WENN WISSEN NICHT REICHT - Warum Erkenntnis allein noch keine Handlungsfähigkeit erzeugt

Noch nie war Wissen in einer vergleichbaren Menge verfügbar. Wissenschaft produziert fortlaufend neue Erkenntnisse, Unternehmen verfügen über immer größere Datenbestände, digitale Systeme machen Informationen nahezu überall zugänglich, und künstliche Intelligenz erweitert die Möglichkeiten, dieses Wissen zu suchen, zu verbinden und auszuwerten. Was früher Wochen der Recherche erforderte, kann teilweise innerhalb weniger Stunden erschlossen werden. Simulationen machen Entwicklungen sichtbar, bevor sie eintreten. Forschung ermöglicht Technologien, deren Anwendungsmöglichkeiten noch vor wenigen Jahren kaum vorstellbar waren. Vieles spricht deshalb dafür, moderne Gesellschaften als Wissensgesellschaften zu beschreiben. Weniger selbstverständlich ist allerdings eine andere Annahme: dass eine Gesellschaft, die immer mehr weiß, deshalb auch immer besser handeln kann.


Deutschland bietet für diesen Widerspruch ein interessantes Untersuchungsfeld. Das Land verfügt über eines der fortgeschrittensten Innovationssysteme der OECD, vergleichsweise hohe Forschungs- und Entwicklungsausgaben und ein ausgeprägtes Zusammenspiel von Wissenschaft und Industrie. Zugleich bestehen Schwierigkeiten beim Transfer von Wissen aus öffentlicher Forschung in neue Produkte und Dienstleistungen, beim Zugang innovativer junger Unternehmen zu privatem Kapital und bei der Verbreitung neuer Technologien.  Auch der deutsche Mittelstand ist keineswegs innovationslos. Gleichzeitig identifiziert KfW Research bürokratische, finanzierungsbezogene und kompetenzbezogene Hemmnisse als wesentliche Hindernisse für Innovation; bürokratische Hemmnisse sind dabei mit einer geschätzten Betroffenheitswahrscheinlichkeit von 46 Prozent für ein typisches mittelständisches Unternehmen besonders weit verbreitet.  Das Bild ist deshalb widersprüchlicher, als die verbreitete Diagnose eines Mangels an Innovation vermuten lässt: Wissen und Innovationsfähigkeit können vorhanden sein, ohne dass daraus im gleichen Maße neue wirtschaftliche oder gesellschaftliche Realität entsteht.


Vielleicht beginnt das Problem bereits bei einer Vorstellung, die so selbstverständlich erscheint, dass sie selten hinterfragt wird. Wissen wird häufig behandelt, als enthalte es bereits eine Handlungsanweisung. Doch eine wissenschaftliche Erkenntnis sagt zunächst etwas darüber aus, was wir erkennen können. Eine technische Entwicklung erweitert den Raum dessen, was möglich wird. Daraus folgt noch nicht, ob diese Möglichkeit wirtschaftlich tragfähig, gesellschaftlich erwünscht, rechtlich zulässig oder unter den gegebenen Bedingungen realisierbar ist. Wissen muss interpretiert, Möglichkeiten müssen bewertet, Alternativen gegeneinander abgewogen und Entscheidungen getroffen werden. Für ihre Umsetzung werden Kapital, Personal und Kompetenzen benötigt; rechtliche Voraussetzungen müssen erfüllt, Zuständigkeiten geklärt und gegebenenfalls Genehmigungen erteilt werden. Und selbst eine erfolgreiche Umsetzung garantiert noch nicht die beabsichtigte Wirkung. Zwischen Erkenntnis und Wirkung liegt kein gerader Weg. Dort liegen Institutionen.


Moderne Gesellschaften haben hochentwickelte Einrichtungen geschaffen, um Wissen hervorzubringen: Universitäten, Forschungsinstitute, Entwicklungsabteilungen, Dateninfrastrukturen und inzwischen leistungsfähige Systeme künstlicher Intelligenz. Für die Übergänge zwischen Wissen, Entscheidung und Wirkung existiert dagegen kein vergleichbar geschlossenes System. Wissenschaft kann Erkenntnisse hervorbringen, ohne für deren wirtschaftliche Anwendung zuständig zu sein. Unternehmen können eine technische Möglichkeit erkennen, ohne ihre Entwicklung finanzieren zu können. Kapitalgeber können einen belastbaren Funktionsnachweis verlangen, bevor sie investieren, obwohl gerade für diesen Nachweis bereits Kapital benötigt wird. Eine Behörde kann für die Einhaltung einer Vorschrift zuständig sein, ohne für die wirtschaftlichen Folgen der dadurch entstehenden Verzögerung verantwortlich zu sein. Jede Institution kann innerhalb ihrer eigenen Logik nachvollziehbar handeln – und das Gesamtergebnis kann dennoch darin bestehen, dass eine vorhandene Möglichkeit nicht realisiert wird.


