Ich saß mit Kolleginnen und Kollegen in einem Meeting zum Thema KI, alle an ihren Rechnern. Während ich noch überlegte, wie ich den nächsten Schritt mache, hatte eine Kollegin das Problem schon gelöst. Sie schrieb nicht einfach einen Prompt. Sie hatte den MCP-Server verbunden, Skills aktiviert und Vorarbeiten erledigt, die ich auf die Schnelle nicht mal verstanden habe. Ich war beeindruckt. Und gleichzeitig machte sich ein ungutes Gefühl breit: Komme ich hier eigentlich noch mit?
Das ist bemerkenswert, denn ich gehöre zu den Menschen mit technischem Verständnis, die sich mit dem Thema beschäftigen wollen. Ich nutze KI, weil sie mich fasziniert, weil ich sie für meine Arbeit brauche und weil ich überzeugt bin, dass man ein Werkzeug erst beurteilen sollte, wenn man es selbst in der Hand gehalten hat.
Hier bekommst du einen durch NotebookLM generierten KI-Podcast Dialog zu diesem Artikel.
Ich baue, ich teste, ich lese mich ein. Und trotzdem hatte ich diesen Moment und den Gedanken, dass Leute an mir vorbei ziehen und ich vielleicht auf der Strecke bleibe. Dann habe ich mich gefragt: Wenn das schon mir mit Lust am Thema, Zugang und der Möglichkeit, mir Zeit dafür frei zu räumen so geht, wie geht es dann anderen? Denen, die nicht wollen, nicht können oder schlicht keine Minute übrig haben?
Darum geht es hier. Was KI für Führung bedeutet, dazu habe ich an anderer Stelle schon einiges formuliert. Aber das ist nur die eine Seite der Medaille. Die andere fehlt, die Fürsorgepflicht. Der Teil von Führung, der nicht fragt, wie wir noch mehr Effizienz aus KI herausholen, sondern wer dabei hinten runterfällt und was wir diesen Menschen schulden.
Ich höre schon den reflexhaften Einwand, KI sei doch nur ein neutrales Werkzeug. Es komme darauf an, was man daraus macht. So einfach ist es bei KI aber nicht. Ein Werkzeug, das die Geschwindigkeit von Arbeit vervielfacht und sich dabei selbst schneller weiterentwickelt, als Menschen folgen können, ist kein neutrales Tool. Es entwickelt einen Sog, der an Menschen zieht, ob sie wollen oder nicht. Die Frage, ob KI etwas mit uns macht, stellt sich nicht. Sie macht etwas. Die Frage ist, ob Führung diesen Sog bremst oder einfach laufen lässt.
Die gewonnene Zeit kommt nie bei dir an
Fangen wir mit dem Versprechen an, das in fast jedem technologischen Fortschritt steckt: KI spart Zeit. Und das stimmt sogar messbar, auch wenn die Schätzungen weit auseinandergehen. Die London School of Economics kommt in einer Erhebung mit knapp 3.000 Beschäftigten auf rund 7,5 Stunden pro Woche, fast einen ganzen Arbeitstag. Das ist die optimistische Lesart, basierend auf Selbstauskünften. Vorsichtigere, randomisierte Studien liegen deutlich darunter: Die Federal Reserve Bank of St. Louis misst im Schnitt etwa 5 Prozent der Arbeitszeit, gut zwei Stunden, ein großes Microsoft-Experiment fand bei den meisten Aufgaben noch kleinere Effekte. Wie viel genau, darüber lässt sich streiten, dass KI Zeit spart, das wird niemand abstreiten. Klingt nach Entlastung. Nach Luft. Nach dem alten Keynes-Traum von der kürzeren Arbeitswoche.
Ein Detail ist wichtig: Diese Zahlen messen den Einzelnen, der KI für seine eigenen Aufgaben nutzt. Die, die schneller schreibt, schneller recherchiert, schneller eine Präsentation baut. Es ist die Optimierung der eigenen Arbeit, noch nicht der Umbau der Zusammenarbeit. Dazu später mehr. Erstmal die naheliegende Frage: Was passiert mit den gewonnenen Stunden?
