Den Code können Sie automatisieren – das Unternehmen hingegen nicht.

Künstliche Intelligenz kann mehr Aufgaben als je zuvor übernehmen. Unternehmen, die diese Aufgaben mit Ermessensentscheidungen verwechseln, laufen Gefahr, sich durch die Automatisierung selbst zu schaden.

Anfang 2026 forderte Oracle seine Mitarbeiter auf, ihre Arbeitsabläufe zu dokumentieren und die internen KI-Tools des Unternehmens zu nutzen. Einige dieser Mitarbeiter wurden später entlassen.

Ein ehemaliger leitender Software-Manager berichtete dem Magazin „Time“, dass junge Ingenieure KI einsetzten, um große Mengen fehlerhaften Codes zu generieren. Erfahrene Ingenieure mussten diesen Code anschließend Schritt für Schritt durchgehen und ihn brauchbar machen. Oracle baute daraufhin Stellen ab, darunter auch die von erfahrenen Mitarbeitern.

Diese Abfolge verdeutlicht eines der zentralen Risiken des aktuellen KI-Booms. Oracle automatisierte einen Teil der Ausführung und schwächte dadurch die Entscheidungsebene, die den Output erst wertvoll machte.

Hier geht es nicht nur um Oracle oder gar um Software. In allen Branchen prüfen Führungskräfte, wozu künstliche Intelligenz mittlerweile in der Lage ist, und fragen sich, wie viele Mitarbeiter sie noch benötigen. Diese Frage ist nachvollziehbar. Die Leistungssteigerungen sind real.

METR, eine gemeinnützige Organisation, die KI-Agenten bewertet, misst die Länge der Aufgaben, die Modelle bei einem bestimmten Zuverlässigkeitsgrad bewältigen können. Ihre Untersuchungen ergaben, dass sich der 50-Prozent-Aufgabenhorizont von Spitzenagenten zwischen 2019 und 2025 etwa alle sieben Monate verdoppelte. Neuere Versionen des Benchmarks zeigen weiterhin rasante Fortschritte, obwohl METR darauf hinweist, dass die längsten Messwerte nach wie vor mit Unsicherheiten behaftet sind. Die Aufgaben konzentrieren sich zudem auf die Bereiche Softwareentwicklung, maschinelles Lernen und Cybersicherheit. Sie stellen keinen vollständigen Maßstab für Wissensarbeit dar.

Diese Einschränkung ist von Bedeutung. Der Benchmark zeigt uns, dass KI bei der Bewältigung längerer, genau definierter Aufgaben immer besser wird. Er sagt uns jedoch nicht, dass ein KI-System ein Unternehmen leiten, einen Kunden verstehen, einen Fachmann weiterentwickeln oder entscheiden kann, welche Kompromisse eine Institution eingehen sollte.

Dennoch werden diese Konzepte oft so behandelt, als seien sie ein und dasselbe. Wenn KI einen größeren Teil der Arbeit übernehmen kann, so die Logik, sollten weniger Mitarbeiter erforderlich sein, um denselben Output zu erzielen. In einer Tabellenkalkulation mag dieses Argument unwiderstehlich erscheinen.

In einer echten Organisation ist die Situation weitaus komplizierter.

Die Vollstreckung ist keine Verurteilung

Die aussagekräftigste Unterscheidung in der Debatte um KI und Arbeitsplätze besteht nicht in der Abgrenzung zwischen Aufgaben, die KI ausführen kann, und solchen, die sie nicht ausführen kann. Diese Grenze verschiebt sich zu schnell. Die beständigere Unterscheidung besteht vielmehr zwischen Ausführung und Urteilsvermögen.

Die Ausführung ist eine Aufgabe, die klar definiert und bewertet werden kann. Schreiben Sie diese Funktion. Prüfen Sie diese Anwendung anhand einer Reihe von Regeln. Überprüfen Sie diese Verträge auf ungewöhnliche Klauseln. Erstellen Sie einen ersten Entwurf dieses Berichts. Leiten Sie diese Kundenanfrage weiter. Führen Sie den Kontenabgleich durch.

