Das Scheitern tritt ein, wenn F\u00fchrungskr\u00e4fte den Motor st\u00e4rken, das Cockpit aush\u00f6hlen und davon ausgehen, dass sich der Kompass irgendwie von selbst regeln wird.<\/p>\n
![\"\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2026\/07\/You-can-automate-the-code-\u2013-you-cant-automate-the-company-image.jpg\")
<\/p>\n
Klarna stie\u00df an seine Grenzen<\/h2>\n
Klarna bietet einen n\u00fctzlichen Test zur \u00dcberpr\u00fcfung dieser Unterscheidung.<\/p>\n
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 Einf\u00fchrung zwei Drittel der Service-Chats bearbeitete. Klarna stellte zudem die Einstellung neuer Mitarbeiter ein, woraufhin die Mitarbeiterzahl sp\u00e4ter um etwa 22 Prozent sank, was gr\u00f6\u00dftenteils auf nat\u00fcrliche Fluktuation zur\u00fcckzuf\u00fchren war.<\/p>\n
Die wirtschaftlichen Aussichten sahen vielversprechend aus. Doch dann stie\u00df das Unternehmen an seine Grenzen.<\/p>\n
Im Jahr 2025 r\u00e4umte Gesch\u00e4ftsf\u00fchrer Sebastian Siemiatkowski ein, dass die Kosten bei der Organisation des Kundenservices zu einem zu dominierenden Faktor geworden waren, was zu einer geringeren Qualit\u00e4t der Betreuung f\u00fchrte. Klarna begann damit, flexible, im Homeoffice t\u00e4tige Mitarbeiter einzustellen, und betonte, dass Kunden stets die M\u00f6glichkeit haben sollten, einen Mitarbeiter zu erreichen, wenn sie dies w\u00fcnschten.<\/p>\n
Dies war kein vollst\u00e4ndiger R\u00fcckzug aus dem Bereich der KI. Klarna setzte den Assistenten weiterhin in gro\u00dfem Umfang ein. In einer sp\u00e4teren 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 R\u00fcckgang der Zufriedenheit gab.<\/p>\n
Diese Lektion ist interessanter als eine einfache Geschichte \u00fcber 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 ben\u00f6tigt dennoch einen Menschen f\u00fcr jene Momente, die nicht dem Muster entsprechen. Im Kundenservice pr\u00e4gen gerade diese ungew\u00f6hnlichen Momente oft, wie sich die Menschen an die Marke erinnern.<\/p>\n
Klarna hat nicht festgestellt, dass die KI unwirksam war. Die Engine funktionierte. Das Unternehmen stellte fest, dass Kunden weiterhin Zugang zu einem Cockpit ben\u00f6tigten, wenn die Interaktion nicht mehr dem Standardmuster entsprach.<\/p>\n
Eine Umstrukturierung ist nicht dasselbe wie ein Team<\/h2>\n
W\u00e4hrend 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.<\/p>\n
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 \u201cEinberufung\u201d.\u201d<\/p>\n
Einen Monat sp\u00e4ter r\u00e4umte Andrew Bosworth, Chief Technology Officer bei Meta, in einem internen Beitrag ein, dass das Unternehmen bei der Einf\u00fchrung eines der neuen Gesch\u00e4ftsbereiche \u201ckatastrophale\u201d Arbeit geleistet habe. Noch aufschlussreicher war, dass er genau benannte, was dadurch Schaden genommen hatte: das Vertrauen der Mitarbeiter darauf, dass ihr Fachwissen gesch\u00e4tzt werde, dass sich ihre Karrieren weiterentwickeln w\u00fcrden und dass sie einen bedeutenden Beitrag leisten k\u00f6nnten.<\/p>\n
