Was verändert sich, wenn Künstliche Intelligenz uns auf Knopfdruck zu einem brauchbaren ersten Ergebnis bringt?

Eine Präsentation, ein Konzept, eine Marktanalyse oder der Entwurf einer Website kann heute mit Hilfe von KI in erstaunlich kurzer Zeit entstehen. Was früher mehrere Stunden gedauert hätte, liegt nach wenigen Minuten als erste Fassung vor. Die Struktur stimmt, die wichtigsten Gedanken sind enthalten und manchmal sieht das Ergebnis sogar schon ziemlich gut aus.

Und trotzdem beginnt an dieser Stelle häufig erst der Teil der Arbeit, der wirklich anspruchsvoll ist. Die Präsentation steht, aber die Dramaturgie trägt noch nicht. Eine Folie sieht professionell aus, erklärt jedoch wenig. Ein Beispiel passt grundsätzlich, nur nicht für diesen Kunden. Aus den ersten schnellen 80 Prozent werden plötzlich zwei weitere Stunden, in denen wir ordnen, streichen und nachschärfen, bis aus einem guten Entwurf etwas geworden ist, hinter dem wir wirklich stehen können.

Besonders deutlich wird dieser Unterschied dort, wo Kontext ins Spiel kommt. Eine KI kann innerhalb weniger Minuten einen plausiblen Ablauf für ein Team-Offsite entwickeln, passende Methoden vorschlagen und daraus einen durchdachten Zeitplan bauen. Was auf dem Papier überzeugend aussieht, kann in der Realität trotzdem scheitern, wenn zwei Teammitglieder beispielsweise seit Monaten im Konflikt liegen oder die letzte Strategieklausur einen Vertrauensbruch hinterlassen hat. An solchen Stellen reicht es nicht, eine gute Lösung zu produzieren. Man muss einschätzen können, ob diese Lösung für genau diese Situation die richtige ist.

Vielleicht beschreibt genau das eine der interessantesten Veränderungen unserer Arbeit: KI bringt uns immer schneller zu einem guten Ergebnis. Gleichzeitig zwingt sie uns, genauer darüber nachzudenken, was ein wirklich gutes Ergebnis eigentlich ausmacht und wie realistisch die vorgeschlagenen Methoden im Kontext sind.

Wenn das Gute leichter verfügbar wird

Auch wenn 80 Prozent eines Textes oder die Ausarbeitung eines Projektes in wenigen Minuten erreichbar scheinen, ist dies natürlich keine reale mathematische Größe. Bei manchen Aufgaben übernimmt KI heute vielleicht ein Drittel, bei anderen bereits fast alles. Als Denkfigur ist das Pareto-Prinzip trotzdem hilfreich, weil es ziemlich gut beschreibt, was viele gerade erleben: Der Aufwand, von null zu einem brauchbaren Ergebnis zu kommen, sinkt erheblich.

Texte beginnen nicht mehr zwangsläufig mit einem blinkenden Cursor auf einer leeren Seite. Präsentationen müssen nicht Folie für Folie aufgebaut werden, Daten lassen sich schneller strukturieren und erste Konzepte innerhalb weniger Minuten entwickeln. Dadurch verändert sich nicht nur unsere Produktivität, sondern auch unsere Erwartung daran, wie schnell professionelle Arbeit entstehen kann.

Wie überraschend diese Entwicklung sein kann, zeigte eine Studie mit 758 Beraterinnen und Beratern der Boston Consulting Group. Bei Aufgaben, die innerhalb der damaligen Fähigkeiten von GPT-4 lagen, arbeiteten die Teilnehmenden mit KI deutlich schneller und erzielten zugleich bessere Ergebnisse. Spannend wurde es jedoch dort, wo eine Aufgabe außerhalb dieser technologischen Kompetenzgrenze lag. Hier half die KI nicht nur weniger, sondern konnte sogar zum Problem werden, weil Teilnehmende plausibel klingenden Lösungen vertrauten, die final aber falsch waren.

Die Forschenden sprechen deshalb von einer „jagged technological frontier“, einer zerklüfteten technologischen Grenze. Das Bild ist treffend, weil diese Grenze nicht sauber zwischen einfachen und schwierigen Aufgaben verläuft. Ein System kann etwas leisten, das uns hochkomplex erscheint, und bei einer scheinbar ähnlichen Aufgabe scheitern.