KI ist bei vielen dieser Aufgaben bereits sehr gut. Sie ist schnell, unermüdlich und im Grenzfall kostengünstig. Bei sinnvoller Nutzung kann sie stundenlange Routinearbeiten überflüssig machen und den Menschen mehr Zeit für schwierige Probleme verschaffen.

Das Urteilsvermögen setzt dort ein, wo die Beschreibung endet.

Sollte dieses Produkt überhaupt entwickelt werden? Welche technische Abkürzung wird sich in zwei Jahren als kostspielig erweisen? Hat der Kunde falsche Anforderungen gestellt? Rechtfertigt die Vorgeschichte eines Kunden eine Abweichung von den Richtlinien? Ist eine technisch konforme Entscheidung dennoch ungerecht? Wie wird sich diese Empfehlung auf eine Beziehung auswirken, deren Aufbau zehn Jahre gedauert hat?

Diese Fragen hängen vom Kontext, von den Folgen und von der Rechenschaftspflicht ab. Sie erfordern, dass jemand etwas bemerkt, wonach das System nie suchen sollte.

Künstliche Intelligenz wird solche Entscheidungen künftig immer besser unterstützen können. Dabei könnte sie Experten herausfordern und Schwächen in der menschlichen Argumentation aufdecken. Dennoch werden Unternehmen weiterhin Mitarbeiter benötigen, die die tatsächlichen Gegebenheiten verstehen, die Ergebnisse bewerten können und die die Verantwortung übernehmen, wenn die Antwort falsch ist.

Eine bessere Umsetzung mindert nicht die Bedeutung der Entscheidungsfindung. In der Regel gewinnt die Entscheidungsfindung sogar an Bedeutung, da Umfang und Geschwindigkeit der Arbeitsergebnisse zunehmen.

Der Motor, das Cockpit und der Kompass

Eine praktische Möglichkeit, diese Unterscheidung anzuwenden, besteht darin, sich die organisatorische Arbeit als dreistufiges Modell vorzustellen.

1. Der Motor: KI-gesteuerte Umsetzung

Der „Engine“-Bereich umfasst strukturierte, wiederholbare Arbeitsabläufe mit klaren Vorgaben und messbaren Ergebnissen. Dazu gehören die Erstellung von Standardcode, der Kontenabgleich, die Weiterleitung von Supportanfragen, die Prüfung von Bewerbungen, die Extraktion von Vertragsklauseln sowie die Erstellung von ersten Entwürfen.

In diesem Bereich kann KI am eigenständigsten arbeiten. Je klarer eine Aufgabe definiert werden kann und je kostengünstiger deren Ergebnis überprüft werden lässt, desto überzeugender sind die Argumente für eine Automatisierung.

Das Prinzip ist einfach: Wenn sich die Arbeit klar definieren und kostengünstig überprüfen lässt, sollten Sie sie in die Engine einbinden.

2. Das Cockpit: Zusammenarbeit zwischen Mensch und KI

Das Cockpit stellt die gemischte Ebene dar. Die KI liefert Analysen, Optionen oder Empfehlungen, während ein Mensch die Situation interpretiert und entscheidet, ob das Ergebnis zum Kontext passt.

Die Überprüfung von KI-generiertem Code gehört hierher. Ebenso wie die Bearbeitung ungewöhnlicher Kundenfälle, die Beurteilung von Kreditausnahmen, die Untersuchung von Compliance-Warnmeldungen und die Anpassung eines Angebots an die internen Gegebenheiten innerhalb einer Kundenorganisation.

Die Person im Cockpit ist nicht dazu da, alles zu genehmigen, was die Maschine hervorbringt. Ihre Aufgabe besteht darin, dies zu hinterfragen, neu auszurichten und zu erkennen, wann die Situation nicht mehr mit den dem System zugrunde liegenden Annahmen übereinstimmt.

