Klein, flach, ideengetrieben: Wie KI die Architektur von Organisationen verändert

Warum Skalierung künftig weniger über Headcount und mehr über algorithmische Koordination entschieden wird – und was das für Unternehmenslenker und PE-Investoren bedeutet.

Organisationsdesign gilt in vielen Unternehmen als Disziplin der Restrukturierung – ein Thema für Post-Merger-Integrationen, Transformationsprogramme oder Krisensituationen. Diese Sichtweise greift zu kurz. Jede Entscheidung darüber, wie Aufgaben aufgeteilt, zugewiesen und koordiniert werden, ist Organisationsdesign. Und mit der zunehmenden Leistungsfähigkeit künstlicher Intelligenz verändern sich die Antworten auf genau diese Fragen grundlegend.

Phanish Puranam, Professor für Strategy und Organisation Design an der INSEAD, hat in seinem aktuellen Buch „Rehumanize – How to Build Human-Centric Organizations in the Age of Algorithms“ eine analytische Grundlage geschaffen, die über die übliche Debatte zwischen KI-Euphorie und Arbeitsplatzverlust hinausgeht. Seine Kernthese: Die eigentliche Frage ist nicht, ob KI menschliche Arbeit ersetzt, sondern wie sie die Grundarchitektur von Organisationen verändert – und welche Gestaltungsentscheidungen Unternehmenslenker dabei bewusst treffen sollten.

Kontext und Relevanz

Die Diskussion um KI und Arbeit wird häufig auf eine binäre Frage reduziert: Ersetzt die Maschine den Menschen – ja oder nein? Der World Economic Forum Jobs Report 2025 quantifiziert das differenzierter: Bis 2030 entstehen demnach rund 170 Millionen neue Arbeitsplätze mit KI-Bezug, während etwa 92 Millionen bestehende Rollen wegfallen. Der Netto-Effekt von rund 78 Millionen neuen Stellen klingt positiv, ist aber an eine zentrale Voraussetzung gebunden: die Fähigkeit von Individuen und Organisationen, sich systematisch weiterzuentwickeln.

Puranam ordnet diese Zahlen nüchtern ein. Er verweist darauf, dass solche Prognosen letztlich Schätzungen bleiben. Entscheidend sei nicht die Präzision der Vorhersage, sondern die Erkenntnis, dass der Netto-Effekt gestaltbar ist – durch politische Rahmenbedingungen, unternehmerische Entscheidungen und individuelle Lernbereitschaft. Sein Argument: Wer Menschen mit Angstszenarien lähmt, erzeugt Inaktivität. Wer hingegen die Gestaltbarkeit der Entwicklung betont, setzt Handlungsenergie frei.

Dabei ist die Substitutionsdebatte ohnehin nur ein Teil des Bildes. Puranam verweist auf einen oft übersehenen Datenpunkt: Ein durchschnittliches vierjähriges Kind hat bis zu seinem vierten Lebensjahr rund hundertmal mehr visuelle Daten verarbeitet als der gesamte Textdatensatz, mit dem GPT-3.5 trainiert wurde. Die menschliche Informationsverarbeitung ist zudem extrem energieeffizient – ein Ergebnis evolutionärer Optimierung über Tausende von Generationen. Die These, dass KI-Agenten den Menschen innerhalb weniger Jahre vollständig substituieren, ist aus dieser Perspektive technisch nicht haltbar.

Fünf universelle Probleme – ein Framework für jede Organisation

Puranams zentrales Framework reduziert die Komplexität von Organisationsdesign auf fünf universelle Probleme, die jede Organisation – unabhängig von Größe, Branche oder Rechtsform – lösen muss:

1. Aufgabenteilung (Task Division): Wie werden die Ziele des Systems in bearbeitbare Aufgaben zerlegt?
2. Aufgabenzuweisung (Task Allocation): Wie werden diese Aufgaben auf Akteure verteilt – seien es Menschen, Algorithmen oder hybride Teams?
3. Anreiz- und Vergütungssysteme: Welche Mechanismen sichern Motivation und Leistungsbereitschaft?
4. Informationsflüsse: Wie wird sichergestellt, dass relevante Informationen die richtigen Entscheidungsträger erreichen?
5. Ausnahmebehandlung: Was passiert, wenn die Lösungen der ersten vier Probleme versagen?

