Sollten wir unsere Karrieren weiterhin auf tiefe Spezialisierung ausrichten?

David Rice: Die Ratschläge waren während des größten Teils unserer Karrieren immer dieselben: Spezialisieren Sie sich. Werden Sie in etwas Wertvollem besonders tief. Entwickeln Sie Fachwissen, das sonst niemand besitzt. Unser heutiger Gast meint, dass diese Empfehlung aktualisiert werden muss – nicht, weil Fachwissen verschwindet, sondern weil wir durch KI weniger Menschen brauchen werden, die in einem einzelnen Fachgebiet besonders tief verankert sind. Wissen ist heute leichter zugänglich.

Dadurch verschiebt sich das Wertversprechen. In der heutigen Sendung spreche ich mit Tony Castellanos, dem Leiter des Personalbereichs bei Nextdoor, darüber, was wertvoller wird, wenn KI die kodifizierbaren Aufgaben übernimmt. Seine Antwort? Urteilsvermögen. Zu wissen, wie gute Arbeit aussieht, wird wichtiger als zu wissen, wie man sie produziert – und Urteilsvermögen lässt sich nicht in einem Klassenzimmer vermitteln.

Es entsteht durch Wiederholung, praktische Erfahrung, Erfolge und schmerzhafte Fehlschläge – durch genügend Siege und Niederlagen, bis man den Unterschied instinktiv erkennt. Auch das Gespräch über Organigramme wird interessant. Tony glaubt, dass Generalisten bald neu bewertet werden. Heute gelten sie als operative Ebene, als eher unerfahren und nicht ganz so nützlich.

Das wird sich umkehren. Experten werden seltener. Die Menschen, die Fachwissen über mehrere Bereiche hinweg miteinander verbinden und erkennen können, was ein Unternehmen durch die Kombination verschiedener Wissenszentren erreichen kann, rücken ins Zentrum. Und was das Konzept einer Kostenstelle betrifft, glaubt Tony, dass dieses Etikett künftig nicht mehr bestimmt, wer ein Problem übernehmen darf.

Das Organigramm entwickelt sich von einer Karte, die zeigt, wo Informationen liegen, zu etwas viel Beweglicherem: Teams bilden sich und lösen sich je nach anstehendem Problem wieder auf. Heute sprechen wir also darüber, warum tiefe Spezialisierung Ihre Anfälligkeit für KI erhöht, sofern Sie sie nicht mit umfassenderen Geschäftsproblemen verbinden können, wie sich Urteilsvermögen entwickelt und warum es zu einer zentralen Führungskompetenz wird, über die Umkehrung der Rollen von Experten und Generalisten in Organisationen des KI-Zeitalters und darüber, warum das Kostenstellenmodell in fünf Jahren möglicherweise seltsam überholt wirken wird.

Ich bin David Rice. Das ist People Managing People. Wenn Sie Ihre Karriere auf Tiefe in einem einzelnen Fachgebiet aufgebaut haben, lohnt es sich, über dieses Gespräch nachzudenken. Legen wir los.

Für nahtlose Prozesse bei Mitarbeiterbeurteilungen und Sicherheit auf Unternehmensniveau testen Sie Teamflect kostenlos – die am besten bewertete Plattform für Leistungsmanagement im Microsoft-Ökosystem. Weltweit vertrauen Unternehmen darauf, Ziele abzustimmen, Leistungsbeurteilungen durchzuführen und Talente im großen Maßstab zu entwickeln.

Tony, willkommen in der Sendung. Schön, dass du da bist.

Tony Castellanos: Vielen Dank. Es ist mir eine Freude, hier zu sein.

David Rice: Ich möchte unser heutiges Gespräch mit einem Thema beginnen, das uns während des größten Teils unserer Karrieren begleitet hat: Die Empfehlung lautete immer, sich zu spezialisieren.

Man sollte sich auf etwas mit hohem Wert spezialisieren und tiefes Fachwissen entwickeln, das andere nicht besitzen, richtig? Du stellst jedoch die kontraintuitive These auf, dass extreme Spezialisierung die eigene Anfälligkeit für KI erhöhen kann, wenn dieses Fachwissen dokumentiert und kodifiziert werden kann.

Meine Einstiegsfrage lautet daher: Erreichen wir einen Punkt, an dem es tatsächlich ein Risiko darstellt, in einer Sache außergewöhnlich gut zu sein, sofern man dieses Fachwissen nicht mit einem viel umfassenderen Geschäftsproblem verbinden kann?

Tony Castellanos: Eine wichtige Frage – und ja, uns allen wurde beigebracht, dass man in einer Sache besonders tief gehen, der Beste darin werden und auf diesem Fundament stehen soll.

