KI liefert Antworten. Wie Unternehmen daraus tragfähige Entscheidungen entwickeln.

Was zwischen Antwort und Entscheidung fehlt

Die Besprechung beginnt mit einer bemerkenswert gut formulierten Vorlage. Die Ausgangslage ist zusammengefasst, drei Optionen stehen nebeneinander, die Empfehlung klingt vernünftig. Erst bei einer Rückfrage wird sichtbar, was fehlt: Niemand hat festgelegt, welche Entscheidung die Vorlage überhaupt vorbereiten soll. Ein System hat einen Text geliefert. Die Organisation hat daraus bereits einen vermeintlichen Handlungsauftrag gemacht.

Diese Szene ist ein Gedankenbeispiel, kein dokumentierter Kundenfall. Ihr Problem ist gleichwohl präzise beschreibbar. Ein sprachlich vollständiger Vorschlag kann organisatorisch unvollständig sein. Er benennt möglicherweise Maßnahmen, ohne Zuständigkeiten zu klären; er gewichtet Vorteile, ohne den Zeithorizont offenzulegen; er ordnet Zahlen, deren Herkunft und Vergleichbarkeit ungeprüft bleiben.

Die Frage nach der Qualität einer KI-Antwort führt deshalb über das Modell hinaus. Wer entscheidet, muss erklären können, worauf sich eine Empfehlung bezieht, unter welchen Annahmen sie trägt und welche Folgen eine Fehlentscheidung hätte. Verstehen zeigt sich hier als Fähigkeit, eine Aussage in einen bestimmten Handlungskontext einzuordnen. Es lässt sich weder an der Textlänge noch am selbstbewussten Tonfall ablesen.

Was die Forschung tatsächlich zeigt

Die Forschung rechtfertigt weder pauschale Begeisterung noch pauschales Misstrauen. Lee und Kollegen untersuchten für die CHI 2025 die Selbstauskünfte von 319 Wissensarbeitenden anhand von 936 berichteten Anwendungsbeispielen. Höheres Vertrauen in generative KI hing mit geringerem selbstberichteten kritischen Denkaufwand zusammen; höheres aufgabenbezogenes Selbstvertrauen mit stärkerer kritischer Auseinandersetzung. Die Studie beschreibt Wahrnehmungen und Zusammenhänge. Sie beweist keinen allgemeinen Verlust menschlicher Denkfähigkeit. Für die Praxis lenkt sie den Blick auf die Bedingungen, unter denen Menschen Ergebnisse überhaupt prüfen. [1]

Eine andere Perspektive eröffnet das im Juni 2026 in Organization Science veröffentlichte Feldexperiment von Dell’Acqua und Kollegen mit 791 Fachkräften bei Procter & Gamble. In Aufgaben der Produktinnovation erreichten Einzelpersonen mit KI eine Ergebnisqualität, die mit jener von Zweierteams ohne KI vergleichbar war. Die KI half zudem, technische und kommerzielle Sichtweisen zusammenzuführen. Die Analyse der Arbeitsphasen ist besonders aufschlussreich: Der Nutzen lag vor allem in besseren erzeugten Ideen; menschliches Urteil blieb bei der Auswahl wertvoll. Ein Ergebnis aus diesem Unternehmens- und Aufgabenkontext ist keine allgemeine Erlaubnis, Teams oder fachliche Prüfung zu ersetzen. [2]

Zusammen gelesen legen diese Befunde eine organisatorische Frage nahe: Was geschieht, wenn die Produktion plausibler Möglichkeiten schneller wächst als die Fähigkeit, zwischen ihnen begründet zu wählen? Diese Folgerung ist unsere Interpretation, kein zusätzlicher Befund der beiden Studien. Sie verschiebt den Gegenstand der Weiterbildung: Neben der Bedienung von Systemen muss die Gestaltung der gemeinsamen Urteilsbildung stehen.

Die entscheidende Übergabe

Viele Arbeitsabläufe behandeln die Übergabe von einem KI-Ergebnis an einen Menschen wie einen selbstverständlichen letzten Schritt. „Bitte prüfen“ soll genügen. Doch Prüfung ist eine anspruchsvolle Aufgabe mit eigenen Voraussetzungen. Sie benötigt Kriterien, Zeit, Zugang zu geeigneten Belegen und das Recht, eine Vorlage zurückzuweisen.

