Themen

Auf Konferenzbühnen hat die Zukunft der Arbeit meist zwei Gesichter: Entweder ersetzt KI angeblich bis übermorgen die halbe Belegschaft, oder es wird beschwichtigt, so heiß werde nicht gegessen. Beides bekommt Applaus. Und beides führt am Montag danach zu exakt denselben Meetings wie vorher.

Meine Haltung steht auf dieser Website an erster Stelle: Die Zukunft der Arbeit beginnt nicht mit Tools. Sie beginnt mit Menschen, die bereit sind, anders zu denken. Ein neues Tool auf einem unveränderten Prozess ist keine Transformation, sondern teurer Stillstand. Zwischen Tech-Hype und Bewahrungsreflex liegt die eigentliche Arbeit: neu entscheiden, was Menschen tun sollen — und was nicht mehr.

Deshalb interessiert mich nicht das Szenario für 2035, sondern die Frage, was ein Team im nächsten Monat anders macht. New Work ist kein Obstkorb und kein Manifest. Es ist die sehr konkrete Entscheidung, wie Verantwortung, Routine und Lernen im Alltag verteilt sind.

Der schnellste Weg, Vertrauen in KI zu verspielen: eine Blackbox über Menschen entscheiden lassen. Niemand will, dass ein Modell im Verborgenen Bewerbungen aussortiert — die Menschen in HR am allerwenigsten. Trotzdem wird genau das gerade als Effizienz verkauft, in immer neuen Verpackungen.

Ich baue nach einem anderen Muster: KI darf vorarbeiten — screenen, entwerfen, vorschlagen. Aber jede relevante Aktion braucht eine menschliche Freigabe, und jeder Schritt hinterlässt einen Nachweis. Das ist keine Vorsichtsfloskel, sondern Architektur. In 84 von 100 Fällen kam Mira, mein Screening-Agent, zum selben Ergebnis wie ein Mensch. Entscheidend sind die anderen 16 — genau deshalb entscheidet am Ende kein Modell, sondern ein Mensch.

Human-in-the-Loop heißt dabei nicht, dass jemand müde abnickt, was die Maschine vorlegt. Es heißt, dass Verantwortung dort bleibt, wo sie hingehört: sichtbar, begründet, protokolliert. Ein HR-Agent, der das nicht kann, ist kein Werkzeug — er ist ein Risiko mit Benutzeroberfläche.

„Uns verlassen gerade auffällig viele gute Leute.“ — „Woran liegt es?“ — „Gefühlt an der Führung.“ So klingen Personalentscheidungen in vielen Unternehmen: Die lauteste Anekdote im Raum gewinnt. Beim Marketingbudget würde das niemand durchgehen lassen. Bei Menschen gilt es als Erfahrung.

Ich halte es umgekehrt: Daten geben Richtung, Psychologie erklärt Verhalten. Zahlen zeigen, wo etwas passiert — warum es passiert, erzählen sie nicht. People Analytics ohne Interpretation produziert Dashboards, die niemand öffnet. Interpretation ohne Daten ist Kaffeesatz. Eine Entscheidung wird es erst, wenn beides zusammenkommt.

Wie groß der Unterschied ist, zeigt sich außerhalb von HR oft am deutlichsten: Für einen Pflegedienst habe ich 3.991 PLZ-Gebiete zu fairen Außendienst-Regionen geclustert — eine Verteilung, die vorher an der Landkarte ausdiskutiert wurde. Rechnen statt schätzen. Es gibt keinen Grund, warum ausgerechnet Entscheidungen über Menschen mit weniger Sorgfalt getroffen werden sollten.

Zwei Daten machen aus dem Schlagwort eine Aufgabe. Seit Februar 2025 gilt die AI-Literacy-Pflicht nach Artikel 4 des EU AI Act: Wer KI einsetzt, muss dafür sorgen, dass die eigenen Leute über ausreichende KI-Kompetenz verfügen. Und ab dem 2. Dezember 2027 werden die High-Risk-Pflichten für KI im Beschäftigungskontext durchgesetzt — betroffen ist damit genau die Sorte Software, die in HR gerade überall einzieht.

Man kann darin Bürokratie sehen. Ich sehe darin die Eintrittskarte: Governance ist kein Verhinderungsprojekt, sondern die Voraussetzung, KI in HR überhaupt einsetzen zu dürfen. Wer heute erklären kann, wie seine Systeme zu Empfehlungen kommen und wer sie freigibt, muss 2027 nichts nachholen — und versteht die eigenen Prozesse schon vorher besser. Freigabe und Nachweis sind ohnehin das, was gute HR-Arbeit auszeichnet. Der AI Act schreibt es jetzt auf.

Damit das klar ist: Rechtsberatung bekommen Sie bei mir nicht. Was Sie bekommen, ist AI Literacy, die den Namen verdient — Menschen, die verstehen, was ihre Werkzeuge tun, wo deren Grenzen liegen und welche Fragen sie ihren Anbietern stellen sollten. Das ist der Teil von Governance, der sich sofort auszahlt, ganz unabhängig von Stichtagen.

Ich arbeite jeden Tag mit einem eigenen Team aus KI-Agenten: Einer übernimmt Recherche, einer produziert Content-Entwürfe, einer hält die Planung zusammen. Das ist keine Zukunftsvision und keine Konferenz-Demo — es ist mein Arbeitsalltag. Mit allem, was dazugehört: Agenten, die beeindruckend vorarbeiten, und Agenten, die selbstbewusst Unsinn behaupten, bis man ihre Arbeit prüft.

Genau deshalb ist dieser Satz für mich mehr als Rhetorik: Wer über KI redet, sollte sie selbst im Einsatz haben. Die Erkenntnisse, die in Projekten wirklich weiterhelfen — wo Agenten scheitern, wie viel Steuerung sie brauchen, wann sich der Aufwand lohnt —, stehen in keinem Trend-Report. Es gibt nur einen Weg zu ihnen: eigene Aufgaben, eigener Betrieb, eigenes Risiko.

Build in Public ist die Konsequenz daraus. Ich zeige, was ich baue, inklusive der Umwege — nicht als Marketing-Masche, sondern als Qualitätskontrolle. Was öffentlich nachprüfbar ist, muss funktionieren.