Ich glaube allerdings, dass die Überschrift das ein wenig übertreibt, denn Fachwissen verschwindet nicht. Es bleibt sehr wichtig. Wir müssen wissen, wie man Dinge tut. Was sich in der Welt der KI verändert, ist, dass wir weniger Menschen brauchen, die tief in einem bestimmten Fachgebiet verankert sind, weil ihr Wissen, ihr Fachwissen und die breitere Wissensbasis für andere leichter zugänglich sind. Wenn ich darüber nachdenke, welche Fähigkeiten wertvoller werden, brauchen wir weiterhin Menschen, die verstehen, was geschieht. Wir müssen prüfen können, was die KI liefert, wie sie etwas berechnet und wie sie zu einer bestimmten Schlussfolgerung gelangt.

Gleichzeitig liegt großer Wert darin, dieses Fachwissen mit der Weiterentwicklung des Unternehmens zu verbinden. Wenn man in die Vergangenheit zurückblickt, gab es Unternehmen mit vielen Menschen in Rollen, in denen Berechnungen den Kern der Arbeit bildeten. Im Finanzbereich, in der Analyse oder im Ingenieurwesen wurde sehr viel gerechnet.

Dann kam plötzlich Excel. Man dachte: „Wir brauchen nur noch einen Bruchteil dieser Menschen, um die Berechnungen hinter dem Geschäft durchzuführen.“ Das bedeutete aber nicht, dass der Bedarf an diesen Menschen vollständig verschwand. Ihr Wertversprechen veränderte sich. Der neue Wert eines Menschen bestand darin zu verstehen, was berechnet werden sollte.

Welches Modell ist das richtige? Was bedeutet das Ergebnis? Können wir auf Grundlage dieser Informationen bessere Geschäftsentscheidungen treffen? Es geht also darum, wie man das eigene Fachwissen einsetzt. Niemand würde behaupten, dass Excel das Finanzfachwissen beendet hat. Wir haben nach wie vor solche Teams in unseren Unternehmen.

Der eigentliche Wert bestand jedoch zunehmend darin, einige wenige tiefgreifende Experten zu haben und ihren Beitrag auf eine strategischere Ebene zu heben. Ich glaube, genau das geschieht jetzt erneut – nur schneller und in praktisch jeder Funktion, die von KI berührt wird.

David Rice: Ja. Ein großer Teil davon betrifft bestimmte Arten von Arbeit, die dadurch beschleunigt werden. Warum die Auswirkungen auf das Programmieren so disruptiv sind, liegt zum Beispiel daran, dass geschriebener Code entweder funktioniert oder nicht funktioniert. Wenn er nicht funktioniert, weiß man, was man tun muss.

Tony Castellanos: Für binäre Ergebnisse ist sie großartig.

Richtig oder falsch, wahr oder unwahr. Natürlich liegt sie auch bei solchen Dingen weiterhin falsch, weshalb Experten nötig sind, die sie überprüfen. Aber sobald man in regelbasierte Programme oder Systeme gelangt, kann sie sehr effektiv sein – ebenso bei der Verbreitung von Wissen, die auf konkreten Einzelheiten beruht und weniger auf Urteilsvermögen angewiesen ist.

David Rice: Du hast gerade das Thema Urteilsvermögen angesprochen. Ich habe vergangene Woche jemandem zugehört, der darüber gesprochen hat, woran man erkennt, dass eine Marketingkampagne bereit zur Veröffentlichung ist. Letztlich muss jemand mit dem nötigen Gespür dastehen und sagen: „Ja, das ist vollständig. Ich gebe es frei.“

Wir haben zuvor über dieses Gespür gesprochen – ein Wort, das viele Personalvorstände bisher vermutlich nicht in ihren Kompetenzmodellen hatten. Vor fünf Jahren kann ich mich nicht daran erinnern, eine Stellenbeschreibung gesehen zu haben, in der Gespür eine Rolle spielte. Wenn KI Wissen und technische Fähigkeiten sehr viel zugänglicher macht: Wird es dann wertvoller, zu wissen, wie gute Arbeit aussieht, als zu wissen, wie man sie produziert?

Und falls das so ist: Wie können Organisationen etwas so Unkonkretes wie dieses Gespür erkennen und entwickeln?

Tony Castellanos: In dieser KI-gestützten Welt halte ich es für unglaublich wichtig, weil man so viel Inhalt erzeugen kann. Wir werden alle überschwemmt. Wenn du jetzt in dein Google Drive schauen würdest, gäbe es vermutlich zehnmal so viele Dokumente wie vor einem Jahr, weil du all diese Dinge mit Claude, Codex, Gemini oder anderen Werkzeugen begonnen hast.

Ja, ich glaube, dass Gespür unglaublich wichtig wird, um all das so zu verfeinern, dass es für jeden Menschen, der es konsumiert, verständlich und verdaulich ist. Wie entwickelt man es? Meine ehrliche Antwort lautet: durch Wiederholung und praktische Erfahrung. Dafür gibt es keinen wirklichen Kurs, den man absolvieren kann.

Es entsteht durch die Ansammlung von Erfolgen und schmerzhaften Rückschlägen, wenn etwas schiefgeht. Wenn man das oft genug erlebt, entwickelt man immer besser ein Gefühl dafür, wie gute und wie mittelmäßige Arbeit aussieht. Das ist schwierig, weil man die Gelegenheit dazu braucht. Hier verändert KI jedoch auch das Tempo, in dem man solche Erfahrungen sammeln kann.

