, erfahrene Teams mit Verantwortung von Anfang bis Ende – interdisziplinär besetzt, je nach Problem unterschiedlich zusammengesetzt, und um sie herum Agenten, die ihre Leistungsfähigkeit vervielfachen. Fehlt Kapazität, ist die erste Frage nicht mehr, wen man einstellt, sondern ob die Arbeit überhaupt noch so gemacht werden muss.

Gleichzeitig darf das Wissen dieser Teams nicht in Köpfen, Chats und Projekten verschwinden. Jede Entscheidung, jeder Fehler, jedes Kundengespräch muss das Gesamtsystem klüger machen – als aktiver Speicher, auf den Menschen und Agenten zugreifen, nicht als Wiki, das niemand liest. Das ist das Stromnetz der neuen Fabrik: Je dezentraler ein Unternehmen handelt, desto zentraler muss seine Intelligenz verfügbar sein. Autonom handeln. Gemeinsam lernen.

Wie man führt

Ein großer Teil klassischer Managementarbeit ist Koordination: wer macht was, wer braucht welche Information, wo steht das Projekt. Je mehr davon Maschinen übernehmen, desto stärker fällt Führung auf ihre eigentliche Aufgabe zurück: Welche Probleme lösen wir? Wo investieren wir Aufmerksamkeit und Kapital? Welche Wetten gehen wir ein – und was lassen wir bewusst?

Führung wird weniger Koordination und mehr Allokation. Und damit wichtiger, nicht unwichtiger. Denn KI macht nicht nur gute Entscheidungen schneller umsetzbar, sondern auch schlechte. Ein Unternehmen, das mittelmäßig entscheidet und hervorragend automatisiert, wird effizienter darin, das Falsche zu tun.

Der Maßstab

Woran erkennt man, ob eine Organisation neu gebaut ist und nicht nur den Motor getauscht hat? Nicht an der Automatisierungsquote. Ein Unternehmen kann extrem effizient Dinge produzieren, die niemand braucht – das ist hohe Produktivität, aber keine Intelligenz. Wenn ich die Intelligenz einer Organisation auf eine Formel bringen müsste:

Entscheidungsqualität × Lerngeschwindigkeit × Umsetzungsgeschwindigkeit.

Die drei Faktoren sind die drei Hebel von oben. Entscheidungsqualität kommt von den Menschen, die man hat, und von der Führung, die alloziert statt koordiniert. Umsetzungsgeschwindigkeit kommt von kleinen Teams ohne Wellen und Riemen. Lerngeschwindigkeit entsteht daraus, wie schnell Erfahrungen, Feedback und neues Wissen durch die Organisation fließen und wieder in Entscheidungen eingehen – das Stromnetz ist dafür die Voraussetzung, nicht die Garantie. Es ist eine Multiplikation. Fällt ein Faktor gegen null, hilft kein anderer. Eine richtige Erkenntnis, die sechs Monate durch Gremien wandert, kann wirtschaftlich wertlos sein. Eine schnelle Organisation, die schlecht entscheidet, ist dagegen nur schneller falsch.

Im Wettbewerb gewinnt nicht, wer am meisten automatisiert. Sondern wer besser entscheidet, schneller handelt und schneller aus der Wirkung lernt.

Der eigentliche Wettbewerb

AI First wird zur Voraussetzung – und genau deshalb reicht es nicht. Wenn jedes Unternehmen Zugriff auf vergleichbare Modelle, vergleichbares Wissen und zunehmend vergleichbare Agenten hat, ist KI Infrastruktur: notwendig, nicht differenzierend. Je intelligenter die Infrastruktur wird, desto entscheidender wird, was ein Unternehmen daraus macht.

Der Wettbewerb verschwindet nicht. Er verlagert sich – auf den Kontext, den ein Unternehmen besitzt, auf die Qualität seiner Entscheidungen und auf die Geschwindigkeit, mit der es handelt und lernt. Das ist eine These. Wir belegen sie gerade selbst, mit offenem Ausgang. Aber ich halte sie für sehr viel wahrscheinlicher als die Hoffnung, dass mehr Adoption irgendwann von selbst zum Vorteil wird. Die Fabriken hatten vierzig Jahre. Die hat diesmal niemand.

Zum Mitnehmen

Drei Fragen, eine je Hebel. Keine Rezepte, aber sie sortieren schnell:

1. Menschen – die nächste Rolle: Was muss diese Person besser beurteilen können, statt nur mehr zu wissen?
2. Arbeit – die nächste Stellenanfrage: Ist das noch ein Problem, das ein Mensch lösen muss – oder eins, das so nicht mehr gelöst werden sollte?
3. Führung – die nächste Entscheidung: Wie lange dauert es bei uns von Erkenntnis bis Wirkung?

Und über allem: Haben wir den Motor getauscht – oder die Fabrik neu gebaut?