Die Zukunft des Unternehmens

Anmerkung der Autoren: Dies ist der zweite Essay unserer Reihe über die Wirtschaft der Zukunft. Die Reihe ist Teil einer neuen Plattform, auf der unabhängige Stimmen eine Zukunft mit AGI erkunden. Der Essay gibt unsere Ansichten wieder, nicht die von OpenAI oder unserem Kollegium.

Wir waren beide vierundzwanzig, als wir hier bei OpenAI anfingen, eigene Teams zu leiten. Das ist weniger beeindruckend, sobald man unsere Teams kennenlernt.

Eigentlich müssten wir die Fleißarbeit erledigen. Mit vierundzwanzig stehst du auf der untersten Sprosse der Karriereleiter. Du schreibst Besprechungsprotokolle und ein paar Memos. Nach Jahren mühsamer Arbeit bekommst du hoffentlich einen größeren Aufgabenbereich.

Unser Weg sieht anders aus, ebenso wie der vieler junger Menschen heute. Schon beim Berufseinstieg haben wir „Angestellte“, denen wir Aufgaben übertragen können. Diese Hilfskräfte arbeiten Tag und Nacht, an Wochenenden und Feiertagen. Sie sind hervorragend darin, Fleißarbeit zu erledigen. In unserem Team stehen uns sogar Goldmedaillengewinner der Mathematik-Olympiade beratend zur Seite. Unsere neuen Teammitglieder machen noch so einige Fehler. Aber sie werden besser, lernen unsere Bedürfnisse kennen, und wir lernen, sie zu führen.

Wir sind beide nicht die Karriereleiter hinaufgeklettert. Stattdessen ist die Führungsverantwortung zu uns heruntergekommen. Dieser Essay handelt von unserer Beförderung und davon, wie sich Unternehmen beim Eintritt ins Zeitalter der Intelligenz sonst noch neu organisieren könnten.

Wenn KI ins Unternehmen kommt, wo findet sie ihren Platz? Wir stellen drei beispielhafte Szenarien vor:

Keines dieser Szenarien wird genau so eintreten, wie wir es beschreiben. Aber wir glauben, dass Aspekte aller drei Wirklichkeit werden. Alle drei zeichnen sich bereits im Kleinen ab.

Unser Fokus liegt hier nicht auf vollständiger Automatisierung, sondern auf einer Wirtschaft im Wandel. Uns interessiert, wie hybride Unternehmen aussehen werden, wenn KI besser wird und sich in bestehende Organisationen einfügt.

Wir halten das hybride Unternehmen für ein wichtiges Konzept, weil der produktive Einsatz von KI nicht von heute auf morgen gelingt. Solange die Modelle nur einen Teil der Aufgaben erledigen, fällt die Einführung möglicherweise den Beschäftigten an der Basis am leichtesten, die mit der Arbeit vertraut sind. Sobald die Modelle umfassende Funktionen von Anfang bis Ende übernehmen, können auch höhere Führungsebenen sie direkt einsetzen. Unserer Ansicht nach lässt sich leistungsfähigere KI leichter einführen: Unternehmen müssen Technologien erlernen, Arbeitskräfte hingegen lernen das Unternehmen kennen und können sich selbst einarbeiten.

Wir analysieren die drei neuen Arten von Organigrammen und untersuchen dann, was sie künftig für Bürokratie, den Handlungsspielraum der Beschäftigten, die Unternehmensgröße und die Gehaltsunterschiede bedeuten.

Unser erstes Szenario scheint am wenigsten einschneidend. Hier behalten die Menschen ihre Positionen und Berichtslinien und machen scheinbar dieselbe Arbeit wie zuvor. Das Organigramm der menschlichen Belegschaft sieht in dieser Zukunft genauso aus wie heute.

Der Unterschied liegt unter uns. Unter jeder Fachkraft ohne bisherige Führungsverantwortung entsteht eine neue KI-Belegschaft, die ihr unterstellt ist. Unser Organigramm bekommt ein Untergeschoss, und wir alle werden zu Führungskräften.

Anfangs ist dieses Untergeschoss noch nicht fertig ausgebaut. Wir beginnen mit jeweils einem oder zwei Agenten. Sie sind weniger erfahrene Beschäftigte als vielmehr eifrige Praktikumskräfte, die wir anleiten und deren Fehler wir nachsichtig behandeln müssen. Unsere Erwartungen sind niedrig: hier eine E-Mail verschicken, dort ein Memo entwerfen und überall Slack-Nachrichten beantworten. Wie Menschen am Berufsanfang erhalten sie zunächst wenig Freiraum und Vertrauen.

Doch mit besseren Modellen übernehmen unsere Agenten mehr Aufgaben und brauchen weniger Aufsicht. Sie stimmen sich untereinander ab. Es könnte KI für Führung und Fleißarbeit, für Buchhaltung und Rechtsfragen geben, die alle in deinem Auftrag zusammenarbeiten. Statt jemanden im Praktikum an die Hand zu nehmen, leitest du irgendwann etwas, das selbst wie ein kleines Unternehmen aussieht: mit einem eigenen Organigramm und dir als Vorstand.

