Zur Serie: Unternehmen haben jahrzehntelang zwei verschiedene Dinge unter demselben Wort bezahlt: Koordination und Urteilsvermögen. KI macht das eine fast kostenlos und das andere knapp. Teil 1 fragt, was das für Menschen und Karrieren bedeutet. Teil 2, was es für Struktur und Tempo bedeutet. Teil 3, warum fehlendes Urteilsvermögen in Führungsrollen jetzt nicht mehr nur bremst, sondern schadet.
In jeder Organisation, die ich kenne, gab es Führungskräfte, die inhaltlich nicht getragen haben.
Nicht faul. Nicht böswillig. Meist umgänglich, oft loyal, manchmal seit zwanzig Jahren im Haus. Nur ohne fachliches Fundament in dem Bereich, für den sie verantwortlich waren.
Und es ging trotzdem. Es gab einen starken Stellvertreter. Es gab ein Team, das die Lücke stillschweigend füllte. Es gab Prozesse, die Fehler abfingen, bevor sie Geld kosteten.
Das war teuer. Aber es war verkraftbar.
Dieser Puffer ist gerade verschwunden. Und zwar nicht ein bisschen.
Was sich rechnerisch geändert hat
Die Fehlerquote eines Menschen ändert sich durch KI nicht. Sein Durchsatz schon.
Früher traf eine Führungskraft in der Woche vielleicht drei oder vier substanzielle Entscheidungen. Jede hatte Vorlauf. Es gab eine Vorlage, Rückfragen, ein Gremium, Zeit. Zeit, in der auffallen konnte, dass die Sache nicht durchdacht war.
Heute liegen an derselben Stelle Dutzende fertig formulierter Ergebnisse pro Tag. Argumentiert, mit Zahlen, in gutem Deutsch, in der richtigen Gliederung.
Und die einzige verbleibende Aufgabe an dieser Schnittstelle ist Prüfung.
Also genau die Fähigkeit, die dieser Person fehlt.
Der Punkt ist nicht, dass sie falsch entscheidet. Der Punkt ist, dass sie nicht mehr nicht entscheiden kann. Jedes Durchwinken ist eine Entscheidung. Wer fünfzig Vorlagen am Tag freigibt, ohne eine davon beurteilen zu können, trifft fünfzig Entscheidungen, die er nicht getroffen hat.
Der Befund, der das ungemütlich konkret macht
Das Forschungslabor METR hat 2025 eine randomisierte kontrollierte Studie durchgeführt. 16 erfahrene Open-Source-Entwickler, 246 echte Aufgaben, in Codebasen, die sie im Schnitt seit fünf Jahren kannten.
Vorher schätzten sie, mit KI rund 24 Prozent schneller zu sein. Hinterher glaubten sie, etwa 20 Prozent schneller gewesen zu sein.
Gemessen brauchten sie 19 Prozent länger.
Diese Zahl ist berühmt geworden. Der eigentlich wichtige Befund steht daneben: Die Entwickler akzeptierten weniger als 44 Prozent des vorgeschlagenen Codes. Sie haben also mehr als die Hälfte weggeworfen. Und sie brauchten rund 9 Prozent ihrer Arbeitszeit dafür, den Output zu prüfen und zu korrigieren.
Das ist Urteilsvermögen im Betrieb. Sichtbar als Kostenstelle.
Jetzt die Frage, um die es in diesem Text geht.
Was passiert, wenn an derselben Stelle jemand sitzt, der die weggeworfenen 56 Prozent nicht erkennt?
Er ist schnell. Er fühlt sich produktiv. Er liefert pünktlich. Und niemand merkt etwas, bis es teuer wird.
Beachten Sie dabei den zweiten Teil des METR-Befundes: Selbst Experten haben ihre eigene Geschwindigkeit um fast 40 Prozentpunkte falsch eingeschätzt. Wer über Tiefe verfügt, irrt sich über sich selbst. Wer keine hat, hat nicht einmal das Material für den Irrtum.
Warum das in Führungsrollen eskaliert
Ein Sachbearbeiter, der schlechten KI-Output übernimmt, produziert einen fehlerhaften Vorgang.
Eine Führungskraft, die dasselbe tut, produziert einen Standard.
Sie gibt frei. Sie priorisiert. Sie eskaliert nicht. Ihr Urteil ist die letzte Instanz, an der ein plausibler Fehler noch auffallen könnte, bevor er nach außen geht oder in ein System wandert. Fällt diese Instanz aus, wird aus dem Fehler eine Entscheidung, und aus der Entscheidung ein Präzedenzfall.
Dazu kommt ein zweiter Effekt, der langsamer wirkt und länger nachhallt: Man kann nicht beibringen, was man nicht beurteilen kann. Ein Team lernt von seiner Führungskraft, was als gut genug durchgeht. Wenn die Antwort lautet alles, was plausibel aussieht, dann lernt es das.
So entsteht in zwei Jahren eine Abteilung, in der niemand mehr Nein sagen kann.
Langsamkeit war eine Sicherung
In Teil 2 habe ich beschrieben, dass die klassische Organisation eine Rationierungsmaschine ist: Briefing, Spezifikation, Freigabe, Backlog. Alles Mechanismen, die eine knappe Umsetzungskapazität zuteilen. Und alles Reibung, sobald die Kapazität nicht mehr knapp ist.
