Warum KI-Power-User allen anderen davonlaufen werden

David Rice: Die meisten Mitarbeitenden nutzen etwa 1 % von dem, was mit KI möglich wäre. Das liegt nicht daran, dass sie faul sind. Es liegt nicht daran, dass sie keinen Zugang haben. Es ist vielmehr so, dass niemand ihnen zeigt, was möglich wäre und dass sie KI 5 bis 10 Mal pro Stunde einsetzen könnten, um alles zu analysieren, den Tag zusammenzufassen und alle ihre Logik zu hinterfragen.

Unser heutiger Gast ist Kevin Surace, CEO von Appvance.ai. Er spricht jährlich auf 40 bis 50 Firmenevents weltweit. Wenn er dort gezielt fragt, wie KI tatsächlich genutzt wird, gehen nur ein oder zwei Prozent der Hände nach oben. Alle anderen nutzen vielleicht ein bisschen Copilot, um Sätze zu korrigieren, und denken dann: Wow, schaut mal KI an.

Gleichzeitig gibt es eine 23-jährige Person in einem Startup im Silicon Valley, die damit umgeht, als säße direkt ein Team aus 28 promovierten Wissenschaftler:innen für einen Cent pro Minute an ihrer Seite. Und diese zehn Leute leisten ungefähr so viel wie hundert von uns anderen. Kevins wichtigste Botschaft an euch: Das ist kein Fähigkeitsproblem. Und jedes Jahr, in dem ihr euch nicht mit dieser Technologie befasst, fallt ihr immer weiter zurück, bis ihr irgendwann irrelevant seid.

Das passierte mit dem Desktop-Computer in den 1980ern. Das passierte mit dem Internet. Das passierte mit Excel. Entweder man stieg ein – oder man wurde aussortiert. Diese Welle ist viel schneller als alle vorherigen. Heute besprechen wir, warum eure Eingabeaufforderungen (Prompts) drei Absätze lang sein sollten statt fünf Wörter, wie ihr strategisch über eure Aussagen nachdenkt, anstatt Wort für Wort zu tippen, warum heute der „schlechteste“ Tag für diese Technologie ist – und was das für eure Berufe bedeutet. Wir reden über tiefgreifende Identitätsveränderungen ganzer Branchen und warum Widerstand, um Star Trek zu zitieren, zwecklos ist.

Ich bin David Rice. Das ist People Managing People. Und wenn ihr KI in der letzten Woche einmal genutzt habt, während die Person neben euch sie zehnmal pro Stunde nutzt, dann könnte dieses Gespräch eure letzte Warnung sein. Los geht’s.

Kevin, willkommen. Wie geht's uns heute?

Kevin Surace: Ich freue mich, hier zu sein.

David Rice: Ich wollte gerne damit beginnen: Als wir vorab sprachen, hast du die große Lücke angesprochen, die viele erfahren – die meisten nutzen maximal 1 % des Möglichen mit KI. Warum, glaubst du, ist das so? Was kostet es, wenn wir so weitermachen?

Kevin Surace: Das ist ein sehr interessantes Phänomen. Ich halte ja auf großen Firmenveranstaltungen und Branchenevents weltweit 40- bis 50-mal im Jahr Vorträge. Was man dort sieht: Wenn man nachfragt, wie die Leute generative KI konkret nutzen, heben nur 1 oder 2 % die Hand – „Ja, ich mach da was.“

Ich schreibe Agents, mache dies und das, aber die meisten machen fast nichts. Sie nutzen etwas Copilot, der ein paar Sätze verbessert, und denken: „Wow, KI!“, ahnen aber gar nicht, dass sie diese 5–10 Mal pro Stunde nutzen sollten. Um wirklich alles zu analysieren, alles zusammenzufassen, im Detail zu hinterfragen.

Wenn ich beispielsweise eine Präsentation schreibe, sage ich: „Rupf das auseinander.“ Und: „Wie kann ich das besser machen?“ Dann: „Kannst du es besser machen?“ Oder: „Kannst du diese Zeichnung erstellen? Kannst du diese Tabelle analysieren? Was bedeutet Tabelle drei?“

Das könnte man jede Minute, den ganzen Tag, machen. Es ist, als hätte man ein promoviertes Team mit 28 Doktorabschlüssen immer neben sich – und das für Centbeträge. Warum sollte ich das nicht ständig nutzen? Ich glaube, viele wissen es schlicht nicht, bleiben bei Copilot, dieser einfachen Unterstützung. Sie nutzen nicht die volle Bandbreite der Modelle.

