Upgrade.Digital
PDF herunterladen
Impulse

Was wir können müssen, wenn Maschinen immer mehr können

Künstliche Intelligenz verändert, wo das Denken einer Führungskraft beginnt und wie Können entsteht, und macht die Entwicklung dieses Könnens zur Aufgabe der Vorgesetzten.

Von · · 10 Minuten

Größere Schrift, ruhigere Zeilen

Wenn Maschinen immer mehr können, ist zu klären, was Menschen selbst können müssen

Wenn Maschinen immer mehr können, ist zu klären, was Menschen selbst können müssen, damit sie die Leistung der Maschinen nutzen, ohne die Führung über das eigene Denken und Urteilen zu verlieren. Für die Führung ist künstliche Intelligenz eine Frage der Technik, eine Frage der Produktivität und vor allem eine Frage des Könnens. Diese Frage beginnt bei der Führungskraft selbst, bei dem Punkt, an dem ihr Denken jetzt einsetzt, und bei der Ordnung, die sie dabei übernimmt. Dann richtet sie sich auf die Menschen, für deren Entwicklung sie Verantwortung trägt. Was mit der Denkarbeit selbst geschieht, wenn ein KI-Assistent das Herstellen übernimmt, steht im ersten Impuls, «Was aus der Denkarbeit wird, wenn Maschinen das Herstellen übernehmen»; dieser zweite fragt nach dem Können, das in der neuen Verteilung nötig bleibt.

Ein KI-Assistent liefert den ersten Entwurf, bevor die Führungskraft selbst nachgedacht hat

Seit KI-Assistenten wie ChatGPT, Copilot oder Claude Unterlagen auf Zuruf lesen, ordnen und zusammenfassen, beginnt die Denkarbeit einer Führungskraft an einem anderen Punkt als vorher. Sie steht seltener vor einer leeren Seite, einem ungeordneten Problem oder der Aufgabe, eine erste Gliederung selbst zu finden. Sie beschreibt dem KI-Assistenten eine noch rohe Frage und erhält in wenigen Augenblicken einen Entwurf, der ordnet, unterscheidet, argumentiert und Gegenpositionen anbietet. Eine erste Gliederung, eine Liste möglicher Ursachen oder die Gegenrechnung eines Händlers liegt nach einer Minute vor. Das ist ein Gewinn, und er ist größer als die gesparte Zeit: Die Führungskraft beginnt ihre Arbeit an einer Stelle, an der sie früher nach Tagen ankam.

Moment der Praxis. Sie bereiten sich auf ein Gespräch vor, bei dem Sie selbst noch nicht genau wissen, wie Sie die Lage beurteilen. Früher hätten Sie zunächst Notizen gemacht, vielleicht einige Unterlagen gelesen und versucht, das Problem für sich zu strukturieren. Heute geben Sie dem KI-Assistenten fünf oder sechs Sätze Kontext und eine noch unscharfe Frage. Wenige Sekunden später liegt eine erste Struktur vor. Sie ist nicht zwingend richtig. Aber sie ist gut genug, dass Ihr eigenes Denken nicht mehr bei null beginnt.

Was dabei wegfällt, ist zum Teil Arbeit, die niemand vermisst: Formatieren, Suchen bekannter Fundstellen, Abschreiben aus Tabellen, Zusammenstellen von Anlagen. Anderes fällt mit weg, das mehr getan hat, als es aussah. Was ein Mensch selbst formuliert, behält er besser als das, was er liest (Slamecka und Graf). Wer eine Sache wiederholt aus dem Gedächtnis abruft und dabei Mühe hat, lernt sie fester als der, dem sie vorgelegt wird (Bjork). Zusammenfassen, Wiederholen und Verdichten gehörten zu dieser Art von Mühe. Sie waren langsam, und sie haben nebenbei gelehrt. Erst wenn eine Tätigkeit entfällt, kann sichtbar werden, dass sie zweierlei zugleich geleistet hat: Arbeit hervorgebracht und Können erzeugt. Beides war nicht dasselbe.

