Was passiert, wenn zehn Menschen mit KI den Output erzeugen können, für den früher hundert Menschen notwendig waren? Diese Frage betrifft nicht nur einzelne Aufgaben. Sie verändert Arbeitsmodelle, Recruiting, Führung und die Struktur ganzer Unternehmen.
Der entscheidende Punkt: Ein KI-Modell allein erzeugt noch keinen Produktivitätssprung. Wenn Menschen weiterhin genauso arbeiten, geführt werden und entscheiden wie zuvor, bleiben die großen Effekte aus.
Auch bei Apple Podcasts: https://podcasts.apple.com/de/podcast/093-der-zehnfache-hebel/id1761337825?i=1000791246570
Was bedeutet der zehnfache KI-Hebel?
Ein Gedankenexperiment macht die Dimension sichtbar: Zehn Menschen schaffen mit KI den Output, den früher hundert Menschen erzeugt haben. Daraus entstehen zwei sehr unterschiedliche Möglichkeiten.
Ein Unternehmen kann versuchen, dieselbe Arbeit mit weniger Menschen zu erledigen. Es kann den größeren Hebel aber auch nutzen, um mit seinem bestehenden Team erheblich mehr zu schaffen, neue Leistungen zu entwickeln oder Märkte zu erreichen, die zuvor außer Reichweite lagen.
Strategisch interessanter ist die zweite Möglichkeit. Die entscheidende Frage ist nicht nur, welche Arbeit wegfällt. Sie lautet: Was wird für ein Unternehmen plötzlich möglich, wenn Menschen und KI gemeinsam einen wesentlich höheren Output erzeugen?
Warum reicht es nicht, ein KI-Tool einzuführen?
KI kann Daten schneller beschaffen, Prozesse unterstützen und Informationen bereitstellen. Wenn danach dieselben Hierarchien, Reporting-Schleifen und Koordinationsmeetings bestehen bleiben, wird das Unternehmen dadurch jedoch nicht automatisch schneller.
„Aber wenn dann das Organisationsmodell nicht angepasst wird, gibt es keinen Effekt.“
— Frank Rechsteiner
Wenn ein Mitarbeiter mithilfe mehrerer KI-Assistenten sofort über die notwendigen Informationen verfügt, die Entscheidung aber erst eine Woche später auf einer anderen Hierarchiestufe fällt, bleibt die Entscheidung der Flaschenhals.
Der Produktivitätshebel entsteht deshalb erst, wenn Unternehmen auch ihre Führung und Organisation verändern: weniger koordinieren und kontrollieren, schneller entscheiden und Verantwortung näher an die eigentliche Arbeit verlagern.
Wie sieht das konkret in der Arbeit aus?
Ein konkretes Beispiel aus dem Finanzbereich zeigt, wie diese Arbeitsteilung aussehen kann. Für ein Unternehmen sollte ein mehrjähriges Finanzmodell geprüft werden. Zunächst kontrollierte die KI Kennzahlen und Berechnungen. Anschließend identifizierte sie mögliche buchhalterische Fehler und schlug Korrekturen vor. Die vorgeschlagenen Änderungen wurden danach fachlich geprüft.
Die KI verkürzte eine Arbeit, die manuell erheblich länger gedauert hätte. Entscheidend war aber nicht nur ihre Geschwindigkeit. Frank konnte die Ergebnisse aufgrund seiner eigenen Finance-Erfahrung verstehen, kontrollieren und eine Auswahl treffen.
„Mit Erfahrung und Know-how kann KI Dinge auf einmal machen, die hätten 10 Buchhalter nicht hinbekommen.“
— Frank Rechsteiner
Fachwissen verschwindet in diesem Modell nicht. Es bekommt eine andere Aufgabe: Der Mensch muss nicht mehr jeden Arbeitsschritt selbst ausführen, aber er muss Ergebnisse einordnen, Fehler erkennen und die Entscheidung verantworten können.
KI zu orchestrieren ist mehr als ein einzelner Prompt
KI-Orchestrierung ist keine einmalige Eingabe. Ein Problem wird wiederholt geprüft und aus unterschiedlichen Perspektiven betrachtet – beispielsweise aus Sicht eines CEOs, eines Start-ups oder eines Kunden.
„Ich challenge die KI so lange, bis ich das optimale Ergebnis erzeugt habe.“
— Frank Rechsteiner
Erfahrung, Fachwissen und menschliche Entscheidungskraft bleiben dabei Teil des Prozesses. Der größere Output entsteht nicht dadurch, dass der Mensch das erste Ergebnis ungeprüft übernimmt. Er entsteht durch die Fähigkeit, KI gezielt zu steuern, nachzufragen und ihre Vorschläge zu beurteilen.
Was verändert sich im Recruiting?
Wenn KI einen großen Teil bisheriger Tätigkeiten übernimmt, reicht ein klassisches Anforderungsprofil nicht mehr aus. Im Buchhaltungsbeispiel wird dann nicht einfach jemand gesucht, der Eingangs- und Ausgangsrechnungen manuell verarbeitet. Relevant wird eine erfahrene Person, die den fachlichen Prozess kennt und KI so einsetzen kann, dass ein deutlich größerer Output entsteht.
Daraus entsteht ein anderes Leistungsversprechen: Eine Person bewirbt sich nicht nur mit ihrer bisherigen Tätigkeit. Sie zeigt, welchen Beitrag sie in Kombination mit KI für das Unternehmen leisten kann.
Damit verändert sich auch die Aufgabe des Recruitings. Es geht weniger darum, möglichst viele bekannte Stellenprofile zu besetzen. Gesucht werden Menschen, die Erfahrung und Know-how mit der Fähigkeit verbinden, KI wirksam zu orchestrieren.
Warum ist der persönliche Schritt so schwierig?
Eine wesentliche Hürde ist menschlich. Wer im Bewerbungsgespräch erklärt, dass KI einen großen Teil der bisherigen Arbeit übernimmt, kann das zunächst als Faulheit oder als Eingeständnis eigener Austauschbarkeit empfinden.
Hinter dieser Zurückhaltung steht auch eine Frage des Selbstvertrauens: Traue ich mir zu, ein klares Leistungsversprechen abzugeben? Kenne ich meine Erfahrung, meine Fähigkeiten und den Wert, den ich gemeinsam mit KI schaffen kann?
Die neue Arbeitsweise verlangt deshalb nicht nur technische Kompetenz. Menschen müssen bereit sein, eine vertraute Rolle zu verlassen, ihre Wirkung neu zu beschreiben und Verantwortung für dieses Versprechen zu übernehmen.
KI-Produktivität verändert die Spielregeln
Der zehnfache Hebel ist kein fertiger Maßnahmenplan und keine Garantie für jedes Unternehmen. Er ist eine Aufforderung, größer über die Verbindung von Mensch und Maschine nachzudenken.
Wer KI lediglich in bestehende Abläufe einsetzt, beschleunigt einzelne Arbeitsschritte. Wer gleichzeitig Führung, Entscheidungswege, Rollen und Recruiting verändert, kann daraus ein anderes Arbeitsmodell entwickeln.
Die zentrale Frage lautet deshalb nicht nur: Welche Aufgaben kann KI schneller erledigen?
Sie lautet: Welche Möglichkeiten entstehen, wenn Menschen mit Erfahrung und Verantwortung diesen Hebel wirklich nutzen können?
Weiterdenken: