KI braucht Architektur, nicht Aktionismus

Warum die größte Herausforderung in der Organisation liegt

In den sozialen Medien tobt ein Stellungskrieg. Auf der einen Seite die KI-Propheten, die mit Apokalypse-Timelines ihre Reichweite maximieren. Auf der anderen Seite die Pragmatiker, die aus der Praxis berichten, dass KI die Arbeit verändert, nur anders, als die Schlagzeilen suggerieren. Erfahrene Enterprise-Architekten beschreiben, wie sie mit Claude Code produktiver arbeiten als je zuvor. Zugleich weisen sie darauf hin, dass ihr Domänenwissen und ihre Architekturerfahrung diese Produktivität erst möglich machen.

Pauschale Antworten, die nur die Extreme abbilden, helfen mir wenig. Jedes Modell muss zu Zweck und Kontext passen, deshalb schaue ich mir das Thema KI genauer an.

Wird KI Tätigkeiten ersetzen, die heute von Menschen ausgeübt werden?
Ja. Das tut sie bereits, und es wird mehr werden. Wo kognitive Arbeit wiederholbar ist und Mustern folgt, etwa bei Routineanalysen, Texten, Code oder Datenaufbereitung, ist KI schneller und günstiger. Das zu leugnen wäre naiv.

Wird KI Menschen überflüssig machen?
Nein, aber sie verschiebt, was als wertvoll gilt. Was gestern Expertise war, das Wissen, wie man etwas tut, wird zur Massenware. Morgen zählt Urteilsvermögen, also zu wissen, was getan werden sollte, warum, und ob das Ergebnis stimmt. Die Tätigkeit verschwindet, die Verantwortung bleibt, und die lässt sich nicht automatisieren.

Wird KI eine Arbeitslosenwelle erzeugen?
Wahrscheinlich nicht in dem Umfang, den die Apokalyptiker predigen. Schmerzhaft werden die Übergänge trotzdem, wenn niemand sie gestaltet. Das Jevons-Paradoxon deutet darauf hin, dass effizientere kognitive Leistung mehr Arbeit erzeugt. Die Art der Arbeit ändert sich allerdings, und wer nicht lernen kann und dabei keine Unterstützung bekommt, fällt durchs Raster.

Wird KI die Arbeit optimieren oder verdichten?
Beides, und darin liegt die Gefahr. Optimierung heißt, mit gleichem Aufwand bessere Ergebnisse zu erzielen. Verdichtung heißt, denselben Output mit weniger Menschen zu schaffen. Welchen Weg eine Organisation geht, entscheidet die Führung. Wer auf Verdichtung setzt, gewinnt kurzfristig Marge und verliert auf lange Sicht an Tragfähigkeit.

Wer trägt die Verantwortung, wenn die KI falsch liegt? Die KI selbst kann es nicht. Das erinnert mich an Pressemeldungen, in denen Autofahrer ihr Auto in Gräben und Kanäle manövriert haben, weil sie stumpf dem GPS folgten, ohne Kontext und Verstand zu benutzen. Jemand muss die Verantwortung übernehmen. Aber wer, wenn der Mensch mit dem Wissen längst gegangen ist? Haben wir die Architektur, die das alles tragen kann?

Um diese Frage geht es in diesem Artikel, und in den meisten Organisationen lautet die Antwort derzeit Nein.

Martec's Law und die neue Schallmauer

Scott Brinker hat 2013 ein Gesetz formuliert, das seitdem immer relevanter wird: Technologie verändert sich exponentiell, Organisationen logarithmisch. Die Schere zwischen beiden öffnet sich immer weiter. Irgendwann muss sich jede Organisation bewusst neu ausrichten, damit aus der Lücke keine Kluft wird.

KI ist mehr als die nächste Technologiewelle. Sie durchbricht eine neue Schallmauer der Veränderung und hat die höchste jemals gemessene Adaptionsrate. Keine Technologie hat sich so schnell verbreitet, und keine hat so direkt in die kognitive Wertschöpfung eingegriffen, also in das, was Wissensarbeiter zu Wissensarbeitern macht.

Die meisten Organisationen reagieren mit Tempo. Sie implementieren und automatisieren schneller und wollen die Effizienzgewinne möglichst bald einfahren.

Das Gen-AI-Paradoxon: Die Daten bestätigen den Befund

McKinseys QuantumBlack-Report „Seizing the Agentic AI Advantage“ belegt diesen Reflex und sein Scheitern mit Zahlen, und die sind ernüchternd. 78 Prozent der Unternehmen setzen bereits generative KI ein, gleichzeitig berichten über 80 Prozent von keinem messbaren Beitrag zum Unternehmensergebnis. Nur 1 Prozent der befragten Unternehmen betrachten ihre KI-Strategie als ausgereift.

