Die wichtigste Formel deiner KI-Transformation

KI-Transformation ist die schwerste Disziplin, die wir uns in der Wirtschaft aktuell vornehmen können. Egal auf welchem Kontinent ich mich mit Entscheidern austausche, ob im Silicon Valley oder in Singapur, überall kämpfen Organisationen mit derselben Ratlosigkeit. Nach all meinen Gesprächen vor Ort kann ich eines sicher sagen: Weder Microsoft noch Google, OpenAI oder Anthropic wissen, wie KI-Transformation in Unternehmen wirklich funktioniert. Genau deshalb gründen die großen KI-Labs gerade reihenweise eigene Beratungseinheiten und Servicegesellschaften. Sie müssen ihren Kunden vor Ort helfen, die PS überhaupt auf die Straße zu bringen, damit der wirtschaftliche Hebel greift und sie ihre Modelle langfristig verkaufen können.

Warum dieser Hebel in der Praxis so oft klemmt, erlebe ich regelmäßig, wenn mich Vorstände um Feedback zu ihren neuen KI-Strategien bitten, die zuvor irgendeine große Management-Beratung erstellt hat. Gäbe es „Wetten, dass..?“ noch, würde ich mit genau diesem Thema auftreten: „Ich wette, dass ich jede KI-Strategie innerhalb von 30 Sekunden zielgenau beurteilen kann.“ So geht’s: Ich öffne die Datei, starte die Suchfunktion, tippe das Wort „Mensch“ ein und zähle die Treffer. Oft steht dort eine Null. Und wenn der Begriff auf fünfzig Seiten doch einmal auftaucht, geht es fast immer nur darum, dass die Belegschaft eine Schulung braucht, um ein neues Werkzeug zu bedienen.

Wir sind alle ratlos, auch die Wissenschaft

Hinter diesen strategischen Papierbergen steht eine berechtigte Frage, die derzeit jeden Vorstand umtreibt: Was ist der beste Ansatz, um KI erfolgreich ins Unternehmen zu bringen und den höchsten Return on Investment zu erzielen? Wer dafür in die Wissenschaft blickt, stellt schnell fest, dass die aktuelle Studienlage komplett widersprüchlich ist.

Es gibt Untersuchungen, die eindringlich davor warnen, KI zu vermenschlichen. Deren Empfehlung lautet, Systemen auf gar keinen Fall menschliche Namen, feste Rollen oder Hierarchien zu geben, um die typischen Organisationsfehler der menschlichen Arbeitswelt in der Software zu vermeiden. Kurz darauf liest man Studien, die das genaue Gegenteil fordern: Unternehmen müssten zwingend mit klaren Rollen und Hierarchien für ihre Agenten arbeiten, weil sich nur so saubere Governance-Strukturen und verlässliche Sicherheitsgrenzen durchsetzen lassen.

Wieder andere Analysen, unter anderem von Anthropic selbst, zeigen auf, dass Multi-Agenten-Systeme langfristig die stärkste Lösung sind, benennen aber gleichzeitig gravierende Abstimmungs- und Steuerungsprobleme, für die heute noch niemand eine fertige Lösung hat. Die Forschung liefert also noch kein eindeutiges Rezept. Wer im Unternehmen auf den wissenschaftlich abgesicherten Königsweg wartet, verliert wertvolle Zeit. Wir brauchen stattdessen ein pragmatisches Denkmodell dafür, wo im Arbeitsalltag tatsächlich Wert entsteht.

Warum die Antwort 42 mein Leben nicht verbessert

Am Ende läuft alles auf eine einfache gedankliche Gleichung hinaus, nach der wir bei Leaders of AI unsere gesamte Arbeit ausrichten:

Value = Intelligence × Uptake.

Der wirtschaftliche Wert einer KI-Lösung ergibt sich aus dem Zusammenspiel von reiner Intelligenz und tatsächlicher Anschlussfähigkeit (Uptake). Das Silicon Valley skaliert derzeit fast ausschließlich auf den ersten Faktor dieser Formel. Die Modelle werden mit jeder Generation klüger, lösen schwierigere Matherätsel und liefern immer größeren Output. Für sich genommen erzeugt diese rohe Intelligenz im Unternehmen jedoch noch keinen einzigen Euro Mehrwert.

Das Phänomen erinnert an die berühmte Geschichte aus „Per Anhalter durch die Galaxis“. Dort rechnet der intelligenteste Supercomputer des Universums 7,5 Millionen Jahre lang an der großen Frage nach dem Leben, dem Universum und dem ganzen Rest. Am Ende verkündet er das Ergebnis: 42. Diese Antwort ist maximal intelligent und rechnerisch vollkommen korrekt, doch kein Mensch kann irgendetwas mit ihr anfangen.

Genau deshalb steht in unserer Formel ein Multiplikationszeichen. Wir müssen die Leistung der Maschine mit dem Faktor Uptake multiplizieren, also mit der Anschlussfähigkeit an den Menschen und an die Organisation. Uptake beschreibt, wie viel wir von dem maschinellen Output im Alltag tatsächlich aufnehmen, absorbieren und für unsere Arbeit nutzen können. Bei der Antwort 42 liegt die Intelligenz im unermesslichen Bereich, der Uptake für das tägliche Leben liegt jedoch bei null. Und jede Zahl, die man mit null multipliziert, ergibt am Ende wieder null.

