Die neue Unsichtbarkeit der Kompetenz

Stellen Sie sich einen Bereichsleiter vor, der eine strategische Analyse präsentiert. Die Argumentation überzeugt. Die Sprache sitzt. Zahlen, Szenarien und Empfehlungen ergeben ein professionelles Gesamtbild. Dann stellt ein Mitglied der Geschäftsleitung eine einfache Frage:

„Welche Ihrer Annahmen halten Sie selbst für besonders riskant?“

Es entsteht eine Pause. In diesem Moment zeigt sich eine Fähigkeit, die im fertigen Dokument kaum sichtbar wird: die Qualität des eigenen Urteils. Künstliche Intelligenz verändert damit mehr als Arbeitsprozesse. Sie verändert, wie Unternehmen Leistung wahrnehmen, Kompetenz beurteilen und Verantwortung zuschreiben.

Der aktuelle Befund aus Juni 2026

Wie unmittelbar diese Verschiebung inzwischen im Arbeitsalltag ankommt, zeigt die im Juni 2026 veröffentlichte globale BCG-Erhebung AI at Work. Befragt wurden 11.749 Beschäftigte aus 14 Märkten und unterschiedlichen Branchen. 72 Prozent erleben bereits veränderte Kompetenzanforderungen in ihrer Rolle. 60 Prozent berichten von einem höheren Maßstab für Arbeit, die als „gut genug“ gilt. 47 Prozent verbringen nach eigener Einschätzung inzwischen mehr Zeit damit, KI zu steuern und zu führen, als die betreffende Arbeit selbst auszuführen. 41 Prozent erleben eine höhere mentale Belastung.

Die Zahlen beschreiben eine große internationale Unternehmensbefragung und beruhen auf Selbstauskünften. Sie messen Wahrnehmungen und betriebliche Praxis, keine kausale Wirkung. Als aktueller Wirtschaftsindikator markieren sie dennoch einen Wendepunkt: Der Engpass liegt zunehmend in der Fähigkeit von Organisationen, menschliche Wertschöpfung unter veränderten Arbeitsbedingungen zu erkennen, zu entwickeln und verantwortlich zu führen.

Produktivität wächst – die Beurteilung wird anspruchsvoller

Eine 2025 im Quarterly Journal of Economics veröffentlichte Feldstudie untersuchte die Einführung eines KI-Assistenten bei 5.172 Beschäftigten im Kundensupport. Die Zahl erfolgreich bearbeiteter Anliegen pro Stunde stieg im Durchschnitt um 15 Prozent. Weniger erfahrene und leistungsschwächere Beschäftigte profitierten besonders stark; bei ihnen nahm auch die Qualität der Arbeit zu. Sehr erfahrene Beschäftigte erzielten geringere Geschwindigkeitsgewinne und zeigten teilweise leichte Qualitätseinbußen. Für Unternehmen ist das wirtschaftlich relevant. KI kann Einarbeitungszeiten verkürzen, Erfahrungswissen verbreiten und die Leistungskurve neuer Mitarbeitender beschleunigen. Die Studie zeigt zugleich eine Verdichtung der Leistungsunterschiede: Sichtbare Arbeitsergebnisse gleichen sich an.

Genau daraus entsteht eine neue Führungsaufgabe. Wenn Analysen, Präsentationen und Entscheidungsvorlagen professioneller werden, verliert der Output einen Teil seiner bisherigen diagnostischen Aussagekraft. Ein starkes Ergebnis erlaubt zunehmend mehrere Erklärungen: fachliche Exzellenz, souveräne Zusammenarbeit mit KI oder eine geschickte Übernahme maschinell erzeugter Vorschläge.

Die psychologische Ebene: Wer denkt hier eigentlich?

Eine Untersuchung mit 319 Wissensarbeitenden und 936 konkreten Beispielen KI-gestützter Arbeit zeigt einen bemerkenswerten Zusammenhang: Ein starkes Vertrauen in die KI ging mit weniger berichteter kritischer Prüfung einher. Das Vertrauen in die eigene Fähigkeit, Aufgabe und Ergebnis fachlich beurteilen zu können, förderte dagegen die gedankliche Auseinandersetzung. Weitere Forschung führt zur Metakognition, unserer Fähigkeit, das eigene Denken zu beobachten und seine Qualität realistisch einzuschätzen. In zwei Studien mit 246 beziehungsweise 452 Teilnehmenden verbesserten KI-Hilfen die Leistung bei logischen Aufgaben. Gleichzeitig überschätzten die Nutzerinnen und Nutzer ihre Ergebnisse. Leistungsgewinn und Selbsteinschätzung entwickelten sich auf unterschiedlichen Ebenen.

Eine präregistrierte Studie mit 269 Teilnehmenden und eine ergänzende Befragung von 270 Beschäftigten erweitern das Bild. Die passive Übernahme von KI-Ergebnissen schwächte das Erleben von Selbstwirksamkeit, psychologischer Verantwortung und Sinn. Eine aktive, dialogische Zusammenarbeit mit der KI bewahrte diese Qualitäten weitgehend.

Die zentrale Frage lautet daher: Erweitert KI den menschlichen Denkprozess – oder übernimmt sie jene Phasen, in denen Urteilskraft entsteht?

Drei Ebenen von Leistung

Für Führung und Diagnostik lohnt eine Unterscheidung zwischen drei Ebenen.

