KI-Produktivität: Das Rennen wird im langweiligen Teil der Strecke entschieden

Die großen KI-Labore versprechen einen Sprung bei der KI-Produktivität, der ganze Berufsgruppen überflüssig machen soll. Warum diese Gewinne langsamer kommen, als alle denken, und warum das eine gute Nachricht ist, lässt sich am besten an einem kalten Morgen im Januar 1986 erzählen. Die Heldin dieser Geschichte ist ein billiger Gummiring.

Der Abend vor dem Start

Am Abend des 27. Januar 1986 saßen ein paar Ingenieure in einer Telefonkonferenz und versuchten, einen Raketenstart zu verhindern.

Für den nächsten Morgen war in Florida ungewöhnliche Kälte angesagt, Frost, Eiszapfen am Startgerüst. Und die Ingenieure, die die Feststoffraketen der Raumfähre Challenger gebaut hatten, wussten etwas, das ihnen keine Ruhe ließ. In diesen Raketen steckten Dichtungsringe aus Gummi, fingerdick, ein paar Cent das Stück. O-Ringe nennt man sie. Ihre Aufgabe klingt unspektakulär: Sie sollen die Fugen zwischen den Raketensegmenten abdichten, damit kein heißes Gas nach außen dringt. Bei Wärme sind sie elastisch und schmiegen sich an. Bei Kälte werden sie hart und spröde.

Die Ingenieure baten darum, den Start zu verschieben. Es wurde zu spät, es wurde zu kompliziert, und am Ende setzte sich die Seite durch, die starten wollte.

Am Morgen des 28. Januar hob die Challenger ab. Dreiundsiebzig Sekunden später zerbrach sie vor den Augen von Millionen Fernsehzuschauern. Sieben Menschen starben, darunter eine Lehrerin, die als erste Zivilistin ins All fliegen sollte.

Die teuerste, komplexeste Maschine, die Menschen bis dahin gebaut hatten, gefüllt mit Hochtechnologie, scheiterte nicht an ihrer Technik. Sie scheiterte am billigsten und schwächsten ihrer Millionen Teile. An einem Gummiring, der bei Kälte seine eine Aufgabe nicht mehr erfüllte.

Warum diese Geschichte gerade jetzt wichtig ist

Ein paar Jahre später machte ein Ökonom aus diesem Bild eine Theorie, die heute aktueller ist denn je. Seine Idee lässt sich in einem Satz erzählen: Wertschöpfung ist eine Kette. Und eine Kette ist immer nur so stark wie ihr schwächstes Glied.

Egal wie brillant neun von zehn Arbeitsschritten laufen, wenn der zehnte klemmt, ist das ganze Ergebnis entwertet. Du kannst den stärksten Motor der Welt einbauen, wenn ein 70 Cent teurer Dichtungsring versagt, fliegt die Rakete trotzdem nicht.

Genau diesen Gedanken vergisst gerade die halbe Wirtschaft, wenn sie über Künstliche Intelligenz spricht.

Die Logik, die man überall hört, klingt so verführerisch einfach: KI schreibt Software-Code doppelt so schnell, also wird die Entwicklung doppelt so schnell. KI textet in der halben Zeit, also arbeitet das Marketing doppelt so schnell. Aus solchen Milchmädchenrechnungen entstehen die großen Schlagzeilen, etwa die Prognose eines bekannten KI-Labor-Chefs, schon in wenigen Jahren werde die Hälfte aller Bürojobs für Berufseinsteiger verschwinden.

Aber so funktioniert eine Kette nicht.

Was passiert, wenn man ein einziges Glied perfektioniert

Stell dir ein Entwicklungsteam vor. Die KI kommt, und plötzlich entsteht der Code in der halben Zeit. Ein Engpass, der jahrelang als der Flaschenhals galt, ist über Nacht weg.

Und dann? Dann staut sich die Arbeit eine Station weiter. Der Code muss ja immer noch jemand prüfen, verstehen, testen, ins bestehende System einpassen, freigeben. Diese Stationen liefen vorher im Takt mit der Programmierung. Jetzt werden sie überrollt. Der Engpass ist nicht verschwunden, er ist nur ein Glied weitergewandert, dorthin, wo Menschen denken, prüfen und entscheiden.

