Die Renaissance der Originalität im AI-Zeitalter

Warum die Zukunft nicht den Optimierern gehört

Stellen Sie sich vor, zwei Beratungen entwickeln für denselben Kunden dieselbe Strategie mit derselben AI. Wie unterschiedlich wären die Ergebnisse wirklich?

Eine grosse strategische Gefahr künstlicher Intelligenz besteht darin, dass Unternehmen erfolgreich mitziehen und dadurch genauso werden wie alle anderen. Wenn alle dieselben Systeme nutzen, dieselben Muster optimieren und dieselben Wahrscheinlichkeiten abrufen, entsteht ein neues strategisches Risiko: perfekte Austauschbarkeit, weil AI gute Durchschnittsqualität massenhaft verfügbar macht. AI macht Qualität billig, somit wird Andersartigkeit wertvoll.

Beitrag 4 der Serie «Der Mensch im AI-Zeitalter» von Prof. Dr. Markus Schmidiger

Über Jahrzehnte haben Unternehmen gelernt, besser zu werden: effizienter, schneller, professioneller, datengetriebener, kundenorientierter, skalierbarer. Diese Logik stösst nun an eine Grenze: wenn alle gleichzeitig und gleichartig optimieren, entsteht nicht automatisch Differenzierung. Es entsteht Konvergenz: ähnliche Texte, ähnliche Strategien, ähnliche Kampagnen, ähnliche Markenstimmen, ähnliche Entscheidungen, ähnliche Unternehmen.

Michael Porter hat bereits 1996 in seinem berühmten Aufsatz „What is Strategy?“ darauf hingewiesen, dass operative Exzellenz nicht dasselbe ist wie Strategie. Operative Exzellenz bedeutet, ähnliche Dinge besser zu tun. Strategie bedeutet, andere Dinge zu tun oder Dinge bewusst anders zu tun. Diese Unterscheidung wird im AI-Zeitalter entscheidend. AI ist ein mächtiger Hebel für operative Exzellenz, aber sie ersetzt keine strategische Eigenständigkeit. Sie macht vieles besser, aber sie entscheidet nicht, wofür ein Unternehmen steht.

Die zentrale Frage lautet deshalb nicht mehr nur: Wie nutzen wir AI, um produktiver zu werden? Die tiefere Frage lautet: Was macht uns unverwechselbar, wenn jeder dieselbe AI nutzen kann?

Die neue Gefahr heisst «guter Durchschnitt».

Viele Führungskräfte blicken auf AI noch immer durch die Brille der Effizienz. Sie fragen: Wie können wir schneller schreiben, schneller analysieren, schneller zusammenfassen, schneller kommunizieren, schneller entscheiden? Diese Fragen sind legitim. Aber sie greifen zu kurz. Denn AI verändert nicht nur die Geschwindigkeit von Arbeit, sondern ihren Wert.

Noch nie war es so einfach, professionell zu wirken. Ein guter Prompt genügt, und innerhalb weniger Sekunden entsteht ein Text, der strukturiert klingt, oder ein strategischer Entwurf, der auf den ersten Blick überzeugend erscheint. Die Oberfläche wird besser, die Sprache wird glatter, der Output wird professioneller.

Das ist ein Problem. Die gefährlichste Wirkung von AI besteht nicht darin, dass sie schlechte Inhalte produziert. Schlechte Inhalte erkennt man und kann sie verwerfen, korrigieren, verbessern. Die eigentliche Gefahr liegt darin, dass AI massenhaft gute Durchschnittsqualität erzeugt: Inhalte, die nicht falsch sind, Konzepte, die nicht peinlich sind, Strategien, die nicht absurd sind, Texte, die nicht schlecht geschrieben sind. Alles wirkt brauchbar, vernünftig, professionell. Und genau dadurch wird es austauschbar.

Studien zur Produktivität generativer AI zeigen diesen Effekt deutlich. Erik Brynjolfsson und seine Kollegen konnten 2023 zeigen, dass AI in der Wissensarbeit erhebliche Produktivitätsgewinne ermöglicht und besonders weniger erfahrene Mitarbeitende stark davon profitieren. Auch Noy und Zhang zeigten in ihrer experimentellen Studie in Science, dass generative AI Schreibaufgaben deutlich beschleunigt und die Qualität der Ergebnisse verbessert. Das ist auf den ersten Blick eine gute Nachricht. AI hebt den Durchschnitt. Sie macht viele Menschen schneller besser.

Aber wirtschaftlich hat jede Demokratisierung eine zweite Seite: Was für alle verfügbar wird, verliert seinen Seltenheitswert. Wenn plötzlich sehr viele Menschen gute Texte schreiben können, ist ein guter Text kein starkes Differenzierungsmerkmal mehr. Wenn viele Beratungen in wenigen Minuten professionelle Strategiepapiere erzeugen können, entscheidet nicht mehr die Schönheit der Folien. Wenn jedes Unternehmen seine Kommunikation glätten, zuspitzen und optimieren kann, wird professionelle Sprache zur Eintrittskarte, nicht zum Wettbewerbsvorteil.

Früher war professionelle Qualität ein Signal für Kompetenz. Im AI-Zeitalter wird sie zunehmend zur Eintrittskarte. Schlechte Qualität wird noch weniger verzeihlich, aber gute Qualität allein reicht nicht mehr aus. Sie wird zur Mindestanforderung, zum neuen Normal. Die entscheidende Frage verschiebt sich deshalb: Nicht mehr „Wer kann gute Qualität liefern?“ Sondern: „Wer liefert etwas, das nicht beliebig reproduzierbar ist?“

Damit entsteht eine neue Form strategischer Verwundbarkeit. Viele Unternehmen werden AI erfolgreich einführen. Sie werden schneller kommunizieren, mehr Inhalte produzieren, effizienter analysieren, professioneller auftreten und ihre Prozesse optimieren. Kurzfristig wird das wie Fortschritt aussehen. Langfristig könnte es jedoch dazu führen, dass sie sich immer stärker angleichen. Sie werden produktiver, aber nicht zwingend klarer. Sie werden professioneller, aber nicht zwingend eigenständiger. Sie werden effizienter, aber nicht zwingend bedeutungsvoller.

Unternehmen fürchten, durch AI schlechter zu werden. Wahrscheinlicher ist etwas anderes: Sie werden besser, aber auf dieselbe Weise wie alle anderen.

Darin liegt die neue AI Commodity Trap. AI macht nicht nur einzelne Aufgaben billiger. Sie macht bestimmte Formen von Kompetenz billiger: formulieren, strukturieren, verdichten, vergleichen, argumentieren, präsentieren, optimieren. Jene Fähigkeiten also, über die sich Wissensarbeiter, Beratungen, Marketingabteilungen, Führungskräfte und Unternehmen lange differenziert haben. Was früher nach besonderer Kompetenz aussah, kann heute zumindest in einer brauchbaren ersten Fassung technisch erzeugt werden.

Das verändert die Spielregeln des Wettbewerbs. Wenn Ihre Kunden keinen relevanten Unterschied mehr zwischen Ihnen und Ihren Wettbewerbern erkennen, warum sollten sie dann mehr bezahlen? Wenn Ihre Marke klingt wie jede andere Marke, warum sollte sie erinnern? Wenn Ihre Strategie aussieht wie jede andere Strategie, warum sollte sie Orientierung geben? Wenn Ihre Kommunikation perfekt optimiert ist, aber keine eigene Stimme mehr hat, warum sollte sie Menschen bewegen?

AI wird nicht einfach die schlechten Unternehmen gefährden. Sie wird die austauschbaren sichtbar machen. Wer bisher vor allem durch professionelle Oberfläche, gute Formulierungen, saubere Prozesse und solide Durchschnittsqualität überzeugt hat, wird erleben, dass diese Leistungen immer leichter kopierbar werden. Was bleibt, ist die Frage nach der eigentlichen Substanz: Haltung, Kultur, Vertrauen, Urteilskraft, Erfahrung, Beziehung, Originalität.

