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 — was die Stabilität des Stammes reduziert. Im Ergebnis sieht der Stamm 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. Und dieser 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 die Organisationen tatsächlich 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, dann verschwindet die Tätigkeit nicht. Nur der Mensch verschwindet.
Die Führungsaufgabe: Verstehen, WAS automatisiert wurde — nicht nur DASS automatisiert wurde. Denn Verantwortung lässt sich nicht automatisieren.
Organisationsebene: KI-Skills brauchen Ownership wie jede andere Funktion
Hier liegt der blinde Fleck: Man würde ja nicht sehr günstige Leiharbeiter mit etwas beauftragen, wenn man nicht weiß: Wie lange die da sind. Wer sie führt. Wie sie arbeiten. An wen sie Ergebnisse übergeben. Wie sichergestellt ist, dass die Assets des Unternehmens geschützt sind. Genau das machen wir aber gerade mit KI.
Wenn der Leiharbeiter echte Tätigkeiten einer Person ersetzt, muss irgendjemand sich verantwortlich zeichnen für seine Ergebnisse. 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 — mit einem entscheidenden Unterschied: Ein etablierter ISO-Prozess liefert morgen gesichert dasselbe Ergebnis. Ein LLM-Skill möglicherweise nicht.
Die Führungsaufgabe: Monitoring, Versioning, Fallback-Pläne. Behandle KI-Skills wie kritische Infrastruktur, nicht wie ein Productivity-Tool.
Beziehungsebene: Wissensvorsprung verliert seinen Wert
Die Burgen des Experten-Wissens — 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. Urteilsvermögen kultivieren. Beziehungsfähigkeit stärken. Identität vom reinen Wissen entkoppeln.
Die dreifache Legacy-Falle
KI erzeugt eine neue, dreifache 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. Der entscheidende Unterschied: Bei Legacy 1.0 können wir theoretisch den Code 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. Die 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 stafft viele Management-Positionen außerhalb Japans doppelt — mit einem japanischen Counterpart. Das wirkt ineffizient. Aber es ist institutionalisierte Vorsicht: Wissen wird übertragen, nicht nur delegiert. Verantwortung wird geteilt, nicht nur zugewiesen. Der Baum wächst langsamer, aber seine Ringe sind gleichmäßig.
Die Übertragung auf KI: So wie Toyota Menschen doppelt besetzt, brauchen wir vielleicht auch bei KI-Skills „Doppelbesetzungen" — Menschen, die verstehen, was der Skill tut, auch wenn sie ihn nicht selbst ausführen. Nicht als Redundanz, sondern 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 echtem Impact. Der Unterschied? Sie redesignen Workflows fundamental und setzen auf Vertrauen, Lernfähigkeit und Leadership-Commitment. Sie haben verstanden, dass Organisationen soziale Systeme sind und die Menschen entsprechend befähigt gehören. Sie fragen nicht nur: Was kann die KI? Sie fragen: Wer trägt die Verantwortung? Wer versteht das System? Wer kann eingreifen? Wer führt die Minions?
Wir sollten Menschen im Zuge der äußeren Umstände so führen, dass die zutiefst menschlichen Fähigkeiten — Kreativität, Urteilsvermögen, Problemlösung — ermöglicht werden. Wer jetzt auf Verhaltenskontrolle setzt statt auf Ergebnisverantwortung und Lernräume, blockiert genau das, was KI nicht ersetzen kann — und gefährdet dauerhaft die nachhaltige 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
Die Frage ist nicht: Wie schnell können wir sein? Die Frage ist nicht einmal: Wie viel können wir automatisieren?
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. Beides braucht Verwurzelung.
Wie verwurzelt sind wir?
Nachtrag: Das Jevons-Paradoxon
Das sogenannte Jevons-Paradoxon von 1865: Effizientere Dampfmaschinen führten damals nicht zu weniger, sondern zu deutlich mehr Kohleverbrauch. Warum? Weil die Effizienzsteigerung neue Anwendungsfelder erschloss, die vorher unwirtschaftlich waren.
Übertragen auf die heutige Zeit bedeutet das: Kostengünstigere kognitive Leistung ermöglicht Unternehmen, signifikant mehr Projekte, Experimente und Nischenideen umzusetzen, die bisher schlicht unwirtschaftlich waren. Das Ergebnis: Mehr Wissensarbeit. Mehr Innovation. Mehr Wachstum.
Diese Perspektive erfordert ein fundamentales 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