Das Prinzip lautet: Lassen Sie die KI die Arbeit beschleunigen, aber sorgen Sie dafür, dass eine qualifizierte Person den Prozess aktiv steuert.

3. Der Kompass: Das menschliche Urteilsvermögen

Der Kompass gibt die Richtung vor. Er umfasst Ziele, Werte, Abwägungen und Verantwortlichkeiten. Was soll das Unternehmen aufbauen? Welche Risiken soll es eingehen? Welche Kunden soll es bedienen? Wann sollte eine Richtlinie geändert werden? Zu welcher Art von Organisation möchte es werden?

Künstliche Intelligenz kann diese Entscheidungen unterstützen. Sie kann Belege aufzeigen, Annahmen hinterfragen und mögliche Ergebnisse modellieren. Doch die Menschen müssen sowohl für die Entscheidung als auch für deren Folgen die Verantwortung übernehmen.

Das Prinzip lautet: Nutzen Sie KI als Eingabe, aber behalten Sie die Verantwortung beim Menschen.

Die Grenzen zwischen diesen Ebenen werden sich verschieben. Mit der Weiterentwicklung der KI werden immer mehr Aufgaben vom „Cockpit“ in den „Motor“ verlagert. Genau das sollten Unternehmen anstreben. Doch die technischen Möglichkeiten können sich schneller entwickeln als die Verantwortlichkeiten. Dass eine Aufgabe automatisierbar wird, bedeutet nicht, dass die damit verbundene Entscheidung kontextunabhängig geworden ist.

Der Motor führt die Befehle aus. Das Cockpit wertet sie aus. Der Kompass trifft die Entscheidung.

Das Scheitern tritt ein, wenn Führungskräfte den Motor stärken, das Cockpit aushöhlen und davon ausgehen, dass sich der Kompass irgendwie von selbst regeln wird.

Klarna stieß an seine Grenzen

Klarna bietet einen nützlichen Test zur Überprüfung dieser Unterscheidung.

Im Jahr 2024 gab das Zahlungsunternehmen bekannt, dass sein KI-Assistent die Arbeit von umgerechnet 700 Kundendienstmitarbeitern erledigte und bereits innerhalb eines Monats nach der Einführung zwei Drittel der Service-Chats bearbeitete. Klarna stellte zudem die Einstellung neuer Mitarbeiter ein, woraufhin die Mitarbeiterzahl später um etwa 22 Prozent sank, was größtenteils auf natürliche Fluktuation zurückzuführen war.

Die wirtschaftlichen Aussichten sahen vielversprechend aus. Doch dann stieß das Unternehmen an seine Grenzen.

Im Jahr 2025 räumte Geschäftsführer Sebastian Siemiatkowski ein, dass die Kosten bei der Organisation des Kundenservices zu einem zu dominierenden Faktor geworden waren, was zu einer geringeren Qualität der Betreuung führte. Klarna begann damit, flexible, im Homeoffice tätige Mitarbeiter einzustellen, und betonte, dass Kunden stets die Möglichkeit haben sollten, einen Mitarbeiter zu erreichen, wenn sie dies wünschten.

Dies war kein vollständiger Rückzug aus dem Bereich der KI. Klarna setzte den Assistenten weiterhin in großem Umfang ein. In einer späteren Meldung gab das Unternehmen an, im Jahr 2025 80 Prozent der Kundenservice-Chats bearbeitet zu haben, und berichtete, dass es nach eigenen internen Umfragen keinen Rückgang der Zufriedenheit gab.

Diese Lektion ist interessanter als eine einfache Geschichte über ein Scheitern. Klarna hat die Effizienz beibehalten und gleichzeitig die Annahme korrigiert, dass Effizienz das gesamte Produkt ausmache. Ein automatisierter Dienst kann bei durchschnittlichen Interaktionen hervorragende Leistungen erbringen und benötigt dennoch einen Menschen für jene Momente, die nicht dem Muster entsprechen. Im Kundenservice prägen gerade diese ungewöhnlichen Momente oft, wie sich die Menschen an die Marke erinnern.

Klarna hat nicht festgestellt, dass die KI unwirksam war. Die Engine funktionierte. Das Unternehmen stellte fest, dass Kunden weiterhin Zugang zu einem Cockpit benötigten, wenn die Interaktion nicht mehr dem Standardmuster entsprach.

Eine Umstrukturierung ist nicht dasselbe wie ein Team

Während Klarna verdeutlicht, wie schwierig es ist, den menschlichen Support zu stark zu reduzieren, zeigt Meta, wie schwierig es ist, die Mitarbeiter im Rahmen einer KI-Strategie neu zu organisieren.

Im Mai 2026 bereitete sich Meta darauf vor, etwa 10 Prozent seiner Belegschaft abzubauen und gleichzeitig rund 7.000 Mitarbeiter in neue, auf KI ausgerichtete Organisationseinheiten zu versetzen. In internen Dokumenten wurden flachere Strukturen, kleinere Teams und mehr Eigenverantwortung beschrieben. Einige Mitarbeiter bezeichneten die Zwangsversetzungen als “Einberufung”.”

Einen Monat später räumte Andrew Bosworth, Chief Technology Officer bei Meta, in einem internen Beitrag ein, dass das Unternehmen bei der Einführung eines der neuen Geschäftsbereiche “katastrophale” Arbeit geleistet habe. Noch aufschlussreicher war, dass er genau benannte, was dadurch Schaden genommen hatte: das Vertrauen der Mitarbeiter darauf, dass ihr Fachwissen geschätzt werde, dass sich ihre Karrieren weiterentwickeln würden und dass sie einen bedeutenden Beitrag leisten könnten.

Möglicherweise wird Meta aufgrund der Umstrukturierung letztendlich eine bessere KI entwickeln. Eine schwierige Einführungsphase ist kein Beweis dafür, dass die Strategie scheitern wird. Doch talentierte Mitarbeiter in einer auf KI ausgerichteten Organisationsstruktur zusammenzuführen, ist nicht dasselbe wie ein funktionierendes Team aufzubauen. Das „Cockpit“ basiert auf Vertrauen, Kontinuität und einem gemeinsamen Verständnis dafür, warum diese Arbeit wichtig ist.

Menschen müssen wissen, warum ihre Arbeit wichtig ist. Sie brauchen Führungskräfte, die ihre Stärken erkennen, und genügend Kontinuität, um zu verstehen, wie Entscheidungen getroffen werden. Namen lassen sich an einem Nachmittag von einem Feld in ein anderes verschieben. Die Beziehungen und der gemeinsame Kontext wechseln jedoch nicht automatisch mit ihnen.

Eine im Juli 2026 von 26 Meta-Mitarbeitern eingereichte Klage verdeutlicht diesen Punkt. Die Mitarbeiter behaupten, Meta habe bei der Auswahl der von Entlassungen betroffenen Personen interne KI-Systeme, das Aktivitätsüberwachungssystem data, Dashboards zur Token-Nutzung sowie algorithmisch unterstützte Leistungsrankings eingesetzt. Sie behaupten, dass im Rahmen dieses Verfahrens Zeiten des Kranken-, Eltern- oder Familienurlaubs als verminderte Arbeitsleistung gewertet wurden, wodurch die betroffenen Mitarbeiter mit höherer Wahrscheinlichkeit ausgewählt wurden. Meta weist die Vorwürfe zurück und erklärt, dass die Personalentscheidungen von Menschen und nicht von KI getroffen wurden.

Die Behauptungen wurden nicht bewiesen. Doch die angebliche Fehlerquelle ist eine, die jede Organisation erkennen sollte. Ein System kann die verfügbaren Kennzahlen zwar korrekt auswerten und dennoch zu einer falschen Entscheidung gelangen, da den Kennzahlen der Kontext fehlt. Ein Rückgang der gemessenen Leistung kann auf eine schlechte Leistung hindeuten. Er kann aber auch auf eine Schwangerschaft, eine Erkrankung, Pflegeaufgaben oder eine behindertengerechte Anpassung hindeuten.