Der erste strategische Fehler im AI-Zeitalter besteht deshalb darin, AI nur als Effizienztechnologie zu verstehen. Natürlich kann AI Effizienz steigern. Aber wenn alle denselben Effizienzhebel nutzen, entsteht daraus kein dauerhafter Vorsprung. Es entsteht ein neues Mindestniveau: Operational Excellence wird Infrastruktur, dafür wird Identität zur Strategie.

Die AI Commodity Trap

Die vielleicht wichtigste ökonomische Verschiebung des AI-Zeitalters lässt sich in einem einfachen Satz zusammenfassen: Was AI zuverlässig erzeugen kann, verliert langfristig seinen Seltenheitswert.

Das klingt zunächst abstrakt, wird aber im Alltag von Unternehmen sehr konkret. Noch vor wenigen Jahren waren gute Texte, klare Analysen, professionelle Präsentationen, strukturierte Konzepte und überzeugende Kommunikationsentwürfe sichtbare Zeichen von Kompetenz. Wer komplexe Informationen verdichten, sauber argumentieren und sprachlich präzise formulieren konnte, hatte einen Vorsprung. In Beratungen, Hochschulen, Medienhäusern, Marketingabteilungen, Kanzleien, Strategieabteilungen und Führungsetagen beruhte ein grosser Teil professioneller Reputation genau darauf: Wir können denken, strukturieren, formulieren und erklären.

Generative AI greift nun diese Signale an. Sie macht sie nicht wertlos, aber sie macht sie massenhaft verfügbar. Ein Unternehmen kann heute in wenigen Minuten eine brauchbare Marktanalyse erstellen, ein Kommunikationskonzept skizzieren, eine Präsentation strukturieren, einen Managementtext formulieren, Alternativen vergleichen oder eine strategische Argumentation vorbereiten. Nicht immer brillant, richtig und originell, aber meist gut genug, um Erwartungen zu verschieben.

Und dieses „gut genug“ ist die eigentliche Disruption.

Märkte warten selten auf Perfektion. Sie reagieren auf Skalierbarkeit, Geschwindigkeit und Kosten. Wenn eine Leistung plötzlich schneller, günstiger und in akzeptabler Qualität verfügbar wird, verändert sich ihr Wert. Genau das passiert nun mit vielen Formen der Wissensarbeit. AI automatisiert nicht einfach Arbeit. Sie commoditisiert Kompetenzsignale. Sie macht vieles billig, was bisher teuer wirkte, weil es nach Denken, Erfahrung und Expertise aussah.

Das ist die AI Commodity Trap: Unternehmen erzeugen mehr Output, aber weniger Unterschied. Mehr Content, aber weniger Stimme. Mehr Analysen, aber weniger Orientierung. Mehr Strategiepapiere, aber weniger Strategie. Mehr Professionalität, aber weniger Profil.

Für Führungskräfte ist das eine harte ökonomische Frage. Wenn Ihre Analyse ähnlich aussieht wie die Ihres Wettbewerbers: Warum sollte der Kunde mehr zahlen? Wenn Ihre Kommunikation klingt wie jede andere: Warum sollte Ihre Marke erinnert werden? Wenn Ihre Strategie aus denselben Best Practices entsteht wie jene der Konkurrenz: Warum sollte sie Wettbewerbsvorteil erzeugen?

Eine Beratung, die früher mit exzellenten Folien, klaren Frameworks und professioneller Argumentation überzeugte, wird künftig erleben, dass genau diese Form der Oberfläche leichter reproduzierbar wird. Wert entsteht dann weniger durch das Deck selbst, sondern durch Kontext, Urteilskraft, Mut, Erfahrung und Umsetzungskraft. Ein Immobilienunternehmen, das Exposés, Standortanalysen und Marktberichte professionell mit AI generiert, hebt damit zunächst seine Qualität. Aber wenn alle anderen das ebenfalls tun, entscheidet nicht mehr die schöne Formulierung. Dann entscheiden Marktgespür, lokale Tiefe, Beziehung, Vertrauen und die Fähigkeit, Unsicherheit verantwortungsvoll einzuordnen und Menschen zusammen zu bringen. Eine Hochschule, die Lerninhalte schneller erzeugen kann, wird dadurch nicht automatisch wertvoller. Wertvoller wird sie dort, wo sie Denken begleitet, Urteilskraft entwickelt und Menschen durch echte intellektuelle Reibung führt.

Das bedeutet nicht, dass echte Expertise verschwindet. Im Gegenteil: Sie wird wichtiger. Aber sie muss sich neu beweisen. Nicht mehr durch die blosse Fähigkeit, einen professionellen Output zu erzeugen. Sondern durch die Fähigkeit, Relevanz zu erkennen, Qualität zu beurteilen, Kontext zu verstehen, Verantwortung zu übernehmen und eine eigenständige Perspektive einzubringen. Ein schöner Text ist kein Beweis mehr für tiefes Denken. Eine überzeugende Präsentation ist kein Beweis mehr für eine gute Strategie. Eine plausible Analyse ist kein Beweis mehr für Urteilskraft.

AI entwertet viele Fähigkeiten, über die Menschen und Organisationen bisher ihren Wert begründet haben. Wissen, Analyse, Sprache, Strukturierung, Standardkreativität, Geschwindigkeit und Optimierung verlieren ihren alten Distinktionswert. Nicht, weil sie unwichtig werden. Sondern weil sie nicht mehr knapp sind.

Viele Unternehmen haben sich über Jahre genau auf jene Fähigkeiten konzentriert, die nun leichter kopierbar werden: Effizienz, Standardisierung, Prozessqualität, professionelle Kommunikation, datenbasierte Optimierung, Best Practices. All das bleibt wichtig. Aber es reicht nicht mehr. Wer nur besser macht, was bald alle besser machen können, baut keinen nachhaltigen Vorsprung auf. Er optimiert sich in den Durchschnitt hinein.

Das Konvergenz-Paradox: Alle werden besser und gleichzeitig ähnlicher

Die Forschung beginnt inzwischen genau diese paradoxe Entwicklung sichtbar zu machen. Eine besonders wichtige Studie stammt von Anil Doshi und Oliver Hauser. Die Forschenden liessen Menschen kurze kreative Geschichten schreiben, einmal ohne Unterstützung und einmal mit Unterstützung generativer AI. Das Ergebnis war auf den ersten Blick beeindruckend: Die AI-unterstützten Geschichten wurden im Durchschnitt als kreativer, besser strukturiert und angenehmer lesbar bewertet. Besonders jene Personen, die zuvor als weniger kreativ eingeschätzt wurden, profitierten stark.

Das wäre die einfache Erfolgsgeschichte: AI macht Menschen kreativer.

Doch dann zeigte sich der entscheidende zweite Effekt. Die Geschichten wurden ähnlicher. Die individuelle Qualität stieg, aber die kollektive Vielfalt sank. Oder anders gesagt: AI hob den Durchschnitt an und reduzierte gleichzeitig die Varianz.

Genau darin liegt eine der wichtigsten Erkenntnisse für Führung, Strategie und Innovation im AI-Zeitalter. Der Preis könnte darin liegen, dass viele Ergebnisse einander ähnlicher werden. Und in Märkten entsteht Differenzierung nicht durch Durchschnitt, sondern durch Varianz. Nicht durch das, was alle plausibel finden. Sondern durch das, was eine Organisation anders sieht, anders deutet, anders entscheidet und anders verkörpert.