Bemerkenswert ist, dass dieses Szenario keine Entlassungen voraussetzt. Hier führen wir KI ein, ohne uns selbst durch Automatisierung zu ersetzen. Stattdessen automatisieren wir unsere früheren Rollen und steigen in der Hierarchie auf. KI übernimmt immer mehr von dem, was wir früher getan haben. Unsere Stellen bleiben erhalten, weil es mehr zu führen gibt, und wir übernehmen Verantwortung für ein größeres Gesamtarbeitsergebnis.

Arbeitsstellen sind nicht statisch⁠(wird in einem neuen Fenster geöffnet). Angenommen, KI kann neunzig Prozent dessen erledigen, was du bisher getan hast. Dann könntest du folgern, dass dir nur noch zehn Prozent der Arbeit bleiben. Die andere Möglichkeit: Du hast weiterhin eine volle Stelle, nur eine andere, die jetzt auf ein zehnmal größeres Ziel ausgerichtet ist. Das ist der klassische Gewinn durch Technologie: Die Produktivität steigt, die Ansprüche wachsen mit, und mit ihnen können die Löhne steigen⁠(wird in einem neuen Fenster geöffnet).

All das hängt davon ab, ob wir in der Produktion weiterhin Mehrwert schaffen⁠(wird in einem neuen Fenster geöffnet). Dieser Essay konzentriert sich auf die kommenden Jahre, in denen Automatisierung noch nicht alles kann und nicht überall eingesetzt wird. Selbst wenn KI alles erledigen könnte, würden wir etwas womöglich weiterhin höher schätzen, weil ein Mensch es geschaffen hat, oder darauf bestehen, dass ein Mensch das letzte Wort hat.

Es hängt auch von unserem Konsumbedarf ab. Wenn wir nicht zehnmal so viel konsumieren möchten, verschiebt sich das Gleichgewicht hin zu weniger Beschäftigten oder weniger Arbeitsstunden. Historisch hat uns eine höhere Produktion nicht gesättigt. Wir haben viel mehr⁠(wird in einem neuen Fenster geöffnet), arbeiten aber nur etwas weniger⁠(wird in einem neuen Fenster geöffnet). Wenn unser Konsumbedarf mit der vervielfachten Produktion weiter wächst und wir weiterhin zur Wertschöpfung beitragen, werden wir unsere Arbeit weiter gegen mehr Konsum eintauschen wollen. Wenn dagegen so viel produziert wird, dass wir gesättigt sind, könnten wir uns freiwillig für eine geringere Erwerbsbeteiligung entscheiden.

Weitere Einwände diskutieren wir später, etwa die Frage, ob es künftig mehr kleinere Unternehmen geben wird. Dennoch halten wir dieses Szenario für wichtig, denn die Einführung muss irgendwo beginnen. Unternehmen brauchen einen Weg, ihre heutigen Organisationsstrukturen stabil weiterzuentwickeln. Die Arbeit der bestehenden Belegschaft zu unterstützen, könnte ein einfacherer erster Schritt sein als eine vollständige Umstrukturierung. Das erleben wir schon heute: Immer mehr Beschäftigte delegieren an KI, bislang ohne organisatorische Revolution.

Dieses Szenario setzt voraus, dass die ersten KI-Arbeitskräfte an der Basis eingestellt werden. Beschäftigte an der Basis treiben die KI-Einführung voran, nicht die Führungs- und Leitungskräfte. Das erscheint wahrscheinlich, solange diejenigen die KI am besten zur Arbeit anleiten können, die diese Arbeit früher selbst erledigt haben.

Modelle können bereits viele Aufgaben in der Datenwissenschaft automatisieren. Eine Abteilungsleitung, die mit den Methoden und Einzelheiten nicht vertraut ist, wird die Werkzeuge jedoch nur schwer nutzen können. Solange KI noch nicht eigenständig genug handelt, um dich auf deine Wissenslücken hinzuweisen (siehe unser nächstes Szenario), wird sie vermutlich den Menschen am meisten helfen, die bereits wissen, wie die Arbeit erledigt wird.

Am stärksten verändert dieses Szenario die Situation für Menschen am Berufsanfang. Es gäbe keine unterste Sprosse mehr, zumindest nicht für Menschen. Wenn wir junge Menschen einstellen, dann nicht, um sie ganz unten im Unternehmen mit mühsamer Routinearbeit zu beschäftigen. Diese Stellen werden von etwas besetzt, dem das nichts ausmacht.

Damit verlieren wir einige traditionelle Wege, junge Beschäftigte auszubilden: die Lehre⁠(wird in einem neuen Fenster geöffnet), das Lernen durch Fleißarbeit, das schrittweise Sammeln von Erfahrung und Anerkennung. Das sind echte Nachteile, doch insgesamt sehen wir darin ein Privileg. Selbst die unerfahrenste neu eingestellte Person hat mit einer guten Idee die Mittel, zu experimentieren. Die älteste Ausrede im Unternehmen, uns fehlen einfach die Leute dafür, verliert ihre Gültigkeit. Eine junge Mitarbeiterin mit einem großartigen Videospiel im Kopf kann es jetzt einfach entwickeln, auch wenn sie keine zusätzlichen Stellen dafür bekommt.

