Automatisieren oder befähigen? Warum Europa beim KI-Einsatz anders entscheiden kann

Wenn in deutschen Unternehmen über KI entschieden wird, fällt das Wort Automatisierung früher als das Wort Befähigung. Das Angebot gibt die Richtung vor: Agenten, die Vorgänge übernehmen, Lizenzen, die nach eingesparten Stunden gerechnet werden, Anbieter, die Fortschritt daran messen, wie viel ein System ohne Menschen erledigt. Diese Richtung ist nicht die einzige mögliche. Sie ist das Ergebnis von Entscheidungen, die anderswo getroffen wurden, unter anderen Bedingungen. Teil 1 dieser Serie fragt, wer die Richtung im Unternehmen festlegt, und warum die Antwort in Europa anders ausfallen kann als in den Vereinigten Staaten.

Woher das Programm kommt

Die Vorstellung, KI sei vor allem Ersatz für menschliche Arbeit, hat eine Herkunft. Sie liegt in der Ökonomie der großen Anbieter und in der Kultur der Informatik. Arbeit ist in den meisten Unternehmen der größte Kostenblock, und eine eingesparte Stelle steht sofort in der Gewinn- und Verlustrechnung. Eine Investition in Befähigung braucht Jahre, bis sie sich auszahlt, und ihr Ertrag ist schwer zu beziffern. Dazu kommt ein Maßstab, der sich in der Forschung durchgesetzt hat: Autonome Systeme lassen sich sauber messen, Zusammenarbeit nicht. Ein System, das eine Aufgabe von Anfang bis Ende erledigt, gilt als Erfolg; der Mensch in der Schleife als Übergang.

Die Kritik daran ist nicht neu, und sie kommt nicht von den Rändern. Daron Acemoglu und Pascual Restrepo sprechen seit Jahren von exzessiver Automatisierung, die Kosten senkt, ohne neue Wertschöpfung zu schaffen. Erik Brynjolfsson hat dafür das Bild der Turing-Falle geprägt: Wer Maschinen baut, die Menschen nachahmen, verteilt Einkommen um, statt es zu vergrößern. David Autor schlägt vor, KI vor allem dazu zu nutzen, Erfahrungswissen auf mehr Beschäftigte zu verteilen. In dieser Woche haben Gabriel Unger und Arvind Narayanan die Kritik auf die Entwicklungsrichtung der KI selbst gewendet: Die Alternative, Systeme zu bauen, die Menschen befähigen, reicht bis zu Licklider und Engelbart zurück und ist in der heutigen Forschung eine Minderheitenposition.

Das ist eine amerikanische Debatte über eine amerikanische Industrie. Für deutsche Unternehmen ist sie aus einem anderen Grund von Belang: Sie kaufen die Produkte dieser Industrie und übernehmen mit ihnen die Richtung, oft ohne es zu bemerken.

Zwei von drei: ein Trilemma

Der Zusammenhang zwischen Technik und Organisation lässt sich als Trilemma fassen. Ein KI-Agent kann drei Eigenschaften haben: Er kann autonom arbeiten, ohne Menschen. Er kann verlässlich sein, auch dann, wenn es darauf ankommt. Und er kann universell einsetzbar sein, für viele Aufgaben statt für eine. Mit heutiger Technik sind zwei dieser Eigenschaften zugleich erreichbar, nicht alle drei. Ein autonomer und verlässlicher Agent ist eng zugeschnitten. Ein autonomer und universeller Agent macht in kritischen Situationen Fehler. Ein verlässlicher und universeller Agent braucht einen Menschen im Prozess.

Das klingt nach einer technischen Aussage. In der Organisation wird es zu einer Entscheidung über das Betriebsmodell. Denn jede der drei Kombinationen verlangt andere Rollen, andere Kontrollaufgaben und eine andere Verteilung der Belastung.

Die erste Kombination ist klassische Automatisierung: Routine, prüfbares Ergebnis, geringer Fehlerpreis. Hier ist Ersatz richtig, und er war es schon, als Maschinen in Gruben und Schlachthöfen Leben gerettet haben. Die zweite Kombination ist die, in die viele Unternehmen gerade hineinlaufen: Agenten, die vieles können und manches falsch machen, mit einem Menschen, der am Ende prüft. Die dritte Kombination ist Zusammenarbeit im eigentlichen Sinn: Der Mensch bleibt im Prozess, weil Urteil, Erfahrung und wechselnde Ziele verlangt sind. Für sie gibt es die wenigsten Werkzeuge und die wenigste Forschung. Das ist kein Zufall. Sie ist das Modell, das sich am schlechtesten als Stelleneinsparung verkaufen lässt.

