AI Native organisatorische Transformation: Arbeitsplätze sind nicht mehr "personalbasiert"

Vor drei Jahren verlief ein typischer Arbeitstag eines E-Commerce-Betreibers so: Morgens Daten auswerten, vormittags Werbetexte verfassen, mittags Push-Benachrichtigungen planen, nachmittags Konkurrenten beobachten und abends den Wochenbericht schreiben. Bei Pech bedeutete das Überstunden bis 22 Uhr. In der Stellenbeschreibung standen genau fünf Aufgabenbereiche für eine einzige Person – ein Gehalt, eine Personalnummer, alles klar definiert.

Heute kommt sie um halb zehn an ihren Arbeitsplatz und stellt fest: Alle Aufgaben sind bereits erledigt. Die Daten wurden vom System verarbeitet, Abweichungen automatisch analysiert. Ein großes Sprachmodell hat über Nacht zehn Versionen des Werbetexts erstellt, aus denen sie nur noch auswählen muss. Die Push-Benachrichtigungen sind bereits nach Zielgruppen geplant. Die Aktivitäten der Konkurrenten werden von einem Webcrawler und einem Zusammenfassungsmodell überwacht. Sogar der Wochenbericht hat sich in Feishu von selbst erstellt. Ihr bleiben nur noch Bewertungen wie „Welcher Text passt besser?“ oder „Soll diese Abweichung gemeldet werden?“ – und die Verantwortung mit ihrer Unterschrift, wenn etwas schiefgeht.

Ihre Arbeit ist leichter geworden. Aber sie weiß besser als jeder andere, dass das keine gute Nachricht ist: Vier der fünf Aufgabenbereiche wurden ihr entzogen. Bleibt von dem halben Rest noch ein ganzer Arbeitsplatz übrig? Wird das Unternehmen diesen Platz noch in der Personalplanung behalten?

Diese Frage steht heute Millionen von Angestellten vor. Im letzten Jahr gab es im Internetsektor eine Welle von „Optimierungen“ – in den Bekanntmachungen wurde „KI-Effizienzsteigerung“ zum neuen Schlagwort anstelle von „Wirtschaftskrise“. In ein und derselben Firma werden gleichzeitig Stellen abgebaut, während anderswo KI-Positionen mit Jahresgehältern von Millionen dringend gesucht werden. Noch aufschlussreicher sind zwei aktuelle Nachrichten: Medien zufolge wird die Zahl der Entlassungen durch Großkonzerne weltweit, die mit „KI-Ersatz für menschliche Arbeitskräfte“ begründet werden, voraussichtlich 230.000 erreichen. Gleichzeitig prognostizierte Gartner Anfang 2026: Bis 2027 wird die Hälfte der Unternehmen, die Kundenservice-Mitarbeiter durch KI ersetzt haben, diese Stellen wieder mit Menschen besetzen.

Die Entlassungen laufen noch, aber die Rücknahme wird bereits angekündigt. Zusammen gesehen wirken diese beiden Nachrichten wie eine vorformulierte Selbstkritik der Branche: Die meisten Unternehmen haben nicht wirklich verstanden, dass KI nicht einfach Personalkosten oder einzelne Stellen betrifft – sondern das Konzept der Stelle selbst: jene grundlegende Organisationseinheit, die wir seit hundert Jahren für selbstverständlich halten, in der „eine Person für einen Aufgabenbereich zuständig ist“.

Um das zu verstehen, muss man eine grundlegendere Frage beantworten: Wie sind Stellen überhaupt entstanden?

Stellen sind ein historisches Überbleibsel

Warum es Unternehmen gibt, beantwortete der Ökonom Coase vor über 80 Jahren: Weil Markttransaktionen zu umständlich sind. Für jede Aufgabe extern nach Dienstleistern zu suchen, Preise zu verhandeln, Verträge abzuschließen und Ergebnisse abzunehmen, ist viel zu teuer. Stattdessen stellt man Mitarbeiter ein und ersetzt das Feilschen durch administrative Anweisungen – so entstehen Unternehmen.

Der Ursprung von Stellen folgt derselben Logik, angewendet innerhalb des Unternehmens. Zwischen Aufgaben gibt es Übergaben, Abstimmungen und Abnahmen – jeder Übergang verursacht Verluste. Die einfachste Lösung: verwandte Aufgaben zu einem Paket bündeln und es einer einzelnen Person zuzuweisen. Dass die fünf Aufgaben des Betreibers bei einer Person liegen, liegt nicht daran, dass sie natürlich zusammengehören – sondern daran, dass bei einer Aufteilung auf fünf Personen der Aufwand für Koordination und Streitereien höher wäre als die eingesparten Gehälter.