Ich selbst nutze je nach Vorhaben alle möglichen Modelle. Gemini ist beispielsweise für manches besser als GPT 5.2, das bei anderen Sachen besser als vielleicht Anthropic ist, oder Claude, oder was es sonst noch gibt … ich nutze sie alle.

David Rice: Ich glaube, es ist ein bisschen wie: Man setzt mich in ein voll ausgestattetes Cockpit – aber ich habe kein Flugtraining. So ungefähr.

Kevin Surace: Das stimmt. Interessant ist auch: Ich mache auf der Bühne Live-Demos von Dingen, die ich für die jeweilige Firma gemacht habe – ohne Firmengeheimnisse. Ich zeige ein neues Produkt, schätze die Marktgröße, berechne TAM und erkläre mein Vorgehen.

Und dann sagen sie: „Was? Wir hätten 5 Milliarden Dollar und Monate gebraucht, das rauszufinden.“ Ich habe fünf oder zehn Minuten gebraucht. Ihnen ist völlig unbekannt, dass das mit KI möglich ist, weil sie es nie gesehen oder gelernt haben. Die meisten tippen also Fünf-Wort-Prompts ein. Ich schreibe drei gut durchdachte Absätze: Wer ist mein Publikum? Was will ich erreichen? Warum sage ich das so? Welche Meinung habe ich dazu?

Dafür investiere ich viel Überlegung – und bekomme entsprechend mehr heraus. Einfach einen Absatz zu X zu schreiben, ohne konkrete Zielsetzung, führt ins Nichts. Also: Die Leute müssen trainiert werden.

Sie brauchen Komfort im Umgang, Zugang zu mehreren Modellen und Werkzeugen, nicht nur Copilot. Erst dann kommt die große Veränderung. Und: Wenn du in einem Valley-Startup bist, dann nutzt du das alles zehnfach. Die hören das hier und denken: „Na klar machen wir das, Kevin.“ Bei einem großen Konzern im Mittleren Westen:

„Ich habe gerade Copilot bekommen, gebeten, einen Satz in Word zu verbessern, zack, erledigt. Wow!“ – Als würde es nur Grammarly ersetzen. Es gibt also eine Spaltung. Das ist ein großes Problem für große Organisationen: Startups laufen inzwischen mit zehnfacher Geschwindigkeit bei gleich vielen Leuten.

Zehn Leute dort entsprechen hundert, weil sie KI und diverse Tools für Marketing, Vertrieb, Analysen, etc. ständig nutzen. Zehnmal je Stunde jeder. Und du nur ein Mal die Woche? Dann bist du raus.

David Rice: Es wird ja viel über Fähigkeitslücken gesprochen. Aber das klingt auch nach einem Mangel an Selbstvertrauen. Viele wissen um das Potenzial, wissen nur nicht, wie oder wo sie anfangen sollen. Ist dieser schwierige Einstieg ein Teufelskreis?

Weil, wenn man jetzt nicht startet, steht man in zwölf Monaten einfach …

Kevin Surace: Genau. Man fällt immer weiter zurück, bis es peinlich wird. Irgendwann weißt du gar nicht mehr, was du tun sollst. Am Ende bist du einfach nicht mehr relevant. Wann? Also: Der PC kam irgendwann in den 80ern. Wer damals sagte, „Will ich nicht auf dem Schreibtisch“, fiel jedes Jahr weiter zurück – irgendwann konnte man nicht mehr mitmachen und musste sich verabschieden. Undenkbar, ohne PC weiterzuarbeiten. Dann kam das Internet.

Viele sagten: „Brauch ich nicht.“ Wer nicht aufgesprungen ist, musste auch gehen. Mit Excel war es genauso – in jedem Finanzteam der 90er. Einige sagten: „Das ändert das Spiel, ich mach mit.“ Andere hielten an Papierbuchhaltung und Bleistift fest – die mussten letztlich auch aufhören. Die Lehre: Wer neue, weitverbreitete Technologie nicht lernt, landet schneller im Ruhestand, als ihm lieb ist.