Die Engine wendet die Kennzahl an. Das Cockpit fragt, was die Kennzahl bedeutet. Der Compass entscheidet, welche Konsequenzen das Unternehmen bereit ist zu tragen.

Wie sich Organisationen erinnern

Das meiste organisatorische Wissen ist nicht dort gespeichert, wo Führungskräfte es vermuten. Es befindet sich nicht ausschließlich im Quellcode, im CRM, im Richtlinienhandbuch oder auf dem gemeinsamen Laufwerk. Ein Großteil davon steckt in kleinen Interaktionen, die kaum als Arbeit wahrgenommen werden.

Es ist das wöchentliche Stand-up-Meeting, bei dem sich jemand daran erinnert, warum eine ähnliche Idee vor drei Jahren gescheitert ist. Es ist die Nachbesprechung mit dem Kunden, bei der sich herausstellt, dass der eigentliche Einwand politischer und nicht technischer Natur war. Es ist der leitende Ingenieur, der sich den Code ansieht, der zwar alle Tests besteht, und sagt: “Unter den Bedingungen, unter denen wir tatsächlich arbeiten, wird dies fehlschlagen.”

Diese Momente mögen auf den ersten Blick ineffizient erscheinen. Doch genau dadurch prägen sich Erinnerungen in Organisationen ein.

In einer Anwaltskanzlei, einer Beratungsgesellschaft, einer Bank oder einer Agentur ist die Beziehung Teil des Produkts. Der Mehrwert ergibt sich nicht nur aus dem Endergebnis, sondern auch aus dem Verständnis der Geschichte des Mandanten, der internen Verhältnisse, der Risikobereitschaft und der unausgesprochenen Einschränkungen. Dasselbe gilt für den öffentlichen Dienst, wo ein Sachbearbeiter oder Planungsbeauftragter möglicherweise über jahrelanges praktisches Wissen verfügt, das niemand jemals schriftlich festgehalten hat.

Künstliche Intelligenz kann dabei helfen, mehr davon zu erfassen. Bessere Suchfunktionen, Transkriptionswerkzeuge und Instrumente zur Erfassung des institutionellen Gedächtnisses sind wirklich nützlich. Doch Dokumentation ist immer eine Auswahl der Realität. Menschen halten das fest, von dem sie bereits wissen, dass es wichtig ist. Erfahrung ist zum Teil die Fähigkeit, die Bedeutung einer Sache zu erkennen, bevor sie von irgendjemandem dokumentiert wurde.

Wenn Wettbewerber Zugang zu ähnlichen Modellen und Infrastrukturen haben, ergibt sich ein nachhaltiger Wettbewerbsvorteil daraus, wie die Technologie eingesetzt wird, in welchem Kontext sie steht und welche Standards auf ihre Ergebnisse angewendet werden.

Künstliche Intelligenz kann Gleichheit schaffen. Menschen verwandeln diese Gleichheit in einen Vorteil.

Entlassungen verändern die Mitarbeiter, die im Unternehmen verbleiben

Die Kosten einer Entlassungsmaßnahme werden in der Regel anhand von Abfindungen, rechtlichen Risiken, der Übergangszeit und dem Verlust der ausscheidenden Mitarbeiter beziffert. Das Verhalten der verbleibenden Mitarbeiter lässt sich schwerer beziffern.

Eine Metaanalyse aus dem Jahr 2002 von Magnus Sverke, Johnny Hellgren und Katharina Näswall untersuchte 72 Studien zur empfundenen Arbeitsplatzunsicherheit. Dabei wurden negative Zusammenhänge zwischen Unsicherheit und Arbeitszufriedenheit, Organisationsbindung sowie Leistung festgestellt. Es handelte sich dabei um Korrelationen und nicht um prozentuale Rückgänge, die durch eine bestimmte Entlassungswelle verursacht wurden. Dennoch ist die Tendenz eindeutig: Wenn Menschen sich nicht mehr sicher fühlen, verändert sich ihre Beziehung zur Organisation.

