Das Urteilsvermögen hochkarätiger Talente ist der größte Schatz im Zeitalter der KI.

Der Wettbewerbsfokus in der ersten Phase der KI-Implementierung lag darauf, wer die hochmodernen großen Modelle erwerben konnte. Diese Phase ist im Wesentlichen abgeschlossen, die Nutzungshürden für große Modelle werden zunehmend niedriger und zugänglich. Der Kern des Wettbewerbs in der nächsten Phase liegt darin, wer die schwierigere Aufgabe bewältigt: die tatsächlichen Denkmuster und Arbeitsweisen von Unternehmen zu kodifizieren und zu festigen.

Einige Unternehmen haben ihre Arbeitsweisen mithilfe von Agenten wirklich neu gestaltet. Andere Unternehmen stecken hingegen in kleinen, risikoarmen Pilotprojekten fest und können die Agenten nicht stabil und in großem Maßstab implementieren.

Der Unterschied zwischen diesen beiden Unternehmensgruppen liegt nicht auf der technischen Ebene, wie viele es sich vorstellen. Heutzutage können die allermeisten Institutionen auf die gleichen großen Modelle, Tools und weitgehend vergleichbare Infrastrukturen zugreifen. Der wahre Wendepunkt liegt darin, wie man sich einer Aufgabe stellt, mit der die meisten Manager noch nie konfrontiert waren: die Objektivierung subjektiver Urteilskriterien. Dies ist bereits zu einem neuen Engpass bei der KI-Implementierung geworden, auf den viele Unternehmen unvorbereitet treffen.

In den vergangenen Jahrzehnten mussten Unternehmen die Entscheidungslogik ihrer Spitzenkräfte nicht systematisch aufbereiten. Fachwissen wurde durch Lehrer-Schüler-Weisungen, Beobachtung, Nachahmung und praktische Erfahrung von Generation zu Generation weitergegeben. Neue Mitarbeiter eignen sich durch Zuschauen und Zuhören schrittweise die Denkmuster des Unternehmens an. Dieses Modell funktionierte gut, als Menschen die ausführenden Tätigkeiten übernahmen.

Doch KI-Agenten brechen das ursprüngliche Gleichgewicht auf. Im Gegensatz zu herkömmlicher Software können Agenten in Umgebungen mit unscharfen Informationen arbeiten und in Echtzeit Entscheidungen treffen. Aber anders als Menschen können sie keine Verhaltensregeln durch Beobachtung erfassen und auch keine Hintergrundinformationen aus der Organisationskultur ableiten. Agenten können nur auf der Grundlage explizit niedergeschriebener Anweisungen arbeiten, mehr nicht.

Aus diesem Grund entsteht in allen Branchen ein typisches Szenario für Misserfolge: Unternehmen führen kundenorientierte KI-Agenten ein, ohne zuvor die Entscheidungslogik ihrer besten Kundenservice-Mitarbeiter aufzubereiten – beispielsweise wie man Sonderpreisfälle bearbeitet, unzufriedene Stammkunden beruhigt oder Forderungen bearbeitet, die gerade außerhalb des Geltungsbereichs von Richtlinien liegen. Schließlich weichen die Agenten allmählich von der Richtung ab und verlieren den Bezug zu den Unternehmenszielen, weil niemand die tatsächlichen Beurteilungsstandards für solche Entscheidungen und die impliziten Hintergrundbedingungen, die für richtige Entscheidungen erforderlich sind, schriftlich festgehalten hat.

Was bedeutet es eigentlich, Urteile objektiv und systematisch zu gestalten? Es geht darum, die impliziten Entscheidungsprinzipien des Unternehmens in standardisierte Anweisungen umzuwandeln, die Agenten ausführen können. Diese Prinzipien umfassen Risikotoleranz, Markenausdrucksweisen, Schwellenwerte für Eskalationen, Qualitätsstandards und die subtilen Logiken, die hinter der Bearbeitung von Ausnahmefällen stecken. Seit langem existieren diese Erfahrungen nur in den Köpfen erfahrener Mitarbeiter. Um den Wert von KI zu entfalten, müssen diese Erfahrungen an anderer Stelle verankert werden.

Der zentrale Unterschied zwischen führenden und zurückliegenden Unternehmen

Fortschrittliche Unternehmen bauen das auf, was wir als Infrastruktur für Urteilskraft bezeichnen, und realisieren über dieses System die skalierbare Vervielfältigung fachlicher Kompetenzen.