Moment der Praxis. Sie müssen sich in ein Thema einarbeiten, das Ihnen nur teilweise vertraut ist. Früher hätten Sie mehrere Dokumente gelesen, Begriffe nachgeschlagen, Zusammenhänge selbst hergestellt und irgendwann gewusst, was im Thema woran hängt. Heute lassen Sie sich die Dokumente zusammenfassen, Unterschiede herausarbeiten und die entscheidenden Zusammenhänge erklären. Nach zwanzig Minuten sind Sie erstaunlich weit. Aber Sie können kaum unterscheiden, welcher Teil der früheren Arbeit bloßes Suchen und Sortieren war. Und bei welchem Teil Sie unbemerkt das Verständnis erworben haben, auf das Sie später zurückgegriffen haben.

Wohin die Mühe wandert, wenn ein KI-Assistent den Entwurf liefert, beschreibt eine Befragung von 319 Wissensarbeitern zu 936 Arbeitsfällen (Lee und andere). Die Befragten verlagern ihre Anstrengung vom Beschaffen der Informationen zum Prüfen der Antwort, vom Lösen der Aufgabe zum Einpassen des Vorschlags in ihre Lage und vom Ausführen zur Aufsicht über die Aufgabe. Wer dem Werkzeug mehr vertraut, gibt zugleich an, weniger kritisch zu prüfen. Es sind Selbstauskünfte, und sie zeigen die Richtung.

Die anspruchsvolle Arbeit der Führungskraft liegt danach weniger vor dem Entwurf und mehr dahinter. Sie besteht darin zu entscheiden, welche der angebotenen Antworten trägt, welche Annahmen darin gelten, was zu verwerfen ist und was sie als eigenes Ergebnis vor der Konzernleitung vertritt. Zu klären ist deshalb, welche Arbeit seltener geworden ist und welche sich verlagert hat. Und welche davon eine Fähigkeit geübt hat, die die Führungskraft weiterhin braucht.

Moment der Praxis. Sie lassen sich für eine anstehende Entscheidung eine Analyse erstellen. Die Antwort ist gut strukturiert, berücksichtigt die wesentlichen Gesichtspunkte und enthält eine plausible Empfehlung. Früher hätte ein erheblicher Teil Ihrer Arbeit darin bestanden, diese Analyse überhaupt herzustellen. Jetzt liegt sie nach wenigen Minuten vor. Aber entscheiden können Sie noch nicht. Sie prüfen, ob eine zentrale Annahme wirklich trägt, vermissen einen Gesichtspunkt aus der Vorgeschichte, verändern die Gewichtung zweier Kriterien, und kommen schließlich zu einer anderen Empfehlung als der KI-Assistent.

Der Produktivitätsgewinn sagt deshalb noch wenig darüber aus, wie viel der eigenen Denkarbeit tatsächlich entfällt. Bei anspruchsvollen Aufgaben kann sich ihr Schwerpunkt verlagern: vom Hervorbringen zum Beurteilen.

Wer eine fertige Antwort liest, denkt von ihrer Ordnung aus weiter

Die Führungskraft hat ein Problem, zu dem sie noch keine Position hat. Sie beschreibt es dem KI-Assistenten in wenigen Sätzen. Sekunden später liegt eine geordnete, plausible und begründete Antwort vor. Das Problem ist interpretiert, Wichtiges von Unwichtigem getrennt, die Argumente stehen in einer Reihenfolge, und am Ende steht womöglich eine Schlussfolgerung. Die Antwort tritt nicht als Anweisung auf und beansprucht keine Autorität. Weil sie vollständig und geordnet aussieht, liest sie sich trotzdem wie ein geprüftes Ergebnis.

Moment der Praxis. Sie beschäftigen sich mit einer schwierigen Personal- oder Strategiefrage und haben selbst noch keine klare Position. Sie beschreiben dem KI-Assistenten die Situation in einigen Sätzen und fragen: «Wie würdest du das beurteilen?» Die Antwort kommt sofort. Sie ist ruhig, differenziert und erstaunlich plausibel. Sie benennt die Gesichtspunkte, die zählen, gewichtet sie und kommt zu einer nachvollziehbaren Schlussfolgerung.

