Gut genug
Warum KI am Arbeitsplatz nicht nur Effizienz bringt, sondern auch Mittelmass skaliert, Stellenabbau legitimiert und die Talent-Pipeline austrocknen lässt.
Mich beschäftigt an der KI-Revolution weniger das Tool selbst als die Management-Logik dahinter: Wenn Unternehmen schlechte Prozesse automatisieren, menschliche Kontrolle gegen probabilistische Outputs tauschen und Junior-Rollen abbauen, entsteht keine Exzellenz, sondern eine Kultur von gut genug.
5 unbequeme Wahrheiten über die KI-Revolution am Arbeitsplatz
Wir erleben gerade den grössten intellektuellen Ausverkauf der modernen Wirtschaftsgeschichte, getarnt als Effizienzgewinn.
Während die C-Suites in den Geschäftsberichten das Hohelied auf die generative Transformation singen, öffnet sich im Maschinenraum der Unternehmen ein tiefer Graben: Der Human-AI Interaction Gap.
Die Realität am Schreibtisch gleicht für viele Kreative und Wissensarbeiter mittlerweile der Bedienung eines Spielautomaten. Man füttert die KI mit Prompts, zieht am Hebel und hofft auf gutes Ergebnis. Meistens spuckt die Maschine jedoch nur ein Resultat aus, das gerade so gut genug ist, um die Stakeholder zu beruhigen, aber zu seelenlos, um wirklich zu begeistern.
Wir müssen uns fragen: Gestalten wir die Arbeit der Zukunft bewusst neu, oder reagieren wir nur mit blindem Personalabbau auf neue Tools, während wir menschliche Intuition gegen statistische Wahrscheinlichkeiten eintauschen?
Das Proxy-Statement-Paradoxon
Es ist ein Muster erkennbar, das ich als AI Redundancy Washing bezeichne. Unternehmen nutzen die KI-Rhetorik in offiziellen Aussagen als Proxy Statements, um massive Stellenstreichungen als strategische Modernisierung zu tarnen. In Wahrheit werden so oft nur strukturelle Fehlentscheidungen der Vergangenheit korrigiert; allen voran das aggressive Overhiring während der Pandemie.
Die mathematische Realität ist brutal: Von 30 analysierten Grosskonzernen, die im Jahr 2026 KI-Erfolge feierten, kündigten 11 gleichzeitig massive Entlassungen an. Insgesamt verloren über 62’000 Menschen ihre Jobs, explizit begründet durch KI-Investitionen und Automatisierung.
Marc Benioff, CEO von Salesforce, brachte die neue Doktrin in einem Moment entwaffnender Ehrlichkeit auf den Punkt: “Ich brauche weniger Köpfe mit KI.”
Die Falle der “Workflow-Schulden”
Ein fundamentaler Fehler vieler Manager ist es, KI auf bestehende, kaputte Prozesse zu werfen. Ich nenne das Workflow-Schulden: Die Anhäufung von unnötigen Meetings, manuellen Genehmigungen und Ausnahmeregelungen, die sich über Jahre verfestigt haben. Wer einen schlechten Prozess automatisiert, verbessert ihn nicht. Er beschleunigt lediglich das Chaos.
Ein positives Gegenbeispiel liefert JPMorgan: Mit dem System Proxy IQ wurden interne Workflows so radikal automatisiert, dass externe Abhängigkeiten und Beraterkosten reduziert wurden, ohne die interne Belegschaft zu dezimieren. Oft wird das Jevons-Paradoxon zitiert: Die Annahme, dass Effizienzsteigerungen die Nachfrage nach einer Ressource erhöhen.
Doch im Wissenssektor greift das nicht mehr. Ein Blick auf die Übersetzungsbranche zeigt das Schreckensszenario: Trotz massiv gesunkener Kosten durch KI gab es dort keine Netto-Zunahme der menschlichen Beschäftigung. Wenn die Grenzkosten für eine gut genug Leistung gegen Null fallen, stagniert die Nachfrage nach teurer menschlicher Exzellenz.
