Das mittlere Management verschwindet, die Expertise von Fachkräften wird destilliert, Super-Individuen arbeiten unabhängig – wie viele Mitarbeiter braucht ein Unternehmen eigentlich noch?

Dein Chef gibt dir eine Aufgabe, die du in zwei Wochen erledigen könntest. Heute rufst du mehrere KI-Agenten auf – und du schaffst sie in nur einer Stunde.

Wann würdest du das Ergebnis abliefern?

Li Ning, Professor an der School of Economics and Management der Tsinghua-Universität und Autor des Buches *KI-native Organisationen*, hat diese Frage seinen Studierenden im Unterricht gestellt. Die meisten antworteten: „Zwei Wochen später.“

Diese Antwort ist zugleich die Antwort auf eine andere Frage: Warum spüren Unternehmensorganisationen oft keine Effizienzsteigerung, wenn Einzelpersonen mithilfe von KI sprunghaft vorankommen?

Unter der Wasseroberfläche sind die Einzelpersonen bereits in starker Bewegung, während die Organisationen an der Oberfläche noch völlig ruhig wirken.

Das Unternehmen hat viel Geld für Tools ausgegeben und zahlreiche Tokens verbraucht. Jeder scheint schneller zu arbeiten, aber die Unternehmensleistung hat keine qualitative Verbesserung erfahren – stattdessen entstehen massenhaft wiederholte und redundante Arbeiten.

Der Kern des Problems liegt längst nicht mehr in der Technik selbst, sondern in dem über zweihundert Jahre alten Grundgerüst des Geschäftslebens.

Seit Adam Smiths Beschreibung der „Nadelfabrik“ besteht das Wesen des modernen Unternehmenssystems aus vier Wörtern: Zerlegen und Zusammenfügen. Da die menschlichen Fähigkeiten Grenzen haben, haben wir ein vollständiges Ziel in kleine Teile zerschnitten und Berufsarten, Abteilungen und Rangstufen erfunden. Danach haben wir unzählige „lokale Individuen“ mit langwierigen Sitzungen, komplexen Genehmigungsverfahren und einer großen mittleren Führungsebene wieder zusammengeklebt.

Jetzt zieht KI das Fundament dieser Logik weg. Wenn ein Frontend-Entwickler nebenbei auch das Backend und die Datenbank einrichtet, wenn eine Geschäftseinheit mit fünfzig Mitarbeitern leise von drei Personen mit Agenten ersetzt werden kann, lösen sich die Grenzen der traditionellen Arbeitsteilung rasch auf.

Auf der anderen Seite der Medaille wird „Validierung“ zu einem neuen Staudamm, während „Generierung“ extrem billig geworden ist. Hunderte von Agenten können in Sekunden erstaunliche Arbeitsmengen verarbeiten, aber sie können dem Menschen nicht einmal eine Sekunde des Zögerns, Urteilens und Entscheidens abnehmen.

Die Logik der Arbeitsteilung in Organisationen wandelt sich von der „Aufteilung nach Arbeitsmenge“ hin zur verborgeneren „Aufteilung nach kognitiver Bandbreite“.

Tiefere Auseinandersetzungen spielen sich unter der Oberfläche ab. Wenn Unternehmen von Mitarbeitern verlangen, ihre überlebenswichtigen Erfahrungen als Fähigkeiten festzuhalten und zu digitalen Vermögenswerten des Unternehmens zu machen, ist das vergleichbar damit, einen Meister der Schweinebratenherstellung zu bitten, sein seit Generationen überliefertes Rezept für ein normales Monatsgehalt herauszugeben. „Gegen-Destillation“, „zurückhaltende Arbeitsweise“ und „Schatten-KI“ breiten sich in Bürogebäuden aus. Das zeigt, dass der alte Arbeitsvertrag die von KI verstärkten Super-Einzelpersonen nicht mehr fassen kann, während eine neue Regelung der Vorteilsverteilung noch nicht entstanden ist. Wenn die Hürden für die Ausführung vollständig abgebaut sind, bleiben dem Menschen als letzte Spielkarten am Tisch nur noch die Fähigkeit, Probleme zu definieren, und der Geschmack, der am schwersten zu quantifizieren ist.

Kürzlich führte die Kolumne *Unter dem Siedepunkt* ein langes Gespräch mit Li Ning, Professor an der School of Economics and Management der Tsinghua-Universität und Autor des Buches *KI-native Organisationen*.

In dieser Zeit, in der alle versuchen, von KI Gewissheit zu verlangen, erläuterte er die Machtverschiebung, die zwischen Organisationen und Einzelpersonen stattfindet.