Unserer Ansicht nach gibt es in diesem „Aufstiegs“-Szenario für Menschen am Berufsanfang noch viel zu lernen: Urteilsvermögen, Geschmack, Führungskompetenz und kreative Vision. Wir werden einen Anreiz haben, diese Fähigkeiten zu entwickeln, weil sie sich in unseren Arbeitsergebnissen zeigen. Wir werden weiterhin durch praktisches Tun lernen⁠(wird in einem neuen Fenster geöffnet), allerdings mit einem größeren Verantwortungsbereich. Erfahrene Kräfte im Unternehmen haben weiterhin einen Anreiz, uns verantwortungsvoll zu begleiten, auch weil sie über Unternehmensanteile an unserem Erfolg beteiligt sind. Die Chance liegt in einer anregenderen Rolle für alle, auf jeder Hierarchieebene. Mit einem größeren Aufgabenbereich können alle Beschäftigten ihre Talente zeigen. Das ist besonders für Menschen am Berufsanfang wichtig, die bisher keinen eigenen Verantwortungsbereich hatten.

Der zweite Weg der KI ins Unternehmen führt mitten durch das bestehende Organigramm. Hier stehen die Agenten nicht ganz unten, sondern arbeiten auf Augenhöhe mit. Eine bisherige Führungskraft übergibt einem Modell einen Teil der Teamarbeit, so wie sie ihn an jedes andere Teammitglied delegieren könnte. KI tritt neben die Menschen, nicht nur unter sie.

Der entscheidende Unterschied zum ersten Szenario: Hier wird produktive KI von bestehenden menschlichen Führungskräften eingesetzt, nicht nur von bisherigen Fachkräften ohne Führungsverantwortung. Dafür muss sie kompetent genug sein, um ein vollwertiges Teammitglied zu sein.

Menschen sind vielseitig. Ein Hammer hilft bei einer Aufgabe; ein Mensch kann weit mehr. Auf dem Weg vom Werkzeug zur Arbeitskraft erweitert KI ihren Zuständigkeitsbereich: Sie automatisiert erst eine Aufgabe, dann eine Arbeitsstelle, dann ein Team und schließlich ein Unternehmen. Jede Erweiterung dieses Bereichs erfordert breitere Kompetenzen.

Eine Arbeitsstelle ist ein Koffer voller Aufgaben. Bei einem ganzen Team ist dieser Koffer mit den unterschiedlichsten Arbeiten vollgepackt. Mehr Aufgaben im Zuständigkeitsbereich bedeuten mehr mögliche Engpässe. Wenn auch nur eine wesentliche Aufgabe im Team körperliche Arbeit erfordert, braucht es eine ganz neue technische Ausstattung. Um ein ganzes Team nahtlos ersetzen zu können, muss die KI all dessen vielfältige Aufgaben beherrschen.

Eine KI zu entwickeln, die einen größeren Aufgabenbereich bewältigt, ist schwieriger. Doch für Unternehmen gilt: Je größer der Aufgabenbereich, desto leichter die Einführung. Das ist die zentrale Asymmetrie des gesamten Wandels.

Ein vollständig automatisiertes Team oder eine umfassende automatisierte Funktion kann eine Führungskraft direkt einsetzen. Ein Werkzeug mit enger begrenzten Fähigkeiten lässt sich nicht so einfach von oben einführen. Das einfachere Werkzeug setzt breite Akzeptanz und Schulungen in der gesamten Belegschaft voraus.

Traditionell machen neue Technologien die Erledigung einer begrenzten Auswahl von Aufgaben günstiger. Dann liegt die Arbeit beim kaufenden Unternehmen. Es muss herausfinden, wie es das neue Werkzeug nutzen kann, und dafür Beschäftigte schulen, sich neu organisieren und seine Prozesse umgestalten⁠(wird in einem neuen Fenster geöffnet). Tabellenkalkulationssoftware hat sich nicht selbst in der Buchhaltung eingeführt. Die Buchhaltung hat sich an die Software angepasst.

Bei Arbeitskräften ist es umgekehrt. Eine Praktikumskraft, eine angestellte Person und ein gutes Team finden heraus, wie sie dir helfen können. Sie stellen dir Fragen, arbeiten sich in deinen Kontext ein und erkennen deinen Bedarf. Sie weisen dich auf Dinge hin, von denen du nicht einmal wusstest, dass du sie nicht weißt. Die besten Arbeitskräfte arbeiten sich selbst ein.