Sie verschwinden. Das National Bureau of Economic Research hat unter dem trockenen Titel “AI and the Extended Workday” Zeittagebücher über fast zwei Jahrzehnte ausgewertet. Ergebnis: Jobs mit hoher KI-Nähe führen im Schnitt zu einer um 3,5 Stunden längeren Arbeitswoche. Man arbeitet also nicht kürzer. Der Arbeitstag dehnt sich um fast zehn Prozent aus, auf Kosten von Sport, Schlaf, Zeit mit Menschen. Das bittere dabei ist, dass das gerade deshalb passiert, weil KI dich ergänzt statt zu ersetzen. Sie macht dich wertvoller pro Stunde, und genau das lädt dazu ein, sich mehr Stunden Arbeit ans Bein zu binden.
Warum kommt die Zeit also nicht bei dir an? Weil gesparte Zeit kein Guthaben ist, das dir gehört. Sie ist ein Vakuum, das vom System sofort gefüllt wird. Ein Beispiel: Jemand liefert ohne KI eine Präsentation in zwei Wochen, mit KI plötzlich drei. Die Chefin ist beeindruckt. Beim nächsten Mal sind es fünf. “Mit KI geht das doch.” Irgendwann werden acht zum Normalzustand. Und am Ende sitzt derselbe Mensch in Zwölf-Stunden-Tagen, um ein Tempo zu halten, das die KI erst möglich gemacht hat und die Erwartung an alle anderen steigt entsprechend.
Das ist der Sog aus dem ersten Absatz, ganz konkret. Wer meinen Text über Arbeitsverdichtung kennt, erkennt das Muster. Niemand beschließt, dass mehr gehen muss. Es passiert einfach, weil kein Gegengewicht da ist.
Und dann kommen die Agenten
Bisher ging es um dich. Deine eigene Effizienz, deine eigene Nutzung von KI-Tools. Aber KI bleibt längst kein privates Optimierungswerkzeug. Sie zieht in die Zusammenarbeit ein, als Assistent, als Agent, als ganzes System aus Agenten, die Aufgaben übernehmen, sich untereinander abstimmen und Arbeit erledigen, die vorher Menschen gemacht haben. Das verschiebt nicht nur das Tempo, sondern auch, wer was mit wem tut, und wofür man überhaupt noch gebraucht wird.
Auch dazu gibt es Forschung, noch vorsichtig zu lesen, aber aufschlussreich. Ein Feldexperiment hat untersucht, was passiert, wenn Menschen mit KI-Agenten zusammenarbeiten statt mit anderen Menschen. Die Produktivität pro Person stieg um die Hälfte. Beeindruckend, aber nur eine einzelne Studie. Interessanter sind ohnehin die Schattenseiten. Die Ergebnisse wurden einander ähnlicher, die Forschenden nennen es “diversity collapse”, die Vielfalt der Lösungen nahm ab. Die zwischenmenschliche Kommunikation sank deutlich, gesprochen wurde fast nur noch über Aufgaben der Arbeit. Und die Menschen machten über sechzig Prozent weniger eigene Korrekturen. Sie delegierten mehr und mehr, statt selbst Hand anzulegen. Schneller, einsamer, uniformer, mit weniger eigenem Zugriff aufs Ergebnis. Ist das noch ein Werkzeug, das einfach nur hilft? Oder eine neue Art zu arbeiten, die festlegt, welche Rolle dir überhaupt noch bleibt?
Es ist offen, ob sich diese Effekte überall so zeigen werden. Bisher ist es nur ein einzelnes Experiment. Dass die Umstellung auf Agenten Menschen unter Druck setzt, zeigt aber auch eine große Befragung von EY unter rund 1.100 Beschäftigten. Mehr als die Hälfte sorgt sich um die eigene Jobsicherheit neben den Agenten, fast sechs von zehn fühlen sich vom ständigen Wachstum neuer KI-Werkzeuge überfordert. Dabei ist die Sorge ungleich verteilt. Wer weiter unten in der Hierarchie steht, fühlt sich rund doppelt so oft im Unklaren über die KI-Strategie des eigenen Hauses. 65 Prozent ohne Führungsrolle bangen um ihren Platz, spürbar mehr als auf der Führungsebene.
