Die Zukunft kann warten. Unsere Meisterschaft nicht.

Gestern hatte ich ein interessantes Gespräch mit einemFreund. Mittlerweile verfolgt das Unternehmen eine ambitionierte Wachstumsstrategie: Weitere Unternehmen werden zugekauft, die Organisation wird größer, der Marktanteil steigt.

Eine nachvollziehbare Strategie. Übernahmen bringen neue Kunden, Mitarbeiter, Umsatz und möglicherweise Skaleneffekte.

Was mich nachdenklich gemacht hat: Nach meinem Eindruck liegt der Schwerpunkt sehr stark auf Wachstum durch Zukäufe. Digitalisierung, künstliche Intelligenz und insbesondere die systematische Weiterentwicklung der Mitarbeiter scheinen dagegen eine untergeordnete Rolle zu spielen.

Natürlich werden digitale Werkzeuge eingesetzt. Aber zwischen dem Einsatz einzelner KI-Anwendungen und einer grundlegenden Veränderung der Arbeitsweise liegt ein gewaltiger Unterschied.

Was passiert, wenn wir Unternehmen größer machen, ohne gleichzeitig ihre Fähigkeit zur Veränderung zu entwickeln?

Seit Jahren hören wir Prognosen über technologische Revolutionen. KI werde ganze Berufsgruppen ersetzen, medizinische Durchbrüche bisher unheilbare Krankheiten behandelbar machen, neue Technologien beim Klimaschutz helfen.

Manches entwickelt sich erstaunlich schnell. Anderes braucht länger als erwartet. Zwischen technischer Möglichkeit und flächendeckender Anwendung liegen Wirtschaftlichkeit, Regulierung, Vertrauen, organisatorische Veränderungen und Gewohnheiten.

Nehmen wir die Buchhaltung. Es ist vorstellbar, dass innerhalb der nächsten fünf Jahre große Teile standardisierter Buchhaltung weitgehend automatisiert werden. Bedeutet das, dass Unternehmer dann keine Buchhaltungsleistungen mehr bezahlen wollen? Nicht unbedingt.

Vielleicht dauert die breite Durchsetzung zehn Jahre. Vielleicht verlieren bestimmte Tätigkeiten früher ihren wirtschaftlichen Wert, während andere weiterhin Kontrolle und fachliche Verantwortung erfordern.

Wir wissen es nicht. Wir können den Zeitpunkt einer Veränderung falsch einschätzen und trotzdem heute die richtigen Entscheidungen treffen.

Kürzlich bin ich auf einen Gedanken gestoßen, der zu unseren Überlegungen über Lernen und Meisterschaft passt: Sinngemäß empfahl ein junger KI-Unternehmer, nicht jedes neue Werkzeug erlernen zu wollen, sondern sofort zu beginnen, mit KI zu arbeiten, zu experimentieren und eigene Fähigkeiten weiterzuentwickeln. Gleichzeitig empfahl er, sich mit Vibe Coding zu beschäftigen.

Das klingt widersprüchlich. Warum Vibe Coding lernen, wenn man nicht jedem Trend folgen muss?

Weil es im besten Fall nicht um das Werkzeug geht, sondern darum, Probleme zu strukturieren, Lösungen zu entwerfen, Ergebnisse zu überprüfen und aus Fehlern zu lernen.

Die entscheidende Fähigkeit ist, gemeinsam mit künstlicher Intelligenz denken, entwickeln und handeln zu können.

Ethan Mollick beschreibt in „Co-Intelligence: Living and Working with AI“ eine Arbeitswelt, in der künstliche Intelligenz als Partner im Denk- und Arbeitsprozess eingesetzt wird.

Ein Unternehmer könnte mit KI seine Strategie hinterfragen, seine Finanzen analysieren, Marketing entwickeln und Geschäftsmodelle durchspielen. Ein Steuerberater könnte komplexe Sachverhalte untersuchen, rechtliche Argumentationen vergleichen und seine Entscheidungen kritisch prüfen. Ein Handwerker könnte Abläufe analysieren, alternative Verfahren diskutieren und Erfahrungen dokumentieren.

Das geschieht nicht automatisch durch ein Abonnement. Man muss gute Fragen stellen, Ergebnisse beurteilen, Widersprüche erkennen und Annahmen hinterfragen. Vor allem muss man Verantwortung übernehmen.

Die KI kann uns beim Denken unterstützen. Sie darf uns das Denken nicht vollständig abnehmen.

Wenn ich mithilfe von KI hervorragende Ergebnisse erziele, bin ich dadurch selbst besser geworden? Nicht unbedingt. Vielleicht ist nur mein Werkzeug leistungsfähiger.

Ein Unternehmer, der eine Liquiditätsplanung von einer KI erstellen lässt, besitzt deshalb noch keine finanzielle Meisterschaft. Erst wenn er Annahmen versteht, Risiken erkennt und daraus eigenständig Entscheidungen ableiten kann, wächst seine Kompetenz.

Anders Ericsson untersuchte die Entwicklung außergewöhnlicher Leistungen durch gezieltes Üben: nicht bloße Wiederholung, sondern bewusstes Arbeiten an Schwächen mit Rückmeldung. Peter Brown, Henry Roediger und Mark McDaniel zeigen in „Make It Stick“, wie wichtig aktive Auseinandersetzung, Abruf und Anwendung für nachhaltiges Lernen sind.