Je mehr KI in diesem Sinne einer Arbeitskraft ähnelt, mit Eigeninitiative und Anpassungsfähigkeit, desto weniger muss das Unternehmen ihren Einsatz erlernen. Stattdessen findet die KI selbst heraus, wie sie dem Unternehmen nützen kann. Eine Führungskraft wird sich vermutlich keinen Einführungskurs in Designsoftware anhören, um ein neues Werkzeug zu erlernen. Ein Angebot wie dieses wird sie sich dagegen gern anhören: Sag einfach Bescheid, und ich baue deinen gesamten Marketingbereich auf.

Allzu oft bezeichnen wir die Automatisierung einer Arbeitsstelle als das höchste Ziel von AGI. Zugegeben: Nicht einmal das haben wir bislang erreicht. Arbeitsstellen sind so außerordentlich komplex, weil wir so beeindruckend leistungsfähig sind. Dennoch entsteht nur ein sehr kleiner Teil⁠(wird in einem neuen Fenster geöffnet) unserer Wirtschaftsleistung durch Menschen, die ganz allein arbeiten. Produktive Arbeit trägt zur Leistung von Teams bei, Teams zur Leistung von Unternehmen, und Unternehmen produzieren fast alles, was wir konsumieren.

Eine „Arbeitsstelle“ als Maßstab für AGI wird uns Menschen nicht gerecht. Bei Arbeit geht es nicht nur um Aufgaben oder darum, auch Unvorhergesehenes zu bewältigen. Unsere Arbeit beruht ebenso auf erstaunlicher Koordination: auf unserer Anpassungsfähigkeit, kleine Beiträge zu größeren Ergebnissen zu leisten. Wer uns auf bloße Aufgabenbündel reduziert, verkauft uns weit unter Wert. Menschliche Leistungsfähigkeit steckt stärker in unseren Organisationen⁠(wird in einem neuen Fenster geöffnet) als in Einzelpersonen. Eine wirtschaftlich leistungsfähige AGI muss sich an Menschen im Zusammenspiel messen lassen, nicht an einer einzelnen Person.

Deshalb könnte das Szenario der „Einbindung“ ziemlich ineffizient sein, solange die KI noch wie ein Werkzeug oder eine einzelne Arbeitskraft funktioniert, statt wie ein Team oder ein Unternehmen. Ein Modell neben jeder Arbeitskraft bedeutet tausend Schnittstellen und Übergaben⁠(wird in einem neuen Fenster geöffnet). Dieser kleinteilige Aufbau könnte die Einführung verlangsamen.

Wir sehen einen Wettlauf zwischen früheren, weniger leistungsfähigen Anwendungen und späteren, leistungsfähigeren Modellen. Wer gewinnt, hängt davon ab, ob sich künftige Modelle so viel schneller einführen lassen, dass dies die zusätzliche Entwicklungszeit für ihre Fähigkeiten ausgleicht.

Dieses Szenario der „Einbindung“ kann mit dem ersten Szenario des „Aufstiegs“ zusammen auftreten. Unternehmen könnten ihre menschliche Belegschaft verkleinern, wenn KI bestimmte Funktionen automatisiert. Gleichzeitig erhalten die verbleibenden Menschen deutlich umfassendere Aufgabenbereiche, unterstützt von ihren Agentenbelegschaften. Wichtig ist: Dieses Szenario allein bedeutet nicht, dass die Gesamtbeschäftigung von Menschen sinkt. Es könnte mehr Unternehmen geben, die jeweils weniger Menschen beschäftigen.

Unser drittes Szenario ist das überraschendste. Hier zieht KI im Unternehmen oberhalb von Menschen ein. Die Hierarchie lautet nicht mehr Mensch über Maschine, sondern Mensch, KI, Mensch: ein Automatisierungssandwich. Manche Menschen „berichten“ an eine KI.

Das klingt weit hergeholt, besonders als Ausgangspunkt für die KI-Einführung in Unternehmen. Doch wir glauben, dass diese Entwicklung in weniger radikaler Form bereits begonnen hat.

Selbst wenn wir KI als Mittel zur Automatisierung geistiger Arbeit betrachten, denken wir meist an die unteren Hierarchieebenen. Typischerweise sagen wir, KI automatisiere Tabellen und Präsentationen, nicht Führungsarbeit. Instinktiv erwarten wir, dass die Automatisierung die Hierarchie hinaufsteigt: zuerst geistige Fleißarbeit, zuletzt Urteilsvermögen, mit der Führungskraft als letzter Bastion.

Doch die Arbeit einer Führungskraft findet größtenteils am Computer und im Kopf statt: lesen, besprechen, abwägen, Zusammenhänge im Blick behalten, entscheiden. Persönliche Präsenz hat ihren Wert: durch die Büros zu gehen und unter den Beschäftigten zu sein. Trotzdem hat die Arbeit an der Basis mehr mit physischen Dingen und Werkzeugen zu tun als die Führungsarbeit, selbst wenn sie überwiegend geistiger Natur ist. Zum Kopierer schickt man die Praktikumskraft, nicht die vorgesetzte Person.