Hier entsteht der soziale Druck. In einem Team, das auf agentische KI umstellt, gibt es plötzlich zwei Sorten Menschen. Die einen stürzen sich auf die neuen Möglichkeiten, bauen Workflows, orchestrieren ihre kleinen Agentenflotten und blühen auf. Die anderen tun sich schwer, aus Zeitmangel, aus fehlendem Vorwissen oder schlicht, weil es ihnen nicht liegt. Und während die einen davonziehen, geraten die anderen ins Hintertreffen, weil sich die Zusammenarbeit um die Schnellen herum neu organisiert. Wer nicht mithält, wird nicht mit einem Paukenschlag ausgeschlossen. Die Menschen werden beiläufig umgangen, ihre Aufgaben fließen woanders hin. Die Meetings werden ohne sie effizienter. Und irgendwann sitzen Kolleginnen und Kollegen am Tisch, die spüren, dass sie nicht mehr gebraucht werden, ohne dass es jemand je hätte aussprechen müssen.
Das ist bezogen auf einzelne Organisationen. Größer gedacht wird daraus ein gesamtgesellschaftliches Muster. Die einen finden ihren Platz in der Kooperation mit der KI, nutzen sie, ohne ihr Urteilsvermögen abzugeben, und profitieren vom Fortschritt. Die anderen haben diesen Zugang nicht und werden weiter abgehängt. Die Schere geht auf, und sie geht nicht zufällig auf. Eine Erhebung der Adaptavist Group unter 4.000 Wissensarbeitenden in den USA, Kanada, Großbritannien und Deutschland zeigt: Wer ohnehin gut verdient, bekommt die neuen Tools fast automatisch hingestellt. Faast vier von fünf bestätigen das. Bei den Geringverdienern ist es nicht mal jeder Zweite. Dazu kommt das Training als der eigentliche Hebel. Wer es bekommt, spart mehr Zeit und kommt schneller voran. Wer leer ausgeht, hängt nicht hinterher, weil er es nicht draufhätte, sondern weil ihm schlicht keiner das Werkzeug in die Hand drückt und die Zeit zum Üben gibt. Der Vorsprung wächst da, wo er sowieso schon war.
Sehr deutlichsten zeigt sich das auch beim Geschlecht. Frauen bekommen über alle Hierarchiestufen hinweg weniger KI-Training als Männer in derselben Rolle, auf Director-Ebene 58 gegen 73 Prozent, bei Praktikanten 23 gegen 47. Das ist besonders problematisch, weil KI gerade die administrative Arbeit automatisiert, die überdurchschnittlich oft von Frauen erledigt wird. Wer hier kein Training bekommt, verliert nicht nur den Anschluss, sondern womöglich den Job.
Wir haben hier also großen sozialen Sprengstoff. Und die Verantwortung dafür lässt sich nicht an die KI auslagern. Den Sog erzeugt die Technik, ihn zu bremsen ist Aufgabe der Führung.
Je schneller wir werden, desto weniger prüfen wir
Mehr Arbeit in gleicher Zeit heißt, weniger Zeit pro Aufgabe. Und das Erste, was unter Zeitdruck wegfällt, ist nicht die das produzieren von Ergebnissen, sondern deren Überprüfung. Das kritische Hinschauen. Also genau das, was Qualität überhaupt erst sichert. Wer mal ein klassisches IT-Projekt gemacht hat, kennt den Effekt. Wird die Zeit zum Release-Termin knapp, kürzt man als Erstes die großzügig geplante Testphase und sorgt damit für schlechtere Qualität.
Hier schließt sich ein Kreis, der mich schön länger beschäftigt. KI erzeugt das Tempo, das dazu führt, dass wir ihre Ergebnisse immer weniger prüfen. Wir produzieren schneller, als wir kontrollieren können. Und weil die Resultate auf den ersten Blick gut aussehen, flüssig, kompetent, überzeugend formuliert, fällt das Nicht-Prüfen lange nicht auf. Bis es dann eben doch auffällt.
Forschende der Stanford Social Media Lab und von BetterUp haben dafür den Begriff “Workslop” geprägt. Das ist Arbeit, die aussieht wie gute Arbeit, die aber keine Substanz hat. In ihrer Befragung von rund 1.150 Beschäftigten hatten 40 Prozent im letzten Monat solche Ergebnisse bekommen. Das Problem ist: was an einer Stelle Zeit spart, wird an anderer zur Last, nämlich bei den Empfängern, die entschlüsseln, korrigieren und neu machen dürfen. Die Zeitersparnis wird von Nacharbeit aufgefressen, sie landet nur bei jemand anderem. Und die Forschenden sagen deutlich, dass es zu kurz greift, faule Einzelne verantwortlich zu machen. Oft erzeugt das Management den Workslop mit, allein durch den Druck, mehr mit KI zu liefern, ohne Schulung und ohne Leitplanken.
