{"id":10167,"date":"2026-08-11T11:23:02","date_gmt":"2026-08-11T09:23:02","guid":{"rendered":"https:\/\/hm-i.de\/de_de\/?p=10167"},"modified":"2026-08-11T11:23:02","modified_gmt":"2026-08-11T09:23:02","slug":"coachende-fuehrung-ki","status":"publish","type":"post","link":"https:\/\/hm-i.de\/en_gb\/coachende-fuehrung-ki\/","title":{"rendered":"Wenn KI die Junior-Arbeit macht: Wer coacht die Seniors?"},"content":{"rendered":"

Wie K\u00fcnstliche Intelligenz Lernwege ver\u00e4ndert und warum coachende F\u00fchrung f\u00fcr Urteilskraft, Expertise und organisationale Lernf\u00e4higkeit an Bedeutung gewinnt<\/em><\/p>\n

Von Katharina Reischenbacher, PCC (ICF), und Dr. Peter H\u00f6her, HM-i GmbH<\/p>\n

\"\"<\/figure>\n

Die Frage, wie K\u00fcnstliche Intelligenz unsere Arbeit ver\u00e4ndert, ist l\u00e4ngst im Topmanagement angekommen. Ein aktuelles Beispiel liefert die Deutsche Bank: Financial News berichtete am 4. August 2026, dass die 200 rangh\u00f6chsten F\u00fchrungskr\u00e4fte der Bank zwischen Mai und Juli ein verpflichtendes dreit\u00e4giges KI-Programm absolviert haben. Entwickelt wurde \u201eTransformational Leadership in the Age of AI\u201c<\/strong> gemeinsam mit der London Business School und Google. Zu den Teilnehmenden geh\u00f6rten Mitglieder des Management Boards ebenso wie Senior Investment Banker, Trader und weitere F\u00fchrungskr\u00e4fte.<\/p>\n

Warum ist diese Meldung relevant? Weil die Deutsche Bank KI nicht als isolierte Technologiefrage behandelt, sondern als F\u00fchrungs- und Transformationsaufgabe. Lawrence Shaw, Head of Workforce Capability, beschreibt die Herausforderung darin, ein gemeinsames Verst\u00e4ndnis dar\u00fcber zu entwickeln, wie KI das Gesch\u00e4ftsmodell ver\u00e4ndert und wie eine Organisation mit rund 90.000 Besch\u00e4ftigten durch diese Transformation gef\u00fchrt werden kann. Auch der AI Summit der Bank im April 2026 r\u00fcckte neben technologischen M\u00f6glichkeiten die verantwortliche Nutzung und die kritische Bewertung KI-generierter Ergebnisse in den Mittelpunkt.<\/p>\n

F\u00fcr HM-i liegt darin ein wichtiger Punkt:<\/p>\n

Technologische Transformation entfaltet ihren Wert dort, wo Technologie, Kompetenzentwicklung und Organisationsgestaltung zusammen gedacht werden. Genau an dieser Schnittstelle entsteht derzeit eine zweite, weniger sichtbare Ver\u00e4nderung. KI ver\u00e4ndert nicht nur, wie Menschen arbeiten. Sie ver\u00e4ndert auch, woran Menschen lernen.<\/p><\/blockquote>\n

\u2192 Vertiefend dazu: HR der Zukunft gestalten: Mensch, Technik und KI r\u00fccken zusammen<\/a><\/p>\n

Wenn Effizienzgewinne Lernwege ver\u00e4ndern<\/h2>\n

Gerade im Investment Banking wird dieser Zusammenhang sichtbar. Junior Banker \u00fcbernehmen traditionell einen gro\u00dfen Teil der analytischen Vorarbeit: Sie recherchieren, bereiten Daten auf, erstellen Modelle und Pr\u00e4sentationen und liefern damit wesentliche Grundlagen f\u00fcr Entscheidungen und Kundengespr\u00e4che. Viele dieser T\u00e4tigkeiten lassen sich durch generative KI heute erheblich beschleunigen oder teilweise automatisieren.<\/p>\n