Einem Modell Führungsentscheidungen beizubringen ist schwierig, weil Erfolg nicht eindeutig ist und über lange Zeiträume gemessen wird. Aus ähnlichen Gründen⁠(wird in einem neuen Fenster geöffnet) ist es schwierig, gute menschliche Führungskräfte auszubilden. Wir wissen noch nicht, wie gut die Modelle in Führungsaufgaben sind. Für ausführende geistige Arbeit gibt es zahlreiche Evaluationen. Nur wenige erfassen jedoch die umfassende Koordination, wie sie Führungs- und Leitungskräfte leisten.

Dennoch lohnt sich der Gedanke, dass heutige Modelle mit ihren Fähigkeiten menschlichen Führungskräften womöglich schon näher sind als Beschäftigten an der Basis. Manche Führungsfunktionen könnten vor der Arbeit automatisiert werden, die sie beaufsichtigen.

Vielleicht steht am Ende dieses „Zwischenschicht“-Szenarios eine KI, die das Denken übernimmt und ihre Fähigkeitslücken mit menschlichen Auftragnehmenden schließt, die ihr unterstellt sind. Diese Welt erscheint uns ziemlich fremd. Dafür müsste sich vieles ändern.

Doch es gibt eine organischere Variante, deren Anfänge bereits sichtbar sind: Beratung. Schon heute kann eine Führungskraft ChatGPT bitten, Hunderte Slack-Kanäle, Dokumente, Mitteilungen und Codedateien aus dem gesamten Unternehmen zu lesen und anschließend Fragen zu beantworten. Was genau macht dieses Team? Wo ist diese Sicherheitslücke relevant? Jeder Teil der Organisation wird für sie zunehmend durchschaubar⁠(wird in einem neuen Fenster geöffnet).

Führungskräfte haben schon lange bezahlte Mittelsleute im Organigramm verteilt. Sie nannten es Unternehmensberatung. Eine Unternehmensberatung zieht kurzzeitig und teuer eine zusätzliche Ebene über dir ein. Künftig könnte KI-Beratung verschwindend wenig kosten und ständig präsent sein.

Modelle beginnen gerade erst, Unternehmensdokumente und -kommunikation zuverlässig auszuwerten. Ihr Gespür und ihre Eigeninitiative müssen noch reifen. Bislang hilft ChatGPT engagierten Führungskräften, ihre Organisation genauer zu verstehen. Wir erwarten, dass daraus irgendwann eine umfassende Unternehmensberatung wird. Sie wird keine echte „Führungskraft“ für Beschäftigte auf unteren Ebenen sein, sondern eher intern berichten und die Unternehmensleitung beraten. Sie wird mit betriebswirtschaftlichem Fachwissen alles sichten, von sich aus Schwachstellen aufzeigen und bei der Priorisierung helfen.

Ob das nützlich oder schädlich ist, wird von der jeweiligen Führungskraft abhängen. Die strukturelle Wirkung ist Zentralisierung. Wir sehen darin eine Verkürzung der Distanz zwischen Unternehmensspitze und dem übrigen Unternehmen. Das bündelt mehr Macht an der Spitze, während früher Reibungsverluste im Informationsfluss eher dezentrale Entscheidungen begünstigten.

Wir halten dieses Szenario für weitreichend, nicht nur wegen der Verschiebung von Befugnissen, sondern auch, weil sich KI als Unternehmensberatung so leicht einführen lässt. Wie bei klassischer Beratung brauchen Führungskräfte dafür kein technisches Fachwissen. Anders als beim Computer, dessen Einführung von unten durch Menschen vorangetrieben wurde, die tippen und ein Terminal bedienen konnten. Du sprichst einfach mit deiner KI-Beratung, und sie kümmert sich um das technische Know-how. Diese Einführungswelle kann in der Chefetage beginnen. Die Beratung wiederum könnte die KI-Einführung im übrigen Unternehmen beschleunigen.

Ein wichtiger Grund, warum Unternehmen ortsunabhängiger Arbeit und externen Auftragskräften misstrauen, ist die Frage, wie sich Vereinbarungen durchsetzen lassen. Für Unternehmen gab es nie eine günstige Möglichkeit, die tatsächliche Arbeit in ihrer ganzen Vielschichtigkeit zu erfassen. Deshalb messen sie bloße Geschäftigkeit⁠(wird in einem neuen Fenster geöffnet): gezählte Klicks, Mausbewegungen, grüne Statuspunkte. Das sind Signale, die kaum etwas darüber aussagen, ob gute Arbeit geleistet wird.

KI bietet eine Kontrollinstanz, die versteht. Sie kann sich ansehen, was eine Person erarbeitet, und echte Fortschritte auf dem Weg zu größeren Zielen erkennen. Wie wir im nächsten Abschnitt erläutern, darf keine neue Form der Überwachung leichtfertig eingeführt werden⁠(wird in einem neuen Fenster geöffnet). Unter den richtigen Umständen kann sie aber Vertrauen stärken und Unternehmen ermutigen, ihren Beschäftigten mehr Freiheit zu geben.