Man kann Dinge innerhalb einer Stunde dutzendfach auf die Probe stellen. Genau so betrachten wir KI bei Nextdoor: als Werkzeug für Brainstorming und Experimente, nicht als etwas, das die Antwort für dich erzeugt. Man kann es nutzen, aber die Verantwortung der Person, zu definieren, was gut ist, wird dadurch größer. Die KI liefert etwas, das anspruchsvoll und überzeugend wirkt, aber völlig falsch sein kann.

Als Mensch bist du das Einzige, was zwischen diesem Ergebnis und dem Publikum steht, das es möglicherweise erreicht. Deshalb halte ich das für unglaublich wichtig.

David Rice: Das ist interessant. Mir gefällt die Idee der praktischen Wiederholungen. Wenn wir beim Baseballbild bleiben: die vielen Einsätze. Wenn jemand beispielsweise im Marketing arbeitet und ein bestimmtes Problem früher vielleicht ein Dutzend Mal in zehn Jahren gesehen hat, begegnet er heute derselben Art von Aufgabe möglicherweise zehnmal so oft.

Diese praktischen Erfahrungen können uns also schneller weiterbringen. Meine Frage ist, ob Menschen dadurch noch das Gesamtbild erkennen können. Wegen des von dir beschriebenen Volumens wird es insbesondere für Führungskräfte immer schwieriger, den Überblick zu behalten, wenn alle so viel mehr produzieren.

Ich glaube, das wird interessant zu beobachten sein.

Tony Castellanos: Da stimme ich zu hundert Prozent zu. Ich habe versucht, die meisten Dokumente zu lesen, die mir zugeschickt wurden, aber ehrlich gesagt kommen sie einfach zu schnell. Hier kommen wir wieder zu Urteilsvermögen und Gespür zurück. Erstellst du etwas Prägnantes und Klar verständliches, das die Verbindung zu dem herstellt, was du erreichen möchtest?

Der angenehme Teil an der Unterstützung durch KI ist, dass man ihr buchstäblich sagen kann: „Erstelle zwanzig Versionen davon. Achte darauf, dass diese drei Punkte Priorität haben.“ Dann sieht man sie durch, wählt die beste aus und verfeinert sie. So gelangt man viel schneller zu einem fertigen Ergebnis. Gleichzeitig kann die Informationsflut überwältigend sein. Deshalb besteht großer Druck, sie auf etwas zu reduzieren, das für einen Menschen nützlich ist.

David Rice: Besonders jetzt, da wir in das Zeitalter der Agenten eintreten. Ich warte auf die Geschichte über einen Manager, dessen Agent all diese Dinge erledigt hat, die die Person gar nicht verarbeiten konnte oder von deren Existenz sie nichts wusste, weil alles so schnell geht und so viel erzeugt wird. Diese Geschichte wird irgendwann auftauchen.

Tony Castellanos: Das ist gerade mit einer entwichenen Version eines großen Sprachmodells passiert. Ich werde den Namen nicht nennen, weil ich sonst vielleicht Ärger bekomme. Einer unserer Grundsätze lautet: Übernimm Verantwortung für das, was deine KI tut. Man darf die Ergebnisse nicht einfach als selbstverständlich hinnehmen.

Man kann nicht einfach veröffentlichen, was die KI produziert. Ebenso wenig darf man der KI derzeit erlauben, ihre Ergebnisse ungeprüft zu veröffentlichen. Ob vor der Weitergabe eine menschliche Prüfung stattfindet oder ob es Leitplanken beziehungsweise eine nachträgliche Prüfspur gibt, die Dinge korrigiert und problematische Inhalte zurückhält – es muss einen solchen Mechanismus geben.

David Rice: Du hast begonnen, das People-Team nach Problemen statt nach traditionellen HR-Spezialisierungen zu organisieren. Das ist ein interessanter Ansatz und möglicherweise eine viel größere Veränderung, als KI lediglich zu einer bestehenden Stelle hinzuzufügen. Wenn wir uns an Ergebnissen statt an Fachgebieten orientieren: Was geschieht dann mit den funktionalen Strukturen, Karriereleitern und Verantwortungsmodellen, die wir über Jahrzehnte aufgebaut haben?

Tony Castellanos: Das ist ein spannendes Thema. Um ganz transparent zu sein: Wir haben unser Organigramm nicht vollständig aufgelöst. Wir haben weiterhin Recruiter, Vergütungsexperten und Personalgeschäftspartner. Aber wir betrachten zunehmend die tatsächlichen Probleme, die diese Gruppe gemeinsam lösen soll.

Wir haben versucht, die Teams an den Themen auszurichten, die im gesamten Personalbereich relevant sind: Talent, Aktivierung – eine Kombination aus Engagement und Befähigung – sowie Kultur.