Das kann okay sein, wenn das der Wunsch ist – aber man sollte wissen, dass es so kommt! Wer meint, „ich brauch das nicht mehr, ich bin noch 20 Jahre dabei“ – nein. Du hast noch drei. Niemand will dich, wenn du keine KI beherrschst.

David Rice: Ein weiteres Stichwort ist Shadow AI – also der inoffizielle, nicht durch das Unternehmen legitimierte KI-Einsatz. Viele sind genervt von den lahmen, abgespeckten Tools und suchen sich eigene Lösungen. Wie, glaubst du, schließt man die Lücke zwischen Bedarf und Angebot?

Kevin Surace: Unternehmen brauchen die wichtigsten Modelle verfügbar – nicht für alle, aber für die relevanten Abteilungen mit gesicherten Unternehmenskonten. Kommt jemand mit dem Wunsch Videos zu analysieren, gibt’s dafür Gemini über ein Unternehmenskonto. Es braucht alle Tools.

Heute läuft es oft so: Ich wende mich an IT – „Ich möchte mehr mit KI machen.“ Antwort: „Aber wir haben doch Copilot.“ Ja, der verbessert einen Satz. Wenn ich mehr will, heißt es: Nein. Dann machen Leute das heimlich von zu Hause – oder werden für bestimmte Webseiten im Unternehmen gesperrt.

Wer erfolgreich sein will, muss Mitarbeitenden echte Freiheiten geben. Da führt kein Weg vorbei.

David Rice: Ich höre oft, die offiziellen Tools wirken wie ein Klotz am Bein, nicht als Beschleuniger. Deshalb gehen Mitarbeitende ihre eigenen Wege – nicht aus Trotz, sondern Notwendigkeit. Die Erwartung ist: Mehr und schneller schaffen, aber die Werkzeuge passen nicht zu den Anforderungen. Für mich geht es weniger um Compliance als um Relevanz.

Kevin Surace: Es ist heutzutage ganz leicht, Firmenkonten für zig Tools einzurichten – je nach Bereich: Vertrieb, Marketing, fünf generische Modelle etc. Mitarbeitende werden nach Bedarf hinzugefügt, wenn es deren Arbeit produktiver macht. Viele sagen nach meinen Demos: „Beeindruckend, aber wir haben keinen Zugriff auf diese Tools.“ Meine Antwort dann: „Euer Chef ist im Raum, das liegt an euch.“ Ich zeige die Möglichkeiten – ob euer Unternehmen den Zugang schafft, ist eure Aufgabe. Fragt das Management, die IT – aber bitte nicht auf eigene Faust loslegen. Shadow AI, Shadow IT – alles suboptimal. Es ist nicht rückverfolgbar, jeder nutzt irgendwas, es gibt keine Sicherheit. Wer keinen Firmenaccount hat, arbeitet meist öffentlich, seine Daten sind nicht geschützt und können für Trainingszwecke genutzt werden. Das sollte man unbedingt vermeiden. Unternehmen können nur versuchen, solche URLs oder IPs zu blockieren.

David Rice: Du bist ziemlich entschieden, was KI-Agenten betrifft – Unternehmen werden hier erst vorankommen, wenn Sicherheit und Kontrolle gewährleistet sind. Aber was geht verloren, wenn man zu lange wartet? Verpassen wir dadurch den nächsten großen Sprung, nur weil alles (noch) kompliziert ist?

Kevin Surace: Unternehmen nutzen in bestimmten Bereichen bereits Agenten. Viele haben Jahre in RPA (Robotic Process Automation) gesteckt – das sind regelbasierte Agenten, keine KI. Das läuft sehr vorhersehbar, ist sicher, für Routineprozesse optimal. Viele Arbeitsabläufe sind so schon automatisiert – Agenten erscheinen deshalb nicht als Heilsversprechen. Man könnte Workflows noch intelligenter automatisieren, aber zu welchem Risiko und zu welchem Festpreis?

RPA hat Firmen viele Jahre und Millionen gekostet. Oft gibt es heute keine allzu großen Automatisierungslücken mehr: „Ich muss dies in der Versicherung abarbeiten, es läuft durch elf Systeme.“ Das geht schon heute mit RPA. Ein KI-Agent könnte es vielleicht mit weniger Intervention besser machen – aber vielleicht auch schlechter. Denn die Entscheidungslogik läge dann in der KI, nicht mehr in festen Regeln.

