---
**F.A.Z.** | August 2026 | [Originalartikel](https://www.faz.net/aktuell/wirtschaft/kuenstliche-intelligenz/ki-vollmacht-warum-delegationsgeschwindigkeit-ueber-erfolg-entscheidet-accg-201114961.html)
---
41 Prozent der deutschen Unternehmen ab 20 Beschäftigten setzen Künstliche Intelligenz aktiv ein, vor einem Jahr waren es 17 Prozent, so Bitkom Research im März 2026. Wo KI läuft, läuft sie selten in der Personalabteilung: Nur 14 Prozent der Anwender setzen sie also dort ein, wo eigentlich über Rollen, Verträge und Verantwortung entschieden wird. Künstliche Intelligenz ist im Unternehmen angekommen. In seinen Strukturen und Abläufen ist sie es nicht.
Das Forschungsinstitut METR ermittelt, wie lang eine Aufgabe sein darf, damit ein KI-Agent sie in der Hälfte der Versuche allein zu Ende bringt – gemessen in der Zeit einer erfahrenen Fachkraft. Diese Spanne verdoppelt sich seit sechs Jahren etwa alle sieben Monate und hat Anfang 2026 rund vierzehn Stunden betragen. Vor drei Jahren waren es noch Minuten.
Noch härter trifft der Remote Labor Index von Scale und dem Center for AI Safety: Er setzt Agenten auf echte, bezahlte Freelance-Aufträge und lässt die Ergebnisse von Menschen gegen die gelieferte Arbeit bewerten. Im Oktober 2025 bestehen 2,5 Prozent der Projekte diese Prüfung, im Juli 2026 sind es 16,1 Prozent. Eine Organisationsplanung, die auf dauerhaft unzuverlässige Agenten setzt, wettet somit gegen eine seit sechs Jahren stabile Trendlinie.
Die Erfolgsquote liegt bei fünfzig Prozent. Kein Unternehmen betreibt einen Prozess mit dieser Trefferquote, denn die Buchhaltung benötigt 99 Prozent und mehr. Allerdings steigt die Zuverlässigkeit auf derselben Kurve wie die Fähigkeit. Was aber auf keiner Kurve steigt, ist die Erlaubnis. In den nächsten Jahren ist die Geschwindigkeit, mit der ein Unternehmen Vollmacht erteilt, ein knappes Gut. Diese Geschwindigkeit hängt von Zuständigkeiten, Haftung, Prüfverfahren, Datenqualität und Betriebsvereinbarungen ab. Diese Dinge folgen keiner Exponentialkurve, sondern Sitzungsterminen.
Damit erklären sich zumindest zum Teil die Zahlen, die als Beweis gegen KI herumgereicht werden. Gartner erwartet, dass mehr als 40 Prozent der agentischen Projekte bis Ende 2027 abgebrochen werden. Nach der PwC-Erhebung dieses Jahres entfallen drei Viertel des wirtschaftlichen Nutzens auf ein Fünftel der Unternehmen. Beide Zahlen sagen nicht nur etwas über die Qualität der Modelle aus. Sie zeigen vor allem, wie unterschiedlich schnell Organisationen neue technische Fähigkeiten absorbieren können.
### Die Präsenzdebatte ist der Frühindikator
Die Rückkehr zur Büropflicht ist keine Antwort auf die Frage, wer künftig Vollmachten erteilt. Die Gründe dafür liegen anderswo und sind gut untersucht. Mark Ma von der University of Pittsburgh hat festgestellt, dass solche Anordnungen häufiger in Unternehmen mit mächtigen, lang amtierenden Vorstandschefs und nach Kursverlusten auftreten. Sie haben keinen messbaren Effekt auf den Unternehmenswert und die Leistung, dafür steigt die Fluktuation bei den Erfahrenen. Offiziell werden die Gründe Zusammenarbeit und Kultur genannt.
Ein randomisierter Feldversuch bei Trip.com, der in Nature veröffentlicht wurde, zeigt, dass bei zwei Bürotagen weniger kein Leistungsverlust eintritt, aber ein Drittel weniger Kündigungen zu verzeichnen sind. Anwesenheit ist ein Hilfsmaß für Anstrengung, und man greift zu Hilfsmaßen, wenn ein Maß für Wirkung fehlt. Genau hier berühren sich die beiden Debatten. Wer Wirkung nicht messen kann, regelt Präsenz. Und wer Wirkung nicht messen kann, gibt auch keiner Maschine Vollmacht. Die Präsenzdebatte verursacht das Problem nicht, sie macht es nur früher sichtbar.