Eine Studie von Charlie Trevor und Anthony Nyberg ergab, dass ein Personalabbau um 1 Prozent mit einem geschätzten Anstieg der freiwilligen Fluktuation um 31 Prozent im Folgejahr einherging, wobei die damit verbundenen Personalpraktiken das Ergebnis beeinflussten.

Dies führt zu einem Auswahlproblem. Die Mitarbeiter, die am ehesten bereit sind, das Unternehmen zu verlassen, sind oft diejenigen mit ausgeprägten Fähigkeiten, nützlichen Netzwerken und attraktiven Alternativen. Wählt ein Unternehmen eine Gruppe aus, die es entlassen möchte, läuft es Gefahr, eine andere Gruppe dazu zu veranlassen, das Unternehmen von sich aus zu verlassen.

Das bedeutet nicht, dass Entlassungen niemals notwendig sind. Es bedeutet vielmehr, dass ein Personalabbau keine einfache Subtraktion ist. Er verändert das Vertrauen, die Anreize und das Verhalten im gesamten Unternehmen. Wenn KI als Grund angegeben wird, können die Auswirkungen noch gravierender sein, da von den Mitarbeitern erwartet wird, dass sie genau jene Systeme schulen und verbessern, die den nächsten Personalabbau rechtfertigen könnten.

Die Talentpipeline weist eine verzögerte Störung auf

Einstiegspositionen gehören zu den am einfachsten zu automatisierenden Aufgaben, da ein Großteil ihrer Arbeitsergebnisse strukturiert und überprüfbar ist. Dies macht sie zu einem naheliegenden Ziel für Kosteneinsparungen. Gleichzeitig birgt ihre Streichung jedoch auch Risiken.

Ein Nachwuchsingenieur wird nicht zum leitenden Ingenieur, indem er einfache Aufgaben meidet. Ein Rechtsreferendar entwickelt kein Urteilsvermögen, ohne gewöhnliche Verträge zu prüfen. Ein neuer Berater lernt nicht, die Stimmung bei einem Kunden einzuschätzen, wenn er lediglich die endgültige Empfehlung erhält.

Fachkompetenz entsteht durch Wiederholung, Korrektur, Beobachtung und unter Anleitung begangene Fehler.

Sollte die KI den Großteil der einfachen Ausführungsaufgaben übernehmen, müssen Unternehmen die Art und Weise, wie Mitarbeiter Erfahrungen sammeln, neu gestalten. Dies könnte eine echte Verbesserung darstellen. Viele traditionelle Aufgaben für Berufseinsteiger sind mühsam und lehrreich – wenn auch weniger, als erfahrene Fachkräfte gerne zugeben möchten. Doch die Abschaffung der Aufgabe ist nicht gleichbedeutend mit dem Ersatz des Lernprozesses.

Wenn Unternehmen die Einstellung von Nachwuchskräften einschränken und gleichzeitig die Zahl der erfahrenen Mitarbeiter reduzieren, die die Ergebnisse der KI überprüfen, untergraben sie damit beide Enden des Entwicklungszyklus. Sie verlieren sowohl die heutige Urteilsfähigkeit als auch den zukünftigen Nachschub an Fachkräften.

Die Folgen werden in diesem Quartal noch nicht sichtbar sein. Sie werden erst einige Jahre später zutage treten, wenn Unternehmen feststellen, dass sie über zahlreiche Tools verfügen, die Antworten liefern können, aber zu wenige Mitarbeiter haben, die eine falsche Antwort erkennen können.

Die Talentpipeline ist kein Personalprogramm. Es handelt sich um eine Produktionsinfrastruktur mit langer Vorlaufzeit.

Argumente für eine Kürzung in jedem Fall

Auf der anderen Seite gibt es ein gewichtiges Argument.