Darin liegt ein Teil dessen, was sich als Übersetzungsfähigkeit bezeichnen ließe. Gemeint ist nicht lediglich der klassische Transfer wissenschaftlicher Erkenntnisse in Unternehmen. Es geht um die Fähigkeit eines gesellschaftlichen Systems, Erkenntnisse über mehrere Übergänge hinweg in realisierbare Handlung zu überführen. Wissen allein genügt dafür nicht. Es braucht Urteil, Entscheidung, Kapital, Kompetenzen, Recht und organisatorische Fähigkeit. Eine leistungsfähige Wissensordnung ist deshalb noch keine leistungsfähige Handlungsordnung.


Gerade Deutschland macht sichtbar, wie unterschiedlich diese Übergänge beschaffen sein können. Rechtliche und administrative Anforderungen können Zeit, Geld und Aufmerksamkeit binden. Für kleinere Unternehmen können dieselben Anforderungen schwerer wiegen als für Organisationen mit eigenen Rechts-, Steuer- oder Complianceabteilungen. Gleichzeitig wäre es analytisch zu einfach, daraus einen Gegensatz zwischen Bürokratie und Innovation zu konstruieren. Regeln schaffen Rechtssicherheit, begrenzen Willkür und schützen Interessen, die eine moderne Gesellschaft bewusst schützen will. Eigentum, Arbeitnehmerrechte, Datenschutz, Umwelt, Sicherheit und Wettbewerb benötigen institutionelle Sicherungen. Eine Gesellschaft, die jede technisch mögliche Neuerung möglichst schnell zuließe, wäre nicht zwangsläufig besonders handlungsfähig. Sie könnte lediglich schlecht darin sein, die Folgen ihres Handelns zu begrenzen.


Die schwierigere Frage lautet deshalb nicht, ob reguliert wird, sondern wie eine institutionelle Ordnung Schutz und Veränderungsfähigkeit gleichzeitig organisiert. Nicht jede Verzögerung ist ein Zeichen von Dysfunktion. Eine medizinische Therapie muss anders geprüft werden als eine Verwaltungssoftware; kritische Infrastruktur verlangt andere Sicherungen als ein begrenztes digitales Experiment. Geschwindigkeit allein sagt wenig über institutionelle Qualität aus. Problematisch wird es dort, wo unterschiedliche Risiken mit denselben Verfahren behandelt werden, Zuständigkeiten unklar bleiben oder die Summe jeweils nachvollziehbarer Anforderungen eine Komplexität erzeugt, die Handlung faktisch erschwert.


Gerade diese kumulative Wirkung verdient Aufmerksamkeit. Eine einzelne Vorschrift muss Innovation nicht verhindern. Datenschutz, Arbeitsrecht, Steuerrecht, Umweltrecht, Dokumentationspflichten, Genehmigungen und Förderbedingungen können jeweils legitime Zwecke verfolgen. Ihre Kombination kann dennoch Kosten und Dauer eines Vorhabens so verändern, dass seine Realisierung unwahrscheinlicher wird. Komplexität besitzt damit eine Wirkung, die keiner einzelnen Regel zugerechnet werden kann. Und sie trifft Akteure unterschiedlich. Wer über Kapital, spezialisierte Abteilungen und Erfahrung mit komplexen Verfahren verfügt, kann Anforderungen anders absorbieren als ein junges Unternehmen, eine kleine Organisation oder ein Forschungsteam, das aus einer Erkenntnis erstmals eine Anwendung entwickeln will. Regulierung bestimmt damit nicht nur, was getan werden darf. Ihre konkrete Ausgestaltung kann mittelbar beeinflussen, wer überhaupt in der Lage ist zu handeln.


