{"id":9860,"date":"2026-08-17T07:30:00","date_gmt":"2026-08-17T05:30:00","guid":{"rendered":"https:\/\/hub.hslu.ch\/immobilienblog\/?p=9860"},"modified":"2026-08-04T19:03:45","modified_gmt":"2026-08-04T17:03:45","slug":"warum-weisheit-und-menschlichkeit-wichtiger-werden-als-intelligenz","status":"publish","type":"post","link":"https:\/\/hub.hslu.ch\/immobilienblog\/2026\/08\/17\/warum-weisheit-und-menschlichkeit-wichtiger-werden-als-intelligenz\/","title":{"rendered":"Warum Weisheit und Menschlichkeit wichtiger werden als Intelligenz"},"content":{"rendered":"\n

Wie AI die Regeln erfolgreicher F\u00fchrung neu schreibt<\/strong><\/p>\n\n\n\n

AI nimmt uns nicht das Denken ab, aber sie nimmt dem Denken seinen Marktwert. Damit ver\u00e4ndert sie F\u00fchrung radikaler als jede Managementtheorie der vergangenen Jahrzehnte. Wenn kognitive F\u00e4higkeiten zur Massenware werde, entscheidet nicht mehr, wer die besten Antworten kennt, sondern wer Orientierung gibt, Verantwortung \u00fcbernimmt und auch unter Unsicherheit das Richtige tut.<\/em><\/p>\n\n\n\n

Beitrag 3 der Serie \u00abDer Mensch im AI-Zeitalter\u00bb von Prof. Dr. Markus Schmidiger<\/a><\/em><\/p>\n\n\n\n

Stellen Sie sich zwei CEOs vor, die am Montagmorgen dieselbe Verwaltungsratssitzung vorbereiten. Beide verf\u00fcgen \u00fcber identische Unternehmenszahlen, dieselben Marktinformationen und Zugang zu denselben leistungsf\u00e4higen AI-Systemen. Beide lassen Strategien entwickeln, Risiken analysieren und verschiedene Zukunftsszenarien simulieren. Die Pr\u00e4sentationen unterscheiden sich kaum voneinander. Die Analysen sind fundiert, die Argumente \u00fcberzeugend und die Empfehlungen wirken schl\u00fcssig.<\/p>\n\n\n\n

Und trotzdem treffen beide am Ende eine v\u00f6llig unterschiedliche Entscheidung.<\/p>\n\n\n\n

Der erste CEO folgt der Empfehlung der AI nahezu vollst\u00e4ndig. Die Daten sprechen scheinbar eine eindeutige Sprache: Ein Gesch\u00e4ftsbereich erf\u00fcllt die Renditeziele seit Jahren nicht mehr und soll geschlossen werden. Der zweite CEO entscheidet sich bewusst dagegen. Nicht weil er die Analyse f\u00fcr falsch h\u00e4lt, sondern weil er etwas erkennt, das in keinem Datensatz sichtbar wird: dieser Bereich vereint die erfahrensten Mitarbeitenden, geniesst das gr\u00f6sste Vertrauen der Kunden und entwickelt jene Innovationen, aus denen in wenigen Jahren neue Gesch\u00e4ftsmodelle entstehen k\u00f6nnten. Er sieht kulturelle Folgen, Vertrauensverluste und strategische Konsequenzen, die sich nicht berechnen lassen.<\/p>\n\n\n\n

Beide F\u00fchrungskr\u00e4fte verf\u00fcgen \u00fcber dieselbe Technologie, arbeiten mit denselben Informationen und erhalten nahezu identische Analysen. Den Unterschied macht nicht die Qualit\u00e4t der Daten. Den Unterschied macht die Qualit\u00e4t des Urteils.<\/p>\n\n\n\n

Vielleicht beschreibt dieses Beispiel die eigentliche Revolution des AI-Zeitalters besser als jede Diskussion \u00fcber neue Sprachmodelle oder steigende Rechenleistung.<\/p>\n\n\n\n

Seit Monaten besch\u00e4ftigen wir uns mit der Frage, wann k\u00fcnstliche Intelligenz den Menschen \u00fcbertreffen wird. Wir vergleichen Benchmarks, verfolgen jede neue Version von ChatGPT, Gemini oder Claude und diskutieren, welche Berufe verschwinden k\u00f6nnten. Doch m\u00f6glicherweise richten wir unseren Blick auf die falsche Entwicklung. Die entscheidende Ver\u00e4nderung besteht nicht darin, dass Maschinen intelligenter werden sondern darin, dass Intelligenz ihren wirtschaftlichen Seltenheitswert verliert.<\/p>\n\n\n\n

\u00dcber Jahrzehnte waren die Regeln eindeutig. Wer schneller analysierte, komplexe Zusammenh\u00e4nge verst\u00e4ndlich erkl\u00e4rte, \u00fcberzeugende Pr\u00e4sentationen entwickelte und auf nahezu jede Managementfrage eine intelligente Antwort fand, galt als F\u00fchrungspers\u00f6nlichkeit. Unternehmen suchten die kl\u00fcgsten K\u00f6pfe, Hochschulen belohnten analytische Exzellenz, Assessment-Center pr\u00fcften genau jene F\u00e4higkeiten, die in der Wissensgesellschaft \u00fcber Karriere entschieden. Intelligenz war weit mehr als eine pers\u00f6nliche Eigenschaft, sie war ein strategischer Wettbewerbsvorteil.<\/p>\n\n\n\n

Das war konsequent. Solange Wissen knapp war, war Wissensvorsprung wertvoll. Wer Informationen schneller beschaffen, besser einordnen oder \u00fcberzeugender vermitteln konnte, schuf unmittelbaren Mehrwert. F\u00fchrung entstand h\u00e4ufig aus intellektueller \u00dcberlegenheit, analytische Brillanz wurde nicht selten mit F\u00fchrungsst\u00e4rke gleichgesetzt.<\/p>\n\n\n\n

Doch jede technologische Revolution ver\u00e4ndert fr\u00fcher oder sp\u00e4ter die Kriterien, nach denen Wert entsteht. Die Industrialisierung machte Muskelkraft zur Massenware. Somit  entschied nicht mehr, wer k\u00f6rperlich am st\u00e4rksten war, sondern wer Maschinen organisieren konnte. Das Internet machte Information nahezu unbegrenzt verf\u00fcgbar. Damit wurde nicht mehr der Zugang zu Wissen zum Wettbewerbsvorteil, sondern die F\u00e4higkeit, Informationen sinnvoll einzuordnen. Nun erleben wir die n\u00e4chste Verschiebung: Generative AI macht erstmals einen erheblichen Teil menschlicher Denkleistung skalierbar.<\/p>\n\n\n\n

