Den digitalen Zwilling kennt man aus der Technik, etwa vom Triebwerk. Jetzt soll die ganze Firma einen digitalen Zwilling bekommen, in dem Führungskräfte eine Entscheidung ablaufen sehen, bevor sie Geld und Menschen binden. Was der Begriff meint und warum man dem Abbild nicht zu sehr glauben sollte.
Kurz gesagt
Was ist ein Organizational Digital Twin? Gemeint ist ein digitales Abbild einer Organisation, in dem man eine Entscheidung vorher ablaufen lassen kann. Prithwiraj Choudhury, Yingxin Du und Megan Lawrence beschreiben ihn im Strategic Entrepreneurship Journal als Verbindung aus 3 Teilen: Daten aus dem Unternehmen, KI-Modelle, die Verhalten simulieren, und Regeln der Steuerung. Führungskräfte sollen darin zum Beispiel ein neues Anreizsystem ausprobieren können. Die Autoren nennen 3 Vorteile: mehr Möglichkeiten durchsuchen, gefahrloser experimentieren und Folgen für das Ganze früher sehen. Der Aufsatz ist ein theoretischer Entwurf und misst keinen Zwilling im Einsatz. Paul Leonardi und Virginia Leavell warnen im Journal of Organization Design vor der Kehrseite. Ein Zwilling wirkt nur, wenn man ihm glaubt, und dann hört man leicht auf, ihn mit der Wirklichkeit zu vergleichen.
In einem Bereich der Autoentwicklung stand am Anfang jedes Kapitels im Schulungshandbuch derselbe Satz: „Don’t Believe That Model Is Reality“. Glaub nicht, dass das Modell die Wirklichkeit ist. Die Ingenieure dort arbeiteten mit digitalen Modellen von Fahrzeugen. Ihre Vorgesetzten hatten Sorge, sie könnten das Verhalten im Modell irgendwann für das Verhalten des echten Autos halten. Paul Leonardi und Virginia Leavell erinnern 2024 an diesen Satz aus einer früheren Studie. Sie tun es, weil er heute auf ein viel größeres Modell passt.
Was ist ein Organizational Digital Twin?
Ein digitaler Zwilling ist ein Abbild auf dem Rechner, das mit seinem Vorbild verbunden bleibt. Leonardi und Leavell erklären es am Triebwerk. Ändert ein Ingenieur am Boden im Zwilling, wie viel Luft durch den Verdichter strömt, wird das im echten Triebwerk umgesetzt. Ändert der Pilot etwas, zeigt der Zwilling es sofort an.
Ein Organizational Digital Twin überträgt diese Idee auf eine ganze Firma.
Prithwiraj Choudhury, Yingxin Du und Megan Lawrence haben den Begriff in einem Aufsatz ausgearbeitet, der im November 2026 im Strategic Entrepreneurship Journal vorab erschienen ist. Ihr Zwilling besteht aus 3 Teilen. Dazu gehören Daten aus dem Unternehmen, also die digitalen Spuren der täglichen Arbeit. Dazu kommen KI-Modelle, die Verhalten simulieren, und Regeln, die festlegen, wie das Ganze gesteuert wird. In der Zusammenfassung für die Praxis sprechen die Autoren von mehreren KI-Agenten, die Routinen, Zusammenarbeit und Entscheidungswege der Firma nachbilden.
Wofür soll das gut sein? Führungskräfte müssen oft entscheiden, bevor sie wissen, wie es ausgeht. Die Autoren nennen als Beispiele ein neu gestaltetes Anreizsystem und den Eintritt in einen fremden Markt. Im Zwilling sollen sie zusehen können, wie sich so eine Entscheidung entfaltet. Die Autoren nennen das Learning-by-twinning. Sie sehen 3 Vorteile. Man kann mehr Möglichkeiten durchsuchen als im eigenen Kopf. Man kann experimentieren, ohne echten Schaden anzurichten. Und man sieht eher die Folgen zweiter Ordnung, also was eine Änderung an einer Stelle an einer ganz anderen auslöst.
Eine Einschränkung gehört dazu. Der Aufsatz ist ein theoretischer Entwurf. Er beschreibt, was ein solcher Zwilling leisten könnte, und nennt Bedingungen, unter denen die Vorteile schwächer werden. Einen Zwilling im Einsatz misst er nicht.
Warum ist eine Firma schwerer abzubilden als ein Triebwerk?
Leonardi und Leavell beantworten das im Journal of Organization Design sehr anschaulich. Die Ventile eines Triebwerks folgen der Physik. Menschen treffen eigene Entscheidungen, lernen aus Erfahrung und verfolgen eigene Ziele. So zitieren sie Markus Becker und Brian Pentland, deren Aufsatz zum Thema schon im Titel fragt, ob man das ernst meinen kann.
