The Management of Intelligence

Wir befinden uns an der „Jagged Frontier“. Die Grenze dessen, was KI leisten kann, ist nicht linear. Sie ist gezackt, unvorhersehbar und verschiebt sich laufend. Aufgaben, die gestern noch menschliche Intuition erforderten, sind heute lösbar. Aufgaben, die logisch einfach wirken, können Modelle noch immer zum Halluzinieren bringen.

Viele Unternehmen navigieren diese Grenze blind.

Der Compliance-Gap

Das Symptom: Die Diskrepanz zwischen technischer Machbarkeit und operativer Umsetzung wächst. Während die Grenzkosten für kognitive Arbeit sinken, steigen die Anforderungen an Kontrolle, Freigabe und Nachvollziehbarkeit dieser Arbeit.

Wir sehen hier ein Shadow-IT-Phänomen, jedoch nicht nur auf Software-Ebene, sondern auf Prozessebene. Mitarbeitende nutzen Large Language Models, um Abkürzungen zu nehmen. Das Ergebnis ist oft beeindruckend. Der Prozess dahin ist häufig eine Blackbox.

In klassischen Organisationen definiert ein Arbeitsvertrag, was eine Person in ihrer Rolle darf. Es gibt Haftung, Urlaubsanspruch und Kündigungsschutz. Bei Software gibt es Service Level Agreements und deterministischen Code.

Generative AI fällt durch dieses Raster. Sie ist weder reines Tool, weil sie Entscheidungen vorbereitet, noch juristische Person, weil sie nicht haftet.

Dieser Compliance-Gap führt in vielen Führungsetagen zu einem Reflex: Nutzung verbieten und Produktivität verlieren, oder Nutzung ignorieren und Risiken in Kauf nehmen. Beides ist keine Strategie.

Der Irrtum vom Prompt Engineer

Ein weit verbreiteter Irrtum dominiert die aktuelle Debatte: die Annahme, dass Prompt Engineering der Skill der Zukunft sei.

Das greift zu kurz.

Die Fähigkeit, komplexe Prompts zu schreiben, verliert an Wert, je besser Modelle Kontext, Absicht und Beispiele verstehen. Prompting bleibt nützlich, aber es ist nicht der eigentliche Engpass.

Experimente aus dem Umfeld der Wharton School und Arbeiten von Ethan Mollick zeigen vor allem eines: Generative KI verstärkt Produkt- und Managementarbeit dann, wenn Ziel, Kontext und Bewertung klar sind.

Unternehmen investieren aktuell stark in technische Schulungen. Sie bringen Mitarbeitenden bei, wie man mit dem Chatbot spricht. Das kann helfen. Aber es löst das tiefere Problem nicht.

Das eigentliche Problem ist der Mangel an Delegationsfähigkeit.

Viele haben verlernt oder nie gelernt, Aufgaben so präzise zu formulieren, dass eine externe Person sie ohne Rückfragen erledigen kann. Im menschlichen Kontext kompensiert eine erfahrene Person diese Unschärfe durch Mitdenken und implizites Wissen. Eine AI tut das nicht zuverlässig. Sie führt aus, was angewiesen wurde, inklusive der Fehler in der Denklogik.

Wir sehen eine Renaissance klassischer Management-Tugenden: Klarheit, Struktur, Zieldefinition. Die Technologie entlarvt schlechte Briefings. Ein unpräziser Auftrag an einen Menschen führt zu Rückfragen. Ein unpräziser Auftrag an eine AI führt zu schlechten Annahmen oder Halluzinationen.

Der Lösungs-Shift: The Return of Taste

Wenn die Produktion von Inhalt, Code, Bildern und Strategien billig und schnell verfügbar wird, verschiebt sich der Wert im ökonomischen System.

Weg von der Economy of Skill, also der Frage: Wie gut kannst du es machen? Hin zur Economy of Will: Wie gut kannst du beurteilen, was gemacht werden soll?

Judgment oder Taste wird zur zentralen Währung.