Der Vorgang, auf den es ankommt, kann dabei unbemerkt bleiben: Die Führungskraft denkt über ihr Problem jetzt von der angebotenen Deutung aus weiter und nicht mehr von ihrem eigenen Ausgangspunkt. Eine vorgegebene Ausgangsgröße lenkt die spätere Einschätzung, auch wenn sie erkennbar beliebig ist (Tversky und Kahneman). Einem Vorschlag, der von einer Maschine kommt, folgen Menschen eher als ihrer eigenen Prüfung, und sie prüfen weniger, je verlässlicher die Maschine bisher war (Parasuraman und Manzey). Bei einem KI-Assistenten wird nicht eine Zahl verankert, sondern die Ordnung des Problems: seine Definition, seine Gliederung, seine Kriterien, die Reihenfolge seiner Argumente. Der KI-Assistent liefert also mehr als Unterlagen. Er prägt den Ausgangspunkt und die Ordnung des weiteren Nachdenkens mit, häufig bevor die Führungskraft bemerkt, dass eine erste Festlegung erfolgt ist, die niemand beschlossen hat (eine Setzung). Übernommen wird dann mehr als die Antwort.

Ihr Urteil bildet sich eine Führungskraft selbst, solange sie die Problemdefinition ändern und die Kriterien zurückweisen kann. Dazu gehört, dass sie begründen kann, warum sie einer Schlussfolgerung folgt, und dass sie sich gegen die angebotene Deutung stellen könnte. Dass Gedanken von anderen kommen, von Kollegen, Büchern, Modellen, Daten oder einem KI-Assistenten, ändert daran nichts; so haben Menschen immer gedacht. Die Frage, an der sich das zeigt, ist unscheinbar: Warum denke ich über dieses Problem eigentlich genau in dieser Ordnung? Wer sie stellt, findet die Stelle, an der die Ordnung von ihm selbst stammt oder vom Werkzeug.

Wer einen KI-Assistenten gut nutzt, tut deshalb nicht möglichst viel selbst. Er weiß, welche Schritte er dem Werkzeug überlassen kann: das Sammeln, das Gliedern, die erste Gegenrechnung. Und er weiß, wo er sich sein Urteil selbst bilden muss: bei der Definition des Problems, bei den Kriterien und bei der Frage, was aus einer geänderten Annahme folgt.

Moment der Praxis. Sie haben den KI-Assistenten intensiv genutzt, zur Strukturierung des Problems, für Gegenargumente, zur Prüfung Ihrer Annahmen und schließlich für einen Entscheidungsvorschlag. Das Ergebnis überzeugt Sie. Kurz vor dem Termin stellen Sie sich eine einfache Frage: «Warum halte ich diese Lösung eigentlich für richtig?» Sie merken, dass Sie die Argumentation gut wiedergeben können. Schwieriger ist die nächste Frage: «Welche Setzungen darin sind eigentlich meine, und welche habe ich übernommen, weil sie mir plausibel angeboten wurden?»

Wenn ein KI-Assistent Arbeit schneller oder leichter macht, entsteht ein Gewinn an Zeit und Aufmerksamkeit, und dieser Gewinn hat keine eingebaute Verwendung: Er kann die Führungskraft entlasten, in mehr Taktung verschwinden oder in Denkbewegungen fließen, die vorher verschlossen waren. Was dabei mit dem menschlichen Können geschieht, ist davon getrennt zu betrachten. Produktivitätsgewinn und Entwicklung des Könnens sind zwei verschiedene Rechnungen: Eine Führungskraft kann ihren Denkraum mit dem KI-Assistenten erheblich erweitern und zugleich eine bestimmte eigene Fähigkeit seltener ausüben. Aus dem Produktivitätsgewinn allein lässt sich deshalb nicht ablesen, was mit dem Denken und Können geschieht.

Wer Arbeit an einen KI-Assistenten abgibt, braucht das Können, das er dabei nicht mehr übt