Fehlt eine dieser Voraussetzungen, kann menschliche Freigabe zur bloßen Unterschrift werden. Die Zuständigkeit ist auf dem Papier geklärt, die tatsächliche Möglichkeit zur Einflussnahme bleibt gering. Verantwortung und Handlungsmacht fallen auseinander. Das ist kein Problem, das sich durch eine zusätzliche Aufforderung zu mehr Aufmerksamkeit zuverlässig beheben ließe.

Das NIST-Profil für generative KI behandelt unter anderem Konfabulation, übermäßiges Vertrauen und die Konfiguration der Zusammenarbeit zwischen Mensch und KI. Es ordnet Risikobearbeitung in den Lebenszyklus und den jeweiligen Anwendungskontext ein. Der Rahmen liefert damit einen Bezugspunkt für organisatorische Gestaltung; er ist weder ein Wirkungsnachweis für ein bestimmtes Training noch ein Zertifikat für eine einzelne Entscheidung. [3]

Für ein Team beginnt eine brauchbare Übergabe mit vier Festlegungen: Welche Entscheidung steht an? Welche Aussagen müssen unabhängig überprüft werden? Wer darf aufgrund welcher Zuständigkeit entscheiden? Welcher neue Befund würde eine erneute Befassung auslösen? Diese Fragen machen die Verbindung zwischen einem Vorschlag und seinem Gebrauch sichtbar.

Ein Beispiel aus dem Arbeitsalltag

Angenommen, ein Unternehmen will die Bearbeitungszeit im Kundenservice reduzieren. Eine KI empfiehlt, Anfragen stärker zu bündeln und Antwortvorlagen auszuweiten. Die Empfehlung ist zunächst eine mögliche Lösung. Ob sie passt, hängt von der Aufgabe ab: Geht es um kürzere Wartezeit, geringere Kosten oder eine verlässlichere Klärung schwieriger Anliegen? Diese Ziele können zusammenfallen, müssen es aber nicht.

Der nächste Schritt besteht deshalb nicht sofort in einer umfangreicheren Vorlage. Das Team präzisiert, welche Anfragen im betrachteten Prozess vorkommen, welche Fälle wiederholte Rückfragen verursachen und welche Anforderungen eine abschließende Bearbeitung erfüllen muss. Erst dann lassen sich Automatisierung, zusätzliche Qualifizierung oder eine andere Aufgabenverteilung sinnvoll vergleichen.

Eine knappe Entscheidungsvorlage könnte beispielsweise festhalten: Für häufige Standardanfragen wird eine begrenzte Erprobung vorgeschlagen. Komplexe Fälle bleiben in einer gesonderten Bearbeitung. Neben der ersten Antwortzeit werden Rückfragen und wiedereröffnete Anliegen betrachtet. Eine benannte Person wertet die Ergebnisse aus; vorab vereinbarte Auffälligkeiten führen zur Überprüfung des Vorgehens.

Auch das ist ein konstruiertes Beispiel. Es behauptet weder eine bestimmte Zeitersparnis noch eine gemessene Kundenzufriedenheit. Sein Zweck ist, eine veränderte Arbeitslogik zu zeigen: Die KI liefert einen Ansatz. Die Organisation übersetzt ihn in eine überprüfbare, begrenzte und verantwortete Handlung.

Methoden und Strukturen gemeinsam entwickeln

Methodenkompetenz bedeutet in diesem Zusammenhang, eine Aufgabe so zu bearbeiten, dass das Vorgehen begründbar wird. Dazu gehören eine präzise Fragestellung, geeignete Vergleichsmaßstäbe, nachvollziehbare Annahmen und eine Gegenprüfung. Wer eine Methode beherrscht, kann auch erläutern, wann sie ungeeignet ist. Ein ausgefülltes Template allein erbringt diesen Nachweis noch nicht.

Strukturkompetenz richtet sich auf die Bedingungen dieses Vorgehens: Wie sind Rollen, Informationen, Entscheidungen und Rückmeldungen miteinander verbunden? Ein Team kann die richtige Prüfmethode kennen und dennoch scheitern, wenn relevante Daten unerreichbar sind oder niemand einen problematischen Vorschlag anhalten darf. Umgekehrt erzeugt ein sauber gezeichnetes Organigramm noch keine Fähigkeit, einen Sachverhalt zu beurteilen.