Vom Schöpfer zum Slot-Machine User
Wir erleben den Wechsel von deterministischen Systemen, in denen Designer:innen jedes Pixel kontrollieren, zu probabilistischen Systemen, die auf Wahrscheinlichkeiten basieren. Design wird zum Glücksspiel. Man schreibt einen Prompt, generiert, editiert und hofft. Dabei geht die handwerkliche Kontrolle verloren.
Schlimmer noch ist die Design Fixation: Unser Gehirn geht den Weg des geringsten Widerstands und wir beginnen unbewusst, die Durchschnittsmuster der KI zu reproduzieren. Da KI auf Durchschnittswerten trainiert wird, droht eine starke Homogenisierung. Alles sieht irgendwann gleich aus, oder Aggressiv medioker.
Ein Designer auf Reddit brachte diesen Frust auf den Punkt: “Ich bin jetzt ein Fabrikarbeiter. Werdet ihr die fabrikgefertigten Produkte geniessen und dafür bezahlen, die ich jetzt generiere? Ich habe die Befürchtung, dass der Markt nur noch auf Geschwindigkeit und Volumen optimiert.”
Das Ende der Talent-Pipeline
Die grösste Gefahr der KI-Revolution findet beinahe unbemerkt statt: Der Wegfall der Junior Rollen. Eine Untersuchung des Stanford Digital Economy Labs zeigt bereits einen Rückgang der Neueinstellungen für Berufseinsteiger um 16%.
Da KI etwa 50 bis 60% der Aufgaben von Juniors übernehmen kann sinkt der ökonomische Anreiz für Unternehmen, Nachwuchs auszubilden. Das Problem: Wenn Juniors keine “einfachen” Aufgaben mehr erledigen, wie sollen sie dann jemals das Urteilsvermögen sammeln, um Seniors zu werden? Wir zerstören die Brücke zur nächsten Generation von Experten.
Ein notwendiger Lösungsansatz ist das Red Teaming: Juniors sollten darauf angesetzt werden, KI-Outputs gezielt zu attackieren, logische Schwachstellen zu finden und die Resultate kritisch zu hinterfragen. Nur so schulen sie ihre Analysefähigkeit, wenn die reine Erstellung bereits automatisiert ist.
Designer:innen als Richter:innen und Kurator:innen
Die Aufgabe verschiebt sich vom Pixel-Schubsen hin zur Definition von Qualitätskriterien. Gemäss dem Judge-Evaluate-Iterate-Framework der Nielsen Norman Group müssen Designer:innen lernen, wie man ein objektives Regelwerk für KI-Modelle baut. Die Arbeit findet nun auf einer Ebene der semantischen Parameter statt.
Anstatt statische Screens zu zeichnen, definieren wir Constraints: Was muss zwingend angezeigt werden (Must Show), was sollte optional erscheinen (Should Show) und was darf unter keinen Umständen sichtbar sein (Never Show)?
In einer Welt, in der Ästhetik zur Massenware wird, steigen Geschmack, Empathie und strategisches Urteilsvermögen zu den neuen harten Währungen auf. Designer:innen werden zu Regisseur:innen eines komplexen Systems, das die KI lediglich ausführt.
Ein Blick nach vorn
KI ersetzt nicht den Job von Kreativen und Wissensarbeiter:innen, aber sie verändert radikal die Art der Wertschöpfung. Wenn wir uns blind auf die Effizienz verlassen, landen wir in einer Welt der Beliebigkeit. Wir müssen die gewonnene Zeit nutzen, um endlich die Probleme zu lösen, die echte menschliche Empathie erfordern.
Die alles entscheidende Frage für die kommenden Jahre lautet: Wollen wir eine Welt bauen, die nur gut genug ist, oder nutzen wir die Technologie, um endlich wieder Exzellenz zu wagen?