Niklas Luhmann hat das Prinzip dahinter schon vor der KI beschrieben. Vertrauen funktioniert nur, wenn dahinter ein eingebautes Misstrauen steht. Wir vertrauen einer Brücke ja nicht, weil sie schön aussieht, sondern weil jemand die Statik geprüft hat. Genau dieses prüfende Hinschauen ist das, wofür im hohen Tempo keine Zeit mehr bleibt. Das Vertrauen in die schöne Oberfläche nehmen wir mit. Das Misstrauen lassen wir weg, weil es zu lange dauert und die KI schon liefern wird. So sägt die Beschleunigung den Ast ab, auf dem die Qualität sitzt.
Bisher klingt das alles nicht nur nach einem gesellschaftlichen Problem mit sozialem Sprengstoff, es wird aber noch problematischer. Denn am Ende trifft es ausgerechnet die, von denen man es am wenigsten erwarten würde.
Warum das die Falschen am härtesten trifft
Man würde annehmen, dass KI vor allem den Profis nützt. Tatsächlich ist es erst mal umgekehrt. Brynjolfsson, Li und Raymond haben über 5.000 Kundenservice-Kräfte begleitet, die einen KI-Assistenten bekamen, der ihnen während des Gesprächs in Echtzeit Antworten vorschlug. Im Ergebnis lösten die unerfahrenen, eher schwächeren Mitarbeitenden rund 34 Prozent mehr Fälle pro Stunde. Bei den erfahrenen Leistungsträgern änderte sich kaum etwas. Klingt kontraintuitiv, ist es aber nicht. Die KI hatte gelernt, wie die Besten arbeiten, und gab dieses Wissen an alle weiter. Für die Besten ist sie also kaum eine Hilfe. Für die Schwächeren sehr wohl.
Das klingt erst mal nach einem gerechten Schritt mit hohem Mehrwert für das Unternehmen, weil ja die Schwächeren von den Stärkeren profitieren. Es steckt aber eine Falle darin. Denn KI macht die Arbeit leichter, die Verantwortung aber nicht kleiner. Plötzlich liefert auch die unerfahrene Kraft ein Ergebnis, das aussieht wie das eines Profis. Geradestehen für die Richtigkeit muss trotzdem der Mensch, und bei Unerfahrenen sind das Menschen, die mögliche Fehler gar nicht mehr erkennen. Wer vorher einfachere Aufgaben hatte, für die er gut haften konnte, unterschreibt jetzt für ein Ergebnis, das er nicht mehr durchschaut. Die Produktivität steigt sichtbar. Das Risiko steigt unsichtbar mit.
Dazu kommt, was die Arbeitspsychologie seit Jahrzehnten weiß. Robert Karasek hat 1979 gezeigt, dass hohe Anforderung allein nicht krank macht. Krank macht hohe Anforderung bei geringer Kontrolle. Auf KI übertragen bedeutet das, dass die Menschen wachsen, die das Tempo mitbestimmen. Wer es nur aufgedrückt bekommt und irgendwie Schritt zu halten versucht, zerbricht eher daran. Und Kontrolle des Ganzen ist genau das, was die Beschleunigung als Erstes nimmt. So entsteht ein Teufelskreis, der ausgerechnet die erwischt, die anfangs am meisten profitiert haben. Diese Menschen laufen ohnehin am Limit und haben keine Reserve, um KI-Ergebnisse zu prüfen. Das Gefühl, nicht mehr mitzukommen, erhöht den Druck. Der Druck frisst die Zeit, die zum Aufholen nötig wäre. Also wird die KI schnell und oberflächlich genutzt, ohne genauer hinzuschauen. Die Ergebnisse werden schlechter, das merken die Betroffenen selbst, sie werden unsicher und fragen sich, wie lange sie auf einem Arbeitsmarkt noch bestehen, der ihnen den Boden unter den Füßen wegzieht.