Aus Produktivit\u00e4tsperspektive ist das attraktiv. Nachwuchskr\u00e4fte k\u00f6nnen fr\u00fcher komplexere Sachverhalte bearbeiten, Daten interpretieren und st\u00e4rker in den Kundenkontakt hineinwachsen. Die Deutsche Bank diskutiert daf\u00fcr sogar virtuelle Kunden als Trainingsm\u00f6glichkeit. Gleichzeitig nennt sie kritisches Denken<\/strong> und professionelle Urteilskraft<\/strong> als F\u00e4higkeiten, die in diesen ver\u00e4nderten Rollen wichtiger werden.<\/p>\n

Aus Sicht von Personal- und Kompetenzentwicklung entsteht jedoch ein Spannungsfeld. Denn Routinearbeit war in wissensintensiven Berufen nie nur Produktion. Sie war h\u00e4ufig gleichzeitig Qualifizierung.<\/strong> Wer wiederholt Analysen erstellt, entwickelt mit der Zeit ein differenzierteres Verst\u00e4ndnis daf\u00fcr, welche Informationen relevant sind, welche Zusammenh\u00e4nge plausibel erscheinen und an welcher Stelle zus\u00e4tzliche Fragen notwendig werden. Aus deklarativem Wissen wird Erfahrungswissen, aus Regelwissen entstehen Mustererkennung und professionelle Intuition.<\/p>\n

\"\"<\/figure>\n

Deshalb sollten Unternehmen bei der Automatisierung von Aufgaben k\u00fcnftig zwei Perspektiven miteinander verbinden: den Produktionswert einer T\u00e4tigkeit und ihren Entwicklungswert. Eine Aufgabe kann technisch sehr gut automatisierbar sein und gleichzeitig eine relevante Lerngelegenheit darstellen. Die zentrale Frage lautet dann:<\/p>\n

Welche Erfahrungen m\u00fcssen Nachwuchskr\u00e4fte k\u00fcnftig machen, wenn ein Teil der bisherigen Erfahrungsr\u00e4ume durch KI ver\u00e4ndert wird?<\/strong><\/p>\n

Eine gute Leistung ist noch keine entwickelte Expertise<\/h2>\n

Generative KI kann den Kompetenzaufbau durchaus beschleunigen. Eine Feldstudie von Erik Brynjolfsson, Danielle Li und Lindsey Raymond mit 5.172 Besch\u00e4ftigten im Kundenservice zeigte einen durchschnittlichen Produktivit\u00e4tszuwachs von rund 15 Prozent durch generative KI. Besonders deutlich profitierten weniger erfahrene Besch\u00e4ftigte. Die Ergebnisse sprechen daf\u00fcr, dass KI Teile des Erfahrungswissens leistungsst\u00e4rkerer Kolleginnen und Kollegen zug\u00e4nglich machen und Lernkurven beschleunigen kann.<\/p>\n

F\u00fcr F\u00fchrung und Personalentwicklung folgt daraus eine wichtige Differenzierung: Unterst\u00fctzte Performanz und eigenst\u00e4ndig verf\u00fcgbare Kompetenz sind miteinander verbunden, aber sie sind nicht identisch. Ein Mitarbeitender kann mit Unterst\u00fctzung eines leistungsf\u00e4higen Systems ein hochwertiges Ergebnis erzeugen. Professionelle Expertise zeigt sich zus\u00e4tzlich darin, ob er erkl\u00e4ren kann, weshalb dieses Ergebnis tr\u00e4gt, ob er Fehler und L\u00fccken erkennt, ein Prinzip auf neue Situationen \u00fcbertr\u00e4gt und eine Entscheidung auch dann vertreten kann, wenn mehrere plausible L\u00f6sungen existieren.<\/p>\n