Wo die Unternehmen stehen

Welche Kombination ein Unternehmen wählt, wird selten als Entscheidung behandelt. Sie fällt durch den Einkauf eines Werkzeugs, durch die Zielvorgabe eines Bereichs oder dadurch, dass niemand widerspricht. Die Zahlen zeigen, was dabei herauskommt. In der aktuellen McKinsey-Erhebung berichten 80 Prozent der Befragten von höherer persönlicher Produktivität durch KI, aber nur 37 Prozent sehen einen positiven Beitrag zum Betriebsergebnis, unverändert zum Vorjahr (McKinsey 2026, n = 1.719). Anders Humlum und Emilie Vestergaard finden in dänischen Registerdaten zwei Jahre nach dem Start von ChatGPT präzise Nullbefunde bei Löhnen und Arbeitsstunden; 85 Prozent der Nutzenden verlagern die gesparte Zeit informell auf andere Aufgaben, und 35 Prozent der neuen KI-bezogenen Aufgaben sind Qualitätsprüfung, Ethik und Compliance (Humlum/Vestergaard 2026). BCG berichtet, dass 47 Prozent der regelmäßigen Nutzer mehr Zeit mit dem Steuern der KI verbringen als mit der eigentlichen Arbeit (BCG 2026, n = 11.749).

Das ist die zweite Kombination in Zahlen. Die Technik ist breit im Einsatz, autonom genug, um Arbeit zu übernehmen, aber nicht verlässlich genug, um ohne Nachkontrolle zu laufen. Die Kontrolle bleibt beim Menschen und taucht in keiner Stellenbeschreibung auf. Es entsteht Arbeit, die niemand geplant hat.

Automatisierung ist kein Zustand der Technik, sondern eine Entscheidung der Organisation. Meist eine, die niemand getroffen hat.

Auch das Ausbleiben der Entscheidung hat eine Logik, und sie ist dieselbe wie bei den Anbietern: Die eingesparte Stelle ist sofort sichtbar, die Befähigung nicht. Eine Bitkom-Erhebung vom September 2026 zeigt, wie sich KI-Budgets in deutschen Unternehmen verteilen: 51 Prozent fließen in Infrastruktur, 19 Prozent in die Schulung der Beschäftigten (Bitkom 2026, n = 603). Zugleich geben 66 Prozent der Unternehmen an, die KI-Kompetenz ihrer Beschäftigten sei gering. Man kauft die Technik der dritten Kombination und betreibt sie wie die erste.

Die europäische Ausgangslage ist eine andere

In den Unternehmen, die ich in den vergangenen Jahren begleitet habe, wird diese Rechnung meist mit amerikanischen Annahmen geführt. Dabei sind die Bedingungen hier andere, in vier Punkten.

Erstens der Arbeitsmarkt. Das Programm der Automatisierung setzt voraus, dass Arbeit ein Kostenblock ist, den man kurzfristig senken kann. In Deutschland ist Personalabbau durch Kündigungsschutz, Sozialpläne und Betriebsänderungen nach § 111 BetrVG teuer, langsam und sichtbar. Vor allem aber fehlt vielen Unternehmen nicht die Möglichkeit, Stellen abzubauen, sondern die Möglichkeit, sie zu besetzen. Im Mittelstand ist Automatisierung deshalb selten Ersatz und häufig Kapazität: Die Maschine übernimmt, was sonst liegen bliebe. Das ist ein strukturelles Argument für Befähigung, und es wiegt umso schwerer, als die Facharbeitstradition dieses Landes auf Erfahrungswissen beruht, das in der dualen Ausbildung über Jahre aufgebaut wird. Wer es automatisiert, statt es zu verteilen, gibt einen Standortvorteil auf.

Zweitens die Mitbestimmung. In der amerikanischen Debatte ist die Mitsprache der Beschäftigten beim KI-Einsatz eine politische Forderung. In Deutschland ist sie geltendes Recht. § 87 Abs. 1 Nr. 6 BetrVG gibt dem Betriebsrat ein Mitbestimmungsrecht bei technischen Einrichtungen, die Leistung oder Verhalten überwachen können; § 90 verpflichtet zur Unterrichtung und Beratung bei geänderten Arbeitsverfahren; § 80 Abs. 3 erklärt die Hinzuziehung eines Sachverständigen bei KI für erforderlich. Was fehlt, ist nicht das Recht, sondern sein Gebrauch. Die Mitbestimmung wird meist als Datenschutzfrage geführt, selten als Richtungsfrage. Dabei ist sie der einzige Ort im Unternehmen, an dem die Entscheidung zwischen Automatisieren und Befähigen überhaupt verhandelt werden müsste.