Um diese Infrastruktur aufzubauen, müssen Manager drei strukturelle Transformationen vollziehen:

1. Gemeinsame Steuerung durch Fachabteilungen, Personalabteilungen und IT-Abteilungen

Die Festlegung von Risikotoleranzgrenzen, die Festlegung von Leistungsstandards für Agenten sowie die Verwaltung der Einführung und Außerbetriebnahme von Agenten sind nicht nur technische, sondern auch organisatorische Probleme. Ein entscheidender Punkt: Diese Arbeit kann nicht ausgelagert werden.

Fachverantwortliche, Personalteams und IT-Abteilungen müssen Kooperationsmechanismen aufbauen, um die digitalen Arbeitskräfte gemeinsam zu verwalten. Unternehmen sollten ihre Denkweise ändern: Agenten nicht einfach als Softwarelizenzen zu betrachten, sondern als Teilnehmer des Betriebs, deren Verhaltensmuster fortlaufend gelenkt und optimiert werden.

Die ITA Group, ein globaler Anbieter von Eventplanung, Anreizen und Mitarbeiterauszeichnungen, hat diese Regelung selbst erfahren, als sie versuchte, einen KI-Agenten für Flugbuchungen im Eventgeschäft aufzubauen. Die Schwierigkeit des Projekts lag nicht in der Entwicklung des Agenten selbst, sondern darin, klar zu definieren, welche Informationen der Agent für vertrauenswürdige Entscheidungen benötigt: Wann die Kostensenkung Vorrang hat, wann das Erlebnis der Reisenden wichtiger ist, welche Ausnahmefälle genehmigt werden können und in welchen Szenarien menschliche Eingriffe erforderlich sind.

Diese Praxis hat ein allgemeines Problem offengelegt: Eine große Anzahl von Entscheidungserfahrungen muss von Fachexperten an Techniker weitergegeben werden. Die ITA Group hat daraufhin ihr Betriebsmodell angepasst und Entwicklern, Managern und wissensintensiven Mitarbeitern Tools zur Verfügung gestellt, mit denen sie die Agenten, die für sie arbeiten, selbst anpassen können. Chief Operating Officer Mora McCarthy und Chief Information Officer Jason Karcher haben eng zusammengearbeitet und mit Unterstützung des Chief Executive Officers und des Chief Financial Officers das Management dazu gebracht, einen Konsens zu erzielen, um die Umsetzung der Transformation sicherzustellen.

McCarthy erklärte: „Die wertvollste Erfahrung, die wir gewonnen haben, ist die Bedeutung der Kombination von fachlicher Erfahrung und KI. Der Kerngedanke ist: Zuerst stimmen Fachexperten das Verhaltenslogik der Agenten ab, bevor sie in großem Umfang eingeführt werden; und das Verhalten der Agenten wird fortlaufend iteriert und optimiert, um den Veränderungen von Geschäft, Arbeitsinhalten und Beurteilungsstandards Rechnung zu tragen.“

2. Manager wandeln sich zu „Architekten der Urteilskraft“

Dies ist die tiefgreifendste Veränderung und auch der Punkt, den die meisten Unternehmen stark unterschätzen.

Nehmen wir Debbie Riazi als Beispiel. Sie ist Direktorin für Compliance und Arbeitsbeziehungen bei AWP Safety, dem größten Anbieter für vor-Ort-Sicherheit in Nordamerika. Dieses Unternehmen ist in 33 Bundesstaaten tätig und hat fast 9100 Mitarbeiter, während die Abteilung von Riazi nur aus ihr selbst besteht. Sie hat eine Reihe von KI-Agenten aufgebaut, von denen jede einen Teil ihrer fachlichen Erfahrung festigt. Einer davon bearbeitet Anträge auf Stellenanpassung von Mitarbeitern: Er ruft die entsprechenden Stellenbeschreibungen ab, zeigt vergleichbare historische Bearbeitungsfälle an und führt die Informationserfassung nach den von ihr über Jahre verfeinerten standardisierten Abläufen durch. Ein anderer Agent bearbeitet alle Arten von Informationsanfragen, die das Unternehmen erhält: Er erfasst den Inhalt der Forderungen, weist den zuständigen Ansprechpartner zu und entwirft Antworttexte. Diese Agenten sparen ihr jedes Jahr hunderte Arbeitsstunden, aber der noch wichtigere Wert liegt in den Ketteneffekten, die durch die freigesetzte Zeit entstehen. „Ich kann nachweisen, dass alle Angelegenheiten einheitlich bearbeitet werden“, sagte sie, „was das rechtliche Risiko des Unternehmens auf natürliche Weise senkt.“