Das ist das Nachvollziehbare und das Ungerechte zugleich. Nicht die Profis geraten unter die Räder, sie haben Erfahrung, Routine, ein Urteil, auf das sie sich verlassen können. Es trifft die, denen KI am meisten zu helfen scheint. Sie steigen am schnellsten auf und stürzen am schnellsten ab, weil ihnen genau das fehlt, was Arbeit mit KI verlangt, die Sicherheit und Substanz, ein Ergebnis beurteilen und bewerten zu können. Wer schon viel kann, den macht KI ein bisschen schneller. Wer wenig Sicherheit hat, den macht sie schneller angreifbar.
Genau das ist es, was wir diesen Menschen schulden. Nicht den Aufstieg, den die KI verspricht, sondern den Schutz vor dem Absturz, den sie gleich mitliefert. Beschleunigung, Spaltung im Team und sinkende Qualität sind drei Probleme, die mit KI entstehen. Lösen lassen sie sich nur dort, wo sie herkommen, in den Strukturen und Rahmenbedingungen.
Niemand ist schuld. Und es geschieht trotzdem.
Die Versuchung ist groß, Schuldige zu suchen. Die gierigen Unternehmen. Die ahnungslose Führung. Die bequemen Mitarbeitenden. Das führt in die Irre. Organisationen folgen einer eigenen Logik, nicht der Summe der guten Absichten in ihnen. Wenn Effizienz der dominierende Wert ist, erzeugt jeder Effizienzgewinn neue Effizienzerwartungen. Das System reproduziert und verstärkt sich selbst.
Dazu kommt, dass ein System nur belohnen kann, was es sieht. Und es sieht nicht alles gleich gut. Mehr Output ist sofort sicht- und messbar. Was er kostet, dass niemand mehr Pause macht, dass die Sorgfalt leidet, dass die Qualität sinkt, bleibt unsichtbar. Diese Kosten zeigen sich erst Monate später, wenn niemand sie mehr mit dem Tempo von heute in Verbindung bringt. Belohnt wird also, was schnell sichtbar ist. Übersehen wird, was langsam, aber sicher teurer wird.
Auch Führungskräfte mit den besten Absichten befeuern schnell diese Logiken. Wer durch KI schneller wird und das sichtbar lebt, verschiebt die Norm fürs ganze Team. Das eigene Tempo wird zur stillen Erwartung für die anderen. Gegen eine klare Ansage ließe sich argumentieren. Gegen eine entstandene Atmosphäre nicht.
Damit verschiebt sich die entscheidende Frage. Sie lautet nicht, ob KI Zeit spart. Sondern was mit dieser Zeit geschieht, und vor allem, wer das entscheidet. Denn wenn niemand entscheidet, entscheidet der Sog, den die KI erzeugt. Deshalb helfen Appelle nicht. “Achtet auf euch”, “nehmt euch die Zeit”, das sind gut gemeinte Sätze, die gegen eine Systemlogik bestenfalls anreden, sie aber sicher nicht ändern. Was auch hier wirkt ist Struktur gegen Struktur, statt Haltung gegen Struktur.
Was Führung jetzt konkret tun kann
“Rahmen gestalten” ist natürlich der erste Satz, der in den Sinn kommt. So zutreffend er ist, so leicht kann man sich dahinter verstecken und dann klingt das auch wieder nur nach Haltung, die nichts kostet. Deshalb hier etwas konkreter.
Es treffen zwei Aufgaben aufeinander, die man nicht verwechseln sollte. Die eine ist, sich um Befähigung zu kümmern. Menschen also so weit zu bringen, dass sie KI fundiert nutzen und ihre Ergebnisse beurteilen können – von Rahmengestaltung bis Weiterbildung. Die andere wird in meinem Erleben bisher vernachlässigt. Es geht schlichtweg um Schutz. Dafür sorgen, dass Lernen ohne Angst geschieht und die Geschwindigkeit niemanden überrollt. Befähigung ohne Schutz erzeugt genau die Effekte, die ich bisher beschrieben habe. Schutz ohne Befähigung macht Menschen langfristig arbeitsmarktunfähig. Erst zusammen ergeben sie einen Sinn.
