TL;DR — Warum Sie trotzdem weiterlesen sollten
KI ersetzt zunehmend Aufgaben, die sich klar beschreiben lassen. Die Logik dahinter klingt zwingend: Was die Maschine besser kann, soll die Maschine übernehmen. Dieser Essay fragt, was diese Rechnung übersieht — ein stilles, körperliches, über Jahre gewachsenes Wissen, das kein Modell erfasst, weil es sich nicht in Regeln überführen lässt. Wer Menschen nur an messbaren Aufgaben misst, unterschätzt genau das, was ein Unternehmen im Inneren zusammenhält. Weiterlesen lohnt sich für alle, die entscheiden, welche Rolle der Mensch künftig spielt — bevor eine Kennzahl, ROI, KPI, Output die Antwort vorgibt.
Ich habe vor Kurzem den Artikel „Mission KI-Briefing – warum KI den Unternehmenskontext nicht von selbst erkennt“ und dafür mit KI ein Bild zum Artikel entwickelt, bei dem eine KI im stillen Kämmerlein intensiv an ihrer Aufgabe arbeitet, während außerhalb des KI-Arbeitsbereichs das bunte Leben des Unternehmens mit ihren Abteilungen und Außenkontakten lebt.
Und beim Betrachten des Bild, kam mir dann dieser Gedanke:
KI sieht nur einen Teil eines lebenden Systems. Wird der Mensch hier nicht völlig unterschätzt?
Deshalb hier jetzt
Ein Essay über den Wert des Menschen in einer Welt, die ihn gerade neu bewertet — und dabei einen sehr entscheidenden Punkt übersieht.
Häufige Fragen in diesem Kontext und deren Antworten finden sie am Ende des Artikels
KI ist großartig!
Niemand zweifelt mehr ernsthaft daran, dass KI außergewöhnlich leistungsfähig ist. Sie analysiert, schreibt, plant, übersetzt, optimiert — schneller, ausdauernder und in vielen Fällen präziser als jeder Mensch. Der Trend in Unternehmen, Mitarbeitende durch KI-Systeme zu ersetzen, folgt einer verführerisch einfachen Logik: Was die Maschine besser kann, soll die Maschine übernehmen.
Aber stimmt diese Logik? Oder übersehen wir dabei etwas Grundlegendes — etwas, das wir so selbstverständlich in uns tragen, dass wir nicht einmal bemerken, wie wertvoll es ist?
Der Mensch ist großartig!
Stellen Sie sich vor, jemand betritt morgens das Büro. Noch bevor das erste Wort fällt, hat dieser Mensch bereits eine enorme Menge an Information verarbeitet: Die Körpersprache einer Kollegin. Die ungewöhnlich leise Küche. Dass zwei Personen, die sonst immer miteinander reden, heute nebeneinander sitzen, ohne sich anzusehen. Dass das Meeting in einer Stunde vermutlich nicht so verlaufen wird wie geplant.
Diese Person hat in weniger als zwei Minuten ein mentales Modell des Tages aufgebaut — grob, lückenhaft, vielleicht an einigen Stellen falsch — aber funktionierend. Sie weiß, wie sie sich bewegen soll, was sie sagen und was sie besser lassen sollte. Sie handelt „unfallfrei“ in einem komplexen, sich ständig verändernden sozialen System.
Eine KI, die in demselben Meeting das Protokoll schreiben soll, hat davon nichts mitbekommen. Sie kennt diese Menschen nicht, hat die Kaffeeküche nicht erlebt, hat keine Vorgeschichte. Sie verarbeitet, was ihr gegeben wird. Der Rest existiert für sie schlicht nicht.
Genau hier liegt das Missverständnis, das ich in diesem Artikel herausarbeiten möchte.
Was sagt die Wissenschaft?
1966 beschrieb der Philosoph und Wissenschaftstheoretiker Michael Polanyi eine fundamentale Eigenschaft menschlichen Wissens mit einem einfachen Satz: „We can know more than we can tell.“ (Wir wissen mehr, als wir sagen können.) Menschen besitzen Wissen, das sich nicht artikulieren, nicht codifizieren, nicht in Regeln überführen lässt — und dennoch täglich zur Anwendung kommt.
Polanyi nannte es tacit knowledge — implizites Wissen. Es ist das Wissen des erfahrenen Chirurgen, der im Operationssaal Signale wahrnimmt, die er nicht benennen kann. Es ist das Gespür der Vertriebsmitarbeiterin, die nach drei Minuten Gespräch weiß, ob dieser Auftrag kommen wird. Es ist die stille Intuition der Führungskraft, die spürt, dass etwas im Team nicht stimmt — lange bevor irgendeine Kennzahl es zeigt.