Das bleibt richtig. Es ist aber nur die halbe Beschreibung.
Diese Schleifen waren nicht nur Rationierung. Sie waren auch Redundanz. Vier Augenpaare an vier Stellen. Wenn drei nichts merkten, merkte das vierte etwas.
Wer Ebenen streicht und gleichzeitig den Durchsatz vervielfacht, entfernt beides auf einmal: die Reibung und die Absicherung.
Deshalb ist Umbau ohne Kompetenzaufbau nicht neutral. Er ist riskant. Und deshalb ist auch das Gegenteil kein Ausweg: Wer langsam bleibt, um sicher zu sein, verliert die Sicherheit trotzdem, weil die Menschen in der Kette dieselben bleiben.
Der unbequeme Teil
Eine Führungskraft ohne fachliche Tiefe zu halten war lange eine soziale Entscheidung. Sie hatte einen Preis, und der wurde in Effizienz bezahlt.
Heute ist es eine Risikoentscheidung. Der Preis wird in Qualität, Haftung und Reputation bezahlt, und er fällt nicht in dem Quartal an, in dem die Entscheidung getroffen wurde.
Das ist ausdrücklich kein Aufruf zum Aussortieren. Die meisten dieser Menschen sind nicht ungeeignet. Sie sind falsch eingesetzt oder nie ausgebildet worden, oft von genau der Organisation, die jetzt enttäuscht ist. Wer zwanzig Jahre für Koordination befördert wurde, hat keine fachliche Tiefe versäumt. Er hat getan, was belohnt wurde.
Aber eine Entscheidung muss fallen, und sie muss ausgesprochen werden. Entweder Tiefe aufbauen, mit Zeit, Budget und einer realistischen Frist. Oder die Rolle ändern, ohne die Person zu beschädigen.
Was nicht mehr funktioniert, ist die dritte Variante, die in den meisten Unternehmen gerade läuft: nichts tun und hoffen, dass die Organisation es wieder auffängt.
Sie fängt es nicht mehr auf. Genau das war die Leistung der Ebene, die gerade gestrichen wird.
Drei Dinge, die Sie in den nächsten Wochen prüfen können
Erstellen Sie die Liste, die es nirgends gibt. An welchen Stellen im Unternehmen liegt heute eine Freigabe bei jemandem, der den Inhalt fachlich nicht beurteilen kann? Diese Liste existiert in keinem Organigramm und in keinem Risikoregister. Sie zu erstellen dauert zwei Wochen und verändert jede weitere Diskussion über KI.
Messen Sie die Ablehnungsquote, nicht die Nutzungsquote. Fast alle Unternehmen berichten heute, wie viele Mitarbeitende KI nutzen. Fast keines berichtet, wie oft KI-Output zurückgewiesen wird. Bei METR lag diese Quote über 56 Prozent, unter Experten, in vertrautem Terrain. Wenn sie in Ihrem Unternehmen bei nahe null liegt, ist das kein Qualitätssignal. Es ist ein Warnsignal.
Machen Sie die Sicherung explizit. Welche Entscheidungen brauchen zwingend ein zweites, fachlich kompetentes Augenpaar, und welche nicht? Die Antwort darauf steht in keinem Prozesshandbuch, weil sie nie ausgesprochen werden musste. Sie sitzt in den Köpfen der Erfahrenen. Genau dieses Wissen aus Köpfen in etwas Nutzbares zu übersetzen, ist die Arbeit, an der wir bei Omnora seit Jahren sitzen. Ohne sie prüft niemand, weder Mensch noch Agent, weil niemand weiß, woran man erkennt, dass etwas nicht trägt.
Zum Schluss
Es hat immer Menschen in Führungsrollen gegeben, die inhaltlich nicht getragen haben. Die Organisation hat sie mitgetragen, weil sie langsam genug war, um es sich zu leisten.
Diese Nachsicht war nie eine Tugend. Sie war ein Nebenprodukt von Trägheit.
Die Trägheit ist weg.
Wo in Ihrem Unternehmen hängt heute eine Freigabe an jemandem, der den Inhalt nicht beurteilen kann?
Quellen
- METR, randomisierte kontrollierte Studie, erstes Halbjahr 2025: 16 erfahrene Open-Source-Entwickler, 246 reale Aufgaben in eigenen Repositories. Erwartung vorab plus 24 % Geschwindigkeit, Selbsteinschätzung danach plus 20 %, gemessen 19 % längere Bearbeitungszeit. Weniger als 44 % des vorgeschlagenen Codes akzeptiert, rund 9 % der Arbeitszeit für Prüfung und Korrektur des Outputs. METR selbst bezeichnet das Ergebnis als Momentaufnahme des Stands Anfang 2025 und warnt vor Verallgemeinerung.
- MIT Project NANDA, The GenAI Divide: State of AI in Business 2025: Lernlücke bei Werkzeugen und Organisationen als Hauptursache ausbleibender Ergebniseffekte.
- Gallup, State of the Global Workplace 2026 und Global Indicator: Artificial Intelligence: Diskrepanz zwischen individuellen Produktivitätsgewinnen und organisationaler Wirkung.
- Roland Berger, The AI-First Organization, Erhebung Dezember 2025 bis April 2026, 472 Führungskräfte: 59 % halten die eigene Führung für nicht ausreichend vorbereitet, 49 % nennen fehlende KI-Fähigkeiten als größte Hürde.
