Wenn KI Aufgaben übernimmt: Was ein CEO über Workforce Transformation wissen muss

Die Debatte um KI und Arbeitsplätze ist lauter als die derzeit belastbare Evidenz, wenn man genauer hinschaut. Trotzdem ist Vertagen keine Option. Workforce-Entscheidungen sind in erster Linie Entscheidungen der Geschäftsführung. Sie sind langfristig wirksam, weshalb Fehlentscheide sich oft erst Jahre später zeigen, wenn Korrekturen kostenintensiv sind.

Differenz zwischen Headline und Evidenz

Im Herbst 2025 wurde ein Preprint zum Remote Labor Index veröffentlicht (Center for AI Safety und Scale AI). Getestet wurden leistungsfähige KI-Agenten an 240 realen End-to-End-Projekten aus dem Freelance-Markt. Wichtig war das Setting: bewusst realistisch, aber streng angelegt, typischerweise ohne tiefe interne Systemintegration und ohne die Art von Prozess- und Datenzugriff, die Unternehmen in integrierten Umgebungen schaffen können.

Das Ergebnis ist nüchtern. Der beste getestete Agent erreichte eine End-to-End-Automationsrate von 2,5 Prozent. Das bedeutet nicht, KI bringe nichts. Das Setup dürfte zur tiefen Automationsrate beigetragen haben, weil keine tiefere Systemintegration stattfand. Es bedeutet aber dennoch, dass eine autonome, vollständige Ersetzung realer Projektarbeit (Stand 2025) empirisch nicht breit belegt ist, zumindest nicht in einem solchen Setting. In integrierten Unternehmensprozessen kann KI als Augmentation deutlich mehr bewirken.

Für die Geschäftsleitung bedeutet das: Personalabbau, Neueinstellungen oder Umschulungen dürfen nicht auf Hype basieren. Sie müssen auf Leistungsdaten aus dem eigenen Kontext gestützt werden. Wer heute Stellen streicht in der Annahme, in zwölf bis achtzehn Monaten sei «alles automatisiert», geht eine Wette ein, die empirisch derzeit nicht sauber abgesichert ist.

Die stille Transformation, die längst läuft

Während die vollständige Automatisierung offen bleibt, zeigt sich eine zweite Entwicklung bereits heute: KI verändert, was Mitarbeitende selbst noch können, wenn sie Tools täglich nutzen.

Michael Gerlich (SBS Swiss Business School) berichtet 2025 in einer Querschnittsstudie mit 666 Teilnehmenden eine negative Korrelation zwischen häufiger KI-Tool-Nutzung und der Fähigkeit zu kritischem Denken, wobei Cognitive Offloading, also das Auslagern kognitiver Arbeit an externe Systeme, als statistischer Mediator modelliert wird. Das Design erlaubt keine Kausalitätsaussage. Es ist denkbar, dass Personen mit bestimmten kognitiven Profilen häufiger KI nutzen, als andere. Trotzdem bleibt der Befund für Geschäftsleitung und VR relevant. Die zentrale Frage ist nicht nur, ob KI Mitarbeitende ersetzt. Sie lautet auch: Welche Urteile, Analysen und fachlichen Einschätzungen werden in fünf Jahren intern noch eigenständig möglich sein, und welche lassen sich ohne Tool nicht mehr verantwortbar fällen?

Das ist keine IT-Frage. Es ist eine Frage der organisationalen Resilienz.

Was ich aus eigener Führungserfahrung beobachte

In Transformationen der letzten Jahrzehnte, technologisch wie organisatorisch, sehe ich bei KI drei Muster, die Unternehmen regelmässig unterschätzen.

Tempo wird überschätzt, Nebenwirkungen werden unterschätzt. Eine Demo überzeugt sofort. Im Betrieb entscheiden jedoch Datenzugang, Prozessintegration, Rollenklärung, Kontrollpunkte und Akzeptanz und nicht das Modell. Auch ich habe Projekte zu schnell skaliert: technisch erfolgreich, wirtschaftlich tragfähig erst, als die Organisation sie akzeptiert hatte.

Widerstand ist kein Störgeräusch. Er ist ein Risikoindikator. Wer Mitarbeitende zu spät einbindet oder die Gründe der Transformation nicht verständlich darlegen und schulen kann, erhält Schattenprozesse, Nutzung ohne Standards und Kontrollen, oder Rückzug. Beides kostet Zeit, Qualität und Vertrauen. Beispielsweise bei der Einführung der DSGVO habe ich erlebt, wie der Widerstand deutlich abnahm, sobald Mitarbeitende den Bezug zu ihren eigenen Daten erkennen konnten. Ab diesem Moment entstehen tragfähige Lösungen, die im Betrieb tatsächlich umsetzbar sind.