Beide Wege kosten, aber unterschiedlich. Wer zu früh delegiert, zahlt für Fehler und deren Korrekturen. Wer stattdessen die Anwesenheit regelt, zahlt ohne es zu merken mit Zeit – und die Rechnung wird mit jedem Leistungssprung der Technologie automatisch größer.
### Prüffähigkeit ist die Voraussetzung von Vollmacht
Aufbau- und Ablauforganisation sind keine Naturgesetze, sondern Antworten auf teures Denken. Herbert Simon und Jay Galbraith haben das Unternehmen als Informationsverarbeiter beschrieben, dessen Struktur den Bedarf an Informationsverarbeitung senkt. Abteilungen bündeln Wissen, da es knapp und ungleich verteilt ist. Die Hierarchie leitet Entscheidungen nach oben, weil Übersicht ebenfalls knapp ist. Der Prozess friert Entscheidungen ein, da jede Neuentscheidung Zeit kostet. Die Stellenbeschreibung ist ein Vertrag über Wiederholung, da Wiederholung die einzige verfügbare Skalierung war.
Diese Voraussetzung schmilzt und damit auch die Abteilungsgrenze, wie ein Versuch der Harvard Business School bei Procter & Gamble aus dem Sommer 2024 zeigt. 791 Fachkräfte arbeiten an echten Produktideen, die eine Hälfte nutzt KI, die andere nicht. Die mit KI arbeitenden Fachkräfte sind am Ende genauso gut wie Zweierteams ohne KI. Und die Fachprägung verschwindet. Entwickler denken kaufmännischer und Kaufleute technischer. Wenn eine Person mit Werkzeug das leistet, was zuvor zwei Fachrichtungen leisten mussten, verteidigt die Abteilung eher ihr Budget als ihr Wissen. Entsprechend hart dürfte ihre Verteidigung ausfallen. Der Versuch ist inzwischen in „Organization Science“ erschienen.
Das Ende der Hierarchie folgt daraus nicht, sie verteilt Informationen und rechnet Verantwortung zu. Die erste Aufgabe schrumpft, weil Informationen nicht länger über verschiedene Hierarchieebenen wandern müssen. Die zweite Aufgabe wächst, weil jemand haften muss für das, was Maschinen entscheiden. Eine effizientere Ausführung macht Führung nicht überflüssig, sondern verschiebt den Engpass von der Ausführung zur Prüfung. Eine falsche Freigabe ist verkraftbar, tausend falsche Freigaben sind hingegen ein Geschäftsmodellrisiko.
Hier liegt der ökonomische Kurzschluss dieses Jahres. In der im Juli 2026 veröffentlichten BCG-Befragung von 152 Vorstandsvorsitzenden mit einem Umsatz von mindestens 500 Millionen Dollar unter dem Titel „CEOs Are Starting to See Value from AI. Now Comes Execution“ nennen 55 Prozent die Neugestaltung von Rollen und Organisation als zentrale Hürde. Nur 30 Prozent haben die Personalfunktion in ihrer KI-Governance berücksichtigt, 82 Prozent hingegen die Technikfunktion. Das Problem wird also organisatorisch benannt, aber technisch besetzt. Dazu passt, dass KI in den Personalabteilungen selbst kaum angekommen ist. Eine Funktion, die bei der wichtigsten Gestaltungsfrage ihres eigenen Fachgebiets nicht am Tisch sitzt, verhandelt bald über ihre eigene Berechtigung.
Noch deutlicher wird es beim Geld. 56 Prozent der befragten Vorstandschefs nennen die fehlende Verbindung zwischen KI-Initiativen und Ergebnisrechnung als Hürde. Nur 14 Prozent haben diesen Ergebnisbeitrag für alle Initiativen definiert. Das ist die größte Lücke zwischen Einsicht und Handlung, die die Erhebung ausweist, und sie liegt genau dort, wo Wirkung gemessen werden könnte. Die Spitzengruppe baut Abläufe rund siebenmal häufiger von Grund auf neu.
