AI verstärkt die individuelle Produktivität – auf welche Bereiche sollte die Teamzusammenarbeit ihre Bemühungen fokussieren?

KI steigert die Produktivität einzelner Personen erheblich, sodass man allein schnell Produktprototypen erstellen kann. Dennoch hängen diskursive Urteile wie die Abgrenzung des Kernproblems und die Bewertung des Werts von Lösungen stärker von der Teamarbeit ab. In Zukunft liegt der Schwerpunkt der Arbeit von Teams nicht mehr auf der Umsetzung nach Arbeitsteilung, sondern auf der Zusammenführung vielfältiger Perspektiven zur Ausrichtung der Richtung. Führungskräfte müssen außerdem Organisations- und Innovationsprozesse anpassen und sich auf hochwertige Entscheidungsschritte konzentrieren.

KI-Tools sind inzwischen leistungsfähig genug, um die Durchführbarkeit von Einzelunternehmertum stetig zu verbessern. Auch Innovatoren ohne technischen Hintergrund können nutzbare Produkte herstellen. Mit der Verbreitung von KI taucht dieses Modell der „Einzelentwicklung“ nicht nur in Startups auf, sondern wird auch schrittweise in Großunternehmen eingeführt. Im gesamten Innovationsprozess sind die Ausführungsschritte durch KI generalisiert: Produktmanager können lauffähige Prototypen erstellen, ohne eine einzige Zeile Code zu schreiben, während Entwickler mithilfe von KI die Softwareentwicklung, das Testen, die Dokumentationserstellung und die Datenverarbeitung beschleunigen können.

Dies führt zu einer Kernfrage: Hat die Teamarbeit weiterhin einen dauerhaften Existenzwert? Wenn sich die grundlegende Arbeitseinheit von „dem Team“ zu „dem mit KI ausgestatteten Individuum“ wandelt, werden sich Organisationsstrukturen, Einstellungsstandards für Personal und der Kernwert von Mitarbeitern stark verändern. Dieses Thema geht längst über den bloßen Diskurs über Produktivität hinaus.

Wir haben diese Frage im Rahmen eines innovativen Entwicklungsherausforderungswettbewerbs untersucht, der gemeinsam mit Studierenden der NYU Stern School of Business veranstaltet wurde. Wir ließen Teams mit vielfältigen fachlichen Hintergründen einheitliche KI-Tools verwenden und forderten sie auf, innerhalb eines Tages echte komplexe reale Probleme zu lösen. Wir wollten untersuchen, wie Teams KI im Prozess der kreativen Entfaltung und der endgültigen Entscheidung einsetzen und welche Schritte im Innovationsprozess nach wie vor auf Zusammenarbeit angewiesen sind.

Acht Teams, echte Probleme, eintägige intensive Bearbeitung

33 Studierende mussten innerhalb von 6 Stunden Lösungen für eine Reihe schwieriger sozialer Probleme in New York entwerfen. Die Themen umfassten die Erschwinglichkeit von Lebensmitteln, die Gerechtigkeit im öffentlichen Verkehr, die Sicherheit von Radwegen und den Zugang zu Betreuungsressourcen. Bei solchen Problemen sind die Variablen komplex, selbst die Definition von „Erfolgskriterien“ ist an sich sehr schwierig.

Die Teilnehmer wurden zufällig in Gruppen von 4 bis 5 Personen eingeteilt und nutzten alle dieselbe Tool-Suite. Die Teilnehmer nutzten KI-Recherche- und Kreativtools, um die Probleme zu verstehen und die Zielbenutzer zu lokalisieren; anschließend entwarfen sie konkrete Lösungen mit Prototyp-Tools; schließlich schlossen sie sich an intelligente Code-Plattformen wie Lovable und Vercel an, um vorführbare Funktionsprototypen zu entwickeln. Die gesamte Zusammenarbeit erfolgte auf dem gemeinsamen digitalen Whiteboard von Miro, sodass alle Teilnehmer den Fortschritt der anderen in Echtzeit sehen konnten.

Es ist bemerkenswert, dass die meisten Studierenden überhaupt keinen ingenieurwissenschaftlichen Hintergrund hatten (die Gruppen wurden auch nicht absichtlich mit ausgewogenen Fähigkeitsverhältnissen zusammengestellt), die Gruppenmitglieder kannten sich zuvor nicht und hatten noch nie mit dieser Tool-Suite gearbeitet. Gleichzeitig gab es einen Anreizmechanismus im Wettbewerb: Die Gewinner erhielten für die berufliche Entwicklung nützliche Preise, und die Bewertungskriterien legten explizit Priorität auf die Problemdefinition und das Lösungsdesign, nicht auf die technische Umsetzung. Im Wettbewerb ging es nicht darum, wer am schnellsten liefert, sondern darum, wer ein Produkt herstellen kann, das wirklich den Anforderungen entspricht.

