Jede Managementmethode macht der Führung dasselbe Versprechen, nämlich dass sich die Organisation in eine Richtung bewegt, wenn Teams Ziele in einem gemeinsamen Format setzen, sich in einem festen Rhythmus treffen und Fortschritt einheitlich berichten. Unternehmen haben ganze Betriebsmodelle um dieses Versprechen herum gebaut, ob sie ihre Version SAFe, Scrum, Quartalsplanung oder einen über Jahre gewachsenen Mix nennen, und viele haben viel investiert, um ihre Leute darin zu schulen.
KI-Agenten setzen diese Investition jetzt unter Druck. Sie entwerfen Prioritäten, fassen Fortschritt zusammen, bereiten Meetings vor und liefern Arbeit in einem Bruchteil der Zeit, die ein Team noch vor einem Jahr brauchte, und damit braucht ein wachsender Teil der Arbeit, die eine Methode organisiert, keinen Menschen mehr. Wer eine Managementmethode verantwortet, muss sich fragen, ob sie ihren Platz noch verdient oder ob sie zu einer Schicht aus Ritualen geworden ist, die die Organisation bremst.
Johannes Etzelmüller, Gründer und CEO von Workpath, ist dieser Frage in einem Webinar mit Marco Alberti nachgegangen, dem Gründer von Murakamy, der seit über fünfzehn Jahren mit Zielsetzungs-Frameworks arbeitet. Ihr Gespräch legt nahe, die Frage präziser zu stellen. Die meisten Teile einer Managementmethode gleichen bestimmte menschliche Grenzen aus, und KI hebt einige dieser Grenzen auf, während andere bestehen bleiben. Die nützliche Frage lautet deshalb, welche Teile einer Methode Agenten übernehmen können und welche Teile das Urteilsvermögen tragen, das weiterhin von der Führung kommen muss.
Managementmethoden gleichen menschliche Grenzen aus
Man sieht eine Managementmethode leicht als Regelwerk, das sich jemand ausgedacht hat, doch die meisten ihrer Rituale und Artefakte gehen auf die Grenzen der Menschen zurück, die damit arbeiten. Am deutlichsten zeigt sich das bei der Verarbeitungskapazität. Ein Führungsteam kann nicht jedes Projekt-Update lesen und nicht jede Kennzahl verfolgen, deshalb schafft die Methode Formate, die Informationen so verdichten, dass ein Mensch sie in einem Meeting aufnehmen kann. Statusberichte, Scorecards und den Foliensatz für das Quarterly Business Review gibt es, weil menschliche Aufmerksamkeit lange vor den Informationen erschöpft ist.
Aus der Verdichtung entsteht das zweite Problem. Jedes Mal, wenn Informationen in der Hierarchie eine Ebene nach oben wandern, verdichtet sie jemand, und jede Verdichtung lässt Details weg und fügt ein Stück Interpretation hinzu. Bis ein Projekt-Update bei der Geschäftsführung ankommt, ist es durch mehrere Hände gegangen, die jeweils entschieden haben, was wichtig ist, und deshalb ergänzen Methoden feste Berichtswege und Review-Meetings, die die Geschichte vom Team bis zum Vorstand konsistent halten sollen.
Die dritte Grenze ist die Geschwindigkeit. Jahrespläne und Quartalszyklen passen zu dem Tempo, in dem menschliche Teams früher geliefert haben, denn ein Quartal gab Teams genug Zeit, etwas Prüfenswertes zu liefern, und der Führung genug Zeit, vor der nächsten Entscheidungsrunde zu reagieren. Der Rhythmus der meisten Methoden spiegelt, wie lange Arbeit früher gedauert hat.
Die vierte Grenze ist das Gedächtnis. Menschen vergessen, was sie im letzten Zyklus gelernt haben, und verschiedene Führungskräfte stellen bei jeder Planung andere Fragen. Marco sieht darin den Kern jeder Methode, die er als Checkliste beschreibt, mit der eine Organisation sicherstellt, dass sie die richtigen Fragen stellt und aus früheren Fehlern lernt. Er vergleicht das mit den Skills, die man heute für KI-Agenten schreibt und die im Grunde den Standard Operating Procedures entsprechen, mit denen Unternehmen seit Jahrzehnten ihre Teams anleiten.