Arbeitslast verlagert sich und braucht neue Verantwortung. KI kann Erstellungszeit sparen, erhöht aber den Bedarf an Überprüfung, Urteil und Kontext. Viele planen Effizienz, ohne Review-Last, Haftungsprofil und Schulungsbedarf einzupreisen; genau dort entstehen später Erwartungsenttäuschungen.

Mein praktischer Schluss: Bei der KI-Einführung gibt es weniger eine einmalige Weichenstellung als vielmehr ein fortlaufendes Tarieren zwischen Geschwindigkeit und Belastbarkeit der Organisation.

Gründe für den Hype

Der Marktdruck kommt nicht nur aus Medien und Beraterfolien. Er kommt aus der Kapitalallokation. Globale Investitionen in KI-Modelle, Rechenzentren und Chips bewegen sich in Grössenordnungen, die Erwartungsniveaus erzeugen, bei Anbietern, Plattformen und im Kapitalmarkt. Wenn Modellanbieter wie OpenAI und Anthropic skalieren und gleichzeitig NVIDIA und vergleichbare Hersteller die Infrastrukturwelle tragen, entsteht ein starkes Incentive-System aus Wachstumserwartungen, Marktanteilen und Narrativ. Bei jedem Hype ist die Frage zwingend, wer ganz am Schluss in welcher Form profitiert. Das relativiert vieles.

Wie weit dieses Narrativ der operativen Realität in Unternehmen vorauseilen kann, zeigt der MIT-NANDA-Report 2025 (Preliminary Findings von Challapally et al., gestützt auf 300 KI-Initiativen, 52 strukturierte Interviews und 153 Survey-Antworten). Bei 30 bis 40 Milliarden USD Enterprise-Investitionen in generative KI erzielen 95 Prozent der Organisationen keinen messbaren Return. Auch hier lohnt Präzision: Solche Aussagen hängen stark davon ab, wie Return definiert wird und in welchem Zeithorizont gemessen wird. Wenn die Bewertung auf Enterprise-Ebene nach rund sechs Monaten erfolgt, ist das methodisch ein sehr früher Messpunkt, zumal Rollouts von Pilot zu operativer Breite in vielen Organisationen deutlich länger dauern. In mittelständischen Umfeldern habe ich bei komplexen End-to-End-Lösungen Implementierungszeiten von drei bis vier Jahren beobachtet. Die absolute 95-Prozent-Zahl ist daher zu relativieren; die Grundaussage bleibt trotzdem relevant: Messbarer Return aus End-to-End-Automation ist schwerer zu realisieren, als es viele Artikel nahelegen.

Als CEO ist deshalb eine Frage häufig hilfreicher als die nächste Modell-Demo: Wer hat welches Incentive im AI-First-Hype, und wer trägt die Verantwortung, wenn die Organisation es nicht absorbieren kann?

Was Führung in dieser Phase heisst

Technologieeffekte sieht man oft früh. Organisatorische und personelle Nebenwirkungen sieht man spät, und häufig anders als im Business Case. Das gilt auch umgekehrt: Untätigkeit hat ebenfalls Kosten, nur zeitverzögert. Der Punkt ist nicht schneller oder langsamer. Der Punkt ist, Tempo an Readiness zu koppeln.

Vier Entscheidungen, die nicht delegierbar sind

Trennung zwischen Ersatz und Augmentation. Viele Rollen werden nicht ersetzt. Sie werden umgebaut. Wer diese Unterscheidung nicht sauber trifft, plant am Bedarf vorbei und verliert Mitarbeitende, die später strategisch gebraucht werden.

Schutz der Kernkompetenzen. Wenn Cognitive Offloading ein realer Effekt sein kann, muss die Geschäftsleitung definieren, welche Fähigkeiten im Haus eigenständig bleiben müssen. Bei einem regulierten Vermögensverwalter sind das beispielsweise Anlageentscheide. Bei einem industriellen KMU kann es die eigene technische Problemlösungskompetenz sein. Das ist Strategie, nicht IT.