Die eigentliche Disruption liegt nicht darin, dass AI intelligenter w\u00e4re als der Mensch, sondern darin, dass sie f\u00fcr unz\u00e4hlige Aufgaben gut genug geworden ist. <\/strong>Sie schreibt Berichte, entwickelt Strategien, analysiert M\u00e4rkte, strukturiert komplexe Sachverhalte und formuliert \u00fcberzeugende Argumentationen in einer Qualit\u00e4t, die f\u00fcr einen grossen Teil des Managementalltags vollkommen ausreicht. Unternehmen bezahlen selten f\u00fcr Perfektion. Sie bezahlen f\u00fcr Geschwindigkeit, Skalierbarkeit und ausreichend hohe Qualit\u00e4t. Deshalb ver\u00e4ndert AI nicht nur einzelne T\u00e4tigkeiten, sondern die \u00f6konomischen Spielregeln ganzer Branchen.<\/p>\n\n\n\n

Die empirische Forschung best\u00e4tigt diese Entwicklung inzwischen eindr\u00fccklich. Erik Brynjolfsson, Danielle Li und Lindsey Raymond (2023) zeigen, dass generative AI insbesondere weniger erfahrene Mitarbeitende deutlich produktiver macht und den Abstand zu Expertinnen und Experten erheblich verkleinert. AI ersetzt Spitzenkr\u00e4fte nicht, sie demokratisiert jedoch einen Teil ihres Wissens und ihrer Arbeitsweise. Parallel weisen der OECD Skills Outlook 2023 und der Future of Jobs Report 2025 des World Economic Forum darauf hin, dass dadurch klassische Wissensvorteile an Bedeutung verlieren, w\u00e4hrend Urteilskraft, kritisches Denken, Kreativit\u00e4t und soziale Kompetenz zu den entscheidenden Zukunftsf\u00e4higkeiten werden.<\/p>\n\n\n\n

Das ist eine hervorragende Nachricht f\u00fcr Produktivit\u00e4t, Innovation und wirtschaftliches Wachstum. F\u00fcr F\u00fchrung ist sie jedoch weitaus unbequemer. Denn wenn professionelle Analysen, \u00fcberzeugende Texte und intelligente Antworten zur Massenware werden, verlieren genau jene F\u00e4higkeiten ihren Seltenheitswert, \u00fcber die sich viele F\u00fchrungskr\u00e4fte bisher definiert haben.<\/p>\n\n\n\n

AI ersetzt unsere bisherigen Kriterien daf\u00fcr, was wir als Kompetenz wahrnehmen.<\/strong> Vielleicht haben wir uns jahrelang auf die falsche Frage konzentriert. Nicht ob AI den Menschen ersetzt, wird \u00fcber die Zukunft entscheiden. Die entscheidende Frage lautet vielmehr: Welche menschlichen F\u00e4higkeiten werden dadurch pl\u00f6tzlich knapp?<\/p>\n\n\n\n

Denn genau das war der eigentliche Wendepunkt jeder grossen technologischen Revolution. Sie ver\u00e4nderte nicht zuerst die Maschinen. Sie ver\u00e4nderte den Wert des Menschen.<\/p>\n\n\n\n

Intelligenz wird zur Massenware<\/h2>\n\n\n\n

Die Geschichte wirtschaftlichen Erfolgs ist immer auch eine Geschichte knapper Ressourcen. Wettbewerb entsteht dort, wo etwas wertvoll ist, weil es nicht allen zur Verf\u00fcgung steht. \u00dcber Jahrhunderte war dies Land, sp\u00e4ter Kapital und Maschinen. In der Wissensgesellschaft r\u00fcckte eine andere Ressource ins Zentrum: Information. Wer mehr wusste, schneller analysierte oder komplexe Zusammenh\u00e4nge besser verstand als andere, konnte bessere Entscheidungen treffen und nachhaltige Wettbewerbsvorteile aufbauen. Genau deshalb investierten Unternehmen Milliarden in Ausbildung, Expertenwissen und Beratung. Intelligenz war keine akademische Tugend. Sie war ein \u00f6konomischer Produktionsfaktor.<\/p>\n\n\n\n

Mit generativer AI beginnt sich diese Logik grundlegend zu ver\u00e4ndern.<\/p>\n\n\n\n

Zum ersten Mal in der Geschichte l\u00e4sst sich ein erheblicher Teil menschlicher Denkleistung nahezu beliebig vervielf\u00e4ltigen.<\/strong> Was fr\u00fcher erfahrenen Beratern, Juristinnen, Controllern oder Strategen vorbehalten war, steht heute innerhalb weniger Sekunden nahezu jedem Wissensarbeiter zur Verf\u00fcgung. Ein CEO entwickelt mit AI alternative Zukunftsszenarien f\u00fcr den Verwaltungsrat. Eine Produktmanagerin l\u00e4sst sich dutzende Innovationsideen generieren. Ein Berufseinsteiger erstellt eine fundiert wirkende Marktanalyse oder formuliert einen \u00fcberzeugenden Business Case. Die Ergebnisse sind meist nicht perfekt. Doch sie sind erstaunlich h\u00e4ufig professionell genug, um unmittelbar weiterverwendet zu werden.<\/p>\n\n\n\n

Dieses \u201egut genug\u201c ver\u00e4ndert die Wirtschaft st\u00e4rker als jede spektakul\u00e4re Demonstration k\u00fcnstlicher Intelligenz. Unternehmen kaufen nicht Perfektion. Sie kaufen Produktivit\u00e4t. Wenn AI achtzig oder neunzig Prozent der gew\u00fcnschten Qualit\u00e4t in einem Bruchteil der bisherigen Zeit liefert, verschiebt sich die \u00f6konomische Logik. Spitzenleistungen bleiben wertvoll. Doch durchschnittliche Leistungen werden massiv abgewertet. Was gestern noch ein Wettbewerbsvorteil war, wird morgen zur Grundvoraussetzung.<\/p>\n\n\n\n