Wer Arbeit an einen KI-Assistenten abgibt, muss beurteilen können, was zurückkommt. Dieses Können hat er bisher gerade bei der Arbeit erworben, die er jetzt abgibt. Diese Ironie der Automatisierung ist seit den Leitwarten der Industrie beschrieben (Bainbridge). Die Maschine übernimmt die Routine. Der Mensch soll eingreifen, wenn sie versagt, und verliert dabei die Übung, die er für den Eingriff braucht. Für KI-Assistenten gibt es dazu einen belegten Vorgang aus der Medizin. In vier Endoskopiezentren in Polen führten die Ärzte KI-Unterstützung bei Darmspiegelungen ein. Danach sank die Rate, mit der dieselben Ärzte ohne Unterstützung Adenome fanden, von 28,4 auf 22,4 Prozent (Budzyń und andere). Es ist eine Beobachtungsstudie über wenige Monate; die Ursache ist nicht bewiesen. Bei Schülern in China zeigt sich dasselbe mit Verzögerung: Wer die Hausaufgaben mit einem KI-Assistenten erledigte, wurde darin besser und schnitt in den Prüfungen ohne Werkzeug schlechter ab, am stärksten nach zwei Jahren Nutzung (Strömberg, Lei und Wu; Arbeitspapier, eine Region). Beide Befunde passen zur Ironie.

Moment der Praxis. Ein jüngeres Mitglied Ihrer Führungsmannschaft legt eine ausgezeichnete Analyse vor: klar strukturiert, präzise, überzeugend. Sie wissen, dass der KI-Assistent intensiv eingesetzt wurde. Statt zu fragen, wie viel davon selbst gemacht wurde, verändern Sie im Gespräch eine zentrale Annahme: «Nehmen wir an, diese Prämisse stimmt nicht. Was ändert sich dann an deiner Empfehlung?» Dann weiter: «Welches Gegenargument hältst du selbst für das stärkste?» «Was würdest du tun, wenn du jetzt entscheiden müsstest?» Plötzlich wird sichtbar, ob hinter dem überzeugenden Ergebnis ein bewegliches eigenes Verständnis liegt, oder vor allem die Fähigkeit, ein sehr gutes Ergebnis mit dem KI-Assistenten hervorzubringen.

Das gilt nicht für jede Fähigkeit. Fähigkeiten dürfen verschwinden, wenn sie im künftigen Arbeitszusammenhang tatsächlich nicht mehr gebraucht werden; niemand muss heute Logarithmentafeln lesen können. Es gilt für die Fähigkeiten, mit denen ein Mensch Ergebnisse beurteilt, Grenzfälle erkennt, Annahmen verändert und in Lagen handelt, in denen der KI-Assistent danebenliegt oder ausfällt. Solche Lagen sind nicht selten. In einem Versuch mit 758 Beratern lagen die Berater mit einem KI-Assistenten bei einer Aufgabe außerhalb der Leistungsgrenze des Modells um 19 Prozent seltener richtig als die Berater ohne Werkzeug (Dell'Acqua und andere). Wo die Grenze liegt, sah den Beratern niemand an, und das Werkzeug sagte es ihnen nicht.

Moment der Praxis. Sie erinnern sich an eine Führungskraft in Ihrer Mannschaft, die heute sehr schnell erkennt, wenn eine Planung nicht trägt. Sie sieht eine Zahl und fragt sofort nach. Woher kommt diese Sicherheit? Aus Jahren, in denen sie Planungen selbst gebaut, Daten zusammengesucht, Fehler gemacht, Annahmen verteidigt und erlebt hat, welche Abweichungen später wirklich relevant wurden. Nun erstellt der KI-Assistent große Teile dieser Arbeit schneller und besser. Das Ergebnis verbessert sich. Aber ein Teil jener Erfahrungen, aus denen ihre heutige Urteilskraft entstanden ist, fällt für die nächste Generation weg.

Wer Informationen immer wieder selbst zusammentrug, lernte dabei etwas anderes als das Zusammentragen: welche Angaben typischerweise fehlen, welche Annahmen brüchig sind, wo Zahlen einander widersprechen, wann eine plausible Geschichte zu glatt wird. Das Zusammentragen war womöglich nie der Lernvorgang, auf den es ankam. Es war der Anlass, bei dem nebenbei gelernt wurde. Unternehmen automatisieren eine Tätigkeit, weil ihr Ergebnis automatisierbar ist. Später zeigt sich womöglich, dass bei der Tätigkeit noch etwas anderes gelernt wurde als die Herstellung des Ergebnisses, und dass dieses andere niemand vermisst hat, solange die Tätigkeit selbstverständlich zum Berufsweg gehörte.