Doch auch damit wäre die Erklärung unvollständig. Kapital kann fehlen. Kompetenzen können fehlen. Wissenschaft und Wirtschaft können nach unterschiedlichen Zeithorizonten und Anreizstrukturen arbeiten. Eine Technologie kann funktionieren, ohne bereits skalierbar zu sein. Eine Organisation kann alle notwendigen Informationen besitzen und dennoch keine klare Entscheidungsautorität haben. Selbst Förderinstrumente zeigen diese Ambivalenz: Sie können Innovation ermöglichen und zugleich neue administrative Voraussetzungen erzeugen. Die OECD verweist beispielsweise beim Zentralen Innovationsprogramm Mittelstand auf positive zusätzliche Forschungs- und Entwicklungseffekte, zugleich aber auf komplexe Antragsverfahren und einen hohen administrativen Aufwand.  Die Lücke zwischen Wissen und Wirkung besitzt deshalb nicht eine Ursache. Sie entsteht aus mehreren Übergängen, an denen unterschiedliche Systeme aufeinandertreffen und jeweils andere Voraussetzungen gelten.


An dieser Stelle zeigt sich jedoch ein noch tieferes Problem. Mehr Wissen beseitigt Unsicherheit nicht notwendigerweise. Es kann sie präziser sichtbar machen. Je mehr wir über mögliche Folgen einer Technologie wissen, desto mehr Risiken können wir berücksichtigen. Je genauer Umweltwirkungen untersucht werden, desto mehr Wechselwirkungen werden sichtbar. Je größer die verfügbaren Datenmengen werden, desto mehr Alternativen können miteinander verglichen werden. Wissen reduziert Ungewissheit und erweitert zugleich den Raum dessen, was bei einer Entscheidung berücksichtigt werden könnte. Eine Wissensgesellschaft steht deshalb nicht zwangsläufig vor immer einfacheren Entscheidungen. Sie kann vor immer besser informierten und zugleich komplexeren Entscheidungen stehen.


Ein Teil regulatorischer Komplexität entsteht sogar aus genau diesem Wissen. Erkenntnisse über Umweltgefahren führen zu Umweltstandards, Erkenntnisse über gesundheitliche Risiken zu Sicherheitsanforderungen, Erfahrungen mit Datenmissbrauch zu Datenschutz und Erfahrungen mit wirtschaftlicher Macht zu Wettbewerbsregeln. Je mehr eine Gesellschaft über mögliche Folgen ihres Handelns weiß, desto mehr Gründe kann sie entwickeln, dieses Handeln abzusichern. Darin liegt ein Paradox: Wissen kann Handlung ermöglichen und zugleich zusätzliche Bedingungen für Handlung erzeugen.


Damit reicht auch die Forderung nach Beschleunigung nicht aus. Die anspruchsvollere Aufgabe besteht darin, Formen zu schaffen, in denen gehandelt werden kann, obwohl noch nicht alles bekannt ist. Denn bei neuartigen Technologien und gesellschaftlichen Veränderungen existiert bestimmtes Wissen vor der Anwendung noch gar nicht. Modelle können Folgen abschätzen, Labore technische Eigenschaften prüfen und Studien Risiken untersuchen. Wie eine Neuerung unter realen Bedingungen mit Menschen, Organisationen, Märkten und bestehenden Institutionen interagiert, zeigt sich teilweise erst in ihrer Anwendung.


Hier dreht sich das Verhältnis zwischen Wissen und Handeln um.


Handeln ist nicht nur das Ergebnis von Wissen. Handeln kann selbst Wissen hervorbringen.


Damit wird aus dem vermeintlich linearen Weg von Erkenntnis zu Wirkung ein Lernprozess. Wissen eröffnet eine Möglichkeit. Eine Entscheidung ermöglicht Erprobung. Erprobung erzeugt Erfahrung. Erfahrung verändert Wissen. Und dieses Wissen verändert die nächste Entscheidung. Eine handlungsfähige Wissensgesellschaft benötigt deshalb nicht nur Einrichtungen zur Wissensproduktion. Sie benötigt institutionelle Formen, in denen begrenzte Erfahrung möglich wird, ohne dass Verantwortung aufgehoben wird.