Für unsere Arbeit bedeutet das: Es reicht nicht, zu wissen, wie wir KI nutzen. Wir müssen zunehmend auch einschätzen können, wann ihre Ergebnisse tragen und wann wir ihnen besser nicht ungeprüft vertrauen.

Urteilskraft wird wertvoller

Viele Wissensberufe waren lange stark darüber definiert, was jemand selbst herstellen konnte. Die gute Analystin analysierte, der Designer gestaltete, die Beraterin entwickelte Konzepte. Diese Fähigkeiten verschwinden nicht, aber ihr Stellenwert verändert sich, wenn Maschinen immer größere Teile der Produktion übernehmen können.

Sobald gute erste Ergebnisse leicht verfügbar werden, verschiebt sich die entscheidende Frage. Es geht nicht mehr nur darum, ob jemand etwas produzieren kann, sondern zunehmend darum, ob jemand erkennt, was davon wirklich gut ist.

Dafür braucht es mehr als Fachwissen im engeren Sinne. Es braucht Erfahrung und ein Verständnis für den Kontext, in dem eine Lösung funktionieren soll. Ein Workshopablauf kann methodisch hervorragend sein und trotzdem an einer Gruppe vorbeigehen. Ein Geschäftsplan kann alle erwartbaren Kapitel enthalten und dennoch auf einer falschen Annahme beruhen. Eine Präsentation kann professionell aussehen, ohne einen Gedanken zu enthalten, der am nächsten Tag noch etwas auslöst.

Genau hier liegt ein Paradox der aktuellen Entwicklung: Je leichter KI bestimmte Teile professioneller Arbeit übernimmt, desto wichtiger kann das Wissen werden, das wir brauchen, um ihre Ergebnisse beurteilen zu können. Expertise verschwindet also nicht zwangsläufig. Sie verlagert sich stärker auf die Fähigkeit, Qualität zu erkennen, fehlenden Kontext zu ergänzen und zu entscheiden, wann ein Ergebnis gut genug ist – und wann nicht.

Die letzten 20 Prozent bleiben nicht bei uns

Es wäre allerdings verführerisch, daraus eine beruhigende Arbeitsteilung abzuleiten: Die KI erledigt die ersten 80 Prozent, während der Mensch dauerhaft für die anspruchsvollen letzten 20 zuständig bleibt.

Darauf sollten wir uns vermutlich nicht verlassen.

Was heute noch menschliche Erfahrung und Nachbearbeitung erfordert, kann in wenigen Jahren selbstverständlich automatisiert sein. Aus 80 zu 20 könnten 90 zu 10 werden und irgendwann vielleicht 95 zu 5. Die entscheidende Frage lautet deshalb weniger, ob KI weitere Teile unserer Arbeit übernehmen wird, sondern was mit unserem Verständnis von Qualität geschieht, während sich diese Grenze verschiebt.

Denn nicht nur die Systeme werden besser. Auch unsere Erwartungen steigen. Eine Website, die uns vor drei Jahren noch beeindruckt hat, wirkt heute vielleicht durchschnittlich. KI-generierte Bilder, die vor kurzer Zeit noch verblüfft haben, erkennen wir inzwischen schneller als beliebig. Und ein sauber formulierter Text unterscheidet sich weniger stark, wenn fast jeder innerhalb weniger Sekunden brauchbare Zeilen produzieren kann.

Technische Qualität wird dadurch schneller selbstverständlich. Umso stärker könnten andere Qualitäten an Bedeutung gewinnen: eine eigenständige Idee, echtes Verständnis für einen Kontext oder die Fähigkeit, aus vielen möglichen Lösungen genau die richtige auszuwählen.

Denn wenn das Gute leichter verfügbar wird, steigt der Wert dessen, was darüber hinausgeht.

Wenn Zeitgewinn zu neuen Erwartungen führt

Damit führt die Diskussion über KI zu einer älteren Frage des technischen Fortschritts. Wenn Technologie uns produktiver macht, müsste es eigentlich möglich sein, dieselbe Leistung mit weniger Arbeit zu erreichen.

John Maynard Keynes formulierte bereits 1930 die Erwartung, steigende Produktivität könne zukünftigen Generationen irgendwann eine 15-Stunden-Woche ermöglichen. An Produktivitätsfortschritten hat es seitdem nicht gefehlt. Trotzdem erleben viele Menschen ihre Arbeit heute nicht als besonders entspannt.