Ein disziplinierter Finanzvorstand könnte argumentieren, dass viele einfache Tätigkeiten tatsächlich wegfallen und es reine Nostalgie ist, so zu tun, als sei dies nicht der Fall. Das Festhalten an Stellen, die durch die Technologie überflüssig geworden sind, ist keine verantwortungsvolle Unternehmensführung. Es handelt sich um eine Subvention, die Wettbewerber nicht mittragen werden. Ein Teil des institutionellen Wissens, das bei einem Personalabbau verloren geht, ist schlichtweg Gewohnheit, die als Weisheit getarnt ist. Unternehmen haben handwerkliche Tätigkeiten bereits in der Vergangenheit automatisiert – von der Fertigung über den Schriftsatz bis hin zum Backoffice im Finanzbereich –, und die Wirtschaft hat sich darauf eingestellt.

Aus dieser Sicht verzögert das Festhalten an Mitarbeitern und deren Umschulung lediglich eine notwendige Veränderung. Unternehmen, die als Erste handeln, werden geringere Kosten und umweltfreundlichere Betriebsabläufe erzielen, während alle anderen zögern.

Teile dieser Argumentation sind zutreffend. Manche Aufgaben werden nicht wieder zurückkehren, und jede einzelne davon verteidigen, führt unweigerlich zu einem langsamen Niedergang. Die Antwort darauf lautet nicht, dass Einschnitte grundsätzlich falsch sind. Vielmehr ist es so, dass die Argumentation oft zu früh endet.

Die Mitarbeiterzahl ist nicht die einzige Variable, die es zu optimieren gilt. Führungskräfte müssen zudem entscheiden, welche Kompetenzen den Wandel überstehen müssen: Urteilsvermögen, Überprüfung, Beziehungen und die Pipeline, aus der zukünftiges Fachwissen hervorgeht. Sie müssen wissen, welche Aufgaben in den „Motor“ gehören, wo das „Cockpit“ weiterhin eine Rolle spielt und wer den „Kompass“ in der Hand hält. Erst dann können sie eine fundierte Entscheidung darüber treffen, welche Mitarbeiter entlassen, umgeschult oder versetzt werden sollten.

Oracle und Klarna haben keine Schwachstelle der KI aufgedeckt. Sie haben vielmehr aufgezeigt, welche Kosten entstehen, wenn man sich auf das konzentriert, was sich am einfachsten messen lässt, und dabei das außer Acht lässt, was schwerer zu erkennen ist.

Ein besseres Gleichgewicht

Die DBS, Singapurs größte Bank, verfolgt ein durchdachteres, wenn auch nicht ganz schmerzfreies Modell.

Die Bank rechnet damit, dass innerhalb von drei Jahren rund 4.000 Stellen für Vertrags- und Zeitarbeitskräfte wegfallen werden, da die KI zunehmend Aufgaben übernimmt. Sie hat zudem angekündigt, rund 1.000 neue Stellen im Bereich der KI zu schaffen und gleichzeitig bestehende Mitarbeiter für neue Aufgabenbereiche umzuschulen. So wurden beispielsweise Bankangestellte geschult, mit Video-Bankautomaten zu arbeiten oder in Kundenbetreuungsfunktionen zu wechseln.

Die DBS investiert zudem weiterhin in ihren Nachwuchs. Im Mai 2026 kündigte das Unternehmen Pläne an, mehr als 500 junge lokale Teilnehmer über Management-Associate-, Praktikums- und Ausbildungsprogramme zu gewinnen.

Dies ist nach wie vor ein Personalabbau. Der Unterschied besteht darin, dass DBS ausdrücklich entscheidet, welche Aufgaben in den „Engine“-Bereich verlagert werden können und welche menschlichen Kompetenzen im „Cockpit“-Bereich erhalten und ausgebaut werden sollen. Die fortgesetzten Investitionen in Nachwuchstalente sichern zudem den künftigen Nachschub an Mitarbeitern, die in der Lage sind, den „Compass“ zu führen. Es ist noch zu früh, um das Ergebnis zu beurteilen, doch dieser Ansatz stellt die richtige Frage.