Drittens die Regulierung. Der AI Act verpflichtet Unternehmen nach Art. 4, die KI-Kompetenz ihrer Beschäftigten zu fördern. Seit dem Digital Omnibus schuldet niemand mehr ein bestimmtes Niveau, die Pflicht als solche bleibt. Für Hochrisiko-Systeme nach Anhang III, dazu zählen Systeme für Personalauswahl, Beförderung und Leistungsbeurteilung, gelten ab dem 2. Dezember 2027 Anforderungen an menschliche Aufsicht (Art. 14). Wo an vielen Entscheidungspunkten ein Mensch vorgeschrieben ist, wird Zusammenarbeit zur Pflicht und nicht zur Option. In Europa ist der Personalbereich selbst ein solcher Bereich. Das macht HR vom Betroffenen zum Vorreiter: Hier muss die Zusammenarbeit zwischen Mensch und System gestaltet werden, nicht nur die Technik eingekauft.

Viertens die Wettbewerbsfrage. Europa wird die amerikanischen Anbieter bei autonomen Systemen nicht überholen, und es muss das auch nicht. Wenn die dritte Kombination des Trilemmas, verlässlich und universell mit dem Menschen im Prozess, am wenigsten erforscht ist, dann liegt dort eine Lücke, für die die europäischen Bedingungen besser passen als die amerikanischen: Erfahrungswissen, Mitbestimmung, Aufsichtspflicht. Ich halte das für die eigentliche Standortfrage beim KI-Einsatz. Nicht, ob wir das Modell des Silicon Valley schnell genug kopieren, sondern ob wir die eigene Lage als Ausgangspunkt nehmen.

Was das für HR und Organisationsentwicklung heißt

Liest man das Trilemma als Organisationsfrage, ergeben sich drei Konsequenzen.

Erstens: Die Zuordnung je Prozess ist eine Führungsentscheidung, keine Werkzeugfrage. Für jeden Prozess, in den ein Agent einzieht, sollte ausgesprochen werden, welche der drei Kombinationen gemeint ist. Routine mit prüfbarem Ergebnis und niedrigem Fehlerpreis: automatisieren, mit einer verantwortlichen Person. Urteil, Erfahrungswissen, wechselnde Ziele: Zusammenarbeit, mit neu geschnittenen Rollen. Die zweite Kombination, Delegation mit Nachkontrolle, sollte ein Übergang sein und kein Zielbild, denn sie verlagert Arbeit, ohne sie zu benennen.

Zweitens: Die Kontrollarbeit gehört in die Stellenbeschreibung und in die Bewertung. Wer Agenten prüft, leistet Arbeit, die Aufmerksamkeit, Fachkompetenz und Verantwortung bindet. Sie muss bei der Bemessung von Stellen, in Zielvereinbarungen und in der Eingruppierung sichtbar werden. In der Serie „Der Agent im Organigramm“ habe ich gezeigt, dass viele Bewertungsverfahren diese Verantwortung noch nicht abbilden, weil sie Führung an der Zahl unterstellter Personen messen.

Drittens: Mitbestimmung als Richtungsentscheidung nutzen. Eine Rahmenbetriebsvereinbarung zu KI sollte nicht nur regeln, welche Daten erhoben werden, sondern nach welchen Kriterien ein Prozess automatisiert oder zur Zusammenarbeit ausgebaut wird, und wer das entscheidet. Für Betriebsräte ist das eine ungewohnte Rolle. Es ist aber die, die das Gesetz ihnen gibt.

Für Unternehmen ist die Lage einfacher und schwieriger zugleich. Einfacher, weil sie nicht warten müssen, bis die Forschung Werkzeuge und Maßstäbe für Mensch-KI-Teams geliefert hat; die drei Konsequenzen lassen sich heute umsetzen. Schwieriger, weil die Entscheidung in jedem Prozess neu zu treffen ist und niemand sie abnimmt. Die nächsten vier Teile dieser Serie gehen ihr nach: entlang der fünf Szenarien des KI-Einsatzes, der Aufsichtslast beim Delegieren, dem Eigentum am Prozesswissen und der Frage, wie man Teams aus Menschen und Agenten misst und führt.

Wenn diese Entscheidung in Ihrem Unternehmen ansteht, ob im Führungskreis oder an konkreten Prozessen, spreche ich darüber gern in einem Vortrag oder im direkten Gespräch.