Wenn die Kontrollinstanz die vielen unterschiedlichen Wege zu guten Arbeitsergebnissen versteht, können Beschäftigte stärker so arbeiten, wie sie möchten. Fortschritte hin zu guten Ergebnissen zählen dann mehr als eine vorgeschriebene Methode, die sich von Vorgesetzten leicht kontrollieren lässt. Eine intelligente Kontrollinstanz ermöglicht Flexibilität und wirkt jener vorgetäuschten Produktivität entgegen, die wir alle verabscheuen.

Das Nutzenversprechen ähnelt dem von Versicherungen, die deine Beiträge senken, wenn du ein Gerät zur Fahrdatenerfassung im Auto installierst. Wenn du das System austricksen wolltest, schadet dir das. Wenn du einfach deine Arbeit gemacht hast, kann die Kontrollinstanz dich bestätigen, und die Führung vertraut dir stärker.

Dieses Vertrauen eröffnet neue Möglichkeiten. Unternehmen könnten offener werden⁠(wird in einem neuen Fenster geöffnet) für hybride Arbeit, unkonventionelle Köpfe, externe Auftragskräfte oder die Einstellung brillanter Menschen in weit entfernten Ländern, wenn sie all dem bislang skeptisch gegenüberstanden.

Beschäftigte an der Basis haben heute viele Probleme mit dem Organigramm. Es ist enorm entmutigend, ein Problem aus erster Hand zu kennen und keine Möglichkeit zu haben, es nach oben zu melden. Es ist unfair, unter einer unfähigen Führungskraft festzustecken oder hervorragende Arbeit zu leisten, die niemand anerkennt.

Aus unserer Sicht beruhte die vorherige Welle extremer Unternehmensoptimierung auf begrenzten Daten, groben Faustregeln und wenig intelligenten Algorithmen. Wenn du nur Übersetzungsverhältnisse verarbeiten kannst, sieht jeder Mensch wie ein Zahnrad aus. Unternehmen haben seit Langem Schwierigkeiten, die Leistung ihrer Belegschaft zu messen. Eine intelligente Kontrollinstanz könnte wertvolle Beiträge und besondere Herangehensweisen erkennen, die den heutigen groben Kennzahlen entgehen.

Ausgehend von den drei vereinfachten Szenarien untersuchen wir nun einige entscheidende Fragen zur Zukunft des Unternehmens.

Etwas zu entwickeln ist in der Regel ziemlich teuer. Eine App, ein Film, eine Präsentation, eine Funktion, eine Analyse: All das kostet viel Zeit und Geld, und es neu zu machen ist mühsam. Wenn du praktisch nur einen Schuss hast, investierst du ins Zielen. Planungszyklen, ritualisierte Roadmap-Besprechungen und Freigabegremien sollen sicherstellen, dass sich das Vorhaben lohnt, wenn das Unternehmen endlich grünes Licht gibt. Viele Kontrollen in unseren Hierarchien gibt es, weil die Umsetzung so aufwendig war.

In vielen Bereichen senkt KI die Entwicklungskosten drastisch, zumindest bis zum Prototyp, wenn nicht bis zum fertigen Ergebnis. Wir glauben, dass sich damit auch die Arbeitsweise der Unternehmen ändern sollte: weniger zielen, öfter schießen. Ein Unternehmen kann einen Prototyp entwickeln, beobachten, schnell lernen, sich neu ausrichten und einen weiteren Prototyp erstellen. Einfacher Prototypenbau⁠(wird in einem neuen Fenster geöffnet) dürfte Unternehmen dazu bewegen, sich von den Strukturen einer planungsintensiven Produktion zu lösen.

Die einfachste Variante davon ist ein Team, das schneller iteriert. In einer radikaleren Auslegung steht das Team selbst infrage. Wenn gemeinsame Planung weniger zählt und vielfältige, unabhängig entstandene Ideen wichtiger werden: Ist dann ein einzelnes Team besser, das schnell iteriert, oder sind es viele Einzelpersonen, die jeweils eigene funktionierende Prototypen vorlegen? Wenn ein echter Prototyp eine Vision besser vermittelt als jedes Dokument zum Projektumfang, ändern sich dann unsere Kommunikationsgewohnheiten? Teilen wir mehr und früher, und teilen wir konkrete Arbeitsergebnisse statt Memos?

Günstigere Entwicklung könnte Einzelpersonen im Unternehmen mehr Gewicht geben. Das würde weniger Ebenen im mittleren Management und weniger Genehmigungsanfragen bedeuten. Denn früher war Fragen günstiger als Machen, jetzt nicht mehr.

Allerdings kann dieselbe Technologie, die Einzelpersonen risikoärmeren Prototypenbau ermöglicht, auch mehr Bürokratie durchsetzen. Darauf gehen wir im Folgenden ein.

