Die fünfte Disziplin: Warum KI allein keine lernende Organisation schafft

Was Peter Senge über lernende Organisationen schrieb – und wie wir seine Ideen mit E-Myth, Unternehmens-Dōjō und KI praktisch testen wollen.

In unseren Diskussionen über KI und Unternehmensführung landen wir immer wieder bei derselben Frage: Warum hängt in so vielen Unternehmen das Funktionieren der Abläufe vom Wissen einzelner Personen ab?

Was geschieht, wenn diese Menschen das Unternehmen verlassen? Wo ist festgehalten, wie Aufgaben erledigt werden? Wie werden neue Mitarbeiter geschult? Und wer prüft, ob ein Prozess noch sinnvoll ist?

Software, Organigramme und Arbeitsanweisungen allein ergeben noch kein funktionierendes Unternehmenssystem. Genau hier setzt Peter Senges Buch Die fünfte Disziplin an. Seine Überlegungen haben überraschend viel mit unserem Dōjō, mit E-Myth und mit unserer Arbeit an KI-gestützten Unternehmen gemeinsam.

Senge beschreibt fünf miteinander verbundene Disziplinen. Persönliche Meisterschaft (Personal Mastery) bedeutet, Fähigkeiten und ein klares Verständnis der eigenen Realität kontinuierlich weiterzuentwickeln. Das entspricht unserem Dōjō-Gedanken: Meisterschaft ist kein Abschlusszeugnis.

Mentale Modelle (Mental Models) sind die oft unausgesprochenen Annahmen, die unsere Entscheidungen prägen. Wir versuchen, sie durch kritisches Fragen, Red Teaming und Diskussion mit KI sichtbar zu machen.

Gemeinsame Vision (Shared Vision) heißt, dass Menschen eine Richtung gemeinsam tragen und nicht nur Vorgaben erfüllen. Teamlernen (Team Learning) verwandelt einzelne Erfahrungen durch Dialog in gemeinsames Können.

Systemdenken (Systems Thinking), die fünfte Disziplin, verbindet alles: Wer nur eine isolierte Kennzahl oder Abteilung optimiert, übersieht Rückkopplungen, Verzögerungen und unerwünschte Nebenwirkungen.

Michael Gerber beschreibt in The E-Myth Revisited, warum Unternehmen dokumentierte Arbeitsabläufe sowie Schulungs- und Kontrollsysteme benötigen. Diese Systeme müssen auch regelmäßig hinterfragt und verbessert werden.

Senge ist deshalb keine Gegenposition zu Gerber. Die Blickwinkel ergänzen sich: Gerber zeigt, wie verlässliche Unternehmensprozesse aufgebaut werden können. Senge untersucht, wie die Menschen innerhalb der Organisation gemeinsame Denk- und Lernfähigkeit entwickeln.

Die Verbindung aus Prozessdisziplin und Lernfähigkeit erscheint uns besonders wertvoll. Ein gutes System muss nicht nur funktionieren. Es muss erkennen helfen, wann seine bisherige Logik nicht mehr trägt.

KI kann Prozesswissen strukturieren, Übungsfälle erzeugen, Informationen vergleichen, kritische Rückfragen stellen und bei der Reflexion von Entscheidungen helfen. Damit lässt sich Lernen näher an die tatsächliche Arbeit bringen.

Ein Mitarbeiter führt etwa einen Auftrag aus und diskutiert anschließend mit einer KI: Warum hat unser Ablauf funktioniert? Welche Annahmen waren falsch? Was würden wir beim nächsten Mal anders machen?

Erst wenn ein Vorschlag überprüft, in den Prozess übernommen und seine Wirkung gemessen wird, entsteht daraus organisationales Lernen. Eine KI, die bloß Antworten liefert, schafft noch keine lernende Organisation.

Unsere Arbeitshypothese lautet: Mit KI lassen sich solche Lernschleifen im Alltag häufiger und kostengünstiger organisieren. Ob dadurch tatsächlich bessere Ergebnisse entstehen, müssen wir messen.