Wenn du eine Managementmethode entlang dieser vier Grenzen betrachtest, fällt etwas Nützliches auf. Der Großteil der sichtbaren Zeremonie, also Berichte, Review-Meetings und der feste Takt, dient den ersten drei Grenzen, und genau diese verändert KI.
KI übernimmt den Großteil der ausgleichenden Arbeit
Als Erstes fällt das Entwerfen weg. Ein Set von Prioritäten aufzubauen kostete früher Wochen mit Workshops, Abstimmungsschleifen und Überarbeitungen, vor allem weil niemand alle relevanten Informationen gleichzeitig im Kopf haben konnte. Mit genug Kontext zu Finanzzielen, Teamstruktur und bisheriger Performance schlägt agentische KI schon heute entlang der gesamten Wirkungskette Prioritäten vor, auf die ein Führungsteam auch selbst gekommen wäre, und das oft schneller. Johannes sieht den Kontext als größten Engpass, weil die meisten Teams der KI nur einen Bruchteil dessen geben, was sie braucht, und aus den schwachen Ergebnissen schließen, dass Menschen diese Arbeit besser machen.
Wenn der Kontext da ist, brauchen wir in ein bis zwei Jahren meiner Meinung nach keine Menschen mehr, um diese Prioritäten zu entwerfen.
Johannes Etzelmüller, Gründer und CEO von Workpath
Beim Reporting verläuft es genauso. Wenn ein Agent jedes Update in jedem System lesen kann, verliert die Verdichtung in Folien viel von ihrem Sinn, weil der Agent den aktuellen Stand jeder Initiative direkt dort abrufen kann, wo die Arbeit passiert. Marco denkt das konsequent zu Ende und würde PowerPoint komplett aus dem Unternehmen verbannen, um mit Einträgen in einer Datenbank zu arbeiten, denn jede Folie verdichtet nur Informationen, die schon an anderer Stelle existieren. Auch Unternehmen, die nicht so weit gehen wollen, sehen schnell, wie viel ihres Reporting-Aufwands in das Umformatieren von Daten für menschliche Leser fließt.
Am sichtbarsten wird die Verschiebung in der Meetingkultur. Ein großer Teil wiederkehrender Meetings existiert, um Informationen zwischen Menschen zu bewegen, und sobald Agenten diese Bewegung übernehmen, verlieren diese Meetings ihren Zweck. In einer Live-Umfrage während des Webinars schätzten die meisten Teilnehmenden, dass ihre Organisation mehr als die Hälfte ihrer Meetings streichen könnte. Johannes rät allerdings davon ab, zuerst Meetings zu streichen, und empfiehlt, mit Automatisierung zu beginnen. Dafür schaust du dir an, was vor, während und nach jedem wiederkehrenden Meeting passiert, und gibst jede vorbereitende und nachbereitende Aufgabe an Agenten ab, von der Agenda bis zum Nachhalten der Entscheidungen. Diese Übung zeigt, welche Daten die Organisation strukturiert braucht, und sobald diese Daten von selbst fließen, lassen sich die Meetings, die nur dem Teilen von Informationen dienten, leicht erkennen.
Am tiefsten trifft die Veränderung den Rhythmus selbst. Eine agentische Belegschaft liefert in Stunden oder Tagen, wofür ein menschliches Team früher ein Quartal geplant hat, und damit wartet die Arbeit jetzt auf das Feedback der Führung. Das Product-Engineering-Team von Workpath spürt diese Verschiebung bereits, weil der Quartalsrhythmus des Unternehmens durch die Arbeit mit Claude Code nicht mehr passt und das Team inzwischen in Horizonten von zwei bis vier Wochen denkt, während andere Teams weiterhin im Quartal planen. Diese Aufspaltung wird in vielen Unternehmen alltäglich werden, und sie macht einen einheitlichen Operating Rhythm für das ganze Unternehmen schwerer zu verteidigen, je stärker sich das Liefertempo zwischen Teams unterscheidet.
%20Will%20AI%20end%20management%20frameworks%20and%20methodologies%201.png)
Urteilsvermögen wird zum wichtigsten Teil der Methode
Wenn KI den Großteil der ausgleichenden Arbeit übernimmt, liegt der Schluss nahe, dass Managementmethoden ausgedient haben. Die vierte Grenze spricht dagegen. Agenten brauchen genauso viel Struktur wie Menschen, weil eine klare Checkliste einem Agenten Tokens spart, so wie sie einem Menschen Energie spart, und deshalb gewinnt der Teil einer Methode, der festlegt, welche Fragen eine Organisation stellt, an Wert, je mehr Arbeit an KI geht. Was sich ändert, ist, wer die Checkliste abarbeitet und wo der menschliche Beitrag liegt.
