Warum KI New Work nicht tötet, sondern erzwingt

Trouble results when the speed of growth exceeds the speed of nurturing human resources." — Akio Toyoda

Akio Toyoda nutzte es als Analogie für nachhaltiges Wachstum: Wenn ein Baum zu schnell wächst, entstehen besonders breite Ringe mit größeren, dünnwandigen Zellen, die im Vergleich zu langsam gewachsenem Holz geringere Dichte und mechanische Festigkeit haben – was die Stabilität des Stammes reduziert. Dieses schnell gewachsene Holz zeigt eine geringere strukturelle Festigkeit, wodurch der Stamm leichter verformt oder gebrochen werden kann, besonders unter Belastung wie Wind oder Gewicht. Außerdem erzeugen diese Ringe innere Spannungen und Defekte, die zu Schwachstellen führen, an denen Risse oder Brüche leichter entstehen.

Im Ergebnis sieht der Stamm stark aus – ist aber schwach und bricht leicht. Das beschreibt auch den Kern der sich schnell verändernden Unternehmen. Schauen wir uns die Veränderung im Kontext KI an.

38 % der deutschen Unternehmen nutzen KI bereits, weitere 32 % planen den Einsatz in den nächsten drei Jahren (4). Im Handel wird KI vor allem für Kundenservice, Textgenerierung und personalisierte Empfehlungen eingesetzt (5). Für Unternehmen, die digital arbeiten, ist KI weniger ein direkter „Drucktreiber" als vielmehr ein Anpassungszwang – wer nicht mitzieht, verliert Wettbewerbsvorteile. Die eigentlichen Hürden sind der Mangel an KI-Fachkräften, rechtliche Unsicherheiten und fehlende Ressourcen für die Umsetzung. Gleichzeitig gibt es echte Sorgen über negative KI-Effekte wie Fake-Bewertungen und den Verlust persönlicher Kundenbeziehungen.

Und dieser Anpassungsdruck ist enorm. Ich kenne keine Technologieadoptionskurve, die so schnell war. Wo die Glühbirne mehr als ein Jahrhundert brauchte, schaffte es ChatGPT in zwei Monaten, über 100 Millionen Nutzer zu erreichen (6). Das Internet brauchte 7 Jahre, Mobiltelefone brauchten 16 Jahre (7). Und jeder von uns hat schon gespürt, dass uns die Handynutzung, Internet, Streaming usw. nicht immer gut tut. Was macht dann die KI-Technologie mit uns, wenn die KI-Adoption in zwei bis drei Jahren vollständig unsere Gesellschaft durchdrungen hat?

Was KI organisational macht – und was das für Führung bedeutet

Schauen wir uns – als Gedankenexperiment – an, wie KI die Organisationen tatsächlich verändert. Die Auswirkungen lassen sich auf vier Ebenen betrachten:

Sachebene: KI ersetzt Tätigkeiten, nicht Verantwortung

KI fegt durch die Unternehmen mit 20–60 % Effizienzsteigerung – dort, wo sie greift. Aber wenn ein menschlicher Skill – sagen wir, das Schreiben von Verträgen, das Analysieren von Daten, das Treffen von Einschätzungen – durch einen „KI-Skill" ersetzt wird, dann verschwindet die Tätigkeit nicht. Nur der Mensch verschwindet.

Die Führungsaufgabe: Verstehen, WAS automatisiert wurde – nicht nur DASS automatisiert wurde. Denn Verantwortung lässt sich nicht automatisieren.

Organisationsebene: KI-Skills brauchen Ownership wie jede andere Funktion

Hier liegt der blinde Fleck: Man würde ja nicht sehr günstige Leiharbeiter mit etwas beauftragen, wenn man nicht weiß:

• Wie lange die da sind
• Wer sie führt
• Wie sie arbeiten
• An wen sie Ergebnisse übergeben
• Wie sichergestellt ist, dass die Assets des Unternehmens geschützt sind

Genau das machen wir aber gerade mit KI.

Nehmen wir die KI Claude als Beispiel. Dort ist ein Skill ein virtueller Leiharbeiter, dokumentiert in einer Skill-Beschreibung (Markdown) mit Funktionstools (spezifischen Funktionsskripten) – ein bisschen, als wäre die Skill-Beschreibung das CV des Leiharbeiters, der eine personalisierte Werkzeugkiste besitzt. Wenn aber der Leiharbeiter echte Tätigkeiten einer Person ersetzt, muss irgendjemand sich verantwortlich zeichnen für seine Ergebnisse.