Und beides ist nicht nett gemeint, sondern Kern der Fürsorgepflicht. Wer Menschen führt, ist dafür verantwortlich, dass die Bedingungen ihrer Arbeit sie nicht krank machen. Das ist die Kehrseite der Weisungsbefugnis. Wer Tempo, Ziele und Werkzeuge bestimmen darf, schuldet im Gegenzug, dass dieses Tempo niemanden aufreibt. Eine Führungskraft, die KI ausrollt, die Erwartung erhöht und den Rest dem Selbstmanagement der Überlasteten überlässt, erfüllt diese Pflicht nicht. Sie delegiert ein strukturelles Problem an Einzelne, die es nicht lösen können, und nennt ihr Scheitern dann mangelnde Eigenverantwortung. Oder gleich mangelnde Zukunftsfähigkeit. Was also tun? Ich sehe vier Hebel.
Entscheide, was mit der gewonnenen Zeit passiert, bevor der Sog das entscheidet.
Das ist der wichtigste Hebel, weil er an der Wurzel ansetzt. Gesparte Zeit fließt nicht von selbst in Erholung oder Lernen, sie wird sofort von neuer Arbeit aufgesogen. Wer nicht aktiv festlegt, wohin der Zeitgewinn geht, hat sich schon für die Verdichtung entschieden. Konkret heißt das, ein Zeitfenster nicht neu zu verplanen, nur weil es frei geworden ist. Oder festzulegen, dass ein Teil der gewonnenen Zeit in Qualität fließt, in Lernen, oder schlicht in früheren Feierabend. Es geht darum, die gewonnene Zeit gegen den Sog zu verteidigen, der jede freie Stunde sofort wieder auffüllt. Das kostet sichtbar Output. Deswegen wirkt es, und gleichzeitig traut sich genau deshalb kaum jemand ran.
Schütze das Überprüfen wie die Produktion.
Wenn die Beschleunigung zuerst die Qualitätssicherung auffrisst, muss man sie sichern, statt sie der Restzeit und sich selbst zu überlassen. Das Prüfen von KI-Ergebnissen gehört fest in den Prozess, nicht in die Kategorie “machen wir, wenn noch Zeit bleibt”. Es braucht eine Kultur, in der “Das habe ich noch nicht geprüft” ein legitimer Satz ist und kein Eingeständnis von Langsamkeit. Lass Teams gezielt üben, KI-Ergebnisse zu zerlegen und Fehler zu finden, damit das Misstrauen zur Routine wird und nicht zum Luxus. Wer nur lernt zu bedienen, lernt blind zu vertrauen. Wer lernt zu prüfen, behält die Kontrolle.
Mach Lernzeit zu Arbeitszeit.
Solange Einarbeitung etwas ist, das man nebenbei und eigenverantwortlich machen muss, schaffen es genau die nicht, die es am dringendsten bräuchten, weil sie die wenigste freie Zeit haben. Die LSE-Erhebung zeigt es: Wer geschult wurde, holt deutlich mehr aus den Werkzeugen heraus als der, der es sich allein beibringen muss. Die Schere geht also schon beim Lernen auf, nicht erst beim Arbeiten. Ein verbindlich geblockter Lern-Slot, der nicht beim ersten Engpass geopfert wird, gibt Kontrolle zurück, bevor aus hoher Anforderung purer Stress wird.
Schaff würdige Wege für die, die nicht mehr aufspringen.
Es wird Menschen geben, vielleicht kurz vor der Rente, vielleicht in sich auflösenden Rollen, die nicht mehr mitkommen können oder wollen. Eine Organisation schuldet ihnen mehr als den schulterzuckenden Hinweis, das sei eben der Lauf der Dinge. Anstand ist hier kein zu vernachlässigendes Gefühl, sondern eine Reihe konkreter Entscheidungen. Schutzzonen schaffen, in denen das zählt, was die Maschine nicht kann: verantworten, moderieren, einen Konflikt aushalten, hinter dem ein Name steht. Erfahrene als Mentoren für Urteilsvermögen einsetzen, während weniger Erfahrene ihnen die Technik zeigen, ein fairer Tausch statt eines Abstellgleises. Und ja, am Ende auch geregelte, offen verhandelte Übergänge statt kalter Umorganisation. Was es nicht braucht, ist die verklärte Lüge, alle kämen mit, wenn man nur genug Schulungen aufsetzt.
Und du selbst?
Bis hierhin klang alles nach einer Bringschuld von oben. Die Führung muss und die Organisation schuldet. Das stimmt, und für viele ist es die angenehme Hälfte. Wer aber alles allein der Führung zuschiebt, macht denselben Fehler wie die, die sagen, die Mitarbeitenden müssten sich halt zusammenreißen. Beide schieben ein Problem, das im System steckt, den Einzelnen zu.