Unternehmen haben bereits einen Großteil automatisiert, der Bedarf für KI-Agenten ist daher heute begrenzt. Sicher: Es gibt individuelle Workflows, für die Agenten interessant wären – aber will ein Unternehmen wirklich, dass Mitarbeitende eigene Agenten programmieren? Was passiert da sicherheitstechnisch? Agenten hätten Zugriff auf die wichtigsten Systeme – eine Traumvorlage für Hacker.

Das bleibt komplex.

David Rice: Vielleicht startet der sinnvolle KI-Agenten-Einsatz „von oben“ – bei Ihren Führungskräften, nicht beim Fußvolk?

Kevin Surace: Möglich, aber gerade die Agenten, die im C-Level-Umfeld laufen, sind ja besonders attraktiv für Angriffe.

Die Agentenfrage ist heikel. RPA ist bereits für die größten Ziele im Einsatz, funktioniert, steigert Produktivität, spart Kosten. Wenn nun Agenten an ihre Stelle treten sollen, muss es Ersparnisse geben – aber alles, was man automatisieren konnte, ist meist schon automatisiert. Vielleicht gibt’s noch 2 % mehr. Aber lohnt das den Aufwand? Die großen Brocken wurden schon gesichert und automatisiert. Auf dem Desktop wäre es interessant – dort gibt es individuelle Aufgaben, die die Firma sonst nie automatisieren würde.

Startups hingegen werden sofort KI-Agenten für alles nutzen – sie starten bei null, keine Altlasten, keine bestehende Automatisierungslösung. Hier machen Agenten alles.

David Rice: Genau das wollte ich gerade fragen – bei Startups kann man ganz anders experimentieren und lernen.

Kevin Surace: Eben.

David Rice: Du sagst selbst: Die eigentliche Superkraft ist nicht das Modell, sondern wer weiß, welches Modell für welche Aufgabe optimal ist. Ich sehe ständig riesige Infografiken auf X und Co. – aber die wenigsten wissen wirklich, was sie nicht wissen. Was ist die wichtigste Fähigkeit?

Kevin Surace: Lernen durch Tun, wie bei jedem neuen Werkzeug. Einfach ausprobieren und in ein, zwei Stunden erkennen, was Modell A besser kann als B. Wenn es ein Transformer-Modell ist, eine LLM, Multimodalität – dann sehe ich vielleicht: Für Recherche gehe ich zu Perplexity, wegen der Referenzen. Für Videoanalysen nehme ich Gemini. Für Musik/Musikproduktion was anderes. D Script ist vielleicht in manchen Dingen besser, woanders vielleicht P.

Wichtig: Ohne eigene Erfahrung, ohne Abos und Praxis erkennt man die Unterschiede nicht. Die Infografiken zeigen nur deren Perspektive. Wirklich verstehen kann man es aber nur mit eigener Übung. Und das braucht Zeit, diese Technologien zu meistern.

Nehmen wir: Musiker:innen, die eine DAW (Digital Audio Workstation) gewohnt sind, verstehen Dinge wie Stem-Separation, MIDI-Export. Wer damit vertraut ist, versteht auch, wie z. B. Sudo Studio funktioniert. Aber wer nie ein Video geschnitten hat, wird nicht aus heiterem Himmel einen Film zusammenbauen können – Tools hin oder her. Dazu braucht es Vorwissen. Aber: Probiert man es tagelang aus, wächst man auch ohne Erfahrung schnell hinein und versteht, wie man Szenen stringt, Untertitel setzt, etc.

Nach einigen Tagen bei z. B. Hagen und den verschiedenen Modellen dort ist man plötzlich Power-User. Das, finde ich, ist das Ziel – je nach eigener Karriere und Ambition. Welche Aufgaben will ich lösen? Welche Werkzeuge gibt es? Bei Marketing gibt es spezifische KI-Tools: gezielte Mailings, personalisierte LinkedIn-Nachrichten, alles KI getrieben. Beeindruckend.

Erst heute sah ich ein Webinar über Zapier und DS Script, Automationen mit agentenähnlichen Flows von Zapier – ziemlich genial. Ich hab's noch nicht genutzt, aber weiß: Da ist noch viel für mich zu lernen.