Die Universalität dieses Frameworks liegt in den Problemen, nicht in den Lösungen. Genau hier liegt der strategische Hebel: Organisationen, die KI einführen, müssen nicht neue Probleme lösen – sie müssen bestehende Probleme mit einem erweiterten Lösungsraum neu konfigurieren. Aufgaben, die bislang zwingend menschliche Zuweisung erforderten, können zunehmend algorithmisch allokiert werden. Informationsflüsse, die über hierarchische Kaskaden liefen, lassen sich durch KI-gestützte Systeme direkter und schneller gestalten.

Was humanzentrierter Technologieeinsatz tatsächlich bedeutet

Der Begriff „humanzentriert“ wird in der Technologiediskussion inflationlär verwendet. Puranam zieht eine klare definitorische Grenze: Humanzentrierter Einsatz von Technologie liegt dann vor, wenn die Technologie die Kompetenz des Nutzers erhält oder erweitert – nicht wenn sie lediglich die Produktivität steigert.

Die Unterscheidung illustriert er anhand eines einfachen Vergleichs: Wer mit einem Abakus rechnet, entwickelt ein räumliches Verständnis für Stellenwerte und kann die Berechnung nach Wegnahme des Instruments im Kopf fortführen. Wer ausschließlich mit dem Taschenrechner arbeitet, verliert diese Fähigkeit und ist nach Wegnahme des Geräts möglicherweise schlechter dran als zuvor.

Für Unternehmenslenker ergibt sich daraus eine operative Leitfrage: Steigert die eingeführte Technologie die Produktivität bei gleichzeitigem Kompetenzabbau der Mitarbeitenden – oder bei gleichzeitigem Kompetenzaufbau? Ersteres erzeugt Abhängigkeit und langfristige Fragility. Letzteres schafft organisationale Resilienz.

Drei Strukturprognosen für die Organisation der Zukunft

Puranam formuliert drei Prognosen zur künftigen Architektur von Organisationen. Er betont, dass es sich dabei weniger um Vorhersagen als um Gestaltungsempfehlungen handelt – Zielbilder, auf die Organisationen aktiv hinarbeiten sollten.

1. Kleiner: Wertschöpfung ohne Skalenabhängigkeit

Große Organisationen sind historisch das Produkt von Skaleneffekten durch Spezialisierung und Wiederholung. Wenn repetitive Aufgaben zunehmend automatisiert werden, entfällt ein wesentlicher Treiber für organisationale Größe. Die Konsequenz: Wertschöpfung verlagert sich von großen, integrierten Einheiten hin zu kleineren, spezialisierten Teams. Arbeit ähnelt zunehmend einem Software-Entwicklungsteam und weniger einer industriellen Montagelinie. Für PE-Investoren verändert sich damit die Bewertungslogik: Die relevante Kenngröße ist weniger der Headcount als die Wertschöpfung pro Kopf in Kombination mit der algorithmischen Skalierungsfähigkeit.

2. Flacher: Koordination ohne Hierarchietiefe

Hierarchien existieren aus zwei Gründen: Menschen können nicht unbegrenzt Konsens herstellen, und keine Führungskraft hat eine unbegrenzte Leitungsspanne. KI adressiert beide Engpässe. Zum einen ermöglichen algorithmische Systeme bessere Peer-to-Peer-Koordination, was den Bedarf an autoritätsbasierter Konsensfindung reduziert. Zum anderen erhöhen KI-gestützte Management-Tools die effektive Leitungsspanne einzelner Führungskräfte. Beide Effekte führen zu flacheren Strukturen. Puranam betont jedoch eine wichtige Differenzierung: Flach bedeutet nicht automatisch dezentral. Eine flache Struktur mit algorithmischem Monitoring kann sogar zu stärkerer Zentralisierung führen – mit allen damit verbundenen Risiken für Mitarbeiterbindung und Innovationskultur.