Daraus folgt etwas Praktisches. Gibt der Zwilling eine Aufgabe aus, kann ein Mensch sie übersehen. Er kann sie auch ablehnen, weil er andere Ziele hat. Und manchmal ist die Ablehnung richtig, schreiben die beiden. Dann weiß dieser Mensch etwas, das die Erbauer des Modells nicht wussten, oder er sieht eine Gefahr, die im Modell fehlt.
Wann glaubt man dem Modell zu sehr?
Hier liegt der eigentliche Gedanke des Aufsatzes. Ein Zwilling soll die Wirklichkeit verändern. Was im Modell beschlossen wird, soll draußen geschehen. Das klappt nur, wenn die Entscheider das Modell für ein treues Abbild halten. Genau darin steckt das Risiko. Je selbstverständlicher ein Modell wird, desto seltener vergleicht man es mit dem, was es abbildet.
Die beiden erklären das mit einem Spiegel. Im Spiegelkabinett lacht man über sein Bild, weil man die Verzerrung sieht. In manchen Umkleidekabinen hängen nach ihrer Darstellung leicht gewölbte Spiegel, die schlanker machen. Die Verzerrung ist so klein, dass sie kaum jemand bemerkt.
Ein Modell, an dem niemand mehr zweifelt, wird zur Wirklichkeit derer, die damit entscheiden.
Ein Anzeichen dafür nennen sie ausdrücklich. Wer vergisst, dass ein Modell Stellschrauben hat, fragt nicht mehr danach, sie zu verstellen. Dann werden keine anderen Annahmen mehr durchgespielt. Ihr Aufsatz ist ein Diskussionsbeitrag. Er ordnet Forschung ein und misst selbst nichts.
Was bedeutet das für eine synthetische Organisation?
Der Organizational Digital Twin ist der nächste Verwandte dessen, was ich synthetische Organisation nenne. Gemeint ist ein Modell einer Organisation aus KI-Agenten, synthetischen Personas und künstlichen Daten, an dem man Struktur, Rollen und Entscheidungsrechte ausprobiert. Für die Arbeit damit habe ich eine eigene Prüfschleife mit 4 Schritten beschrieben: Abbilden, Besetzen, Durchspielen und Abgleichen.
Choudhurys Zwilling deckt vor allem die ersten 3 Schritte ab. Leonardi und Leavell zeigen, warum der 4. Schritt nicht wegfallen darf. Ich vermute Folgendes. Je besser eine Simulation aussieht, desto größer wird die Versuchung, den Abgleich mit echten Menschen zu überspringen. Das ist meine Deutung, gemessen hat das keiner der beiden Aufsätze. Der Satz aus dem Schulungshandbuch gehört deshalb an den Anfang jeder Simulation einer Organisation.
Was die Simulation nicht sieht → Synthetic Data im Personalbereich →
Vielleicht nehmen Sie 3 Fragen mit. Welche Entscheidung in Ihrer Organisation würden Sie gern vorher durchspielen? Wer würde merken, wenn das Modell etwas Wichtiges nicht kennt? Und wer darf einer Empfehlung aus dem Modell widersprechen, ohne sich rechtfertigen zu müssen?
Alle Begriffe rund um die synthetische Organisation stehen im Dossier Synthetische Organisation. Wie KI-Agenten das Verhalten einzelner Menschen nachbilden, beschreibt der Beitrag zu Generative Agents.
Quellen
Becker, M. C./Pentland, B. T. (2022): Digital Twin of an Organization: Are You Serious? In: Marrella, A./Weber, B. (Hrsg.): Business Process Management Workshops. Cham: Springer, 243–254. https://doi.org/10.1007/978-3-030-94343-1_19
Choudhury, P./Du, Y./Lawrence, M. (2026, online vorab): Learning-by-twinning: Organizational digital twins and the future of search. Strategic Entrepreneurship Journal. https://doi.org/10.1002/sej.70061
Leonardi, P. M./Leavell, V. (2024): How the map becomes the territory: prediction, performativity and the process of taking digital twins for granted. Journal of Organization Design 13(3), 101–112. https://doi.org/10.1007/s41469-024-00164-2
Was das für Ihre Organisation heißt. Im KI-Organisationslabor klären wir es gemeinsam am echten Fall.
Im KI-Organisationslabor bringen wir Agenten in den echten Betrieb und legen fest, wer welche Entscheidung trifft. Vorher rechnen wir Szenarien in Euro durch.
Jeden Monat eine Einordnung zu KI in Organisationen.
Einmal im Monat nehme ich mir ein Thema vor, das Organisationen gerade beschäftigt. Sie bekommen das Editorial und die neuen Analysen per Mail. Die erste Ausgabe per Mail kommt im Dezember.
Aktuell Ausgabe 1 · November 2026 · Wer wirklich im KI-Loop steht. Ausgabe lesen ›