Wir denken das Unternehmens-Dōjō als Verbindung von Schulung, Ausführung und Kontrolle. Zuerst werden die nötigen Fähigkeiten aufgebaut. Danach werden sie in realen Aufgaben eingesetzt. Schließlich vergleichen wir Ergebnisse mit unseren Zielen, untersuchen Fehler und verbessern Prozesse.

Learn. Apply. Prove It. beschreibt diesen Kreislauf. Entscheidend ist dabei nicht eine weitere Lernplattform. Entscheidend ist die Rückkopplung aus dem Arbeitsalltag: Erkenntnisse werden zu neuen Übungen und veränderten Standards.

Nehmen wir ein kleines Unternehmen, das Wohnungen saniert. Informationen liegen in Angeboten, Rechnungen, E-Mails, Kalkulationen und den Köpfen erfahrener Mitarbeiter. Warum war ein Auftrag weniger rentabel? Welche Arbeitsschritte haben sich verzögert? Welche Fehler kehren wieder?

Ein KI-gestütztes Controllingsystem könnte Plan- und Ist-Kosten zusammenführen und Auffälligkeiten zur Prüfung aufzeigen. Die Projektmitarbeiter ergänzen praktische Ursachen und mögliche Gegenmaßnahmen. Erkenntnisse fließen in Projektplanung, Dokumentation und Schulungsfälle zurück.

Unser Experiment wäre, solche Abläufe in einem bestehenden Unternehmen aufzubauen und über mehrere Projekte hinweg zu überprüfen. Wir würden nicht die Zahl eingesetzter KI-Werkzeuge zählen, sondern beispielsweise Kalkulationsabweichungen, Nacharbeitsaufwand, Durchlaufzeiten und wirtschaftliche Ergebnisse betrachten.

Noch ist das eine Projektidee und kein nachgewiesener Erfolg. Gerade deshalb wäre sie wissenschaftlich und unternehmerisch interessant.

In der Diskussion über die Zukunft der Steuerberatung entstand eine weitere Frage: Wie müsste ein Unternehmen aussehen, wenn KI von Beginn an ein zentraler Produktionsfaktor wäre?

Ein großer Produktivitätssprung ist in manchen standardisierten Abläufen denkbar. Eine konkrete Verzehnfachung der Leistung lässt sich daraus jedoch nicht allgemein ableiten. Haftung, Datenqualität, Ausnahmen und persönliche Entscheidungen bleiben reale Anforderungen.

Der tiefere Gedanke ist ein anderer: Wir sollten nicht bloß bestehende Arbeit schneller machen, sondern fragen, welche Arbeit künftig überhaupt noch anfällt und wie die verbleibenden Aufgaben ständig verbessert werden können.

Viele Unternehmen könnten sonst genau ihre heutigen Schwächen automatisieren. Mehr Tempo bei schlechten Prozessen macht noch keine gute Organisation.

Senge hat nicht über generative KI geschrieben. Aber seine Disziplinen bieten ein anspruchsvolles Raster, um ihren Einsatz zu bewerten: Werden Annahmen hinterfragt? Lernen Teams gemeinsam? Verbessert sich das Gesamtsystem? Oder wird nur ein neues Werkzeug eingeführt?

Gerber zeigt uns die Notwendigkeit verlässlicher Prozesse. Senge erinnert uns an die Fähigkeit, diese Prozesse immer wieder neu zu verstehen. KI könnte dabei ein leistungsfähiger Sparringspartner werden.

Unsere nächste Aufgabe ist daher nicht, die lernende Organisation zu behaupten. Wir müssen sie im Alltag bauen, anwenden und an Ergebnissen prüfen.

Die entscheidende Frage lautet nicht, wie viel Arbeit KI uns abnimmt, sondern wie viel besser Menschen und Organisationen durch diese Zusammenarbeit tatsächlich werden.