M\u00f6glicherweise wird Meta aufgrund der Umstrukturierung letztendlich eine bessere KI entwickeln. Eine schwierige Einf\u00fchrungsphase ist kein Beweis daf\u00fcr, dass die Strategie scheitern wird. Doch talentierte Mitarbeiter in einer auf KI ausgerichteten Organisationsstruktur zusammenzuf\u00fchren, ist nicht dasselbe wie ein funktionierendes Team aufzubauen. Das \u201eCockpit\u201c basiert auf Vertrauen, Kontinuit\u00e4t und einem gemeinsamen Verst\u00e4ndnis daf\u00fcr, warum diese Arbeit wichtig ist.<\/p>\n
Menschen m\u00fcssen wissen, warum ihre Arbeit wichtig ist. Sie brauchen F\u00fchrungskr\u00e4fte, die ihre St\u00e4rken erkennen, und gen\u00fcgend Kontinuit\u00e4t, 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.<\/p>\n
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 Aktivit\u00e4ts\u00fcberwachungssystem data, Dashboards zur Token-Nutzung sowie algorithmisch unterst\u00fctzte 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 h\u00f6herer Wahrscheinlichkeit ausgew\u00e4hlt wurden. Meta weist die Vorw\u00fcrfe zur\u00fcck und erkl\u00e4rt, dass die Personalentscheidungen von Menschen und nicht von KI getroffen wurden.<\/p>\n
Die Behauptungen wurden nicht bewiesen. Doch die angebliche Fehlerquelle ist eine, die jede Organisation erkennen sollte. Ein System kann die verf\u00fcgbaren Kennzahlen zwar korrekt auswerten und dennoch zu einer falschen Entscheidung gelangen, da den Kennzahlen der Kontext fehlt. Ein R\u00fcckgang der gemessenen Leistung kann auf eine schlechte Leistung hindeuten. Er kann aber auch auf eine Schwangerschaft, eine Erkrankung, Pflegeaufgaben oder eine behindertengerechte Anpassung hindeuten.<\/p>\n
Die Engine wendet die Kennzahl an. Das Cockpit fragt, was die Kennzahl bedeutet. Der Compass entscheidet, welche Konsequenzen das Unternehmen bereit ist zu tragen.<\/p>\n
Wie sich Organisationen erinnern<\/h2>\n
Das meiste organisatorische Wissen ist nicht dort gespeichert, wo F\u00fchrungskr\u00e4fte es vermuten. Es befindet sich nicht ausschlie\u00dflich im Quellcode, im CRM, im Richtlinienhandbuch oder auf dem gemeinsamen Laufwerk. Ein Gro\u00dfteil davon steckt in kleinen Interaktionen, die kaum als Arbeit wahrgenommen werden.<\/p>\n
Es ist das w\u00f6chentliche Stand-up-Meeting, bei dem sich jemand daran erinnert, warum eine \u00e4hnliche 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: \u201cUnter den Bedingungen, unter denen wir tats\u00e4chlich arbeiten, wird dies fehlschlagen.\u201d<\/p>\n
Diese Momente m\u00f6gen auf den ersten Blick ineffizient erscheinen. Doch genau dadurch pr\u00e4gen sich Erinnerungen in Organisationen ein.<\/p>\n
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 Verst\u00e4ndnis der Geschichte des Mandanten, der internen Verh\u00e4ltnisse, der Risikobereitschaft und der unausgesprochenen Einschr\u00e4nkungen. Dasselbe gilt f\u00fcr den \u00f6ffentlichen Dienst, wo ein Sachbearbeiter oder Planungsbeauftragter m\u00f6glicherweise \u00fcber jahrelanges praktisches Wissen verf\u00fcgt, das niemand jemals schriftlich festgehalten hat.<\/p>\n
K\u00fcnstliche Intelligenz kann dabei helfen, mehr davon zu erfassen. Bessere Suchfunktionen, Transkriptionswerkzeuge und Instrumente zur Erfassung des institutionellen Ged\u00e4chtnisses sind wirklich n\u00fctzlich. Doch Dokumentation ist immer eine Auswahl der Realit\u00e4t. Menschen halten das fest, von dem sie bereits wissen, dass es wichtig ist. Erfahrung ist zum Teil die F\u00e4higkeit, die Bedeutung einer Sache zu erkennen, bevor sie von irgendjemandem dokumentiert wurde.<\/p>\n