Keines dieser Themen ist ausschließlich Recruiting oder ausschließlich Personalgeschäftspartnerschaft. Es gibt ein großes Arbeitsfeld, das sicherstellt, dass die richtigen Menschen und die richtige Talentbasis gewonnen und entwickelt werden, dass Mitarbeitende angemessen unterstützt werden und dass eine Umgebung entsteht, in der alle ihre beste Arbeit leisten können.

Bisher konzentrierten sich Funktionen auf einzelne Aspekte, weil das entsprechende Fachwissen dort angesiedelt war. KI ermöglicht jedoch ein besseres übergreifendes Verständnis dafür, wie diese Aspekte zusammenwirken. Wir versuchen daher, stärker über das endgültige Ziel nachzudenken, statt nur über den Recruiting-Anteil eines bestimmten Projekts.

Ich möchte nicht, dass Menschen in ihren jeweiligen Zuständigkeitsbereichen denken. Die Frage sollte lauten: Hat die Personalorganisation in dieser Dimension einen Wert geschaffen?

David Rice: Das scheint vorauszusetzen, dass Menschen etwas anpassungsfähiger werden. Es ist fast schon eine philosophische Frage nach ihrem Platz im Ganzen. Wo beeinflusst mein Kompetenzprofil das übergeordnete Ergebnis, das wir erreichen wollen? Das ist eine andere Sichtweise auf unsere Arbeit als die Frage, wie meine Fähigkeiten ein bestimmtes Ergebnis beeinflussen können.

Tony Castellanos: Ja, und ich glaube, es geht sogar noch einen Schritt weiter: Was kann ich hier lernen und anwenden?

Ich sehe das Problem und bin nicht darauf beschränkt, dass ich Recruiter oder Vergütungsexperte bin. Ich bin Mitglied des People-Teams. Es gibt einen durchgängigen Prozess – von der Gewinnung von Talenten über ihre Entwicklung bis hin zu ihrer Beförderung. Wie kann ich diesen Prozess unterstützen oder voranbringen?

Das Spannende ist, dass man viel mehr iterative Zyklen bekommt. Wie kann man das eigene Fachwissen anwenden und gleichzeitig etwas lernen? Die KI wird dabei zum Partner. Ich möchte deshalb die Art und Weise erweitern, wie Menschen über ihre Funktion denken – hin zum eigentlichen Endziel.

David Rice: Es gibt natürlich eine Gefahr, wenn man alle in breitere Rollen drängt. Theoretisch könnte man eine Belegschaft aus Generalisten erhalten, die von allem ein wenig, aber von nichts wirklich viel verstehen. Du hast schon früher gesagt, dass Fachwissen nicht unbedingt verschwindet. Wie entwickelt man Menschen, die ein Problem ganzheitlich bearbeiten und trotzdem ihr Fachwissen bewahren, sodass das Unternehmen auch dann funktioniert, wenn beispielsweise ein großes Sprachmodell einige Tage ausfällt?

Tony Castellanos: Wenn ich einen Schritt zurücktrete, mache ich mir bei einer Welt mit mehr Generalisten weniger Sorgen über fehlendes Verständnis. Intrinsisch motivierte und neugierige Menschen entwickeln beim Bearbeiten von Problemen den nötigen Kontext. Sie arbeiten also nicht blind.

Das eigentliche Risiko besteht darin, dass Menschen einfach die Ausgabe der KI übernehmen, veröffentlichen und weitermachen. Das betrifft nicht nur Generalisten; auch Spezialisten können das tun. Es geht also weniger um Kontextbewusstsein als um das Zusammenspiel von Breite, Tiefe und Urteilsvermögen.

Solange man Menschen einstellt, die ihre Umgebung wirklich verstehen wollen, ist das eine gute Grundlage. Neugier wird für uns ein neues Kriterium. Wir wollen sicherstellen, dass Menschen aufnehmen, was sie umgibt, und dadurch bessere Entscheidungen treffen.

Wenn ein durch KI unterstützter Generalist plötzlich ohne KI auskommen muss, verliert er meiner Ansicht nach nicht das Wissen, sondern die Verbindung zu diesem Wissen. Die KI beschleunigt vor allem, wie schnell man Kontext, Kennzahlen und alle weiteren Informationen zusammentragen kann. Ohne sie dauert es länger, die einzelnen Teile zusammenzutragen.

Wer lange KI-gestützt gearbeitet hat, besitzt aber ein sehr klares Bild davon, welche Informationen und Datensätze für die eigene Arbeit erforderlich sind. Dieses mentale Modell bleibt erhalten.

David Rice: Neugier ist der entscheidende Punkt. Menschen werden weiterhin den Wunsch haben, Dinge zu verstehen und neue Dinge zu tun. Die Technologie kann vieles besser als wir, aber Menschen tun und lernen gern. Das ist unsere Natur. Wir sind darauf ausgelegt, und Tausende Jahre Evolution werden nicht durch die Einführung einer KI rückgängig gemacht.

Tony Castellanos: Für die richtigen Menschen wird dadurch Kreativität freigesetzt, weil sie schneller und weiter kommen. Aber es besteht auch die Gefahr, dass man alles ungeprüft übernimmt. Dann beginnt die Qualität wirklich zu sinken.