01

Was sollen Organisationen tun, wenn eine einzelne Person mehr Aufgaben erledigen kann?

Unter dem Siedepunkt: Lassen Sie uns zuerst darüber sprechen, warum Organisationen existieren. Was unterscheidet sie von einer Gruppe von Menschen, die einfach zusammenarbeiten?

Li Ning: Das geht zurück auf die von Adam Smith beschriebene Arbeitsteilung. In seinem Werk *Der Wohlstand der Nationen* nutzte er das Beispiel der Nadelfabrik: Wenn man die Arbeitsschritte aufteilt und jede Person nur einen Teil ausführt, steigt die Effizienz stark an.

Warum teilt man die Arbeit auf? Weil eine Person nicht alle Fähigkeiten erlernen kann. Früher gab es in der Softwareentwicklung Spezialisten für Design, Datenbanken und Betrieb. Unser Bildungssystem folgt diesem Prinzip: Man wählt ein Fach im Studium und vertieft sich später in einer Branche.

Aber je feiner die Arbeitsteilung wird, desto höher sind die Reibungsverluste. Je komplexer eine Aufgabe ist, desto mehr Personen müssen koordiniert werden.

Jetzt gibt es KI: Wenn du die Anforderungen klar definierst, kann sie Frontend, Backend und die Datenbank einrichten. Die alte Arbeitsteilung wird unpassend: Ich kann deine Arbeit erledigen, du kannst meine Arbeit erledigen. Ein Frontend-Entwickler fragt nebenbei, wie das Backend aufgebaut wird – und KI erledigt das für ihn. Organisationen müssen neu überlegen, wie diese Personen zusammenarbeiten sollen.

Unter dem Siedepunkt: In Bereichen wie der Programmierung kann eine einzelne Person mit mehreren Agenten die gesamte Aufgabe erledigen. Bedeutet das, dass Organisationen nicht mehr notwendig sind?

Li Ning: Das ist nicht dasselbe wie Allwissenheit. KI hat Einschränkungen im Kontext und braucht Menschen, die ihr sagen, welche Dinge wertvoll sind. Wenn wir beispielsweise in der Forschung ein wertvolles Problem definieren, kann KI es sehr gut bearbeiten. Aber wenn man sie selbst nach Problemen suchen lässt, besonders in Bereichen mit hohem Subjektivitätsgrad, funktioniert das derzeit noch nicht.

Wenn man weiter fragt: Reicht eine Person plus KI aus? Da gibt es noch die Grenze der kognitiven Ressourcen des Menschen. Ich verbringe zehn Minuten damit, eine Idee zu erläutern, KI arbeitet einen Tag daran, aber zwischendurch kommt sie zurück, um eine Entscheidung von mir zu verlangen. Während ich auf sie warte, kann ich ein weiteres Projekt starten. Aber wenn ich fünf oder sechs Projekte gleichzeitig laufen lasse, sagen viele Menschen: „Ich habe keine Ideen mehr, um KI für mich arbeiten zu lassen.“

Deshalb brauchen wir wahrscheinlich immer noch Arbeitsteilung – nur das, was aufgeteilt wird, hat sich geändert. Wenn ich ein Produkt von Frontend bis Datenbank zum Laufen bringe, heißt das nicht, dass ich jedes Detail durchdacht habe. Die Seite sieht gut aus, aber ist sie die optimale Lösung? Wie ist die Nutzererfahrung? KI generiert eine Version, ich schaue sie mir zehn Minuten an und denke eine halbe Stunde darüber nach – das verbraucht immer noch meine kognitiven Ressourcen.

Ein Projekt kann Hunderte von Agenten gleichzeitig ausführen, sie lösen das Problem der Arbeitsmenge, aber nicht unbedingt das Problem der menschlichen Urteilskraft und Aufmerksamkeit.

Unter dem Siedepunkt: Selbst in Modellentwicklungsunternehmen kann eine einzelne Person die komplexe Aufgabe des Modelltrainings nicht vollständig beherrschen. Braucht es nicht immer noch einen Leiter, dessen Bandbreite von anderen Personen ergänzt wird, um eine kleinere Pyramide zu bilden?

Li Ning: Ja, eine kleinere. Das stimmt für eine gewisse Zeit – nur dass der Unterschied zwischen den Menschen nicht mehr so groß ist. Früher konnten Praktikanten und Geschäftsführer kaum gemeinsam über Strategien diskutieren, weil ihr Verständnisniveau nicht übereinstimmte. Jetzt sind das Wissen und der Hintergrund, mit dem sie Probleme verstehen, oft viel ähnlicher, und die Kommunikationsweise ändert sich.

