KI erweitert den Menschen, sie ersetzt ihn nicht und die Firmen, die das verwechselt haben, stellen bereits wieder ein.
Es gibt eine Art von Fehler, der wie Kühnheit aussieht, während man ihn begeht, und erst im Nachhinein wie Torheit wirkt. Genau diesen Fehler machen derzeit sehr viele Unternehmen mit künstlicher Intelligenz. Der Fehler liegt nicht im Optimismus gegenüber der Technologie. Die Technologie ist wirklich bemerkenswert. Der Fehler ist ein kategorialer: Das Management behandelt eine Generierungsmaschine, als sei sie eine Urteilsmaschine. Sie wird ausdrücklich angeschafft, um die Menschen zu entfernen, die das Urteil liefern und dann ist man überrascht, wenn die Arbeit, die früher überprüft wurde, nicht mehr überprüft wird.
Ich möchte präzise benennen, worin KI gut ist, denn in der Ungenauigkeit geht das Geld verloren. In ihrer jetzigen Form, und so weit man blicken kann, ist KI ein Werkzeug, das den Menschen erweitert. Wenn sie auf die richtige Art von Arbeit gerichtet und mit einer kompetenten Person gekoppelt wird, ist sie ein außerordentlicher Kraftmultiplikator, der zu mehr Output, besserem Output, weniger Stunden pro Werteinheit und in vielen Fällen auch zu weniger Personal führt. Letzteres ist real, und ich werde nicht das Gegenteil behaupten.
Aber ein Multiplikator ist ein gnadenloses Instrument. Er skaliert alles, womit man ihn füttert, in beide Richtungen. Multipliziert man einen kompetenten Experten, erhält man verstärkte Expertise. Multipliziert man einen inkompetenten, erhält man verstärkte Fehler, die nun in flüssige, selbstbewusste Prosa verpackt sind. Das macht es schwerer, sie zu entdecken, als es beim ursprünglichen Fehler der Fall gewesen wäre. Multipliziert man mit null, bleibt null.
Die Firmen, die diese Lektion gerade lernen, haben nicht den Multiplikator falsch eingeschätzt. Sie haben den Multiplikanden entfernt. Sie haben den Verstärker behalten und das wegrationalisiert, was verstärkt werden sollte. Dann waren sie erstaunt, als die Leistung einbrach.
Der Test der gute von schlechten Anwendungen trennt
Die nützliche Frage ist nicht, welche Branchen oder welche Berufsbezeichnungen betroffen sind. So wird die Debatte meist geführt, weshalb sie so wenig Erkenntnis bringt. Die nützliche Frage lautet: Welche Aufgaben? Und dafür gibt es einen klaren Test.
KI erweitert eine Wissensaufgabe dann gut, wenn sich die Aufgabe in einen generierenden und einen überprüfenden Teil trennen lässt und die Überprüfung günstiger ist als die Generierung. Diese Asymmetrie ist der gesamte Motor. Der Hebel entsteht nicht dadurch, dass die Maschine schnell schreibt. Er entsteht dadurch, dass die Überprüfung der Maschinenarbeit weitaus weniger kostet als die Erledigung der Arbeit selbst. Eine zitierte Quelle zu lesen, um eine Zusammenfassung zu bestätigen, ist günstiger, als die Recherche selbst durchzuführen. Das Ausführen einer Testumgebung ist günstiger, als die Funktion von null auf in einer leeren Datei zu schreiben. Einen Entwurf zu lesen und die drei Fehler darin zu beheben, ist günstiger, als vor einem leinen Blatt Papier zu sitzen.
Wo diese Lücke groß ist, bietet KI echten Hebel. Wo die Lücke schrumpft, schrumpft auch der Hebel. Und wo die Überprüfung genauso viel kostet wie die Arbeit selbst, hat die Maschine Ihnen nichts erspart. Sie hat Sie lediglich an eine plausible Antwort gekettet, die Sie nun mühsam widerlegen müssen.
Nach diesem Test gibt es vier Bereiche der Wissensarbeit, in denen KI ihr Geld wert ist. Der erste ist die Synthese von bereits existierendem Material, wie die Literaturrecherche oder das Zusammenführen von vierzig Berichten zu dem, worin sie übereinstimmen und wo sie sich widersprechen. Die verlässliche Basis ist das Ausgangsmaterial, und die Überprüfung ist der Abgleich mit diesem.
Der zweite Bereich ist die Generierung nach einer Spezifikation, also Code, Abfragen, Schemata, Konfigurationen, kurz alles, was einer formalen Grammatik oder einer festgelegten Anforderung entspricht und maschinell auf Konformität geprüft werden kann.
Der dritte und sicherste Bereich ist die Transformation zwischen Formen, wie das Zusammenfassen, Übersetzen, Umstrukturieren, das Umwandeln von Fließtext in eine Tabelle oder von Code in die eigene Dokumentation. Hier wird die Bedeutung aus einer Quelle übernommen, an der man das Ergebnis messen kann, sodass kaum etwas wirklich neu erfunden wird.