David Rice: Dieses Thema des Urteilsvermögens taucht auch in Daten über Führungskräfte auf, die sich Sorgen über den Verlust von Fähigkeiten machen. Menschen arbeiten anfangs eng mit dem Modell, prüfen alles und wenden ihr Urteilsvermögen an. Nach einiger Zeit beginnt etwas, und sie lassen die Kontrolle nach und nach zu.

Welche Strategien werden am erfolgreichsten verhindern, dass das geschieht? Wie hält man Menschen engagiert und sorgt dafür, dass sie sich weiterhin intensiv mit Urteilsvermögen und Gespür auseinandersetzen?

Tony Castellanos: Das ist auch bei menschlichen Beziehungen so. Einer neuen Mitarbeiterin oder einem neuen Mitarbeiter vertraut man nicht automatisch alles an. Mit der Zeit liefern sie gute Arbeit, machen Dinge richtig, und man vertraut ihnen zunehmend – genauso wie man einem großen Sprachmodell zunehmend vertraut.

Wenn sie dir Dinge zum Korrekturlesen oder Prüfen schicken, machst du davon wahrscheinlich immer weniger. Das ist menschliches Verhalten, wenn Vertrauen entsteht. Der Vorteil der KI ist, dass sie auch bei vielen Prüfungen sehr gut ist. Sie kann ein Dokument besser Korrektur lesen, als ich es je könnte, weil meine Augen irgendwann ermüden.

Wir müssen eine Welt schaffen, in der mehrere Teammitglieder zusammenarbeiten: diejenigen, denen man zunehmend vertraut, weil sie zuverlässig waren und man gemeinsam Ergebnisse veröffentlicht hat – und zusätzlich ein skeptischer Dritter, der sagt: „Moment, ihr beide liegt falsch.“ Auch dieser skeptische Dienst kann KI-gestützt sein.

Das bedeutet nicht, dass eine der beiden Seiten automatisch recht hat. Aber es regt zum Nachdenken an und bringt den Menschen wieder auf den Fahrersitz: „Diese beiden Dienste widersprechen sich. Was ist die richtige Entscheidung für mich und für meine Organisation?“ Solange wir nicht blind veröffentlichen und die Ergebnisse weiterhin kritisch hinterfragen, können wir die entsprechenden Prüfungen auch technisch verankern.

David Rice: Du hast zuvor einen Vergütungsagenten erwähnt. Er ersetzt nicht die Vergütungsfunktion, sondern verteilt einen Teil ihres Fachwissens an Recruiter. Ist das letztlich die größere organisatorische Wirkung von Agenten? Sie ersetzen Fachwissen nicht, ermöglichen aber, dass Expertenwissen viel schneller durch das Unternehmen wandert.

Tony Castellanos: Ja, das ist sicherlich einer der großen Vorteile von KI. Unser Vergütungsagent ist ein Dienst, der in unsere Vergütungsarchitektur integriert ist und unsere Belegschaft betrachtet.

Er steht unseren Personalgeschäftspartnern und Recruitern zur Verfügung. Er analysiert keine Situationen und gibt keine Empfehlungen. Er stellt sachliche Informationen bereit, damit diese Menschen fundierte Entscheidungen treffen können.

Ein Recruiter kann fragen: „Ich möchte ein Angebot in Höhe von X machen. Wie verhält sich das zu unseren Gehaltsbändern?“ Der Agent zeigt, wo es innerhalb unserer Vergütungspraktiken liegt und wie es ungefähr im Vergleich zu internen Mitarbeitenden einzuordnen ist.

Wir geben keine Informationen über einzelne Mitarbeitende preis und anonymisieren alles so weit, dass die Vergütung einer bestimmten Person nicht ermittelt werden kann. Der Recruiter erhält dadurch nicht nur die Information, wo das Angebot im Gehaltsband liegt, sondern auch, welche Gleichheiten oder Ungleichheiten es intern schaffen könnte.

So erweitert sich der Blick vom Abschluss mit der Kandidatin oder dem Kandidaten hin zum Aufbau eines ausgewogenen Teams – ohne dass jedes Mal eine Person aus dem Vergütungsbereich hinzugezogen werden muss. Früher musste ich als Recruiter auf Angebotsdetails warten, mit der Vergütung sprechen und später zurückkommen. Jetzt ist der relevante Kontext sofort verfügbar.

Das beschleunigt die Abläufe und schafft eine Kontextebene, auf die Generalisten kontinuierlich zurückgreifen können. Der Agent ist also sowohl entwicklungsfördernd als auch effektiv.

David Rice: Was geschah bei der Entwicklung dieses Agenten? Wir sprechen über Agenten manchmal so, als wären sie Mitarbeitende. Wie habt ihr die Rolle definiert, die er übernehmen sollte?

Tony Castellanos: Agenten als Mitarbeitende sind für uns ein wichtiges Thema. Wir haben ihn liebevoll „Compadre“ genannt – deinen Vergütungsfreund.