Es gilt also auch andersherum. Du hast eine Fürsorgepflicht dir selbst gegenüber. Du entscheidest, was du auslagerst und was nicht. Du kannst dir angewöhnen, Ergebnisse zu hinterfragen, statt sie einfach zu übernehmen. Du kannst Nein sagen zu einem Tempo, das dich auf Dauer überfordert. Niemand kennt deine Grenze besser als du. Und niemand merkt früher, wenn sie überschritten ist.
Hier ist allerdings auch der Haken. “Selbstfürsorge” ist auch das Wort, mit dem Organisationen ihre strukturellen Probleme zum Problem des Einzelnen machen. Mach halt Yoga. Atme mal durch. Setz dir Grenzen. Als wäre deine Überlastung ein persönliches Defizit und nicht das Ergebnis der Verhältnisse. Das ist nicht so, nur kommt ein Einzelner gegen eine Systemlogik auf Dauer nicht an. Wer in einem Team arbeitet, in dem alle Vollgas geben, dessen gute Vorsätze halten bis zum ersten Engpass. Statt Mangel an Disziplin ist das eine rationale Reaktion auf ein System, das Tempo belohnt und Zurückhaltung bestraft. Selbstfürsorge allein löst nichts. Erst wenn die Bedingungen stimmen, hat das Nein des Einzelnen eine Chance.
Deshalb gehört beides zusammen, keines ersetzt das andere. Die Organisation schuldet den Menschen die Bedingungen. Die Führung schuldet den Rahmen und den Schutz. Und du schuldest dir selbst, deine Grenze zu kennen und sie zu verteidigen. Drei Ebenen, die sich gegenseitig brauchen.
Wie wir es bei uns versucht haben
Ich habe nicht den Anspruch zu wissen, was für alle der beste Weg ist. Aber ich kann erzählen, was wir in unserer Einheit mit rund 100 Menschen gemacht haben, für die ich personalverantwortlich war.
Vor etwa 2,5 Jahren haben mein Kollege Henning Jansen und ich begonnen, ein Konzept für die Einführung von KI in der Softwareentwicklung zu entwickeln. Das waren drei geplante und nicht zufällige Schritte.
Gestartet sind wir nicht mit einem Programm, sondern mit einer Einladung. Beschäftigt euch mit KI. Bestellt euch die zugelassenen Tools und probiert euch aus. Ohne Ziel, ohne Druck, ohne Rechenschaftspflicht. “Einfach machen”. Alle durften ihren eigenen Zugang finden, im eigenen Tempo, bevor Erwartungen im Raum standen. Das ist der Unterschied zwischen einem Lernprozess, an dem man wächst, und einem, der nur belastet. Rund 80 Prozent der Entwickler gingen diesen Weg von sich aus mit.
Erst danach kam unser eigentliches Programm mit klarem Ziel und festem Termin. Im November starteten wir mit der Vorgabe: Ab Juli 2026 werden alle Unit-Tests ausschließlich KI-generiert entwickelt, unterstützt durch Assistenten und Agenten. Fordernd, aber machbar. Diese Eingrenzung war Absicht. Eine diffuse Erwartung an alle hätte diffuse Angst bei allen erzeugt. Ein klares Ziel für einen umrissenen Bereich macht es greifbar. Den Auftakt gab eine externe KI-Expertin, die zeigte, was KI kann und wo sie selbst Grenzen ziehen würde. So weckten wir Neugier und machten zugleich klar, dass KI ein Werkzeug und keine Wunderwaffe ist. Ab Januar folgten aufeinander aufbauende Grundlagen-Schulungen von unseren eigenen Leuten, begleitet von Lerngruppen in unseren Focus Networks, den technischen Communities mit Entscheidungsverantwortung, die ihren Fokus ganz auf die KI-Einführung legten. Dass das Wissen aus der Einheit selbst kam, baute Vertrauen auf. Man lernte von Kolleginnen im selben Boot, nicht von eingekauften Experten. Ende Februar liefen 25 Prozent der Unit-Tests über KI, Ende April rund 50 und die Entwicklung setzt sich weiter fort.