Dieses Konvergenz-Paradox ist viel relevanter, als es auf den ersten Blick scheint. Denn was bei kreativen Geschichten im Experiment sichtbar wird, kann sich in Unternehmen auf einer viel grösseren Ebene wiederholen: bei Markenpositionierungen, Strategiekonzepten, Innovationsideen, Führungskommunikation, Marketingkampagnen, Kundenversprechen, Bildungsangeboten, Beratungsansätzen und Geschäftsmodellen. Wenn viele Organisationen ähnliche Modelle nutzen, ähnliche Daten verarbeiten, ähnliche Prompts schreiben und ähnliche Best Practices optimieren, entstehen zwangsläufig ähnliche Ergebnisse.

AI produziert nicht einen einzigen Einheitsbrei. Sie produziert Millionen leicht unterschiedliche Varianten desselben Durchschnitts. Genau deshalb ist diese Entwicklung so schwer zu erkennen. Jede einzelne Ausgabe wirkt anders genug, um originell zu erscheinen. Aber aus der Distanz entsteht ein Muster: ähnliche Dramaturgien, ähnliche Argumentationen, ähnliche Managementsprache, ähnliche Strategielogiken, ähnliche Innovationsrhetorik. Alles ist professionell. Weniges ist unverwechselbar.

Wer heute durch LinkedIn scrollt, Unternehmensblogs liest, Strategiepapiere betrachtet oder AI-gestützte Kampagnen vergleicht, spürt diese neue Gleichförmigkeit bereits. Die Texte klingen klar, aber oft seelenlos. Die Aussagen wirken richtig, aber selten riskant. Die Botschaften sind optimiert, aber nicht unbedingt erinnerbar. Viele Inhalte sind nicht schlecht. Sie sind gut genug, um veröffentlicht zu werden, aber nicht stark genug, um einen Unterschied zu machen.

Das hat auch mit der Funktionslogik generativer AI zu tun. Large Language Models produzieren keine Originalität im menschlichen Sinn. Sie berechnen Wahrscheinlichkeiten. Sie erkennen Muster in riesigen Datenmengen und generieren jene Fortsetzung, die statistisch passend erscheint. Das kann enorm hilfreich sein. Aber statistische Wahrscheinlichkeit ist nicht dasselbe wie strategische Eigenständigkeit. Der wahrscheinlichste Gedanke ist selten der Gedanke, der Märkte verändert.

Originalität beginnt dort, wo Wahrscheinlichkeit endet.

AI bevorzugt das Plausible, das Anschlussfähige, das Verständliche, das bereits kulturell Vorbereitete. Sie glättet Ecken, reduziert Irritationen, harmonisiert Widersprüche und macht Formulierungen sozial akzeptabler. Das ist für viele Standardaufgaben nützlich. Aber für echte Differenzierung kann es gefährlich werden. Denn Originalität entsteht oft gerade dort, wo jemand eine Spannung nicht sofort auflöst, einen Widerspruch aushält, eine unbequeme Perspektive formuliert oder gegen den naheliegenden Konsens denkt.

Der Organisationssoziologie ist dieses Muster nicht fremd. DiMaggio und Powell beschrieben bereits in den 1980er-Jahren, wie Organisationen durch ähnliche Erwartungen, Professionalisierung und institutionellen Druck immer ähnlicher werden. Sie nannten dieses Phänomen institutionellen Isomorphismus. Unternehmen passen sich an, weil sie legitim wirken wollen. Sie übernehmen ähnliche Strukturen, ähnliche Sprache, ähnliche Prozesse, ähnliche Managementmoden. Generative AI könnte diese Entwicklung nun massiv beschleunigen.

Denn AI liefert genau das, was in Organisationen oft gewünscht wird: eine plausible, professionelle, anschlussfähige Lösung. Eine Lösung, der niemand sofort widerspricht,  die gut klingt und in bestehende Erwartungen passt. Doch genau darin liegt das Risiko. Wenn Organisationen zu oft den wahrscheinlichsten Gedanken wählen, verlieren sie langsam die Fähigkeit, eigene Gedanken zu entwickeln.

Optimierung ist nicht Strategie

Der nächste Irrtum vieler Unternehmen besteht darin, AI fast ausschliesslich als Optimierungsmaschine zu verstehen. Schneller schreiben, besser analysieren, effizienter kommunizieren, Prozesse automatisieren, Kosten senken, Fehler reduzieren, Skalierung erhöhen: All das ist wichtig und wird passieren. Aber das wird in vielen Branchen bald nicht mehr reichen.

Denn wenn alle dieselben Optimierungshebel nutzen, entsteht daraus kein dauerhafter Wettbewerbsvorteil. Es entsteht ein neues Mindestniveau.

Michael Porter hat in seinem klassischen Aufsatz „What is Strategy?“ bereits vor Jahrzehnten zwischen operativer Effektivität und echter Strategie unterschieden. Operative Effektivität bedeutet, ähnliche Dinge besser zu tun als andere. Strategie bedeutet, andere Dinge zu tun oder Dinge bewusst anders zu tun. Diese Unterscheidung wird im AI-Zeitalter dramatisch wichtiger. AI ist wahrscheinlich eines der mächtigsten Werkzeuge operativer Effektivität, das Unternehmen je zur Verfügung hatten. Sie hilft, Arbeit schneller, günstiger, strukturierter und professioneller zu erledigen. Aber sie beantwortet nicht automatisch die Frage, worin ein Unternehmen unverwechselbar ist.

Genau darin liegt das strategische Missverständnis. Viele Organisationen glauben derzeit, sie würden mit AI eine Strategie entwickeln. In Wahrheit beschleunigen sie oft nur ihre bestehende operative Logik. Sie produzieren mehr Inhalte, ohne klarer zu werden. Sie analysieren mehr Daten, ohne bessere Entscheidungen zu treffen. Sie automatisieren Kommunikation, ohne echte Beziehung zu schaffen. Sie optimieren Prozesse, ohne zu fragen, ob diese Prozesse überhaupt die richtigen sind.

AI kann das Wie verbessern. Aber sie entscheidet nicht über das Wozu.

Eine AI kann Ihnen helfen, eine Kampagne schneller zu formulieren, aber sie kann nicht entscheiden, ob Ihre Marke dafür wirklich stehen sollte. Sie kann eine Strategie strukturieren, aber sie kann nicht die unternehmerische Verantwortung tragen, bewusst auf etwas zu verzichten. Sie kann Kundendaten analysieren, aber sie versteht nicht automatisch, was Vertrauen in Ihrer Branche wirklich bedeutet. Sie kann Ihre Sprache glätten, aber sie erzeugt keine Haltung.

Das ist die grosse Verwechslung des AI-Zeitalters: Unternehmen halten bessere Outputs für bessere Strategie.

Doch Strategie entsteht nicht dort, wo alles sauber formuliert ist. Strategie entsteht dort, wo eine Organisation entscheidet, was sie nicht tut. Wo sie eine klare Perspektive einnimmt. Wo sie Spannungen aushält. Wo sie bewusst anders wird als der Markt erwartet. Wo sie Kunden nicht nur effizient bedient, sondern ihnen einen Grund gibt, genau dieses Unternehmen zu wählen.

Wenn alle optimieren, gewinnt niemand mehr über Optimierung. Dann verschiebt sich der Wettbewerb. Operational Excellence wird Infrastruktur. Identität wird Strategie.

Das heisst nicht, dass Effizienz unwichtig wird. Im Gegenteil. Unternehmen, die AI nicht nutzen, werden in vielen Bereichen an Geschwindigkeit, Kostenstruktur und Qualität verlieren. Aber AI-Effizienz allein wird selten ein dauerhafter Vorteil bleiben, weil sie kopierbar ist. Was kopierbar ist, erzeugt kurzfristig Vorsprung und wird langfristig Standard. Genau das sehen wir immer wieder in der Wirtschaftsgeschichte: Was einmal Innovation war, wird irgendwann Erwartung.