Reallabore sind ein Beispiel für diese Logik. Ihr Prinzip besteht darin, neue Technologien oder Verfahren unter kontrollierten realen Bedingungen zu erproben. Der Deutsche Bundestag nahm am 25. Juni 2026 einen Gesetzentwurf an, der die Rahmenbedingungen solcher Erprobungsräume verbessern und regulatorisches Lernen fördern soll; das Gesetzgebungsverfahren war zum Zeitpunkt dieser Betrachtung jedoch noch nicht abgeschlossen, das Inkrafttreten stand weiterhin aus.  Interessant ist daran weniger das einzelne Gesetz als die institutionelle Idee dahinter. Zwischen den klassischen Alternativen, etwas vollständig zuzulassen oder es nicht zuzulassen, entsteht eine dritte Möglichkeit: begrenzt ermöglichen, beobachten und lernen.


Unsicherheit muss damit nicht vollständig verschwinden, bevor gehandelt werden darf. Sie kann unter bestimmten Voraussetzungen organisiert werden. Das verlangt keine möglichst hohe Risikobereitschaft. Es verlangt die Fähigkeit, Risiken zu unterscheiden: reversible von irreversiblen Entscheidungen, begrenzte von systemischen Folgen, kontrollierbare Experimente von Entwicklungen, deren Konsequenzen sich nicht zurückholen lassen. Eine leistungsfähige Institution zeichnet sich dann nicht dadurch aus, dass sie besonders risikofreudig ist. Sie zeichnet sich dadurch aus, dass sie unterscheiden kann, welches Risiko sie unter welchen Bedingungen verantworten kann.


Doch Erprobung allein genügt ebenfalls nicht. Organisationen können Pilotprojekte durchführen, Erfahrungen sammeln und Modellversuche finanzieren, ohne dass sich ihre regulären Verfahren verändern. Erfahrung wird erst dann zu institutionellem Lernen, wenn sie Folgen für künftige Entscheidungen, Regeln oder Ressourcen besitzt. Auch in der Sachverständigendebatte zum Bundeserprobungsgesetz wurde deshalb die Frage aufgeworfen, wie das in Reallaboren entstehende Wissen über einzelne Projekte hinaus gesammelt und für regulatorisches Lernen auf unterschiedlichen staatlichen Ebenen nutzbar gemacht werden kann.  Damit erscheint neben der Übersetzung von Wissen in Handlung eine zweite Aufgabe: Das Wissen, das durch Handlung entsteht, muss zurück in die Institution gelangen.


Eine Gesellschaft kann also auf unterschiedliche Weise an ihren Übergängen scheitern. Sie kann hervorragend forschen und schlecht transferieren. Sie kann Möglichkeiten erkennen und keine Entscheidungen treffen. Sie kann entscheiden und nicht umsetzen. Sie kann experimentieren und nicht skalieren. Und sie kann Erfahrungen sammeln, ohne ihre Institutionen zu verändern. Wissen, Handeln und Lernen bilden deshalb keinen Automatismus. Sie müssen institutionell miteinander verbunden werden.


Künstliche Intelligenz könnte diese Frage in den kommenden Jahren noch deutlicher machen. Wenn große Informationsmengen schneller ausgewertet, wissenschaftliche Zusammenhänge leichter erschlossen und Szenarien schneller entwickelt werden können, wächst zunächst die kognitive Kapazität von Organisationen. Aber schnellere Analyse klärt keine Zuständigkeit. Sie stellt kein Kapital bereit. Sie entscheidet nicht, welches gesellschaftliche Risiko akzeptabel ist. Und sie verändert kein Genehmigungsverfahren allein dadurch, dass mehr Wissen verfügbar ist. Je stärker die Wissensproduktion beschleunigt wird, desto sichtbarer könnten deshalb diejenigen Engstellen werden, die nicht auf der Wissensseite liegen. Unsere Fähigkeit zu erkennen könnte schneller wachsen als unsere Fähigkeit, Erkenntnis institutionell zu verarbeiten.


Vielleicht besteht die nächste Herausforderung der Wissensgesellschaft deshalb nicht allein darin, immer mehr Wissen hervorzubringen. Mehr Bildung, mehr Forschung, mehr Daten und leistungsfähigere Technologien erweitern den Raum dessen, was eine Gesellschaft tun kann. Doch Möglichkeit ist noch keine Wirkung. Dazwischen liegen Institutionen, die prüfen können müssen, ohne zu erstarren; entscheiden, obwohl nicht alles bekannt ist; begrenzte Risiken ermöglichen, ohne Verantwortung aufzugeben; und aus Erfahrung lernen, ohne jede Regel bei jeder neuen Entwicklung infrage zu stellen.