Wenn Wettbewerber Zugang zu \u00e4hnlichen 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.<\/p>\n
K\u00fcnstliche Intelligenz kann Gleichheit schaffen. Menschen verwandeln diese Gleichheit in einen Vorteil.<\/p>\n
Entlassungen ver\u00e4ndern die Mitarbeiter, die im Unternehmen verbleiben<\/h2>\n
Die Kosten einer Entlassungsma\u00dfnahme werden in der Regel anhand von Abfindungen, rechtlichen Risiken, der \u00dcbergangszeit und dem Verlust der ausscheidenden Mitarbeiter beziffert. Das Verhalten der verbleibenden Mitarbeiter l\u00e4sst sich schwerer beziffern.<\/p>\n
Eine Metaanalyse aus dem Jahr 2002 von Magnus Sverke, Johnny Hellgren und Katharina N\u00e4swall untersuchte 72 Studien zur empfundenen Arbeitsplatzunsicherheit. Dabei wurden negative Zusammenh\u00e4nge zwischen Unsicherheit und Arbeitszufriedenheit, Organisationsbindung sowie Leistung festgestellt. Es handelte sich dabei um Korrelationen und nicht um prozentuale R\u00fcckg\u00e4nge, die durch eine bestimmte Entlassungswelle verursacht wurden. Dennoch ist die Tendenz eindeutig: Wenn Menschen sich nicht mehr sicher f\u00fchlen, ver\u00e4ndert sich ihre Beziehung zur Organisation.<\/p>\n
Eine Studie von Charlie Trevor und Anthony Nyberg ergab, dass ein Personalabbau um 1 Prozent mit einem gesch\u00e4tzten Anstieg der freiwilligen Fluktuation um 31 Prozent im Folgejahr einherging, wobei die damit verbundenen Personalpraktiken das Ergebnis beeinflussten.<\/p>\n
Dies f\u00fchrt zu einem Auswahlproblem. Die Mitarbeiter, die am ehesten bereit sind, das Unternehmen zu verlassen, sind oft diejenigen mit ausgepr\u00e4gten F\u00e4higkeiten, n\u00fctzlichen Netzwerken und attraktiven Alternativen. W\u00e4hlt ein Unternehmen eine Gruppe aus, die es entlassen m\u00f6chte, l\u00e4uft es Gefahr, eine andere Gruppe dazu zu veranlassen, das Unternehmen von sich aus zu verlassen.<\/p>\n
Das bedeutet nicht, dass Entlassungen niemals notwendig sind. Es bedeutet vielmehr, dass ein Personalabbau keine einfache Subtraktion ist. Er ver\u00e4ndert das Vertrauen, die Anreize und das Verhalten im gesamten Unternehmen. Wenn KI als Grund angegeben wird, k\u00f6nnen die Auswirkungen noch gravierender sein, da von den Mitarbeitern erwartet wird, dass sie genau jene Systeme schulen und verbessern, die den n\u00e4chsten Personalabbau rechtfertigen k\u00f6nnten.<\/p>\n
Die Talentpipeline weist eine verz\u00f6gerte St\u00f6rung auf<\/h2>\n
Einstiegspositionen geh\u00f6ren zu den am einfachsten zu automatisierenden Aufgaben, da ein Gro\u00dfteil ihrer Arbeitsergebnisse strukturiert und \u00fcberpr\u00fcfbar ist. Dies macht sie zu einem naheliegenden Ziel f\u00fcr Kosteneinsparungen. Gleichzeitig birgt ihre Streichung jedoch auch Risiken.<\/p>\n
Ein Nachwuchsingenieur wird nicht zum leitenden Ingenieur, indem er einfache Aufgaben meidet. Ein Rechtsreferendar entwickelt kein Urteilsverm\u00f6gen, ohne gew\u00f6hnliche Vertr\u00e4ge zu pr\u00fcfen. Ein neuer Berater lernt nicht, die Stimmung bei einem Kunden einzusch\u00e4tzen, wenn er lediglich die endg\u00fcltige Empfehlung erh\u00e4lt.<\/p>\n