Der eigentliche Wettbewerbsvorteil entsteht deshalb künftig weniger durch die Frage: Wer nutzt AI am schnellsten? Sondern durch die Frage: Wer nutzt AI, ohne dadurch seine strategische Eigenständigkeit zu verlieren?

Das ist besonders relevant für Branchen, die stark von Vertrauen, Expertise, Beratung, Bildung, Kommunikation, Markenführung oder Beziehung leben. Dort reicht es nicht, effizienter zu werden. Eine Hochschule gewinnt nicht, weil sie schneller Inhalte produziert. Eine Beratung gewinnt nicht, weil sie schneller Folien erstellt. Ein Immobilienunternehmen gewinnt nicht, weil es schneller Exposés, Marktanalysen oder Kundenkommunikation generiert. Eine Bank gewinnt nicht, weil sie ihre Prozesse automatisiert. All das kann der Wettbewerb ebenfalls. Die entscheidende Frage ist: Welche Perspektive, welche Kultur, welche Haltung, welche Form von Vertrauen kann nicht einfach kopiert werden?

Der gefährlichste Fall ist das Unternehmen, das AI hervorragend einsetzt und dabei nicht merkt, dass es sich in die Vergleichbarkeit hineinoptimiert. Alles wird glatter. Alles wird professioneller. Alles wird schneller. Aber nichts wird unverwechselbarer.

Optimierung ohne Identität führt nicht zu Strategie. Sie führt zu perfekter Austauschbarkeit.

Von Kompetenz zu Identität

AI verändert worüber sich Menschen und Unternehmen differenzieren können.

Über Jahrzehnte konnten sich Menschen und Organisationen über Kompetenzsignale abheben. Wir wissen mehr, wir analysieren besser, wir beraten präziser, wir schreiben überzeugender, wir strukturieren komplexe Sachverhalte klarer, Wir sind professioneller, schneller, fundierter, methodischer. Diese Art von Kompetenz war knapp und deshalb wertvoll. Sie schuf Status, Vertrauen, Honorare, Karrieren und Marken.

Doch AI demokratisiert viele dieser Kompetenzsignale. Sie ersetzt Kompetenz nicht vollständig, aber sie verändert ihren Marktwert. Denn viele sichtbare Zeichen von Kompetenz lassen sich plötzlich technisch erzeugen oder zumindest simulieren: ein sauber formulierter Text, eine plausible Analyse, ein professionelles Konzept, ein strukturierter Entscheidungsentwurf, eine elegante Präsentation. Was früher aussergewöhnlich wirkte, wird Standard. Was früher Kompetenz bewies, beweist heute oft nur noch, dass jemand Zugang zu einem leistungsfähigen System hat.

Damit verschiebt sich Differenzierung von Kompetenzsignalen zu Identitätsressourcen.

Wissen wird verfügbarer, damit wird Urteilskraft wichtiger. Analyse wird generierbar, damit wird Perspektive knapper. Sprache wird automatisierbar, damit wird Stimme und Haltung wertvoller. Ideen werden massenhaft erzeugbar, damit wird Originalität härter. Qualität wird Standard, damit wird Identität zur Strategie. Effizienz wird Infrastruktur, damit  wird Bedeutung zur Differenzierung.

Je stärker AI die eine Seite demokratisiert, desto wertvoller wird die andere.

Der Ressourcenforscher Jay Barney hat bereits Anfang der 1990er-Jahre gezeigt, dass dauerhafte Wettbewerbsvorteile aus Ressourcen entstehen, die wertvoll, selten, schwer imitierbar und organisatorisch verankert sind. Diese Logik wird nun hochaktuell. Denn AI macht viele kognitive Leistungen weniger selten und leichter imitierbar. Gleichzeitig gewinnen jene Ressourcen an Bedeutung, die nicht einfach kopiert werden können: Kultur, Vertrauen, Reputation, Beziehung, gelebte Werte, tiefe Kundennähe, Gründergeist, regionale Verwurzelung, Erfahrung, Urteilskraft und Haltung.

AI kann Ihre Texte kopieren, aber nicht Ihre gelebte Kultur. AI kann Ihre Sprache imitieren, aber nicht Ihre Geschichte. AI kann eine Strategie formulieren, aber nicht Ihre Haltung tragen.

Genau deshalb wird Identität im AI-Zeitalter nicht weicher, sondern härter. Sie wird nicht zum Thema der Marketingabteilung, sondern zur strategischen Substanz. Denn wenn Produkte, Dienstleistungen, Inhalte und Prozesse vergleichbarer werden, fragen Kunden, Mitarbeitende und Partner bewusster oder unbewusster: Wem vertraue ich? Wer steht wirklich für etwas? Wer versteht meine Welt? Wer handelt konsistent? Wer klingt nicht nur gut, sondern meint es auch?

Man sieht das bei starken Marken sehr deutlich. Patagonia verkauft nicht einfach Kleidung, sondern eine Haltung. Hermès verkauft nicht einfach Taschen, sondern Knappheit, Handwerk, Geschichte und kulturelle Eigenständigkeit. Apple verkauft nicht einfach Geräte, sondern ein geschlossenes Bedeutungs- und Designsystem. Diese Unternehmen sind nicht stark, weil sie alles durchschnittskompatibel machen. Sie sind stark, weil sie unverwechselbare Identitätsräume geschaffen haben.

Das gilt nicht nur für globale Marken. Gerade für Schweizer KMU, Beratungen, Bildungsinstitutionen, Immobilienunternehmen oder Finanzdienstleister wird diese Logik wichtiger. Lokale Tiefe, persönliche Vertrauensbeziehungen, spezifisches Erfahrungswissen, kulturelle Glaubwürdigkeit und echte Kundennähe werden nicht weniger wertvoll, weil AI besser wird. Sie werden wertvoller. Denn sie sind schwerer kopierbar.

Das AI-Zeitalter belohnt nicht nur Kompetenz. Es belohnt Identität.

Warum Originalität Reibung braucht

AI macht Differenzierung nicht unmöglich, aber sie macht sie anspruchsvoller. Denn sie erhöht die formale Qualität von Kommunikation, Strategie und Wissensarbeit so stark, dass sich viele bisherige Unterschiede abschwächen. Wo früher ein klarer Text, eine saubere Präsentation oder eine strukturierte Analyse genügte, um Professionalität zu signalisieren, entsteht künftig ein neuer Standard. Die sichtbare Oberfläche wird besser, der eigentliche Unterschied wird schwerer erkennbar.

Das ist eine paradoxe Entwicklung. Je professioneller alle werden, desto schwieriger wird es, professionell aufzufallen. Je mehr Inhalte optimiert werden, desto weniger bleibt hängen. Je stärker Marken ihre Sprache glätten, desto ähnlicher klingen sie. Je besser Strategiepapiere formuliert sind, desto schwieriger wird es, echte strategische Eigenständigkeit von gut verpacktem Konsens zu unterscheiden.

AI hat eine natürliche Tendenz zur Anschlussfähigkeit. Sie produziert, was plausibel, verständlich, sozial akzeptabel und wahrscheinlich passend ist. Das ist für viele Aufgaben hilfreich. Aber es kann jene Reibung entfernen, aus der Differenzierung entsteht. Denn echte Originalität ist selten sofort bequem. Sie irritiert zuerst. Sie widerspricht Erwartungen. Sie enthält Spannung. Sie steht nicht einfach im Zentrum des Konsenses, sondern oft leicht daneben.

Der Philosoph Byung-Chul Han beschreibt die moderne Gesellschaft als eine Kultur der Glättung und Optimierung. Alles soll reibungsloser, schneller, transparenter und effizienter werden. Doch genau dadurch verliert vieles an Tiefe, Widerstand und Resonanz. Diese Diagnose wird im AI-Zeitalter besonders relevant. Denn generative AI fügt sich perfekt in diese Logik ein. Sie entfernt sprachliche Unebenheiten, schliesst argumentative Lücken, vereinfacht Komplexität und macht Widersprüche konsumierbar.

