"Marco, bringen deine Workshops was?"
Um was zu ändern reicht ein Beamer und ein paar Megabyte - oder?
Diese Woche stand für mich sinnbildlich für die Vielseitigkeit der digitalen Transformation.
500 Menschen, fünf Tage, fünf komplett unterschiedliche Welten und doch überall dasselbe Thema. Am Montag stand ich vor Lehrlingen, Dienstag (virtuell) vor einem Team eines internationalen Konzern, Mittwoch vor Schüler:innen und ihren Lehrpersonen, Donnerstag vor einem Vertriebs- und Führungsteam. Und am Samstag? Die Jahreshauptversammlung der Handwerkerzunft.
Digitale Transformation ist kein Nischenthema
Was mich an dieser Woche beeindruckt hat, war nicht die Diversität der Zielgruppen. Die kenne ich mittlerweile. Schon seit 2022 habe ich das Privileg, diese Vielfalt zu sehen. Vom Lehrling bis zur Geschäftsleitung, von der Schule bis zum Konzern. Überall Menschen, die verstehen wollen, die lernen wollen, die sich anpassen wollen. Aber langsam verändert sich die Haltung der Teilnehmenden. Die letzten Jahre waren die häufigsten Fragen: "Was kann ChatGPT & Co. eigentlich alles?” und “Brauchen wir das überhaupt?" Diese Woche war es eine andere: "Wie integrieren wir diese Tools sinnvoll in unseren Arbeits- und Schulalltag?"
Es ist nicht mehr die Frage, ob generative und agentische KI relevant ist. Diese Diskussion ist vorbei. Die Forschung, die aktuell rasant wächst, belegt mittlerweile eindeutig, dass der bewusste Einsatz von KI messbare Vorteile bringt. Dell’Acqua und Kollegen haben bereits 2023 gezeigt, dass Mitarbeitende mit KI-Unterstützung bei wissensintensiven Tätigkeiten mehr Aufgaben erledigen, schneller arbeiten können und weil zum Glück nicht immer alles schneller und mehr sein muss, auch qualitativ bessere Arbeit liefern. In einer Folgestudie von 2025 erreichten Einzelpersonen mit KI sogar das Leistungsniveau ganzer Teams ohne KI-Unterstützung (Dell’Acqua et al., 2023 & Dell’Acqua et al., 2025).
Ein weiteres beeindruckendes Beispiel ist eine aktuelle Studie (Cao et al., 2025), bei der Modelle von OpenAI systematische Literaturreviews erstellt haben. Eine Arbeit, die traditionell etwa 12 (!) Arbeitsjahre beansprucht. Das System erledigte sie in zwei Tagen. Es durchsuchte über 146.000 Zitate, las vollständige Forschungsarbeiten, extrahierte Daten, führte statistische Analysen durch und übertraf dabei menschliche Gutachter in der Genauigkeit. (Die Studie ist noch nicht peer-reviewed, aber das Ergebnis gibt einen Eindruck davon, wohin die Reise geht.)
Das Potenzial ist also nicht mehr Theorie, es wird messbar. Aber wenn ich ehrlich auf meine Arbeit der letzten drei Jahre schaue, frage ich mich oft: “Warum bleibt es bei so vielen Organisationen genau das – nur Potenzial?”
Doch um was zu verändern reicht ein Beamer und ein paar Megabyte - oder?
Ich liebe meine Workshops. Sie schaffen Bewusstsein, bauen Berührungsängste ab und zeigen praktische Anwendungsmöglichkeiten auf. Sie sind wichtig und werden es auch bleiben. Alles, was ich dazu benötige, sind ein Laptop, ein Beamer und meine Unterlagen, die ich ca. alle 3 Tage aktualisiere - easy as that.
Aber wenn wir ehrlich sind, dann wissen wir, dass ein Workshop alleine keine Organisation verändert. Ein Vortrag implementiert keine neuen Prozesse. Eine Schulung alleine schließt nicht die Lücke zwischen “wir wissen, dass KI wichtig ist” und “wir nutzen KI produktiv in unserem Alltag”. Schon gar nicht, wenn sie einmalig stattfindet und der Impuls immer nur von außen kommt. Echte Veränderung passiert, wenn Organisationen selbst die Fähigkeit entwickeln, zu lernen und sich anzupassen (siehe dazu Senge, 2006).