Anders gesagt: „Der Mensch ist die kleinste Einheit der Organisation“ war nie ein Naturgesetz, sondern nur eine Notlösung, als Koordination noch teuer war. Stellen sind gebündelte Aufgabenpakete, und die Organisationspyramide ist das Ergebnis gestapelter Pakete: Eine Person kann maximal sieben bis acht Personen leiten, Informationen müssen schichtweise nach oben fließen und zusammengefasst werden – so baut sich die Organisation schichtweise auf. Die Aufgabe mittlerer Manager ist im Grunde Informationsweiterleitung: Anweisungen von oben nach unten verteilen, Fortschritte von unten nach oben zusammenfassen und Ressourcen mit anderen Abteilungen aushandeln. Begriffe wie „Mittelplattform“, „Business Partner“, „horizontale Abstimmung“ oder „Management nach oben“, die große Konzerne in den letzten zehn Jahren erfunden haben, sind alle Komponenten dieses menschlichen Informationssystems.

Dieses System funktionierte hundert Jahre lang ohne große Probleme – bis der Grund für die Bündelung selbst zu verschwinden begann.

Das Entbündeln

Werbetexte lassen sich generieren, Daten analysieren, erste Codeversionen schreiben und Protokolle von Besprechungen automatisch erstellen. Wenn die Ausführungsschritte eins nach dem anderen von KI übernommen werden, fällt die Kostenvoraussetzung weg, nach der Aufgaben unbedingt an eine Person gebündelt werden müssen. Aufgaben lassen sich zerlegen, neu ordnen, automatisieren und neu kombinieren. Eine Stelle verwandelt sich von einem stabilen Aufgabenpaket in eine jederzeit anpassbare Aufgabenliste.

Damit ändert sich auch die Sicht der Unternehmen auf ihre Mitarbeiter. Früher fragte man „Ist diese Person gut für die Stelle?“ Heute fragt man: Wie viel von dieser Aufgabe muss ein Mensch erledigen, wie viel kann die KI übernehmen und wie viel kann eine günstigere Person mit KI-Unterstützung erledigen? Das ist die wahre Ursache der Angst von Angestellten in den letzten Jahren: Du denkst, du konkurrierst mit KI um Fähigkeiten – aber das Unternehmen berechnet neu, welcher Anteil deiner Stelle noch „menschliches Urteilsvermögen“ erfordert. Das alte Thema der „35-Jahre-Krise“ bekommt im KI-Zeitalter eine härtere Version: Die über zehn Jahre aufgebaute Ausführungserfahrung wertet mit der Geschwindigkeit der Modellverbesserung ab – und das unersetzbare Urteilsvermögen hat nicht jeder.

Bemerkenswert ist: Nicht unbedingt die unteren Ebenen werden zuerst vollständig entbündelt. Die Aufgabenpakete mittlerer Manager bestehen aus Aufgaben verteilen, Fortschritte verfolgen und Informationen zusammenfassen – genau die Bereiche, die KI am schnellsten als Ganzes übernimmt. Feishu und Dingding haben in den letzten Jahren massiv in KI investiert und verkaufen Funktionen wie automatische Aufgabenzerlegung, Fortschrittssynchronisation und Wochenberichterstellung. Wenn die Informationsweiterleitung von Maschinen übernommen wird, sind mittlere Manager, deren einzige Fähigkeit Besprechungen, Weiterleitungen und das Einfordern von Wochenberichten sind, in einer schwierigeren Lage als jede einfache Fachkraft.

Entlassungen sind nur die finanzielle Abrechnung, nachdem das Entbündeln abgeschlossen ist.

Was entsteht aus den zerlegten Aufgaben?

Aufgaben verschwinden nicht – nach dem Zerlegen werden sie sich nach neuen Regeln neu gruppieren. In den letzten zwei bis drei Jahren gibt es zwei chinesische Beispiele, die man genau betrachten sollte.

