Warum KI New Work nicht tötet, sondern erzwingt
Heute habe ich in sehr kurzem Abstand zwei LinkedIn-Posts gelesen, und meine Synapsen haben angefangen zu glühen. Der eine Post war zu der Podcast-Folge „Ist New Work tot?“. Der andere war zum Thema Geschwindigkeit und nachhaltiges Unternehmenswachstum. So lernte ich das folgende Zitat kennen:
„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. Das mindert die Stabilität: Der Stamm sieht stark aus, ist aber schwach und bricht leicht.
Das beschreibt auch den Kern der sich schnell verändernden Unternehmen. 38 % der deutschen Unternehmen nutzen KI bereits, weitere 32 % planen den Einsatz in den nächsten drei Jahren. Der 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. Das Internet brauchte 7 Jahre, Mobiltelefone brauchten 16 Jahre.
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 Organisationen 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, verschwindet nur der Mensch. Die Tätigkeit bleibt.
Die Führungsaufgabe: Verstehen, WAS automatisiert wurde, und nicht nur, DASS automatisiert wurde. Verantwortung lässt sich nämlich nicht automatisieren.
Organisationsebene: KI-Skills brauchen Ownership wie jede andere Funktion
Hier liegt der blinde Fleck: Man würde ja keine sehr günstigen Leiharbeiter mit etwas beauftragen, ohne zu wissen, wie lange sie da sind, wer sie führt, wie sie arbeiten, an wen sie Ergebnisse übergeben und wie die Assets des Unternehmens geschützt bleiben. Mit KI tun wir aber gerade das.
Wenn der Leiharbeiter echte Tätigkeiten einer Person ersetzt, muss jemand für seine Ergebnisse verantwortlich zeichnen. 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?
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 Artikel über The Great Flattening unterscheide ich zwischen lebendiger Führung (durch Menschen) und verstetigter Führung (durch Strukturen, Prozesse, Regeln). KI-Skills sind eine neue Form verstetigter Führung, allerdings mit einem wichtigen Unterschied: Ein etablierter ISO-Prozess liefert morgen gesichert dasselbe Ergebnis, ein LLM-Skill möglicherweise nicht.
Die Führungsaufgabe: Monitoring, Versionierung, Fallback-Pläne. Behandle KI-Skills wie kritische Infrastruktur und nicht wie ein Produktivitäts-Tool.
Beziehungsebene: Wissensvorsprung verliert seinen Wert
Die Burgen des Expertenwissens, in denen sich so manche Prinzen und Prinzessinnen wohlig eingerichtet hatten, haben ihre Mauern verloren. 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, indem wir Urteilsvermögen kultivieren, Beziehungsfähigkeit stärken und Identität vom reinen Wissen entkoppeln.
Die vierfache Legacy-Falle
KI erzeugt eine neue, vierfache 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 und Validierung niemand eingeplant hat. Bei Legacy 1.0 können wir den Code zumindest theoretisch 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.
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.
Identitäts-Legacy: Menschen, die ihre Kompetenz als Identität verstanden haben und 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.
Toyota und die doppelte Besetzung
Toyota besetzt viele Management-Positionen außerhalb Japans doppelt, jeweils mit einem japanischen Counterpart. Das wirkt ineffizient, ist aber institutionalisierte Vorsicht: Wissen wird übertragen und Verantwortung geteilt. Der Baum wächst langsamer, aber seine Ringe sind gleichmäßig.
Auf KI übertragen: So wie Toyota Menschen doppelt besetzt, brauchen wir vielleicht auch bei KI-Skills „Doppelbesetzungen“, also Menschen, die verstehen, was der Skill tut, auch wenn sie ihn nicht selbst ausführen. Das ist weniger Redundanz als Verwurzelung.
New Work ist nicht tot — es wird zum Überlebensfaktor
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 messbarer Wirkung. Diese gestalten ihre Workflows grundlegend neu und setzen auf Vertrauen, Lernfähigkeit und das Commitment der Führung. Sie haben verstanden, dass Organisationen soziale Systeme sind und Menschen entsprechend gestärkt werden müssen. Über „Was kann die KI?“ hinaus fragen sie: Wer trägt die Verantwortung? Wer versteht das System? Wer kann eingreifen? Wer führt die Minions?
Wir sollten Menschen unter diesen Umständen so führen, dass sie ihre zutiefst menschlichen Fähigkeiten wie Kreativität, Urteilsvermögen und Problemlösung entfalten können. Wer jetzt auf Verhaltenskontrolle setzt statt auf Ergebnisverantwortung und Lernräume, blockiert das, was KI nicht ersetzen kann, und gefährdet dauerhaft die 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
Wie schnell wir sein können, ist nicht die Frage, und nicht einmal, wie viel wir automatisieren können.
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, und beides braucht Verwurzelung.
Wie verwurzelt sind wir?
Nachtrag: Das Jevons-Paradoxon
Das sogenannte Jevons-Paradoxon von 1865 besagt: Effizientere Dampfmaschinen senkten damals den Kohleverbrauch nicht, sie steigerten ihn deutlich, weil die Effizienzsteigerung neue Anwendungsfelder erschloss, die vorher unwirtschaftlich waren.
Übertragen auf die heutige Zeit bedeutet das: Wenn kognitive Leistung günstiger wird, können Unternehmen deutlich mehr Projekte, Experimente und Nischenideen umsetzen, die bisher unwirtschaftlich waren. Daraus entstehen mehr Wissensarbeit, mehr Innovation und mehr Wachstum.
Diese Perspektive verlangt ein grundlegendes Umdenken:
- Hör auf zu fragen: „Wie ersetze ich fünf Teammitglieder durch KI?“
- Beginne zu fragen: „Wie befähige ich fünf Teammitglieder, die Wirkung von fünfzig zu erzielen?“
Quellen
- Oskar Trautmann, LinkedIn-Post zu „Ist New Work tot?“, Januar 2026. LinkedIn
- Zoomer meets Boomer Podcast, Folge 66: „Ist New Work tot?“, 2026. podigee.io
- Dirk Fischer, LinkedIn-Post zu Geschwindigkeit und nachhaltigem Wachstum, Januar 2026. LinkedIn
- DIHK Digitalisierungsumfrage 2025: „Digitalisierung 2025 — Herausforderungen und Fortschritte für Unternehmen“. dihk.de
- Bitkom Research: „Digitalisierung im Handel“, Juli 2025. bitkom.org
- Reuters/UBS (2023): „ChatGPT sets record for fastest-growing user base“. reuters.com
- Visual Capitalist (2023): „How Long it Took for Popular Apps to Reach 100 Million Users“. visualcapitalist.com
- K3 — 010 — The Great Flattening: Unterscheidung zwischen lebendiger und verstetigter Führung.
- K3 — 011 — KI als erweitertes Gehirn: Identitätskrise der Experten, „Burgen des Wissens“.
- Matthias Wegner, Zeitlos Verwurzelt (2026): Prinzipien nachhaltiger Organisationsentwicklung.
- McKinsey & Company (2025): „The State of AI in 2025: Agents, Innovation, and Transformation“. QuantumBlack, AI by McKinsey. mckinsey.com