Ein wesentlicher Grund für Führung von oben ist die Überzeugung, dass Führungskräfte bessere geschäftsrelevante Entscheidungen⁠(wird in einem neuen Fenster geöffnet) treffen als Beschäftigte am Berufsanfang. Unternehmen zahlen mehr für sehr kompetente, erfahrene Kräfte an der Spitze. Führungskräfte sind oft in Unternehmensstrategie geschult, während Fachkräfte ohne Führungsverantwortung auf ihr Fachgebiet spezialisiert sind. Wenn KI allen Beschäftigten ausgezeichneten Rat gibt, schrumpfen die Unterschiede in der Entscheidungsqualität. Führungskräfte hätten weniger Anlass, sich einzumischen. Das würde die Autonomie der Beschäftigten stärken und könnte Führungsebenen reduzieren.

Ebenso sorgt die „KI-Unternehmensberatung“ dafür, dass nichts allzu Folgenreiches geschieht, ohne eine Führungskraft zu benachrichtigen. Wenn jemand kurz davorsteht, einen Blogbeitrag mit schwerwiegenden Folgen für das Unternehmen zu veröffentlichen, weist die Beratung die zuständige Führungskraft von sich aus darauf hin. Das schafft Vertrauen: Die Führung muss nicht befürchten, dass große Pannen unbemerkt passieren. Deshalb muss sie Beschäftigte bei der Ausübung ihrer Arbeit nicht so an der kurzen Leine halten⁠(wird in einem neuen Fenster geöffnet).

Doch die KI-Unternehmensberatung ist ein zweischneidiges Schwert⁠(wird in einem neuen Fenster geöffnet). Als intelligente Kontrollinstanz kann sie das Vertrauen in Beschäftigte stärken. Sie kann aber auch die vom CEO bevorzugte Arbeitsweise im gesamten Unternehmen konsequenter durchsetzen. Unternehmen legen Wert auf Kohärenz⁠(wird in einem neuen Fenster geöffnet): Eine Entscheidung soll nicht nur gut sein, sondern auch zur Unternehmenskultur, zur Marke und zu den Skaleneffekten passen. Eine Restaurantkette bevorzugt vielleicht eine einheitliche Speisekarte in ihren Franchisebetrieben. So lassen sich Zutaten in großen Mengen bestellen, und die Gäste können ein gleichbleibendes Produkt erwarten.

Damit hängt zusammen, dass die Anreize der Unternehmensleitung nicht immer mit denen der Beschäftigten übereinstimmen. Beschäftigte optimieren den Erfolg ihres Bereichs⁠(wird in einem neuen Fenster geöffnet), während Führungskräfte das gesamte Unternehmen im Blick haben. Wer Unternehmensanteile besitzt, hat andere Interessen als abhängig Beschäftigte, weil Anteilseigner an den Erträgen härterer Arbeit mitverdienen⁠(wird in einem neuen Fenster geöffnet). Die Beratung könnte dafür sorgen, dass bestimmte von oben vorgegebene Arbeitsweisen strenger eingehalten werden.

Unserer Ansicht nach werden Beschäftigte unter dem Strich mehr Handlungsspielraum gewinnen. Unser Optimismus beruht darauf, dass Unternehmen KI nutzen, um folgenreiche Ausnahmefälle zu erkennen, und zugleich mehr Entscheidungen den Beschäftigten überlassen.

Wir glauben, dass KI einen unterstützenden Rahmen schafft. Selbst wenn Führungskräfte ein einheitliches Markenbild bewahren wollen, ist das lediglich eine Vorgabe, innerhalb derer sich arbeiten lässt. Beschäftigte verstehen die geltenden geschäftlichen Vorgaben besser und sind besser abgesichert, wenn sie die verbleibenden Freiräume kreativ nutzen. Wenn die wesentlichen Risiken abgesichert sind, können Führungskräfte ihre Beschäftigten neue, potenziell lukrative Ansätze ausprobieren lassen. Mit unterstellten KI-Hilfskräften werden Beschäftigte auch für umfangreichere Arbeitsergebnisse verantwortlich sein. Wir sehen mehr Raum für Kreativität, wenn wir komplexere Arbeiten steuern.

Dieselben Überlegungen zur Autonomie der Beschäftigten gelten auch für die Unternehmensgröße. Ronald Coase⁠(wird in einem neuen Fenster geöffnet) fragte, warum wir Produktion innerhalb von Unternehmen organisieren und nicht über ein Netz von Verträgen. Selbst ein Flugzeug ließe sich ausschließlich über direkte Verträge zwischen einzelnen Beteiligten bauen. Das wäre allerdings sehr ineffizient. Unternehmen nutzen Skaleneffekte, stimmen Anreize aufeinander ab, organisieren Großprojekte und machen ständiges Aushandeln überflüssig.