Fachkompetenz entsteht durch Wiederholung, Korrektur, Beobachtung und unter Anleitung begangene Fehler.<\/p>\n
Sollte die KI den Gro\u00dfteil der einfachen Ausf\u00fchrungsaufgaben \u00fcbernehmen, m\u00fcssen Unternehmen die Art und Weise, wie Mitarbeiter Erfahrungen sammeln, neu gestalten. Dies k\u00f6nnte eine echte Verbesserung darstellen. Viele traditionelle Aufgaben f\u00fcr Berufseinsteiger sind m\u00fchsam und lehrreich \u2013 wenn auch weniger, als erfahrene Fachkr\u00e4fte gerne zugeben m\u00f6chten. Doch die Abschaffung der Aufgabe ist nicht gleichbedeutend mit dem Ersatz des Lernprozesses.<\/p>\n
Wenn Unternehmen die Einstellung von Nachwuchskr\u00e4ften einschr\u00e4nken und gleichzeitig die Zahl der erfahrenen Mitarbeiter reduzieren, die die Ergebnisse der KI \u00fcberpr\u00fcfen, untergraben sie damit beide Enden des Entwicklungszyklus. Sie verlieren sowohl die heutige Urteilsf\u00e4higkeit als auch den zuk\u00fcnftigen Nachschub an Fachkr\u00e4ften.<\/p>\n
Die Folgen werden in diesem Quartal noch nicht sichtbar sein. Sie werden erst einige Jahre sp\u00e4ter zutage treten, wenn Unternehmen feststellen, dass sie \u00fcber zahlreiche Tools verf\u00fcgen, die Antworten liefern k\u00f6nnen, aber zu wenige Mitarbeiter haben, die eine falsche Antwort erkennen k\u00f6nnen.<\/p>\n
Die Talentpipeline ist kein Personalprogramm. Es handelt sich um eine Produktionsinfrastruktur mit langer Vorlaufzeit.<\/p>\n
Argumente f\u00fcr eine K\u00fcrzung in jedem Fall<\/h2>\n
Auf der anderen Seite gibt es ein gewichtiges Argument.<\/p>\n
Ein disziplinierter Finanzvorstand k\u00f6nnte argumentieren, dass viele einfache T\u00e4tigkeiten tats\u00e4chlich wegfallen und es reine Nostalgie ist, so zu tun, als sei dies nicht der Fall. Das Festhalten an Stellen, die durch die Technologie \u00fcberfl\u00fcssig geworden sind, ist keine verantwortungsvolle Unternehmensf\u00fchrung. 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 T\u00e4tigkeiten bereits in der Vergangenheit automatisiert \u2013 von der Fertigung \u00fcber den Schriftsatz bis hin zum Backoffice im Finanzbereich \u2013, und die Wirtschaft hat sich darauf eingestellt.<\/p>\n
Aus dieser Sicht verz\u00f6gert das Festhalten an Mitarbeitern und deren Umschulung lediglich eine notwendige Ver\u00e4nderung. Unternehmen, die als Erste handeln, werden geringere Kosten und umweltfreundlichere Betriebsabl\u00e4ufe erzielen, w\u00e4hrend alle anderen z\u00f6gern.<\/p>\n
Teile dieser Argumentation sind zutreffend. Manche Aufgaben werden nicht wieder zur\u00fcckkehren, und jede einzelne davon verteidigen, f\u00fchrt unweigerlich zu einem langsamen Niedergang. Die Antwort darauf lautet nicht, dass Einschnitte grunds\u00e4tzlich falsch sind. Vielmehr ist es so, dass die Argumentation oft zu fr\u00fch endet.<\/p>\n
Die Mitarbeiterzahl ist nicht die einzige Variable, die es zu optimieren gilt. F\u00fchrungskr\u00e4fte m\u00fcssen zudem entscheiden, welche Kompetenzen den Wandel \u00fcberstehen m\u00fcssen: Urteilsverm\u00f6gen, \u00dcberpr\u00fcfung, Beziehungen und die Pipeline, aus der zuk\u00fcnftiges Fachwissen hervorgeht. Sie m\u00fcssen wissen, welche Aufgaben in den \u201eMotor\u201c geh\u00f6ren, wo das \u201eCockpit\u201c weiterhin eine Rolle spielt und wer den \u201eKompass\u201c in der Hand h\u00e4lt. Erst dann k\u00f6nnen sie eine fundierte Entscheidung dar\u00fcber treffen, welche Mitarbeiter entlassen, umgeschult oder versetzt werden sollten.<\/p>\n