McKinsey nennt das den „Gen AI Paradox“: Trotz aller Energie, Investitionen und Möglichkeiten hat sich für die meisten Organisationen noch keine Wirkung in nennenswertem Umfang eingestellt.

Im Kern des Paradoxons liegt ein Ungleichgewicht, das direkt auf die Architektur-Frage verweist. „Horizontale“ Use Cases wie unternehmensweite Copilots, Chatbots und interne Q&A-Assistenten wurden schnell ausgerollt, bringen aber nur diffuse, schwer messbare Verbesserungen. Die „vertikalen“ Use Cases, die funktionsspezifisch und tief in die Wertschöpfung eingebunden sind und am meisten verändern könnten, stecken zu 90 Prozent in der Pilotphase fest. Sie scheitern an technischen, organisationalen, datenbezogenen und kulturellen Barrieren, anders gesagt an fehlender Architektur.

Tony Lockwood formuliert es im Transformation Leaders Body of Knowledge (TLBoK) so:

„Speed without architecture creates drag later. Architecture without courage creates analysis paralysis. But architecture with authority creates momentum that sustains.“

„Drag“ kommt aus der Physik und bezeichnet den Widerstand, der ein Objekt ausbremst. Ein schlecht konstruiertes Flugzeug erzeugt bei höherer Geschwindigkeit vor allem mehr Luftwiderstand. In Organisationen ist es ähnlich: Wer schnell transformiert, ohne die Architektur mitzuziehen, baut mit jedem Tempozuwachs mehr internen Widerstand auf.

Das Jevons-Paradoxon: Mehr, nicht weniger

Bevor es um Architektur geht, möchte ich einen Denkfehler auflösen, der die ganze KI-Debatte vergiftet. Die meisten Diskussionen gehen davon aus, dass KI Arbeit ersetzt. Wer das glaubt, sollte sich mit William Stanley Jevons beschäftigen.

1865 beobachtete Jevons, dass effizientere Dampfmaschinen den Kohleverbrauch steigerten. Die höhere Effizienz erschloss Anwendungen, die vorher unwirtschaftlich gewesen waren, und so liefen am Ende mehr Maschinen, die mehr Kohle verbrauchten.

Auf KI übertragen heißt das: Wenn kognitive Leistung günstiger wird, können Unternehmen deutlich mehr Projekte, Experimente und Nischenideen umsetzen, die sich bisher nicht gerechnet haben. Die Wissensarbeit wächst also. Und Entwickler, die gut ausgestattet und unterstützt werden, erzielen die Wirkung von fünfzig.

McKinseys Praxisbeispiele bestätigen diesen Mechanismus: Eine globale Bank verkürzte ihre IT-Modernisierung um über 50 Prozent, indem sie Agenten einsetzte, die ihre Engineering-Teams unterstützten und deren Wirkung vervielfachten. In keinem dieser Fälle wurden die Fachleute ersetzt. Sie konnten Dinge bewirken, die vorher jenseits ihrer Kapazität lagen.

Statt „Wie ersetze ich fünf Entwickler durch KI?“ sollten wir fragen: „Wie bringe ich fünf Entwickler dahin, die Wirkung von fünfzig zu erzielen?“ Das ist eine Architekturfrage.

Function follows form — die stille Sabotage

Tony Lockwood beschreibt im TLBoK vier Architekturschichten, die in jeder Organisation zusammenpassen müssen:

• Strategy gibt Richtung.
• Operating Model stellt sicher, dass die Organisation diese Richtung strukturell umsetzen kann.
• Governance klärt, wer welche Entscheidungen trifft.
• Capabilities sind die Fähigkeiten, die das System braucht, um Wert zu liefern.

Das architektonische Grundprinzip lautet Form follows function, die Gestalt folgt also aus dem Zweck. Wenn eine Strategie eine bestimmte Capability verlangt, dann muss das Operating Model so gebaut sein, dass diese Capability gedeihen kann.

In der Praxis erleben wir häufig das Gegenteil: Function follows form. Das Steuerungssystem sagt „wir brauchen X“, aber das System ist gebaut, um Y zu liefern. Die Umsetzung wird schwer, und das liegt selten an den Menschen, meist an einer soziotechnischen Architektur, die nicht mitgezogen wurde.