3. Ideengetrieben: Exploration statt Exekution

Wenn Koordination und Exekution zunehmend automatisierbar werden, verschiebt sich der Schwerpunkt menschlicher Arbeit in Richtung Ideenfindung und strategische Exploration. Hierarchien, deren Hauptfunktion die Koordination von Exekution ist, verlieren in einer Welt automatisierter Ausführung an Berechtigung. Was bleibt, ist die Suche nach wertvollen Ideen – eine Aufgabe, die weniger Hierarchie und mehr dezentrale Experimentierräume erfordert.

Drei Strategien für den individuellen Kompetenzschutz

Neben der organisationalen Ebene adressiert Puranam auch die individuelle Perspektive. Er identifiziert drei Strategien, mit denen Fach- und Führungskräfte ihre Kompetenzen in einer KI-geprägten Arbeitswelt absichern können:

1. Moat (Burggraben): Identifikation und Vertiefung derjenigen Kompetenzen, die einen dauerhaften menschlichen Differenzierungsfaktor darstellen – etwa Empathie in medizinischen Berufen oder strategisches Urteilsvermögen in der Beratung. Alle delegierbaren Aufgaben werden konsequent an Algorithmen übergeben.
2. Ladder (Leiter): Antizipation künftig wertvoller Kompetenzen und gezielter Aufbau dieser Fähigkeiten – ein bis drei Jahre vorausschauend.
3. Gym (Fitnessstudio): Investition in Meta-Kompetenzen, also die Fähigkeit, neue Fähigkeiten schnell zu erlernen. Diese Strategie adressiert die Unsicherheit darüber, welche spezifischen Kompetenzen künftig gefragt sein werden.

Die Gewichtung der drei Strategien variiert nach Karrierephase: Für Berufseinsteiger dominiert die Gym-Strategie, für Fachkräfte in der Karrieremitte die Kombination aus Ladder und Gym, für erfahrene Führungskräfte primär der Moat-Ansatz.

Ergebnisse und Wirkung

Die Thesen Puranams sind keine akademische Spekulation – sie beschreiben Entwicklungen, die sich in Teilen der Wirtschaft bereits vollziehen. Softwareunternehmen, Gaming-Studios und dezentrale Entwicklerteams operieren längst nach den Prinzipien kleiner, flacher und ideengetriebener Strukturen. Puranams Beobachtung, dass die gesamte Wissensarbeit der Softwareentwicklung mit etwa einem Jahrzehnt Verzögerung folgt, deutet darauf hin, dass diese Muster sich branchenunabhängig durchsetzen werden.

Für PE-Investoren und Unternehmenslenker ergeben sich daraus drei konkrete Handlungsfelder:

• Die organisationale KI-Readiness eines Unternehmens wird zum materiellen Werttreiber in der Due Diligence – nicht als technologische Checkliste, sondern als Strukturfrage: Ist die Organisation in der Lage, die fünf universellen Designprobleme mit einem erweiterten Lösungsraum neu zu konfigurieren?
• Der Kompetenzerhalt der Belegschaft ist kein weiches HR-Thema, sondern ein strategischer Resilienzfaktor. Organisationen, die Produktivität durch KI steigern und gleichzeitig die Kompetenzbasis ihrer Mitarbeitenden erodieren lassen, bauen strukturelle Fragility auf.
• Die Zukunftsfähigkeit einer Organisation misst sich zunehmend an ihrer Fähigkeit zur Ideengenerierung und strategischen Exploration – nicht an ihrer Exekutionseffizienz, die algorithmisch skalierbar wird.

Erfahren Sie in einem persönlichen Erstgespräch, wie FOSTEC & Company Ihr Unternehmen bei der Entwicklung einer KI-Strategie unterstützt, die organisationale Leistungsfähigkeit und menschliche Kompetenz verbindet – kontaktieren Sie uns.

Einordnung im Leistungsportfolio

Dieser Beitrag ist Teil der AI-Strategy-Kompetenz von FOSTEC & Company. Im Rahmen unserer Commerce & Growth Strategy Services unterstützen wir Unternehmen und PE-Investoren bei der strategischen Bewertung und Implementierung von KI-Technologien – von der organisationalen Readiness-Analyse bis zur konkreten Umsetzung in Geschäftsmodell und Operating Model.