Aber nicht jede Reibung ist Ineffizienz. Häufig ist Reibung der Anfang von Originalität.

Der Organisationsforscher James March unterschied bereits Anfang der 1990er-Jahre zwischen Exploitation und Exploration. Exploitation bedeutet, Bestehendes effizienter zu nutzen: optimieren, standardisieren, skalieren, verfeinern. Exploration bedeutet, Neues zu suchen: experimentieren, abweichen, Risiken eingehen, Unsicherheit aushalten. Generative AI wird in vielen Unternehmen derzeit vor allem als Exploitation-Technologie eingesetzt. Sie macht Bestehendes schneller, günstiger und professioneller. Doch Differenzierung entsteht oft stärker aus Exploration. Aus der bewussten Abweichung, aus dem Suchprozess,  aus dem Mut, nicht sofort die naheliegendste Lösung zu wählen.

In Unternehmen ist das hochpraktisch. Die besten Ideen entstehen selten in Prozessen, die nur auf Geschwindigkeit, Harmonie und unmittelbare Anschlussfähigkeit optimiert sind. Sie entstehen dort, wo jemand eine unbequeme Beobachtung ausspricht. Wo ein Team länger bei einem Widerspruch bleibt. Wo Kundenerfahrungen ernst genommen werden, die nicht in das bestehende Reporting passen. Wo jemand fragt: Warum machen wir das eigentlich so? Oder noch radikaler: Was wäre, wenn unser bisheriges Geschäftsmodell auf einer Annahme beruht, die nicht mehr stimmt?

AI kann solche Fragen unterstützen. Aber sie stellt sie nicht automatisch. Besonders dann nicht, wenn sie nur als Antwortmaschine genutzt wird. Wer AI fragt, wie man eine bestehende Strategie verbessert, bekommt meist eine optimierte Version dieser Strategie. Wer AI fragt, wie man eine bestehende Kampagne schärft, bekommt meist eine anschlussfähigere Version dieser Kampagne. Wer AI fragt, wie man einen Text professioneller macht, bekommt meist eine glattere Version dieses Textes. Das ist nützlich. Aber es ist nicht dasselbe wie ein neuer Gedanke.

Das betrifft auch Sprache. Sprache ist nicht nur Verpackung. Sprache ist Identität. Eine Organisation, die immer stärker in generischer AI-Sprache kommuniziert, verliert langsam den Zugang zu ihrer eigenen Stimme. Das merkt man nicht sofort. Jeder einzelne Text wirkt besser. Aber über Zeit verschwindet das Besondere: der eigene Ton, die eigene Erfahrung, die eigene Schärfe, die eigene Haltung. Am Ende klingt alles korrekt, aber nichts mehr unverwechselbar.

Hartmut Rosa beschreibt Resonanz als eine lebendige Beziehung zur Welt, die nicht erzwungen, beschleunigt oder technisch hergestellt werden kann. Genau diese Resonanz fehlt vielen AI-geglätteten Texten und Strategien. Sie sind richtig, aber sie berühren nicht. Sie sind professionell, aber sie tragen keine Erfahrung. Sie sind plausibel, aber sie haben keine innere Spannung. Menschen, Kunden, Mitarbeitende und Märkte spüren das früher oder später.

Unternehmen verlieren ihre Stimme nicht an AI. Sie geben sie freiwillig ab. Die entscheidende Frage lautet deshalb nicht: Wie klingen wir professioneller? Sondern: Wie klingen wir unverwechselbarer, ohne beliebig zu werden?

Gegen den wahrscheinlichsten Gedanken denken

Wenn AI auf Wahrscheinlichkeit optimiert, wird eine neue menschliche Fähigkeit entscheidend: gegen den wahrscheinlichsten Gedanken denken.

Das klingt einfach, ist aber anspruchsvoll. Denn AI ist gerade deshalb so verführerisch, weil ihre Antworten häufig gut klingen. Sie sind plausibel, strukturiert, hilfreich, oft überraschend brauchbar. Genau dadurch entsteht ein psychologischer Sog. Der erste Vorschlag fühlt sich an wie ein guter Start, manchmal sogar wie eine fertige Lösung. Doch der erste AI-Output ist selten der originellste Gedanke. Er ist der statistisch wahrscheinlichste.

Für Routineaufgaben ist das kein Problem. Wer eine Zusammenfassung, eine Standardmail oder eine erste Struktur braucht, profitiert enorm von Wahrscheinlichkeit. Aber für Strategie, Innovation, Positionierung und Thought Leadership kann der wahrscheinlichste Gedanke gefährlich sein. Denn der wahrscheinlichste Gedanke ist oft jener, den viele andere ebenfalls erhalten würden. Er ist nicht falsch. Genau deshalb ist er so riskant. Er ist gut genug, um übernommen zu werden, aber selten eigenständig genug, um einen Unterschied zu machen.

Die entscheidende kreative Kompetenz der Zukunft besteht deshalb darin, AI so zu nutzen, dass die eigene Urteilskraft, Perspektive und Originalität nicht verkümmern. Gute AI-Nutzung bedeutet nicht, schneller zu fertigen Antworten zu kommen. Gute AI-Nutzung bedeutet, bessere Denkprozesse auszulösen.

Das beginnt mit einer einfachen Regel: Den ersten AI-Output nie als Ergebnis behandeln. Er ist Rohmaterial. Eine Spiegelung des Naheliegenden. Eine Verdichtung des Wahrscheinlichen. Ein Ausgangspunkt, aber kein Endpunkt. Wer den ersten Output übernimmt, übernimmt oft auch die Annahmen, Muster und blinden Flecken des Systems. Wer ihn dagegen als Denkfläche nutzt, kann damit arbeiten: Was ist daran zu glatt? Was fehlt? Wo ist der Widerspruch? Welche Perspektive wäre unbequemer? Welche These wäre mutiger? Welche Formulierung würde wirklich aus unserer Erfahrung kommen?

Die zweite Regel lautet: AI systematisch zu Gegenpositionen zwingen. Die meisten Menschen fragen AI nach Lösungen. Stärkere Nutzer fragen nach Widerspruch. Sie fragen nicht nur: Was ist eine gute Strategie? Sondern: Warum könnte diese Strategie falsch sein? Welche Annahme übersehen wir? Was würde ein kluger Gegner sagen? Was wäre die unbequemste Wahrheit? Welche Perspektive fehlt, weil sie nicht zum dominanten Muster passt? Was wäre die unpopuläre, aber möglicherweise richtige Alternative?

Damit wird AI nicht zur Antwortmaschine, sondern zum Sparringspartner. Genau hier liegt der Unterschied zwischen kognitiver Abhängigkeit und mentaler Souveränität. In früheren Artikeln dieser Serie haben wir die Unterscheidung zwischen AI als Krücke und AI als Trainer eingeführt. Als Krücke nimmt AI Denken ab. Als Trainer fordert sie Denken heraus. Für Originalität gilt dasselbe: AI sollte nicht dazu dienen, kreative Reibung zu vermeiden. Sie sollte helfen, sie produktiver zu machen.

Die dritte Regel lautet: Primärerfahrung zurück ins Zentrum stellen. AI rekombiniert vorhandene Muster. Menschen erleben Realität. Menschen sprechen mit Kunden, spüren Konflikte, erleben Unsicherheit, tragen Verantwortung, machen Fehler, sehen Widersprüche, nehmen Zwischentöne wahr. Genau daraus entstehen oft die Perspektiven, die nicht einfach aus Daten ableitbar sind.