Unter dem Siedepunkt: Ich denke darüber nach: Neben der Arbeitsteilung haben Organisationen auch Vorteile wie Lieferketten und Verhandlungsmacht. Diese können offenbar nicht vollständig durch KI ersetzt werden?

Li Ning: Ja, KI verarbeitet derzeit hauptsächlich Inhalte der digitalen Welt. In Landwirtschaft und Fertigung gibt es auch Design und Informationsflüsse, aber zusätzlich gibt es Faktoren wie Land und Produktion. KI kann diese optimieren, aber nicht ersetzen. Deshalb werden nicht alle Organisationen am Ende gleich aussehen – es wird gemischte Formen geben.

Wir teilen Aufgaben in zwei Dimensionen ein: Generierung und Validierung. Früher waren viele Personen für die Ausführung zuständig, und Experten prüften das Ergebnis am Ende. Der Engpass lag hauptsächlich bei der Generierung. Jetzt entstehen plötzlich viele Ergebnisse, und die Validierung kann nicht mehr Schritt halten.

Natürlich gibt es auch Aufgaben, die KI selten gesehen hat, sodass die Generierung selbst schwierig ist. Und manche Urteile sind sehr subjektiv, ohne klare Standards. Diese Bereiche sind derzeit weniger betroffen.

Unter dem Siedepunkt: Das heißt, die Umgestaltung von Organisationen muss den Menschen dabei helfen, bessere Validierungsarbeit zu leisten, richtig?

Li Ning: Genau. Warum sind Mathematik und Code so weit vorne? Weil sie validierbar sind: Man gibt ihnen eine klare Belohnungsfunktion, sie erkennen, ob das Ergebnis besser oder schlechter ist, und können sich ständig verbessern. Aber was macht einen guten Artikel aus? Neben Sprache und Grammatik spielt auch der Geschmack eine Rolle – das ist nicht so einfach.

Aber auch dieser Bereich ändert sich. Zum Beispiel habe ich früher meine Anmerkungen zu Arbeiten von Studierenden als Fähigkeit festgehalten, darin steckt meine Erfahrung bei der Bewertung von Forschung. Wir haben auch ein kleines Modell feinabgestimmt, das speziell Forschungsideen bewertet und prüft, ob sie dem Geschmack von Top-Zeitschriften entsprechen. Das Ergebnis war sogar besser als das von Experten und großen generativen Modellen, weil es die impliziten Signale in den Fachdaten gelernt hat.

Es kann keine anderen Dinge, aber diese eine Aufgabe erledigt es sehr gut.

Früher brauchten Beratungsunternehmen viele junge Mitarbeiter, die Sucharbeiten erledigten und Berichte schrieben, bevor Experten mit den Kunden sprachen. In Zukunft lassen sich Berichte sehr schnell erstellen – aber haben die Experten genug Zeit, sie zu prüfen? Wir können heute eine wissenschaftliche Arbeit pro Tag erstellen, aber wir schaffen es gar nicht, alle zu lesen.

Der Engpass, den Organisationen lösen müssen, ist ein anderer als früher.

02

Der Einfluss von Super-Einzelpersonen

Unter dem Siedepunkt: Vor kurzem wurde über „Token-Maximierung“ diskutiert: Viele nutzen eine große Anzahl an Tokens, erzielen viele Ergebnisse, aber die Organisation ändert sich nicht – am Ende scheitert man trotzdem an der Validierung. Jeder erstellt eigene Fähigkeiten, was zu doppelter Arbeit führen kann. Wie lässt sich dieses Problem lösen?

Li Ning: Ich stelle im Unterricht oft eine Frage: Dein Chef gibt dir eine Aufgabe, die nur ein hervorragender Mitarbeiter in zwei Wochen erledigen kann. Du nutzt Agenten und schaffst sie in einer Stunde – wann lieferst du das Ergebnis ab? Viele antworten: Zwei Wochen später.

Die individuelle Effizienz steigt, aber die Organisation merkt das nicht. Bei manchen Aufgaben braucht man eigentlich keine zehn Personen, aber die Stellen bleiben unverändert. Zehn Personen arbeiten jeweils mit einem Agenten, und die Ergebnisse sind natürlich sehr ähnlich.