Diese Entwicklung l\u00e4sst sich inzwischen empirisch nachweisen. Erik Brynjolfsson, Danielle Li und Lindsey Raymond (2023) zeigen, dass insbesondere weniger erfahrene Mitarbeitende \u00fcberproportional von generativer AI profitieren. Ihre Produktivit\u00e4t steigt deutlich st\u00e4rker als jene erfahrener Kolleginnen und Kollegen. AI demokratisiert damit implizites Expertenwissen. Sie macht Erfahrungen, Muster und Vorgehensweisen zug\u00e4nglich, die fr\u00fcher \u00fcber Jahre hinweg aufgebaut werden mussten. Auch der OECD Skills Outlook 2023 beschreibt diese Entwicklung als tiefgreifende Verschiebung der Kompetenzanforderungen: Routinem\u00e4ssige Wissensarbeit verliert an Bedeutung, w\u00e4hrend F\u00e4higkeiten wie kritisches Denken, Probleml\u00f6sung und Urteilsverm\u00f6gen an Wert gewinnen.<\/p>\n\n\n\n

Hier liegt der eigentliche Wendepunkt: Intelligenz verschwindet nicht, aber sie verliert ihren Seltenheitswert.<\/strong><\/p>\n\n\n\n

\u00d6konomen wissen seit Langem: Sobald eine bisher knappe Ressource in grosser Menge verf\u00fcgbar wird, sinkt ihr Marktwert.<\/strong> Jede technologische Revolution folgt diesem Muster. Die Dampfmaschine entwertete Muskelkraft, Computer entwerteten einen Teil der Informationsverarbeitung, das Internet entwertete den Zugang zu Wissen. Generative AI entwertet nun einen Teil jener kognitiven Leistungen, die bisher als exklusiv menschliche Dom\u00e4ne galten. Der Wettbewerb verschiebt sich deshalb zwangsl\u00e4ufig auf die n\u00e4chsth\u00f6here Ebene.<\/p>\n\n\n\n

Die entscheidende Frage lautet deshalb nicht mehr: Wer liefert die intelligenteste Analyse? Sie lautet: Wer trifft trotz identischer Analysen die bessere Entscheidung? Und:   Woran erkennen wir k\u00fcnftig \u00fcberhaupt noch Kompetenz?<\/p>\n\n\n\n

Diese Entwicklung stellt Unternehmen vor eine Frage, die weit \u00fcber Technologie hinausgeht. Sie betrifft Personalentwicklung, Karrierewege, F\u00fchrung und letztlich das gesamte Verst\u00e4ndnis von Leistung.<\/p>\n\n\n\n

Woran erkennen wir k\u00fcnftig eigentlich noch Kompetenz?<\/h2>\n\n\n\n

\u00dcber Jahrzehnte war die Antwort vergleichsweise einfach. Wer brillante Pr\u00e4sentationen entwickelte, komplexe Strategien formulierte oder \u00fcberzeugende Berichte schrieb, galt als besonders leistungsf\u00e4hig. Zwischen Ergebnis und Kompetenz bestand eine enge Verbindung. Hochwertiger Output war ein verl\u00e4sslicher Hinweis auf hochwertiges Denken. F\u00fchrungskr\u00e4fte konnten Talente anhand ihrer Resultate erkennen, f\u00f6rdern und bef\u00f6rdern.<\/p>\n\n\n\n

Diese Verbindung beginnt sich gerade aufzul\u00f6sen.<\/p>\n\n\n\n

Vielleicht haben Sie diese Erfahrung selbst bereits gemacht. Eine junge Mitarbeiterin erstellt mit AI innerhalb weniger Stunden eine Pr\u00e4sentation, f\u00fcr die fr\u00fcher eine renommierte Unternehmensberatung mehrere Tage ben\u00f6tigt h\u00e4tte. Ein neuer Kollege formuliert ein Strategiepapier, das sprachlich kaum von jenem eines erfahrenen Managers zu unterscheiden ist. Ein Projektteam entwickelt mithilfe generativer AI eine Marktanalyse, die professionell aussieht, logisch aufgebaut ist und \u00fcberzeugend argumentiert.<\/p>\n\n\n\n

Zun\u00e4chst ist das beeindruckend. Dann entsteht eine neue Unsicherheit: Hat diese Person das Thema wirklich durchdrungen? K\u00f6nnte sie dieselben \u00dcberlegungen auch ohne AI entwickeln? Erkennt sie die Grenzen der vorgeschlagenen L\u00f6sung? Oder reproduziert sie lediglich eine plausibel formulierte Antwort?<\/p>\n\n\n\n

Damir beginnt eine der gr\u00f6ssten F\u00fchrungsherausforderungen des AI-Zeitalters. AI trennt erstmals in grossem Massstab Ergebnis und Kompetenz voneinander.<\/strong><\/p>\n\n\n\n

Ein hervorragendes Resultat beweist nicht mehr automatisch hervorragendes Denken. Damit ver\u00e4ndern sich nicht nur Leistungsbeurteilungen und Bef\u00f6rderungsentscheidungen. Es ver\u00e4ndert sich die Art, wie Organisationen \u00fcberhaupt Potenzial erkennen. Der sichtbare Output verliert an Aussagekraft. Entscheidend wird zunehmend der Denkprozess, der hinter einer Entscheidung steht.<\/p>\n\n\n\n

Das ver\u00e4ndert auch die Fragen, die gute F\u00fchrungskr\u00e4fte k\u00fcnftig stellen m\u00fcssen. Nicht mehr nur: \u201eWas empfehlen Sie?» Sondern: \u201eWie sind Sie zu dieser Schlussfolgerung gekommen?» Welche Annahmen liegen Ihrer Analyse zugrunde? Welche Alternativen haben Sie gepr\u00fcft? Wo sehen Sie Unsicherheiten? Welche Argumente sprechen gegen Ihre eigene Empfehlung? Erst in diesen Antworten wird sichtbar, ob hinter einem professionellen Dokument tats\u00e4chlich Urteilskraft steckt oder lediglich ein leistungsf\u00e4higes Sprachmodell.<\/p>\n\n\n\n

Der Nobelpreistr\u00e4ger Herbert Simon formulierte bereits 1971 einen Gedanken, der heute aktueller ist denn je: \u201eA wealth of information creates a poverty of attention.»<\/em> Eine Welt voller Informationen erzeugt einen Mangel an Aufmerksamkeit. AI versch\u00e4rft dieses Ph\u00e4nomen erheblich. F\u00fchrungskr\u00e4fte leiden heute nicht unter Informationsmangel. Sie leiden unter einem \u00dcberangebot plausibler Antworten.<\/strong><\/p>\n\n\n\n

Die eigentliche Herausforderung besteht deshalb nicht mehr darin, Wissen zu beschaffen. Sie besteht darin, aus unz\u00e4hligen guten Antworten jene wenigen zu erkennen, die f\u00fcr die konkrete Situation wirklich tragf\u00e4hig sind.<\/p>\n\n\n\n