Der nächste Schritt geht weiter. Menschen ohne Programmierkenntnisse beschreiben in normaler Sprache, was die Software tun soll, am besten direkt im Ticket, und daraus entsteht der Testcode von selbst. Das befreit, denn die wenigsten Entwickler lieben das Testschreiben. Und plötzlich können auch Business Engineers und Designer mitreden, die nie eine Zeile Code geschrieben haben.
Genau hier liegt aber auch die Herausforderung. Menschen formulieren weiter, was sie als Ergebnis wollen oder brauchen. Was die Maschine daraus als Prüfregel baut, sieht man nicht mehr, und oft könnten das nicht mehr alle beurteilen. Zwischen “das habe ich gemeint” und “das prüft der Test jetzt wirklich” klafft eine Lücke. Tests zu automatisieren ist dabei nichts Neues, das machen gute Teams seit Jahrzehnten. Neu ist, dass die KI jetzt nicht mehr nur ausführt, sondern den Testcode selbst schreibt und festlegt, was als richtig gilt. Wer hier nicht aufpasst, gibt das Urteil über Richtig oder Falsch aus der Hand.
Deshalb haben wir an dieser Stelle eine bewusste Entscheidung getroffen. Die generierten Tests bleiben vorerst im menschlichen Review, auch wenn wir damit einen Teil des Produktivitätsgewinns wieder einbüßen. Ein Entwickler schaut drauf, prüft, ob der Test wirklich absichert, was gemeint war, und trägt die Verantwortung dafür. Die KI schlägt vor, der Mensch entscheidet. Das prüfende Hinschauen automatisieren wir vorerst nicht mit weg. Das kostet Zeit, und genau das ist der Punkt. Denn die zweite bewusste Entscheidung betrifft die gewonnene Zeit. Wir lassen sie nicht einfach unkontrolliert in mehr Arbeit zurückfließen, sondern stecken sie in die nächsten Lerngruppen und den weiteren (KI-)Ausbau. Ein Teil ist reserviert: für Qualität, fürs Prüfen, fürs Lernen in den Gruppen. Das ist die eigentliche Lehre. Die Beschleunigung kommt von allein. Wohin die gewonnene Zeit fließt, muss man entscheiden.
Was ich ehrlich nicht weiß
Hier müsste eigentlich ein Fazit stehen. Diesmal habe ich keins. Ich habe diesen Text als jemand geschrieben, der will, der kann, und der trotzdem spürt, dass andere weiter sind. Und als jemand, der Verantwortung für genau die Menschen trug, über deren mögliche Überforderung er hier schreibt. Diese beiden Rollen kann ich nicht sinnvoll trennen. Wenn ich selbst unter Druck stehe und gleichzeitig den Rahmen für andere setze, dann setze ich ihn aus meinem eigenen Druck heraus. Mein Tempo wird zur Norm. Meine Unsicherheit auch. Das System, das ich gestalten soll, gestalte ich immer auch mit meiner eigenen Erschöpfung.
Fürsorge im KI-Zeitalter fängt also nicht irgendwie und bei den anderen an. Sie fängt bei der Frage an, ob ich bereit bin, mein eigenes “schneller, mehr, tiefer” zu bremsen, bevor es zum Maßstab für alle wird. Ich bin mir nicht sicher, ob ich und wir das gut genug gemacht haben.
KI ist kein neutrales Werkzeug, das brav abwartet, was wir damit tun. Sie ist ein Beschleuniger, der von sich aus zieht, sobald man ihn laufen lässt. Was sie aber nicht entscheidet, ist die Richtung. Und ob das Tempo zu mehr Verdichtung führt oder in mehr Qualität, mehr Lernen, mehr Luft. Das ist keine Frage der Technik selbst, sondern eine der Bedingungen, die wir setzen. Und die zu setzen ist kein Nebenprodukt von Führung. Es ist ihr Kern.
Was siehst du, wenn du in dein eigenes Team schaust? Bist du eher die Person, die unter Druck gerät, weil das Tempo davonzieht? Oder die, die den Rahmen setzt und merkt, dass sie längst Teil des Drucks ist, den sie eigentlich abfedern soll? Ich tippe, dass die meisten von uns beides sind. Am selben Tag. Manchmal in derselben Stunde.
Der Artikel ist Teil der t2informatik Blog-Parade “KI und mein Job“ – hier finden sich weitere spannende Artikel zu dem Thema.
(Das Bild ist mit Google Gemini generiert.)