1. Qualität des Ergebnisses: Wie fundiert, präzise und anschlussfähig ist der sichtbare Output?
2. Qualität des Urteils: Kann die Person Annahmen prüfen, Widersprüche erkennen, Alternativen abwägen und Unsicherheit benennen?
3. Qualität der Verantwortungsübernahme: Kann sie die Empfehlung fachlich vertreten, ihre Folgen einschätzen und bei neuen Erkenntnissen korrigieren?

KI kann die erste Ebene erheblich stärken. Die zweite und dritte Ebene werden dadurch zu zentralen menschlichen Entwicklungsfeldern. HM-i bezeichnet die wachsende Distanz zwischen sichtbarem Ergebnis und zugrunde liegender Kompetenz als diagnostische Entkopplung. Der Begriff beschreibt eine praktische Herausforderung: Je leistungsfähiger die Werkzeuge werden, desto genauer müssen Unternehmen auf Urteilskraft, Persönlichkeit, Lernfähigkeit und Verantwortungsbereitschaft schauen.

Was das wirtschaftlich bedeutet

Fehleinschätzungen von Kompetenz beeinflussen Personalauswahl, Nachfolgeentscheidungen, Talentprogramme und die Besetzung kritischer Rollen. Professionell formulierte Empfehlungen können Scheinsicherheit erzeugen, während substanzielle Urteilskraft hinter einem weniger glänzenden Auftritt verborgen bleiben kann.

Damit verschiebt sich der Fokus moderner Führungskräfteentwicklung:

• von der Produktion überzeugender Antworten zur Qualität des Denk- und Entscheidungsprozesses,
• von punktueller Leistungsbewertung zur Verbindung von Persönlichkeit, Verhalten und Kontext,
• von allgemeiner KI-Anwendungskompetenz zur souveränen Human-AI-Collaboration.

Ein Future Skill rückt ins Zentrum

Wir fassen diese Fähigkeit als Judgment & Ownership zusammen: die Verbindung von Urteilsfähigkeit, metakognitischer Klarheit und verantwortlicher Entscheidungspraxis.

Diese Future Capability zeigt sich in konkreten Verhaltensweisen:

• Eine Führungskraft unterscheidet Fakten, Annahmen und maschinelle Vorschläge.
• Sie erkennt die Grenzen einer Analyse.
• Sie lädt Gegenargumente aktiv ein.
• Sie trifft Entscheidungen mit klarem Verantwortungsbewusstsein.
• Sie nutzt KI als intellektuelles Gegenüber und behält die Führung über den Denkprozess.

Persönlichkeitsdiagnostik kann dabei Hinweise auf Motive, Denkpräferenzen, Selbststeuerung und den Umgang mit Ambiguität liefern. Training schafft erlebbare Entscheidungssituationen. Coaching verbindet diese Erfahrungen mit Rolle, Persönlichkeit und organisationalem Kontext. Erst im Zusammenspiel entsteht Entwicklung.

Drei Fragen für Ihre nächste Entscheidungsvorlage

Bevor Sie eine KI-gestützte Analyse, Empfehlung oder Entscheidungsvorlage akzeptieren, fragen Sie:

1. Welche Annahmen tragen diese Empfehlung?
2. Welche Beobachtung würde zu einer anderen Entscheidung führen?
3. Wer übernimmt die fachliche Verantwortung für Ergebnis und Konsequenzen?

Die Antworten zeigen häufig mehr über Führungskompetenz als die Qualität der Präsentation.

Der HM-i-Gedanke zum Mitnehmen

Über viele Jahre galt das Arbeitsergebnis als sichtbarer Ausdruck von Wissen und Erfahrung. KI lockert diese Verbindung. Dadurch gewinnt eine tiefere Form von Kompetenz an Bedeutung: die Fähigkeit, Informationen einzuordnen, das eigene Denken zu prüfen und Entscheidungen verantwortlich zu vertreten.

Die nächste Entwicklungsstufe der KI-Nutzung zeigt sich deshalb in der Qualität des menschlichen Urteils. Je leistungsfähiger die Werkzeuge werden, desto wertvoller wird verantwortliche Urteilskraft.

Bei HM-i verbinden wir Führung, Persönlichkeitsdiagnostik, Future Skills, Training und Business Coaching zu einem integrierten Entwicklungsansatz. Denn ein Future Skill wird erst dann wirksam, wenn dieser zur Person, zur Rolle und zum organisationalen Kontext passt.

Literatur

Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044

Fernandes, D., Villa, S., Nicholls, S., Haavisto, O. et al.  (2026). AI makes you smarter but none the wiser: The disconnect between performance and metacognition. Computers in Human Behavior, 175, 108779. https://doi.org/10.1016/j.chb.2025.108779

Lee, E. H., Yin, Y., Jia, N., & Wakslak, C. J. (2026). Relying on AI at work reduces self-efficacy, ownership, and meaning while active collaboration mitigates the effects. Scientific Reports, 16, 13583. https://doi.org/10.1038/s41598-026-42312-6

Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I. et al. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (Article 1121, pp. 1–22). Association for Computing Machinery. https://doi.org/10.1145/3706598.3713778

Aktuelle Markt- und Kontextquelle

Boston Consulting Group. (2026, June 3). AI at work: Why strategy matters more than tools [Globale Unternehmensbefragung, N = 11.749, 14 Märkte]. https://www.bcg.com/publications/2026/ai-at-work-why-strategy-matters-more-than-tools