McKinseys Befund zum Horizontal-Vertikal-Ungleichgewicht beschreibt diese stille Sabotage. Die horizontalen Copilots wurden schnell ausgerollt, weil sie keine architektonischen Änderungen erfordern. Die vertikalen Use Cases bleiben zu 90 Prozent im Pilotstadium hängen, weil sie diese strukturelle Anpassung verlangen, also veränderte Prozesse, geklärte Verantwortlichkeiten und eine angepasste Governance.

Die dreifache Legacy-Falle

Wer KI ohne architektonische Kohärenz einführt, erzeugt eine neue Form von Legacy, die gefährlicher ist als alles, was wir bisher kannten.

Technische Legacy 2.0 ist die KI-spezifische Variante. Gemeint sind Workflows auf Basis von KI-Modellen, deren Verhalten sich ändert, deren Entscheidungslogik undurchsichtig ist und deren Wartung und Validierung niemand eingeplant hat. Bei klassischer Legacy können wir den Code zumindest theoretisch lesen und verstehen. Bei Legacy 2.0 wissen wir nicht einmal, warum das Modell von 2024 eine Entscheidung traf, denn es war ein anderes Modell als das heutige.

McKinsey begegnet dieser Gefahr mit dem „Agentic AI Mesh“, einem Architekturansatz für die Governance der schnell wachsenden KI-Systeme in Organisationen. Seine Designprinzipien Composability, Distributed Intelligence, Layered Decoupling und Vendor-Neutralität zielen auf das Problem der technischen Legacy 2.0. Der Mesh löst allerdings nur die technische Seite.

Organisationale Legacy entsteht, wenn das Wissen mit denen geht, die die Organisation verlassen. Verantwortungsketten enden dann im Organigramm, aber nicht in der Wirklichkeit, und Prozesse funktionieren, bis sie es nicht mehr tun. Dann weiß niemand mehr, warum sie überhaupt so aufgesetzt wurden.

Identitäts-Legacy wird am wenigsten diskutiert und wirkt vielleicht am stärksten. Sie betrifft Menschen, die ihre Kompetenz als Identität verstanden haben und jetzt nicht mehr wissen, wer sie sind, wenn die KI „ihren Job“ macht. Eine ganze Generation von Fachleuten erlebt, wie ihr Selbstwert erschüttert wird, bevor ihnen jemand hilft, neue Quellen für Bedeutung zu finden.

Alle drei Formen von Legacy entstehen aus demselben Grundfehler: Geschwindigkeit ohne Architektur.

Drei Achsen, ein System

Wie sieht eine KI-Transformation aus, die architektonisch denkt? In meinem Arbeitsbuch „Zeitlos Handeln“ habe ich dafür ein Drei-Achsen-Modell entwickelt. Es verbindet drei Perspektiven auf Architektur, von denen jede für sich nur einen Teil der Geschichte erzählt.

Die erste Achse: Organisationale Architekturdimension
Von der Strategie über das Operating Model und die Governance bis zu den Capabilities muss jede Schicht zu den anderen passen. McKinseys Vier-Säulen-Modell (People, Governance, Technology, Data) ergänzt das: Lockwoods Modell fragt, wie die Gesamtarchitektur aufgebaut sein muss, McKinseys Säulen fragen, was innerhalb dieser Architektur in Gang kommen muss.

Die zweite Achse: Technologische Architekturdimension
Wardley Mapping zeigt, wo Capabilities in ihrer Entwicklung stehen, was also neu und unsicher ist und was standardisiert und stabil. Eine Capability in der Genesis-Phase braucht Strukturen zum Erkunden, eine Commodity-Capability braucht Effizienz und Standards. Wenn du eine entstehende Fähigkeit in ein standardisiertes Operating Model zwängst, erstickst du sie.

McKinseys Unterscheidung zwischen horizontalen und vertikalen Use Cases passt direkt zur Wardley-Logik. Horizontale Copilots sind Capabilities nahe an der Commodity, vertikale, funktionsspezifische Agenten stehen in der Genesis- oder Custom-Built-Phase. Wer beide gleich behandelt, produziert das Scheitern, das McKinseys Zahl vom 90-Prozent-Pilotfriedhof dokumentiert.

Die dritte Achse: Menschliche Tiefendimension
Selbst wenn du Form follows function sauber umsetzt und das Operating Model zur Strategie passt, bleibt offen, ob die Menschen diese Form tragen können.

Ein Operating Model, das Autonomie und Entscheidungsmut verlangt, funktioniert nicht in einer Kultur, die von Absicherung und Kontrolle geprägt ist. McKinseys Report nennt diese Dimension „the hardest part“ und räumt ihr trotzdem den wenigsten Platz ein.

