KI-Rekrutierungsexperte sagt: KI nimmt die Herausforderungen, die zur Meisterschaft führen, weg

David Stepania ist Unternehmer und mehrfacher Gründer. Er ist derzeit CEO von ThirstySprout, einem Marktplatz, der remote tätige KI-Engineering-Talente mit finanzierten US-Startups verbindet.

Wir haben uns mit David zusammengesetzt, um zu erfahren, wie KI Führung und Recruiting verändert. Das hat er uns erzählt.

KI schreibt neu, was es heißt, ein leistungsstarkes Team zu sein

Ich bin David Stepania, Gründer und CEO von ThirstySprout, einem Marktplatz, der remote arbeitende KI-Engineering-Talente – meist aus Lateinamerika, Osteuropa und Asien – mit finanzierten US-Tech-Startups zusammenbringt. Ich habe außerdem ChoppingBlock.ai aufgebaut, eine KI-Plattform zur Gehalts- und Job-Analyse, und bin Gastgeber des Podcasts AI Chopping Block.

Ich bin zweifacher Bootstrapped-Gründer. Kein VC, kein Sicherheitsnetz – jedes Unternehmen, das ich gegründet habe, musste profitabel sein, um zu überleben. Mein letztes Unternehmen landete 2024 auf Platz 247 der Inc. 5000, und in meiner Laufbahn habe ich mehr als 100 Millionen US-Dollar Umsatz generiert.

Ich leite alles komplett remote von sonnigen Orten rund um die Welt aus – mit einem verteilten Team über vier Kontinente hinweg.

Mein Weg als Führungskraft war eine lange Lektion darin, mit weniger mehr zu erreichen. Bootstrapping zwingt einen dazu. Man kann sich nicht aus jedem Problem heraus einstellen, daher wird man sehr gut darin, mit den richtigen Prozessen, Systemen und Leuten am richtigen Platz zu arbeiten.

Dieses KI-Zeitalter finde ich spannend, weil ich es von beiden Seiten gleichzeitig sehe. Intern baue ich meine eigene Organisation rund um KI als Umsetzungsebene um. Extern erzählen mir Dutzende finanzierte Startups ganz genau, was sie jetzt von Ingenieur:innen erwarten – und diese Nachfrage hat sich in den letzten 18 Monaten schneller verschoben als im gesamten Jahrzehnt davor. Ich habe einen Platz in der ersten Reihe, wie KI völlig neu definiert, was ein „leistungsstarkes Team“ überhaupt bedeutet.

Wie KI Team-Operationen und Entscheidungsfindung transformiert

Ich habe gerade von KI generierte Kandidaten-Rankings überprüft, als sich für mich alles veränderte.

Folgendes ist passiert: Ich habe die KI gebeten, eine Gruppe von Ingenieur:innen für die Position zu bewerten. Sie gab mir Rankings zurück, die ungefähr meinen Erwartungen entsprachen – aber bei einem Kandidaten markierte sie etwas, wonach ich sie gar nicht gefragt hatte: Der Ingenieur war technisch fast perfekt geeignet, kam aber aus einem Land, das nicht auf der genehmigten Einstell-Liste des Kunden stand.

Dann tat die KI etwas, was Tools normalerweise nicht tun. Sie schlug eine Lösung vor – der Kandidat könnte in ein benachbartes genehmigtes Land umziehen, oder wir könnten ihm helfen, eine Aufenthaltsgenehmigung in Mexiko zu erlangen – etwas, das wir bereits für andere Ingenieur:innen getan hatten.

Das war der Moment. Sie hat nicht nur eine Aufgabe ausgeführt. Sie hat wie eine kluge Teamkollegin unternehmerisch über mein Geschäft nachgedacht. Und mir wurde klar, dass sich der Engpass in meinem Unternehmen verlagert hatte.

Warum der Mensch die Intelligenzschicht ist und KI die „Hände“

Heute wollen alle „AI-native“ Ingenieur:innen, nicht nur Leute, die Cursor bedienen können. Gemeint ist ein:e Ingenieur:in, die KI das Programmieren überlässt, während sie selbst das Denken übernimmt – die Problemformulierung, die Architektur, die Urteilsfindung.