Daraus folgt kein Wunsch nach den alten Arbeitsweisen; viele davon waren mühsam und haben wenig gelehrt. Zu klären ist, welche Erfahrung welche Fähigkeit hervorgebracht hat und wo diese Erfahrung künftig herkommt, wenn die Tätigkeit beim KI-Assistenten liegt. Das ist die Frage, die eine Vorgesetzte für ihre Leute beantworten muss, nicht die Frage, ob sie das Werkzeug nutzen dürfen.

Erworben hat die Führungsmannschaft an der Spitze die Fähigkeiten, um die es hier geht, bevor es KI-Assistenten gab. Sie fehlen zuerst den Referenten, Controllern und Projektleitern, die heute mit dem KI-Assistenten arbeiten und aus denen in zehn Jahren die Führungsmannschaft besteht. Die These wäre widerlegt, wenn Menschen, die früh und viel an KI-Assistenten abgeben, in Lagen ohne Werkzeug ebenso gut urteilen wie ihre Kollegen. Sie wäre auch widerlegt, wenn die Werkzeuge bis dahin keine solchen Lagen mehr übrig lassen. Belegt ist bisher keines von beidem.

Aus einer glänzenden Vorlage lässt sich weniger ablesen, was ihr Verfasser kann

Wer eine Führungsmannschaft leitet, verantwortet ihre Ergebnisse und die Bedingungen, unter denen ihre Mitglieder Können erwerben. An der Spitze eines großen Unternehmens sind diese Mitglieder selbst Führungskräfte, mit eigenen Leuten, deren Können sie wiederum verantworten. Ein KI-Assistent verändert diese Bedingungen auf jeder Stufe: welche Aufgaben die Mitglieder selbst durchdenken, welche Zwischenschritte sie erleben, bei welchen Fehlern sie lernen und woran sie Erfahrung gewinnen.

Ein Mitglied der Führungsmannschaft bringt eine außergewöhnlich gute Entscheidungsvorlage. Sie ist klarer, umfassender und schneller entstanden als frühere, und der KI-Assistent hatte daran erheblichen Anteil. Ergebnisqualität und Können waren nie dasselbe; eine gute Vorlage konnte immer aus einem guten Stab kommen. Aus der Vorlage ist jetzt aber nicht mehr abzulesen, welchen Teil ihr Verfasser selbst gedacht hat, welche Annahme er selbst gesetzt und welche er übernommen hat. Die Frage der Vorgesetzten heißt deshalb nicht «Wie viel davon hast du selbst gemacht?», sondern «Woran erkenne ich eigentlich, was du kannst?».

Eine Antwort darauf gibt eine einfache Probe: Die Vorgesetzte verändert eine tragende Annahme der Vorlage und fragt, was daraus folgt. Wer die Vorlage durchdrungen hat, sagt, welche Option kippt und warum. Wer sie übernommen hat, muss nachrechnen lassen. Zeigen kann die Probe das Können nur, wenn der Verfasser ohne Werkzeug antwortet; mit dem KI-Assistenten auf dem Tisch beantwortet er auch diese Frage in Sekunden. Sie gehört deshalb in das Gespräch zu zweit und nicht in die Sitzung, wo der Verfasser sie vor Kollegen als Prüfung seiner Person erlebt und die Runde sie als Misstrauen liest.

An der Spitze großer Unternehmen gibt es für dieselbe Frage bereits Verfahren: die Nachfolgeplanung, die Talentkonferenz, das Assessment vor einer Beförderung, das Gespräch zur Jahresleistung. Sie lesen Können bisher überwiegend aus Ergebnissen, Vorlagen und den Urteilen der Vorgesetzten, die wiederum aus Ergebnissen und Vorlagen stammen. Solange die Vorlage etwas über ihren Verfasser sagte, war das ausreichend. Diese Verfahren brauchen jetzt eine Stelle, an der jemand ohne Werkzeug antwortet.

Die Vorgesetzte klärt, welches Können sie erwartet, schafft Anlässe zum Widersprechen und beobachtet, was entsteht

Mit dem KI-Assistenten bleibt die Aufgabe der Vorgesetzten bestehen. Sie verschiebt sich vom Prüfen der fertigen Antwort zur Arbeit an den Bedingungen, unter denen ihre Leute Können erwerben und zeigen. Das ist eine alte Aufgabe der Führung, und sie wird anspruchsvoller, weil eines ihrer Werkzeuge stumpf geworden ist: der Schluss von der Qualität der Arbeit auf das Können dessen, der sie vorlegt.