Einem autonomen Agenten Entscheidungen zu überlassen und trotzdem die Verantwortung für das Ergebnis zu behalten, lernt man in keinem Workshop. Dafür braucht es eine Haltung, die in der eigenen Identität verankert ist.

Jede Architekturschicht hat eine menschliche Voraussetzung

Das Drei-Achsen-Modell macht sichtbar, was in rein technischen oder rein strukturellen Transformationsansätzen fehlt:

Die Strategieschicht braucht innere Klarheit und Zustimmung, die von innen kommt. Ein CEO, der eine Agentic-AI-Strategie verkündet, weil der Wettbewerb es verlangt, sein Kontrollbedürfnis aber nicht loslässt, wird zum Flaschenhals seiner eigenen Transformation.

Das Operating Model braucht eine Kultur, die es trägt, ein Gewächshaus, in dem Veränderung gedeihen kann. Die Lücke zwischen verkündeter und gelebter Kultur zu benennen ist unangenehm, und doch ist sie der ehrlichste Startpunkt für jeden Wandel.

Governance braucht Vertrauen und klare Rollen, sonst wird sie zum Theater. Wo Fehler bestraft werden, übernimmt niemand freiwillig die Verantwortung für die Ergebnisse eines autonomen Agenten, wie elegant das Governance-Framework auch gestaltet sein mag.

Die Capability-Schicht braucht Menschen, die reifen können, denn Fähigkeiten leben in Menschen und nicht in Organigrammen. Capabilities sind der natürliche Schnittpunkt aller drei Achsen.

Was architektonisches Denken konkret verändert

Eine Organisation, die architektonisch denkt, und eine, die aktionistisch handelt, nutzen dieselben Modelle, APIs und Tools. Sie unterscheiden sich in den Fragen, die sie vor der Implementierung stellen.

McKinsey formuliert die Frage des Architekten für die CEO-Ebene so: Nicht „How do we add AI?“, sondern „How do we want decisions to be made, work to flow, and humans to engage in an environment where software can act?“

Ein Beispiel: Ein Unternehmen automatisiert die Vertragsanalyse mit KI. Der Aktionist ersetzt drei Juristen, feiert die Einsparung und geht zum nächsten Projekt. Der Architekt fragt dagegen, wer die Ergebnisse der KI-Analyse verantwortet. Wie stellen wir sicher, dass ein Modellwechsel die Qualität nicht verändert? Wer hat das Fachwissen, um die Ausgabe zu beurteilen, und wie halten wir dieses Wissen lebendig, wenn es nicht mehr täglich gebraucht wird? Welche Governance braucht ein System, dessen Entscheidungslogik sich mit jedem Update ändern kann?

78 Prozent Nutzung bei 80 Prozent ohne messbare Wirkung, so sieht Aktionismus ohne Architektur in Zahlen aus.

Der Prüfstein: Wo stehst du?

Drei Fragen, mit denen jede Führungskraft ihren Stand prüfen kann:

Dimension 1 — Architektur: Kannst du deine KI-Strategie in drei Sätzen formulieren, ohne auf eine Folie zu schauen? Und wenn ja, passt das Gesagte zu dem, wie dein Operating Model gebaut ist? Oder sagst du „Innovation“, während dein System „Standardisierung“ liefert?

Dimension 2 — Landschaft: Weißt du, welche deiner Capabilities gerade in der Genesis-Phase sind, also unsicher und noch nicht verstanden, und welche bereits Commodity sind? Behandelst du beide gleich? Wie viele deiner vertikalen Use Cases haben die Pilotphase überlebt?

Dimension 3 — Menschliche Tiefe: Wenn du morgen die KI abschaltest, verstehen deine Leute dann noch, was die Systeme tun und warum die Prozesse so gestaltet sind? Oder hast du eine Organisation gebaut, die ohne ihre technischen Prothesen nicht mehr laufen kann?

Wer alle drei Fragen ehrlich beantwortet, hat seinen Startpunkt für architektonisches Denken gefunden. Wer sie überspringt, betreibt Aktionismus und wird die Folgen in zwei bis drei Jahren spüren.

Die eigentliche Frage

Jede Transformation hat drei Dimensionen, die gleichzeitig stimmen müssen. Die Architektur muss von der Strategie bis zur Capability zusammenpassen. Jemand muss die Landschaft lesen und erkennen, welche Fähigkeiten entstehen, welche sich standardisieren und welche verschwinden. Und die Menschen müssen reif genug sein, um das Ganze zu tragen.

