Wenn unser eigenmind-Team mit Führungskräften über Künstliche Intelligenz spricht, kommen wir nach kurzer Zeit fast immer an dieselbe Stelle. Erst geht es um Tools (welches Modell, welcher Anbieter), dann um Effizienz (wie viel Zeit spart das wirklich, welche Trainings brauchen wir, um Effizienz zu heben), dann um Rollouts (wer macht das in der IT, wer trägt die Kosten). Die Frage, die fast niemand im ersten Schritt stellt und die eigentlich die Grundlage jeder Transformation sein sollte: Was bedeutet das für unsere Mitarbeitenden, ihre Rollen und Eigenverantwortung, und für unsere Führungsarbeit?
1. Raus aus der Service-Funktion, rein in die aktive Gestaltung
HR muss zum Mitgestalter der KI-Strategie werden.
Die HR-Funktion hat ihre Selbstbeschreibung in vielen Mittelständlern noch nicht nachgezogen. In Gesprächen mit Geschäftsführungen wird sie häufig in der Reihe „Unterstützungsfunktion" verortet, irgendwo zwischen IT und Finanzen, oft mit weniger strategischem Gewicht als das Marketing. In KI-Projekten zeigt sich, dass diese Verortung nicht mehr trägt.
Sobald die ersten Sprachmodelle und agentischen Werkzeuge in den Fachbereichen ankommen, sind die offenen Fragen fast ausschließlich Organisations- und Führungsfragen. Wer entscheidet, ob ein Rollout in der Buchhaltung passiert? Wer prüft, ob die neue Aufgabenverteilung zwischen Mensch und Maschine fair und arbeitsrechtlich tragfähig ist? Wer definiert, welche Kompetenzen die nächste Vertriebsmitarbeiterin haben muss, wenn der Großteil der CRM-Datenpflege durch einen Agenten erledigt wird?
Findet den wirtschaftlichen Hebel
Wir verkaufen unseren Kunden keinen „KI-bedingten Produktivitätssprung von 30 Prozent", weil solche Pauschalzahlen wenig Sinn machen. Aber drei messbare Effekte tauchen in den Daten und in unseren Projekten zuverlässig auf:
- Entscheidungsgeschwindigkeit und Entscheidungsqualität in den Bereichen, in denen Mitarbeitende KI für Recherche, Vorbereitung und Optionenvergleich nutzen.
- Skalierung pro Kopf. Im Mittelstand mit Fachkräftemangel ist das oft der attraktivste Effekt. Bestehende Teams bekommen mehr durchgesteuert, weil Routinen wegfallen oder geteilt werden, nicht, weil Stellen wegfallen.
- Bindung über Wirksamkeit. Mitarbeitende, die spüren, dass ihre Arbeit durch KI weniger anstrengend und gleichzeitig wirksamer wird, kündigen seltener und sind erfolgreicher. BCG bestätigt in einer Erhebung: Adoptionserfolge hängen massiv an Peer-Learning und an einer Lernkultur, die nicht von HR gepredigt, sondern in den Teams gelebt wird. Es braucht keine vorgegebenen Beraterschablonen, sondern stetige individuelle Übung mit KI.
Keiner dieser Effekte fällt vom Himmel. Sie passieren, wenn Führungskräfte sie aktiv gestalten und die Geschäftsführung sie als strategisches Thema behandelt, nicht als Begleitprogramm.
2. Relevanz von Rollenbeschreibungen und ‑verantwortung
Die Arbeitsteilung zwischen Mensch und Agent muss geschrieben werden.
Eines der häufigsten Pilotmuster in unseren Projekten: Ein Bereich nimmt einen agentischen Workflow in Betrieb, zum Beispiel Lieferantenscreening, Vertriebsbriefings oder Rechnungsvorprüfung. Die Ergebnisse sehen brauchbar aus, aber niemand kann klar sagen, wer für eine Falschentscheidung haftet. Bis zur ersten brenzligen Situation merkt niemand etwas. Danach steht der Pilot still.
Das ist kein Bedienfehler, sondern eine fehlende Architektur. In jeder Rolle, in der Mensch und Agent zusammenarbeiten, müssen drei Dinge bewusst entschieden sein:
- Welche Schritte darf der Agent autonom ausführen? Typischerweise sind das reproduzierbare, gut umrissene Arbeiten mit reversiblen Folgen. Recherchen, Vorklassifikationen, Entwurfsfassungen.
- Wo prüft der Mensch, bevor weitergearbeitet wird? Überall dort, wo Konsequenzen schwer rückholbar sind oder Außenwirkung im Spiel ist.
- Wer trägt am Ende die Verantwortung? Das ist nicht verhandelbar: Es bleibt der Mensch. Das ist nicht nur eine kulturelle, sondern eine rechtliche Festlegung.