Indem KI die Kommunikation erleichtert, könnte sie sowohl größere als auch kleinere Unternehmen sinnvoll machen. Das klassische Unternehmen ist eine Infrastruktur, die Informationen nach oben und Anweisungen nach unten weitergibt, voller Reibungsverluste und Stille-Post-Effekte. Ein größeres Unternehmen mit mehr menschlichen Beschäftigten ist weniger schwerfällig, wenn KI als Koordinationsebene dient. Mit der „KI-Unternehmensberatung“ kann eine Führungskraft ihr Unternehmen so gut kennen wie jemand, der ein Startup mit zwanzig Beschäftigten gegründet hat. Sie kann die Umsetzung eines Vorhabens verfolgen, statt auf den Quartalsbericht zu warten, und sich benachrichtigen lassen, wenn etwas passiert. Ihre Vision kann sich im Unternehmen breiter durchsetzen. Alle wissen besser, was die anderen tun und welche übergeordneten Prioritäten die Organisation verfolgt.

Die Entwicklung könnte auch in die andere Richtung gehen. Wenn Kommunikation reibungslos verläuft und sich die Einhaltung von Vorgaben besser überwachen lässt, muss ein Unternehmen weniger Teile seiner Lieferkette intern abdecken. Es kann externen Zuliefer- und Auftragsunternehmen stärker vertrauen.

Ein wesentlicher Grund für vertikale Integration ist, Anreize aufeinander abzustimmen. Dazu gibt es das Konzept der unvollständigen Verträge⁠(wird in einem neuen Fenster geöffnet): Ein Luft- und Raumfahrtunternehmen könnte einen Vertrag mit einem Triebwerksunternehmen schließen. Doch bei allem, was darin nicht ausdrücklich vorgeschrieben ist, hat das Triebwerksunternehmen einen Anreiz, Kosten zu drücken und den eigenen Gewinn zu maximieren. Um das zu vermeiden, kauft das Luft- und Raumfahrtunternehmen das Triebwerksunternehmen. Wie bei Beschäftigten und Vorgesetzten gilt: Wenn sich die Vertragserfüllung besser überwachen lässt und Streitigkeiten intelligent statt nach Checkliste entschieden werden, fällt es Unternehmen womöglich leichter, sich auf andere Unternehmen zu verlassen. Es gäbe weniger Gründe, alles intern zu erledigen.

Wir erwarten viele kleinere Unternehmen, aber auch weitverzweigte KI-„Holdinggesellschaften“, in denen eine riesige Zahl unterschiedlicher Projekte unter einem Dach läuft. Ein Mischkonzern ist wirtschaftlich sinnvoll, wenn all die verschiedenen Projekte auf eine gemeinsame Ressource zurückgreifen. Diese gemeinsame Ressource könnte Rechenleistung sein, obwohl sie sich bei Bedarf auch problemlos in kleinen Mengen bereitstellen lässt. Eine gemeinsame Fabrik oder Roboterflotte ist ein überzeugenderer Grund.

Auch aufeinander abgestimmte Anreize können für eine große „Holdinggesellschaft“ sprechen. Wenn eine große Organisation aus KI-Systemen und Kapital ganz einem gemeinsamen Ziel gewidmet ist, etwa Krebs zu heilen, braucht es weniger separate kleinere Initiativen. Ein KI-Unternehmen könnte Machtkämpfe vermeiden, alle Informationen teilen und bei Bedarf unter seinen Agenten kreative Vielfalt gezielt erzeugen, damit unterschiedliche Wege erkundet werden.

Das heutige System soll herausragende Beschäftigte belohnen. Sie steigen in der Hierarchie auf und werden besser bezahlt. Aber wie werden sich Beschäftigte in einer Welt mit hervorragend beratenden Modellen von anderen abheben?

Wenn KI allen dieselbe großartige Idee liefert, haben wir weniger Möglichkeiten, uns auszuzeichnen. Die Gehälter dürften näher zusammenrücken.

Dieser Angleichung wirken Urteilsvermögen, Geschmack und der Umfang der Verantwortung entgegen. Wenn wir alle KI-Unternehmen unter uns führen, liegt unser verbleibender menschlicher Mehrwert in unseren Entscheidungen. Wenn jede Person ein größeres Vorhaben verantwortet, fällt der Unterschied stärker ins Gewicht⁠(wird in einem neuen Fenster geöffnet), ob sie gut oder schlecht urteilt.

Diese Logik wenden wir schon lange auf die Spitze des Organigramms an. Wir rechtfertigen CEO-Gehälter⁠(wird in einem neuen Fenster geöffnet) damit, dass schon geringfügig bessere Entscheidungen an der Spitze enorme Auswirkungen auf den Gewinn haben können. Die Gehaltsungleichheit könnte zunehmen, wenn manche Beschäftigte die ihnen unterstellten KI-Unternehmen besser führen und dadurch knappe Ressourcen besser einsetzen.

Je mehr auf dem Spiel steht, desto stärker schlägt sich dein kleiner Vorsprung gegenüber anderen im Gehalt nieder. Andererseits wird KI allen guten Rat geben. Weniger Leistungsunterschiede bedeuten eine geringere Gehaltsspanne.

Hier wie anderswo hängt die vorherrschende Kraft vielleicht davon ab, ob wir überwiegend selbst urteilen oder dem Urteil der KI folgen.