Die Vorgesetzte klärt zuerst, welches Können sie von ihrer Führungsmannschaft erwartet und welches sie fördert. Dazu gehört zu sagen, welche Arbeit die Mitglieder dem KI-Assistenten überlassen sollen und bei welcher sie selbst gerechnet, gegliedert oder verworfen haben müssen. Bei der tragenden Annahme einer Vorlage etwa, und bei der Antwort auf die Frage, was folgt, wenn sie fällt.

Sie schafft Anlässe, in denen ihre Leute nachfragen, eine Annahme umdeuten, widersprechen und korrigieren, gerade dann, wenn die Vorlage glänzt. Das Gespräch zu zweit vor der Sitzung ist ein solcher Anlass, die Bitte um eine zweite Option, die der Verfasser selbst für falsch hält, ein anderer. In der Sitzung selbst kann, wer sie leitet, die Annahmen einer Vorlage aufrufen, bevor die Runde über die Empfehlung spricht; dort zeigt sich, wer die Annahmen kennt.

Und sie beobachtet, was unter den veränderten Bedingungen tatsächlich geschieht. Welche Fähigkeiten entstehen in ihrer Führungsmannschaft, welche verlagern sich, welche werden seltener geübt? Wo wächst die Abhängigkeit vom Werkzeug, und wo urteilt jemand mit dem Werkzeug besser als vorher? Wo sie gestalten kann, gestaltet sie. Wo die Wirkungen noch niemand zuverlässig kennt, bleibt ihr das Beobachten. Das ist in diesem Fall die Aufgabe selbst, denn niemand weiß heute, welches Können in fünf Jahren gebraucht wird, um mit Ergebnissen umzugehen, die kein Mensch mehr selbst hervorbringt.

Die Personalchefin hat dabei eine eigene Aufgabe. Nachfolgeplanung und Assessments bleiben ihre Verfahren, und sie entscheidet, ob darin eine Stelle vorkommt, an der ein Kandidat eine geänderte Annahme ohne Werkzeug durchrechnet. Die Leitung eines Geschäftsbereichs hat eine andere: Sie entscheidet, welche Aufgaben ihre Controller und Referenten noch selbst durchdenken und bei welchen sie aus eigenen Fehlern lernen, bevor der KI-Assistent die Aufgabe übernimmt.

Moment der Praxis. Vielleicht liegt vor Ihnen in einigen Jahren eine noch bessere Entscheidungsvorlage als heute. Die Frage ist dann: Was kann der Mensch, der sie verantwortet, mit ihr tun, wenn die Wirklichkeit plötzlich anders aussieht?

Was im eigenen Unternehmen zu prüfen ist

Die Führungskraft fragt sich selbst: Wo verändert der KI-Assistent den Ausgangspunkt meines Denkens? Welche Deutungen übernehme ich, bevor ich sie als Deutungen erkenne? Bei welcher Entscheidung der letzten drei Monate habe ich von der Ordnung aus weitergedacht, die der KI-Assistent oder die Vorlage mir angeboten hat? Erkennbar daran, ob ich die Problemdefinition oder die Kriterien an irgendeiner Stelle geändert habe, und ob ich sagen kann, wo.

Sie fragt sich weiter: Was geschieht mit der gewonnenen Zeit? Und an welchen Stellen muss ich selbst noch so viel verstehen, dass ich Annahmen verändern, Widerspruch organisieren und eine angebotene Schlussfolgerung verwerfen kann? Erkennbar an einer Aufgabe der letzten Wochen, bei der die gewonnene Zeit in Gegenhypothesen geflossen ist, und an einer, bei der sie in mehr Taktung verschwunden ist.

Sie fragt das Mitglied ihrer Führungsmannschaft: Wenn ich die tragende Annahme deiner Vorlage ändere, kannst du mir ohne Werkzeug sagen, was daraus folgt? Erkennbar an der Antwort im Gespräch zu zweit, nicht in der Sitzung, und daran, ob die Antwort eine Option nennt oder eine Nachrechnung ankündigt.