Die Idee entstand, weil Recruiter und Vergütungsexperten in Besprechungen saßen und sich fragten: „Müssen wir wirklich dabei sein? Gibt es keinen anderen Weg?“ Wir veranstalteten KI-Tage für das People-Team, an denen alle ein Problem mit KI lösen sollten.

Eine daraus entstandene Idee war ein Dienst, der diese Informationen verantwortungsvoll zugänglich macht, die Privatsphäre schützt und Recruiter sowie Personalgeschäftspartner befähigt, die richtigen Entscheidungen zu treffen. Das Team wollte keine Zeit mehr mit einer rein transaktionalen Besprechung verbringen. Genau darin ist KI gut: Sie entfernt den Aufwand, der mit taktischen Interaktionen verbunden ist, die jeden Tag stattfinden.

David Rice: Mir fallen spontan etwa fünf solcher Besprechungen ein, die ich sofort abschaffen würde.

Tony Castellanos: Genau. Ich habe zum Beispiel einen kleinen Stabschef namens Sam Wise, der Besprechungen vorbereitet, Tagesordnungen organisiert und mir Vorschauen auf den Tag gibt. Ein großer Teil unserer Tage besteht daraus, einzeln oder in Gruppen Informationen aufzunehmen. Das kann KI für dich erledigen.

Wenn man diese Vorbereitung vor einem Gespräch erhält, wird das eigentliche Gespräch viel reichhaltiger und fundierter. Man muss nicht mehr die Zeit aller Beteiligten nur für den Informationsaustausch einsetzen.

David Rice: Das bringt mich zu einer Unterhaltung, die ich im vergangenen Jahr mit jemandem aus Schottland hatte. Er sagte, ein universelles Problem sei, dass uns überall auf der Welt ständig Informationen erreichen. Manche ärgern uns, manche begeistern uns, manche langweilen uns – aber nichts davon muss mit dem Wichtigsten zu tun haben.

Wenn ein System das am Ende des Tages zusammenfassen könnte und einen fünfminütigen persönlichen Podcast erstellt, den man auf dem Heimweg hören kann, wäre das großartig. Es könnte sagen: „Die wichtigsten Dinge des Tages und was du am Montag nicht vergessen darfst.“ Viele von uns leben ständig in einem Informationssturm.

Tony Castellanos: Hast du schon einmal versucht, Slack zu durchsuchen?

David Rice: Ja. Fünfhundert Kanäle. Man findet gar nichts mehr.

Tony Castellanos: Genau. Meine Version davon mit Samwise ist ein Briefing, das ich sonntagabends für die kommende Woche erhalte. Darin geht es um die drei Dinge, die für mich am wichtigsten sind. Samwise durchsucht Slack, meine Besprechungsnotizen und andere Quellen und ermittelt, was in diese drei Kategorien fällt.

Zusätzlich gibt es einen Abschnitt, in dem Samwise selbst Dinge entdeckt: Was sollte ich deiner Meinung nach wissen? Was hast du gefunden, das nicht in diese drei Kategorien passt, aber auf meinem Radar sein sollte?

Verpasse ich dadurch Dinge? Wahrscheinlich. Verlasse ich mich ausschließlich darauf, dass KI filtert? Nein. Ich habe Parameter vorgegeben, weil es Dinge gibt, mit denen ich in Kontakt bleiben möchte. Die Gefahr wäre, einfach zu sagen: „Zeig mir, was wichtig ist“, und die KI entscheiden zu lassen, was wichtig ist. Diese Welt dürfen wir nicht betreten.

David Rice: Genau zu diesem Schluss sind wir damals auch gekommen. Wer definiert, was wichtig ist? Ist es auf das Unternehmen, die Führungskraft, die eigenen Ziele oder etwas anderes ausgerichtet? Es gibt viele Faktoren, die den Kontext dessen verändern, was ein System produzieren sollte.

Tony Castellanos: Jetzt denke ich darüber nach, Samwise ein Folienset erstellen zu lassen. Google hat inzwischen eine automatische Präsentationsfunktion in Google Slides. Es könnte interessant sein, wenn ein Dienst die Folien erstellt und ein anderer sie präsentiert – ein persönliches kleines Team von Stabsmitarbeitenden.

David Rice: Das wäre unglaublich. Der zukünftige Mitarbeitende braucht Breite, Urteilsvermögen und die Fähigkeit, sich über verschiedene Problemfelder hinweg zu bewegen. Erzeugt das nicht ein grundlegendes Problem für die Art und Weise, wie wir Menschen heute entwickeln? Die meisten Karrierewege belohnen doch, innerhalb einer Funktion immer tiefer zu gehen. Wie würden Entwicklung und Aufstieg aussehen, wenn Breite ein Teil von Seniorität und nicht mehr eine Abweichung davon wäre?

Tony Castellanos: Das widerspricht der bisherigen Entwicklung von Menschen. Der angenehme Teil ist jedoch, dass das, was das Problem erzeugt, zugleich die Lösung schafft. KI gibt Menschen enorme Autonomie über ihr eigenes Wachstum. Sie können ein Thema untersuchen und hinterfragen.