Für Führungskräfte, Unternehmer und Wissensarbeiter wird das entscheidend. Wer seine Wahrnehmung immer stärker an synthetische Analysen delegiert, verliert den Kontakt zur Wirklichkeit. Wer nur noch AI-generierte Zielgruppenprofile liest, aber nicht mehr mit echten Kunden spricht, verliert Tiefe. Wer nur noch Stimmungsbilder aus Daten zieht, aber nicht mehr in Teams hineinspürt, verliert kulturelles Gespür. Wer nur noch Strategien simuliert, aber nicht mehr unternehmerisch ringt, verliert Identität.

Originalität entsteht nicht nur im Kopf. Sie entsteht aus Begegnung, Erfahrung, Reibung, Verantwortung und gelebtem Kontext.

Die vierte Regel lautet: Reibung bewusst schützen. Viele Organisationen haben Reibung lange als Störung betrachtet. Langsame Diskussionen, unbequeme Einwände, nicht ausformulierte Gedanken, emotionale Irritationen, kulturelle Spannungen, ungewöhnliche Perspektiven. Doch genau dort beginnt oft das Neue. Wer jede Unsicherheit sofort mit AI glättet, verliert möglicherweise jene Unruhe, aus der ein eigenständiger Gedanke entstehen könnte.

Das bedeutet nicht, dass Unternehmen ineffizient werden sollen. Es bedeutet, dass sie lernen müssen, zwischen schlechter Reibung und guter Reibung zu unterscheiden. Schlechte Reibung entsteht durch Bürokratie, unklare Verantwortlichkeiten, politische Spiele oder schlechte Prozesse. Gute Reibung entsteht durch echte Differenz, kluge Gegenargumente, tiefe Fragen, kulturelle Spannung und den Mut, nicht sofort in Konsens zu flüchten. AI kann schlechte Reibung reduzieren. Aber gute Reibung sollte sie nicht zerstören.

Die fünfte Regel lautet: eine eigene Sprache entwickeln. Das klingt zunächst wie ein Kommunikationsthema, ist aber viel mehr. Sprache ist verdichtete Kultur. Sie zeigt, wie eine Organisation denkt, was sie wichtig findet, welche Erfahrungen sie gemacht hat und welche Welt sie sieht. Wenn alle dieselben AI-optimierten Formulierungen verwenden, verschwindet genau diese kulturelle Signatur.

Eine starke Organisation muss deshalb lernen, AI nicht einfach ihre Sprache schreiben zu lassen. Sie muss AI mit einer eigenen Sprache führen. Mit eigenen Begriffen, eigenen Bildern, eigenen Beispielen, eigenen Spannungen, eigenen Überzeugungen. Sonst entsteht zwar professionelle Kommunikation, aber keine Stimme.

Die neue kreative Kompetenz heisst also nicht: schneller schreiben. Sie heisst: bewusster abweichen. Denn wer AI nur nach Antworten fragt, bekommt Durchschnitt. Wer AI zu Widerspruch zwingt, beginnt zu denken. Die wichtigste kreative Fähigkeit der Zukunft ist nicht, schneller Antworten zu erzeugen. Sondern bessere Abweichungen zu schaffen.

Differenzierungs-Governance

Viele Unternehmen beschäftigen sich derzeit intensiv mit AI-Governance. Das ist richtig und notwendig. Sie klären Datenschutz, Urheberrecht, Sicherheit, Modellrisiken, Halluzinationen, Compliance, Verantwortlichkeiten und ethische Leitplanken. All das gehört zu einer reifen AI-Strategie. Aber es reicht nicht, denn AI-Governance beantwortet vor allem die Frage: Wie vermeiden wir Risiken?

Die strategisch mindestens ebenso wichtige Frage lautet jedoch: Wie vermeiden wir Austauschbarkeit?

Hier braucht es einen neuen Managementbegriff: Differenzierungs-Governance. Gemeint ist die bewusste Führungsdisziplin, mit AI nicht nur produktiver zu werden, sondern zugleich die eigene Eigenständigkeit zu schützen. Eine Organisation muss künftig nicht nur wissen, wo AI eingesetzt werden darf. Sie muss auch wissen, wo AI nicht zur dominanten Denklogik werden darf.

AI-Governance schützt vor Risiken. Differenzierungs-Governance schützt vor Austauschbarkeit. Der Unterschied ist entscheidend. Ein Unternehmen kann alle regulatorischen Vorgaben einhalten und trotzdem strategisch austauschbar werden. Es kann AI sicher, sauber und compliant einsetzen und dennoch seine Stimme verlieren. Es kann Risiken kontrollieren und gleichzeitig seine Originalität glätten. Es kann perfekte Prozesse bauen und dadurch genau jene Ecken abschleifen, die es unterscheidbar gemacht haben.

Differenzierungs-Governance fragt deshalb nicht nur, welche Anwendungen erlaubt sind. Sie fragt, welche Form von Wert ein Unternehmen schützen will. Vier Zonen sind dabei entscheidend.

Erstens: automatisieren. Dort, wo Aufgaben standardisiert, repetitiv und nicht differenzierend sind, sollte AI konsequent eingesetzt werden. Zusammenfassungen, Übersetzungen, administrative Kommunikation, Standarddokumentation, erste Recherchen oder Routineanalysen können schneller und besser werden. Dort schafft AI Entlastung.

Zweitens: augmentieren. Dort, wo menschliche Urteilskraft gebraucht wird, sollte AI nicht ersetzen, sondern erweitern. In Strategie, Führung, Innovation, Bildung, Beratung und komplexen Entscheidungen sollte AI Perspektiven liefern, Gegenargumente simulieren, Annahmen prüfen und Reflexion vertiefen. Aber der Mensch muss führen.

Drittens: schützen. Es gibt Bereiche, in denen menschliche Erfahrung, Beziehung und Verantwortung nicht verschwinden dürfen. Schwierige Kundengespräche, zentrale Führungsbotschaften, kulturelle Konflikte, ethische Entscheidungen, Mentoring, Lehre, Krisenkommunikation und Vertrauensarbeit dürfen nicht vollständig an Systeme delegiert werden. Dort entsteht genau jene Substanz, die später schwer imitierbar ist.

Viertens: kultivieren. Originalität, Sprache, Haltung und Identität müssen bewusst entwickelt werden. Sie entstehen nicht automatisch. Unternehmen brauchen Räume, in denen sie ihre eigene Perspektive schärfen, eigene Begriffe prägen, eigene Geschichten erzählen und eigene Entscheidungen reflektieren. AI kann dabei helfen. Aber sie darf diese Arbeit nicht ersetzen.

Die meisten Organisationen fragen aktuell: Wo können wir AI einsetzen? Die besseren werden zusätzlich fragen: Wo dürfen wir nicht wie alle anderen werden?

Das betrifft vor allem jene Bereiche, in denen Identität entsteht: Strategie, Marke, Führung, Kultur, Innovation, Kundenerlebnis, Talententwicklung und Kommunikation. Dort darf AI nicht einfach zur Glättungsmaschine werden. Sie sollte unterstützen, verdichten, spiegeln, challengen und erweitern. Aber sie darf nicht die eigene Perspektive ersetzen. Die gefährlichste AI-Strategie ist jene, die perfekt effizient ist, strategisch aber leer bleibt.

Die fünf Fragen jeder ernsthaften AI-Strategie

Wenn AI Qualität zur Commodity macht, müssen Führungskräfte ihre AI-Strategie anders denken. Es reicht nicht, Use Cases zu sammeln, Tools zu testen und Produktivitätsgewinne zu messen. Eine ernsthafte AI-Strategie muss zwei Ziele gleichzeitig verfolgen: Effizienz erhöhen und Eigenständigkeit schützen.

Dafür braucht es keine abstrakten Leitbilder, sondern klare Führungsfragen.