Diese Grenze ist regulatorisch verankert. Artikel 14 der EU-KI-Verordnung schreibt für Hochrisiko-KI-Systeme eine wirksame menschliche Aufsicht vor. „Wirksam" heißt im Wortlaut: Die zuständige Person muss die Fähigkeiten und Grenzen des Systems verstehen, sich des Automatisierungsbias bewusst sein, eingreifen und das System anhalten können. Eine formale Genehmigung am Ende reicht nicht.
Im Personalwesen ist das nicht abstrakt. KI-gestütztes Bewerbervorscreening fällt nach Anhang III der Verordnung in die Hochrisiko-Klasse. Eine Personalabteilung, die abgelehnte Bewerbungen ohne echte menschliche Prüfung verschickt, agiert spätestens ab August 2026 in einem heiklen Bereich, und macht sich zusätzlich angreifbar, wenn es zu Klagen kommt.
Unsere praktische Empfehlung: Bevor ein Pilot in einem People-relevanten Bereich live geht, gehören drei Sätze auf ein Blatt Papier.
Drei Ebenen der Mensch-Agent-Zusammenarbeit
Wir sortieren Aufgaben in einer Rolle in drei Ebenen, die sich nach Außenwirkung und Rückholbarkeit unterscheiden:
3. Führung im KI-Zeitalter: persönlich durchdringen, nicht delegieren
Was sich verändert, wenn Agenten Berichtslinien betreten.
Wir sehen in vielen Mittelständlern, dass Führungskräfte KI als „Mitarbeiterthema" auslagern. Sobald die ersten Agenten in Team-Workflows sind, kippt das.
Eine Führungskraft, die selbst nicht mit einem agentischen Werkzeug arbeitet, kann nicht beurteilen, welche Aufgaben ein Team realistisch in welcher Zeit schaffen kann. Sie kann nicht erkennen, wann ein Ergebnis halluziniert ist und wann belastbar. Sie kann nicht moderieren, wenn zwei Mitarbeitende sich über die richtige Nutzung streiten. Und sie kann nicht entscheiden, ob ein Vorschlag eines Agenten sicher genug ist, um umgesetzt zu werden. Führungskräfte müssen für ihre agentischen Mitarbeitenden die gleiche Verantwortung übernehmen wie für ihre menschlichen, auch hier hinterfragen wir Aussagen, Vorgehensweisen und Entscheidungen.
Die Konsequenz: 2026 sollte jede Führungskraft im Mittelstand selbst regelmäßig mit Sprachmodellen und Agenten arbeiten. Nicht jeden Tag wie ein Entwickler, aber so oft, dass ein realistisches Gefühl für Stärken und Grenzen entsteht. Es geht um „operative Vertrautheit". Nicht Expertentum, aber so viel praktische Berührung, dass Entscheidungen über KI nicht nur auf Hörensagen beruhen.
Vier Stufen, an denen sich der Kompetenzaufbau messen lässt
Wir arbeiten mit einem einfachen Reifestufenmodell auf vier Ebenen. Die Stufen bauen aufeinander auf, ihre Erreichung hängt von Rolle und Verantwortung ab.
Stufe 1: Persönliche Sicherheit im Umgang
Wer auf dieser Stufe steht, nutzt ein Sprachmodell wie ChatGPT, Claude oder Gemini für die eigene tägliche Arbeit. Recherchen, Entwurfsfassungen, Meeting-Vorbereitungen. Die wichtigste Haltung auf dieser Stufe: Alles, was der Agent liefert, wird geprüft, bevor es weitergeht. Was wir in Schulungen vermitteln, ist nicht das Prompten, was wir vermitteln, ist die Skepsis. Die Microsoft-CMU-Studie von 2025 hat das nüchtern dokumentiert: Wer der KI mehr vertraut als sich selbst, denkt weniger kritisch über die Ausgabe nach. Wer sich selbst mehr vertraut, prüft besser.
Stufe 2: Gemeinsamer Einsatz mit dem Team
Hier geht es nicht mehr nur um die eigene Arbeit, sondern um geteilte Werkzeuge im Team. Standardisierte Prompts für wiederkehrende Aufgaben, gemeinsame Wissensquellen, abgestimmte Qualitätsstufen. Auf dieser Stufe wird die Effizienz multipliziert, weil nicht jede:r das eigene System neu erfindet.
Stufe 3: Eigene Lösungen bauen
Auf dieser Stufe verlassen Mitarbeitende die reine Anwendung. Sie konstruieren agentische Abläufe, manchmal in den eigenen Office-Anwendungen, manchmal in spezialisierten Plattformen. Sie entscheiden, an welcher Stelle des Workflows ein Mensch sitzen muss und wo der Agent eigenständig arbeiten darf. Diese Stufe muss nicht jedes Teammitglied erreichen, aber pro Bereich braucht es mindestens eine Person, die das kann, etwa um einschätzen zu können, welche Tools zur Arbeit passen und gekauft werden sollten. Mehr dazu in unserem Beitrag zu Skills im Office.