Im nächsten Teil (Montag, 26.10.): Fünf Szenarien des KI-Einsatzes. Eine Landkarte für HR und Organisationsentwicklung, mit Kriterien, wann Automatisierung richtig ist.

Literatur

Acemoglu, D./Restrepo, P. (2019): Automation and New Tasks: How Technology Displaces and Reinstates Labor. Journal of Economic Perspectives 33(2), 3–30. https://doi.org/10.1257/jep.33.2.3

Acemoglu, D./Johnson, S. (2023): Power and Progress. Our Thousand-Year Struggle Over Technology and Prosperity. New York: PublicAffairs.

Autor, D. (2024): Applying AI to Rebuild Middle Class Jobs. NBER Working Paper 32140. https://www.nber.org/papers/w32140

BCG (03.06.2026): AI Is Reshaping Jobs Faster Than Companies Are Reshaping Work. Pressemitteilung zu „AI at Work 2026“, n = 11.749. https://www.bcg.com/press/3june2026-ai-reshaping-jobs-faster-than-companies-reshaping-work

Bitkom Research (14.09.2026): Erstmals nutzt die Mehrheit der Unternehmen KI. Presseinformation, n = 603. https://www.bitkom.org/Presse/Presseinformation/Erstmals-nutzt-Mehrheit-Unternehmen-KI

Brynjolfsson, E. (2022): The Turing Trap: The Promise and Peril of Human-Like Artificial Intelligence. Daedalus 151(2), 272–287. https://doi.org/10.1162/daed_a_01915

Engelbart, D. C. (1962): Augmenting Human Intellect: A Conceptual Framework. SRI Summary Report AFOSR-3223. Menlo Park: Stanford Research Institute.

Humlum, A./Vestergaard, E. (2026): Still Waters, Rapid Currents. NBER Working Paper 33777, rev. 03/2026. https://www.nber.org/papers/w33777

Licklider, J. C. R. (1960): Man-Computer Symbiosis. IRE Transactions on Human Factors in Electronics HFE-1, 4–11.

McKinsey (2026): The State of AI in 2026: On the Road to ROI. Global Survey, n = 1.719, 97 Länder. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

Unger, G./Narayanan, A. (14.10.2026): Steering AI Beyond Automation: A Research Agenda and Plan for Action. AI as Normal Technology (Substack). https://www.normaltech.ai/p/steering-ai-beyond-automation

Verordnung (EU) 2024/1689 (AI Act), Art. 4, Art. 14, Anhang III, in der Fassung der Verordnung (EU) 2026/1744 (Digital Omnibus). https://eur-lex.europa.eu/eli/reg/2024/1689

Was ist mit der Automatisierungsagenda gemeint? Das herrschende Programm der KI-Entwicklung, das Fortschritt daran misst, wie viele Aufgaben ein System ohne Menschen erledigt. Es folgt aus der Kostenlogik der Anbieter und der Messkultur der Informatik, nicht aus der Technik selbst. Die Alternative, KI als Werkzeug zur Befähigung von Menschen, reicht bis zu Licklider und Engelbart zurück und ist heute eine Minderheitenposition.

Was besagt das Trilemma der Automatisierung? Ein KI-Agent kann vollständig autonom arbeiten, in kritischen Situationen verlässlich sein oder universell einsetzbar sein. Mit heutiger Technik sind zwei dieser drei Eigenschaften erreichbar, nicht alle drei. Für Unternehmen heißt das: Jede Kombination verlangt ein anderes Betriebsmodell, mit anderen Rollen, anderer Kontrolle und anderer Belastung.

Ist Automatisierung grundsätzlich falsch? Nein. Automatisierung ist richtig, wo Aufgaben routinehaft sind, das Ergebnis leicht zu prüfen ist, Fehler wenig kosten oder die Arbeit für Menschen gefährlich ist. Problematisch wird sie bei Aufgaben, die auf Urteil, Erfahrungswissen und wechselnden Zielen beruhen, und dort, wo sie Kontrollarbeit erzeugt, die niemand geplant hat.

Warum ist die europäische Lage anders als die amerikanische? Kündigungsschutz, Sozialpläne und § 111 BetrVG machen Personalabbau teurer und langsamer; der Fachkräftemangel kehrt die Logik oft um, Automatisierung ist dann Kapazität statt Ersatz. Die Mitbestimmung gibt Beschäftigten die Mitsprache, die in den USA erst gefordert wird. Und der AI Act macht den Personalbereich ab dem 2. Dezember 2027 zu einem Hochrisikobereich mit Pflicht zu menschlicher Aufsicht.