Eine Gesellschaft, die viel weiß, ist noch keine handlungsfähige Gesellschaft. Wissen erweitert zunächst den Raum des Möglichen. Was daraus entsteht, entscheidet sich dort, wo Erkenntnis auf Kapital, Recht, Institutionen und Verantwortung trifft – und auf die Fähigkeit, unter unvermeidbarer Unsicherheit zu handeln und aus diesem Handeln wieder zu lernen.


Die Wissensgesellschaft der Zukunft könnte deshalb vor einer Aufgabe stehen, die sie lange unterschätzt hat: Sie muss nicht nur lernen, immer mehr zu wissen. Sie muss lernen, mit ihrem Wissen handeln zu können.





QUELLENNACHWEIS


OECD (2025): OECD Economic Surveys: Germany 2025. OECD Publishing, Paris.
OECD Economic Surveys: Germany 2025


Zimmermann, Volker / KfW Research (2025): Innovationshemmnisse in mittelständischen Unternehmen. Fokus Volkswirtschaft, Nr. 520, November 2025.
KfW Research – Innovationshemmnisse in mittelständischen Unternehmen


Deutscher Bundestag (2026): Bundestag beschließt Erprobung von Innovationen in Reallaboren. Dokumentation zur zweiten und dritten Beratung vom 25. Juni 2026.
Deutscher Bundestag – Bundeserprobungsgesetz / Reallabore


Bundesministerium für Digitales und Staatsmodernisierung (2026): Gesetz zur Förderung der Erprobung von Innovationen und neuer Verwaltungsverfahren in Reallaboren und zur Förderung des regulatorischen Lernens (Bundeserprobungsgesetz – BErpG). Dokumentation des Gesetzgebungsverfahrens.
BMDS – Bundeserprobungsgesetz


Deutscher Bundestag (2026): Stellungnahme zum Bundeserprobungsgesetz (BErpG). Ausschussdrucksache 21(23)85, 18. Mai 2026.
Deutscher Bundestag – Stellungnahme zum Bundeserprobungsgesetz

