Ergebnisse eines Forschungsworkshops zu KI, Führung und Organisation
Einleitung
Künstliche Intelligenz (KI) verändert Organisationen nicht punktuell, sondern strukturell. Während die klassische Management-Lehre bisher von klar abgegrenzten Transformationsphasen ausgeht, deuten aktuelle Entwicklungen auf einen Paradigmenwechsel hin: Organisationen geraten in einen Zustand permanenter Anpassung. Vor diesem Hintergrund untersuchten Studierende des siebten Semesters im Studiengang Betriebswirtschaftslehre an der HTWG Konstanz im Rahmen eines Forschungsworkshops, wie KI klassische Organisationsmodelle, Führung und Governance transformiert.
Der Workshop fokussierte auf generative KI, Large Language Models und Machine Learning als derzeit einflussreichste Technologien für Führung und Organisation. KI wurde dabei verstanden als System, das menschliche Intelligenzleistungen simuliert oder erweitert – etwa durch natürliche Sprachverarbeitung, Mustererkennung in großen Datenmengen, prädiktive Analysen, algorithmische Entscheidungsunterstützung und die Automatisierung komplexer kognitiver Prozesse.
Forschungsthese: Organisationen im Modus „Permanent BETA“
Zentrale Arbeitsthese des Workshops war das Konzept „Permanent BETA“: Organisationen erreichen keinen stabilen Endzustand mehr. Stattdessen entwickeln sie sich kontinuierlich weiter, getrieben durch exponentiell wachsende KI-Fähigkeiten. Klassisches Change Management in Projekten mit klaren Anfangs- und Endzeitpunkten verliert an Relevanz. Anpassungsfähigkeit wird zur Kernkompetenz moderner Organisationen.
Leitend waren zwei Forschungsfragen:
- Wie wirken sich KI-getriebene Entwicklungen auf klassische Organisationsstrukturen aus?
- Welche neuen Governance-Modelle entstehen im Zusammenspiel von Mensch und KI?
Auswirkungen auf Organisationsstrukturen
Die Studierenden identifizierten einen deutlichen Bruch mit traditionellen hierarchischen Modellen. Klassische Wissensvorsprünge von Führungskräften verlieren an Bedeutung, da KI Wissen jederzeit verfügbar macht. Dies führt zu:
- Flacheren Hierarchien und dynamischen Rollenprofilen
- Automatisierung von Routinetätigkeiten und damit veränderten Kompetenzanforderungen
- Schnelleren Entscheidungszyklen durch datenbasierte Analysen
- Kontinuierlicher Reorganisation statt einmaliger Umstrukturierung
Gleichzeitig steigen die Anforderungen an Lernbereitschaft, Akzeptanz und kontinuierliche Qualifizierung. Lernkultur, Wissensaustausch und Verfügbarkeit von KI-Systemen werden als zentrale Erfolgsfaktoren gesehen.
Neue Governance-Modelle: Hybrid, datengetrieben, normativ sensibel
Im Bereich Governance zeichnet sich laut den Workshop-Ergebnissen ein hybrides Modell ab, in dem menschliche und algorithmische Entscheidungslogiken koexistieren. Diese Entwicklung ist jedoch von Spannungsfeldern geprägt:
- Datenschutz und Privatsphäre versus datengetriebene Optimierung
- Transparenzpflichten und Nachvollziehbarkeit algorithmischer Entscheidungen
- Ethik, Bias und Fairness in KI-Systemen
- Cybersecurity und organisatorische Resilienz
Die Studierenden diskutierten, dass Verantwortung und Accountability trotz KI-Unterstützung klar beim Menschen verbleiben müssen. KI darf Entscheidungen vorbereiten, nicht legitimieren.
Das Integrationsproblem: Wenn Planung zu langsam wird
Ein zentrales Ergebnis war das Entscheidungs- und Integrationsparadox: KI-Technologien entwickeln sich schneller als klassische strategische Planungszyklen. Projekte drohen bei Fertigstellung bereits überholt zu sein. Erfolgreich sind daher eher Organisationen, die neue KI-Fähigkeiten „mid-stream“ integrieren können.