Dieser Beitrag beginnt bei der Absicht. Ein Agent kann Prioritäten entwerfen, sobald er weiß, wohin das Unternehmen will, warum es dorthin will und welche Trade-offs es auf dem Weg akzeptiert. In vielen Unternehmen steckt diese Absicht in den Köpfen weniger Führungskräfte und in Foliensätzen vom letzten Strategie-Offsite, und Agenten füllen die Lücken dann mit plausiblen Vermutungen. Johannes empfiehlt Führungsteams zu testen, wie klar ihre Organisation ihre Absicht definiert und dokumentiert und ob die KI-Tools ihrer Teams auf diese Dokumentation zugreifen können.
Die Absicht bestimmt auch, wie ein Unternehmen seine neue Kapazität nutzt. Wenn die Umsetzung schneller wird, liegt es nahe, die Ziele zu erhöhen und mehr von derselben Arbeit zu erwarten. Marco plädiert für einen anderen Umgang mit dieser Kapazität, bei dem Teams mehr Wetten auf echten Kundennutzen platzieren und jede davon als Hypothese testen. Dieser Ansatz vervielfacht die Zahl der Entscheidungen, die die Führung treffen muss, denn jemand muss auswählen, welche Wetten Ressourcen verdienen und welche er stoppt, sobald die Ergebnisse vorliegen.
Diese Entscheidungen brauchen klare Verantwortliche. Marco verweist auf Jack Dorseys Idee "from hierarchy to intelligence", bei der kleine Teams mit klarer Verantwortung entscheiden und eine KI-Schicht in der Mitte die Koordination zwischen ihnen übernimmt. Das Modell klingt einfach, setzt aber Verantwortung voraus, die Menschen auch ausüben können, und daran hapert es in vielen Organisationen. Ein typisches Beispiel ist ein Product Owner, der den Titel trägt und trotzdem nichts über das Produkt entscheiden darf. Agenten machen diese Lücke teurer, weil sie schnell genug arbeiten, um jede Entscheidung ohne klare Verantwortung sichtbar zu machen und Arbeit davor aufzustauen.
Der letzte Teil des Urteilsvermögens ist der am wenigsten offensichtliche, weil er das Urteilsvermögen selbst betrifft. Sobald KI die Entwürfe schreibt, hören Menschen oft auf, sich eine eigene Meinung zu bilden. Laut Johannes nehmen Nutzer mehr als die Hälfte der Vorschläge des Workpath Companion mit einem einfachen Ja an. Kurzfristig spart diese Gewohnheit Zeit, langfristig untergräbt sie genau die Fähigkeit, die Führungskräfte wertvoll macht, denn wer sich keine eigene Meinung mehr bildet, erkennt auch einen schwachen Vorschlag schwerer. Marcos Antwort besteht darin, die Reihenfolge der Entscheidungsfindung umzudrehen.
Wir müssen den Entscheidungsprozess umdrehen, sodass Menschen sich zuerst eine eigene Meinung bilden und die Antwort des Modells nutzen, um sie zu prüfen.
Marco Alberti, Gründer von Murakamy
In der Praxis schreibt ein Führungsteam also zuerst seine eigenen Prioritäten auf, bevor es den KI-Entwurf ansieht, und verwendet die Diskussion dann auf die Unterschiede zwischen beiden. Die KI erledigt weiterhin den Großteil der Arbeit, und das Team trainiert das Urteilsvermögen, das es für die wichtigen Entscheidungen braucht.
Zwei Fehler, die Managementmethoden mit KI schlechter machen
Die Verschiebung hin zum Urteilsvermögen zahlt sich nur aus, wenn Unternehmen zwei Fallen umgehen, in die man mit KI leicht tappt. Die erste betrifft Informationen. KI kann das alte Problem des Informationsverlusts verschärfen, wenn Menschen sie an beiden Enden eines Berichts einsetzen. Eine Person lässt KI aus ein paar Stichpunkten einen ausgefeilten Bericht machen, die Empfängerin lässt KI diesen Bericht wieder zusammenfassen, und der Inhalt verliert mit jedem Durchgang an Qualität, bis er mehr über das Modell aussagt als über die Arbeit. Die Lösung liegt in den Quelldaten, denn eine Intelligenzschicht, die mit den vollständigen, unverdichteten Informationen aus den Systemen arbeitet, in denen die Arbeit passiert, liefert Entscheidern weit bessere Grundlagen als jede Kette von Zusammenfassungen.