Die erste Frage lautet: Was wird in unserer Branche durch AI zur Commodity? Jede Branche muss ehrlich prüfen, welche Leistungen künftig leichter reproduzierbar werden. Sind es Texte, Analysen, Exposés, Berichte, Präsentationen, Beratungsleistungen, Rechtsabklärungen, Lerninhalte, Marktberichte, Kundenkommunikation, Kampagnen, Finanzmodelle oder Standardprozesse? Diese Frage ist unangenehm, aber notwendig. Denn wer nicht erkennt, was commoditisiert wird, verteidigt morgen möglicherweise genau jene Leistungen, die der Markt nicht mehr besonders honoriert.

Die zweite Frage lautet: Wofür werden Kunden künftig noch eine Prämie zahlen? Wenn gute Qualität überall verfügbar wird, zahlen Menschen nicht mehr automatisch für Professionalität allein. Sie zahlen für Vertrauen, Klarheit, Risikoentlastung, Beziehung, Sicherheit, Urteilskraft, Erfahrung, Geschwindigkeit, Zugang, Verantwortung, emotionale Resonanz oder eine besonders glaubwürdige Perspektive. Unternehmen müssen sehr genau verstehen, welcher Teil ihres Wertes künftig wirklich knapp bleibt.

Die dritte Frage lautet: Welche Fähigkeiten dürfen wir nicht auslagern? AI kann viel unterstützen. Aber nicht alles, was delegierbar ist, sollte delegiert werden. Urteilskraft, strategisches Denken, Kundennähe, kulturelles Gespür, ethische Verantwortung, Führungspräsenz, originelle Sprache und unternehmerische Risikowahrnehmung dürfen nicht verkümmern. Genau diese Fähigkeiten werden wertvoller, je mehr Standardkognition automatisiert wird. Wer sie auslagert, verliert langfristig nicht nur Kompetenz, sondern Identität.

Die vierte Frage lautet: Wo brauchen wir bewusst Reibung? Das klingt für viele Manager zunächst kontraintuitiv. Reibung gilt als Verschwendung. Aber nicht jede Reibung ist schlecht. Es gibt Bürokratie, Politik, Ineffizienz und schlechte Prozesse. Diese Reibung sollte AI reduzieren. Aber es gibt auch produktive Reibung: Widerspruch, Zweifel, Ambivalenz, kritische Fragen, unbequeme Kundenerkenntnisse, kulturelle Spannungen, strategische Dilemmata. Diese Reibung darf nicht vorschnell geglättet werden. Denn dort entsteht oft Urteilskraft.

Die fünfte Frage lautet: Was macht uns unverwechselbar, wenn jeder dieselbe AI nutzt? Das ist vielleicht die wichtigste Führungsfrage des kommenden Jahrzehnts. Sie zwingt Unternehmen, jenseits von Tools, Prozessen und Effizienz über ihre eigentliche Substanz nachzudenken. Was ist an uns nicht kopierbar? Welche Geschichte tragen wir? Welche Haltung prägt unsere Entscheidungen? Welche Sprache ist wirklich unsere? Welche Erfahrung besitzen nur wir? Welche Kultur kann man nicht einfach prompten?

Eine gute AI-Strategie beantwortet deshalb nicht nur, wie ein Unternehmen schneller wird. Sie beantwortet, warum es trotz AI einzigartig bleibt.

Hier entsteht der eigentliche Human Advantage. Nicht im Verzicht auf Technologie, sondern in der Fähigkeit, Technologie so zu nutzen, dass menschliche und organisationale Eigenständigkeit wächst. AI soll entlasten, beschleunigen, strukturieren und erweitern. Aber sie darf nicht jene Fähigkeiten verdrängen, aus denen Vertrauen, Orientierung und Originalität entstehen.

Die Renaissance der Eigenwilligkeit

Wenn AI gute Durchschnittsqualität massenhaft verfügbar macht, beginnt eine Renaissance der Eigenwilligkeit. Dieses Wort klingt im Managementkontext zunächst ungewohnt. Vielleicht sogar unbequem. Eigenwilligkeit wird oft mit Starrsinn, Ego, Unprofessionalität oder mangelnder Anpassungsfähigkeit verwechselt. Doch genau das ist nicht gemeint.

Eigenwilligkeit bedeutet, klar zu sein. Sie bedeutet, eine eigene Perspektive zu haben, statt nur den Markt zu spiegeln. Sie bedeutet, Entscheidungen aus Haltung zu treffen, nicht nur aus Benchmarking. Sie bedeutet, eine Sprache zu entwickeln, die aus Erfahrung kommt, nicht aus Vorlagen. Sie bedeutet, Widerspruch auszuhalten, wenn alle nach Konsens suchen. Sie bedeutet, nicht jede Ecke abzuschleifen, nur weil Glättung einfacher ist.

Vielleicht war Anpassung das Erfolgsmodell der industriellen Organisation. Prozesse mussten standardisiert, Rollen definiert, Abläufe stabilisiert, Qualität gesichert werden. Vielleicht war Kompetenz das Erfolgsmodell der Wissensgesellschaft. Wer mehr wusste, schneller analysierte und besser formulierte, hatte Vorteile. Doch wenn AI Standardkompetenz demokratisiert, könnte Eigenwilligkeit zum Erfolgsmodell des AI-Zeitalters werden.

Nicht als romantische Selbstverwirklichung. Sondern als harte Differenzierungslogik.

Denn Märkte werden sich künftig nicht nur fragen, wer effizienter ist. Sie werden sich fragen, wer noch Bedeutung erzeugt. Wer Vertrauen schafft. Wer eine echte Perspektive hat. Wer nicht nur optimiert, sondern Orientierung gibt. Wer nicht nur AI nutzt, sondern erkennbar menschliche und kulturelle Substanz einbringt.

Das gilt für Menschen genauso wie für Organisationen. In einer Welt, in der jeder professionelle Texte schreiben kann, wird die eigene Stimme wertvoller. In einer Welt, in der jeder Analysen erzeugen kann, wird Urteilskraft wichtiger. In einer Welt, in der jeder Ideen generieren kann, wird echte Erfahrung bedeutsamer. In einer Welt, in der jeder plausibel klingen kann, wird Glaubwürdigkeit zur knappsten Ressource.

Eine starke Marke braucht nicht nur Klarheit, sie braucht Spannung. Eine starke Strategie braucht nicht nur Logik, sie braucht Entscheidung. Eine starke Führungskraft braucht nicht nur Kommunikation, sie braucht Haltung. Eine starke Organisation braucht nicht nur Prozesse, sie braucht Charakter.

Das ist die Renaissance der Eigenwilligkeit: der Mut, nicht einfach der wahrscheinlichsten Lösung zu folgen, nicht alles zu glätten, eigene Begriffe, eigene Überzeugungen und eigene Wege zu entwickeln. Der Mut, anders zu bleiben, wenn alles auf Vergleichbarkeit drängt.

Natürlich ist Eigenwilligkeit allein noch kein Wert. Auch Unsinn kann eigenwillig sein. Auch schlechte Ideen können originell wirken. Deshalb braucht Eigenwilligkeit Urteilskraft. Sie muss mit Verantwortung, Erfahrung, Kontext und Reife verbunden sein. Aber genau diese Verbindung wird im AI-Zeitalter zentral: nicht beliebige Originalität, sondern verantwortete Eigenständigkeit. Die Zukunft gehört nicht den Exzentrikern. Sie gehört den Unverwechselbaren.

AI als Einladung zur Originalität

Vielleicht ist AI nicht das Ende menschlicher Originalität, sondern ihr härtester Test. Denn AI hält Menschen und Organisationen einen Spiegel vor. Sie zeigt, wie viel von dem, was bisher als Kompetenz, Strategie oder Kreativität galt, in Wahrheit reproduzierbare Muster waren. Sie zeigt, wie ähnlich viele Texte, Präsentationen, Strategien und Marken schon vorher waren. Sie zeigt, wie stark viele Unternehmen in Best Practices, Managementmoden und professionellen Routinen gefangen sind. AI macht das nicht erst wahr, sie macht es sichtbar.