Nathan Mapp, Finanzdirektor eines globalen Unternehmens für Risikokapital und angewandte Technologie, ging noch einen Schritt weiter. Mit mehr als zehn Jahren Erfahrung im Finanzbereich hat er eine gesamte fachliche Methodik ausgearbeitet und in Markdown-Dokumenten festgehalten, auf die Agenten, die auf Claude und Claude Code aufbauen, in Echtzeit zugreifen können. Heute kann ein Team von zwei Personen die Arbeit erledigen, die früher zehn Personen übernommen haben. Bei jeder Aufgabe befolgt der Agent die Beurteilungsstandards von Mapp, als würde ein erfahrener Buchhalter alle Details überwachen und auch die Bereiche abdecken, die von weniger erfahrenen Mitarbeitern früher leicht übersehen wurden.

Was Riazi und Mapp getan haben, ist die Systematisierung der Beurteilungsstandards bei der Arbeit. Die Kernaufgabe von Managern wandelt sich darin, fachliche Kompetenzen zu verankern und gleichzeitig menschliche Mitarbeiter und digitale Agenten zu befähigen. Dies ist ein völlig neues Fähigkeitssystem, für das die allermeisten Unternehmen noch keine entsprechenden Ausbildungs- und Anreizmechanismen aufgebaut haben.

3. „Denkende Ausführende“ werden zu den Kernkräften

Die Grenze zwischen traditionellen Strategieentscheidern und ausführenden Mitarbeitern an der Basis verschwindet. Spitzenkräfte vereinen zwei Eigenschaften in sich: Sie können sowohl strategisch denken als auch ihre Ideen mithilfe von Agenten umsetzen. Sie gestalten Arbeitsabläufe, fixieren Beurteilungsstandards, bauen Systeme auf und iterieren diese fortlaufend, um sich immer höherwertigen Tätigkeiten zuzuwenden.

Die führende Finanzplattform Ramp bedient 30.000 Unternehmen, und der strategische Fokus des Unternehmens liegt auf der Förderung solcher Talente. Alle Mitarbeiter können die Unternehmensversionen von ChatGPT, Notion und Perplexity nutzen; bereits in der Einarbeitungsphase leitet das Unternehmen die Mitarbeiter an, selbst KI-Tools zu bauen, statt nur Systeme zu bedienen, die von anderen entwickelt wurden. Mitarbeiter können ihre eigenen fachlichen Erfahrungen standardisieren und über Agenten umsetzen. Wir definieren diese Art von Talenten als denkende Ausführende: Sie betrachten KI nicht nur als Werkzeug, sondern können auch maßgeblich bestimmen, wie KI für sie arbeitet. Unternehmen, die diese Art von Talenten in großem Umfang fördern, lernen und passen sich weit schneller an als Konkurrenten, die sich nur auf die Ausbildung einzelner Fähigkeiten konzentrieren.

Einstiegspunkte für die Umsetzung

Die Vorgehensweise der meisten Unternehmen weist Irrtümer auf: Sie fordern erfahrene Mitarbeiter direkt auf, ihre Erfahrungen niederzuschreiben. Diese Methode bringt kaum Ergebnisse. Experten fällt es oft schwer, implizites Wissen abstrakt zu beschreiben; wenn sie aufgefordert werden, direkt Dokumente zu erstellen, ist der Inhalt, den sie schreiben können, weit weniger als die Erfahrungen, die sie in ihren Köpfen haben.

Ein effektiverer Weg ist: Lassen Sie Experten nicht direkt Beurteilungsstandards aufbereiten, sondern schaffen Sie Szenarien, in denen die Erfahrungen auf natürliche Weise zum Vorschein kommen.

Laden Sie mehrere erfahrene Mitarbeiter derselben Stelle zusammen, organisieren Sie einen professionellen Moderator und führen Sie Diskussionen über verschiedene reale Szenarien und Randfälle durch, auf die das Unternehmen gestoßen ist. Wenn das Team schnell zu einem Konsens gelangt, bedeutet dies, dass dieser Teil zu klaren Regeln formuliert werden kann; wenn es zu Meinungsverschiedenheiten kommt, ist die darin verborgene Urteilslogik der Kerninhalt, der es wert ist, extrahiert zu werden. Die Aufzeichnung der gesamten Diskussion ist der erste Entwurf für systematisierte Beurteilungsstandards.