Die zweite Falle ist verlockender, weil sie nach Fortschritt aussieht. Unternehmen setzen Agenten auf jedes bestehende Meeting, jeden Bericht und jeden Planungszyklus, die alte Struktur läuft schneller, und die Organisation produziert mehr Output und mehr Rauschen, während die zugrunde liegenden Entscheidungen so langsam bleiben wie zuvor. Johannes sieht darin das größte Risiko der kommenden Jahre.
Der größte Fehler, den Unternehmen in den nächsten fünf Jahren machen können, ist, alles so zu lassen, wie es ist, also wie sie sich treffen und wie oft sie entscheiden, und einfach KI-Agenten obendrauf zu setzen.
Johannes Etzelmüller, Gründer und CEO von Workpath
So baust du deine Managementmethode für KI-Agenten um
Die vier Grenzen geben Führungsteams einen praktischen Weg, ihre Methode zu überprüfen. Der Ausgangspunkt ist eine vollständige Bestandsaufnahme aller wiederkehrenden Meetings, Berichte, Vorlagen und Planungszyklen, auch der informellen, an denen alle teilnehmen und für die niemand verantwortlich ist. Für jeden Punkt fragt das Team, welche menschliche Grenze er ausgleicht und welche Entscheidungen er unterstützt. Die zweite Frage ist die wichtigere, weil sie die Teile der Methode, die Informationen bewegen, von den Teilen trennt, die Entscheidungen hervorbringen.
Ein Monthly Business Review ist ein gutes Beispiel. Es gleicht meist begrenzte Verarbeitungskapazität und Informationsverlust aus, denn Teams verbringen Tage damit, Folien vorzubereiten, die ihre Zahlen für die Führung verdichten. Wertvoll machen es die Entscheidungen, die es unterstützt, etwa Budget zwischen Initiativen zu verschieben oder ein Projekt zu stoppen, das hinter den Erwartungen bleibt. Nach Johannes' Ansatz gibt das Team zuerst Vorbereitung, Reporting und Nachbereitung an Agenten ab und führt das Review ein oder zwei Zyklen so durch. Sobald die Zahlen von selbst fließen, sieht das Team, ob das Meeting noch seine volle Länge braucht oder ob eine kürzere Entscheidungsrunde, die immer dann stattfindet, wenn die Daten es verlangen, dem Geschäft besser dient.
Dieselbe Prüfung sollte sich dann auf den Rhythmus selbst erstrecken. Teams, die in Wochen liefern, brauchen einen Takt, der zu ihrem Tempo passt, und Teams mit längeren Lieferzyklen können einen langsameren behalten, solange die Führung beide mit derselben Absicht verbinden kann. Diese Verbindung hängt von einer Absicht ab, die die Führung aufgeschrieben, in ihren Trade-offs klar formuliert und für die Agenten aller Teams zugänglich gemacht hat. Der letzte Schritt ist eher eine Gewohnheit als ein Prozess, bei der Führungskräfte sich eine eigene Meinung bilden, bevor sie einen KI-Vorschlag ansehen, und die Unterschiede als Ausgangspunkt für die Diskussion nutzen.
Macht agentische KI Managementmethoden also überflüssig?
Managementmethoden bleiben, weil Menschen und Agenten mit einer gemeinsamen Checkliste der richtigen Fragen besser arbeiten. Das Gleichgewicht in ihnen verschiebt sich allerdings. Die ausgleichende Schicht aus Berichten, Status-Meetings und festen Quartalsrhythmen schrumpft, sobald Agenten die Arbeit übernehmen, für die sie entstanden ist. Die Schicht des Urteilsvermögens mit Absicht, Trade-offs, Verantwortung und der Wahl der richtigen Wetten gewinnt an Gewicht, weil jeder Agent im Unternehmen von ihr abhängt. Unternehmen, die ihre Methode um dieses Urteilsvermögen herum neu aufbauen, holen weit mehr aus KI heraus als Unternehmen, die ihre alten Prozesse einfach schneller laufen lassen.
.png)
%20(1).webp)
