Was IT-Führungskräfte bei der Einführung von AI falsch machen – und wie sie es besser machen

Derzeit zeigt sich in vielen Unternehmen immer wieder dasselbe Muster.

Die Führungsebene genehmigt den Zugang zu AI-Tools, Lizenzen werden gekauft, Ankündigungen gemacht, und einige motivierte Mitarbeiter beginnen, die Tools zu nutzen. Sechs Monate später sind Produktivitätsgewinne schwer messbar, die AI-Nutzung ist im Team uneinheitlich, und niemand weiß genau, wer die Ergebnisse von AI validieren soll.

Das ist ein Problem des Organisationsdesigns, mit dem sich die meisten IT-Führungskräfte bislang noch nicht direkt befassen konnten.

Der Wandel, der alles verändert

In den vergangenen zwei Jahrzehnten waren Wissen und Denkvermögen in Unternehmen meist knappe Ressourcen. Wenn euer Team tiefgehende Expertise benötigte, musste es sie intern aufbauen, entsprechende Mitarbeiter einstellen oder Berater hinzuziehen. Diese Knappheit prägte die Struktur von Unternehmen, den Aufbau von Teams, die Definition von Rollen und die Bedeutung von Seniorität.

Diese Einschränkung ist heute deutlich geringer. Ein Large Language Model kann ein 200-seitiges Architekturdokument zusammenfassen, eine vorgeschlagene Lösung hinterfragen, einem nicht technischen Stakeholder ein technisches Konzept erklären oder eine Lieferantenbewertung erstellen – in Sekunden, zu jeder Uhrzeit und ohne Meeting.

Die Bedeutung von Expertise verändert sich. Die erste Ebene der Wissensarbeit – Recherche, Zusammenführung, Entwurf und Vergleich – kann zunehmend von AI übernommen werden. Was bleibt, sind Urteilsvermögen, Kontext, Beziehungen und Verantwortlichkeit.

Dieser Wandel erfordert eine bewusste Reaktion von den Führungskräften, die dafür verantwortlich sind, wie Arbeit erledigt wird.

Der eigentliche Engpass ist nicht der Zugang, sondern das Workflow-Design

Die meisten Unternehmen haben die Frage des Zugangs gelöst. Entwickler programmieren mit Copilot bis zu 55 % schneller – doch dieses Tempo wird zum Risiko, wenn euer Review-Prozess nicht auf dieses Volumen ausgelegt ist.

Das Problem ist, dass Zugang ohne Workflow-Design genau zu dem oben beschriebenen uneinheitlichen und schwer messbaren Nutzungsmuster führt.

Wenn einzelne Mitarbeiter AI situativ nutzen, entstehen Qualitätsunterschiede. Einige Teammitglieder liefern bessere Ergebnisse schneller; andere erstellen AI-generierte Ergebnisse, die sie nicht ausreichend geprüft haben – und das ist erkennbar. Die Tools erzeugen Ergebnisse schneller, als Menschen sie validieren können. Dadurch verlagert sich der Engpass von der Erstellung zum Urteilsvermögen, ohne dass jemand diesen Wandel eingeplant hat.

Die praktische Frage für IT-Führungskräfte lautet: Wie integriert ihr AI in die Arbeitsweise eures Teams – nicht nur in die Tools, auf die es Zugriff hat?

Das bedeutet, folgende Entscheidungen zu treffen:

1. Welche Aufgaben im Workflow eures Teams AI-first sein sollten, sodass AI die erste Version erstellt und ein Mensch sie validiert.

2. Welche Aufgaben weiterhin Human-first-Denken erfordern, sodass unabhängiges Denken stattfindet, bevor AI eingesetzt wird.

3. Wer für die Qualität der Ergebnisse verantwortlich ist, wenn AI Teil des Prozesses ist.

4. Wie Teams Kontext dokumentieren, damit AI projektübergreifend effektiv genutzt werden kann – und nicht nur in isolierten Sitzungen.

All das erfordert keine neuen Tools, aber klare Entscheidungen von der Person, die das Team leitet.

Die Produktivitätsfalle ist ein Risiko auf Teamebene

Die Einführung von AI hat eine weniger diskutierte Konsequenz, die besonders für die Teamleitung relevant ist.

AI beseitigt die natürlichen Taktgeber, die es bisher in der Wissensarbeit gab. Früher hatten viele Aufgaben einen unvermeidbaren Zeitaufwand – Lesen, Schreiben, Suchen, Formatieren und Überarbeiten –, der Raum zwischen Entscheidungen schuf. AI verkürzt diesen Zyklus erheblich, und Arbeit, die früher Tage dauerte, ist heute in Stunden erledigt.

Dadurch verlagert sich der Engpass in eurem Team von der Erstellung zum Urteilsvermögen. Es gibt mehr Ergebnisse zu prüfen, mehr Entscheidungen zu treffen und mehr Kontext zu behalten, ohne dass die kognitive Kapazität der beteiligten Menschen entsprechend zunimmt.