Deshalb muss man zuerst die Anforderungen klar definieren. Zum Beispiel sollen wir zehn neue Produkte entwickeln, bevor wir alle an die Arbeit lassen. Wenn es immer noch nur ein Produkt und dieselben Kunden gibt und man die Mitarbeiter nur auffordert, mehr Tokens zu nutzen – wo führt das hin? In der Anfangsphase ist das keine völlige Verschwendung, man lernt zumindest, wie man KI nutzt. Aber langfristig darf man nicht dabei stehenbleiben.

Das gilt auch für Fähigkeiten. Mitarbeiter kommen ins Unternehmen, erhalten Ausweise, Zugriffsrechte und Schulungen – aber die Fähigkeiten sind sehr „wild“: Du erstellst eine, die gut funktioniert, und teilst sie mir mit. Welche Risiken gibt es, wer zertifiziert sie und wer verwaltet sie? Das alles ist noch nicht ausreichend geregelt.

Unter dem Siedepunkt: Sie haben viele Unternehmen besucht. Welche Veränderungen laufen bereits in Organisationen, die wirklich KI-nativ ausgerichtet sind?

Li Ning: Eine Gruppe sind Unternehmen, die nach dem Aufkommen der generativen KI gegründet wurden. Sie haben wenige Mitarbeiter und fragen sich bei jedem Problem zuerst, ob KI es erledigen kann. Die andere Gruppe sind bestehende Unternehmen: Nur sehr wenige haben sich vollständig umgestellt, meistens ändern sich zuerst einzelne Abteilungen oder Geschäftsbereiche.

Beispielsweise kann ein Lieferkettenexperte früher seine Anforderungen an einen Produktmanager weitergeben, der dann die IT-Abteilung mit der Entwicklung beauftragt. Jetzt baut er das System oft selbst auf. Bei erfolgreichen Beispielen lassen wir die Personen, die das Geschäft verstehen, die gesamte Aufgabe erledigen.

Aber die Schwierigkeiten liegen oft im Inneren. Eine Abteilung mit fünfzig Mitarbeitern, die von einem Gründungsmitglied geleitet wird, könnte eigentlich von drei Personen plus Agenten erledigt werden. Wie kann man diese Abteilung umstellen? Wer hat den Anreiz dazu? Das Geschäft darf nicht unterbrochen werden, und man weiß nicht, ob das Ergebnis nach der Umstellung so gut ist wie zuvor.

Wir haben gesehen, dass manche Unternehmen ein kleines separates Team gründen. Die alte Abteilung arbeitet weiter, und zwei oder drei KI-native Mitarbeiter testen das neue System parallel. Das ist wie bei einer Wohnungsrenovierung: Man wohnt noch in der Wohnung, aber bereitet zuerst eine zweite Unterkunft vor, bevor man umzieht.

In der Anfangsphase können die Kosten sogar steigen.

Unter dem Siedepunkt: Abgesehen von wenigen Mitarbeitern und der projektorientierten Arbeitsweise – was ist noch anders?

Li Ning: Die Verantwortungsbereiche der Mitarbeiter erweitern sich. Früher wurden viele Aufgaben auf verschiedene Stellen verteilt. Jetzt kann eine Person mehr Schritte vor und zurück übernehmen, und die Art der Zusammenarbeit ändert sich.

Das ist anders als die frühere digitale Transformation. Früher hat man Informationsflüsse in die Cloud verlegt, die Abläufe blieben weitgehend unverändert. Jetzt müssen sich die Abläufe selbst ändern, und das beginnt oft in einer einzelnen Abteilung oder an einem einzelnen Punkt.

Früher war die Herausforderung für Organisationen, tausend Mitarbeiter gut zu organisieren, die auf ein gemeinsames Ziel hinarbeiten. Jetzt ist es wichtiger, Super-Einzelpersonen zu finden und sie zu motivieren. Die Verwaltung einer großen Armee unterscheidet sich grundlegend von der Verwaltung einer Spezialeinheit – die Art, wie man Menschen einsetzt, ist verschieden.

Unter dem Siedepunkt: Wie werden KI-native Unternehmen in Zukunft aussehen?

Li Ning: Ich denke, sie müssen unbedingt zu innovativen Organisationen werden. Früher hatte man Wettbewerbsvorteile, wenn man effizient und kostengünstig arbeitete. Jetzt sehen wir viele Startups, deren Arbeitsweise sehr ähnlich ist: Große Bildschirme, Spracheingabe, ein Computer mit fünf oder sechs laufenden Projekten, die kognitive Bandbreite der Menschen ist fast vollständig ausgelastet.

Der Unterschied liegt darin, ob man neue Anforderungen finden kann. Es müssen keine sehr großen Anforderungen sein – wenn man die Probleme der Nutzer in einem kleinen Bereich gut löst, gibt es auch Chanc