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 l\u00e4sst, und dabei das au\u00dfer Acht l\u00e4sst, was schwerer zu erkennen ist.<\/p>\n
Ein besseres Gleichgewicht<\/h2>\n
Die DBS, Singapurs gr\u00f6\u00dfte Bank, verfolgt ein durchdachteres, wenn auch nicht ganz schmerzfreies Modell.<\/p>\n
Die Bank rechnet damit, dass innerhalb von drei Jahren rund 4.000 Stellen f\u00fcr Vertrags- und Zeitarbeitskr\u00e4fte wegfallen werden, da die KI zunehmend Aufgaben \u00fcbernimmt. Sie hat zudem angek\u00fcndigt, rund 1.000 neue Stellen im Bereich der KI zu schaffen und gleichzeitig bestehende Mitarbeiter f\u00fcr neue Aufgabenbereiche umzuschulen. So wurden beispielsweise Bankangestellte geschult, mit Video-Bankautomaten zu arbeiten oder in Kundenbetreuungsfunktionen zu wechseln.<\/p>\n
Die DBS investiert zudem weiterhin in ihren Nachwuchs. Im Mai 2026 k\u00fcndigte das Unternehmen Pl\u00e4ne an, mehr als 500 junge lokale Teilnehmer \u00fcber Management-Associate-, Praktikums- und Ausbildungsprogramme zu gewinnen.<\/p>\n
Dies ist nach wie vor ein Personalabbau. Der Unterschied besteht darin, dass DBS ausdr\u00fccklich entscheidet, welche Aufgaben in den \u201eEngine\u201c-Bereich verlagert werden k\u00f6nnen und welche menschlichen Kompetenzen im \u201eCockpit\u201c-Bereich erhalten und ausgebaut werden sollen. Die fortgesetzten Investitionen in Nachwuchstalente sichern zudem den k\u00fcnftigen Nachschub an Mitarbeitern, die in der Lage sind, den \u201eCompass\u201c zu f\u00fchren. Es ist noch zu fr\u00fch, um das Ergebnis zu beurteilen, doch dieser Ansatz stellt die richtige Frage.<\/p>\n
Die L\u00f6sung besteht nicht darin, die Einf\u00fchrung von KI zu verlangsamen. Unternehmen, die diese Tools ablehnen, werden an Wettbewerbsf\u00e4higkeit einb\u00fc\u00dfen, und ihre Mitarbeiter werden mit unn\u00f6tiger manueller Arbeit belastet. Der bessere Ansatz besteht darin, die Einf\u00fchrung von KI als Frage der Unternehmensgestaltung zu betrachten und nicht als reine Personalrechnung.<\/p>\n
Das bedeutet, klar abgegrenzte Ausf\u00fchrungsaufgaben in die \u201eEngine\u201c zu verlagern und gleichzeitig das \u201eCockpit\u201c um diese herum zu st\u00e4rken. Es bedeutet, Ergebnisse zu messen statt Eingabeaufforderungen, Tokens oder eingesparte Arbeitsstunden. Es bedeutet, die Zusammenh\u00e4nge und das operative Wissen zu identifizieren, die von einem Team abh\u00e4ngen, bevor dieses verkleinert wird. Wenn KI einfache Aufgaben \u00fcbernimmt, muss deren Lernfunktion gezielt durch Nachbesprechungen, Simulationen, den Kontakt mit Kunden und den Zugang zu den \u00dcberlegungen erfahrener Mitarbeiter ersetzt werden.<\/p>\n
Dies bedeutet auch, den Menschen bei diesem Wandel ein gewisses Ma\u00df an Mitbestimmung zu gew\u00e4hren. Die Erfahrungen bei Meta zeigen, wie schnell eine KI-Strategie zu einem Vertrauensproblem werden kann, wenn Mitarbeiter das Gef\u00fchl haben, ohne klaren Zweck oder Karriereweg in ungewohnte Aufgabenbereiche versetzt zu werden.<\/p>\n