Der Ökonom David Autor hat Polanyis Beobachtung 2014 auf den Arbeitsmarkt übertragen: Viele menschliche Fähigkeiten lassen sich deshalb nicht automatisieren, weil wir selbst nicht genau wissen, wie wir sie ausführen — und damit auch keine Regeln formulieren können, nach denen eine Maschine vorgehen könnte. Eine KI kann nur das codieren und replizieren, was explizit beschreibbar ist. Alles andere — der Kern impliziten Wissens — bleibt außerhalb ihrer Reichweite.
Das ist kein technisches Defizit, das mit der nächsten Modellversion behoben wird. Es ist ein strukturelles Merkmal der Art, wie menschliches Wissen entsteht: durch Erfahrung, durch Körper, durch Beziehung, durch Zeit.
Situational Awareness: Das Dreistufenmodell des Verstehens
Die Kognitionswissenschaftlerin und ehemalige Chefwissenschaftlerin der US Air Force, Mica Endsley, hat Anfang der 1990er Jahre ein Modell beschrieben, das erklärt, wie Menschen in dynamischen, komplexen Umgebungen handlungsfähig bleiben. Es hat drei Ebenen:
- Wahrnehmung: Ich sehe, was gerade da ist — Details, Signale, Elemente der Umgebung.
- Verständnis: Ich interpretiere, was das bedeutet — ich verbinde, filtere, gewichte.
- Projektion: Ich antizipiere, was als nächstes kommen könnte — ich baue ein mentales Modell der möglichen Zukünfte.
Dieser Prozess läuft beim Menschen ständig und weitgehend unbewusst ab. Er bezieht alle Sinne ein, aktiviert implizites Wissen, nutzt Erfahrungsmuster aus tausenden ähnlichen Situationen — und tut das in Echtzeit.
Eine KI hat keinen eigenen Situationssinn. Sie verarbeitet, was ihr übergeben wird. Sie projiziert auf Basis statistischer Muster aus Trainingsdaten. Aber sie erlebt keine Situation. Sie hat keine drei Ebenen des Verstehens — sie hat Input und Output.
Was das im Alltag bedeutet? Das Meeting-Beispiel ist kein Randfall. Es ist der Normalfall. Die entscheidenden Signale in Organisationen sind oft nicht die, die in Protokollen stehen — sondern die, die niemals aufgeschrieben werden.
Das Weltmodell: Unvollständig, aber handlungsfähig
Menschen bauen sich aus wenigen, fragmentierten, manchmal widersprüchlichen Informationen ein Weltmodell — eine interne Repräsentation der Realität, in der sie navigieren. Dieses Modell ist nicht vollständig. Es ist voller Lücken, Annahmen, manchmal sogar Fehler. Aber es ist gut genug, um in einer komplexen Welt sicher zu handeln.
Psychologen sprechen von mentalen Modellen als den entscheidenden kognitiven Werkzeugen menschlicher Entscheidungsfindung. Daniel Kahneman hat gezeigt, dass wir in zwei Modi denken: schnell und intuitiv (System 1) und langsam und analytisch (System 2). Das schnelle, intuitive Denken — das ist das gelebte Weltmodell. Es ist das, was uns im Unternehmen jeden Tag navigiert, ohne dass wir es explizit aktivieren müssen.
KI-Systeme operieren in einem anderen Modus. Sie verarbeiten den Kontext, der ihnen bereitgestellt wird — und dieser Kontext ist immer nur ein Ausschnitt der Realität. Aktuelle Studien zeigen, dass menschliche und KI-Modelle in der Zusammenarbeit oft aneinander vorbeigehen, weil die mentalen Modelle der Menschen und die internen Repräsentationen der KI grundlegend verschieden sind. Die Maschine arbeitet im beschriebenen Unternehmen. Der Mensch lebt im echten Unternehmen.
Organisationen als lebende Systeme
Hier liegt die eigentliche Tragweite des Themas.
Unternehmen sind keine statischen Strukturen. Sie sind lebende Systeme — kontinuierlich verändert durch jede Entscheidung, jedes Gespräch, jeden Konflikt, jede spontane Begegnung auf dem Flur. Jeder Mitarbeitende und jede Maschine, die in dieses System eingreift, verändert es — und verändert damit auch den Kontext für alle anderen.