David Rice: Ein globales Team aufzubauen, sollte nicht bedeuten, fünf verschiedene Systeme für HR, Gehaltsabrechnung und IT zu jonglieren. Deel vereint all das – Anstellung, Onboarding, Vergütung und Ausstattung für Mitarbeitende überall auf der Welt ohne das übliche Chaos. Ob ihr Mitarbeitende in zehn Ländern einstellt oder Freelancer:innen über Zeitzonen hinweg steuert: Deel übernimmt Compliance, Benefits und Payroll an einem Ort – weniger Tool-Wirrwarr, weniger Kopfzerbrechen und mehr Zeit für eure Leute.

Wollt ihr erleben, wie grenzenloses Recruiting aussieht? Besucht deel.com/pmp. Das ist deel.com/pmp für eine Demo. Deel – jede:r, überall einstellen, managen und bezahlen.

Und es fühlt sich für mich nicht wie technisches Hexenwerk an. Sondern wie Systemdenken und gutes Urteilsvermögen im Ökosystem von Tools. Die meisten werden aber darauf trainiert, klar definierte Probleme zu lösen. Der Wert verschiebt sich jetzt aber darauf, welche Fragen man überhaupt stellt.

Kevin Surace: Genau.

David Rice: Man muss das System orchestrieren können.

Kevin Surace: Richtig. Und du kannst schon heute Agents schreiben, die für dich Workflows orchestrieren. Workflow definieren, Agent damit bauen: „Ich gehe von Tool A zu B, Datei von hier nach dort, dann zu Hager, dann ...“ Workflow auf Knopfdruck, automatisch. In der Vergangenheit ging das mit Scripting unter Windows/Mac, aber jetzt sind die Lösungen viel intelligenter – sie können z. B. eine Stunde Video in 20 Social-Media-Schnipsel zerschneiden, ganz ohne manuellen Schnitt, basierend auf dem, was gesagt wurde – auch in diesem Podcast hier.

David Rice: Mache ich ständig. Du hattest das schöne Beispiel: Was sonst sechs Monate Arbeit und Millionen bei McKinsey kostet, lässt sich heute in einer Stunde mit KI erledigen. Aber es geht nicht nur um Tools.

Das Entscheidende ist, wie man sie füttert. Mich interessiert: Wie bekommst du KI dazu, MIT dir zu denken, nicht NUR FÜR dich?

Kevin Surace: Das A und O sind große, ausführliche und meinungsstarke Prompts: Wer ist mein Publikum? Wie stehe ich zum Thema? Ich brauche manchmal zehn Minuten, um Absätze zu formulieren.

Die Leute sind erstaunt, aber der Wert der Ausgabe ist riesig. Also: Zielgruppe, Quellmaterial, eigene Meinung, Tonalität – alles vorher überlegen. Beispiel: Komplexe Marktanalyse für Fahrzeuge in Südamerika. Früher hätte man McKinsey beauftragt: Millionen und Monate, Feldforschung, Daten, Behördenberichte usw. Ich hingegen brauche heute eine Stunde. Man geht hin und her, lässt das Modell überlegen, es recherchiert selbstständig. Dann arbeitet man gemeinsam daran, erstellt Grafiken und PowerPoint-Folien – alles innerhalb einer Stunde, was sonst 5 Millionen gekostet hätte.

Ich habe das für eine Firma live gemacht: 82 000 Garantieansprüche in Excel – traditionell schwer zu analysieren, alles nur Freitext. KI liest alles durch und gibt in fünf Minuten fünf konkrete Produktionsverbesserungen. Die Leute waren fassungslos. Sonst hätte man dafür ein Beratungsteam ein Jahr lang beschäftigt – ich habe es in fünf Minuten gemacht.

Was viele nicht begreifen: KI kann riesige Mengen unstrukturierter Daten verarbeiten, ohne dass ich sie zuvor aufbereiten muss. Allgemeine KI liest einfach alles und macht daraus Empfehlungen, oft brillanter als alles menschliche.

Beispiel: Tausende Verletzungen in einer Fabrik. KI analysiert und gibt in Minuten Empfehlungen, wie man 80 % davon vermeiden kann. Das hätte kein Mensch geschafft. McKinsey vielleicht für 5 Millionen. Das zeigt, was heute wirklich möglich ist – wenn man weiß, wie.