Damit beginnt einer neuen \u00c4ra der F\u00fchrung. \u00dcber Jahrzehnte war Wissen Macht. Im AI-Zeitalter wird Wissen zur Infrastruktur. Der eigentliche Wettbewerbsvorteil entsteht dort, wo Menschen Informationen einordnen, Zielkonflikte abw\u00e4gen, Konsequenzen antizipieren und Verantwortung \u00fcbernehmen. Nicht die Qualit\u00e4t der Antwort entscheidet k\u00fcnftig \u00fcber Exzellenz, sondern die Qualit\u00e4t des Urteils, das aus ihr entsteht.<\/p>\n\n\n\n

Intelligenz beantwortet das Wie. Weisheit entscheidet \u00fcber das Wozu.<\/h2>\n\n\n\n

Vielleicht haben wir Weisheit jahrzehntelang untersch\u00e4tzt.<\/p>\n\n\n\n

Nicht weil sie unwichtig gewesen w\u00e4re, sondern weil Intelligenz in der Wissensgesellschaft meist ausreichte. Wer schneller analysierte, mehr Informationen besass oder komplexere Zusammenh\u00e4nge verstand als andere, traf h\u00e4ufig auch die besseren Entscheidungen. Intelligenz und erfolgreiche F\u00fchrung schienen eng miteinander verbunden. Wer die kl\u00fcgsten Antworten hatte, galt fast automatisch als die kompetenteste F\u00fchrungskraft.<\/p>\n\n\n\n

Doch diese Gleichung beginnt sich aufzul\u00f6sen. Wenn intelligente Analysen, fundierte Argumentationen und professionell formulierte Empfehlungen jederzeit verf\u00fcgbar sind, verschiebt sich der eigentliche Engpass. Die Herausforderung besteht nicht l\u00e4nger darin, Antworten zu finden. Die Herausforderung besteht darin, zu entscheiden, welche Antwort in einer konkreten Situation die richtige ist. Genau hier beginnt der Unterschied zwischen Intelligenz und Weisheit.<\/p>\n\n\n\n

Intelligenz beantwortet die Frage: Wie erreichen wir ein Ziel m\u00f6glichst effizient? Weisheit stellt zun\u00e4chst eine andere Frage: Ist dieses Ziel \u00fcberhaupt das richtige? Dieser Unterschied trennt er operative Exzellenz von verantwortungsvoller F\u00fchrung.<\/p>\n\n\n\n

Ein Unternehmen kann AI nutzen, um den profitabelsten Kundenmix zu berechnen, unrentable Standorte zu identifizieren oder den optimalen Personalbestand zu bestimmen. Die Algorithmen liefern beeindruckend pr\u00e4zise Analysen. Sie zeigen auf, welche Entscheidung unter den gegebenen Annahmen den gr\u00f6ssten wirtschaftlichen Nutzen verspricht. Doch dann endet ihre Zust\u00e4ndigkeit.<\/p>\n\n\n\n

Denn wirtschaftliche Rationalit\u00e4t beantwortet noch nicht die schwierigsten Fragen unternehmerischen Handelns:<\/strong> Welche Entscheidung st\u00e4rkt langfristig das Vertrauen der Mitarbeitenden? Welche Folgen hat sie f\u00fcr die Innovationsf\u00e4higkeit der Organisation? Welche Signale sendet sie an Kunden, Investoren und Partner? Welche Werte wollen wir auch dann vertreten, wenn sie kurzfristig Geld kosten? Und welche Verantwortung tragen wir gegen\u00fcber einer Gesellschaft, in der Unternehmen l\u00e4ngst mehr sind als reine Gewinnmaschinen?<\/p>\n\n\n\n

Auf all diese Fragen liefert keine AI eine objektiv richtige Antwort. Nicht weil sie technisch unzureichend w\u00e4re, sondern weil diese Fragen keine rein analytischen Probleme sind.<\/p>\n\n\n\n

Sie verlangen Urteilskraft, Erfahrung, Verantwortungsbewusstsein und die F\u00e4higkeit, mit Unsicherheit zu leben.<\/p>\n\n\n\n

Die Weisheitsforschung beschreibt diesen Unterschied seit vielen Jahren erstaunlich konsistent. Paul Baltes und Ursula Staudinger verstehen Weisheit als die F\u00e4higkeit, Wissen, Erfahrung, Werte und Unsicherheit in verantwortungsvolles Handeln zu integrieren. Robert Sternberg erg\u00e4nzt diesen Gedanken um einen entscheidenden Aspekt: Weise Entscheidungen ber\u00fccksichtigen nicht nur kurzfristige Interessen oder analytische Optimierung, sondern suchen einen Ausgleich zwischen unterschiedlichen Perspektiven und langfristigen Konsequenzen. Weisheit bedeutet deshalb nicht, mehr zu wissen als andere. Weisheit bedeutet, das Richtige zu tun, obwohl es selten eine eindeutig richtige L\u00f6sung gibt.<\/p>\n\n\n\n

Das ist die eigentliche Herausforderung moderner F\u00fchrung: Die schwierigsten Managemententscheidungen sind fast nie Wissensprobleme. Sie sind meist Zielkonflikte zwischen Effizienz und Innovation, zwischen kurzfristigem Gewinn und langfristigem Vertrauen, zwischen wirtschaftlichem Erfolg und gesellschaftlicher Verantwortung, zwischen Geschwindigkeit und Sorgfalt.<\/p>\n\n\n\n

AI kann diese Zielkonflikte sichtbar machen, aber entscheiden m\u00fcssen wir sie selbst.<\/p>\n\n\n\n

Vielleicht wird deshalb Weisheit zur entscheidenden Ressource des AI-Zeitalters. Nicht weil Maschinen intelligenter werden. Sondern weil intelligente Antworten ihren Seltenheitswert verlieren. Je leichter gute Analysen verf\u00fcgbar sind, desto wertvoller wird die F\u00e4higkeit, sie verantwortungsvoll einzuordnen.<\/strong> Die knappste Ressource der Zukunft ist deshalb nicht Wissen, sondern Urteilskraft unter Unsicherheit.<\/p>\n\n\n\n

F\u00fchrung bedeutet k\u00fcnftig viel weniger, die intelligentesten Antworten zu liefern. F\u00fchrung bedeutet immer mehr, auch dort Orientierung zu geben, wo selbst die intelligenteste Maschine keine eindeutige Antwort liefern kann.<\/p>\n\n\n\n