Das Schadenregulierungsteam eines Versicherungsunternehmens hat nur durch eine zweistündige Diskussion reichhaltige Details wie das Maß der Risikotoleranz, das Maß der Einfühlsamkeit gegenüber Kunden und Meldemechanismen aufbereitet, deren Informationsgehalt weit über die schriftlichen Regeln hinausgeht, die über Jahre angesammelt wurden. Der Grund dafür ist, dass der Streit über Meinungen die innere Denklogik nach außen trägt, was reine Dokumentationen nicht erreichen können. Diese Diskussionsaufzeichnung wird auch ein entscheidendes Hintergrundmaterial für die anschließende Implementierung aller Agenten sein.

Neue Wettbewerbsbarrieren

Sobald es gelingt, Beurteilungsstandards zu systematisieren, erlangen Unternehmen einen großen strategischen Vorteil: Fachliche Erfahrungen werden übertragbar. Die besten Praktiken sind nicht mehr auf wenige erfahrene Mitarbeiter beschränkt. Organisatorisches Wissen kann abteilungsübergreifend, regionsübergreifend und produktlinienübergreifend in großem Maßstab bereitgestellt werden. Unternehmen, die die Methode zur Kodifizierung impliziten Wissens beherrschen, erlangen strukturelle Vorteile: höhere Entscheidungseffizienz, stabile Ausführungsqualität, verbesserte Innovationsfähigkeit und ein positiver Kreislauf aus fortlaufendem Lernen und Optimieren.

Die Entwicklungsspur der ITA Group zeigt diesen Zinseszinseffekt anschaulich. In den ersten sechs bis sieben Monaten des Projekts schritt die Entwicklung langsam voran, das Unternehmen musste herausfinden, wie die Erfahrungen aus den Köpfen der Experten in Hintergrunddokumente umgewandelt werden, die Agenten nutzen können. Nachdem dieses Betriebsmodell jedoch ausgereift war, beschleunigte sich der Fortschritt deutlich, besonders im Bereich der Softwareentwicklung. Nach ersten Anweisungen nutzen Entwickler die Agenten nicht mehr nur zum Generieren von Code, sondern um Ideen schnell in nutzbare Prototypen umzuwandeln. Viele Arbeiten werden selbstständig vorangetrieben, die Projektlaufzeiten verkürzen sich von Monaten auf Wochen; der Ansatz, Arbeitsabläufe mithilfe von Agenten neu zu gestalten, wird schrittweise auch auf andere Funktionsabteilungen ausgeweitet.

Die Regel dahinter lautet: Systematisierte Beurteilungsstandards haben einen Zinseszinseffekt. Die ersten Pilotprojekte schreiten langsam voran, weil das Unternehmen lernt, implizite Erfahrungen zu objektivieren; danach beschleunigt sich die Umsetzung nachfolgender Projekte stark, da das Unternehmen entsprechende Steuerungsmechanismen, Vertrauen und standardisierte Arbeitsrhythmen aufgebaut hat, mit denen ausgereifte Muster wiederverwendet werden können.

Dies ist die natürliche Weiterentwicklung der Strategie für gemischte Arbeitskräfte, die wir in unserem vorherigen Artikel über die Neugestaltung der Arbeitswelt durch autonome Agenten vorgestellt haben. Die Aufbereitung von Arbeitsaufgaben und der Aufbau von Teams aus Menschen und Maschinen sind der notwendige erste Schritt, aber bei weitem nicht genug. Unternehmen, die Teams aus Menschen und Maschinen aufbauen, werden schnell erkennen, dass die Obergrenze der Teamfähigkeit vollständig von der Qualität der Anweisungen abhängt, die den Agenten gegeben werden. Die Bereitstellung von KI-Agenten ist nur die Grundvoraussetzung für die Teilnahme am Spiel; die Infrastruktur für Urteilskraft ist der echte Wettbewerbsvorteil und die strategische Differenzierung fortschrittlicher Unternehmen.

Der Wettbewerbsfokus in der ersten Phase der KI-Implementierung lag darauf, wer die hochmodernen großen Modelle erwerben konnte. Diese Phase ist im Wesentlichen abgeschlossen, die Nutzungshürden für große Modelle werden zunehmend niedriger und zugänglich. Der Kern des Wettbewerbs in der nächsten Phase liegt darin, wer die schwierigere Aufgabe bewältigt: die tatsächlichen Denkmuster und Arbeitsweisen von Unternehmen zu kodifizieren und zu festigen.

Die allermeisten Unternehmen haben diese Arbeit noch nicht begonnen. Die Vorreiter werden die zukünftigen Arbeitsformen in ihrer Branche gestalten; zurückliegende Unternehmen geraten in eine passive Position, ähnlich wie Unternehmen, die vor Jahren zu lange keine Personalstrategie aufgebaut haben, und tragen einen sich stetig vergrößernden strukturellen Nachteil davon.

Schlüssel