Fehlt eine Dimension, scheitert das System, so gut die anderen beiden auch gestaltet sind. Wer KI einführt, ohne diese drei Achsen zusammen zu denken, baut ein Haus ohne Fundament und wundert sich über die Risse in der Wand.

McKinseys Report schließt mit einer Aussage, die den Kern dieses Artikels in die Sprache der Unternehmensberatung übersetzt: „Experimentation is over.“ Agentic AI sei das Fundament des nächsten Operating Model und kein weiterer kleiner Schritt.

Das ist die richtige Ambition. Einlösen lässt sie sich aber nur, wenn „handeln“ architektonisches Gestalten meint und das Redesign über die Prozesse hinaus auch das Operating Model, die Governance und die menschliche Tiefenarchitektur umfasst.

Sonst reproduzieren wir das Gen-AI-Paradoxon auf der nächsten Stufe: agentic AI everywhere, agentic impact nowhere.

Die Eingangsfragen dieses Artikels lassen sich jetzt anders beantworten als mit Ja oder Nein:

• Wird KI Tätigkeiten ersetzen? Ja, und zwar dort, wo die Architektur es sinnvoll trägt.
• Wird sie Menschen überflüssig machen? Nein, aber sie macht sichtbar, wer Verantwortung übernehmen kann und wer sich hinter Routinen versteckt hat.
• Wird sie optimieren oder verdichten? Das entscheiden Führungskräfte, die den Mut haben, architektonisch zu denken.

Deshalb braucht KI Architektur, nicht Aktionismus.

Exkurs: Die Circlead Platform

Die Circlead Platform ist eine Spring-Boot-Webanwendung für Organisationsdesign und Fähigkeitsmanagement. Sie verwaltet Circles (autonome Teams), Rollen, Akteure und strategische Ziele und verbindet dafür Frameworks wie H.E.A.R.-Assessment, Wardley Mapping, Cynefin, Team Topologies und RACI-Matrizen. Die Plattform hat eine REST-API mit JWT-Authentifizierung, rollenbasierte Zugriffskontrolle (Need-to-Know-Prinzip) sowie Import/Export-Funktionen (inkl. ArchiMate). Über einen zusätzlichen MCP-Server ist sie in Claude Code, Claude Desktop oder VS Code Copilot eingebunden. So lassen sich Governance-Metriken, ADRs und Kontext für die Programmierung austauschen. Weil das Modell organisatorische Akteure auch als Services und Agenten abbilden kann, lassen sich KI-Agenten architektonisch einbetten, wo sie sonst ad hoc implementiert würden.

Quellen

1. Lyn Sören Matten, LinkedIn-Post zu KI und Softwareentwicklung, Februar 2026.
2. Brinker, Scott: Martec's Law -- Technology changes exponentially, organizations change logarithmically, 2013.
3. Reuters/UBS: „ChatGPT sets record for fastest-growing user base -- analyst note“, 2023.
4. Visual Capitalist: „How Long it Took for Popular Apps to Reach 100 Million Users“, 2023.
5. Lockwood, Tony: Transformation Leaders Body of Knowledge (TLBoK), 2024 Edition.
6. Jevons, William Stanley: The Coal Question, 1865.
7. Lesch, Marcel: LinkedIn-Post zum Jevons-Paradoxon und KI, 2026.
8. Wegner, Matthias: „Von der Geschwindigkeit zur Verwurzelung“, Kaleidoskopkultur, Januar 2026.
9. Wegner, Matthias: Zeitlos Handeln -- H.E.A.R. Arbeitsbuch, Kapitel VI.6.10, 2026.
10. Kaiser, Susanne: Architecture for Flow -- Adaptive Systems with DDD, Wardley Mapping, and Team Topologies, 2026.
11. Toyoda, Akio: Zitiert in Dirk Fischer, LinkedIn-Post zu Geschwindigkeit und nachhaltigem Wachstum, Januar 2026.
12. McKinsey & Company (2025): „The State of AI in 2025: Agents, Innovation, and Transformation“. QuantumBlack, AI by McKinsey.
13. Livemint: Amazon delivery driver lands in water after following GPS directions, 2025.
14. Dr. Li Blog: Technology Adoption Innovation Curves -- Comprehensive Analysis.
15. McKinsey & Company / QuantumBlack (2025): „Seizing the Agentic AI Advantage“. Sukharevsky, A.; Kerr, D.; Hjartar, K.; Hämäläinen, L.; Bout, S.; Di Leo, V.; Dagorret, G. Juni 2025.