Das ist unbequem. Aber es ist auch befreiend.

Denn wenn AI die Oberfläche perfektioniert, wird die Frage nach Substanz unausweichlich. Sind wir wirklich originell oder nur professionell? Haben wir eine eigene Perspektive oder nur eine optimierte Kommunikation? Haben wir eine Strategie oder nur ein gut formuliertes Dokument? Haben wir eine Kultur oder nur Prozesse? Haben wir Haltung oder nur Positionierung? Haben wir eine Stimme oder nur Content?

Diese Fragen werden in den kommenden Jahren wichtiger. Nicht, weil AI unwichtig wäre. Sondern weil AI so wichtig wird. Je mächtiger die Technologie, desto entscheidender wird die menschliche und organisationale Fähigkeit, sie zu führen. Nicht nur technisch. Sondern kulturell, strategisch und bewusst.

AI macht Menschlichkeit nicht irrelevant. AI macht Menschlichkeit sichtbarer. Sie entwertet nicht den Menschen, aber sie entwertet viele Fähigkeiten, über die Menschen und Unternehmen bisher ihren Wert definiert haben. Genau dadurch verschiebt sich die Frage. Nicht mehr: Wer weiss am meisten? Nicht mehr: Wer formuliert am besten? Nicht mehr: Wer optimiert am schnellsten? Sondern: Wer urteilt reifer? Wer schafft Vertrauen? Wer gibt Orientierung? Wer denkt eigenständig? Wer bleibt unverwechselbar?

Vielleicht zwingt AI uns, eine falsche Vorstellung von Professionalität hinter uns zu lassen. Eine Vorstellung, in der Menschen und Organisationen möglichst glatt, effizient, fehlerfrei, austauschbar anschlussfähig und permanent optimiert sein sollten. Vielleicht zeigt AI uns, dass genau diese Form von Professionalität immer weniger genügt. Denn Maschinen werden sehr gut darin sein, professionell zu wirken. Menschen und Organisationen müssen wieder lernen, substanziell zu sein.

Das Industriezeitalter belohnte Effizienz. Die Wissensgesellschaft belohnte Kompetenz. Das AI-Zeitalter wird Identität belohnen.

Die wichtigste Führungsfrage lautet deshalb: Was macht uns unverwechselbar, wenn jeder AI einsetzt? Wer darauf keine Antwort hat, wird vielleicht produktiver, effizienter und professioneller, aber nicht relevanter.

Im Zeitalter künstlicher Intelligenz wird nicht Perfektion knapp, sondern das, was nicht kopierbar ist: Haltung, Tiefe, Mut, Vertrauen, Verantwortung, Originalität und der Wille, anders zu bleiben, wenn alle anderen sich optimieren.

Quellenverzeichnis am Schluss des Beitrages

Essay-Serie «Der Mensch im AI Zeitalter»

• Macht uns AI dumm?
• Wer bist du noch, wenn Maschinen besser denken?
• Warum Weisheit und Menschlichkeit wichtiger werden als Intelligenz
• Die Renaissance der Originalität im AI-Zeitalter

---

AI strategisch erfolgreich einsetzen: Der AI Transformation Circle

Viele Unternehmen experimentieren mit AI. Nur wenige integrieren sie systematisch in ihre Wertschöpfung.

Der AI Transformation Circle bietet den strukturierten Rahmen dafür. Sie arbeiten gemeinsam mit anderen Unternehmen an:

• einem klaren AI-Zukunftsbild
• priorisierten Anwendungsfeldern
• Prozess- und Datenanalyse
• Governance-Design
• konkreten Umsetzungsschritten

Klare strategische Organisationsentwicklung. Und konkrete Umsetzung mit sofort nutzbaren Resultaten.

Der Circle hilft Ihnen, AI aus der Pilotphase zu führen und dauerhaft produktiv zu machen.

AI in Real Estate: bleiben Sie am Puls

Unsere Webinarreihe beleuchtet regelmässig aktuelle Fragestellungen an der Schnittstelle von AI und Immobilienwirtschaft.

Infos und Anmeldung

Von Erkenntnis zu Umsetzung

In unseren Seminaren und Workshops vertiefen wir die Themen praxisnah und mit konkreter Transferunterstützung für Ihr Unternehmen.

Alle Angebote rund um AI @ Real Estate finden Sie hier.

Literaturverzeichnis

Acemoglu, D., & Johnson, S. (2023). Power and progress: Our thousand-year struggle over technology and prosperity. PublicAffairs.

Ariely, D. (2008). Predictably irrational: The hidden forces that shape our decisions. HarperCollins.

Arthur, W. B. (2009). The nature of technology: What it is and how it evolves. Free Press.

Autor, D. H. (2015). Why are there still so many jobs? The history and future of workplace automation. Journal of Economic Perspectives, 29(3), 3–30.

Barney, J. B. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99–120.

Brynjolfsson, E., & McAfee, A. (2014). The second machine age: Work, progress, and prosperity in a time of brilliant technologies. W. W. Norton.

Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work (NBER Working Paper No. 31161). National Bureau of Economic Research.

Catmull, E., & Wallace, A. (2014). Creativity, Inc.: Overcoming the unseen forces that stand in the way of true inspiration. Random House.

Christensen, C. M. (1997). The innovator’s dilemma. Harvard Business School Press.

Deming, D. J. (2017). The growing importance of social skills in the labor market. Quarterly Journal of Economics, 132(4), 1593–1640.

DiMaggio, P. J., & Powell, W. W. (1983). The iron cage revisited: Institutional isomorphism and collective rationality in organizational fields. American Sociological Review, 48(2), 147–160.

Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290.

Drucker, P. F. (1967). The effective executive. Harper & Row.

Grant, A. (2021). Think again: The power of knowing what you don’t know. Viking.

Han, B.-C. (2015). The burnout society (E. Butler, Trans.). Stanford University Press. (Original work published 2010)

Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.

Kahneman, D., Sibony, O., & Sunstein, C. R. (2021). Noise: A flaw in human judgment. Little, Brown Spark.

Kim, W. C., & Mauborgne, R. (2005). Blue ocean strategy. Harvard Business School Press.

March, J. G. (1991). Exploration and exploitation in organizational learning. Organization Science, 2(1), 71–87.

McGrath, R. G. (2013). The end of competitive advantage: How to keep your strategy moving as fast as your business. Harvard Business Review Press.

Nonaka, I., & Takeuchi, H. (1995). The knowledge-creating company. Oxford University Press.

Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192.

Page, S. E. (2017). The diversity bonus: How great teams pay off in the knowledge economy. Princeton University Press.

Parasuraman, R., & Riley, V. (1997). Humans and automation: Use, misuse, disuse, abuse. Human Factors, 39(2), 230–253.

Porter, M. E. (1996). What is strategy? Harvard Business Review, 74(6), 61–78.

Rifkin, J. (2014). The zero marginal cost society. Palgrave Macmillan.

Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688.

Rosa, H. (2019). Resonance: A sociology of our relationship to the world. Polity Press.

Rumelt, R. P. (2011). Good strategy, bad strategy: The difference and why it matters. Crown Business.

Simon, H. A. (1971). Designing organizations for an information-rich world. In M. Greenberger (Ed.), Computers, communications, and the public interest (pp. 37–72). Johns Hopkins University Press.

Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory: Cognitive consequences of having information at our fingertips. Science, 333(6043), 776–778.

Tegmark, M. (2017). Life 3.0: Being human in the age of artificial intelligence. Knopf.

World Economic Forum. (2025). The future of jobs report 2025. World Economic Forum.