Das erste ist Alibaba. Um 2015 herum führte es als Vorreiter das Konzept der „starken Mittelplattform, kleinen Front-End-Einheiten“ ein, dem die ganze Branche folgte. 2023 startete es die „1+6+N“-Struktur und zerlegte die Mittelplattform selbst. Dieses Auf- und Abbauen lässt sich nicht einfach auf KI zurückführen – die Umstrukturierung hat geschäftliche und kapitalmarktbedingte Gründe. Aber es zeigt: Die Form einer Organisation ändert sich mit den Koordinationskosten. Damals war die Bündelung wiederholter Funktionen in der Mittelplattform die beste Lösung, weil die Informationsabstimmung zwischen Abteilungen zu umständlich war. Als sich die Art und Weise änderte, wie man auf Informationen und Ressourcen zugreift, wurden genau diese Abteilungen, die einst zur Vermeidung von Streitereien gebaut wurden, selbst zu einer neuen Quelle von Ineffizienz. Mit dem Einzug von KI in Organisationen wird dieser Wandel nur noch schneller gehen.

Dieses Gesetz gilt auch für Manager: Der Wert der verbleibenden Mitarbeiter konzentriert sich auf Dinge, die Maschinen nicht können: unklare Probleme klar formulieren, in schwierigen Situationen Entscheidungen treffen, die Zusammenarbeit von Mensch und Maschine gestalten und für Fehler einstehen. KI hat das Management nicht abgeschafft – es hat die administrativen Teile herausgedrückt und das eigentliche Management übrig gelassen.

Das zweite Beispiel ist DeepSeek – und davor Pinduoduo. Pinduoduo steht seit langem an der Spitze der Effizienz-Rangliste der Internetbranche, der Umsatz pro Mitarbeiter übersteigt längst zehn Millionen Yuan und ist ein Vielfaches der vieler Konkurrenten. Das beweist: Wenn Prozesse ausreichend systematisiert sind, hat die Anzahl der Mitarbeiter nichts mit der Größe des Unternehmens zu tun. DeepSeek ist die KI-native Version: Laut öffentlichen Berichten hat ein Team von etwas über hundert Personen ein Modell entwickelt, das das Silicon Valley dazu veranlasst, die technologische Lücke zwischen China und dem Westen neu einzuschätzen. Als DeepSeek Anfang 2025 viral ging, waren die Beobachter nicht nur von dem Modell selbst beeindruckt – sondern von der Organisation dahinter: Keine strenge Hierarchie, keine KPI-Kontrollkette, temporäre Teams um Probleme herum, junge Forscher direkt nach dem Studium können auf die wichtigste Rechenleistung des Unternehmens zugreifen. Das Silicon Valley untersucht diese Organisationsform inzwischen wissenschaftlich.

Der Microsoft-Bericht „Arbeits trend index“ nennt solche Unternehmen „Pionierunternehmen“ und beschreibt ihre innere Struktur: Keine festen Abteilungsgrenzen mehr, sondern temporäre Teams rund um Ziele – Menschen und KI arbeiten gemischt, und wenn die Aufgabe erledigt ist, löst sich das Team auf. Jeder Mitarbeiter führt ein Team von KI-Agenten, denen er wie ein Chef Aufgaben zuweist und die Ergebnisse abnimmt. Darin steckt eine große Veränderung: Früher musste man erst Manager werden, um anderen Anweisungen zu geben. Heute hat jeder normale Mitarbeiter ein Team von KI, das sofort verfügbar ist. Ein neu eingestellter Analyst, der von fünf nicht schlafenden intelligenten Agenten unterstützt wird, erledigt so viele Aufgaben nicht durch Überstunden – sondern dadurch, dass er die Maschinen richtig einsetzt. Für eine Branche, die bislang auf lange Arbeitszeiten setzte, wird der Begriff „Personaleffizienz“ neu definiert.

Sogar das Einstellen von Mitarbeitern ändert sich. Früher war es selbstverständlich, bei wachsender Geschäftstätigkeit mehr Leute einzustellen. Heute frieren manche Unternehmen laut öffentlichen Berichten und Branchenerfahrungen die Personaldecke ein, schreiben KI-Effizienzziele in die OKRs und setzen sich zum Ziel, „Outsourcing durch KI zu ersetzen“. Wenn man neue Mitarbeiter einstellen will, muss man erst begründen, warum diese Aufgabe nicht von KI erledigt werden kann.

