Du führst jetzt. Auch wenn Du niemanden führst.

Ich habe an anderer Stelle geschrieben, dass mit KI jede und jeder zur Führungskraft wird. Das ist ein Satz, den man nickend liest und dann zuklappt. In ihm steckt allerdings Arbeit.

Erik Brynjolfsson, Professor in Stanford, forscht seit Jahrzehnten zur Zukunft der Arbeit. Im ZEITmagazin hat er es Ende Juni so formuliert: „In fünf, spätestens aber in zehn Jahren werden die meisten von uns Anführer einer kleinen Flotte von Agenten sein.” Dann zerlegt er die Arbeit in drei Phasen, Aufgabe stellen, ausführen, bewerten. Die Ausführung übernehmen die Agenten. Für die erste und die dritte Phase, sagt er, werden Menschen immer wichtiger (ZEITmagazin).

Das liest sich wie eine Rollenbeschreibung, und genau so meine ich den Satz auch. Ich sortiere dieselbe Bewegung in vier Schritte statt in drei, weil seine erste Phase zwei sehr verschiedene Dinge enthält. Wissen, was ich will, ist das eine. Es so beschreiben, dass ein anderer damit arbeiten kann, ist das zweite. Dann abgeben. Und am Ende beurteilen, was zurückkommt. Vier Schritte also, meine Sortierung, kein Forschungsergebnis.

Neu ist an diesen vier Schritten nichts. In Unternehmen tragen sie längst ihre eigenen Namen und laufen dort seit Jahrzehnten, nämlich Ziele setzen (im Zweifel nach SMART), Anforderungen aufnehmen (Requirements), delegieren und Qualität sichern. Und wer sich vor drei Jahren gefragt hat, was eigentlich einen guten Prompt ausmacht, hat dieselbe Frage schon einmal beantwortet. Die Bausteine, die damals überall kursierten, waren genau diese, nämlich welche Rolle die Maschine einnehmen soll, was der Kontext ist und was am Ende herauskommen soll. Es ist keine neue Disziplin. Es ist die alte, an einem neuen Gegenüber.

Der erste klingt banal. Ein Ziel ist etwas anderes als eine Aufgabe. „Mach mir eine Auswertung” ist eine Aufgabe. „Ich will wissen, ob sich das Angebot für uns noch rechnet” ist ein Ziel. Wer nur die Aufgabe stellt, bekommt seine Auswertung und weiß hinterher trotzdem nicht, ob sich das Angebot rechnet. Der Unterschied kostet dreißig Sekunden Nachdenken vor dem Tippen.

Beim zweiten wird es unangenehm konkret. OpenAI hat einen Test gebaut, der KI-Modelle an echten Arbeitsergebnissen aus 44 Berufen misst. In den Grenzen der eigenen Studie steht dazu ein bemerkenswerter Satz. Für den Test bekommt das Modell den vollständigen Zusammenhang der Aufgabe mitgeliefert, „aber im echten Leben kostet es oft Mühe, den vollen Kontext einer Aufgabe herauszufinden und zu verstehen, woran man arbeiten soll”, so die Studie in eigener Übersetzung (OpenAI, Limitations). Genau diese Mühe ist Deine Arbeit (Anforderungsmanagement). Gemeint ist die Fähigkeit, das, was Du im Kopf hast, so aufzuschreiben, dass ein anderer damit arbeiten kann, ohne Dich zu fragen. In Workshops sehe ich dieselben Werkzeuge und sehr verschiedene Ergebnisse, und der Unterschied liegt fast immer hier.

Der dritte Schritt wird am meisten unterschätzt. Abgeben heißt loslassen, und das fällt gerade denen schwer, die es gut können wollen. Nur hat das Abgeben an eine Maschine einen Haken. Bitte einen Menschen um etwas, und Du merkst an seinen Rückfragen, ob er Dich verstanden hat. Eine Maschine fragt nicht zurück, sie legt los. Forscher der Carnegie Mellon University haben Agenten in eine nachgebaute Softwarefirma gesetzt, mit echtem Chat und echtem Projektmanagement. Der beste löste rund 30 Prozent der Aufgaben eigenständig, und wenn er nicht weiterwusste, baute er sich mitunter Abkürzungen, die den schwierigen Teil ausließen. In einem Fall fand er die gesuchte Person im Chat nicht und benannte kurzerhand einen anderen Nutzer auf den gesuchten Namen um (TheAgentCompany, CMU). Wie oft das vorkam, haben die Forscher nicht gezählt. Stell Dir eine neue Kollegin vor, die den Ansprechpartner nicht findet und deshalb das Namensschild an einer fremden Tür austauscht. Sie wäre bis zum Mittagessen ein Fall für die Personalabteilung. Die Maschine tut dasselbe und meldet die Aufgabe als erledigt.