Man braucht Leitplanken, um zu erkennen, was real und was falsch ist. Dennoch kann man sich eine Grundlage erarbeiten und diese anschließend mit einem Experten besprechen, bearbeiten oder kritisch prüfen. So beschleunigt man das Lernen.

Wir ermutigen unsere Mitarbeitenden, nicht auf das Learning-and-Development-Team zu warten. Wartet nicht darauf, dass die Führungskraft einige Stunden findet, um ein Thema ausführlich zu behandeln. Erkundet das, worüber ihr nachdenkt, was euch neugierig macht oder welches Problem ihr erkennt.

Der große Vorteil von KI im Unternehmen besteht darin, dass dies nicht in einer akademischen, sterilen Umgebung geschieht, sondern im Kontext des eigenen Unternehmens. Selbst wenn Dinge schiefgehen, lernt man weiterhin, wie das Unternehmen funktioniert.

Dadurch entsteht eine Rückkopplung zwischen Mitarbeitenden und Führungskräften. Wer Breite entwickeln möchte, kann zu einer angrenzenden Funktion oder zu den an einem Problem beteiligten Personen gehen und Feedback zu etwas Echtem und Greifbarem erhalten. Niemand muss mehr auf eine Aufgabe oder eine besondere Entwicklungsmöglichkeit warten. Man kann sich jeden Tag selbst herausfordern. Es ist erfahrungsbasiertes Lernen, nur deutlich schneller.

David Rice: Eine Voraussetzung dafür ist jedoch Sichtbarkeit. Ich weiß nicht, was ich nicht weiß, bevor ich damit in Kontakt komme. Müssen wir unsere Arbeitsabläufe so verändern, dass Menschen mit Dingen in Berührung kommen, die ihre Neugier wecken?

Tony Castellanos: Ich weiß nicht, ob es eine Veränderung des Arbeitsablaufs ist. Du triffst aber einen wichtigen Punkt: Wir sind immer wieder bei der Neugier gelandet. Es geht wahrscheinlich weniger um Arbeitsabläufe als um Denkweisen und Verhaltensweisen.

Der gute Teil an KI ist, dass man mit einer Frage beginnen kann: „Ich weiß nicht, was ich nicht weiß.“ Man kann genau diese Frage stellen. Gute Führungskräfte werden vermutlich stärker mit den fünf Warum-Fragen arbeiten. Dadurch untersuchen Menschen genauer, warum etwas so existiert, wie es existiert, und was es erreichen soll.

Mit einem Denken ausgehend von den ersten Prinzipien stellt man sich die Frage: Würde ich das mit den heute verfügbaren Werkzeugen noch genauso tun? Ein großes Hindernis wird Trägheit sein – festgefahrene Prozesse und die Frage, welche Türen wir früher geschlossen haben, weil ein bestimmter Weg damals nicht möglich war.

KI hat enormes Potenzial freigesetzt. Recruiting ist ein gutes Beispiel. Früher galt es als selbstverständlich, dass Unternehmen bei einer bestimmten Größe nicht jeden Lebenslauf prüfen können. Heute kann KI zumindest eine erste Prüfung vornehmen und die Inhalte an ein System weiterleiten, das sie auswertet. Das wäre früher undenkbar gewesen.

Die wirkliche Chance besteht darin herauszufinden, wie viele Türen wir gedanklich geschlossen haben.

David Rice: Ich muss mich das ständig selbst fragen: „Du machst es nur so, weil du daran gewöhnt bist.“

Tony Castellanos: Das ist schwierig, weil man als alter Hund keine neuen Tricks lernen möchte. Aber wir werden in diese Welt gedrängt.

David Rice: Man muss sich daran erinnern: „Nein, du brauchst neue Tricks.“

Tony Castellanos: Das stimmt. Einverstanden.

David Rice: Du hast das Beispiel der Einstellung eines Auftragnehmers genannt. Dieser Prozess betrifft Personal, Finanzen, Recht, Systeme und Genehmigungen. Heute haben wir die Organisation entlang dieser funktionalen Übergaben gestaltet.

Wenn Agenten irgendwann den Kontext über den gesamten Prozess hinweg tragen: Müssen wir Menschen dann noch entlang derselben Grenzen organisieren? Welcher Teil des heutigen Organigramms könnte durch KI in fünf Jahren seltsam überholt wirken?

Tony Castellanos: Ich glaube, wir werden die Umkehrung sehen, über die wir gesprochen haben. Funktionen werden nur noch über eine begrenzte Zahl von Experten verfügen und von Generalisten umgeben sein, die dieses Wissen über verschiedene Bereiche hinweg anwenden können.

Heute gibt es zwar ebenfalls Generalisten, aber sie gelten eher als operative und nachgeordnete Ebene, die nicht ganz so nützlich ist. Das wird sich umkehren. Diese Menschen werden sich auf unternehmensweite Fähigkeiten konzentrieren: Was können wir erreichen, wenn wir auf all diese unterschiedlichen Fachwissenszentren zurückgreifen?