Aufgaben werden erledigt – aber die Verantwortung bleibt hängen

Kehren wir zu der Gartner-Prognose zurück. Sie ist keine Spekulation – die Rücknahme der KI-Entlassungen hat bereits ein reales Beispiel: Sebastian Siemiatkowski, CEO des schwedischen Fintech-Unternehmens Klarna. 2024 war er der weltweit lautste Befürworter von „KI statt Menschen“: Er verkündete, dass ein KI-Kundenservice monatlich die Arbeitsleistung von 700 Vollzeitmitarbeitern erledigt, stoppte die Einstellungen und sagte sogar öffentlich, dass KI alle menschlichen Arbeiten übernehmen kann. Er war ein Jahr lang das Gesicht des KI-Zeitalters. Ein Jahr später korrigierte er sich: Das Unternehmen sei zu weit gegangen, die übermäßige Kostensenkung habe die Servicequalität zerstört – Kunden wollen einfach mit echten Menschen sprechen. Klarna stellt wieder Kundenservicemitarbeiter ein und wechselt zu einem gemischten Modell, bei dem Kunden immer zwischen Mensch und KI wählen können. Vom Vorreiter zur Selbstkritik – genau ein Jahr.

Das gleiche Problem lässt sich in China alltäglich beobachten. Im April 2024 trat der digitale Mensch „Caixiao Dongge“ im Livestream von JD.com auf – nicht Liu Qiangdong selbst, sondern sein Abbild, seine Stimme und sein Sprachmodell. Die Premiere lockte Millionen Zuschauer an, die sehen wollten, ob der digitale Chef Produkte verkaufen kann. Danach verbreiteten sich digitale Livestreams und KI-Kundenservices schnell in der ganzen E-Commerce-Branche. Diese neuen Arbeitskräfte haben Arbeitsvolumen, Leistungsvorgaben und sogar „Einarbeitung“ – aber keine festen Stellenplätze. Wer ist für ihre Planung, ihr Budget und ihre Bewertung zuständig? Wer übernimmt die Verantwortung, wenn der digitale Verkäufer Fehler macht oder der KI-Service eine Beschwerde schlecht behandelt? Das ist nicht nur das Problem eines Unternehmens – es ist eine Frage, die alle Unternehmen, die Aufgaben an KI übergeben, noch nicht beantwortet haben: Die Geschwindigkeit, mit der Aufgaben von KI übernommen werden, ist viel größer als die Geschwindigkeit, mit der Verantwortung neu zugewiesen wird.

Beide Geschichten laufen auf dasselbe Kernproblem hinaus: Man hat nur die Stellen zerlegt, aber die Verantwortung nicht neu aufgebaut. Klarna scheiterte oberflächlich daran, dass die Kunden Menschen wollten – aber das eigentliche Problem war, dass niemand für Fehler der KI einstand und komplexe Fälle übernehmen musste. Die Liste der Fragen zu Stellenplänen und Verantwortung ist in der ganzen Branche noch unbeantwortet.

KI hat die Aufgaben übernommen – aber die Fragen dahinter bleiben unbeantwortet. Wer prüft die Fakten in KI-generierten Inhalten? Wer ist für Architektur und Sicherheit des KI-generierten Codes zuständig? Wer bearbeitet Emotionen und Krisen, wenn KI Kunden empfängt? Wer haftet für Fehlentscheidungen bei der KI-gestützten Bewerberauswahl? In alten Organisationen waren diese Verantwortlichkeiten in der Stelle verankert – „Wer arbeitet, der ist verantwortlich“ war selbstverständlich und brauchte nicht aufgeschrieben zu werden. Wenn die Stelle zerfällt, hängen diese Verantwortlichkeiten in der Luft. Früher waren Prozesse langsam, viele Probleme wurden durch die Erfahrung langjähriger Mitarbeiter und Kommunikation still gelöst. Jetzt beschleunigt KI alles – und Fehler gelangen mit derselben Geschwindigkeit in die Arbeitsabläufe.

Wie verbreitet dieses Problem ist, zeigt eine Studie von Deloitte aus 2026: Unternehmen erwarten immer mehr von Automatisierung, aber 84 % der Unternehmen haben ihre Stellen nicht für KI neu gestaltet – weniger als die Hälfte hat ihre Personalstrategie angepasst. Im chinesischen Internetsektor, der seit vier Jahren auf „Kostensenkung und Effizienzsteigerung“ setzt, ist dieser Anteil vermutlich noch niedriger. Budgets nach Personenzahl zu kürzen ist immer einfacher, als Verantwortungsstrukturen neu zu gestalten.

Was bedeutet eigentlich „KI-Native“?

Jetzt können wir eine ehrliche Definition von „KI-Native“ geben: Es geht nicht darum, wie viele Modelle man kauft, wie viele Accounts man eröffnet oder wie viele Prompt-Trainings man veranstaltet. Sondern darum, dass jeder Prozess im Unternehmen drei Fragen neu beantwortet: Welche Aufgaben erledigt zuerst die KI? Welche Entscheidungen