Im März 2026 stand das unabhängige Forschungsinstitut METR vor einem ungewöhnlichen Problem. Es sollte ein neues KI-Modell bewerten. Standardvorgehen: Aufgaben vorlegen, Leistung messen, Ergebnis festhalten.
Das Modell hatte die Obergrenze des Testsystems erreicht. Die Wahrscheinlichkeit, eine Aufgabe autonom abzuschließen, lag bei mindestens sechzehn Stunden menschlicher Arbeitszeit — mit einem Konfidenzintervall bis fünfundfünfzig Stunden. METR musste den Bericht mit einem Hinweis versehen: Die eigenen Aufgaben reichen nicht mehr aus, um die Fähigkeit des Modells zu messen.
Das ist kein Werbetext. Das ist ein Messinstitut, das sein Instrument überarbeiten muss, weil die Technologie schneller war als die Forschung.
Die Zahl, die man kennen muss
Wer die Entwicklung verstehen will, muss eine einzige Größe verinnerlichen: Die Länge von Aufgaben, die KI-Agenten zuverlässig autonom abschließen, verdoppelt sich alle sieben Monate — konsistent über sechs Jahre. Seit 2024 hat sich dieser Rhythmus auf vier bis fünfeinhalb Monate beschleunigt.
Das ist keine lineare Verbesserung, sondern eine exponentielle Kurve mit zunehmender Steigung. Wer sie auf zwei Jahre hochrechnet, kommt zu einem Ergebnis, das die meisten Jahresplanungen nicht einpreisen: Aufgaben, die einem Menschen mehrere Wochen kosten, könnten in den autonomen Bereich fallen.
Das Paradox, das die meisten übersehen
Beschleunigt man einen Teil eines Prozesses, wird der nächstlangsamere sichtbar. Der Begriff dafür stammt aus der Informatik: Amdahls Gesetz, 1967 formuliert. Der Gesamtgewinn aus der Beschleunigung eines Systems ist begrenzt durch den Anteil, der sich nicht beschleunigen lässt.
Auf Organisationen übertragen: Wenn KI die Ausführung radikal beschleunigt, wird der Teil, der menschliches Urteil erfordert, zum neuen Engpass. Nicht weil er schlechter würde — sondern weil er im Verhältnis plötzlich so viel langsamer ist.
GitHub zeigt das im Großmaßstab: 2025 verzeichnete die Plattform erstmals eine Milliarde Code-Beiträge in einem Jahr. Gleichzeitig schätzt ein bekannter Open-Source-Betreuer, dass nur einer von zehn maschinell erzeugten Beiträgen tatsächlich verwertbar ist. Mehr Geschwindigkeit, mehr Ausstoß — und menschliches Urteil als Flaschenhals.
Drei Beobachtungen aus über zwanzig Jahren Transformationsarbeit
KI macht Organisationsversagen sichtbar — schneller als jedes Audit
Wenn ein Unternehmen KI-gestützte Prozesse einführt und die Ergebnisse enttäuschen, liegt das fast nie an der Technologie. Es liegt daran, was vorher schon nicht funktioniert hat und jetzt schneller sichtbar wird. Unklare Ziele produzieren mit KI schneller unklare Ergebnisse. Entscheidungswege, die vorher Wochen brauchten, brauchen weiter Wochen — weil sich die Abstimmungskultur nicht geändert hat, nur das Werkzeug.
McKinsey zeigt das in Zahlen: Nur sechs Prozent der Unternehmen weltweit gelten als AI High Performers. Zweiundneunzig Prozent planen, ihre KI-Investitionen zu erhöhen — aber nur ein Prozent hält sich für wirklich KI-reif. Die Lücke zwischen Investitionsbereitschaft und organisatorischer Reife ist nicht klein. Sie ist strukturell.
Verantwortung delegiert sich nicht an Algorithmen
Eine Auswertung mehrerer US-Studien zeigt: Zweiundsiebzig Prozent der Befragten gaben an, von einem KI-System bessere Ratschläge erhalten zu haben als von ihrer Führungskraft. Fast die Hälfte empfand es als emotional unterstützender.
Ich lese das nicht als Erfolg der Technik, sondern als Befund über Führungsqualität — und als Warnsignal. KI füllt ein Vakuum. Wenn Orientierung fehlt, wenn Entscheidungen nicht klar kommuniziert werden, springt die Maschine ein. Kurzfristig entlastend, mittelfristig gefährlich: Die Fähigkeit zur menschlichen Führung verkümmert, wenn sie nicht mehr gebraucht wird.
Priorisierung ist die neue Engpasskompetenz
Moderne Systeme können von einem unspezifizierten Problem ausgehend eine Lösung entwickeln. Menschen liefern das Ziel, nicht mehr die Methode. Die verbleibenden Leistungslücken bestehen dort, wo entschieden werden muss, welche Ziele überhaupt verfolgt werden sollten.
Das ist die neue Kernkompetenz: nicht Ausführung, nicht einmal mehr Methode — sondern die Fähigkeit, die richtigen Fragen zu stellen. Was soll erreicht werden? Welche Probleme sind es wert, gelöst zu werden? Und, unbequemer: Was hören wir auf zu tun? Wer das nicht klärt, nutzt KI vor allem dazu, schneller am falschen Problem zu arbeiten.
Was Führung jetzt leisten muss
Es gibt eine Versuchung, die ich in vielen Unternehmen beobachte: auf Klarheit zu warten. Auf bessere Systeme, auf ausgereifte Governance, auf den richtigen Zeitpunkt. Der kommt nicht. Die Kurve wartet nicht.
Orientierung geben. Nicht als Vorgabe, sondern als klares Bild davon, woran Erfolg erkennbar ist. KI-Systeme können Mehrdeutigkeit im Ziel nicht kompensieren. Das muss Führung leisten, präziser als bisher.
Verantwortlichkeit verorten. Gerade dann, wenn Systeme Entscheidungen vorbereiten. Wer eine Empfehlung umsetzt, ohne sie zu verstehen, trägt trotzdem die Konsequenz.
Lernschleifen ermöglichen. In einer Umgebung, in der sich Fähigkeiten alle vier bis fünfeinhalb Monate verdoppeln, ist die Lerngeschwindigkeit einer Organisation keine Eigenschaft mehr. Sie ist die Überlebensbedingung.
Fazit
Wer nur Werkzeuge einführt, ohne Orientierung, Verantwortung und Lernfähigkeit zu stärken, beschleunigt das alte System. Ein beschleunigtes altes System ist keine Transformation. Es ist ein schnelleres Scheitern.
Selbstverbesserung als Konzept setzt voraus, dass das lernende System selbst lernfähig ist. Das gilt für KI. Es gilt genauso für Organisationen.
Quellen
- METR Time Horizon Study 1.1 — Januar 2026, Messung autonom lösbarer Aufgabenlängen
- McKinsey & Company: The State of AI — Befragung in 105 Ländern, Anteil der AI High Performers
- GitHub: Octoverse-Kennzahlen 2025 — Volumen der Code-Beiträge
- Resume Now: AI Trends — Auswertung mehrerer US-Studien zu KI-Ratschlägen und Führung
- Gene Amdahl: Validity of the Single Processor Approach — 1967, Grundlage von Amdahls Gesetz
Dieser Beitrag gibt eine fachliche Einordnung wieder und ersetzt keine Rechts- oder Unternehmensberatung.