Heute bezahlen wir Seniorität oft noch für Erfahrung in der Ausführung. Morgen bezahlen wir sie stärker für die Fähigkeit zur Selektion. Eine AI kann in Sekunden zehn Varianten einer Go-to-Market-Strategie entwerfen. Der Wert liegt nicht im Entwurf allein, sondern in der Entscheidung, welche Variante trägt.

Dieser Shift berührt auch das Haftungsproblem.

Eine AI kann nicht verklagt werden wie ein Unternehmen oder eine Person. Daher darf sie in relevanten Entscheidungen nicht die letzte Instanz sein. Human-in-the-Loop ist keine Floskel, sondern eine Frage von Verantwortung. Die Rolle des Menschen ändert sich trotzdem. Er ist nicht mehr immer der Ersteller. Er wird häufiger zum Bürgen.

Eine erfahrene Führungskraft signiert das Ergebnis der AI. Sie übernimmt Verantwortung. Genau darin liegt der ökonomische Beitrag.

Das Ziel ist nicht, Menschen abzuschaffen. Das Ziel ist, sie von der Exekutive in die Legislative zu bewegen. Menschen setzen die Regeln. Die AI führt innerhalb dieser Regeln aus.

In dieser Ökonomie gewinnt nicht die höchste Geschwindigkeit, sondern das beste Urteilsvermögen.

Die Logik: Frameworks sind die neuen Prompts

Wie delegiert man an eine Entität, die sehr viel Wissen besitzt, aber keinen gesunden Menschenverstand?

Man nutzt bewährte Logik-Frameworks.

Management-Frameworks aus dem 20. Jahrhundert erleben gerade ihre Renaissance als Architektur-Konzepte für AI Agents.

Ein Prompt wie „Schreib mir eine Marketing-Strategie“ ist wertlos. Das Ergebnis wird generisch sein. Ein Auftrag, der auf einem strikten Framework basiert, reduziert den Suchraum und zwingt das Modell zu einer nachvollziehbaren Struktur.

• RACI-Matrix als Steuerungselement: Definieren wir für den digitalen Mitarbeiter seine Rolle nach Responsible, Accountable, Consulted und Informed, verändert sich sein Output-Verhalten. Das System versteht besser, welche Rolle es simulieren soll und wo seine Grenzen liegen.
• PESTEL-Analyse als Kontext-Filter: Anstatt eine Marktanalyse frei schreiben zu lassen, zwingt man das System durch das Raster aus Political, Economic, Social, Technological, Environmental und Legal. Das verhindert, dass kritische Dimensionen einfach verschwinden.
• Minto-Pyramide für Kommunikation: Wird das System nach dem Pyramid Principle von Barbara Minto instruiert, wird der Output schneller entscheidungsfähig: Key Message zuerst, Argumente danach.

Diese Frameworks fungieren als Leitplanken für neuronale Netze. Sie reduzieren den Suchraum der AI und erzwingen Struktur.

Es ist eine Rückbesinnung auf das Fundament. Frameworks, die vor Jahrzehnten an Business Schools gelehrt wurden, sind oft wirksamer als moderne Prompt-Hack-Templates.

Next Step: Entscheidungskompetenz messbar machen

Die Integration von digitalen Mitarbeitern ist kein reines IT-Projekt. Sie ist auch ein HR- und Organisationsprozess.

Wir sollten anfangen, Bewerbungsgespräche mit der AI zu führen.

Wenn wir einen Menschen einstellen, verlangen wir Arbeitsproben. Wir testen Problemlösungskompetenz unter Druck. Genau das sollte auch mit digitalen Mitarbeitern passieren.

1. Definiere den Job, nicht den Prompt. Erstelle eine Stellenbeschreibung für die AI.
2. Liefere den Kontext. Gib der AI die relevanten Entscheidungen, Dokumente, Mails, Strategy-Sheets und Regeln.
3. Bewerte das Ergebnis. Gib Feedback zur Logik, nicht nur zum Text.

Die Unternehmen, die diesen Schritt sauber gehen, koppeln Wachstum weniger eng an manuellen Admin-Aufwand. Der Vorteil liegt nicht in der besseren KI allein, sondern in der besseren Architektur der Arbeit.

Das Fundament ist gelegt. Jetzt liegt es am Management, daraus ein steuerbares System zu machen.