David Rice: Tolles Beispiel – es illustriert sowohl die oft geringe Nutzung als auch das Tempo. Aber es ist keine Magie.

Die Qualität hängt von der Eingabequalität ab. Geschwindigkeit wird zu oft mit Einsicht verwechselt. Aber du gehst noch einen Schritt weiter: Es geht um Co-Kreation, gemeinsames Denken, nicht bloße Delegation – sonst läuft man Gefahr, dass es schiefgeht.

Kevin Surace: Es ist ein Sparringspartner, oft klüger als ich, aber am Ende immer noch ein Partner. Ich fordere das Modell heraus, sage manchmal auch klar: „Das ist falsch. Hier fehlt was.“ Und die guten Modelle antworten mittlerweile: „Stimmt, das habe ich nicht bedacht.“ Dann kommt eine bessere Antwort, mit der ich zufrieden bin. Also: Sparring, Gegenrede, Meinungen abgleichen. Ich habe gestern z. B. dazu eine Debatte geführt, ob KI moralische Urteile treffen kann.

Ich habe einen Artikel gegeben: „Erkläre mir, warum die Autor:in meint, KI könne dies nicht und was du dazu sagst.“ Die Modelle sagen sinngemäß: „Ich kann auf Basis menschlichen Wissens moralische Urteile simulieren. Ich entscheide nicht für dich, aber ich kann wohl einschätzen, was aus menschlicher Sicht moralisch wäre.“

Ich habe getestet: Wie wäre die Moral bei einer US-Invasion im Iran? Welche moralischen Implikationen hätte das? Klar und ausgewogen waren die Antworten, verschiedene Seiten beleuchtet, Auswirkungen für die iranische Bevölkerung, für die Welt. Würde ich beim CIA oder in der Regierung arbeiten, würde ich das Modell genau darauf ansprechen und dann nachhaken.

Startups machen das schon, für die ist das selbstverständlich. Der „Rest“ kann es nicht glauben. Aber man kann noch weitergehen: „Wenn die USA basierend auf allen Kriegen der letzten 30 Jahre X täten, wie sollte man vorgehen? Welches Equipment? Wieviel Personal? Risiken?“ Das Modell gibt grandiose, plausible Pläne – früher arbeitete da ein ganzes Analyst:innen-Team dran.

David Rice: Wir sprachen auch darüber, dass vielleicht bald nur noch drei, vier Modelle das Feld dominieren. Sobald eine Schwelle an Genauigkeit erreicht ist, werden Unterschiede für die meisten unsichtbar …

Kevin Surace: Das merkt man fast schon heute. Außer man weiß, dass Gemini etwas besser kann, nutzt man einfach GPT 5.2 oder ChatGPT. Die Modelle verschmelzen geradezu, umfassen nach und nach alles bekannte Menschheitswissen. Vor drei Jahren gab es quasi nur ChatGPT 2.5/3.0, voll mit Fehlern, aber beeindruckend. Dann kamen Claude, Gemini, X.ai, llama, die Modelle aus China … heute sind sie alle auf Augenhöhe, oft nur wenige Prozent auseinander. Die Differenzierung nimmt ab, weil sie besser werden. Keines wird „besser“ als das vom Menschen gelieferte Wissen – wenigstens als Transformer-Modell. Je mehr Menschheitswissen, desto geringer die Unterschiede.

Und mit zunehmender Konkurrenz sinken die Kosten; Betriebe werden darum feilschen, eventuell ist bald alles für einen Dollar im Monat zu haben.

David Rice: Was heißt das für die Zukunft von Unternehmens-KI? Wie bauen oder kaufen Unternehmen KI kurz- und langfristig ein?

Kevin Surace: Möglichst keine eigenen großen KI-Modelle entwickeln, sondern Vorhandenes optimal nutzen! Die Preise werden weiter fallen, Verträge sollten regelmäßig verhandelt werden. Es gilt quasi Moore’s Law: Die Kosten sinken alle 12–18 Monate, in zehn Jahren kosten Rechenleistungen 5 % von heute, die Preise fallen um 90–95 %. KI läuft auf immer günstigeren Chips. Daraus ergibt sich: KI wird schon bald für alle und allerorts erschwinglich, selbst bei komplexen Aufgaben.

David Rice: Irgendwie fühlt sich das trotzdem anders an als frühere Technologiewellen.