Warum \u00abHuman in the Loop\u00bb nicht gen\u00fcgt<\/h2>\n\n\n\n

Viele Unternehmen reagieren auf diese Entwicklung mit einem einfachen Grundsatz: AI soll unterst\u00fctzen, entscheiden soll weiterhin der Mensch. Der Begriff Human in the Loop ist inzwischen zu einem Standard moderner AI-Governance geworden. Die Idee dahinter klingt \u00fcberzeugend. AI analysiert Daten, entwickelt Empfehlungen und simuliert verschiedene Szenarien. Am Ende best\u00e4tigt eine F\u00fchrungskraft die vorgeschlagene L\u00f6sung. Der Mensch bleibt verantwortlich.<\/p>\n\n\n\n

Doch hier beginnt eine neue Gefahr: Ein Mensch, der lediglich die Empfehlungen einer Maschine best\u00e4tigt, denkt noch nicht notwendigerweise selbst. Er \u00fcbernimmt zwar formell Verantwortung, hat den eigentlichen Denkprozess aber m\u00f6glicherweise l\u00e4ngst an die AI delegiert. Aus eigenst\u00e4ndiger Analyse wird Plausibilit\u00e4tspr\u00fcfung. Aus aktivem Denken wird Freigabe. Und aus F\u00fchrung wird schrittweise Qualit\u00e4tskontrolle.<\/p>\n\n\n\n

Dieser Prozess verl\u00e4uft schleichend und oft unbemerkt. Je leistungsf\u00e4higer AI wird, desto gr\u00f6sser wird die Versuchung, ihren Vorschl\u00e4gen zu folgen. Moderne Sprachmodelle liefern keine n\u00fcchternen Berechnungen. Sie formulieren schl\u00fcssige Argumentationen, strukturieren komplexe Sachverhalte verst\u00e4ndlich und treten mit einer sprachlichen Souver\u00e4nit\u00e4t auf, die Kompetenz ausstrahlt. Genau darin liegt ihre St\u00e4rke und zugleich ihre gr\u00f6sste Gefahr. Denn wir Menschen neigen dazu, sprachliche \u00dcberzeugungskraft mit inhaltlicher Richtigkeit zu verwechseln.<\/p>\n\n\n\n

Die Forschung kennt dieses Ph\u00e4nomen seit Jahrzehnten. Bereits Parasuraman und Riley beschrieben mit dem Begriff Automation Bias unsere Tendenz, automatisierten Empfehlungen \u00fcberm\u00e4ssig zu vertrauen.<\/strong> Neuere Untersuchungen zeigen zus\u00e4tzlich, dass Menschen durch generative AI zunehmend kognitive Arbeit an externe Systeme auslagern. Risko und Gilbert sprechen von Cognitive Offloading, einer Entwicklung, die kurzfristig Produktivit\u00e4t erh\u00f6ht, langfristig jedoch die Gefahr birgt, dass analytische F\u00e4higkeiten, kritisches Denken und eigenst\u00e4ndige Urteilsbildung seltener trainiert werden. Aktuelle Arbeiten von Gerlich und Tsai gehen noch einen Schritt weiter. Sie warnen davor, dass AI langfristig nicht nur einzelne Denkprozesse ver\u00e4ndert, sondern unsere F\u00e4higkeit zur praktischen Weisheit schw\u00e4chen k\u00f6nnte, wenn wir Entscheidungen zunehmend an intelligente Systeme delegieren.<\/p>\n\n\n\n

Die eigentliche Gefahr besteht deshalb nicht darin, dass AI falsche Antworten liefert sondern darin, dass Menschen aufh\u00f6ren, die richtigen Fragen zu stellen.<\/strong><\/p>\n\n\n\n

Genau deshalb reicht Human in the Loop k\u00fcnftig nicht aus. Wir brauchen den Wise Human in the Loop. Einen Menschen, der AI nicht als Autorit\u00e4t versteht, sondern als anspruchsvollen Sparringspartner. Jemanden, der nicht nur fragt: Ist diese Empfehlung plausibel? Sondern: Welche Annahmen stecken dahinter? Welche Perspektiven fehlen? Welche Nebenwirkungen wurden nicht ber\u00fccksichtigt? Welche Werte liegen dieser Empfehlung zugrunde? Was w\u00fcrde sich \u00e4ndern, wenn wir den Kontext ver\u00e4ndern?<\/p>\n\n\n\n

Der Wise Human in the Loop akzeptiert nicht die erstbeste Antwort. Er fordert Gegenargumente ein, sucht bewusst nach blinden Flecken, verbindet Daten mit Erfahrung, Analyse mit Intuition und Effizienz mit Verantwortung. Vor allem aber \u00fcbernimmt er etwas, das keine AI jemals \u00fcbernehmen kann: die Verantwortung f\u00fcr die Konsequenzen einer Entscheidung.<\/p>\n\n\n\n

Eine grosse F\u00fchrungsaufgabe der kommenden Jahre liegt darin, daf\u00fcr zu sorgen, dass aus immer intelligenteren Antworten von Maschinen auch tats\u00e4chlich bessere Entscheidungen entstehen.<\/p>\n\n\n\n

Mehr Reife, nicht mehr Intelligenz<\/h2>\n\n\n\n

Jede Epoche bringt ihre eigene Vorstellung von Exzellenz hervor. In der Agrargesellschaft genossen jene Ansehen, die Land bewirtschaften und Ernten sichern konnten. Die Industrialisierung machte Unternehmer erfolgreich, die Kapital beschaffen, Fabriken organisieren und Produktion skalieren konnten. Die Wissensgesellschaft schliesslich belohnte Menschen, die schneller lernten, analytisch brillanter dachten und komplexe Zusammenh\u00e4nge besser verstanden als andere. Unsere Schulen, Hochschulen und Unternehmen sind bis heute weitgehend auf dieses Ideal ausgerichtet. Wir pr\u00fcfen Wissen, bewerten analytische F\u00e4higkeiten und bef\u00f6rdern Menschen, die mit intelligenten Antworten \u00fcberzeugen.<\/p>\n\n\n\n

Diese Logik verliert nun ihre Grundlage. Nicht weil Intelligenz pl\u00f6tzlich unwichtig w\u00fcrde. Sondern weil sie ihren Seltenheitswert verliert.<\/p>\n\n\n\n

Wer heute eine F\u00fchrungsposition \u00fcbernimmt, wird selbstverst\u00e4ndlich auch k\u00fcnftig intelligent sein m\u00fcssen. Doch Intelligenz allein wird immer seltener erkl\u00e4ren, warum jemand erfolgreich f\u00fchrt. Denn wenn hochwertige Analysen, professionelle Pr\u00e4sentationen und fundierte Strategiepapiere jederzeit verf\u00fcgbar sind, verschiebt sich der Wettbewerb zwangsl\u00e4ufig auf jene F\u00e4higkeiten, die sich nicht automatisieren lassen.<\/p>\n\n\n\n