Auch meine eigene Rolle hat sich in diese Richtung entwickelt. Vor zwei Jahren bestand ein großer Teil meiner Arbeit darin, Aufgaben zuzuweisen – zu entscheiden, wer was macht, und dann auf Ergebnisse zu warten. Heute geht es darum, Probleme so präzise zu definieren, dass wir direkt Lösungen umsetzen können – und ein wachsender Teil dieser Umsetzung läuft über KI statt über neue Mitarbeitende.

Früher nahm ich an, dass ich für echte Klarheit über unsere Unit Economics eine:n Teilzeit-CFO brauchen würde. Stattdessen habe ich mithilfe von KI eine komplette Finanzanalyse auf CFO-Niveau selbst durchgeführt und entdeckt, dass eine Kostenstelle unsere tatsächlichen Kennzahlen überdeckte. Diese Analyse hätte ich früher entweder eingekauft – oder gar nicht erledigt.

Das Gleiche gilt für rechtliche Themen. Ich habe unseren kompletten Rahmenvertrag, unsere Dienstleister-Verträge und unsere Partner-Fee-Split-Verträge selbst überarbeitet. KI erstellt den Entwurf, eine Juristin prüft ihn. Damit kehrt sich die Kostenstruktur um: Der teure Mensch macht nun die letzten 10 %, nicht die ersten 90 %.

Außerdem habe ich das Team selbst neu strukturiert. Wir bewegen uns weg von klassischen Teams hin zu Einzelverantwortlichen für komplette Bereiche, jeweils stark durch KI unterstützt. Eine Person verantwortet unsere gesamte programmatische SEO. Eine andere den kompletten Community- und Datenbereich. Jede Einheit im Unternehmen ist mittlerweile kein Team mehr – sondern eine starke operative Persönlichkeit plus KI.

Wo KI eingesetzt werden sollte – und wo nicht

Ich setze KI in der Strategie, bei Entscheidungsfindung und Organisationsgestaltung ein – in jedem Bereich unterschiedlich intensiv.

• Entscheidungsfindung ist der tiefgreifendste Bereich: Ich prüfe Preise, Einstellungen und Verhandlungsstrategien mit meiner KI-Lösung, bevor ich mich festlege.
• Für die Strategie nutze ich sie intensiv für Marktanalysen.
• Für die Organisationsgestaltung habe ich beim Umbau des Unternehmens auf eigenverantwortliche Bereichsverantwortliche statt Teams das Konzept mit KI durchgespielt, modelliert, welche Rollen was verantworten und wo die echten Engpässe liegen.

Kultur ist der Bereich, an dem ich am vorsichtigsten bin. Sie ist zutiefst menschlich, weil sie davon geprägt ist, wie man Menschen in schwierigen Situationen behandelt – und das kann man nicht auslagern. KI hilft bei der Vorbereitung. Vor einem schwierigen Feedbackgespräch überlege ich mir, wie ich direkt, aber nicht verletzend sein kann und was die andere Person wirklich hören muss. Aber das eigentliche Gespräch muss ich selbst führen.

KI kann mich zu einer besser vorbereiteten Führungskraft machen. Eine präsente Führungskraft kann sie mich nicht machen. Diesen Teil kann ich nicht delegieren.

Wie das Screening mit KI neu gestaltet werden kann

Recruiting war traditionell ein Zahlenspiel: Hundert Lebensläufe finden, durchsehen, dreißig weiterleiten und hoffen, dass ein paar passen. Der Wert der Recruiter bestand im Durchsatz. Wir haben jedoch den gesamten Screening-Prozess mit KI neu aufgebaut.

Zuerst haben wir für jeden Kundeneinsatz ein eigenes Claude-Projekt mit individuellen Anweisungen angelegt, die die tatsächlichen Anforderungen abbilden – nicht das, was in der Stellenbeschreibung steht, sondern das, was der Hiring Manager nach dem Gespräch wirklich meint.

In der JD steht „Senior React Engineer“. Die wahre Anforderung nach dem Anruf ist oft „jemand, der eine RAG-Pipeline in Produktion gebracht hat und Telefonie-Integrationen anbinden kann“. Diese Feinheiten leben im Workspace.