Die Führungsaufgabe: Governance-Strukturen für „virtuelle Leiharbeiter" schaffen. Wer ist der fachliche Owner? Wer dokumentiert? Wer testet? Wer sichert? Wer greift ein, wenn es schiefgeht? Wie wird Verfügbarkeit sichergestellt?

Technikebene: Statistische statt deterministische Systeme

KI ist kein harter Algorithmus. Sie ist ein statistischer Papagei – beeindruckend eloquent, aber ohne Garantie auf Konsistenz oder Korrektheit. Dieselbe Eingabe kann morgen ein anderes Ergebnis liefern. Das Modell kann sich ändern, der Anbieter, die API, die Datenbasis die Qualität.

In meinem Blog über „The Great Flattening" (8) unterscheide ich zwischen lebendiger Führung (durch Menschen) und verstetigter Führung (durch Strukturen, Prozesse, Regeln). KI-Skills sind eine neue Form verstetigter Führung – mit einem entscheidenden Unterschied:

Ein etablierter ISO-Prozess liefert morgen gesichert dasselbe Ergebnis. Ein LLM-Skill möglicherweise nicht.

Die Führungsaufgabe: Monitoring, Versioning, Fallback-Pläne. Behandle KI-Skills wie kritische Infrastruktur, nicht wie ein Productivity-Tool.

Beziehungsebene: Wissensvorsprung verliert seinen Wert

Die Burgen des Experten-Wissens – in denen sich so manche Prinzen und Prinzessinnen wohlig eingerichtet hatten – haben ihre Mauern verloren (9). Das Wissen, das gestern Status verlieh, ist heute frei verfügbar.

Für viele Menschen war ihr Fachwissen ein wesentlicher Teil ihrer beruflichen Identität. Wenn die KI „ihren Job" macht, stellt sich die existenzielle Frage: Wer bin ich, wenn nicht der Experte?

Die Führungsaufgabe: Menschen helfen, ihren Wert jenseits von Wissensvorsprung  zu finden. Urteilsvermögen kultivieren. Beziehungsfähigkeit stärken. Identität vom reinen Wissen entkoppeln.

Die Wette, über die niemand spricht

Hinter jeder KI-Integration steckt eine Wette: dass die Funktion stabil abrufbar bleibt, dass die Ergebnisse valide und sicher sind, dass Datenintegrität gewährleistet ist.

Wer trägt die Verantwortung für die Execution? Technisch, sicherheitsseitig, datenschutzrechtlich, im Ergebnis?

Nicht die KI – die kann keine Verantwortung tragen. Also muss sie jemand übernehmen. Aber wer, wenn der Mensch mit dem Wissen längst gegangen ist? Wer versteht noch, was das System tut und warum? Wer kann eingreifen, wenn es schiefgeht?

In praktisch allen Unternehmen gibt es irgendwelche Alt-Server oder Einzelrechner, die irgendetwas am Laufen halten. Den Drucker in der Produktionsinsel, die Steuerungsanlage im Prüfmittelbau, das Kundenstammsystem in COBOL im Serverraum.

Das ist technische Legacy – veraltete geschäftskritische Systeme, die niemand mehr anfassen will. Aber KI erzeugt eine neue, dreifache Form von Legacy:

Technische Legacy 1.0 (klassisch)

Niemand versteht mehr den Code von 2015. Die Entwickler sind gegangen, die Dokumentation lückenhaft, das System „funktioniert irgendwie".

Technische Legacy 2.0 (KI-spezifisch)

Workflows, die auf KI-Modellen basieren, deren Verhalten sich ändert, deren Entscheidungslogik intransparent ist, deren Wartung, Validierung und Informationssicherheit niemand eingeplant hat.

Der entscheidende Unterschied: Bei Legacy 1.0 können wir theoretisch den Code lesen und verstehen. Bei Legacy 2.0 verstehen wir nicht einmal, warum das Modell von 2024 diese Entscheidung traf – weil es ein anderes Modell war als das von heute. Die Herausforderung ist die Kapselung: Einen Microservice kann ich in einen Docker-Container packen. Wie mache ich das bei einem KI-Skill, wo Python, Libraries und andere Environments nicht eindeutig sind?

Organisationale Legacy

Verschwundenes Wissen in den Köpfen derer, die gegangen sind. Verantwortungsketten, die im Organigramm enden, aber nicht in der Realität. Prozesse, die funktionieren – bis sie es nicht mehr tun, und dann weiß niemand mehr, warum sie überhaupt so aufgesetzt wurden. Wer führt die KI-Leiharbeiter? Die IT wird es nicht sein können, weil Geschäftsprozesse einen Owner im Business brauchen. Die fachliche Beurteilung der Leiharbeiter-Ergebnisse muss im Fachbereich liegen.