Prüffähig bedeutet, dass bekannt ist, wer ein Ergebnis verantwortet, wer einen Ablauf ändern darf und woran auffällt, dass etwas schiefgeht, bevor ein Kunde es merkt. Das klingt nach Kontrolle mit besserem Etikett, ist aber das Gegenteil von Präsenzkontrolle. In der Organisationsforschung werden seit William Ouchi Verhaltens- und Ergebniskontrolle unterschieden. Präsenzregeln kontrollieren das Verhalten, ohne etwas zu beweisen. Ergebniskontrolle prüft das Resultat und gibt deshalb Verhalten frei – bei Menschen wie bei Maschinen.
### Der Betriebsrat bremst nicht
Das deutsche Recht erleichtert diese Wahl mehr, als die meisten Unternehmen glauben. Verhaltenskontrolle ist hierzulande teuer. Wer Beschäftigte per Software beobachtet – sei es hinsichtlich ihrer Anwesenheit, ihrer Klicks oder ihrer Werkzeugprotokolle –, benötigt die Zustimmung des Betriebsrats. Denn gemäß § 87 BetrVG gilt für jede technische Einrichtung, die zur Überwachung von Verhalten oder Leistung geeignet ist, die Mitbestimmung des Betriebsrats. Ergebnissteuerung ist günstiger, weil dabei über Ziele verhandelt wird und nicht über Überwachung. Der praktische Unterschied ist größer, als es klingt.
Wer Überwachung zur Steuerungsgrundlage macht, muss bei jedem neuen Werkzeug neu verhandeln, denn jedes neue Protokoll ist eine neue technische Einrichtung. Wer hingegen über Ergebnisse steuert, verhandelt den Rahmen nur einmal: Eine Betriebsvereinbarung, die Zweck und Grenzen der Protokollierung festlegt und die Zuordnung zu einzelnen Personen ausschließt, deckt danach jeden weiteren Agentenprozess ab. Das ist der größte Einzelhebel für die Freigabegeschwindigkeit, und er liegt in Deutschland günstiger als in Ländern ohne Mitbestimmung. Wer Ziele mit variabler Vergütung verknüpft, holt den Betriebsrat erneut an den Tisch, allerdings dann über Entgelt und nicht über Überwachung. Zur Bremse wird die Mitbestimmung erst, wenn ein Unternehmen Steuerung mit Überwachung verwechselt.
Prüfen kann nur, wer die Arbeit selbst beherrscht. Urteilsfähigkeit entsteht nicht im Seminar, sondern in den Jahren, in denen man recherchiert, zusammenfasst, vorbereitet und aufräumt. Genau diese Tätigkeiten übernehmen Maschinen zuerst, und genau daraus besteht die Arbeit von Berufseinsteigern. Auswertungen des Stanford Digital Economy Lab auf Basis amerikanischer Gehaltsabrechnungsdaten zeigen für Zweiundzwanzig- bis Fünfundzwanzigjährige in stark KI-exponierten Berufen einen deutlichen relativen Beschäftigungsrückgang. Duale Ausbildung und Kündigungsschutz dämpfen diesen Effekt in Deutschland, der Mechanismus bleibt jedoch derselbe.
Darin steckt ein organisatorisches Paradoxon: Unternehmen automatisieren zuerst jene Arbeit, durch die ihre späteren Prüfer ihre Urteilsfähigkeit bislang erworben haben. Wer heute Einstiegsstellen streicht, weil eine Maschine deren Aufgaben erledigt, spart zwar Personalkosten, riskiert aber zugleich, dass in zehn Jahren niemand mehr da ist, der die Arbeit dieser Maschinen beurteilen kann. Die Prüfinstanz, die agentische Arbeit benötigt, wächst genau auf der Stufe, die gerade wegfällt.
### Delegationsgeschwindigkeit
Nicht die Unternehmen, die am meisten KI einsetzen, sind zukunftsfähig, sondern die, die ihr am schnellsten Verantwortung übertragen. Modelle sind Zukaufteile. Sie werden monatlich besser und billiger und sind für jeden erhältlich. Der Vorsprung entsteht erst danach, nämlich in der Zeit, die ein Unternehmen benötigt, um aus einer neuen Fähigkeit einen freigegebenen Prozess zu machen, für dessen Ergebnis jemand einsteht. Diese Zeit ist die Delegationsgeschwindigkeit.