Zweitens wird der Interviewplan und die Scorecard des Kunden als Maßstab geladen. Das bedeutet, die KI bewertet anhand der genauen Kriterien, die auch der Kunde verwenden wird – nicht anhand allgemeiner Seniorität.

Drittens bekommt jede Kandidatin und jeder Kandidat eine Bewertung von eins bis zehn auf jeder Muss-Kriterien-Dimension, mit einer schriftlichen Begründung und explizit gekennzeichneten Lücken. Nicht „gute Passung“, sondern „Frontend: 9, RAG-Erfahrung: 8, Telefonie: 0, deshalb“.

Unser Output hat sich dadurch komplett gewandelt. Wir senden nicht mehr dreißig Lebensläufe weiter, sondern drei bis fünf, die wirklich perfekt passen – inklusive einer Aufschlüsselung, mit der der Kunde direkt weiterarbeiten kann.

Die Shortlists wurden deutlich präziser, Kandidaten kamen tiefer in die Interviewrunden, und Gespräche änderten sich von „Hier sind ein paar Leute“ zu „So passt jede einzelne Person exakt zu euren Anforderungen“.

Die tiefgreifendere Veränderung betraf allerdings die Aufgaben meines Teams. KI übernimmt die Routinearbeiten – Lesen, Abgleichen, Erstfiltern. Damit investiert jeder Mensch in meinem Team seine Zeit in das, was KI nicht kann: Motivation erkennen, einschätzen, ob jemand in einem chaotischen Startup gedeiht, Beziehungen aufbauen und den Deal abschließen.

Der Job wurde nicht kleiner, sondern verlagerte sich in der Wertschöpfungskette nach oben. Meine eigentliche Führungsaufgabe war es nun, dem Team diesen Wandel verständlich zu machen und zu fördern, statt ihn als Bedrohung zu sehen.

Warum die Neugestaltung von Prozessen für den KI-Einsatz entscheidend ist

David teilt seine Erfahrungen

Das größte Missverständnis ist, dass Unternehmen KI einfach als etwas sehen, das man hinzufügen kann – Lizenzen, ein Tool, ein Top-down-Mandat, “KI nutzen” – dabei muss man die Abläufe wirklich um die KI herum neugestalten. Das sind völlig unterschiedliche Projekte.

Das größte Missverständnis besteht darin, dass Unternehmen KI als etwas Auffüllbares betrachten – Lizenzen, Tools, ein top-down Mandat, "KI einzusetzen" – obwohl es eigentlich erforderlich ist, die Prozesse grundlegend darum herum neu zu denken. Das sind völlig verschiedene Aufgabenstellungen.

Dieser zentrale Mechanismus wird oft übersehen. KI verstärkt genau die Prozesse, auf die sie angesetzt wird. Ist der darunterliegende Prozess gut, wird er durch KI radikal schneller. Ist der Prozess mittelmäßig – und die meisten Prozesse in Unternehmen sind mittelmäßig – ermöglicht KI nur, mittelmäßige Arbeit schneller auszuführen. Transformation bleibt dann aus. Es bleibt beim selben Durcheinander, nur schneller.

Ich sehe das von beiden Seiten meines Unternehmens. Intern habe ich bei der Überprüfung unseres eigenen Software-Stacks festgestellt, dass wir über fünfzig Tools nutzen, von denen ein erheblicher Teil KI-Werkzeuge sind, die wir gekauft haben, weil wir glaubten, der Kauf allein sei schon die Transformation.

Das ist es, Tool-Wildwuchs mit Fortschritt zu verwechseln. Und extern beobachte ich, wie immer mehr Kunden jedem Entwickler KI-Codierwerkzeuge geben, und trotzdem kämpfen sie damit, Ergebnisse zu liefern, während einige wenige wirklich schnell vorankommen. Der Unterschied ist nie die Anzahl der Tools, sondern ob sie die Arbeit neu gestaltet haben.