Damit sind wir beim vierten Schritt. METR, ein unabhängiges Auswertungsinstitut, hat im März 2026 nachgerechnet. Sie nahmen Programmier-Beiträge von KI-Agenten aus der Zeit von Mitte 2024 bis Ende 2025, die den gängigen Fachtest bestanden hatten, und legten sie echten Projektbetreuern vor. Ungefähr die Hälfte hätten die Betreuer nicht übernommen, die Testpunktzahl lag im Schnitt rund 24 Prozentpunkte über ihrer Entscheidung (METR). Der Test sagte bestanden, der Mensch mit der Verantwortung sagte nein.

Beurteilen fängt dabei eine Stufe früher an, als man denkt, nämlich bei der Frage, ob eine Aufgabe überhaupt ins Können der Maschine fällt. Ein Forscherteam um Fabrizio Dell’Acqua und Karim Lakhani hat 758 Beraterinnen und Berater der Boston Consulting Group mit und ohne KI arbeiten lassen, damals mit GPT-4 im Jahr 2023, wobei mehrere der Ko-Autoren selbst zur BCG gehörten. Innerhalb dessen, was das Modell gut konnte, waren die Teilnehmer mit KI rund 25 Prozent schneller. Bei einer Aufgabe knapp außerhalb dieser Grenze lieferten sie mit KI 19 Prozent seltener die richtige Lösung als ohne (Organization Science). Dieselben Menschen, dasselbe Werkzeug, entgegengesetzte Wirkung. Die Modelle sind seither stärker geworden und die Grenze liegt woanders, es gibt sie aber weiterhin, und eingezeichnet ist sie nirgends. Finden lässt sie sich nur an der eigenen Arbeit. Nimm Dir in den nächsten zwei Wochen eine Aufgabe vor, die Du selbst gut beherrschst, und gib sie trotzdem ab, obwohl Du schneller wärst. Weil Du die Sache kennst, siehst Du am Ergebnis sofort, was fehlt. Und dort, wo Du es nicht mehr sofort siehst, liegt Deine Grenze.

Hier beziehe ich Position. Wer das Ergebnis nicht beurteilen kann, hat nicht delegiert, sondern abgegeben. Wer abgibt, muss darauf vertrauen, dass gut ist, was zurückkommt. Es heißt so schön, Vertrauen ist gut, Kontrolle ist besser. Bei Menschen bin ich für das Vertrauen. Bei Maschinen bin ich für die Kontrolle, und dafür musst Du Dein Metier beherrschen. Lisanne Bainbridge hat das 1983 beschrieben, lange vor jeder KI. Wer eine Entscheidung abgibt, weil sein eigenes Urteil dafür nicht reicht, hat anschließend kein Kriterium mehr, um das Ergebnis anzunehmen oder abzulehnen (Automatica). Wer als Kind „1, 2 oder 3” gesehen hat, kennt das Gefühl. Man springt auf ein Feld, und ob ihr wirklich richtig steht, seht ihr, wenn das Licht angeht. Im Betrieb geht das Licht nicht an. Ein Ergebnis, das niemand beurteilen kann, bleibt einfach stehen, bis es irgendwann jemandem auffällt. Dieses Zuviel an Vertrauen hat einen Namen, Automatisierungs-Verzerrung (Automation Bias). Parasuraman und Manzey haben 2010 die Forschung dazu zusammengetragen, sie tritt auch bei Fachleuten auf und nicht nur bei Anfängern, und in den ausgewerteten Studien ließ sie sich weder durch Training noch durch Instruktionen verhindern (Human Factors). Woran man trotzdem arbeiten kann, zeigt ein Befund von Microsoft Research. Mehr Vertrauen in die KI ging dort mit weniger kritischem Mitdenken einher, mehr Vertrauen in sich selbst mit mehr (CHI 2025). Erhoben wurde die Selbsteinschätzung von 319 Wissensarbeitern, nicht ihre Leistung. Das Gegenmittel gegen blindes Vertrauen in die Maschine wäre demnach Zutrauen zu sich selbst, und das wächst mit Können.