Die neue Elite wird deshalb nicht dadurch entstehen, dass sie AI besser bedienen kann als andere. Das wird in wenigen Jahren so selbstverst\u00e4ndlich sein wie heute der Umgang mit E-Mail oder Tabellenkalkulationen. Der Unterschied entsteht vielmehr dort, wo Menschen mit denselben Informationen zu besseren Entscheidungen gelangen.<\/p>\n\n\n\n

Denken wir noch einmal an die beiden CEOs vom Beginn dieses Artikels. Beide verf\u00fcgen \u00fcber dieselbe AI, dieselben Daten und dieselben Analysen. Dennoch entscheidet sich einer f\u00fcr kurzfristige Effizienz, der andere f\u00fcr langfristige Zukunftsf\u00e4higkeit. Der Unterschied liegt nicht im Wissen. Er liegt in der F\u00e4higkeit, Zielkonflikte zu erkennen und verantwortungsvoll abzuw\u00e4gen.<\/strong><\/p>\n\n\n\n

Genau darin zeigt sich menschliche Reife. Reife bedeutet in diesem Zusammenhang weder Alter noch Dienstjahre. Manche Menschen erwerben sie fr\u00fch, andere nie. Sie beschreibt vielmehr die F\u00e4higkeit, widerspr\u00fcchliche Interessen gleichzeitig im Blick zu behalten, Unsicherheit auszuhalten und auch dann verantwortungsvoll zu handeln, wenn es keine perfekte L\u00f6sung gibt. Reife zeigt sich darin, kurzfristigen Erfolg nicht gegen langfristiges Vertrauen auszuspielen. Sie zeigt sich darin, unterschiedliche Perspektiven zu integrieren, bevor Entscheidungen getroffen werden. Und sie zeigt sich im Mut, einer scheinbar eindeutigen Empfehlung zu widersprechen, wenn sie zwar logisch erscheint, aber den Kontext verfehlt.<\/p>\n\n\n\n

Diese F\u00e4higkeit wird zur knappsten Ressource moderner F\u00fchrung.<\/p>\n\n\n\n

David Deming konnte bereits 2017 nachweisen, dass soziale und zwischenmenschliche Kompetenzen auf dem Arbeitsmarkt kontinuierlich an Bedeutung gewinnen. Der Future of Jobs Report 2025 des World Economic Forum best\u00e4tigt diese Entwicklung eindr\u00fccklich. Analytisches Denken bleibt zwar wichtig, doch F\u00e4higkeiten wie Resilienz, Kreativit\u00e4t, F\u00fchrung, Empathie, Lernf\u00e4higkeit und systemisches Denken gewinnen deutlich st\u00e4rker an Bedeutung. Bemerkenswert ist dabei weniger die Liste selbst als ihre gemeinsame Logik: All diese Kompetenzen lassen sich nicht einfach automatisieren. Sie entstehen aus Erfahrung, Selbstreflexion und verantwortlichem Handeln.<\/p>\n\n\n\n

Damit wird ein Umdenken notwendig: \u00dcber Jahrzehnte suchten Unternehmen nach den intelligentesten Menschen. Die sogenannten \u00abweichen Faktoren\u00bb waren vielerorts ein nice-to-have.<\/strong> Im AI-Zeitalter sollten wir beginnen, nach den reifsten Menschen zu suchen. Denn Wissen l\u00e4sst sich zunehmend skalieren, Charakter nicht. Damit werden die \u00abweichen Faktoren\u00bb zu den strategisch wichtigen und entscheidenden Elementen.<\/strong><\/p>\n\n\n\n

Menschlichkeit wird zum strategischen Wettbewerbsvorteil<\/h2>\n\n\n\n

\u00dcber viele Jahre galt Menschlichkeit in Unternehmen vor allem als kultureller Wert. Sie fand sich in Leitbildern, F\u00fchrungsgrunds\u00e4tzen und Imagebrosch\u00fcren wieder, spielte im wirtschaftlichen Wettbewerb jedoch h\u00e4ufig nur eine Nebenrolle. Wenn Effizienz und Menschlichkeit miteinander konkurrierten, gewann meist die Effizienz. Wenn Geschwindigkeit und Beziehungspflege im Widerspruch standen, setzte sich h\u00e4ufig die Geschwindigkeit durch. Menschlichkeit war wichtig, aber selten gesch\u00e4ftskritisch.<\/p>\n\n\n\n

Diese Logik beginnt sich gerade zu ver\u00e4ndern.<\/p>\n\n\n\n

Denn technologische Vorteile werden k\u00fcnftig immer schneller kopiert. Neue Sprachmodelle stehen innerhalb weniger Monate nahezu allen Unternehmen zur Verf\u00fcgung. Strategien lassen sich mit denselben Werkzeugen entwickeln. Pr\u00e4sentationen erreichen vergleichbare Qualit\u00e4t. Marktanalysen \u00e4hneln sich zunehmend. Je leistungsf\u00e4higer AI wird, desto schneller gleichen sich viele kognitive Wettbewerbsvorteile an.<\/p>\n\n\n\n

Dadurch verschiebt sich die Differenzierung auf eine andere Ebene. Kunden entscheiden sich nicht dauerhaft f\u00fcr das Unternehmen mit der besten AI, sie entscheiden sich f\u00fcr das Unternehmen, dem sie vertrauen. Mitarbeitende bleiben nicht wegen der modernsten Technologie, sondern dort, wo sie Sinn erleben, ernst genommen werden und Vertrauen in ihre F\u00fchrung haben. Gesch\u00e4ftspartner bauen langfristige Beziehungen nicht auf der Grundlage perfekter Algorithmen auf, basierend auf Verl\u00e4sslichkeit, Glaubw\u00fcrdigkeit und gegenseitigem Vertrauen.<\/p>\n\n\n\n

Der Soziologe Hartmut Rosa beschreibt mit seinem Konzept der Resonanz eine besondere Form der Beziehung zur Welt. Resonanz entsteht dort, wo Menschen sich wirklich gesehen, geh\u00f6rt und ernst genommen f\u00fchlen. Sie l\u00e4sst sich weder automatisieren noch standardisieren.<\/strong> Gerade deshalb gewinnt sie im AI-Zeitalter an Bedeutung. Denn je perfekter Maschinen kommunizieren, desto sensibler werden Menschen f\u00fcr den Unterschied zwischen sprachlicher Perfektion und echter menschlicher Pr\u00e4senz.<\/p>\n\n\n\n