Die Lösung besteht nicht darin, die Einführung von KI zu verlangsamen. Unternehmen, die diese Tools ablehnen, werden an Wettbewerbsfähigkeit einbüßen, und ihre Mitarbeiter werden mit unnötiger manueller Arbeit belastet. Der bessere Ansatz besteht darin, die Einführung von KI als Frage der Unternehmensgestaltung zu betrachten und nicht als reine Personalrechnung.

Das bedeutet, klar abgegrenzte Ausführungsaufgaben in die „Engine“ zu verlagern und gleichzeitig das „Cockpit“ um diese herum zu stärken. Es bedeutet, Ergebnisse zu messen statt Eingabeaufforderungen, Tokens oder eingesparte Arbeitsstunden. Es bedeutet, die Zusammenhänge und das operative Wissen zu identifizieren, die von einem Team abhängen, bevor dieses verkleinert wird. Wenn KI einfache Aufgaben übernimmt, muss deren Lernfunktion gezielt durch Nachbesprechungen, Simulationen, den Kontakt mit Kunden und den Zugang zu den Überlegungen erfahrener Mitarbeiter ersetzt werden.

Dies bedeutet auch, den Menschen bei diesem Wandel ein gewisses Maß an Mitbestimmung zu gewähren. Die Erfahrungen bei Meta zeigen, wie schnell eine KI-Strategie zu einem Vertrauensproblem werden kann, wenn Mitarbeiter das Gefühl haben, ohne klaren Zweck oder Karriereweg in ungewohnte Aufgabenbereiche versetzt zu werden.

Vor allem sollten Führungskräfte nicht länger davon ausgehen, dass der Personalbestand die einzige Variable sein muss, die bei steigender Produktivität sinkt. Eine höhere Produktivität kann zu geringeren Kosten führen. Sie kann zudem zu besseren Produkten, schnellerem Service, mehr Experimentierfreudigkeit und zu Tätigkeiten beitragen, die zuvor unrentabel waren.

Die Entscheidung zwischen Wachstum und Reduzierung ist eine Managemententscheidung und keine automatische Folge der Technologie. Sie gehört in den „Compass“.

Das Unternehmen ist mehr als nur seine Produktion

KI-Systeme werden weiterhin immer umfangreichere und komplexere Aufgaben übernehmen. Die Grenze zwischen menschlicher und maschineller Ausführung wird sich kontinuierlich verschieben. Jeder Artikel, der behauptet, genau zu wissen, wo diese Grenze in fünf Jahren liegen wird, dürfte schnell an Aktualität verlieren.

Ein Unternehmen ist jedoch keine Ansammlung von Aufgaben.

Es handelt sich um ein Netzwerk aus Urteilsvermögen, Vertrauen, Erinnerung, Anreizen und Beziehungen. Seine Produkte entstehen aus diesem Netzwerk, doch das Netzwerk selbst ist im Produkt nicht sichtbar. Deshalb lässt es sich so leicht beschädigen. Ein Unternehmen kann weiterhin Produkte ausliefern, während sich das dem Output zugrunde liegende Wissen still und leise verflüchtigt.

Die Organisationen, die am meisten von KI profitieren, werden nicht unbedingt diejenigen sein, die als Erste eine möglichst geringe Mitarbeiterzahl erreichen. Es werden vielmehr jene sein, die verstehen, welche Aufgaben wegfallen sollten, welche Kompetenzen gestärkt werden müssen und wie die Mitarbeiter ihr Urteilsvermögen weiterentwickeln können, wenn Maschinen einen größeren Teil der praktischen Arbeit übernehmen.

KI kann die Ausführung automatisieren.

Menschen gestalten Organisationen.

Diese Unterscheidung ist nicht sentimentaler Natur. Sie ist strategischer Natur.

Bevor Ihr Unternehmen einen weiteren Arbeitsablauf automatisiert, sollten Sie sich folgende drei Fragen stellen:

1. Was gehört in den Motor?
2. In welchen Bereichen spielt das Cockpit noch eine Rolle?
3. Wer hält den Kompass in der Hand, und wer trägt die Verantwortung für die Folgen?