Titelbild © 2026 THOMAS LEMCKE

Im Fokus

von Thomas Lemcke 21. September 2026
Ein Aktienkurs ist ein Preis für etwas, das zu einem erheblichen Teil noch nicht existiert. Gewinne, Cashflows und Vermögenswerte der Gegenwart bilden eine Grundlage seiner Bewertung. Doch bezahlt wird zugleich für Wachstum, Margen, Wettbewerbsvorteile und Erträge, die erst entstehen sollen. Jeder gegenwärtige Preis enthält deshalb Annahmen über eine zukünftige wirtschaftliche Wirklichkeit. Das ist keine Besonderheit spekulativer Märkte, sondern das Prinzip jeder Unternehmensbewertung. Ohne Erwartung gäbe es keinen Preis, der über den Wert bereits vorhandener Vermögenswerte hinausweist. Interessant wird die Erwartung dort, wo immer anspruchsvollere Vorstellungen von Zukunft notwendig werden, um den Preis der Gegenwart zu rechtfertigen. Im Verlauf des Jahres 2026 lässt sich eine solche Konstellation insbesondere am US-Aktienmarkt beobachten. Bewertungskennzahlen liegen im oberen Bereich ihrer historischen Verteilung, eine von der Federal Reserve verwendete Schätzung der Aktienrisikoprämie befindet sich auf einem historisch niedrigen Niveau, und ein erheblicher Teil der Marktkapitalisierung konzentriert sich auf wenige sehr große Unternehmen. Gleichzeitig stehen hinter diesen Bewertungen reale Gewinne und ein Investitionszyklus rund um künstliche Intelligenz von außergewöhnlicher Größenordnung. Die einfache Diagnose einer spekulativen Blase greift deshalb ebenso zu kurz wie die Annahme, eine grundlegende technologische Transformation könne nahezu jeden Preis rechtfertigen. Die interessantere Frage liegt dazwischen: Welche Zukunft muss eintreten, damit ein heutiger Preis plausibel bleibt? Ein hoher Preis ist zunächst kein Beweis für einen Irrtum. Er kann Ausdruck außergewöhnlicher Qualität, hoher erwarteter Gewinne oder begründeter langfristiger Wachstumsmöglichkeiten sein. Unternehmen mit starken Marktpositionen, hohen Cashflows und besonderen technologischen Fähigkeiten können höhere Bewertungen rechtfertigen als Unternehmen mit geringeren Wachstumsperspektiven. Doch mit dem Preis verändern sich zugleich die Bedingungen zukünftiger Rendite. Entscheidend ist nicht allein, ob ein Unternehmen wächst, sondern wie stark und wie lange es wachsen muss; nicht allein, ob eine Technologie erfolgreich wird, sondern welcher Teil des durch sie entstehenden wirtschaftlichen Werts tatsächlich bei jenen Unternehmen verbleibt, deren Bewertungen diesen Erfolg bereits voraussetzen. Wachstum muss ausreichend lange anhalten, Margen müssen sich behaupten, Wettbewerb darf die entstehenden Gewinne nicht vollständig abschöpfen, Investitionen müssen produktiv werden und die Nachfrage muss mit den aufgebauten Kapazitäten Schritt halten. Ein hoher Preis kann deshalb rational und dennoch anspruchsvoll sein. Er verlangt mehr von der Zukunft. Die gegenwärtige Entwicklung künstlicher Intelligenz macht diese Unterscheidung besonders sichtbar. Der Aufbau der dafür notwendigen Infrastruktur hat eine Investitionsbewegung von außergewöhnlicher Größenordnung ausgelöst. Dahinter steht die Erwartung, dass künstliche Intelligenz Produktivität steigert, Geschäftsmodelle verändert und neue Märkte hervorbringt. Diese Erwartung kann sich als richtig erweisen. Doch selbst eine grundlegende technologische Transformation beantwortet noch nicht die Frage, welcher Preis heute für die Aussicht auf ihre zukünftigen Erträge angemessen ist. Technologischer Erfolg, wirtschaftlicher Erfolg und Investmenterfolg sind nicht dasselbe. Eine Technologie kann enorme wirtschaftliche Werte schaffen, während Wettbewerb dafür sorgt, dass ein erheblicher Teil dieser Werte bei Kunden, Anwendern oder neuen Marktteilnehmern ankommt. Hohe Investitionen können notwendige Infrastruktur hervorbringen und zugleich Kapazitäten schaffen, deren Renditen später geringer ausfallen als erwartet. Produktivitätsgewinne können beträchtlich sein, ohne sich im gleichen Umfang in den Gewinnen derjenigen Unternehmen niederzuschlagen, die an ihrer Entstehung beteiligt waren. Dass eine Technologie die Zukunft verändert, beantwortet deshalb noch nicht die Frage, welchen Preis diese Zukunft heute besitzt. Doch damit beginnt erst das eigentliche Problem der Erwartung. Märkte verfügen nicht über eine gemeinsame Vorstellung davon, wie diese Zukunft aussehen wird. Unterschiedliche Anleger arbeiten mit unterschiedlichen Informationen, Zeithorizonten, Renditeanforderungen und Einschätzungen von Risiken. Selbst professionelle und private Marktteilnehmer können dieselbe wirtschaftliche Entwicklung unterschiedlich interpretieren. Ein Marktpreis entsteht deshalb nicht, weil sich alle Beteiligten auf eine Zukunft geeinigt hätten. Im