Damit verschiebt sich die Entwicklungsfrage. Vielleicht brauchen Nachwuchskr\u00e4fte k\u00fcnftig tats\u00e4chlich weniger hundert nahezu identische Wiederholungen. Daf\u00fcr brauchen sie bewusst gestaltete Lernschleifen: zun\u00e4chst eine eigene Einsch\u00e4tzung, anschlie\u00dfend die KI-Analyse, dann den Vergleich verschiedener L\u00f6sungswege, begr\u00fcndete Auswahl, Feedback durch erfahrene Kolleginnen und Kollegen und schlie\u00dflich einen neuen, komplexeren Fall. So kann aus weniger Routine mehr reflektierte Erfahrung entstehen.<\/p>\n

Future Skills sind mehr als technologische Skills<\/h2>\n

Der aktuelle OECD-Policy-Brief \u201eAI and skills: What we know so far\u201c<\/strong> unterst\u00fctzt diese Perspektive. Weniger als ein Prozent der Besch\u00e4ftigten werden demnach fortgeschrittene KI-spezifische F\u00e4higkeiten wie Programmierung oder Modellentwicklung ben\u00f6tigen.<\/strong> F\u00fcr wesentlich mehr Menschen gewinnen digitale F\u00e4higkeiten sowie die Kompetenz an Bedeutung, Daten zu nutzen, zu analysieren und zu interpretieren. Gleichzeitig bleiben Managementkompetenzen und menschliche F\u00e4higkeiten wie Probleml\u00f6sen, Kreativit\u00e4t und Innovation wesentlich.<\/strong><\/p>\n

Die zentrale Entwicklungsaufgabe besteht deshalb weniger darin, m\u00f6glichst viele Menschen zu technischen KI-Spezialistinnen und -Spezialisten auszubilden. Entscheidend wird, Menschen dazu zu bef\u00e4higen, KI qualifiziert einzusetzen, Ergebnisse fachlich und situativ zu bewerten und daraus tragf\u00e4hige Entscheidungen abzuleiten. F\u00fcr HM-i ist diese Verbindung wesentlich: AI Literacy braucht eine menschliche und organisationale Tiefenstruktur. Dazu geh\u00f6ren Fachkompetenz, Reflexionsf\u00e4higkeit, kritisches Denken, Perspektivenintegration und professionelle Urteilskraft.<\/strong><\/p>\n

Arbeit ist ein Lernraum<\/h2>\n

Die OECD r\u00fcckt in ihrer 2026 ver\u00f6ffentlichten Studie \u201eGiving Informal Learning the Recognition it Deserves\u201c informelles Lernen ausdr\u00fccklich in den Mittelpunkt. Ein erheblicher Teil von F\u00e4higkeiten entwickelt sich im Arbeitsalltag, durch Erfahrung, selbstst\u00e4ndiges Probleml\u00f6sen, soziale Interaktion, Beobachtung, Mentoring und den Austausch mit erfahrenen Kolleginnen und Kollegen. Lernf\u00f6rderliche Arbeitspl\u00e4tze brauchen deshalb Aufgabenvielfalt, echte Probleml\u00f6sem\u00f6glichkeiten und bewusst gestalteten Wissenstransfer.<\/strong><\/p>\n

Das deckt sich mit unserem Verst\u00e4ndnis von Learning & Development bei HM-i: Kompetenzentwicklung entsteht in individuellen und kollektiven Lernarrangements. Corporate Learning umfasst Seminare und Trainings ebenso wie informelles und eigenverantwortliches Lernen im Arbeitsprozess. F\u00fcr die KI-Transformation folgt daraus eine klare Konsequenz: Wenn Unternehmen Arbeitsprozesse neu gestalten, sollten sie gleichzeitig die Lernprozesse neu gestalten.<\/p>\n