Wie psychologische Herausforderungen die Einführung von KI beeinflussen

Als ich KI in einen Bereich des Unternehmens eingeführt habe, gab es selten lauten Widerstand. Die Ablehnung war leiser. Manche nutzten sie kaum und erledigten Dinge weiter auf die langsame Art. Manche nutzten sie ständig, erwähnten es aber nicht, fast so, als würden sie beim Schummeln erwischt werden. Niemand sagte: „Ich fühle mich dadurch bedroht“, aber ihr Verhalten tat es.

Ich habe schließlich verstanden, dass für viele Menschen ihr Job ihre Identität ist und ihr Wert daran hängt, in einem bestimmten Handwerk gut zu sein. Wenn ein Tool plötzlich einen großen Teil dieser Tätigkeit übernehmen kann, ändert man nicht nur den Arbeitsablauf einer Person, sondern rührt an ihrem Selbstbild. Das ist kein Schulungsproblem, das man mit einem Tutorial beheben kann.

Früher dachte ich, beim Führen durch eine Technologiewende ginge es um gute Entscheidungen bei Tools und Prozessen. Jetzt glaube ich, dass die eigentliche Aufgabe darin besteht, Menschen zu helfen, ihren eigenen Wert neu zu verhandeln – offen, mit Sicherheit.

Konkret hieß das, explizit und wiederholt klarzustellen, dass es in Ordnung ist, KI zu nutzen. Es ist okay zu sagen: „KI hat den Großteil dieses Entwurfs gemacht.“ Es ist okay, nicht mehr der Schnellste oder beste Rechercheur im Team zu sein, denn dort liegt der eigene Wert jetzt nicht mehr. Wir mussten die Scham nehmen, bevor sich Akzeptanz einstellen konnte.

Der Teil, der mich persönlich am meisten beeinflusst hat, war, dass ich diese Frage auch für mich selbst beantworten musste.

Jahrelang konnte ich langsame Fortschritte damit erklären, dass „uns die Kapazitäten fehlen“. Diese Ausrede gilt heute kaum noch. Wenn jetzt etwas nicht vorangeht, liegt es meistens daran, dass ich es nicht klar genug definiert habe – weder für einen Menschen noch für eine KI. Das ist ernüchternd.

Wie man den unscheinbaren Teil der KI-Einführung bewältigt

So gehe ich die Einführung von KI an.

Zuerst eine harte Regel: Wir automatisieren niemals einen Prozess, den wir nicht manuell bewiesen haben. Wir führen gerade eine Kampagne zur Geschäftsentwicklung durch und ich habe das Team ausdrücklich angewiesen, sie zuerst manuell umzusetzen.

Sende die Kontaktaufnahme selbst, führe die Gespräche und finde heraus, was tatsächlich funktioniert. Erst wenn wir einen Prozess bewiesen haben, automatisieren wir ihn – denn Automatisierung skaliert nur, was man ohnehin schon hat. Automatisiert man einen Prozess, den man nicht versteht, baut man eine sehr effiziente Art zu scheitern auf.

Zweitens behandle ich die Einführung von KI als eine Frage von Arbeitsablauf und Urteilsvermögen, nicht als eine Beschaffungsfrage. Der Erfolg liegt nie in „mehr Tools“. Es sind weniger Tools, die intensiv von Menschen genutzt werden, die ihre Arbeitsweise wirklich geändert haben. Wir schneiden rigoros weg.

Drittens habe ich verändert, was wir belohnen. KI hat den Rohoutput billig gemacht, während Urteilskraft – zu wissen, welches Problem gelöst werden muss, zu erkennen, wann KI mit fester Überzeugung falsch liegt – das knappe, wertvolle Gut ist.

Ein Unternehmen der alten Welt belohnt diejenigen, die am meisten produzieren. Ein Unternehmen in dieser Welt muss diejenigen belohnen, die gute Entscheidungen treffen. Das ist ein echter Wandel in der Führung von Mitarbeitergesprächen.

Wie man KI-Kompetenz und -Bereitschaft im Team aufbaut

Die meisten Menschen denken, KI-Bereitschaft bedeute Tool-Flüssigkeit – dass das Team weiß, wie KI-Produkte zu bedienen sind. Doch das ist der unwichtigste Teil, und er ändert sich ohnehin alle sechs Monate.