Forscher haben das kürzlich in einem klugen Experiment sichtbar gemacht. Sie ließen erfahrene Programmierer echte Aufgaben bearbeiten, mal mit KI, mal ohne, rein zufällig zugeteilt. Das Ergebnis stellte alle Erwartungen auf den Kopf. Mit KI brauchten die Profis länger.

Das Verblüffendste war aber nicht die verlorene Zeit. Es war die Lücke zwischen Gefühl und Wirklichkeit. Die Entwickler waren überzeugt gewesen, die KI werde sie schneller machen. Und selbst nachdem sie in Wahrheit langsamer geworden waren, glaubten sie immer noch, sie seien schneller gewesen. Sie spürten einen Gewinn, den es gar nicht gab.

Die KI hatte das eine Glied beschleunigt, das Tippen. Nur war das Tippen bei diesen Profis nie das schwächste Glied gewesen. Der spröde Ring saß woanders.

Das hatten wir alles schon einmal

Wer glaubt, das sei ein neues Phänomen, kennt die Geschichte der Elektrizität nicht.

Als der Elektromotor erfunden war, kauften die Fabriken ihn begeistert und ersetzten damit ihre alte, riesige Dampfmaschine. Und dann geschah erstaunlich lange: fast nichts. Die Produktivität stieg kaum. Die Wundertechnologie hielt ihr Versprechen nicht.

Der Grund war simpel und tiefgreifend zugleich. Die Fabriken hatten den neuen Motor in die alte Fabrik gesetzt. Erst als eine neue Unternehmergeneration begriff, dass man die ganze Fabrik anders bauen musste, nämlich mit vielen kleinen Motoren an jeder einzelnen Maschine statt einer großen Welle in der Mitte, kam der Sprung. Bis dahin vergingen rund vier Jahrzehnte.

Die Technologie war nie der Engpass. Der Engpass war der Umbau drumherum, also neue Abläufe, neue Hallen, neue Fähigkeiten, neues Denken. Diese unsichtbare, mühsame Arbeit kostet Zeit, und sie taucht in keiner Quartalszahl auf. Genau deshalb sieht eine echte Umwälzung am Anfang so enttäuschend flach aus. Das langweilige Tal am Anfang ist nicht das Scheitern, sondern die Bauphase, in der die eigentliche Arbeit passiert.

„Diesmal ist alles anders": der ernsthafte Einwand

Jetzt der stärkste Einwand, und er ist berechtigt. Elektrizität und Dampf waren träge Hardware. Man musste Motoren gießen, ausliefern, verkabeln. KI dagegen ist Software. Sie verbreitet sich über Nacht per Update, und sie wird ständig besser. Wer sagt denn, dass der nächste Engpass, das Prüfen oder das Testen, nicht einfach von der nächsten KI-Generation gleich miterledigt wird? Vielleicht bricht die historische Parallele diesmal wirklich.

Für die Technik stimmt dieser Einwand sogar. Und genau deshalb dreht er sich gegen sich selbst.

Denn je schneller und billiger die KI die technischen Glieder der Kette übernimmt, desto vollständiger wandert das schwächste Glied an eine Stelle, die kein Update der Welt erreicht: mitten in die Organisation. Die spröden Ringe heißen dann nicht mehr „Code tippen", sondern Entscheidungswege, Verantwortung, Vertrauen, eingespielte Gewohnheiten und die schlichte Frage, ob Menschen das neue Werkzeug überhaupt sinnvoll in ihren Alltag einbauen.

Je schneller und billiger KI die technischen Aufgaben übernimmt, desto stärker wandert der eigentliche Engpass in die Organisation. Damit wird Change Management zum entscheidenden Produktivitätshebel.

Das sind dieselben mühsamen Umbauten, die schon die Elektrofabrik vier Jahrzehnte gekostet haben. Und sie lassen sich nicht herunterladen.

Eine große Beratungsfirma hat das nüchtern vermessen. Fast neun von zehn Unternehmen setzen heute KI ein. Aber nur eine kleine Handvoll davon zieht daraus echten, messbaren Wert, der große Rest steckt in der Dauerschleife des Ausprobierens fest. Das sehe ich in meiner Beratungspraxis bei fast jedem Kunden: Das Tool ist da, der Engpass nur verschoben. Der Engpass ist also längst nicht mehr die Technologie. Er sitzt in der Führung und in der Art, wie ein Unternehmen arbeitet. Genau hier beginnt echte KI-Adoption.