Identitäts-Legacy

Menschen, die ihre Kompetenz als Identität verstanden haben. Die jetzt nicht wissen, wer sie sind, wenn die KI „ihren Job" macht. Eine Generation von Fachexperten, deren Selbstwert erschüttert wurde, bevor jemand ihnen half, neue Quellen für Bedeutung zu finden.

Es mögen Gedankenexperimente sein, aber der strukturelle Schatten der schnellen Effizienzgewinne durch den Anpassungsdruck hat offensichtliche Risiken.

Toyota und die doppelte Besetzung

Durch den Post von Dirk Fischer inspiriert, sollten wir uns an Toyota ein Beispiel nehmen. Toyota stafft viele Management-Positionen außerhalb Japans doppelt – mit einem japanischen Counterpart. Das wirkt ineffizient. Aber es ist institutionalisierte Vorsicht: Wissen wird übertragen, nicht nur delegiert. Verantwortung wird geteilt, nicht nur zugewiesen. Der Baum wächst langsamer, aber seine Ringe sind gleichmäßig.

Die Übertragung auf KI: So wie Toyota Menschen doppelt besetzt, brauchen wir vielleicht auch bei KI-Skills „Doppelbesetzungen" – Menschen, die verstehen, was der Skill tut, auch wenn sie ihn nicht selbst ausführen. Nicht als Redundanz, sondern als Verwurzelung. Was, wenn wir ein komplett neues Empowerment brauchen? Menschen, die mit der Digitalgeschwindigkeit der KI-Veränderungszyklen klarkommen, ohne in Existenzangst die Säge am eigenen Ast zu spüren – und die Fachlichkeit ausweiten, um KI-Leiharbeiter zu führen. Wie nennen wir diese Rolle? Minion-Dirigent?

Nachhaltige Unternehmen wachsen wie gesunde Bäume: Ring für Ring. Sie entwickeln Menschen schneller, als das Geschäft wächst (10). Denn wenn Krisen kommen – Lieferengpässe, Qualitätsprobleme, Marktverschiebungen oder eben KI-Systeme, die plötzlich nicht mehr das tun, was sie sollen – überleben nur Organisationen mit tiefen Wurzeln und starken Stämmen.



New Work ist nicht tot – es wird zum Überlebensfaktor

Der Zoomer meets Boomer Podcast bringt es auf den Punkt (2): New Work war nie Tischkicker und Obstkorb. Es geht um Grundbedürfnisse: Gesehen werden. Wirksam sein. Lernen. Gestalten. Sich verbinden. Mensch-Sein mit Resonanz.

McKinseys State of AI Report 2025 zeigt: 88 % der Unternehmen nutzen KI – aber nur 6 % sind High Performer mit echtem Impact (11). Der Unterschied? Sie redesignen Workflows fundamental und setzen auf Vertrauen, Lernfähigkeit und Leadership-Commitment. Sie haben verstanden, dass Organisationen soziale Systeme sind und die Menschen entsprechend befähigt gehören.

Sie fragen nicht nur: Was kann die KI?

Sie fragen:

• Wer trägt die Verantwortung?
• Wer versteht das System?
• Wer kann eingreifen?
• Wer führt die Minions?

Wer glaubt, KI „ersetzt" Menschen, schließt eine ziemlich riskante Wette auf die Zukunft ab. Denn mit Garantie erzeugt KI ohne saubere Organisationsarchitekturen – die organisatorische Zwecke, die Menschen, die technischen Systeme und die Wertschöpfungsprozesse berücksichtigen – massive Probleme.

Es ist die Entscheidung des Managements, die Balance zu überlegen: Wann steht Gewinnabschöpfung im Vordergrund und wann sind Investitionen nötig – in Menschen, in KI-Systeme? Diese Abwägungen sind gerade sehr herausfordernd und erzeugen einen gefühlten Rückfall in ein sehr altes Führungsmuster namens „Command & Control". Ich verstehe, dass man in Extremsituationen direktiv handeln muss. Aber wenn es Menschen demotiviert, Befähigungschancen raubt und Vertrauen killt, dann erzeugt es massiv Druck beim Einzelnen - auch indem man Verantwortung verschiebt. Die Folge ist dann: Angst, Rückzug, innere oder äußere Kündigung.