Der entscheidende Unterschied ist: Nur der Mensch kann diese Veränderungen systemweit wahrnehmen, interpretieren und sein Verhalten entsprechend anpassen. Er sieht nicht nur seinen eigenen kleinen Ausschnitt — er spürt das Gesamtsystem, auch wenn er es nicht vollständig versteht.
Eine KI sieht nur ihren Input-Kanal. Sie reagiert lokal. Sie hat kein übergreifendes „Mitlaufen“ im System, kein Gespür dafür, wie das, was gerade in Abteilung A passiert, Abteilung B beeinflussen wird — wenn dieser Zusammenhang nicht explizit im Prompt beschrieben wurde.
Wharton-Forscher haben 2025 gezeigt, dass die Ersetzung eines Mitarbeitenden durch KI in einem sequenziellen Workflow nicht nur den ersetzten Job betrifft — sie verändert die Motivation, das Verhalten und die impliziten Koordinationsmuster aller anderen Menschen im System. Das ist kein Randphänomen. Das ist systemische Dynamik — und genau die wird bei der Frage „Welchen Job kann KI übernehmen?“ fast immer ignoriert.
Der stille Wissensverlust
Es gibt noch eine weitere Dimension, die selten diskutiert wird.
Wenn ein Mensch ein Unternehmen verlässt — ob durch Kündigung, Pensionierung oder Ersatz durch KI — verlässt das Unternehmen nicht nur eine Person. Es verlässt ein ganzes Netz aus implizitem Wissen, Beziehungskapital, Erfahrungsmustern und kulturellem Gedächtnis. Dieses Wissen ist nicht dokumentierbar. Es hat sich über Jahre in der Praxis aufgebaut — in Gesprächen, Krisen, Lernmomenten, die keine Datenbank je erfasst hat.
Forscher der Universität Passau und der Arizona State University haben beschrieben, was passiert, wenn KI menschliche Expertinnen und Experten systematisch ersetzt: Die KI-Modelle werden nach und nach schlechter — weil die Menschen, die sie mit echtem Kontextwissen kalibrieren und korrigieren könnten, nicht mehr da sind. Es ist eine creeping failure: schleichend, lange unbemerkt, dann schwer reversibel.
„What knowledge walks out the door when this role does — and how are we keeping it alive?“ (Welches Wissen verlässt mit dieser Rolle das Haus — und wie halten wir es am Leben?) — diese Frage stellt Bill Kaplan, einer der führenden Knowledge-Management-Experten, jedem Unternehmen, das über KI-Ersatz nachdenkt. Es ist eine der wichtigsten Fragen, die in den meisten dieser Diskussionen nicht gestellt wird.
Wieso sehen wir das nicht?
Wenn das alles so evident ist — warum sehen wir es dann nicht?
Ich glaube, es hat mit Sichtbarkeit zu tun. Die Leistungen der KI sind messbar, darstellbar, kommunizierbar. Tickets pro Stunde. Bearbeitungszeit. Fehlerquote. Kosten. Das lässt sich in Dashboards packen und dem Vorstand präsentieren.
Die Leistung des Menschen, der morgens die Stimmung im Raum liest, einen Konflikt subtil deeskaliert, den richtigen Moment für ein Gespräch wählt — die taucht in keiner Kennzahl auf. Sie ist unsichtbar. Sie hat keinen ROI-Code. Und was nicht gemessen wird, wird unterschätzt.
Eine Studie des Max-Planck-Instituts für Bildungsforschung aus dem Jahr 2025 zeigt, dass Ängste vor KI-Ersatz besonders dort entstehen, wo Menschen spüren, dass die Fähigkeiten ihrer Rolle nicht mit dem übereinstimmen, was KI leisten kann — ein Zeichen dafür, dass Menschen intuitiv mehr verstehen als viele Manager. Die Forscher haben in einer repräsentativen Untersuchung mit mehr als 10.000 Teilnehmenden in 20 Ländern festgestellt, dass Richter, Ärzte und Pflegekräfte besonders hohe Bedenken auslösen — genau jene Rollen, in denen implizites Wissen, moralisches Urteilsvermögen und situative Kompetenz unverzichtbar sind.
Die Unternehmensberatungen und Technologiestrategen, die den Ersatz-Trend antreiben, denken in Aufgaben — nicht in gelebtem Kontext. Und das ist ihr blinder Fleck.
Beide Welten, beide Stärken
Es wäre falsch, aus diesem Essay den Schluss zu ziehen, KI sei überschätzt. Das Gegenteil ist mein Punkt.