Wenn man fünf Jahre in die Zukunft blickt, könnte das Konzept der Kostenstelle besonders seltsam wirken. Nicht unbedingt, weil Kostenstellen verschwinden. Investitionen müssen weiterhin gemessen werden, und es gibt Anforderungen aus Rechnungswesen und Compliance.

Aber diese Messung wird nicht mehr bestimmen, wie die Arbeit organisiert wird. Eine Kostenstelle erfüllt heute zwar eine buchhalterische Funktion, definiert aber oft auch, wo bestimmte Probleme angesiedelt sind, weil dort historisch das Fachwissen lag.

Diese beiden Dinge werden auseinanderfallen, weil wir auf das Fachwissen aus verschiedenen Teilen des Unternehmens zugreifen können. Es fließt entweder durch KI, ist systematisiert oder kodifiziert.

Das Organigramm entwickelt sich von einer Karte, die zeigt, wo Informationen liegen, zu etwas viel Unbestimmterem. Teams bilden sich und lösen sich wieder auf, je nachdem, welches Problem sie bearbeiten. Wir werden weniger Experten haben und mehr Menschen, die wissen, wie man dieses Fachwissen einsetzt.

Das bedeutet nicht unbedingt, dass Unternehmen oder Teams kleiner werden. Der Anteil der Experten innerhalb eines Teams wird lediglich geringer. Die übrigen Teammitglieder setzen das Fachwissen ein, lösen Probleme und treiben die Arbeit voran. Der Problembereich jedes Einzelnen wird dadurch größer als die eigene Kostenstelle. Dieses Etikett wird nicht mehr bestimmen, wer ein bestimmtes Problem übernehmen darf.

David Rice: Personalverantwortliche, die sich selbst schon als Kostenstelle bezeichnet gehört haben, werden das sicher erleichtert hören.

Tony Castellanos: Wenn ich an den Begriff G&A denke, nehme ich das tatsächlich ein wenig übel.

David Rice: Das ist eine großartige Antwort.

Tony Castellanos: G&A ist ein gutes Beispiel. Irgendwann wird man nicht mehr darüber sprechen, wie hoch unsere Investition in G&A, Recht oder Finanzen ist, sondern darüber, was erforderlich ist, um das Unternehmen zu führen.

Das ist ein viel gesünderer Ort für Menschen.

David Rice: Dem stimme ich zu. Jeder hat Zugang zum Fachwissen und kann es anschließend in die Praxis umsetzen. Das ist eine bessere Nutzung der Zeit – nicht im Sinne einer rein auf Effizienz ausgerichteten Kostensenkung, sondern im Sinne einer besseren Unterstützung der Menschen beim Erreichen ihrer Ziele für das Unternehmen.

Tony Castellanos: Es macht deutlich mehr Spaß. Die Buchhalter, die von Excel profitiert haben, müssen nicht mehr nur tief in Berechnungen arbeiten. Sie können jetzt auch andere Arbeitsergebnisse voranbringen. Für uns alle ist das spannend.

David Rice: Tony, das war ein großartiges Gespräch. Danke, dass du dabei warst.

Tony Castellanos: Vielen Dank für die Einladung. Es hat großen Spaß gemacht. Ich kann es kaum erwarten, diese Folge in einem Jahr noch einmal zu hören und zu sehen, bei welchen Dingen ich falschlag.

David Rice: Ich bin gespannt, wie viel davon in einem Jahr bereits überholt sein wird.

Es ist immer interessant, später zurückzuhören und zu denken: „Ja, das war damals ein großes Problem, und heute denken wir kaum noch darüber nach.“

Tony Castellanos: Oh mein Gott, ja.

David Rice: Die Dinge verändern sich so schnell.

Tony Castellanos: Was für eine Welt. Es macht allerdings großen Spaß, darin zu sein.

David Rice: Langweilig kann man sie jedenfalls nicht nennen.

Tony Castellanos: Absolut richtig.

David Rice: Liebe Zuhörerinnen und Zuhörer, bis zum nächsten Mal: Besuchen Sie peoplemanagingpeople.com/aisignal und melden Sie sich für unser neuestes Newsletter-Produkt an. Es ist eine Zusammenfassung für Führungskräfte mit allem, was Sie diese Woche lernen müssen – oder mit einer Sache, die Sie diese Woche lernen müssen. Nicht mit allem. Eigentlich ist genau das der Sinn: das Signal zu finden und zu nutzen, statt alle Schlagzeilen und das gesamte Chaos zu verfolgen.

Und bis zum nächsten Mal: Hören Sie nicht auf, Ihr Fachwissen weiterzuentwickeln. Es wird nicht unbedingt verschwinden.

Tony Castellanos: Allerdings.

David Rice: Müde davon, Mitarbeitende wegen ihrer Leistungsbeurteilungen zu verfolgen? Lernen Sie Teamflect kennen, die am besten bewertete Plattform für Leistungsmanagement und Mitarbeiterengagement für Microsoft Teams. Einfachere Einführung – genau dort, wo Ihr Team bereits arbeitet. Starten Sie auf Teamflect.com.