Stufe 4: Organisationsgestaltung
Diese Stufe gehört der Geschäftsführung und den Bereichsleitungen. Hier wird entschieden, wo Mensch und Agent zusammenarbeiten, welche Prozesse umgebaut werden, welche Rollen sich verändern und welche Investitionen sich lohnen. Ohne mindestens eine Person mit Stufe 4 verlieren nach unseren Beobachtungen KI-Programme im Mittelstand spätestens nach 12 bis 18 Monaten ihre Richtung. Besser noch: Diese Stufe wird zum eigentlichen KI-Hebel, wenn sie als paralleles Vorhaben genutzt wird, um die Mensch-Maschine-Organisation neu zu denken und die wirklichen Chancen zu erkennen.
Wichtig: Diese vier Stufen sind keine Karriereleiter. Ein Buchhalter auf Stufe 2 ist nicht weniger wertvoll als eine Bereichsleiterin auf Stufe 4: Es sind unterschiedliche Anforderungen. Wer auf welcher Stufe sein muss, ergibt sich aus der Rolle, nicht aus dem Status.
4. Nachwuchs-Ausbildung bleibt hoch relevant
Das offene Problem der KI-Effizienz im Einstiegsbereich.
Wir haben in den letzten Monaten vermehrt Diskussionen um die Relevanz des Nachwuchses geführt. Oft wird mit der Behauptung argumentiert, dass Recherchen, Datenbereinigungen und Erstentwürfe Agenten jetzt schneller und billiger können.
Auf den ersten Blick ist diese Argumentation logisch. Auf den zweiten Blick verschiebt sie ein Problem in die Zukunft, das viele Mittelständler in fünf Jahren teuer einholen wird. Das ist nicht nur eine Frage der Arbeitsmarktstatistik. Die Tätigkeiten, die jetzt automatisiert werden, waren bislang das Trainingsfeld, auf dem Berufseinsteigende ihr Urteilsvermögen entwickelt haben. Wer als 23-Jährige drei Jahre lang Lieferantenangebote prüft, entwickelt eine Intuition für gute und schlechte Angebote, die später eine Einkaufsleiterin auf Stufe 4 ausmacht. Wenn dieser Lernweg wegfällt, fehlen in fünf bis zehn Jahren die Senior-Profile. Stanford-Daten von Ende 2025 zeigen bereits einen relativen Beschäftigungsrückgang von 13 Prozent bei 22- bis 25-Jährigen in stark KI-exponierten Berufen.
Die Lösung ist nicht, die Effizienzgewinne wegzuwerfen. Wir empfehlen, die Einstiegsrolle bewusst neu zu beschreiben:
- Statt Entwürfe selbst zu schreiben, prüfen Berufsanfänger:innen Agent-Entwürfe kritisch und werden dabei strukturierter gecoacht als früher. Diese Aufgabe trainiert Urteilsvermögen schneller als das reine Verfassen.
- Statt nur Aufgaben abzuarbeiten, bauen sie die Agenten mit. Sie codieren das Wissen der senioren Kolleg:innen in Skills, Prompts und Datenstrukturen, und lernen dabei nebenbei, worauf es im Bereich wirklich ankommt.
- Statt im Büro zu sitzen, kommen sie früher zu Kundengesprächen, Lieferantenterminen und internen Aushandlungen mit. Beziehungsarbeit lernt sich nicht über Bildschirme und ist der Bereich, in dem KI auf absehbare Zeit keine Konkurrenz darstellt.
Diese Umgestaltung kostet Mühe. Sie ist die undankbare Variante der KI-Effizienz, weil sie sich nicht im nächsten Quartal in der Bilanz zeigt. Aber sie ist das, was zwischen einem Mittelständler 2026 und demselben Mittelständler 2035 den Unterschied machen wird.
5. Stärkt eure Unternehmenskultur
Wie KI die Kommunikation glättet und warum Identitätsaufbau jetzt zählt.
Eine Beobachtung aus den letzten zwölf Monaten, die nicht mehr überrascht: Die ersten Verluste durch flächendeckende KI-Nutzung treten nicht in der Effizienz auf, sondern in der Sprache und in der Kommunikation.
Wenn jede E-Mail durch ein Sprachmodell geglättet, jede Slack-Nachricht aufgehübscht und jedes Townhall-Update vor dem Versand vom Agenten poliert wird, klingen Unternehmen plötzlich alle ähnlich. Mittelständische Familienunternehmen klingen wie Beratungspräsentationen. Geschäftsführer:innen, die sonst eine markante Sprache hatten, klingen wie LinkedIn-Massen-Postings. Beispiele dafür finden sich nicht nur in LinkedIn-Timelines, sondern auch in Unternehmensberichten.