Wenn Maschinen jederzeit überzeugende Antworten liefern, müssen wir umso bewusster überprüfen, ob wir selbst etwas gelernt haben.

In einem Dōjō wird nicht nur Wissen vermittelt, sondern geübt. Der Schüler versucht etwas, macht Fehler, bekommt Feedback und übt erneut. Die Anforderungen wachsen.

Stellen wir uns einen Unternehmer vor, der seine Finanzkompetenz entwickeln möchte. Zunächst lernt er eine Gewinn- und Verlustrechnung zu verstehen, dann analysiert er Liquidität, später entwickelt er Szenarien, bewertet Investitionen und begründet strategische Entscheidungen.

Die KI arbeitet dabei als Erklärer, Sparringpartner, Kritiker und Übungsbegleiter. Sie stellt Fragen, entwickelt Gegenargumente und simuliert unerwartete Situationen. Die Verantwortung bleibt beim Unternehmer. Ein menschlicher Mentor kann dort eingreifen, wo Erfahrung, Kontext und professionelle Verantwortung erforderlich sind.

Unser Ziel ist nicht, dass KI möglichst viele Aufgaben erledigt. Der Lernende soll mit ihrer Unterstützung immer anspruchsvollere Aufgaben selbstständig bewältigen. Das ist der Unterschied zwischen Automatisierung und Meisterschaft.

Angenommen, die weitgehende Automatisierung der Buchhaltung dauert noch zehn Jahre. Dann könnte man meinen, dass ausreichend Zeit bleibt, sich später mit KI zu beschäftigen.

Doch technische und menschliche Kompetenzentwicklung verlaufen nicht im gleichen Tempo. Ein neues KI-System kann in Monaten enorme Fortschritte machen. Eine Organisation benötigt möglicherweise Jahre, um Denkweisen, Arbeitsprozesse und Lernkultur zu verändern.

Mitarbeiter müssen Erfahrungen sammeln, Führungskräfte ihre Rolle weiterentwickeln und Verantwortlichkeiten geklärt werden. Eine Software allein erledigt das nicht.

Wachstum und Digitalisierung schließen sich nicht aus. Größe allein schafft aber keine Anpassungsfähigkeit. Wer zehn Kanzleien kauft, besitzt vielleicht zehnmal so viele Mandanten, aber nicht automatisch eine Organisation, die zehnmal besser mit KI umgehen kann. Er übernimmt womöglich unterschiedliche Arbeitsweisen, Kulturen und technische Altlasten.

Wachstum kann Transformation ermöglichen, sie aber auch erschweren.

Wir müssen nicht wissen, welches KI-Modell in fünf Jahren führend sein wird. Und wir müssen nicht jedes neue Werkzeug ausprobieren.

Was wir heute beginnen können, ist die systematische Entwicklung unserer Co-Intelligenz. Wir können täglich mit KI diskutieren, Probleme bearbeiten, Entscheidungen reflektieren und Annahmen überprüfen. Wir können dokumentieren, was funktioniert, und erkennen lernen, wann wir Ergebnissen vertrauen können und wann eine zusätzliche Prüfung notwendig ist.

Wir brauchen auch Übungssituationen, in denen wir nicht die schnellste Antwort übernehmen, sondern selbst argumentieren und entscheiden.

Vielleicht dauert die große Transformation fünf Jahre, vielleicht zehn, vielleicht verläuft sie anders als erwartet. Wer erst beginnt zu üben, wenn die Veränderung unübersehbar ist, hat wertvolle Lernzeit verloren.

Unser Projekt „Earn It. – Learn. Apply. Prove It.“ bekommt damit eine zusätzliche Bedeutung. Es geht nicht darum, Menschen nur mit neuen KI-Werkzeugen vertraut zu machen. Es geht um eine Form von Meisterschaft, bei der Erfahrung, Fachwissen, kritisches Denken und KI zusammenwirken.

Die Zukunft gehört nicht automatisch jenen, die heute die meisten KI-Tools einsetzen. Gute Chancen haben diejenigen, die früh lernen, mit KI besser zu denken, zu lernen und Verantwortung zu übernehmen.

Nicht weil die Revolution sicher morgen kommt. Sondern weil Meisterschaft Zeit braucht.

Dabei müssen wir zwei Dinge getrennt messen: die Qualität des gemeinsamen Ergebnisses und die tatsächliche Kompetenzentwicklung des Menschen.

Ethan Mollick (2024): Co-Intelligence: Living and Working with AI. Portfolio.

Anders Ericsson und Robert Pool (2016): Peak: Secrets from the New Science of Expertise. Houghton Mifflin Harcourt.

Peter C. Brown, Henry L. Roediger III und Mark A. McDaniel (2014): Make It Stick: The Science of Successful Learning. Harvard University Press.

Cal Newport (2016): Deep Work: Rules for Focused Success in a Distracted World. Grand Central Publishing.

Hinweis: Die Zeitangaben zur Entwicklung der Buchhaltung sind Szenarien, keine gesicherten Prognosen. Die Empfehlung des KI-Unternehmers wird sinngemäß wiedergegeben; die ursprüngliche Quelle ist bislang nicht verifiziert.