Wenn KI Innovation wirklich zu einer Einzelaufgabe machen könnte, wäre dieser Wettbewerb ein perfektes Szenario zur Überprüfung: Eine Gruppe herausragender Personen, leistungsstarke KI-Tools, dringender Zeitdruck, alle hatten ausreichend Grund, getrennt parallel zu arbeiten und die KI die anstrengende Umsetzungsarbeit überlassen zu lassen.

Aus der Praxis und dem Feedback der verschiedenen Teams haben wir jedoch ganz andere Schlussfolgerungen gezogen.

Problemdefinition und Lösungsdesign

Nach Beobachtung der Arbeitsabläufe der Teams und Interviews mit den Teilnehmern zeigten fast alle Gruppen zwei klare Muster:

Zu Beginn der Herausforderung diskutierte jedes Team die ausgewählten Themen, sortierte und definierte die Kernprobleme und klärte die Zielbenutzer. In dieser Phase nutzten die Gruppenmitglieder KI (teilweise gemeinsam, teilweise unabhängig parallel), um Materialien zu sammeln und Informationen zu integrieren, und besprachen sich nach der Zusammenfassung der Analyseergebnisse gemeinsam, um das Verständnis für das Problem abzustimmen. Das Szenario ist sehr typisch, genau wie Brainstorming in einem MBA-Kurs: Eine Gruppe von Menschen sitzt zusammen und tauscht sich lebhaft aus.

Nach Abschluss der Problemdefinition begannen die meisten Teams, die Umsetzungsaufgaben aufzuteilen: Ein Teil der Mitglieder konzentrierte sich auf Prototyp-Design und -Entwicklung, der andere Teil bereitete die Präsentation und die Erzählung der Lösungen vor. In dieser Phase erledigten die Mitglieder die aufgeteilten Aufgaben jeweils mithilfe von KI, besprachen sich aber weiterhin gemeinsam, um zu prüfen, ob das Lösungsdesign durchführbar ist.

Die Arbeit, die KI übernehmen oder sogar selbstständig erledigen kann – wie die Integration von Materialien, die Generierung verschiedener Entwurfsvorschläge und die Erstellung von Schnittstellen – ist in der Tat effizienter, wenn die Teilnehmer die Aufgaben aufteilen und unabhängig parallel vorantreiben.

Aber die Problemdefinition ist der Schritt, in den alle Teams viel Zeit für gemeinsame Diskussionen investiert haben: Die Teilnehmer prüfen gegenseitig die Forschungsergebnisse, stellen die Annahmen des anderen in Frage und bestimmen gemeinsam das Kernproblem, das gelöst werden soll, sowie die Lösungsansätze. Ein Teilnehmer erwähnte: „Die Definition des Problems ist der wichtigste Schritt.“ Ein anderer äußerte ebenfalls: „Selbst mit KI-Unterstützung ist es sehr schwierig, ein konkretes Problem festzulegen.“

Der zweite Schritt, der stark von Zusammenarbeit abhängt, ist das Lösungsdesign. Heutzutage sind die Kosten für die schnelle Generierung von Prototypen fast auf Null gesunken, und Prototypen erhalten eine neue Bedeutung. Wie ein Student sagte: „Prototypen sind der Ausgangspunkt der Diskussion, nicht das Endprodukt. Im KI-Zeitalter ist dies besonders wichtig.“ Nachdem Teams verschiedene Versionen von Prototypen erstellt haben, tauchen entscheidende Fragen auf: Wer sind eigentlich die echten Benutzer dieses Produkts? Über welche Kanäle erreichen die Benutzer das Produkt? Was tun, wenn relevante Daten fehlen? Der Prototyp selbst kann diese Fragen nicht beantworten, aber er macht diese Fragen unübersehbar.

Die Erfahrung des Gewinnerteams bestätigt einen Punkt: Eine durch Zusammenarbeit abgeschlossene Problemdefinition auf der Grundlage von Erkenntnissen kann innovative Lösungen hervorbringen, und KI dient als ihre Ausführungsmaschine, um innerhalb eines Tages nutzbare Prototypen zu erstellen.