Aktive Führung der Workforce-Planung. Reddy Yanamala (2024) beschreibt einen nützlichen Rahmen aus drei Ebenen: Kompetenzlücken analysieren, Ressourcen dynamisch zuteilen, Nachfolge vorausschauend planen. Der Wert liegt weniger im KI-Modell als in der Disziplin, Workforce als Steuerungsobjekt zu führen statt reaktiv zu verwalten.

Ausbildung als Führungspriorität. KI verändert Prozesse, Rollen und Kontrollpunkte und bringt neue Risiken mit sich, darunter Datenschutz, Cybersecurity, Fehlbedienung und Scheinsicherheit. Ausbildung ist deshalb nicht HR am Rand. Sie ist Führungsarbeit.

Ein Sonderrisiko: KI in HR-Prozessen

Wer KI in Rekrutierung, Leistungsbewertung oder Personalplanung einsetzt, trifft auf ein verschärftes Regime. Unter dem EU AI Act sind solche Systeme grundsätzlich als Hochrisikosysteme klassifiziert (Verordnung 2024/1689, Art. 6 i.V.m. Anhang III Nr. 4). Für Schweizer Unternehmen ist das je nach Rolle (Provider oder Deployer), Plattformbezug und EU-Bezug praktisch relevant. Executive-Search- und Interim-Provider mit DACH/EU-Bezug stehen beispielweise vor dieser Herausforderung.

Parallel greifen in der Schweiz u.a. Art. 328b OR zur Datenbearbeitung im Arbeitsverhältnis und Art. 21 nDSG zu automatisierten Einzelentscheidungen. Die Konsequenzen sind operativ: Bias-Kontrollen, Nachvollziehbarkeit, menschliche Letztentscheidung und dokumentierte Governance dürfen nicht Projekt-Dekoration sein. Sie müssen strukturell abgesichert werden. Diese Absicherung ist Teil der Oberaufsicht über die Geschäftsführung nach Art. 716a Abs. 1 Ziff. 5 OR und fällt damit direkt in die Verantwortung des Verwaltungsrats.

Was bleibt

Die empirische Lage spricht derzeit gegen eine schnelle, breite autonome Verdrängung komplexer Wissensarbeit. Gleichzeitig ist plausibel, dass sich über Zeit in nahezu allen Bereichen signifikante Veränderungen ergeben, inklusive Robotik und handwerklicher Tätigkeiten. Der entscheidende Punkt ist der Zeithorizont: Solche Umstellungen sind in der Realität oft kapitalintensiver und betriebsseitig komplexer als Prognosen suggerieren. Das wird die Implementationsgeschwindigkeit in vielen Organisationen begrenzen. Umso klarer ist jedoch: Anforderungsprofile, Kompetenzen und Governance verschieben sich, und diese Verschiebung beginnt bereits heute.

Nach Art. 754 OR haftet die Geschäftsführung für die sorgfältige Erfüllung ihrer Aufgaben, und nach Art. 716a Abs. 1 Ziff. 5 OR trägt der Verwaltungsrat die Oberaufsicht darüber. Das OR ist technologieneutral; eine explizite Nennung von KI ist daher nicht erforderlich. Die Verantwortung und Sorgfaltspflichten werden durch KI nicht kleiner, eher im Gegenteil, weil neue Risiken hinzukommen. Sorgfältige Workforce-Führung im Zeitalter generativer KI heisst deshalb nicht, den Hype mitzumachen. Sie bedeutet, Evidenz, kulturelle Nebenwirkungen und Rechtsrahmen gleichzeitig zu sehen, und daraus robuste, überprüfbare Entscheidungen abzuleiten.

---

Quellen

• Challapally, A., Pease, C., Raskar, R., & Chari, P. (2025). State of AI in Business 2025: The GenAI Divide. MIT NANDA, Juli 2025. Preliminary Findings.
• Gerlich, M. (2025). AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Societies, 15(1), 6. DOI: 10.3390/soc15010006.
• Mazeika, M. et al. (2025). Remote Labor Index: Measuring AI Automation of Remote Work. Center for AI Safety, Scale AI. arXiv:2510.26787 (Preprint, nicht peer-reviewed).
• Reddy Yanamala, K. K. (2024). Strategic Implications of AI Integration in Workforce Planning and Talent Forecasting. Journal of Advanced Computing Systems, 4(1), 1–9.
• Verordnung (EU) 2024/1689 (EU AI Act), Art. 6 i.V.m. Anhang III Nr. 4.
• Schweizerisches Obligationenrecht (OR): Art. 328b, 716a Abs. 1 Ziff. 5, 754.
• Schweizerisches Datenschutzgesetz (nDSG): Art. 21.