Mit Künstlicher Intelligenz könnte sich dieses Muster wiederholen. Wenn eine Präsentation früher vier Stunden gedauert hat und heute nur noch eine, haben wir theoretisch drei Stunden gewonnen. In der Praxis bleibt dieser Gewinn jedoch selten lange frei. Aus einer Präsentation werden mehrere, Antwortzeiten verkürzen sich und Aufgaben, die früher bis morgen warten konnten, sollen plötzlich noch am selben Nachmittag erledigt werden.

Was technologisch als Entlastung beginnt, kann dadurch organisatorisch zur Verdichtung werden. Genau darin liegt eine der großen Ambivalenzen der aktuellen Entwicklung: KI kann uns Arbeit abnehmen und gleichzeitig dazu beitragen, dass wir noch mehr Arbeit in der gleichen Zeit erledigen müssen.

Die entscheidende Produktivitätsfrage lautet deshalb nicht nur, wie viel schneller wir mithilfe von KI werden können. Mindestens genauso wichtig ist, was wir mit dieser gewonnenen Geschwindigkeit anfangen.

Wer bekommt die KI-Dividende?

Spätestens hier wird aus einem Technologie-Thema ein Leadership-Thema.

Wenn ein Team Aufgaben, für die bislang vierzig Stunden notwendig waren, künftig in dreißig erledigen kann, entsteht ein realer Produktivitätsgewinn. Dieser Gewinn hat allerdings keine eingebaute Bestimmung. Er kann in mehr Output fließen, in bessere Qualität oder in mehr Freiraum für die Menschen, die ihn erwirtschaftet haben.

Welche Mischung daraus entsteht, ist eine Führungsentscheidung. Vielleicht gehört deshalb die Frage nach der KI-Dividende auf die Agenda von Führungsteams: Wer profitiert davon, wenn Arbeit durch KI schneller und effizienter wird?

Natürlich soll ein Unternehmen wirtschaftlich von neuen Technologien profitieren. Auch Kundinnen und Kunden erwarten bessere Leistungen, schnellere Prozesse oder günstigere Angebote. Problematisch wird es erst dann, wenn jeder Produktivitätsgewinn automatisch in neue Anforderungen übersetzt wird. Dann entsteht ein merkwürdiges Ergebnis: Die Technologie wird besser, die Menschen arbeiten schneller – und trotzdem bleibt bei ihnen vor allem das Gefühl, noch weniger Zeit zu haben.

Fortschritt könnte auch bedeuten, einen Teil der gewonnenen Zeit bewusst anders zu nutzen: für Lernen, für bessere Entscheidungen oder für jene Arbeit, die unter dem Druck des Tagesgeschäfts regelmäßig verschwindet. KI eröffnet diesen Spielraum. Ob Organisationen ihn nutzen, ist eine Frage von Leadership.

Nicht zuerst fragen, wen wir ersetzen können

Natürlich werden Unternehmen auch darüber sprechen, welche Aufgaben und möglicherweise welche Stellen durch KI überflüssig werden. Alles andere wäre unrealistisch.

Trotzdem ist es problematisch, mit der Frage zu beginnen, welche Menschen sich ersetzen lassen. Denn wer so fragt, betrachtet die bestehende Organisation als gegeben und sucht anschließend nach Möglichkeiten, einzelne Teile davon zu automatisieren.

Interessanter ist die Arbeit selbst: Welche Tätigkeiten erzeugen bei uns wirklich Wert? Welche davon kann KI inzwischen besser oder effizienter übernehmen? Und an welchen Stellen entsteht die beste Leistung gerade durch die Verbindung von menschlicher Erfahrung und technischer Leistungsfähigkeit?

Erst danach lässt sich sinnvoll darüber sprechen, wie Rollen zukünftig aussehen und welche Kompetenzen dafür gebraucht werden.

Der Unterschied ist wesentlich. Wer zuerst auf Stellen schaut, denkt schnell über Reduktion nach. Wer zuerst auf Arbeit schaut, kann Arbeit neu gestalten.

Woher kommen die Experten von morgen?

Dabei entsteht eine Leadership-Frage, die möglicherweise noch schwieriger ist als die Frage nach Effizienz: Wie entwickeln Menschen in Zukunft eigentlich Expertise?

Eine Studie von Erik Brynjolfsson, Danielle Li und Lindsey Raymond mit Beschäftigten im Kundensupport zeigte, dass vor allem weniger erfahrene Mitarbeitende stark von KI-Unterstützung profitierten. Ein Teil des Wissens besonders guter Kolleginnen und Kollegen wurde durch das System offenbar für andere verfügbar. Mitarbeitende mit weniger Expertise konnten dadurch schneller gute Leistungen erreichen und von Wissen profitieren, für das früher wesentlich mehr Erfahrung notwendig war.