· Das Gesamtmeisterteam hat das Projekt des New Yorker Lebensmittelpreisindex erstellt: Es sammelt Preisdaten von Supermärkten in der ganzen Stadt, bewertet das Preis-Leistungs-Verhältnis und entwickelt gleichzeitig eine App für Verbraucher sowie ein Ausstellungskonzept für Geschäfte. Die nutzbare App, die in 6 Stunden fertiggestellt wurde, ist bereits beeindruckend, aber das wirklich Besondere ist ihre Neudefinition des Problems: Sie verwandelt das Problem der Preisbelastung in ein Problem der Informationstransparenz und kann die aktuelle Situation durch bequemen Preisvergleich verbessern.

· Das Team mit dem Preis für den höchsten sozialen Einfluss nutzte die vorhandenen 13.000 Lebensmittelgeschäfte in New York, um sie zu gemeinschaftlichen Großhandelsverteilpunkten umzuwandeln. Ohne neue Infrastruktur zu bauen, aktivierte es die vorhandenen Geschäfte, sodass die umliegenden Bewohner Waren in großen Mengen zu niedrigen Preisen einkaufen können. Das Team erkannte, dass die Lösung bereits existierte, es fehlte lediglich ein besserer Mechanismus zur Ressourcenkoordination.

· Das Team mit dem Prototyp-Preis verwandelte die öffentliche Beschwerdedatenbank in eine von der Gemeinschaft erstellte Karte, auf der die Gefahrenstellen auf Radwegen anschaulich markiert sind. Die Bewohner können sich auf diese Daten stützen, um die städtische Instandhaltung voranzutreiben, und diese Daten gehörten bereits der Stadt, wurden aber bisher nicht öffentlich zugänglich gemacht.

Teams benötigen einen einheitlichen Kooperationsraum

Die meisten Studierenden, die an dem Herausforderungswettbewerb teilnahmen, hatten keinen ingenieurwissenschaftlichen Hintergrund und kannten die verwendeten Tools nicht, aber alle Teams erstellten innerhalb von 6 Stunden nutzbare und logisch schlüssige Prototypen. Wie ein Teilnehmer sagte: „Man muss nicht programmieren können, um hervorragende Prototypen zu erstellen!“

Wenn Teams jedoch direkt getrennt in unabhängigen KI-Dialogfenstern parallel arbeiten, geraten sie leicht in Schwierigkeiten. Ein Student berichtete: „Dieses Modell ist sehr schwierig, jeder nutzt einen unabhängigen Dialog, es kommt zu Informationsüberlastung und man verschwendet nur Zeit.“

Im Gegensatz dazu haben einige Teams einen einheitlichen gruppenweiten KI-Dialog verwendet und diesen Engpass überwunden: „KI liefert die besten Ergebnisse, wenn eine Person Prompt-Eingaben macht. Aber nachdem ich erlebt habe, dass alle gemeinsam im selben Raum KI nutzen, ist mir klar geworden, dass das Potenzial von Teams, KI gemeinsam zu nutzen, noch höher ist.“

Mehrere Teilnehmer erwähnten, dass die Nutzung von KI in einem gemeinsamen Kooperationsraum ein völlig anderes Erlebnis bietet: „Normalerweise nutze ich KI oft für unabhängige Arbeit. Ich mag das Modell der Zusammenarbeit im gemeinsamen Raum sehr, man kann den gesamten Prozess gemeinsam gestalten, jederzeit den Fortschritt der anderen sehen und Unterstützung sowie Ideen einbringen.“

Wenn Menschen KI isoliert nutzen, ist ihr Wahrnehmungshorizont auf ihre eigene Perspektive beschränkt. Bereits durchgeführte Studien haben bewiesen, dass die Qualität der Ergebnisse von Teams mit KI-Unterstützung besser ist als die von Einzelpersonen, die KI allein nutzen, und auch besser als die von Teams ohne KI-Unterstützung. Die Beobachtungen bei diesem Wettbewerb zeigen ferner: Wenn Teams KI in einem gemeinsamen Raum nutzen, können alle die generierten Inhalte in Echtzeit einsehen und sofort Feedback geben. Dann wird KI zu einem Träger für die schnelle Überprüfung und das diskursive Abwägen von Ideen, um die gemeinsamen Urteile des Teams umzusetzen.