Genau daran hakt es hierzulande. Das Institut für Arbeitsmarkt- und Berufsforschung hat rund 15.000 Betriebe befragt. Der Anteil, der generative KI einsetzt, stieg von 5 Prozent im Jahr 2023 auf knapp ein Viertel 2025. Von den Betrieben, die KI bereits nutzen, bieten 27 Prozent ihren Beschäftigten eine Weiterbildung dazu an, weitere 21 Prozent planen eine (IAB-Kurzbericht 8/2026). Ich finde, wer ein Werkzeug einführt, schuldet den Menschen die Fähigkeit, damit zu arbeiten. In vielen Betrieben ist dieser Teil bisher nicht eingeplant, und wer ihn den Beschäftigten als Eigenverantwortung überlässt, hat die Einführung nicht zu Ende gedacht. Die erste Frage dorthin ist klein. Wer arbeitet bei Euch heute schon täglich mit KI, und was hat diese Person dafür je gelernt?

Auf die Politik zu warten hilft dabei wenig. Über Artikel 4 der KI-Verordnung und die Pflicht zur KI-Kompetenz habe ich im Beitrag „Das eine bedingt das andere” geschrieben. Am 8. Juli 2026 hat die EU sie abgeschwächt. Geschuldet wird kein bestimmtes Kompetenzniveau mehr, sondern nur noch, dessen Entwicklung zu unterstützen, begründet mit dem Aufwand vor allem für kleinere Unternehmen. In der Begründung derselben Verordnung hält der Gesetzgeber fest, dass KI-Kompetenz unabhängig von gesetzlichen Verpflichtungen und möglichen Sanktionen eine strategische Priorität sein sollte (Verordnung (EU) 2026/1744). Ich halte den Schritt für falsch. Erspart wird der Aufwand vor allem den kleineren Betrieben, also genau denen, in denen sonst niemand die Zeit bekommt, sich diese Rolle beizubringen. Abgeschafft ist die Aufgabe nicht, die Pflicht bleibt, und seit dem 2. August 2026 beaufsichtigen die nationalen Marktüberwachungsbehörden sie auch. Der Gesetzgeber hat nur aufgehört, ein bestimmtes Ergebnis zu verlangen. Was reicht, entscheidest jetzt Du.

Warum ich trotzdem zuversichtlich bin, steht im ZEITmagazin selbst und wäre mir fast entgangen. Die drei Stimmen, die dort als Skeptiker geführt werden, geben auf einer Skala von eins bis zehn alle dieselbe Note, eine Fünf, und keiner von ihnen begründet sie mit Pessimismus. Björn Ommer, KI-Professor in München, beschreibt eine Welt der drei Geschwindigkeiten, in der die einen mit KI neue Werte schaffen, die zweiten Effizienz einkaufen und abhängig bleiben und die dritten den Übergang nicht finden. Dann sagt er den Satz, der für mich der wichtigste des ganzen Stücks ist: „[…] welchen Kurs ein Unternehmen, eine Institution oder ein Mensch einschlägt, bleibt eine Entscheidung, eine Haltung.” Die Fünf heißt also nicht mittelmäßig, sie heißt unentschieden. Das unterscheidet die Umfrage von einem durchgespielten Zukunfts-Szenario wie europe2031.ai. Solche Texte zeigen, wohin Zögern führt, aber was man am Montag tut, steht nicht darin.

Wenn Du wissen willst, wo Du stehst, brauchst Du dafür keinen Kurs und kein Werkzeug. Denk an die letzte Aufgabe, die Du an eine KI gegeben hast, und frag Dich, ob Du ihr ein Ziel genannt hast oder eine Aufgabe. Beobachte Dich bei der nächsten, an welcher Stelle Du aufgehört hast zu prüfen, und woher Du wusstest, dass Du dort aufhören durftest. Und dann probier es aus. Nimm eine Aufgabe, die Du diese Woche ohnehin abgibst, und schreib vorher in zwei Sätzen auf, woran Du ein gutes Ergebnis erkennen würdest. Wenn Dir dazu nichts einfällt, gib diese Art von Aufgabe noch nicht ab. Arbeitest Du im Team, ist das ein Gespräch für die nächste Besprechung, arbeitest Du allein, eins mit Dir selbst.

Führen heißt nicht, alles besser zu können als die, die es ausführen. Das konnte noch nie jemand. Es heißt, dass Du weißt, was Du willst, es sagen kannst, es abgeben kannst und am Ende erkennst, ob das Ergebnis taugt. Das ist lernbar, in jedem Alter und in jeder Rolle. Es ist der Schritt vom Kennen ins Können. Ich bin überzeugt, Du kannst schon mehr davon, als Du denkst.

Lieber digital integriert als digital isoliert.