KI-Bereitschaft bedeutet vier Dinge:

1. Jemand fragt sich standardmäßig: "Sollte KI den ersten Entwurf davon machen?" bevor etwas per Hand gemacht wird.
2. Sie können ein klares Briefing schreiben, denn vage Eingaben ergeben vage Ergebnisse, und das Problem klar zu formulieren ist die eigentliche Fähigkeit.
3. Sie erkennen, wenn KI mit fester Überzeugung falsch liegt.
4. Sie sind transparent im Umgang damit.

Urteilsvermögen, klare Kommunikation, Überprüfung, Transparenz. Keines davon ist ein Werkzeug.

Hier sind die Schritte zum Aufbau von KI-Kompetenz:

1. Machen Sie es explizit sicher und erwartet. Menschen verheimlichen die Nutzung von KI, wenn sie denken, dass es sie ersetzbar macht, deshalb müssen Führungskräfte aktiv normalisieren, dass „die KI den ersten Entwurf gemacht hat“, bis jegliche Scham beseitigt ist. Kompetenz kann nicht im Verborgenen wachsen.
2. Lehren Sie im realen Arbeitsumfeld, nicht in allgemeinen Seminaren — eine Recruiterin baut Kompetenz durch das Bewerber-Screening auf, eine Person im Demand-Gen-Bereich durch Recherche von Interessenten. Es bleibt hängen, weil es an den Job geknüpft ist.
3. Das ist der Schritt, den die meisten übersehen: Senken Sie die Hürde, anstatt alle zu Experten zu machen. Wir bauen gemeinsam genutzte Infrastruktur — vorgefertigte Arbeitsbereiche mit bereits hinterlegtem Kontext und Anleitungen — damit eine Nachwuchskraft ein Ergebnis auf Expertenniveau erhält, ohne Prompt-Expertin zu sein.

David teilt seine Erfahrungen

KI-bereit bedeutet vier Dinge: Jemand stellt sich standardmäßig die Frage: “Sollte die KI die erste Version davon machen?”, bevor er es von Hand erledigt. Die Person kann ein klares Briefing verfassen, weil vage Eingaben zu vagen Ergebnissen führen und die Problembeschreibung die eigentliche Fähigkeit ist. Sie bemerkt, wenn die KI selbstsicher falsch liegt. Sie geht offen damit um, dass sie KI nutzt.

Warum KI-Kompetenz ihre eigenen Probleme mit sich bringt

Die Probleme sind real. Das größte davon ist zu großes Vertrauen.

Sobald sich Menschen wohl fühlen, akzeptieren manche KI-Ausgaben unkritisch. Eine Nachwuchskraft gibt etwas ab, das subtil falsch ist, weil ihr Urteilsvermögen noch nicht mit ihren Tool-Fähigkeiten mithalten kann. Genau deshalb muss man Verifikation in die Definition von „bereit“ einbauen.

Das zweite Problem ist schwieriger, und niemand warnt davor: KI hebt nicht alle gleich stark an. Ihre stärksten Leute profitieren schnell und deutlich, während die schwächsten auf der Stelle treten. Die Leistungsschere im Team öffnet sich weiter. Das ist ein Managementproblem und zwingt zu ehrlichen Gesprächen, die sich nicht vermeiden lassen.

Warum das Reduzieren von Tools Ihren Software-Stack stärkt

Die wichtigste Veränderung an meinem Stack in diesem Jahr war Reduktion.

Ich beginne mit dem Rückgrat, dann kommt die Änderung.

Das Rückgrat ist Claude. Es ist nicht „ein Tool“ im Stack wie die anderen, sondern die Schicht, durch die die meiste echte Arbeit läuft: Kandidaten-Screening und Ranking, Finanzanalyse, Vertragsentwürfe, Content, Strategie.

Ich betreibe es als eine Reihe dedizierter Arbeitsbereiche, je einen pro Hauptbereich des Unternehmens, jeweils mit eigenen Anweisungen, die kodieren, wie dieser Bereich funktioniert. Bei technischeren, agentischen Anwendungen nutze ich Claude Code.

Meine Einschätzung: Es ist mit großem Abstand das Tool mit dem höchsten Hebel im Unternehmen.