KI-integriert arbeitende Organisationen erzielen potenziell eine simultane Qualitäts- und Kostenführerschaft. Dem stehen jedoch zahlreiche „Misfits“ gegenüber, darunter Kostendruck, Akzeptanzprobleme, fehlende Lernkultur, Budgetrestriktionen, Kreativitäts- und Umstrukturierungsparadoxien sowie die Gefahr eines Kompetenzangleichs im Wettbewerb.
Das Modell des „Permanent BETA“-Zyklus
Als konzeptioneller Beitrag wurde ein iteratives Fünf-Phasen-Modell entwickelt:
Phase 1: Monitoring – Systematische Beobachtung von KI- und Marktentwicklungen (1–3-Monats-Zyklen)
Phase 2: Identifizieren – Bewertung strategischer Chancen und Implementierungspotenziale
Phase 3: Experimentieren – Rapid Prototyping in kontrollierten Testumgebungen
Phase 4: Governance – Berücksichtigung datenschutzrechtlicher und ethischer Aspekte sowie Entwicklungsmaßnahmen auf Personal-Ebene
Phase 5: Integrieren – Skalierung erfolgreicher Experimente und Rückführung ins organisationale System
Das Modell verbindet Prinzipien aus Design Thinking, agilen Methoden und organisationalem Lernen zu einem KI-spezifischen Framework. Kritisch angemerkt wurden der Bedarf an engen Monitoring-Zyklen, ein systematisches Risiko-Assessment sowie humane Feedbackschleifen (human in the loop).
Mindsetshifts: Von Wissen zu Lernen
Technologische Anpassungen führen zu kulturellem Wandel von KI-beeinflussten Organisationen. Erforderlich sind Mindsetshifts in der Führung:
- Lernen schlägt Wissen
- Veränderung wird Normalzustand
- Lerngeschwindigkeit ersetzt teilweise Domänenexpertise
- Experimentieren statt Perfektion
Organigramme, Budgets und Stellenbeschreibungen werden im Extremfall zu fluiden, temporären Konstrukten. Fehler werden als tolerierbare Lernsignale interpretiert.
KI-Tool-Challenge: Chancen, Bedenken und rote Linien
Im praktischen Teil des Workshops identifizierten die Studierenden konkrete Einsatzfelder von KI in der Führung. Chancen sahen sie insbesondere im Zugang zu fehlenden Kompetenzen, Effizienzsteigerung, Konfliktlösung und besserer Entscheidungsunterstützung. Gleichzeitig artikulierten sie substanzielle Bedenken: Kontrollverlust, Kompetenzabbau, digitale Abhängigkeit und die Gefahr unkritischer KI-Nutzung.
Klar definiert wurden auch Grenzen des KI-Einsatzes bei Personalentscheidungen, Mitarbeitergesprächen, humaner Führung und Sinnstiftung. KI wurde als Assistent definiert, nicht als Ersatz für Führung.
Führungsethik und Verantwortung
Die Studierenden diskutierten algorithmischen Bias, Datenschutz und Verantwortung. Konsens war, dass:
- Bias sowohl in menschlichen als auch in algorithmischen Entscheidungen kritisch reflektiert werden muss
- Datenminimierung als Grundprinzip gelten soll
- Die finale Verantwortung für den KI-Einsazt stets beim Menschen liegt
Der Leadership Canvas als operatives Verdichtungsinstrument
Die Verdichtung der Workshop-Ergebnisse liefert der im Forschungsprozess eingesetzte Leadership Canvas, der individuelle Reflexion mit organisationstheoretischen Implikationen verbindet. In aggregierter Form zeigt der Canvas, wie sich das Selbstverständnis zukünftiger Führungskräfte im Kontext KI-gestützter Organisationen verschiebt.