Damit berührt die Frage eine Leitlinie in Uwe Seebachers Arbeiten: Wissen erhält seinen beruflichen Wert durch die Art seiner Einordnung und Verwendung. Die Illusion der Expertise setzt bereits im Untertitel die Menge verfügbaren Wissens zur Qualität von Entscheidungen in Beziehung. Der vorliegende Essay entwickelt diesen Gedanken für die Übergabe zwischen KI-Ergebnis und organisatorischem Handeln weiter. Er schreibt dem Buch keine hier nicht überprüften Einzelbefunde zu. [4]

Für die betriebliche Weiterbildung ergibt sich daraus eine konkrete Übungsform. Teilnehmende bearbeiten nicht nur einen gut vorbereiteten Musterfall. Sie erhalten anschließend einen zweiten Fall, in dem eine wichtige Annahme nicht mehr gilt. Sie müssen ihr Vorgehen verändern und die Änderung begründen. Erst dieser Wechsel zeigt, ob eine Methode verstanden oder lediglich reproduziert wurde.

Warum mehr Kontrolle allein nicht genügt

Gegen eine solche Ausrichtung lässt sich ein berechtigter Einwand erheben: Wenn jede KI-Ausgabe eine mehrstufige Prüfung auslöst, kann der Aufwand den Nutzen aufzehren. Wer einen unverbindlichen Entwurf für eine interne Einladung erstellt, braucht kein Verfahren wie bei einer langfristigen Investitionsentscheidung. Eine unterschiedslose Kontrollpflicht würde die Arbeit erschweren und ihre eigene Umgehung begünstigen.

Deshalb gehört die angemessene Prüftiefe selbst zur Methodenkompetenz. Entscheidend sind mögliche Folgen, Rücknehmbarkeit und die Unsicherheit der relevanten Aussagen. Bei einer leicht korrigierbaren internen Formulierung kann eine kurze Sichtprüfung genügen. Bei einer Entscheidung, die erhebliche Ressourcen bindet oder Menschen wesentlich betrifft, müssen Belege und Zuständigkeiten entsprechend belastbarer sein. Fachliche und gegebenenfalls rechtliche Anforderungen bleiben dabei maßgeblich.

Das Ziel ist ein bewusster Umgang mit Prüfaufwand. Eine Organisation sollte erläutern können, weshalb sie an einer Stelle zusätzliche Sorgfalt verlangt und an einer anderen Vereinfachung erlaubt. Gerade diese Begründung schützt vor zwei gleichermaßen bequemen Routinen: alles ungeprüft zu übernehmen oder jede Nutzung durch zusätzliche Freigaben zu blockieren.

Eine prüfbare These für 2027

Für den Zeitraum bis zum Spätsommer 2027 formulieren wir folgende Arbeitshypothese: In wissensintensiven Teams wird die Qualität der Übergabe zwischen erzeugtem Vorschlag und verantworteter Entscheidung stärker über den praktischen Nutzen generativer KI entscheiden als die bloße Zahl ihrer Nutzenden. Das ist ein Ausblick mit einem Horizont von rund zehn Monaten, keine bereits bestätigte Prognose.

Prüfen ließe sich diese Hypothese durch einen Vergleich ähnlicher Arbeitsaufgaben. Eine Gruppe erhält ein Tooltraining; eine andere entwickelt zusätzlich gemeinsame Entscheidungskriterien, Prüfroutinen und Zuständigkeiten. Zu betrachten wären die Qualität der Begründungen, notwendige Nacharbeit, erkannte Fehlannahmen und der Umgang mit einem neuen Fall. Eine reine Zufriedenheitsabfrage würde für diese Frage nicht ausreichen.

Für Führungskräfte beginnt der nächste Schritt bereits vor einer solchen Untersuchung. Wählen Sie eine wiederkehrende Entscheidung aus Ihrem Bereich. Lassen Sie sich an einem konkreten Vorgang zeigen, wie eine KI-Aussage zu einem Arbeitsauftrag wird. Dort, wo Belege, Kriterien oder Verantwortung unklar bleiben, liegt ein Ansatzpunkt für die gemeinsame Entwicklung von Methoden- und Strukturkompetenz.