Der Microsoft Work Trend Index hat ergeben, dass 68 % der Menschen mit dem Tempo und Umfang ihrer Arbeit zu kämpfen haben. Wenn wir bei Eficode Teams bei der Einführung von AI in der Softwareentwicklung unterstützen, liegt ein zentraler Fokus darauf, diese kognitive Belastung zu reduzieren: AI übernimmt die Routinearbeit, während sich Menschen auf das bewusste Denken konzentrieren, für das sie tatsächlich täglich Kapazität haben.

Menschen haben täglich nur ein begrenztes Zeitfenster für tiefes, bewusstes Denken – in der Regel zwei bis vier Stunden. Wenn AI die Routinearbeit und sogar technische Aufgaben übernimmt, bleibt die schwierigste Arbeit: validieren, entscheiden, kommunizieren und Verantwortung übernehmen. Diese Arbeit ist kognitiv anspruchsvoller, nicht weniger anspruchsvoll.

Für Führungskräfte, die Teams durch diesen Wandel führen, bedeutet das zweierlei:

1. Prüfung und Validierung sind heute Kernkompetenzen, keine nachrangigen Aufgaben. Schulungen, Rollenerwartungen und Zeitplanung müssen das widerspiegeln.

2. Die Fähigkeit eures Teams zu konzentrierter Arbeit muss geschützt werden, statt durch die Produktivitätsgewinne von AI weiter unter Druck zu geraten. Dieselben Tools, mit denen euer Team mehr leisten kann, können zu Burnout führen, wenn das Arbeitstempo einfach unbegrenzt steigt.

Wie sich Expertise verändert – und warum sie weiterhin wichtig ist

In einer Variante dieser Diskussion wird AI als Bedrohung für technische Expertise dargestellt. Diese Sichtweise ist wenig hilfreich, greift jedoch eine reale Sorge auf, die direkt angesprochen werden sollte.

Die Rolle von Spezialisten hat sich verändert. Der Mehrwert liegt nicht mehr darin, die erste Version von etwas zu erstellen. Er liegt darin, beurteilen zu können, ob diese Version korrekt, vollständig, sicher und für den spezifischen Kontext der Organisation geeignet ist.

Dieses Urteilsvermögen lässt sich nicht an AI delegieren. Es erfordert Fachwissen, Kenntnisse der Unternehmensgeschichte, ein Verständnis der Risikobereitschaft und die berufliche Verantwortung, die mit der Freigabe einer Entscheidung einhergeht.

Die entscheidende Frage lautet: Was macht der Mensch in jeder Rolle eures Teams, nachdem AI den ersten Entwurf erstellt hat? Wenn die Antwort unklar ist, muss die Rollenbeschreibung aktualisiert werden.

Das Vertrauen von Stakeholdern entsteht nicht durch AI

Ein Bereich, in dem AI menschliche Arbeit tatsächlich nicht ersetzt, sind die Beziehungen, die Organisationen funktionsfähig machen.

AI kann Briefing-Dokumente vorbereiten, Einwände antizipieren, Kommunikation für unterschiedliche Zielgruppen entwerfen und Risiken identifizieren, die ein Stakeholder ansprechen könnte. All das kann sie gut. Was sie nicht kann: im Raum sitzen, die Situation einschätzen, über Zeit Vertrauen aufbauen oder Verantwortung übernehmen, wenn etwas schiefläuft.

In der Praxis sollte die bessere Vorbereitung durch AI die menschliche Interaktion wertvoller machen, nicht sie ersetzen.

Das hat eine strukturelle Konsequenz: Kommunikation, Stakeholder-Management und die Fähigkeit, technische Arbeit für geschäftliche Zielgruppen verständlich zu machen, werden wichtiger – nicht weniger wichtig.

Ein praktischer Einstieg für IT-Führungskräfte

Bei der Überprüfung von IT-Workflows ist eine Engpassanalyse ein sinnvoller Ausgangspunkt. Statt Menschen einfach nur Lizenzen zu geben, solltet ihr ihnen einen klaren Prozess an die Hand geben. Wenn ihr beispielsweise eine Plattform wie Eficode ROOT nutzt, bedeutet das, genau festzulegen, an welcher Stelle AI-generierter Code einer menschlichen Sicherheitsprüfung unterzogen wird.

Die Ergebnisse einer Workflow-Analyse lassen sich in der Regel drei Kategorien zuordnen:

• Aufgaben, die an AI-first-Workflows delegiert werden können: Zusammenfassungen, Entwürfe für Dokumentationen, Ticket-Triage und die Erstellung von Berichten.

• Aufgaben, die weiterhin menschliches Denken an erster Stelle erfordern: Architekturentscheidungen, Anbieterauswahl, Risikobewertung und Stakeholder-Beziehungen.

• Aufgaben im Übergang: Sie benötigen einen klaren Verantwortlichen und einen abgestimmten Prozess dafür, wie AI-Ergebnisse geprüft werden, bevor sie das Team verlassen.

Diese Art der Zuordnung dauert nur wenige Stunden und sorgt meist für mehr Klarheit als jedes Strategiepapier zu AI.