Das ist eine enorme Chance! Gleichzeitig steckt darin ein Entwicklungsproblem.

Denn Expertise besteht nicht nur darin, die richtige Antwort zu kennen. Sie wächst auch dadurch, dass Menschen Aufgaben selbst bearbeiten, Fehler machen und mit der Zeit Muster erkennen. Die erfahrene Beraterin kann einen KI-generierten Konzeptentwurf auch deshalb so gut beurteilen, weil sie früher viele Konzepte selbst entwickelt hat. Sie hat erlebt, welche Ideen funktionieren, wo typische Denkfehler liegen und wie stark der Kontext ein Ergebnis verändern kann.

Wenn KI genau diese Lernstrecke zunehmend übernimmt, entsteht ein Paradox:

Wir brauchen also weniger menschliche Arbeit für die ersten 80 Prozent – und gleichzeitig weiterhin Menschen, die die Qualität der letzten 20 Prozent beurteilen können.

Doch woher kommt deren Urteilskraft, wenn sie die ersten 80 kaum noch selbst durchlaufen?

Das ist keine Randfrage der KI-Debatte, sondern eine zentrale Aufgabe von Personalentwicklung und Führung. Organisationen werden bewusster entscheiden müssen, wo KI Arbeit vollständig übernehmen darf und wo Menschen bestimmte Erfahrungen weiterhin selbst machen sollten. Nicht weil das kurzfristig effizienter wäre, sondern weil Lernen manchmal genau dort entsteht, wo etwas noch nicht sofort leicht geht.

Nicht jede Reibung ist Verschwendung. Manche Reibung ist Entwicklung.

Führung an einer beweglichen Qualitätsgrenze

Damit entsteht eine weitere Aufgabe für Führungskräfte. Nicht jede Tätigkeit braucht Perfektion. Für eine interne Zusammenfassung kann ein gutes KI-Ergebnis vollkommen ausreichen, während bei einer strategischen Entscheidung oder einem sensiblen Gespräch wenige Prozent mehr Qualität entscheidend sein können.

Leadership bedeutet deshalb zunehmend, diese Unterschiede bewusst zu machen. Wo reicht „gut genug“, wo braucht es menschliche Expertise und welche Fähigkeiten dürfen wir nicht verlieren, auch wenn eine Maschine sie inzwischen schneller ausführen kann?

Diese Fragen werden umso wichtiger, je leistungsfähiger die Systeme werden. Denn die technische Frage „Kann KI das?“ wird künftig vermutlich immer häufiger mit Ja beantwortet.

Die eigentliche Führungsfrage beginnt danach:

Was soll KI übernehmen – und was bedeutet diese Entscheidung für Qualität, Lernen und die Menschen in unserer Organisation?

Die letzten 20 Prozent

Vielleicht werden aus den letzten 20 Prozent irgendwann zehn oder fünf. Trotzdem bleibt die grundsätzliche Frage bestehen, was wir von menschlicher Arbeit erwarten, wenn Produktion immer leichter verfügbar wird.

Damit kehren wir zum Anfang zurück. KI kann eine Präsentation erstellen, ein Konzept entwickeln und immer mehr Kontext berücksichtigen. Vermutlich wird sie schon bald vieles besser können, was wir heute noch für eine besondere menschliche Leistung halten.

Ob wir diese Entwicklung jedoch vor allem nutzen, um immer mehr Arbeit in denselben Tag zu legen, oder um Arbeit grundlegend besser zu gestalten, entscheidet nicht die Technologie. Das entscheiden wir in unseren Organisationen – durch die Erwartungen, die wir setzen, die Freiräume, die wir schaffen, und die Art, wie wir Menschen in ihrer Entwicklung begleiten.

Vielleicht liegt genau darin eine der wichtigsten Leadership-Aufgaben der KI-Ära.

Drei Fragen zum Weiterdenken

  1. Qualität
    Wo liegt in deiner Arbeit heute die Grenze zwischen „gut genug“ und „wirklich gut“?
  2. Entwicklung
    Welche Erfahrungen sollten Mitarbeitende weiterhin selbst machen, auch wenn KI ihnen die Arbeit bereits abnehmen könnte?
  3. Führung
    Wenn dein Team morgen 20 Prozent produktiver wäre – was würdet ihr mit diesem Fortschritt anfangen?