Das zentrale Problem digitaler Disruption liegt also nicht in der Technologie selbst, sondern in den unterschiedlichen Geschwindigkeiten, mit denen verschiedene Ebenen auf Veränderungen reagieren (Kane, 2017)
Technologie entwickelt sich schneller als Individuen sie adoptieren können. Individuen adaptieren schneller als Organisationen sich anpassen können. Und Organisationen passen sich schneller an als regulatorische Rahmenbedingungen folgen können.
Digitale Disruption ist daher primär ein “People Problem”. Nicht weil Menschen die Technologie falsch nutzen, sondern weil Organisationen nicht schnell genug lernen, diese Nutzung in neue Strukturen, Prozesse und Arbeitsweisen zu übersetzen.
Und die Zahlen bestätigen das. Von den Unternehmen, die KI bereits formal in ihre Strategie integriert haben, schafft nur etwa jedes achte den Sprung zur tatsächlichen Wertschöpfung. Weniger als ein Drittel der initiierten KI-Projekte verlässt überhaupt die Testphase (Challapally et al., 2025, S. 4).
Es braucht also mehr als nur Workshops & Schulungen. Es braucht Organisationskulturen, die Experimentieren erlauben. Es braucht auch Anreize, damit Mitarbeitende ihr Wissen teilen, anstatt es für sich zu behalten (Stichwort “Shadow AI” (Challapally et al., 2025, S. 8)). Und es braucht eine Führung, die versteht, dass KI-Integration kein IT-Projekt ist. Es ist Organisationsentwicklung!
Das ist doch alles nur Hype!
Die Geschichte der Künstlichen Intelligenz ist geprägt von zyklischen Wellenbewegungen. Auf euphorische KI-Sommer in den 1960er und 1980er Jahren folgten stets ernüchternde KI-Winter, in denen Versprechen nicht eingelöst wurden und Finanzierungen einbrachen (Mühlhoff, 2025). Doch der aktuelle dritte KI-Sommer, von manchen auch als “ewiger Frühling” bezeichnet (Stanford Graduate School of Business, 2017), zeigt bislang keine Anzeichen einer Abkühlung. Das Gegenteil ist der Fall.
Vier Faktoren unterscheiden die heutige Situation fundamental von früheren Zyklen.
Erstens hat sich die verfügbare Rechenleistung exponentiell gesteigert. Seit 2010 verdoppelt sich die für KI-Training eingesetzte Rechenkapazität etwa alle sechs Monate (Sevilla & Roldán, 2024).
Zweitens werden Investitionen in nie dagewesenem Ausmaß freigesetzt. Allein das Project Stargate in den USA plant bis zu 500 Milliarden US-Dollar in KI-Infrastruktur (OpenAI, 2025). Parallel dazu startet die US-Regierung die Genesis
Mission, ein nationales Forschungsprogramm für KI-beschleunigte wissenschaftliche Entdeckungen, das in seiner Dringlichkeit und Ambition explizit mit dem Manhattan-Projekt verglichen wird (The White House, 2025).
Drittens wächst die Menge verfügbarer Trainingsdaten rasant. Über 20 Milliarden vernetzte Endgeräte produzieren täglich schätzungsweise 80 bis 200 Zettabyte an Daten (Sinha, 2025). Daten, die als das Öl des 21. Jahrhunderts (Spitz, 2017) angesehen werden und als strategisch wichtigste Ressource der
KI-Industrie gelten.
Und viertens zeigt sich eine beispiellose Adoptionsgeschwindigkeit. Drei Jahre nach der Einführung verzeichnet ChatGPT bereits knapp eine Milliarde wöchentliche Nutzer. Das Internet benötigte 36 Jahre für seine erste Milliarde (Nielsen, 2005).
Und dennoch unterschätzen die meisten das Tempo des Fortschritts. Aktuelle Prognosen markieren das Jahr 2026 als entscheidenden Wendepunkt (Wharton Human-AI Research & GBK Collective, 2025, S. 5-7). Während die vorangegangenen Jahre durch eine Phase der Pilotierung geprägt waren, steht die Unternehmenswelt nun an der Schwelle zur großflächigen Skalierung. Microsoft spricht in diesem Zusammenhang von der Entstehung der “Frontier Firm”. Organisationen, die über Pilotprojekte hinausgehen und beginnen, ihre Kernstrukturen grundlegend neu aufzubauen. Rund um jederzeit abrufbare kognitive Kapazitäten durch generative und agentische KI-Systeme (Microsoft Corporation, 2025, S. 1).