Zusammenarbeit und Wettbewerbsvorteile verlagern sich stromaufwärts

Ein Teilnehmer drückte den Kerntrend aus: „KI verstärkt die Fähigkeit einzelner Personen, Produkte zu erstellen. Der Schwerpunkt der Teamarbeit wandelt sich hin zur Prozessgestaltung und nicht mehr zur Umsetzung konkreter Aufgaben.“

Dies ist ein tiefgreifender Wandel. Bei der Produktentwicklung in den vergangenen Jahrzehnten diente Zusammenarbeit hauptsächlich der Koordination von Umsetzungsarbeiten: Wer welche Funktion entwickelt, wie Module miteinander verbunden werden und sichergestellt wird, dass die Ergebnisse aller integriert werden können. Diese Art von Koordinationsarbeit ist nach wie vor notwendig, aber sie ist nicht mehr der Engpass.

Der Engpass verlagert sich stromaufwärts: Ist das Produkt, das wir erstellen wollen, das richtige? Verstehen wir die Benutzer ausreichend gut? Kann das von uns definierte Problem zu einer wertvollen Lösung führen?

Diese Art von Problemen kann nicht aufgeteilt und parallel bearbeitet werden. Sie erfordert diskursive Reibungen, die durch das Aufeinandertreffen verschiedener Standpunkte entstehen, und erfordert, dass das Team das Tempo drosselt, um ausführlich zu diskutieren, bevor es schnell mit der Entwicklung fortfährt.

Viele Teilnehmer erwähnten, dass KI „gut in der Ausführung ist, aber kaum originelle Ideen entwickeln kann“, „sehr nützlich ist, aber immer noch auf menschliche Urteile angewiesen ist“, und jemand fasste zusammen: „Menschen müssen immer an Entscheidungen beteiligt sein.“ Wenn KI mehr der Umsetzungsarbeit übernimmt, die sich auf „wie man etwas macht“ bezieht, müssen Menschen sich mehr darauf konzentrieren, „was man macht“ und „warum man es macht“ – und diese Art von Fragen erfordert von Natur aus Zusammenarbeit.

Dieser Artikel besagt nicht, dass Zusammenarbeit nur in der Phase der Problemdefinition wertvoll ist, nachdem KI die Umsetzung vereinfacht hat. Die Produktentwicklung erfordert nach wie vor Fachkompetenz, Ästhetik und Urteilskraft, und Teams müssen die Umsetzung nach wie vor koordinieren. KI macht Zusammenarbeit nicht überflüssig, sondern macht die gemeinsame Bearbeitung von Problemen – eine mühsame, von Meinungsverschiedenheiten geprägte, aber entscheidende Arbeit – wichtiger als je zuvor.

Führungskräfte müssen drei Veränderungen vornehmen

Die Schlussfolgerungen dieses Wettbewerbs gelten für die Teamgestaltung bei der Produktentwicklung oder anderen Arbeitsabläufen und helfen Organisationen, im KI-Zeitalter erfolgreich zu sein:

1. Schwerpunkt auf die Investition in die Problemdefinition legen

Wenn jeder innerhalb weniger Stunden ein lauffähiges Prototyp erstellen kann, kommt der Wettbewerbsvorteil nicht mehr von der Entwicklungsgeschwindigkeit, sondern von Produkten, an die andere nicht denken können – die Wurzel liegt in deiner präziseren Definition des Problems.

Diese Sache an sich ist leicht unangenehm: Im Vergleich zur Umsetzung schreitet die Bearbeitung von Problemen langsam voran und der Prozess ist chaotisch, besonders nachdem KI die Umsetzungseffizienz weiter verbessert hat. Es gibt keinen klaren Fortschrittsbalken, man muss oft immer wieder nachdenken und abwägen. Menschen neigen leicht dazu, eifrig mit der Entwicklung zu beginnen, weil man zumindest das Ergebnis intuitiv wahrnehmen kann. Aber wie ein Teilnehmer zusammenfasste: „Wenn man direkt zur Lösung geht, ohne das Problem gründlich verstanden zu haben, muss man am Ende alles von vorne anfangen.“

Führungskräfte müssen aktiv Zeit für diese Arbeit reservieren, konkrete Maßnahmen umfassen:

· Das Projekt beginnt mit der Problemdefinition, nicht direkt mit dem Brainstorming von Lösungen

· Teams werden für die tiefgehende Zerlegung von Problemen belohnt, nicht nur für die schnelle Lieferung von Ergebnissen

· Zyklisch erscheinende Diskussionen werden akzeptiert, eine hochwertige Problemdefinition sieht oft genau so aus

· Der Wert dieser Mitglieder wird anerkannt: Personen, die mutig den Fortschritt anhalten und fragen „Welches Problem wollen wir eigentlich wirklich lösen?“, sind wertvoller als diejenigen, die eifrig mit der Entwicklung beginnen

2. Probleme mit Prototypen verfeinern

Die stark gesunkenen Entwicklung