Diese Entwicklung beobachten wir bereits heute. Viele Unternehmen setzen AI erfolgreich im Kundenservice ein. Standardanfragen werden schneller beantwortet, Prozesse effizienter gestaltet und Wartezeiten verk\u00fcrzt. Gleichzeitig investieren dieselben Unternehmen bewusst dort in pers\u00f6nliche Beratung, wo Vertrauen, Unsicherheit oder komplexe Entscheidungen eine Rolle spielen. Nicht weil AI versagt. Sondern weil Menschen in entscheidenden Momenten mehr suchen als eine korrekte Antwort. Sie suchen Orientierung, Verst\u00e4ndnis und das Gef\u00fchl, dass jemand Verantwortung \u00fcbernimmt.<\/p>\n\n\n\n

Vielleicht liegt genau darin die gr\u00f6sste Ironie der AI-Revolution: Je intelligenter unsere Technologien werden, desto wertvoller wird das, was sich nicht programmieren l\u00e4sst: Vertrauen, Integrit\u00e4t, Empathie, Pr\u00e4senz, Mut, Verantwortung.<\/strong><\/p>\n\n\n\n

\u00dcber Jahrzehnte wurden diese F\u00e4higkeiten oft als \u00abSoft Skills\u00bb bezeichnet, als angenehme Erg\u00e4nzung fachlicher Kompetenz. Im AI-Zeitalter verlieren sie diesen Charakter. Sie werden zu harten \u00f6konomischen Faktoren. Sie beeinflussen Kundenbindung, Innovationsf\u00e4higkeit, Arbeitgeberattraktivit\u00e4t und letztlich den nachhaltigen Erfolg einer Organisation.<\/p>\n\n\n\n

Die erfolgreichsten Unternehmen der Zukunft werden nicht jene sein, die AI am schnellsten einf\u00fchren. Es werden jene sein, die verstanden haben, dass Technologie zwar Produktivit\u00e4t schafft, nachhaltige Wettbewerbsf\u00e4higkeit jedoch dort entsteht, wo Menschen einander vertrauen.<\/p>\n\n\n\n

Der eigentliche Human Advantage wird nicht der Versuch sein, intelligenter zu sein als Maschinen, sondern menschlicher zu bleiben, w\u00e4hrend Maschinen immer intelligenter werden.<\/p>\n\n\n\n

Was Unternehmen jetzt anders machen m\u00fcssen<\/h2>\n\n\n\n

Wenn diese Analyse stimmt, dann stehen Unternehmen vor einer deutlich gr\u00f6sseren Aufgabe, als lediglich neue Technologien einzuf\u00fchren. Die eigentliche Transformation beginnt nicht mit der Auswahl des richtigen Sprachmodells oder der n\u00e4chsten AI-Plattform.<\/p>\n\n\n\n

Sie beginnt mit einer entscheidenden Frage: Welche menschlichen F\u00e4higkeiten machen unsere Organisation k\u00fcnftig erfolgreich?<\/strong><\/p>\n\n\n\n

Viele Unternehmen investieren derzeit Millionen in AI-Anwendungen, Datenplattformen und Automatisierung. Das ist notwendig. Wer die technologischen M\u00f6glichkeiten ignoriert, wird mittelfristig an Wettbewerbsf\u00e4higkeit verlieren. Gleichzeitig entsteht jedoch eine neue Gefahr. W\u00e4hrend sich die Technologie rasant weiterentwickelt, bleiben die F\u00fchrungsmodelle vieler Unternehmen erstaunlich unver\u00e4ndert. Noch immer werden vor allem jene Kompetenzen bewertet, die in der Wissensgesellschaft den gr\u00f6ssten Unterschied machten: analytische Brillanz, Fachwissen, Geschwindigkeit und individuelle Probleml\u00f6sung. Genau diese F\u00e4higkeiten verlieren jedoch ihren Seltenheitswert.<\/p>\n\n\n\n

Die eigentliche Herausforderung besteht deshalb weniger darin, AI in bestehende Organisationen einzubauen sondern vielmehr darin, Organisationen f\u00fcr eine Welt neu zu gestalten, in der Standardintelligenz jederzeit verf\u00fcgbar ist.<\/strong><\/p>\n\n\n\n

Das beginnt bereits bei der Auswahl von F\u00fchrungskr\u00e4ften<\/strong>. Noch immer suchen viele Verwaltungsr\u00e4te nach den intelligentesten K\u00f6pfen, den brillantesten Strategen oder den \u00fcberzeugendsten Analysten. Vielleicht stellen sie inzwischen die falschen Fragen. K\u00fcnftig wird entscheidender sein, wer auch dann Orientierung geben kann, wenn Daten widerspr\u00fcchlich sind. Wer Verantwortung \u00fcbernimmt, obwohl keine Entscheidung frei von Risiken ist. Wer Vertrauen schafft, obwohl Unsicherheit zum Dauerzustand geworden ist. Und wer den Mut besitzt, einer scheinbar perfekten AI-Empfehlung zu widersprechen, wenn sie zwar logisch erscheint, aber den Menschen aus dem Blick verliert.<\/p>\n\n\n\n

Ebenso grundlegend wird sich die Entwicklung von Talenten ver\u00e4ndern m\u00fcssen.<\/strong> In wenigen Jahren wird der souver\u00e4ne Umgang mit AI so selbstverst\u00e4ndlich sein wie heute der Umgang mit E-Mail oder Tabellenkalkulationen. Niemand wird allein deshalb erfolgreich sein, weil er AI bedienen kann. Der eigentliche Unterschied entsteht dort, wo Menschen mit den Ergebnissen der AI verantwortungsvoll umgehen. Unternehmen sollten deshalb weniger Zeit investieren, ihre Mitarbeitenden zu besseren Prompt Engineers auszubilden, und deutlich mehr Zeit darauf verwenden, ihre Urteilskraft zu entwickeln. Kritisches Denken, ethische Reflexion, systemisches Verst\u00e4ndnis und die F\u00e4higkeit, widerspr\u00fcchliche Perspektiven zusammenzuf\u00fchren, entwickeln sich vom \u00abSoft Skill\u00bb zum eigentlichen Kern professioneller F\u00fchrung.<\/p>\n\n\n\n

