Die Krise des kritischen Denkens: KI legt das Problem der Führungskräfte-Pipeline offen
Lernlücke: Automatisierung ersetzt Routinetätigkeiten und entzieht Mitarbeitenden die Möglichkeit, geschäftskritische Intuition zu entwickeln.
Organisatorischer Wandel: Unternehmen müssen die Talententwicklung neu gestalten, um tiefes Denken über reine Aufgabenerledigung zu stellen.
Blick in die Zukunft: Investitionen in menschliche Fähigkeiten zahlen sich langfristig aus und verschaffen Unternehmen im Wettbewerb einen Vorteil.
Das Rennen um den Einsatz von KI hat eine unbequeme Erkenntnis zutage gefördert. Die Technologie, die dazu gedacht ist, Arbeit zu erleichtern, zerstört leise genau jene Erfahrungen, die zukünftige Führungskräfte entstehen lassen.
Während Unternehmen Routineaufgaben automatisieren, verlieren Berufseinsteiger die sich wiederholende Arbeit, die einst als Trainingsfeld für Urteilsvermögen, Mustererkennung und strategisches Denken diente. Das Ergebnis ist eine Führungskräftelaufbahn, die auf Grundlagen gebaut ist, die es so nicht mehr gibt.
„Je mehr langweilige Arbeit von KI übernommen wird, desto mehr langweilige Arbeit bleibt für alle übrig“, sagt Vivienne Ming, theoretische Neurowissenschaftlerin und Gründerin von Socos Labs. „Wir kaufen diese Vorstellung, dass der Wert von KI darin liegt, unser Leben leichter zu machen. Sie übernimmt die ganze langweilige Arbeit. Und man selbst kann die richtig coolen kreativen Aufgaben erledigen.“
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Aber diese Darstellung verkennt, was langweilige Arbeit ursprünglich wertvoll gemacht hat.
Das Curriculum von Einstiegsjobs
Einstiegsaufgaben erfüllen schon immer einen doppelten Zweck. Oberflächlich betrachtet geht es um Ergebnisse: Spesenabrechnungen bearbeiten, E-Mails entwerfen, Präsentationen vorbereiten, Daten analysieren. Dahinter entwickeln Mitarbeitende ihre Geschäftskenntnis.
Eine Junior-Analystin, die Finanzmodelle erstellt, lernt nicht nur Excel-Formeln. Sie erfährt auch, wie verschiedene Geschäftsbereiche über Rentabilität nachdenken, welche Annahmen am wichtigsten sind und wie Führungskräfte reagieren, wenn Zahlen nicht die erwartete Geschichte erzählen. Dieses implizite Wissen wird Jahre später zur Grundlage für strategisches Denken.
Wenn KI den Modellbau übernimmt, entwickelt die Analystin nie diese Intuition.
Eliza Jackson, Chief Operating Officer bei ButcherBox, erlebt das gerade in Echtzeit.
„Es verändert tiefgreifend den Arbeitsablauf und die Art, wie man lernt“, sagt sie. „Wenn man sich wirklich darauf einlässt, dann arbeitet man am Computer völlig anders als noch am Tag zuvor.“
Die Veränderung betrifft nicht nur die Produktivität. Wenn Mitarbeitende Aufgaben an KI auslagern, ohne die zugrunde liegende Arbeit zu verstehen, überspringen sie das Lernen, das sie später in ihrer Karriere wertvoll macht.
Automatisierung versus Erweiterung
Die Unterscheidung ist wichtig, denn nicht jeder KI-Einsatz ist gleich. Ming zieht eine klare Linie zwischen kognitiver Automatisierung, bei der KI menschliches Denken ersetzt, und kognitiver Erweiterung, bei der sie dieses verbessert.
Sie verweist auf Studien portugiesischer Gastroenterologen, die KI-unterstützte Koloskopiesysteme verwenden.
„Man fand heraus, dass Personen, die Koloskopien mit einem KI-unterstützten System durchführen, deutlich schlechter sind, sobald man das System abschaltet, als sie es zuvor ohne das KI-System waren“, erklärt Ming. „Es macht sie besser, solange sie es verwenden, aber danach sind sie deutlich schlechter.“
Dasselbe Muster zeigt sich in der Wissensarbeit. Wenn Mitarbeitende KI als Abkürzung und nicht als Werkzeug betrachten, entwickeln sie Abhängigkeiten statt Fähigkeiten.
Organisationen verschärfen das Problem, indem sie die falschen Ergebnisse messen. Sie erfassen eingesparte Zeit und erledigte Aufgaben, ignorieren jedoch den Kompetenzverlust und die strategische Fähigkeit. Die Produktivitätsgewinne sind sofort sichtbar. Das Führungsdefizit zeigt sich erst Jahre später.