Vor allem sollten F\u00fchrungskr\u00e4fte nicht l\u00e4nger davon ausgehen, dass der Personalbestand die einzige Variable sein muss, die bei steigender Produktivit\u00e4t sinkt. Eine h\u00f6here Produktivit\u00e4t kann zu geringeren Kosten f\u00fchren. Sie kann zudem zu besseren Produkten, schnellerem Service, mehr Experimentierfreudigkeit und zu T\u00e4tigkeiten beitragen, die zuvor unrentabel waren.<\/p>\n
Die Entscheidung zwischen Wachstum und Reduzierung ist eine Managemententscheidung und keine automatische Folge der Technologie. Sie geh\u00f6rt in den \u201eCompass\u201c.<\/p>\n
Das Unternehmen ist mehr als nur seine Produktion<\/h2>\n
KI-Systeme werden weiterhin immer umfangreichere und komplexere Aufgaben \u00fcbernehmen. Die Grenze zwischen menschlicher und maschineller Ausf\u00fchrung wird sich kontinuierlich verschieben. Jeder Artikel, der behauptet, genau zu wissen, wo diese Grenze in f\u00fcnf Jahren liegen wird, d\u00fcrfte schnell an Aktualit\u00e4t verlieren.<\/p>\n
Ein Unternehmen ist jedoch keine Ansammlung von Aufgaben.<\/strong><\/p>\n Es handelt sich um ein Netzwerk aus Urteilsverm\u00f6gen, Vertrauen, Erinnerung, Anreizen und Beziehungen. Seine Produkte entstehen aus diesem Netzwerk, doch das Netzwerk selbst ist im Produkt nicht sichtbar. Deshalb l\u00e4sst es sich so leicht besch\u00e4digen. Ein Unternehmen kann weiterhin Produkte ausliefern, w\u00e4hrend sich das dem Output zugrunde liegende Wissen still und leise verfl\u00fcchtigt.<\/p>\n Die Organisationen, die am meisten von KI profitieren, werden nicht unbedingt diejenigen sein, die als Erste eine m\u00f6glichst geringe Mitarbeiterzahl erreichen. Es werden vielmehr jene sein, die verstehen, welche Aufgaben wegfallen sollten, welche Kompetenzen gest\u00e4rkt werden m\u00fcssen und wie die Mitarbeiter ihr Urteilsverm\u00f6gen weiterentwickeln k\u00f6nnen, wenn Maschinen einen gr\u00f6\u00dferen Teil der praktischen Arbeit \u00fcbernehmen.<\/p>\n KI kann die Ausf\u00fchrung automatisieren.<\/p>\n Menschen gestalten Organisationen.<\/p>\n Diese Unterscheidung ist nicht sentimentaler Natur. Sie ist strategischer Natur.<\/strong><\/p>\n Bevor Ihr Unternehmen einen weiteren Arbeitsablauf automatisiert, sollten Sie sich folgende drei Fragen stellen:<\/p>\n K\u00fcnstliche Intelligenz kann mehr Aufgaben als je zuvor \u00fcbernehmen. Unternehmen, die diese Aufgaben mit Entscheidungsfindungen verwechseln, laufen Gefahr, sich durch die Automatisierung selbst zu schaden. Anfang 2026 forderte Oracle seine Mitarbeiter auf, ihre Arbeitsabl\u00e4ufe zu dokumentieren und die internen KI-Tools des Unternehmens zu nutzen. Einige dieser Mitarbeiter wurden sp\u00e4ter entlassen.<\/p>","protected":false},"featured_media":1399863,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995],"blog-language":[2991],"class_list":["post-1399862","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog\/1399862","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media\/1399863"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media?parent=1399862"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-category?post=1399862"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-language?post=1399862"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}\n