Sie fragt die Personalchefin: Woraus lesen unsere Nachfolgeplanung und unsere Assessments heute, was ein Kandidat kann, und welchen Anteil daran haben Vorlagen und Ergebnisse, die mit dem KI-Assistenten entstanden sind? Erkennbar daran, ob in den Unterlagen der letzten Talentkonferenz ein Gespräch ohne Werkzeug vorkommt.

Sie fragt die Leitung eines Geschäftsbereichs: Welche Aufgaben durchdenken die Controller und Referenten deines Bereichs heute noch selbst, und bei welchen lernen sie aus eigenen Fehlern? Erkennbar an einer Aufgabe, die in den letzten zwölf Monaten vom Menschen zum KI-Assistenten gewandert ist, und daran, was an ihre Stelle getreten ist. Der Finanzchef fragt die Vorlage: Steht die tragende Annahme auf der ersten Seite, und steht dabei, wer sie gesetzt hat und was geschieht, wenn sie fällt? Erkennbar daran, ob die Runde in der Sitzung über die Annahme spricht oder nur über die Empfehlung.

Blick nach vorn

Wette des Verfassers: Bis Ende 2029 prüfen die Nachfolgeplanungen der großen börsenkotierten Unternehmen der Schweiz und Deutschlands das Können ihrer Kandidaten für die oberste Führungsebene in einem Gespräch ohne Werkzeug, in dem der Kandidat eine geänderte Annahme durchrechnet. Verloren ist die Wette, wenn die Verfahren dieser Unternehmen Ende 2029 weiterhin überwiegend aus Vorlagen und Ergebnissen lesen. Prüfpunkt sind die Unterlagen der Talentkonferenzen und die Aufträge an Assessment-Anbieter.

Quellen

Die tragenden Arbeiten zum Generierungseffekt, zum Ankereffekt und zur Ironie der Automatisierung sind älter als KI-Assistenten. Die Arbeiten seit 2023 bestätigen sie für diese Werkzeuge; begutachtete Studien zur Führungsmannschaft großer Unternehmen liegen nicht vor.

  • Bainbridge, L. (1983): Ironies of Automation. Automatica 19 (6), 775–779.
  • Bjork, R. A. (1994): Memory and metamemory considerations in the training of human beings. In: Metcalfe, J. und Shimamura, A. (Hg.), Metacognition. MIT Press, 185–205.
  • Budzyń, K. und andere (2025): Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology and Hepatology. Beobachtungsstudie, vier Zentren in Polen.
  • Dell'Acqua, F. und andere (2023): Navigating the Jagged Technological Frontier. Harvard Business School Working Paper 24-013. Feldversuch mit 758 Beratern.
  • Lee, H.-P. und andere (2025): The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI 2025, doi.org/10.1145/3706598.3713778. Befragung, Selbstauskünfte.
  • Parasuraman, R. und Manzey, D. H. (2010): Complacency and Bias in Human Use of Automation. Human Factors 52 (3), 381–410.
  • Strömberg, D., Lei, V. und Wu, Y. (2026): The Generative AI Learning Penalty: Evidence from Chinese Secondary Education. SSRN, Arbeitspapier, nicht begutachtet. 26'811 Schülerinnen und Schüler über dreißig Monate.
  • Slamecka, N. J. und Graf, P. (1978): The Generation Effect. Journal of Experimental Psychology: Human Learning and Memory 4 (6), 592–604.
  • Tversky, A. und Kahneman, D. (1974): Judgment under Uncertainty: Heuristics and Biases. Science 185, 1124–1131.

Glossar

Künstliche Intelligenz: die Gattung von Programmen, die aus Daten gelernt haben, Sprache, Bilder und Zahlen zu verarbeiten; hier gemeint sind die seit 2022 verbreiteten großen Sprachmodelle, die Unterlagen auf Zuruf lesen, zusammenfassen, vergleichen und beantworten. KI-Assistent: ein solches Programm im Gebrauch einer einzelnen Person oder eines Gremiums, etwa ChatGPT, Copilot oder Claude.

Führungsmannschaft: die Führungskräfte, die einer Vorgesetzten direkt unterstellt sind; an der Spitze eines Konzerns die Mitglieder der Konzernleitung und die Leitungen der Divisionen.

Tragende Annahme: die eine Voraussetzung einer Vorlage, bei deren Wegfall die Empfehlung nicht mehr gilt.

Teilen LinkedIn E-Mail