Zentrale Führungsaufgaben werden von den Studierenden im zwischenmenschlichen und strategischen Bereich verortet. Mitarbeitergespräche, Kommunikation sowie Sinnstiftung gelten als nicht an KI delegierbare Kernaufgaben von Führung. Gleichzeitig bleibt die Verantwortung, Ziele und Strategien im Blick zu behalten und eine Balance zwischen Automatisierung und menschlicher Kontrolle herzustellen. Besonders hervorgehoben wird die Rolle von Führung bei der aktiven Vermeidung von Kompetenzverlusten – sowohl individuell als auch organisational.
Demgegenüber wird KI-Unterstützung vor allem in vorbereitenden, strukturierenden und entlastenden Funktionen gesehen. Protokollierung, Präsentationserstellung, Content-Generierung und Assistenzfunktionen gelten als prädestinierte Einsatzfelder. Folglich die KI überall dort einsetzen, wo keine genuin menschliche Kompetenz erforderlich ist. KI wird somit als kognitiver Verstärker verstanden, nicht als Führungsersatz.
Im Bereich der Risiken zeigt der Canvas ein hohes Problembewusstsein. Besonders kritisch werden das Spannungsfeld zwischen Stellenabbau und tatsächlicher Potenzialnutzung, wachsende digitale Abhängigkeiten sowie Cybersecurity-Risiken bewertet. Hinzu kommt die Sorge vor einem schleichenden Verlust eigenständigen Denkens, wenn Ergebnisse von KI-Systemen nicht mehr hinterfragt werden. Führung wird damit explizit als Schutzfunktion gegen intellektuelle und organisationale Erosion verstanden.
Die identifizierten Lernfelder und Kompetenzen unterstreichen den Paradigmenwechsel von statischem Wissen hin zu kontinuierlicher Lernfähigkeit. Neben einem grundlegenden Verständnis von KI müssen zukünftige Führungskräfte konkrete KI-Tools kennen und anwenden können. IT- und Big-Data-Kenntnisse werden ebenso als notwendig erachtet wie ein reflektiertes Bewusstsein für Chancen und Risiken. Technologische Kompetenz wird damit zur Voraussetzung verantwortungsvoller Führung.
Schließlich verweisen die formulierten Early Wins auf einen pragmatischen Zugang zum Thema KI. Statt umfassender Transformationsprogramme ist das Testen konkreter Anwendungsfälle, den gezielten Aufbau von KI-Kompetenz und die Förderung von Akzeptanz im Team relevant. Eine zentrale Erkenntnis des Workshops wird dabei pointiert zusammengefasst: „Es gibt nichts, was es nicht gibt – oder zumindest noch nicht.“
Insgesamt zeigt der Leadership Canvas, dass die Studierenden KI nicht als Bedrohung von Führung begreifen, sondern als Katalysator für eine Neudefinition von Führungsarbeit. Führung im „Permanent BETA“-Modus bedeutet demnach, technologische Möglichkeiten konsequent zu nutzen, ohne die menschliche Verantwortung, Urteilskraft und Sinnstiftung aus der Hand zu geben.
Fazit
Der Workshop zeigte, KI transformiert Organisationen nicht nur technologisch, sondern ontologisch. Transformation wird zum Seinszustand. Erfolgreiche Organisationen der Zukunft zeichnen sich im Ideal durch kontinuierliche Evolution, experimentelle Lernlogiken und klare ethische Grundsätze aus.
Autoren:
Josias Barth
Antonia Bernhard
Michel Bieler-Loop (Dozent für Organisation und Führung)
Florin Bulica
Emelie Eggen
Henri Feil
Stefan Fesenmeyer
Patricia Goeft
Paulina Kirsch
Jo Knipp
Luca Kutscha
Lilly Pavic
Dorothea Pototskaya
Katheryna Zhyvun
HTWG Hochschule für Technik, Wirtschaft und Gestaltung, Konstanz
WS2526_BWB_7
11. Dezember 2025