Damit ver\u00e4ndert sich auch das Verst\u00e4ndnis von AI-Governance. <\/strong>Heute konzentrieren sich viele Unternehmen auf Datenschutz, Transparenz, Compliance und Modellrisiken. All das ist unverzichtbar. Doch es greift zu kurz. Was zus\u00e4tzlich entsteht, ist eine Governance der Urteilskraft. Organisationen brauchen R\u00e4ume, in denen AI-Empfehlungen hinterfragt werden d\u00fcrfen. Sie brauchen eine Kultur, in der Widerspruch nicht als St\u00f6rung, sondern als Qualit\u00e4tsmerkmal verstanden wird. Gute Entscheidungen entstehen selten dadurch, dass alle derselben Analyse zustimmen. Sie entstehen dort, wo unterschiedliche Perspektiven aufeinandertreffen und Annahmen kritisch gepr\u00fcft werden. Gerade weil AI immer \u00fcberzeugender argumentiert, wird die F\u00e4higkeit zum konstruktiven Zweifel zu einer strategischen Ressource.<\/p>\n\n\n\n

Besonders bedeutsam wird diese Entwicklung f\u00fcr die n\u00e4chste Generation von F\u00fchrungskr\u00e4ften. Noch nie konnten Berufseinsteiger mit so wenig Erfahrung Ergebnisse erzielen, die vor wenigen Jahren erfahrenen Spezialisten vorbehalten waren. Das er\u00f6ffnet enorme Chancen. Gleichzeitig w\u00e4chst die Gefahr, dass Menschen immer seltener lernen, selbst\u00e4ndig zu denken. Risko und Gilbert sprechen in diesem Zusammenhang von Cognitive Offloading, der Auslagerung kognitiver Prozesse an externe Systeme. Was kurzfristig Produktivit\u00e4t schafft, kann langfristig Urteilskraft schw\u00e4chen, wenn Denken zunehmend durch Best\u00e4tigen ersetzt wird.<\/p>\n\n\n\n

Die entscheidende F\u00fchrungsfrage lautet deshalb nicht: Wie k\u00f6nnen wir m\u00f6glichst viel Arbeit automatisieren? Sie lautet: Wie setzen wir AI so ein, dass Menschen bessere Entscheider werden? Das macht den Unterschied aus zwischen einer effizienteren Organisation und einer besseren Organisation.<\/p>\n\n\n\n

Vielleicht beginnt die eigentliche F\u00fchrungsentwicklung erst jetzt<\/h2>\n\n\n\n

Als Garry Kasparow 1997 gegen Deep Blue verlor, schien f\u00fcr viele eine neue Epoche zu beginnen. Zum ersten Mal besiegte eine Maschine den besten Schachspieler der Welt. Fast zwanzig Jahre sp\u00e4ter schlug AlphaGo den Go-Weltmeister Lee Sedol in einem Spiel, das lange als Inbegriff menschlicher Intuition galt. Heute schreiben Sprachmodelle Strategiepapiere, entwickeln Software, bestehen Universit\u00e4tspr\u00fcfungen und analysieren Unternehmen mit einer Geschwindigkeit, die vor wenigen Jahren noch unvorstellbar gewesen w\u00e4re.<\/p>\n\n\n\n

\u00dcber Jahrzehnte haben wir Intelligenz mit menschlichem Wert verwechselt. <\/strong>Wir bewunderten Menschen, die schneller rechneten, komplexer argumentierten oder mehr wussten als andere. Unsere Schulen, Hochschulen und Unternehmen wurden rund um dieses Ideal gebaut. AI zeigt uns nun etwas \u00dcberraschendes. Viele dieser F\u00e4higkeiten verschwinden nicht. Aber sie verlieren ihren Seltenheitswert.<\/p>\n\n\n\n

Das ist nicht nur eine Bedrohung, sondern vor allem auch eine Einladung. Eine Einladung, den Menschen nicht l\u00e4nger \u00fcber seinen Wissensvorsprung zu definieren, sondern \u00fcber seine F\u00e4higkeit, Wissen verantwortungsvoll einzusetzen.<\/p>\n\n\n\n

Vielleicht war Intelligenz nie das h\u00f6chste menschliche Verm\u00f6gen, sondern lediglich das knappste. Jetzt ver\u00e4ndert sich die Knappheit: Antworten werden zur Massenware, Analyse wird zur Infrastruktur, Information wird allgegenw\u00e4rtig.<\/p>\n\n\n\n

Daf\u00fcr wird Orientierung selten und Urteilskraft noch wertvoller. Verantwortung bleibt menschlich. Vielleicht beginnt deshalb mit dem Zeitalter k\u00fcnstlicher Intelligenz auch das Zeitalter menschlicher Reife.<\/p>\n\n\n\n

Das ist keine romantische Hoffnung. Es ist die \u00f6konomische Logik jeder technologischen Revolution. Immer dann, wenn Technologie eine bisher knappe F\u00e4higkeit skaliert, verschiebt sich der Wettbewerb auf die n\u00e4chsth\u00f6here Ebene. Die Dampfmaschine machte Muskelkraft verf\u00fcgbar. Computer machten Informationsverarbeitung verf\u00fcgbar. Generative AI macht nun Standardintelligenz verf\u00fcgbar. Die n\u00e4chste knappe Ressource ist deshalb nicht Wissen sondern Urteilskraft, Weisheit, Verantwortung und Menschlichkeit<\/p>\n\n\n\n

Die Zukunft von Unternehmen entscheidet sich nicht im Rechenzentrum sondern im Sitzungszimmer. Dort, wo Menschen Verantwortung \u00fcbernehmen,  Zielkonflikte gegeneinander abgewogen werden. Dort, wo F\u00fchrungskr\u00e4fte handeln m\u00fcssen, obwohl keine Analyse eindeutig ist. Und dort, wo jemand den Mut besitzt, einer perfekten Empfehlung zu widersprechen, weil sie zwar logisch erscheint, aber nicht richtig ist.<\/p>\n\n\n\n

Die AI-Revolution wird vielleicht gar nicht deshalb bedeutsam, weil Maschinen lernen zu denken, Sondern weil Menschen gezwungen sind, neu zu lernen, was gutes Denken eigentlich bedeutet.<\/p>\n\n\n\n

Jede grosse technologische Revolution ver\u00e4ndert die Antwort auf die Frage, was den Menschen wertvoll macht. Die erfolgreichsten Organisationen der Zukunft werden nicht jene sein, die AI am besten einsetzen. Sondern jene, die verstanden haben, dass jede technologische Revolution den Wert des Menschen neu definiert und deshalb beginnen, parallel zur Technologie ihre Menschlichkeit weiterzuentwickeln.<\/p>\n\n\n\n

Quellenverzeichnis am Schluss des Beitrages<\/p>\n\n\n\n

Essay-Serie \u00abDer Mensch im AI Zeitalter\u00bb<\/strong><\/p>\n\n\n\n