KI ist in ihrem Bereich — dem Verarbeiten von formalisierbarem, strukturierbarem, wiederholbarem Kontext — bemerkenswert mächtig. Sie ist in der Lage, enorme Mengen an Mustern zu erkennen, zu kombinieren und zu kommunizieren. Harvard-BCG-Forscher haben gezeigt, dass Mensch und KI innerhalb der KI-Kompetenzgrenzen die Leistung um rund 40 Prozent steigern — aber außerhalb dieser Grenzen um etwa 19 Prozentpunkte einbrechen lassen. Das ist kein Argument gegen KI. Es ist ein Argument für Klarheit darüber, wo KI stark ist und wo nicht.
Die Tabelle ist klar:
| Dimension | KI | Mensch |
|---|---|---|
| Datenverarbeitung und Mustererkennung | Exzellent | Begrenzt |
| Konsistenz und Wiederholbarkeit | 24/7, ohne Qualitätsverlust | Variiert |
| Implizites Kontextwissen | Nicht vorhanden | Kern-Kompetenz |
| Situational Awareness | Fehlt | Grundlegend |
| Systemweite Anpassung in Echtzeit | Nicht möglich | Stärke |
| Beziehungsaufbau und Vertrauen | Simulierbar, nicht echt | Unersetzbar |
| Moralisches Urteilsvermögen | Fehlt | Unverzichtbar |
Die sinnvolle Strategie ist nicht „Mensch oder Maschine“ — sie ist die bewusste Verteilung auf der Basis dieser Stärken. KI übernimmt, was formalisierbar ist. Menschen übernehmen, was gelebt werden muss.
Die Frage, die wir uns stellen sollten
Ich schließe mit einer Frage, die mich bei diesem Thema nicht loslässt.
Was passiert mit einer Organisation, die systematisch das entfernt, was nicht messbar ist? Die Prozesse optimiert, bis nur noch das übrig bleibt, was dokumentierbar ist — und den Menschen, der den Rest trägt, durch eine Maschine ersetzt, die diesen Rest nicht einmal wahrnehmen kann?
Sie wird vielleicht kurzfristig effizienter. Aber sie wird gleichzeitig fragiler, kontextblinder, weniger resilient. Sie verliert das unsichtbare Betriebssystem, das sie am Laufen hält.
Und das Traurige ist: Sie wird es erst bemerken, wenn es zu spät ist. Weil diese Leistung nie auf einem Dashboard sichtbar war.
KI ist eine außerordentliche Erweiterung menschlicher Möglichkeiten. Aber sie ist kein Ersatz für Menschen — sie ist ein Partner für Menschen, die wissen, was sie mitbringen. Der Fehler wäre nicht, KI einzusetzen. Der Fehler wäre, den Wert des Menschen dabei zu vergessen.
Häufige Fragen in diesem Kontext
Kann KI Mitarbeitende langfristig wirklich ersetzen – oder übersehen Unternehmen dabei ein entscheidendes Risiko?
KI kann viele klar beschreibbare Aufgaben schneller und zuverlässiger übernehmen. Was dabei oft übersehen wird, ist das implizite Wissen von Menschen: Erfahrung, situatives Urteilsvermögen und das Gespür für Zusammenhänge, die sich weder dokumentieren noch automatisieren lassen.
Reicht es aus, bei KI-Einführungen nur Aufgaben, Kosten und Produktivität zu vergleichen?
Nein. Wer ausschließlich auf Effizienzkennzahlen schaut, bewertet nur den sichtbaren Teil der Arbeit. Unsichtbare Beiträge wie Vertrauen, Zusammenarbeit, Erfahrung und das Verständnis für den Unternehmenskontext entscheiden oft darüber, wie leistungsfähig eine Organisation langfristig bleibt.
Warum können Unternehmen trotz erfolgreicher KI-Einführung langfristig an Stärke verlieren?
Wenn mit erfahrenen Mitarbeitenden auch implizites Wissen, Beziehungen und kulturelles Gedächtnis verloren gehen, wird eine Organisation schrittweise anfälliger. Kurzfristige Effizienzgewinne können dann langfristig durch geringere Anpassungsfähigkeit und schlechtere Entscheidungen erkauft werden.
Weitere Beiträge zum Thema
Wenn Sie sich intensiver mit diesem Themenfeld beschäftigen möchten, finden Sie hier weitere Beiträge mit Hintergrund, Einordnung und Praxisbeispielen.