Führen und KI: Warum der Engpass nicht mehr die Erstellung, sondern die Entscheidung ist

Das große Versprechen der KI heißt Beschleunigung. Texte entstehen schneller, erste Auswertungen liegen in Minuten vor, Ideenlisten füllen sich auf Knopfdruck und Prototypen erscheinen, bevor ein Team das Whiteboard vollständig beschrieben hat.

In vielen Bereichen ist diese Beschleunigung mittlerweile real. Damit ist nicht länger die Produktion der Flaschenhals, sondern ein anderes knappes Gut, das jetzt noch knapper wird: Klare, gut kommunizierte Entscheidungen nach transparenten Kriterien. Diese Entscheidungen zu fällen, ist meiner Meinung nach eine der spannendsten Führungsaufgaben im Umgang mit KI.

KI nimmt Arbeit ab. Aber nicht die Führungsarbeit

Im praktischen KI-Einsatz wird schnell sichtbar, dass gute Ergebnisse nicht allein durch ein Werkzeug entstehen, unabhängig von der Qualität des Werkzeugs. Je unklarer der Zweck, je diffuser die Erwartungen und je offener die Qualitätsmaßstäbe, desto größer wird das Risiko, dass zwar viel produziert wird, aber wenig Wert geschaffen.

Die Aussage, KI nehme Arbeit ab, ist in dieser Hinsicht zu undifferenziert. KI senkt an einigen Stellen den Bedarf, beispielswiese an Zeit für die reine Erstellung. Dafür wird der Bedarf an anderen Stellen umso größer. Und eine dieser Stellen ist oft Führungsarbeit.

Wenn Erstellung billiger wird, wird Entscheidung teurer

Die Frequenz, mit der Entscheidungen notwendig werden, trifft viele Organisationen unvorbereitet. Sie sind historisch darauf ausgerichtet, Erstellung zu organisieren. Die typischen Fragen lauten, wer etwas macht und bis wann, beispielsweise die Auswertung, den ersten Entwurf oder die Entscheidungsvorlage. Jede Antwort auf solche Fragen steht für eine signifikante Investition in Kapazität und Ressourcen.

Mit KI gerät diese Logik in Bewegung. Plötzlich können sehr viele Artefakte in sehr kurzer Zeit entstehen. Das klingt zunächst nach einem schönen Effizienzgewinn. Praktisch bringt diese Entwicklung aber etwas anderes mit sich: Mehr Auswahl, mehr Abstimmung, mehr Rückfragen, mehr Korrekturschleifen.

Natürlich musste sich jede Organisation schon immer sehr genau überlegen, was sie produzieren möchte und für wen. Und schon immer wurden Prototypen genutzt, um daraus Erkenntnisse für weitere Entscheidungen zu gewinnen. Das ist nichts Neues. Neu sind die Häufigkeit und die Taktung, mit der solche Überlegungen und Entscheidungen gefordert werden. Wenn es etwa sechs Monate dauert, etwas zu produzieren, dann liegen zwischen der grundsätzlichen Entscheidung und der letzten Überprüfung des Produkts eben auch sechs Monate. Kleinere Entscheidungen dazwischen fallen beim agilen Vorgehen ebenfalls an, aber immerhin noch im Intervall eines Sprints.

Dahingegend dauert es mit KI bei manchen Artefakten vielleicht noch 24 Stunden, um von der Idee zur Lieferung zu kommen. Außerdem gibt es nicht nur ein Artefakt und dann, mit zeitlichem Abstand, das nächste. Es gibt alles und davon viel und das gleichzeitig.

Was vorher knapp war, war die Erstellungszeit. Was jetzt noch knapper wird, ist die Entscheidungskapazität.

Das ist kein kleiner Unterschied. Entscheidungen lassen sich nicht im selben Maß automatisieren wie Entwürfe, sie brauchen Kontext, Verantwortung, Priorität und nicht selten auch Mut, etwa, Dinge bewusst nicht zu tun.

Führung heißt im KI-Kontext vor allem: Kontext setzen

In vielen Diskussionen über KI wird schnell über Prompts gesprochen, allerdings oberflächlich. Selten wird die Frage geklärt, was das Wesen eines guten Prompts ausmacht. Ein guter Prompt ist eine Aufgabenstellung, die zum gewünschten Ergebnis führt. Also muss vorher feststehen, was das gewünschte Ergebnis ist. Klingt trivial, ist es jedoch nicht. Das gewünschte Ergebnis definieren zu können bedeutet, eine Menge Vorarbeit geleistet zu haben. Dazu gehört, die Situation zu verstehen, den Zweck zu klären, relevante Grenzen zu ziehen und Qualitätskriterien transparent gemacht zu haben. Nichts davon übernimmt die KI, das ist Aufgabe der Führung.

Anders gesagt: Um „bessere“, also zielführende, Angaben machen zu können, brauche ich besseren Kontext. Hier wird Führung wirksam, nicht im Sinne von Mikromanagement, sondern im Sinne von Rahmensetzung:

Dieser notwendige Rahmen umfasst eine Vielzahl von Kriterien, beginnend mit der Entscheidung, wofür KI genutzt werden soll und welche Urteile bewusst bei Menschen bleiben. Dazu kommen Überlegungen, ob es um reine Experimente geht oder um endfertige Produkte, welches Qualitätsniveau das Ergebnis erreichen muss, ob Freigaben erforderlich sind und von wem usw. Diese Form von Führung wird umso wichtiger, je schneller produziert werden kann.