Dabei soll der Druck ja schnell ein Lösungsergebnis produzieren. Stattdessen entsteht nur Dysfunktionalität und Legacy, weil man auf die Hypothese wettet, dass diese spezielle Lösung, die man „jetzt mal machen muss", die Kosten optimiert und bis in die Ewigkeit stabil läuft. So zu handeln ist Irrsinn. Wir sollten Menschen im Zuge der äußeren Umstände so führen, dass die zutiefst menschlichen Fähigkeiten – Kreativität, Urteilsvermögen, Problemlösung – ermöglicht werden. Wer jetzt auf Verhaltenskontrolle setzt statt auf Ergebnisverantwortung und Lernräume, blockiert genau das, was KI nicht ersetzen kann – und gefährdet dauerhaft die nachhaltige Zukunft der Organisation.

Druck wird aus der Kohle keinen Diamanten machen. Und Geschwindigkeit ohne Verwurzelung wird aus dem Baum nur Brennholz machen.

Die eigentliche Frage

Die Frage ist nicht: Wie schnell können wir sein?

Die Frage ist nicht einmal: Wie viel können wir automatisieren?

Die Frage ist: Wer trägt die Verantwortung – heute, morgen, in fünf Jahren?

Und: Haben wir die Menschen entwickelt, die diese Verantwortung übernehmen können?

KI automatisiert Tätigkeiten. Führung kultiviert Urteil. Beides braucht Verwurzelung.

Wie verwurzelt sind wir?

Was denkt ihr: Wo erlebt ihr gerade die größte Diskrepanz zwischen KI-Geschwindigkeit und organisationaler Verwurzelung? Und wer trägt bei euch eigentlich die Verantwortung für das, was die KI tut?

Quellen

1. Oskar Trautmann, LinkedIn-Post zu „Ist New Work tot?", Januar 2026. https://www.linkedin.com/posts/oskar-trautmann96_new-work-ist-etwas-was-viel-gr%C3%B6%C3%9Fer-ist-activity-7419604888596283392-3LXw

2. Zoomer meets Boomer Podcast, Folge 66: „Ist New Work tot?", 2026. https://zoomer-meets-boomer.podigee.io/66-neue-episode

3. Dirk Fischer, LinkedIn-Post zu Geschwindigkeit und nachhaltigem Wachstum, Januar 2026. https://www.linkedin.com/posts/dirk-fischer-06850011_trouble-results-when-the-speed-of-growth-activity-7418668555774308353-KXmc

4. DIHK Digitalisierungsumfrage 2025: „Digitalisierung 2025 – Herausforderungen und Fortschritte für Unternehmen". https://www.dihk.de/de/newsroom/digitalisierung-2025-herausforderungen-und-fortschritte-fuer-unternehmen-157712

5. Bitkom Research: „Digitalisierung im Handel", Juli 2025. https://www.bitkom.org/sites/main/files/2025-07/bitkom-pk-charts-digitalisierung-im-handel.pdf

6. Reuters/UBS (2023): „ChatGPT sets record for fastest-growing user base – analyst note". https://www.reuters.com/technology/chatgpt-sets-record-fastest-growing-user-base-analyst-note-2023-02-01/ | Weitere Quellen: TIME Magazine (2023), Similarweb (2023), AI Business (2023), Euronews (2023).

7. Visual Capitalist (2023): „How Long it Took for Popular Apps to Reach 100 Million Users". https://www.visualcapitalist.com/threads-100-million-users/ | Statista (2021): „Adoption Speed Telephone vs. Mobile Phone". https://www.statista.com/chart/25994/adoption-speed-telefone-mobile-phone/

8. K3 - 010 - The Great Flattening: Unterscheidung zwischen lebendiger und verstetigter Führung.

9. K3 - 011 - KI als erweitertes Gehirn: Identitätskrise der Experten, „Burgen des Wissens".

10. Matthias Wegner, Zeitlos Verwurzelt (2026): Prinzipien nachhaltiger Organisationsentwicklung – Menschen schneller entwickeln, als das Geschäft wächst.

11. McKinsey & Company (2025): „The State of AI in 2025: Agents, Innovation, and Transformation". QuantumBlack, AI by McKinsey, November 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai | Sekundäranalysen: Brian Solis (2025), David Hung Yang/Medium (2025), Brian Heger (2025).

Dies ist Absatztext. Klicken Sie darauf oder klicken Sie auf die Button Text verwalten, um Schriftart, Farbe, Größe, Format und mehr zu ändern. Um Website-weite Absatz- und Titelstile einzurichten, gehen Sie zu Website-Design.