Sie lässt sich messen, und die Werte sind unangenehm. Drei Fragen genügen. Wie viele Arbeitsschritte laufen heute ohne menschliche Freigabe? Wie lange dauert es vom ersten Test eines Agenten bis zu seinem produktiven Einsatz, für den eine Person namentlich verantwortlich ist? Und wie hoch ist dessen Fehlerquote, gemessen und nicht geschätzt? Wer diese drei Zahlen nicht nennen kann, hat keine KI-Strategie, sondern lediglich Lizenzen.
Diese Zeit lässt sich verkürzen, und zwar unabhängig davon, wie schnell die Modelle besser werden.
Den größten Hebel hat der Kontext. Ein Agent kann eine Aufgabe nur übernehmen, wenn er weiß, wie sie im Unternehmen erledigt wird. Prozessdokumentation, Stammdaten und Entscheidungsregeln müssen deshalb maschinenlesbar vorliegen. Wenn dieses Wissen nur in den Köpfen der Mitarbeitenden und im Jour fixe existiert, beginnt jede Übergabe mit Archäologie. Es scheitert die Delegation, bevor Technik überhaupt helfen kann.
Nur wer Fehler früh erkennt, kann freigeben. Das Modell dafür existiert seit Jahrzehnten in der Qualitätssicherung und lässt sich für agentische Arbeit anwenden: Stichproben mit ausgewiesener Fehlerquote statt Vollkontrolle, feste Schwellen, ab denen eskaliert wird, und ein Verantwortlicher für jeden Agentenprozess. Dazu gehört auch, Agenten wie Mitarbeiter zu führen, das heißt mit Zugriffsrechten, Lebenszyklus, Abschaltpunkt und Kostenstelle. Wer die Kosten für Rechenzeit nicht im Controlling erfasst, merkt zu spät, dass sich ein Prozess nicht rechnet.
Und ob eine Maschine die Arbeit besser macht, sieht nur, wer Ergebnisse messen kann. Solange ein Team an Anwesenheit und Aktivität gemessen wird, fehlt dieser Vergleichsmaßstab. Es braucht zwei bis drei Kennzahlen je Team, die das Team selbst beeinflussen kann, sowie ein Ergebnisversprechen pro Quartal. Dazu gehört auch, die Nutzung aus dem Verborgenen zu holen. Solange Führungskräfte KI nicht sichtbar selbst einsetzen, gilt ihre Nutzung im Kollegium als Zeichen von Bequemlichkeit. Wer sie heimlich nutzt, teilt seine Erfahrungen nicht. Dann lernt die Organisation nichts.
Die Frage ist nur: Wo fängt man an? Wer die bestehende Linienorganisation umbauen möchte, verhandelt zwei Jahre mit allen Beteiligten und endet mit einem Kompromiss. Schneller ist der Weg über eine zweite Struktur: drei bis fünf kleine Einheiten neben der Linie mit eigenem Budget, voller Ergebnisverantwortung und der Erlaubnis, ihre Abläufe von Grund auf neu zu gestalten. Nach sechs Monaten liegen Zahlen vor, die zeigen, ob das Modell trägt. Zahlen setzen sich in Gremien besser durch als Absichtserklärungen.
Meine Prognose lautet deshalb: In drei Jahren liegt nicht derjenige vorn, der die besseren Modelle hat, sondern derjenige, der die kürzere Frist zwischen einer neuen Fähigkeit und ihrer Freigabe hat. Diese Frist zu verkürzen, kostet ein bis zwei Jahre Arbeit an Dokumentation, Prüfverfahren und Zuständigkeiten. Die Aufgabenlänge, die ein Agent allein bewältigt, verdoppelt sich in sieben Monaten, die Qualität steigt. Wer erst anfängt, wenn der nächste Sprung da ist, klärt noch Grundlagen, während der Wettbewerber schon liefert.
Dass so wenig geschieht, liegt an den Anreizen der Entscheider. Für eine Büropflicht lässt sich ein Aufsichtsrat leicht begeistern, für dokumentierte Agentenprozesse hingegen deutlich schwerer. Beide Fragen haben dieselbe Wurzel. Wer die Wirkung von Arbeit nicht messen kann, regelt die Anwesenheit von Menschen und verweigert Maschinen die Vollmacht. Er verwaltet seinen Rückstand. Und während er diesen verwaltet, verdoppelt sich alle sieben Monate der Anteil der Aufgaben, die Maschinen übernehmen könnten.