Coachende F\u00fchrung wird zur Lerninfrastruktur<\/h2>\n

Wenn Lerngelegenheiten weniger beil\u00e4ufig \u00fcber wiederkehrende Routinen entstehen, m\u00fcssen sie bewusster gestaltet werden. Damit r\u00fcckt die unmittelbare F\u00fchrungskraft ins Zentrum. Sie beeinflusst t\u00e4glich, welche Aufgaben Mitarbeitende \u00fcbernehmen, welchen Entscheidungsspielraum sie erhalten, welche R\u00fcckmeldung sie bekommen und ob aus einer Erfahrung tats\u00e4chlich Lernen entsteht.<\/p>\n

Auch die OECD hebt diese Rolle aktuell hervor: F\u00fchrungskr\u00e4fte sollen Lernen am Arbeitsplatz f\u00f6rdern, konstruktives Feedback geben, Mitarbeitende coachen und informell erworbene Kompetenzen erkennen.<\/strong> Damit erh\u00e4lt die Idee der coachenden F\u00fchrung eine neue strategische Bedeutung. Professionelles Coaching und coachende F\u00fchrung bleiben dabei klar unterscheidbare Rollen. Eine F\u00fchrungskraft tr\u00e4gt Ergebnis-, Personal- und h\u00e4ufig Budgetverantwortung. Coachingkompetenz erweitert dieses F\u00fchrungsrepertoire um eine Entwicklungsdimension.<\/strong><\/p>\n

\"\"<\/figure>\n

Eine coachende F\u00fchrungskraft erkennt, wann Orientierung und Entscheidung gefragt sind, und wann ein Mitarbeitender mehr entwickelt, wenn sie zun\u00e4chst zuh\u00f6rt, eine Frage stellt, eine Perspektive erg\u00e4nzt oder die eigene L\u00f6sung f\u00fcr einen Moment zur\u00fcckh\u00e4lt. Gerade in einer Arbeitswelt mit jederzeit verf\u00fcgbarer KI-Unterst\u00fctzung wird diese F\u00e4higkeit relevant. Denn inzwischen kann auch die F\u00fchrungskraft innerhalb von Sekunden Antworten generieren lassen. Entwicklungswirksam wird F\u00fchrung dort, wo aus einer verf\u00fcgbaren Antwort ein eigener Denkprozess entsteht.<\/p>\n

Coachende F\u00fchrung ist empirisch anschlussf\u00e4hig<\/h2>\n

Die Forschung besch\u00e4ftigt sich seit vielen Jahren mit Managerial Coaching beziehungsweise dem \u201eManager as Coach\u201c. Hagen und Gavrilova Aguilar untersuchten bereits 2012 den Zusammenhang zwischen Coachingkompetenz von F\u00fchrungskr\u00e4ften und Lernergebnissen im Teamkontext. Ihre Ergebnisse unterstreichen, dass Coachingexpertise und Empowerment f\u00fcr Lernprozesse in Teams relevant sind. Reviews zu Managerial Coaching heben zus\u00e4tzlich Verhaltensweisen wie aktives Zuh\u00f6ren, Fragen, Reflexion sowie eine vertrauensvolle und respektvolle Beziehung hervor.<\/p>\n

Diese Evidenz l\u00e4sst sich mit benachbarten Forschungsfeldern verbinden. Forschung zu psychologischer Sicherheit zeigt, wie wichtig ein Klima ist, in dem Fragen, Zweifel und unterschiedliche Einsch\u00e4tzungen ausgesprochen werden k\u00f6nnen. Meta-analytische Befunde zu autonomieunterst\u00fctzender F\u00fchrung unterstreichen die Bedeutung von Handlungsspielraum und selbstbestimmter Motivation. Zusammengenommen entsteht ein konsistentes Bild: Lernen am Arbeitsplatz braucht F\u00fchrung, die Leistungserwartung mit Reflexion, Feedback, Vertrauen und wachsender Verantwortung verbindet.<\/p>\n

Welche Kompetenzen braucht die coachende F\u00fchrungskraft im KI-Zeitalter?<\/h2>\n