Wir neigen dazu, die Wirkung einer Technologie kurzfristig zu überschätzen und langfristig zu unterschätzen - Amara's Law (Roy Amara, 1987)
Doch trotz allen Prognosen und Investitionen lassen sich die gravierenden Auswirkungen auf den Arbeitsmarkt bisher nicht eindeutig messen. Allerdings gibt es erste Anzeichen. Eine aktuelle Studie zeigt für den US-Markt, dass in Unternehmen, die generative KI aktiv implementieren, die Beschäftigung in Junior-Positionen um durchschnittlich 10 Prozent sinkt (Hosseini und Lichtinger, 2025). Der Effekt ist also da, aber er zeigt sich bisher nur dort, wo Organisationen die Technologie tatsächlich in ihre Abläufe integriert haben.
Die entscheidende Frage ist daher nicht, ob KI die Arbeitswelt verändert, sondern wie. Dabei stehen sich in der aktuellen Debatte zwei Narrative gegenüber. Das Augmentation-Narrativ sieht KI als Verstärker menschlicher Fähigkeiten. Mitarbeitende werden produktiver, erledigen mehr Aufgaben in höherer Qualität. Das Automation-Narrativ sieht KI als Ersatz. Aufgaben werden automatisiert, Stellen abgebaut, Wert entsteht über Kostensenkung. Dass diese Narrative keine abstrakten Konzepte sind, sondern reale strategische Entscheidungen widerspiegeln, zeigen zwei prominente Beispiele aus den USA. Walmart investiert eine Milliarde Dollar in Mitarbeiterentwicklung und strebt bei der KI-Transformation ausdrücklich die gleiche oder eine höhere Mitarbeiterzahl an (D’Innocenzio, 2025). Amazon hingegen will durch KI und Robotik Neueinstellungen vermeiden und plant bestehende Stellen abzubauen (Palmer, 2025).
Beide Wege sind möglich. Oft sogar innerhalb derselben Organisation, je nach Bereich und Aufgabe. Doch die Wahl zwischen Augmentation und Automation wird nicht durch die Technologie diktiert. Sie wird durch Führung getroffen.
Aber wie trifft man diese Entscheidungen? Wie erkennt man, wo KI Menschen verstärken sollte und wo sie Aufgaben übernehmen kann? Wie schafft man eine Kultur, in der Experimentieren erlaubt ist, ohne den Fokus auf Skalierung zu verlieren? Und wie gelingt das alles im europäischen Kontext (mit AI Act, DSGVO & Co. )?
Die letzten Jahre habe ich damit verbracht, Wissen zu transferieren. In Workshops, Vorträgen, Beratungen. Jetzt möchte ich in diesem Bereich auch Wissen schaffen. Genau das ist das Ziel meines geplanten Doktorats. Verstehen, wie Organisationen generative und agentische KI so integrieren können, dass aus strategischer Erkenntnis tatsächlich operative Wertschöpfung wird. Welche Faktoren beeinflussen, ob Führung auf Augmentation oder Automation setzt? Und was bedeutet das für die Menschen in diesen Organisationen, für ihre Akzeptanz, ihr Kompetenzerleben, ihre Bereitschaft zur Veränderung?
Was das für diesen Newsletter und meine Arbeit bedeutet
Dieses Thema ist mir auch persönlich wichtig. Ich komme ursprünglich aus dem Bereich der sozialen Medien, insbesondere mit einem kritischen Blick auf die Auswirkungen dieser Plattformen (Esposito, 2025). Und ich habe dort oft erlebt, dass die nötigen Kompetenzen für einen bewussten Umgang mit dieser Technologie etwas zu spät erlernt wurden. Bei generativer und agentischer KI möchte ich, dass wir diesen Fehler nicht wiederholen.
Deshalb werde ich weiterhin Workshops und Vorträge halten. Die Grundlagen vermitteln, Berührungsängste abbauen, praktische Anwendungen zeigen. Das bleibt wichtig. Aber ich werde meinen Fokus stärker auf das richten, was danach kommt. Die tatsächliche Integration in Organisationen / Schulen / Unternehmen. Die Veränderung von Kulturen. Die neuen Anforderungen an Führung in einer Welt, die zunehmend brüchig, unsicher, nicht-linear und schwer begreifbar geworden ist (Cascio, 2020).