Der vierter Bereich ist das Verfassen von Erstentwürfen in einem Bereich, den der Mensch bereits beherrscht, wie der Bericht, das Memo oder das Briefing. Hier löst die Maschine das Problem des leeren Blattes, während der Experte, der das Thema kennt, die Kürzungen vornimmt und das Ganze abzeichnet.
In jedem dieser Fälle liefert die Maschine die Masse und der Mensch das Wissen darüber, wie korrekt aussieht. Diese Arbeitsteilung ist nicht zufällig. Sie ist der einzige Grund, warum die Partnerschaft überhaupt funktioniert.
Die Grenze wird durch dieselbe Asymmetrie definiert, wenn sie in die andere Richtung läuft und das ist das Terrain, auf dem sich das Management immer wieder verletzt. Wo die Überprüfung langsam oder unmöglich ist, wie bei Strategien, Vorhersagen, Personalbeschaffung oder Geschmacksfragen, kann man heute Nachmittag nicht sagen, ob das Ergebnis richtig ist. Man findet es erst in einem Jahr heraus, verstrickt mit hundert anderen Variablen, wenn überhaupt. Der Mensch kann die eine Handlung nicht mehr ausführen, die die Partnerschaft sicher macht.
Wo das notwendige Wissen implizit ist und nie aufgeschrieben wurde, kann die Maschine nicht abrufen, was nicht existiert. Also erfindet sie einen flüssig formulierten Ersatz, und die Kosten für das Aufdecken der Fälschung steigen auf die Kosten, die Antwort ohnehin schon zu kennen. Wo die erste Aktion unumkehrbar ist, wie das Absenden, Ausführen, Löschen oder Binden von Geldern, gibt es überhaupt keine Entwurfsphase, in der man den Fehler abfangen könnte.
Und darunter liegt das größte Problem: Wo kein Mensch im Prozess tatsächlich genug weiß, um zu prüfen, hat der Multiplikator nichts Kompetentes zu multiplizieren. Ein verstärkter, plausibel klingender Fehler ist schlimmer, als gar nichts produziert zu haben.
Wir haben das schon einmal erlebt
Nichts davon sollte uns beispiellos vorkommen, denn wir haben die kleinere Version davon bereits durchlebt. Der PC hat die menschliche Arbeit umgestaltet, und zwar genau nach diesem Mechanismus. Die Tabellenkalkulation hat den Buchhalter nicht ersetzt. Sie hat das Nachrechnen übernommen, also den mechanischen, endlos wiederholbaren, perfekt überprüfbaren Teil des Jobs, und der menschlichen Hand das Urteil darüber überlassen, was modelliert werden soll und was die Zahlen bedeuten.
Die Textverarbeitung hat den Schriftsteller nicht ersetzt. Sie hat das Abtippen eliminiert, nicht das Verfassen. In beiden Fällen übernahm die Maschine den mechanischen und überprüfbaren Teil der Arbeit. Der Teil, der Urteilsvermögen erforderte, überlebte nicht nur, sondern wuchs wertmäßig an. Der Buchhalter wurde wertvoller, nicht weniger, und es gab weniger reine Büroangestellte.
KI macht nun dasselbe eine Etage höher. Sie übernimmt nicht nur das Nachrechnen, sondern das Generieren und Synthetisieren selbst und die Schicht, die sie zurücklässt, ist wiederum das Urteilsvermögen und die Überprüfung. Die Form der Arbeit verändert sich. Der Kern des menschlichen Werts verlagert sich nach oben, hin zu der Entscheidung, was überhaupt produziert werden soll, und der Zertifizierung, ob das Produzierte wahr ist. Aus diesem Grund kann die Mitarbeiterzahl sinken, während die verbleibenden Rollen anspruchsvoller statt einfacher werden. Und genau aus diesem Grund mussten die Firmen, die die Urteilsebene zusammen mit der mechanischen Ebene gestrichen haben, schmerzhaft feststellen, dass sie das Tippen automatisiert und den Autoren entlassen hatten.
Die Abrechnung ist bereits da
Der Markt bereigt dieses Argument empirisch und schneller, als die Prognostiker es erwartet hatten. Block kündigte im Februar an, vierzig Prozent seiner Belegschaft zu streichen, in Erwartung dessen, was KI bald tun würde. Das war eine Entscheidung, die nicht auf einem nachgewiesenen Ersatz beruhte, sondern auf einem angenommenen Ersatz, was der Fehler in seiner reinsten Form ist.