Das Tiefendefizit
Amy Centers, Organisationspsychologin und Gründerin von SmartWorks Labs, argumentiert, dass aktuelle Arbeitsmodelle aktiv jene Verhaltensweisen bestrafen, die zukünftige Führungskräfte bilden.
Wir strukturieren Stunden so, als wäre Produktivität Fließbandproduktivität. In Wirklichkeit läuft jetzt alles über Anpassungsfähigkeit, deine Fähigkeit zum Kontextwechsel, die Fähigkeit, Erkenntnisse aufzunehmen und anzuwenden. Aber auf eine Art ist das System, so wie es eingerichtet ist, im Grunde darauf angelegt, genau diese Fähigkeiten zu bestrafen.
Das Problem verschärft sich, wenn Unternehmen Aktivität mit Leistung verwechseln. Mitarbeitende verbringen ihre Tage damit, auf Nachrichten zu reagieren, an Besprechungen teilzunehmen und ihre Verfügbarkeit zu verwalten. Sie sind beschäftigt, bauen aber nicht die Art von tiefer Expertise auf, die sie auf komplexe Entscheidungen vorbereitet.
Jackson beschreibt die Dynamik bei ButcherBox.
„Die Menschen geraten einfach ein wenig auf das Hamsterrad. Das habe ich selbst tief empfunden, wenn ich an den Tag zurückdenke und mich frage: Was habe ich überhaupt gemacht? Habe ich nur auf 800 Chats geantwortet? Habe ich irgendwelche Entscheidungen getroffen, die nicht durchdacht waren? Habe ich über irgendetwas, das ich entschieden habe, wirklich nachgedacht?“
Organisationen, die Führungskräfte entwickeln wollen, müssen Raum für die Art von reflektierter Arbeit schaffen, die Urteilsvermögen bildet. Doch die meisten machen das Gegenteil, beschleunigen mit KI das Arbeitstempo, anstatt die Qualität des Denkens zu vertiefen.
Neuaufbau für die Realität
Die Lösung besteht nicht darin, die Einführung von KI zu verlangsamen oder Aufgaben künstlich zu bewahren, die die Technologie besser erledigt. Stattdessen muss überdacht werden, wie Organisationen Talente fördern – in einer Zeit, in der traditionelle Lehrlingsmodelle nicht mehr funktionieren.
Das beginnt mit der Anerkennung dessen, was verloren gegangen ist. Wenn Berufsanfänger nicht mehr monatelang Finanzmodelle erstellen, brauchen sie strukturierte Möglichkeiten, die Geschäftskompetenz zu entwickeln, die solche Modelle einst vermittelten. Wenn KI ihre Kommunikation entwirft, benötigen sie explizites Coaching für strategische Botschaften, die früher durch iterative Prozesse entstanden.
Centers plädiert dafür, grundlegend neu zu definieren, was Organisationen wertschätzen.
„Ich glaube, ich würde das gern ein bisschen umdrehen und ein Arbeitsmodell bauen, in dem Tiefe sichtbar ist“, sagt sie. „Der Beitrag wird an Dingen wie Klarheit, Kreativität, natürlich auch Wirkung gemessen – aber nicht an Kalendereinladungen oder besuchten Veranstaltungen.“
Das bedeutet, Mitarbeitende nach ihrem Urteilsvermögen zu bewerten, nicht nach ihrer Verfügbarkeit über effektive Beförderungsstrukturen. Es bedeutet, geschützte Zeit für Lernen zu schaffen, nicht nur für Ausführung. Es bedeutet, KI als Werkzeug zu behandeln, das Menschen beim Denken unterstützt – und nicht als Ersatz für das Denken selbst.
Die Führungsaufgabe
Die Organisationen, die das lösen, werden sich nicht durch bessere KI, sondern durch bessere Menschen unterscheiden. Sie werden erkennen, dass der Zweck der Automatisierung nicht nur Effizienz ist. Es geht darum, Raum für die Art von Arbeit zu schaffen, die nur Menschen leisten können – mit dem Verständnis, dass Automatisierung die Unternehmenskultur tiefgreifend beeinflusst.
Wir müssen verstehen, dass am Ende die Menschen hier zählen werden, die Führungskräfte sind“, sagt Ming. „Wenn sie den bequemen Weg gehen und KI als Ersatz für Menschen nutzen, gibt es kurzfristige Produktivitätsgewinne und langfristige Verluste. Wenn man bereit ist, in Humankapital zu investieren, sieht man wirkliche Erträge – aber das erfordert Mut.“
Wenn Sie aktuell Produktivitätsgewinne durch KI feiern, genießen Sie es. Aber es lohnt sich, sich zu fragen: Nutzen wir sie so, dass wir Fähigkeiten aufbauen – oder sie abbauen? In zwei Jahren könnte sich herausstellen, dass Sie auf das falsche Ergebnis hingearbeitet haben.