Das ist mehr als eine ästhetische Frage. Mehrere Studien aus 2025 zeigen, dass die häufige Nutzung von KI-Werkzeugen zu einer messbaren Reduktion der eigenen kognitiven Anstrengung führt. Eine MDPI-Studie mit 666 Teilnehmenden hat einen signifikanten negativen Zusammenhang zwischen häufiger KI-Nutzung und kritischem Denken festgestellt, vermittelt genau über diese Auslagerung mentaler Arbeit.
In der Kommunikation entsteht dadurch zunächst ein leiser Effekt: Texte klingen poliert, tragen aber weniger starke Information über die schreibende Person und ihre Arbeit. Mitarbeitende merken das oft schneller als die Schreibenden selbst.
Die Konsequenz für Führung:
- Definieren, wo KI nicht hingehört. Krisenkommunikation, persönliche Anerkennung, kritisches Feedback, Konfliktklärung. Wer Kommunikation einem Modell vollständig überlässt, hat die Relevanz der eigenen Rolle nicht verstanden.
- Menschliche Stichproben. Eine interne Mitteilung anonymisieren und drei Kolleg:innen fragen, ob sie sie noch eindeutig dem eigenen Unternehmen zuordnen können. Wenn nicht, ist der Glättungs-Filter zu stark angezogen.
- Reflexionsräume schützen. Meetings, in denen es nicht um Daten und Fakten geht, sondern darum, was eine Entscheidung bedeutet. Diese Räume sind keine Effizienzkiller, sie schützen Organisationen davor, in der eigenen Datenbank zu ertrinken, ohne zu verstehen, was dort eigentlich steht.
Worum es eigentlich geht
Hinter all diesen Beobachtungen steckt eine Verschiebung, die uns 2026 in fast jedem Mandat begegnet. KI ist im Mittelstand keine Frage der Tools mehr, sondern eine Frage der Organisationsarchitektur.
Wer das versteht, gestaltet. Wer es nicht versteht, kauft Lizenzen und wartet, oft vergebens, auf Ergebnisse. Die BCG-10-20-70-Faustregel bringt das nüchtern auf den Punkt:
Die letzten drei Jahre haben in vielen Mittelstandsorganisationen ein Tempo erzeugt, das sich nicht mehr abbauen wird. Jeden Monat kommen neue Werkzeuge dazu, neue Anwendungsfälle werden identifiziert, neue regulatorische Anforderungen verkündet. Das verschiebt eine Frage, über die in Geschäftsführungen seltener gesprochen wird als nötig: Wie hält ein Team das aus? Und was kann Organisationsentwicklung und Führung tun, damit Mitarbeitende in dieser Dauerbewegung leistungsfähig bleiben?
Nicht nur für KI, sondern für die allgemeinen Anforderungen einer sich stetig verändernden Welt brauchen wir mehr denn je einen „Resilienz-Muskel". Auch dazu werden wir ausführlicher schreiben.
Quellen
Alle Quellen wurden zuletzt am 15. Mai 2026 geprüft.
- AI @ Scale: Das 10-20-70-Modell. Boston Consulting Group, abgerufen 2026.
- Artikel 14: Menschliche Aufsicht (Verordnung (EU) 2024/1689). AI Act Service Desk der Europäischen Kommission, konsolidierte Fassung 2024.
- EU AI Act 2026: Risikoklassen, Pflichten und Datenschutz. Assecor, Mai 2026. Einordnung von KI-Bewerbervorscreening als Hochrisiko-System nach Anhang III.
- KI-Kompetenz nach Artikel 4 EU AI Act. TÜV Rheinland Consulting, April 2026. Geltung seit 2. Februar 2025, Bußgeldrahmen und Bemessung für KMU.
- EU AI Act & Artikel 4: KI-Pflichtschulung für KMU. BridgeAI, abgerufen 2026.
- The Impact of Generative AI on Critical Thinking. Lee et al., Microsoft Research & Carnegie Mellon University, CHI 2025. Selbstberichtete Reduktionen kognitiver Anstrengung bei 319 Wissensarbeitenden.
- Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of AI. Brynjolfsson, Chandar & Chen, Stanford Digital Economy Lab, Berichterstattung Fortune, August 2025, 13 Prozent relativer Beschäftigungsrückgang bei 22- bis 25-Jährigen in stark KI-exponierten Berufen seit Ende 2022.
- AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking. Gerlich, Societies / MDPI, Januar 2025, n = 666.
- The 10-20-70 Rule: Why 70% of AI Success Depends on People. Iternal Technologies, April 2026.