Die Technologie entwickelt sich rasant. Aber die Menschen ziehen mit. Und das macht mir Hoffnung.
Marco
Quellen:
Cao, C., Arora, R., Cento, P., Manta, K., Farahani, E., Cecere, M., Selemon, A., Sang, J., Gong, L. X., Kloosterman, R., Jiang, S., Saleh, R., Margalik, D., Lin, J., Jomy, J., Xie, J., Chen, D., Gorla, J., Lee, S., … Bobrovitz, N. (2025). Automation of systematic reviews with large language models. https://doi.org/10.1101/2025.06.13.25329541
Cascio, J. (2020, April 29). Facing the age of chaos. Medium. https://medium.com/@cascio/facing-the-age-of-chaos-b00687b1f51d
Challapally, A., Pease, C., Raskar, R., & Chari, P. (2025). State of AI in business 2025. MIT.
Dell’Acqua, F., Ayoubi, C., Lifshitz-Assaf, H., Sadun, R., Mollick, E. R., Mollick, L., Han, Y., Goldman, J., Nair, H., Taub, S., & Lakhani, K. R. (2025). The cybernetic teammate: A field experiment on generative AI reshaping teamwork and expertise. https://doi.org/10.2139/ssrn.5188231
Dell’Acqua, F., McFowland, E., Mollick, E. R., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4573321
D’Innocenzio, A. (2025, September 28). How Walmart plans to prepare America’s largest private workforce for an AI-driven future. AP News. https://apnews.com/article/walmart-ai-workforce-training-jobs-future
Esposito, M. (2025). Ein praxisorientierter Leitfaden für den ethischen Einsatz von Gamification Elementen in den sozialen Medien [Master Thesis, FH Vorarlberg (Fachhochschule Vorarlberg)]. https://doi.org/10.25924/opus-7128
Hosseini, S. M., & Lichtinger, G. (2025). Generative AI as seniority-biased technological change: Evidence from U.S. résumé and job posting data. https://doi.org/10.2139/ssrn.5425555
Kane, G. C. (2017). Digital disruption is a people problem. MIT Sloan Management Review. https://sloanreview.mit.edu/article/digital-disruption-is-a-people-problem/
Microsoft Corporation. (2025). 2025 Work Trend Index Annual Report: The year the frontier firm is born. https://www.microsoft.com/en-us/worklab/work-trend-index/
Mühlhoff, R. (2025). Künstliche Intelligenz und der neue Faschismus. Reclam.
Nielsen, J. (2005, Dezember 19). One billion internet users. Nielsen Norman Group. https://www.nngroup.com/articles/one-billion-internet-users/
OpenAI. (2025, Januar 21). Announcing the Stargate Project. https://openai.com/index/announcing-the-stargate-project/
Palmer, A. (2025, Oktober 28). Amazon laying off about 14,000 corporate workers as it invests more in AI. CNBC. https://www.cnbc.com/2025/10/28/amazon-layoffs-ai-investment.html
Senge, P. M. (2006). The fifth discipline: The art and practice of the learning organization (Rev. and updated ed.). Random House Business Books.
Sevilla, J., & Roldán, E. H. (2024). Compute trends across three eras of machine learning. Epoch AI. https://epochai.org/blog/compute-trends
Sinha, S. (2025). Number of connected IoT devices growing 14% to 21.1 billion. IoT Analytics. https://iot-analytics.com/number-connected-iot-devices/
Spitz, M. (2017). Daten – das Öl des 21. Jahrhunderts? Nachhaltigkeit im digitalen Zeitalter. Hoffmann und Campe.
Stanford Graduate School of Business. (2017, Februar 2). Andrew Ng: Artificial intelligence is the new electricity [Video]. YouTube. (https://www.youtube.com/ watch?v=21EiKfQYZXc)
The White House. (2025). Fact sheet: President Trump announces the Genesis mission to unlock scientific breakthroughs using artificial intelligence. https://www.whitehouse.gov/fact-sheets/
Wharton Human-AI Research & GBK Collective. (2025). Accountable acceleration: Gen AI fast-tracks into the enterprise – Year three full report. The Wharton School, University of Pennsylvania & GBK Collective. https://ai.wharton.upenn.edu/