Aus dieser Multiplikation folgt eine nüchterne Erkenntnis für die Praxis: Wir brauchen im Unternehmen beides, eine solide Intelligenz und einen hohen Uptake. Im Zweifel schlägt ein etwas schwächeres Modell mit hoher Anschlussfähigkeit jedes Spitzenmodell, dessen Ergebnisse niemand im Prozess greifen oder gar verifizieren kann.

Ein Computer braucht keine Ordner und eine KI muss nicht süß sein

Dieser Konflikt zwischen roher technischer Macht und menschlicher Anschlussfähigkeit begleitet die IT schon seit Jahrzehnten. Wer in die frühen neunziger Jahre zurückblickt, erinnert sich an die Dominanz von Command-Line-Interfaces bei Unix- und Linux-Systemen. Über die Kommandozeile ließen sich extrem mächtige Befehle ausführen, oft mit weitreichenden Konsequenzen, wenn man versehentlich das falsche Verzeichnis löschte. Technisch war dieses direkte Arbeiten am System kaum zu überbieten.

Durchgesetzt hat sich in der Breite jedoch eine völlig andere Welt: die grafische Benutzeroberfläche, gebaut nach der Logik, wie wir Menschen im Alltag denken. Plötzlich gab es auf dem Bildschirm einen Schreibtisch, also den Desktop, es gab Ordner und einen Papierkorb. Ein Computer benötigt intern keinerlei Ordnerstruktur und erst recht keinen Papierkorb, um Datenblöcke auf einer Festplatte zu verwalten. Diese Metaphern holen technisch vielleicht weniger aus der Maschine heraus als ein perfekter Terminal-Befehl, aber sie helfen uns Menschen enorm dabei, souverän mit der Technologie umzugehen.

Heute erleben wir bei KI exakt dieselbe Entwicklung. Auf der einen Seite feiern Kommandozeilen-Werkzeuge wie Claude Code bei Entwicklern große Erfolge. Auf der anderen Seite sehen wir in der Breite, wie wichtig menschliche Brücken sind. Bei Leaders of AI behandeln wir unsere über hundert KI-Agenten wie Mitarbeitende. Sie haben einen Namen, eine Personalakte, feste Aufgabenbereiche und bekommen regelmäßige Feedbackgespräche, in denen wir ihre Ergebnisse genauso prüfen wie bei menschlichen Kollegen. Viele Menschen verstehen dieses Prinzip innerhalb von Minuten, weil sie Führung und Delegation aus ihrem Alltag kennen.

Aus genau diesem Grund gestalten Tech-Konzerne ihre neuesten Agenten wie OpenAI Dots oder Metas Muse optisch so auffallend niedlich. Eine KI muss von Natur aus genauso wenig süß sein, wie ein Computer bunte Ordner braucht. Ein nahbares Gesicht baut jedoch Berührungsängste ab und erhöht auf menschlicher Seite sofort das Uptaking.

Jeder Business Case braucht muss betrachtet werden

Heißt das im Umkehrschluss, dass künftig jeder KI-Agent als netter Kollege im gemeinsamen Teams-Kanal sitzen muss? Keineswegs. Wenn in größeren Unternehmen bald Hunderte oder Tausende Agenten in ganzen Schwärmen zusammenarbeiten, verliert auch das Rollenmodell des einzelnen digitalen Kollegen seine Übersichtlichkeit. Niemand möchte morgens mit tausend virtuellen Mitarbeitenden sprechen.

In solchen Szenarien sieht Anschlussfähigkeit anders aus. Oft braucht es dann einen einzigen leitenden Agenten, der die Arbeit des Schwarms im Hintergrund bündelt und als zentraler Ansprechpartner mit uns Menschen kommuniziert. In anderen Prozessen ist ein sichtbarer Bot sogar ein Umweg. Dort entsteht der höchste Uptake über eine vertraute Arbeitsfläche: ein schlichtes Eingabeformular oder ein klassisches Kanban-Board, auf dem das Team wie gewohnt seine Karten verschiebt, während die Agenten im Hintergrund lautlos die Aufgaben abarbeiten.

Die eigentliche Arbeit der KI-Transformation besteht heute darin, für jeden konkreten Business Case genau die Schnittstelle zu finden, über die Menschen die Maschinenleistung am natürlichsten in ihren Arbeitsfluss ziehen können.

Erst der Mensch, dann die KI

Meiner Meinung nach, sollte jede erfolgreiche Umsetzung beim Menschen beginnen. Bevor wir über Modelle, Token-Preise oder Agenten-Architekturen sprechen, klären wir zuerst die menschliche Position im jeweiligen Prozess: Welche Rolle nimmt der Mensch hier künftig ein? Wo im Ablauf sitzt er? Und wie sichern wir eine möglichst hohe Anschlussfähigkeit?

Erst wenn dieses menschliche Setup klar definiert ist, bauen wir die KI-Systeme und Oberflächen passgenau darum herum. Ein konsequenter Human-First-Ansatz löst das Problem, an dem reine KI-Strategien regelmäßig scheitern: Er sorgt dafür, dass der Faktor Uptake vom ersten Tag an mitgedacht wird.

Dominic von Proeck ist Gründer von Leaders of AI, einer Akademie für KI-Transformation, in der ein kleines Team von weniger als zehn Menschen mit über fünfzig KI-Assistenten experimentiert, wie die Organisation von morgen funktioniert. Als Mitglied im KI-Expertenrat von Microsoft beschäftigt er sich täglich mit den strategischen Fragen der digitalen Zukunft in Europa. Er ist Autor mehrerer Bücher, darunter „KI mit Köpfchen – Wie man mit ChatGPT & Co die Organisation der Zukunft baut“ (Springer Gabler).