Kevin Surace: Das sagen alle – „diesmal ist alles anders“. Das war schon bei jedem Zyklus so: PC, Internet, Smartphone …

David Rice: Gibt es für dich ein klares Signal, dass Führungskräfte diesmal NICHT abwarten dürfen?

Kevin Surace: Genauso war’s beim PC, bei Excel, beim Internet. Wer abwartete, landete auf dem Abstellgleis – das ist auch jetzt so. Klar: Diese Technologie ist auf all dem gebaut, was zuvor kam – Internet, Smartphones, PCs. Die Verbreitung dauert nicht mehr Jahre, sondern Wochen oder Monate. Wären wir im Prä-Internet-Zeitalter, hätten nur fünf Unimitarbeitende Zugang. Aber heute ist alles vernetzt, Daten können gratis und gigabyte-weise verschickt werden. So entstehen Innovationen immer schneller – wer jetzt nicht mitzieht, bleibt außen vor. Die Person, die es fünfmal pro Stunde einsetzt, ist zehnmal produktiver als du, ob dir das passt oder nicht.

Im Musik-Business gibt es derzeit große Debatten: Für viele ist der Einsatz von KI ein rotes Tuch („raubt uns die Kreativität“), andere empfinden nie dagewesene Schaffensfreiheit. Ich garantiere aber: Die Gewinner sind immer diejenigen, die das Neueste nutzen. Diejenigen, die bei Digital Audio Workstations und Samples in den 1990ern ausgestiegen sind, gibt es nicht mehr. Alles läuft heute digital, viele Soundtracks werden nicht mehr handgespielt, sondern digital erzeugt.

Mit KI kann man sagen: „Schreib ein Gitarrenstück“ – und zack, ist der Part fertig. Die Community ist gespalten: Für die einen ist das ein Segen, für andere das Ende der Kreativität und Existenz. Aber der Markt bewegt sich, die Gewinner setzen die Tools ein. Wer als Blog-Autor:in nicht mitgezogen ist und KI einsetzt, um 52 Blogposts pro Tag zu schreiben, hat heute verloren – weil andere binnen Tagen ein ganzes Jahr abdecken.

Du bist nicht mehr dafür bezahlt, jeden Satz manuell zu tippen, sondern für die strategische Denkleistung und das Editieren. Früher war man stolz, mit Schreibmaschine gut zu tippen. Heute ist das Geschichte – und genauso läuft es mit KI.

David Rice: Besonders spannend finde ich: Das ist nicht nur ein betriebswirtschaftliches Thema – es ist ein Identitätsumbruch für Betroffene und ganze Branchen, wie Marketing.

Für Führungskräfte gilt das gleiche Prinzip: Wer heute zurückfällt, kann wegen der Geschwindigkeit kaum mehr aufholen.

Kevin Surace: Exakt. Es geht unheimlich schnell, weil auf dem Vorherigen aufgebaut wird, heute alle immer und überall Zugang haben. Die Entwicklung bei KI ist rasant. Und: Das, was heute „ganz okay“ wirkt, ist das Schlechteste, was es je geben wird. Morgen wird es besser sein.

Auch Musiker:innen können teils nicht mehr sagen, ob ein Song von Mensch oder KI erstellt wurde. Die Grenzen verschwimmen – und das ist erst der Anfang. Wer jetzt meint, „KI hat keine Seele, das hört man sofort“ – der irrt. Und das, was sie heute hören, ist noch die schlechteste Version, morgen wird sie noch besser. Wer die Tools clever einsetzt, bringt weiterhin eigene Erfahrungen ein und bleibt im Rennen. Gleiches gilt in Hollywood: Bald werden Filme für Hundert Dollar produziert, und sie werden die Qualität der millionenschweren Produktionen erreichen.

David Rice: Kevin, danke für den spannenden Austausch. Hat Spaß gemacht.

Kevin Surace: Danke, das hat wirklich Spaß gemacht. Tolles Thema!

David Rice: Liebe Hörer:innen, falls ihr es noch nicht getan habt – schaut auf peoplemanagingpeople.com/subscribe vorbei, abonniert den Newsletter, holt euch Updates zu unseren Events, Podcasts, Artikeln und allem, was wir machen.

Bis zum nächsten Mal: Lernt, wie ihr eure Arbeit noch besser macht.