Schlechte Führung wird durch KI nicht gelöst, sondern skaliert

Schneller zu produzieren verstärkt einen Faktor, der ohnehin in vielen Organisationen wirkt: Sie leiden selten an zu wenig Aktivität, häufiger leiden sie daran, dass es von vielen Dingen zu viel gibt, zu viele Themen, zu viele parallele Erwartungen, zu viele halb gestartete Initiativen, zu viele Schleifen ohne klare Priorität.

KI kann diese Dynamik verschärfen. Dysfunktionale Führungsmuster werden durch KI nicht besser, im Gegenteil. Unklare Zielsetzungen erzeugen, auch bei schnellerer Erstellung von Was-auch-immer, mehr Arbeit, aber nicht mehr Fortschritt. Kontroll-Reflexe erhöhen die Anzahl der Review-Schleifen, nicht die Qualität Das sind nur zwei Beispiele dafür, wie KI als Verstärker wirkt. Denn das tut sie immer, sie intensiviert die organisationalen Muster, in die sie eingeführt wird, zum Guten oder zum Schlechten.

Systemisch betrachtet sitzt das Problem selten im Tool

Die systemische Perspektive hilft hier, weil sie den Blick weg vom einzelnen Werkzeug, der KI, lenkt und hin zu Zusammenhängen, Wechselwirkungen und Entscheidungslogiken.

Wenn die KI-Nutzung nicht den gewünschten Effekt erzielt, dann liegt die Ursache häufig in grundlegenden Prozessen innerhalb der Organisation. KI einzuführen wird gerne verwechselt mit der reinen Einführung einer neuen Technologie. Dabei ist es eine Form der Organisationsentwicklung. Diese Organisation muss geklärt haben, welche Prämissen für Entscheidungen gelten, inklusive der Frage der Verantwortlichkeiten. Ebenso muss es einen Konsens geben, welches Qualitätsverständnis herrscht, wie es um die Risikobereitschaft steht und wo es legitim ist, zu Lernen und zu Experimentieren. Womit wir wieder bei der Frage der Führung sind.

Gute Führung reduziert Unsicherheit nicht einfach. Sie strukturiert sie

Dass Führung mit KI etwas anderes ist als im klassischen Sinn, lässt sich an der veränderten Perspektive illustrieren. Viele Führungskräfte wurden darauf sozialisiert, Antworten zu geben. Führung ist klassischerweise eine Disziplin des Bescheid Wissens.

KI zielt darauf ab, plausible Antworten zu geben, also selbst „wissend“ zu sein. In der logischen Folge wandert die Aufgabe der Führungskraft von der Antwort zur Frage. Damit wird die Fähigkeit immer wichtiger, sauber zu unterscheiden, was eigentlich die Frage ist. Oder welche Annahmen wir machen und welche Nebenfolgen wir ausblenden. Ganz entscheidend wird die Überlegung, woran wir erkennen, dass wir auf dem falschen Weg sind.

Insofern greift auch die häufig geäußerte These etwas kurz, man müsse KI führen wie einen Mitarbeitenden. Das mag zunächst als Denkfigur nützlich sein. Es sollte aber nicht dazu verleiten, der Maschine Fähigkeiten zuzuschreiben, die sie nicht hat, beispielsweise Verantwortungsgefühl oder politische Sensibilität. Führung bei KI bedeutet, sich klarzumachen, dass KI ein Menschen-Maschine-Interface ist, an dem sich Qualität vor allem über Rahmung, Entscheidung und Rückkopplung organisiert.

Auch das unterstreicht, warum Führung immer stärker zu einer Disziplin der strukturierten Urteilsbildung wird. Das ist vermutlich eine der zentralen Kompetenzen in Organisationen, die mit KI sinnvoll arbeiten wollen.

Was das praktisch für Führungskräfte bedeutet

Wer mit KI führen will, braucht aus meiner Sicht weniger Technikromantik und mehr Klarheit in einigen sehr praktischen Punkten.

Aufgaben nicht nur delegieren, sondern rahmen

Nicht nur sagen, was erzeugt werden soll, sondern wofür, in welcher Tiefe, mit welchen Grenzen und für welche Entscheidung. Das war schon immer notwendig und daran ändert KI nichts.

Qualitätskriterien explizit machen

Viele Reibungen entstehen nicht, weil KI schlechte Ergebnisse liefert, sondern weil niemand sauber benannt hat, was überhaupt ein gutes Ergebnis wäre.

Entscheidungen müssen Optionen reduzieren

Nicht jede zusätzliche Variante erhöht den Nutzen. Führung heißt oft, die Auswahl zu reduzieren.

Lernräume legitimieren

Nicht jede Nutzung von KI muss sofort produktionsreif sein. Ohne geschützte Experimentierräume und zielgerichtete Experimente wird aus Exploration schnell heimliches Herumprobieren oder vorschnelles Abbrechen.

Dysfunktionale Muster ernst nehmen

Wenn KI nur mehr Geschwindigkeit in ein ohnehin überlastetes System bringt, wächst nicht die Wirksamkeit, sondern der Stress.

Fazit

KI erhöht in vielen Bereichen die Geschwindigkeit der Erstellung. Das ist relevant, aber nicht der entscheidende Punkt. Der tiefere organisationale Effekt liegt woanders: Die Knappheit verschiebt sich von der Produktion zur Entscheidung.

Damit wird Führung nicht weniger wichtig, sondern wichtiger, KI ist hier ein Booster.

Vielleicht ist das die spannende Nachricht an der KI-Entwicklung in Organisationen: Die Maschine zeigt uns ziemlich schnell, wie gut oder schlecht wir Führung, Entscheidung und Zusammenarbeit organisiert haben. Wenn wir in diesen Disziplinen überzeugen, dann bringt uns die KI-Nutzung immens voran. Wenn wir das nicht tun, wird KI alleine unsere Probleme nicht lösen.