Darum herum ist der Rest des Stacks bewusst langweilig gehalten. Google Workspace und Slack für Kommunikation, Betrieb und unsere Community-Infrastruktur. Beehiiv für den Newsletter, Riverside für den Podcast. Deel für Werkvertragsvereinbarungen und Zahlungen. Calendly für Terminbuchung, Fathom für Mitschnitte von Meetings und Telefonaten und BetterProposals für Kundenangebote. Das ist fast alles.

Meine Einschätzung dieser Ebene ist einfach: Sie ist stabil, unspektakulär, und soll das auch bleiben. Die operative Ebene eines Unternehmens ist nicht der Ort für Experimente.

Nun zur auffälligsten Veränderung. Anfang dieses Jahres habe ich jedes Produktabo geprüft. Ich rechnete mit zwanzig oder dreißig Tools... es waren über fünfzig. Besonders auffällig: fünf verschiedene KI-Abos, die weitgehend das Gleiche tun. Zwei verschiedene Zeiterfassungstools. Drei verschiedene LinkedIn-Posting-Tools. Fünf Website-Plattformen.

Das war keine Strategie. Es war der Rückstand eines Jahres voller „Ich probiere das mal“ ohne Kündigung. Fünf Tools, die zu je 10% genutzt werden, verlieren gegen ein Tool, das zu 90% genutzt wird. Also haben wir radikal konsolidiert, die KI-Tools auf Claude als Haupt-Tool reduziert und überall sonst ein Tool pro Aufgabe gewählt, den Rest gestrichen.

Wie KI den Markt für Ingenieurstalente verändern wird

Etwas Interessantes, das ich in der Ingenieur-Rekrutierung beobachte: Es lohnt sich, das im Hinterkopf zu behalten.

In fünf Jahren wird der klassische Einstiegsjob für Ingenieure weitgehend verschwunden sein. Nicht „verändert“ — weg. KI erledigt inzwischen genau die klar umrissenen, einfachen Programmieraufgaben unter Aufsicht, für die bisher Berufseinsteiger eingestellt wurden – und sie macht dies zuverlässig und günstig.

Unternehmen reduzieren bereits die Junior-Einstellungen. In fünf Jahren ist das keine Verlangsamung mehr, sondern eine strukturelle Veränderung.

Man kann keine Senior-Ingenieurin ohne Juniorjahre hervorbringen. Senior-Urteilsvermögen – zu wissen, welches Vorgehen bei Skalierung scheitert, eine schlechte Architekturentscheidung zu erkennen – wird nicht gelehrt, sondern Ingenieurinnen erwerben es, indem sie tausende kleine Dinge tun und dabei gelegentlich Fehler machen.

Wenn die Einstiegsstufe gestrichen wird, verschwindet das Trainingsfeld. Meine eigentliche Prognose ist daher: In etwa fünf Jahren, nachdem die Junior-Position verschwunden ist, gerät die Branche in einen selbstverschuldeten Mangel an Senior Engineers. Wir optimieren das untere Ende der Karriereleiter hinweg, ohne zu erkennen, dass es gerade diese Leiter ist, über die Menschen nach oben gelangen.

Der Einstiegsjob in der Technik wird verschwinden — und die Unternehmen, die das Jahrzehnt überleben, werden diejenigen sein, die herausfinden, wie man Senior-Talente entwickelt, nicht nur wie man sie findet. Die gesamte Branche wird sich davon wegbewegen, Talente zu finden, hin dazu, sie auszubilden.

Warum Ehrlichkeit bei der Navigation der KI-Transformation entscheidend ist

Hier mein Rat an Führungskräfte:

• KI sieht wie ein Technologieproblem aus, und deshalb behandeln Führungskräfte es auch so — Tools, Budgets, Schulungen. Doch in Wahrheit ist es eine Führungsaufgabe. Die Software war nie der schwierige Teil. KI zwingt alle im Team, ihre eigene Wertschöpfung neu zu definieren – und das macht Angst. Niemand spricht das offen aus. Wenn Sie die Einführung managen, aber nicht die Angst, scheitert die Einführung. Führen Sie zuerst den menschlichen Wandel an.
• KI repariert keine kaputte Organisation, sie entlarvt sie. Sie beschleunigt schlampige Prozesse und macht unklare Entscheidungen schneller und sichtbarer. Ein Großteil der eigentlichen Arbeit besteht nicht darin, KI einzuführen, sondern ehrlich zu werden über die tatsächliche Funktionsweise der Organisation – und diese zu verbessern. KI nimmt Ihnen schlicht die Möglichkeit, sich davor zu verstecken.
• Starten Sie jetzt, an Ihrer eigenen realen Arbeit – nicht in einem Pilotprojekt, nicht mit etwas, was Sie delegieren. Führungskräfte, die diese Tools nicht tiefgreifend für ihre schwierigsten Probleme selbst genutzt haben, können niemand anderen durch diesen Wandel führen.

Und eines noch zuletzt: Niemand hat die Lösung bereits gefunden, auch ich nicht. Wer jetzt Sicherheit verkauft, verkauft etwas. Die richtige Haltung ist nicht Selbstbewusstsein, sondern Ehrlichkeit, eine hohe Lernbereitschaft und die Disziplin, die menschlichen Seiten von Führung nicht an eine Maschine auszulagern – ganz gleich, wie gut die Maschine wird.

Die Führungskräfte, die diesen Moment für sich entscheiden, werden nicht die sein, die am meisten KI eingeführt haben, sondern diejenigen, die am ehrlichsten geblieben sind.

Warum Führungskräfte Raum für Meisterschaft — und für das Ringen um Lösungen — schaffen müssen

Noch eine letzte Sache: Irgendwann müssen Führungskräfte vielleicht aufhören darüber nachzudenken, was KI uns bringt, und sich stattdessen fragen, was sie uns still und leise nimmt.

Jede Diskussion über KI und Führung – und auch diese – konzentriert sich auf die Vorteile. Schneller, billiger, mehr Hebelwirkung. Das alles ist real. Aber es gibt einen Preis, den wir ehrlich benennen sollten.

Das ist der Preis, an den ich am meisten denke: Meisterschaft – wirkliches, tiefes, senioriges Urteilsvermögen – entsteht immer durch das eigene Ringen. Man bleibt hängen, setzt sich mit harten Problemen auseinander, versucht es dreimal auf falschem Wege – und irgendwo in diesem Reibungsprozess lernt man dazu.

KI nimmt diese Reibung weg. Sie präsentiert schon die Lösung, bevor man sich selbst auf den Weg dorthin gemacht hat. Kurzfristig ist das ein reiner Gewinn, weil die Arbeit erledigt wird. Aber Ringen war nie nur Ineffizienz, sondern der Mechanismus, der Menschen wirklich gut gemacht hat. Entfernt man es, bekommt man schnellere Resultate, aber gleichzeitig oberflächlichere Menschen. Wir tauschen Tiefe gegen Tempo ein – und merken es meistens nicht.

Ich sage das nicht, um zu bremsen – das kann und soll man auch nicht. Ich sage es, weil Verluste erkennen der erste Schritt ist, um sie zu steuern. Wenn das Ringen Urteilsvermögen schafft und KI dieses Ringen wegnimmt, dann entsteht für Führung eine neue, bewusste Aufgabe: Es gezielt wieder hineinzubringen.

Geben Sie Menschen Aufgaben, die KI nicht abkürzen kann. Schützen Sie produktive Schwierigkeiten, selbst wenn der schnelle Weg ganz offensichtlich danebenliegt. Behandeln Sie die Entwicklung Ihrer Mitarbeitenden als etwas, das nun gezielte Förderung braucht – denn das Umfeld wird es nicht mehr von allein tun.

Das ist der Punkt, über den andere Führungskräfte nachdenken sollten. Die Vorteile der KI kommen von allein – alle rennen ihnen schon hinterher. Den Preis hingegen bemerkt man erst Jahre später, und er trifft ausschließlich die Menschen. Jemand muss darauf achten. Dieser Jemand sind Sie. Das ist nun Ihr Job.

Bleiben Sie dran

Mehr von David Stepania finden Sie auf LinkedIn, X, Instagram, YouTube und stepania.co. Oder schauen Sie bei ThirstySprout und Chopping Block vorbei.

Weitere Experteninterviews folgen auf People Managing People!