Die Rechnung für diese Art von Zuversicht wird nun im gesamten Sektor fällig. Die Forrester Studie aus dem Jahr 2026 ergab, dass eine Mehrheit der Arbeitgeber es bereute, Mitarbeiter aus KI Gründen entlassen zu haben. Eine Umfrage nach der anderen von Personalberatungen berichtet vom selben Muster: Ein erheblicher Teil der Unternehmen, die Personal abgebaut haben, weil sie erwarteten, dass KI die Last auffangen würde, hat bereits damit begonnen, diese Leute wieder einzustellen, ganz leise und zu höheren Gehältern. Sie mussten feststellen, dass eine Stelle ein Bündel aus Dutzenden von Aufgaben ist, von denen nur einige automatisierbar sind, und dass das pauschale Streichen einer Stelle Fähigkeiten entfernt, die das Unternehmen weiterhin benötigt. Gartner prognostiziert nun, dass etwa die Hälfte der Unternehmen, die Arbeitsplätze wegen KI abgebaut haben, innerhalb eines Jahres ähnliche Stellen wieder besetzen wird.
Die Kehrtwenden zeigen sich zuerst in der Arbeit mit Kundenkontakt und bei urteilsintensiven Aufgaben, wo sich die Qualitätsverluste in Beschwerden äußern. Das sind die sichtbaren Fehler. Die Fehler in der Unternehmensführung sind leiser. Sie bemerken sich erst, wenn der folgenschwere Fehler bereits das Haus verlassen hat, ohne Prüfpfad und ohne jemanden, der tatsächlich für die Entscheidung verantwortlich war.
Man muss es deutlich sagen: Einige der Schlagzeilen über Stellenstreichungen hatten in Wahrheit gar nichts mit KI zu tun. Das Kapital wird in enorme Infrastrukturverpflichtungen umgeschichtet, und KI ist eine schmeichelhaftere Erklärung für Investoren als die Aussage, dass man sich personell übernommen hat. Selbst der Chef des prominentesten KI Unternehmens hat eingeräumt, dass es ein gewisses Maß an AI Washing gibt, sodass Entlassungen, die ohnehin stattgefunden hätten, einfach umetikettiert wurden. Auch das ist eine Art, KI falsch zu verstehen, wenn auch eine zynischere.
Es gibt nur generative KI
Ein letzter Punkt, und das ist derjenige, den ich Ihnen am meisten mitgeben möchte, weil sich die nächste Welle des Irrtums um ein Wort herum formiert. Es gibt derzeit nur generative KI. Was als agentische KI vermarktet wird, ist keine neue Art von Intelligenz. Es ist dasselbe generative Modell, an das eine Ausführungskette angebolzt wurde, also eine Schleife, die den Output des Modells nimmt und ihn ausführt.
Das Entscheidende dabei ist, dass das Modell keine Empfehlung an eine separate, zuverlässig funktionierende Komponente übergibt. Es generiert die Aktion selbst als Text, und die Software führt diesen Text direkt aus. Derselbe ungeprüfte Output, der in einem Chatfenster nur ein Vorschlag war, wird in dem Moment zu einer Handlung, in dem man ihn mit den Werkzeugen verkabelt. Und die Entwurfsphase, also die Pause, in der ein kompetenter Mensch den Fehler abfing, bevor er das Gebäude verließ, ist genau das, was diese Automatisierung entfernt.
Deshalb erhöht die agentische Wende den Einsatz und nicht nur den Komfort. Der gesamte Nutzen von KI war schon immer an die Überprüfung gekoppelt: Sie bietet dort einen Hebel, wo ihre Arbeit kostengünstig geprüft werden kann, und zwar durch den Menschen im Prozess. Entfernt man diesen Menschen und setzt nichts an seine Stelle, hat man keinen etwas unzuverlässigeren Assistenten gebaut. Man hat die Generierung plausibler Fehler direkt in folgenschwere Aktionen automatisiert. Das Einzige, was einen menschlichen Prüfer verantwortungsvoll ersetzen kann, ist eine automatisierte Governance, die dafür gebaut ist, die Überprüfung zu übernehmen und die Verantwortung zu tragen. Es braucht eine Governance, die ebenso durchdacht ist wie die Autonomie, die sie begrenzen soll. Ohne das ist die Arithmetik brutal und spricht nicht zu Ihren Gunsten: Wenn Sie den Menschen entfernen und die Ausführung hinzufügen, steigt das Risiko schneller als der Nutzen.
Die Computertechnologie hat die Form einiger Arten menschlicher Arbeit verändert. KI wird die Form einer größeren Gruppe von Aufgaben verändern, und zwar drastisch. Keines von beiden hat das Urteilsvermögen abgeschafft. Beide haben es verlagert und wertvoller gemacht. Die Unternehmen, die erfolgreich sein werden, sind diejenigen, die verstehen, welchen Teil der Arbeit die Maschine tatsächlich gut beherrscht, und die den Teil behalten oder in Code neu aufbauen, der entscheidet, ob die Maschine recht hat.