KI-Vordenker

Ein Angebot ist schneller entworfen. Aber wird dadurch auch der Arbeitstag besser? In dieser Folge geht es um eine Entscheidung, die beim Einsatz von KI oft unausgesprochen bleibt: Wofür verwenden wir die Zeit, die tatsächlich frei wird?

Ausgehend von einem aktuellen Beitrag von Stanford HAI diskutieren wir an einem erfundenen Weiterbildungsteam drei mögliche Ziele: mehr Aufträge, bessere Inhalte und weniger Belastung. Was muss Führung vereinbaren, damit daraus ein glaubwürdiges Vorhaben wird? Und woran erkennt ein Team, ob die KI wirklich hilft?

Eine Folge über Entwicklungschancen, ehrliche Erwartungen und einen kleinen Versuch, mit dem Teams ihre eigene Antwort finden können.

Ein Entwurf ist schnell erstellt. Doch wann wird daraus ein Ergebnis, das jemand wirklich gebrauchen kann? Ethan Mollicks Essay „The Overhang“ gibt den Anstoß für eine Folge über die Gestaltung guter Arbeit mit KI.

KI-Vordenker fragt, was Menschen selbst einbringen können und welche Bedingungen Unternehmen schaffen müssen. Eine Untersuchung aus der Softwareentwicklung liefert eine empirische Gegenprüfung. An einem einfachen Workshopbeispiel verfolgen wir den Weg von der ersten Idee über die fachliche Prüfung bis zur Anwendung.

Im Mittelpunkt stehen konkrete Entscheidungen: Welche Aufgabe lohnt einen Versuch? Wer beurteilt das Ergebnis? Und woran erkennen wir, ob der gesamte Ablauf besser geworden ist?

Strategieteams arbeiten traditionell mit wenigen Optionen, vereinfachten Frameworks und Workshops unter Zeitdruck. Nicht unbedingt, weil die Welt so übersichtlich wäre, sondern weil menschliche Aufmerksamkeit, Gedächtnis und Verarbeitungskapazität begrenzt sind. Felipe A. Csaszar argumentiert in der Harvard Business Review, dass KI genau diese lange selbstverständlichen Grenzen verschieben kann.

Die Folge betrachtet Strategie deshalb nicht als weiteres Anwendungsfeld für schnellere Textproduktion. Es geht um einen anderen Entscheidungsprozess: KI kann große Möglichkeitsräume durchsuchen, aus laufenden Daten reichhaltigere Modelle von Märkten und Kunden bilden und Vorschläge systematisch mit Gegenargumenten, Wettbewerberreaktionen und Stakeholderperspektiven konfrontieren.

Doch mehr Rechen- und Analysekapazität macht noch keine gute Strategie. Entscheidend...

Die großen Schlagzeilen über KI und Arbeit handeln meist von massenhaften Entlassungen. Eine aktualisierte Auswertung des Stanford Digital Economy Lab findet dafür bislang keinen gesamtwirtschaftlichen Beleg. Gleichzeitig zeigt sie ein deutlich enger begrenztes Warnsignal: Junge Beschäftigte zwischen 22 und 25 Jahren fallen in stark KI-exponierten Berufen zunehmend hinter Vergleichsgruppen zurück.

Die Anpassung scheint weniger über Kündigungen als über ausbleibende Neueinstellungen zu laufen. Besonders betroffen sind Tätigkeiten, die auf formalisiertem, dokumentiertem Wissen beruhen und in denen KI eher Aufgaben automatisiert. Erfahrungswissen bleibt dagegen schwerer zu reproduzieren und kann die Position älterer Beschäftigter sogar stärken.

Die Studie beweist nicht, dass KI diese...