Die Angst, die niemand braucht

Bleibt die große Sorge: Was wird aus den Jobs?

Auch hier hilft das Bild der Kette. Wenn ein Glied automatisiert wird, verschwindet die Arbeit selten ganz. Sie verlagert sich auf die Glieder, die jetzt zum Engpass werden. Wer früher Code tippte, prüft und gestaltet heute. Wer früher Texte schrieb, kuratiert und entscheidet. Die Arbeit wandert mit dem Engpass mit, und unterm Strich entstehen dabei mehr neue Tätigkeiten, als alte wegfallen. Es ist kein Untergang, sondern ein gewaltiger Umbau. Und Umbau heißt vor allem eines: Die Menschen müssen für die neuen Glieder befähigt werden.

Was du daraus mitnehmen kannst

Wenn du ein Unternehmen oder einen Bereich führst, ist die Geschichte vom O-Ring keine nette Anekdote, sondern eine handfeste Entscheidungshilfe. Drei Dinge nimmst du am besten direkt mit.

1. Such deinen sprödesten Ring, statt Einzelgewinne hochzurechnen. Bevor du den Tempogewinn eines KI-Werkzeugs auf das ganze Unternehmen hochrechnest, zeichne deine Kette auf und frag: An welchem Glied bricht es bei uns wirklich? Wenn die Entwickler schneller werden, das Prüfen aber liegen bleibt, hast du den Engpass nur verschoben. Der echte Gewinn entsteht erst, wenn du das Glied stärkst, das tatsächlich klemmt.

2. Bau in der langweiligen Phase, nicht erst beim sichtbaren Sprung. Der Abstand zwischen Gewinnern und Verlierern öffnet sich in genau dem flachen Tal, in dem scheinbar nichts passiert. Wer dann in Abläufe, Fähigkeiten und Vertrauen investiert, steht bereit, wenn die Kurve nach oben biegt. Wer auf den Beweis wartet, fängt zu spät an. Das ist die gute Nachricht mit Stachel: Du hast mehr Zeit, als die Panik-Schlagzeilen behaupten, aber verschlafen darfst du sie nicht.

3. Behandle KI als Veränderungsarbeit, nicht als Werkzeugkauf. Lizenzen verteilen ist der einfache Teil. Der Wert entsteht erst, wenn Menschen das Werkzeug wirklich in ihren Arbeitsalltag einweben, und das ist klassische Change-Management-Arbeit. Genau hier sitzt heute der kälteste Ring der meisten Unternehmen.

Worauf es jetzt ankommt

Die Challenger ist eine Warnung. Die Geschichte vom O-Ring aber ist im Kern eine Ermutigung. Sie sagt dir, dass die versprochene KI-Produktivität nicht ausbleibt. Sie sucht sich nur den langsamsten Weg, über den jeweils schwächsten Ring deiner Organisation. Das nimmt den Druck der Weltuntergangsprognosen heraus und zeigt zugleich glasklar, wo die eigentliche Arbeit liegt: im Stärken der Glieder, die kein Modell ersetzt, statt im Warten auf das nächste, noch bessere Modell. Welche menschlichen Kompetenzen dabei den Unterschied machen, bündeln wir im DRAIVE-Framework.

Genau das ist unser Thema bei co-drAIver. Wir sorgen dafür, dass KI bei euch nicht nur eingeführt wird, sondern sich auch rechnet, indem wir am schwächsten Glied ansetzen: an den Menschen, den Abläufen und den Fähigkeiten, die aus einem Werkzeug echten Wert machen. Wenn du wissen willst, wo bei euch der kälteste Ring sitzt, buch dir einen Termin und wir schauen es uns gemeinsam an.

Quellen

Über die Autorin

Marion Wetter

Transformationsberaterin, Change Managerin und Co-Gründerin von co-drAIver. Sie begleitet Organisationen dabei, KI-Readiness systematisch und menschenzentriert aufzubauen. www.co-draiver.com