Gegenteil: Handel wird gerade dadurch möglich, dass Käufer und Verkäufer zu unterschiedlichen Einschätzungen gelangen. Wer kauft, hält den angebotenen Preis unter seinen Annahmen für attraktiv genug; wer verkauft, kommt zu einem anderen Urteil oder verfolgt andere Ziele. Der Preis beseitigt diese Unterschiede nicht. Er macht Handeln trotz dieser Unterschiede möglich. Darin liegt eine institutionelle Leistung von Kapitalmärkten, die in Diskussionen über Übertreibung und Crash leicht aus dem Blick gerät. Märkte beseitigen Unsicherheit nicht; sie koordinieren Entscheidungen unter Unsicherheit. Kapital muss eingesetzt werden, bevor vollständig bekannt sein kann, welche Technologien sich durchsetzen, welche Unternehmen dauerhaft profitabel werden oder welche Nachfrage in zehn Jahren bestehen wird. Würden Investitionen erst dann stattfinden, wenn diese Fragen beantwortet sind, könnten viele der wirtschaftlichen Voraussetzungen, von denen ihre Beantwortung abhängt, gar nicht entstehen. Rechenzentren, Energieversorgung, Halbleiterkapazitäten, Netze und andere Infrastrukturen müssen gebaut werden, bevor feststeht, wie intensiv sie später genutzt werden. Erwartung ist deshalb nicht nur eine Schwäche der Bewertung. Sie ist eine Voraussetzung wirtschaftlicher Entwicklung. Die Zukunft kann erst entstehen, weil Menschen und Institutionen bereit sind, in der Gegenwart Entscheidungen über sie zu treffen. Damit verändert sich die Beziehung zwischen Preis und Zukunft. Üblicherweise erscheint sie als Einbahnstraße: Erwartungen über zukünftige Gewinne beeinflussen den gegenwärtigen Preis. Doch unter bestimmten Bedingungen wirkt der Preis selbst auf die wirtschaftliche Wirklichkeit zurück, die er bewertet. Hohe Unternehmensbewertungen können die Aufnahme von Eigenkapital erleichtern, Finanzierungsspielräume verändern und Investitionen begünstigen. Ein Unternehmen, dem Kapitalmärkte große zukünftige Möglichkeiten zutrauen, kann dadurch zusätzliche Mittel erhalten, um genau jene Infrastruktur, Forschung oder Kapazität aufzubauen, aus der diese Möglichkeiten entstehen sollen. Erwartung beschreibt die Zukunft dann nicht nur. Sie kann dazu beitragen, ihre Voraussetzungen hervorzubringen. Diese Rückwirkung macht hohe Bewertungen ökonomisch interessanter, aber nicht automatisch richtiger. Kapital kann Möglichkeiten schaffen; es kann ihren wirtschaftlichen Erfolg nicht garantieren. Ein hoher Marktwert kann Investitionen ermöglichen, aber keine zukünftige Nachfrage erzwingen. Er kann Forschung finanzieren, aber keinen technologischen Durchbruch sicherstellen. Er kann Kapazitäten aufbauen, aber nicht gewährleisten, dass diese Kapazitäten später mit ausreichend hohen Margen genutzt werden. Zwischen der Fähigkeit, eine Zukunft zu finanzieren, und der Fähigkeit, mit ihr die erwarteten Erträge zu erzielen, bleibt eine Differenz. Gerade in technologischen Umbruchphasen kann sie groß sein. Der gegenwärtige KI-Investitionszyklus macht auch diese Rückkopplung sichtbar. Die Aussicht auf eine große zukünftige Nachfrage rechtfertigt erhebliche Investitionen in Infrastruktur und Kapazitäten. Diese Investitionen erzeugen bereits heute Umsätze bei Unternehmen, die Rechenleistung, Halbleiter, Energie, Netze und andere Vorleistungen bereitstellen. Die dadurch entstehenden Umsätze können wiederum die Einschätzung bestätigen, dass ein großer neuer Markt entsteht, und weitere Investitionen plausibel erscheinen lassen. Ein solcher Prozess ist nicht notwendig spekulativ. Große technologische Veränderungen benötigen häufig Kapital, lange bevor ihr voller wirtschaftlicher Nutzen sichtbar wird. Die Schwierigkeit liegt an einer anderen Stelle: In einer frühen Phase lässt sich nur begrenzt unterscheiden, welcher Teil des beobachtbaren Wachstums bereits aus dauerhaft produktiver Nutzung entsteht und welcher Teil daraus resultiert, dass die Wirtschaft zunächst die Voraussetzungen für jene zukünftige Nutzung aufbaut, die sie erwartet. Genau deshalb kann dieselbe Entwicklung zugleich Ausdruck wirtschaftlicher Rationalität und Quelle zukünftiger Überkapazität sein. Unternehmen, die um mögliche technologische Führungspositionen konkurrieren, haben einen Anreiz, früh und umfangreich zu investieren. Wer zu spät investiert, könnte Marktpositionen verlieren, die später nur schwer zurückzugewinnen sind. Aus Sicht des einzelnen Unternehmens kann ein aggressiver Kapazitätsaufbau deshalb vernünftig erscheinen. Wenn viele Unternehmen gleichzeitig nach derselben Logik handeln, kann jedoch mehr Kapazität entstehen, als sich später zu den erwarteten Renditen nutzen lässt. Individuell nachvollziehbare Entscheidungen müssen in ihrer Summe kein ebenso günstiges Ergebnis hervorbringen. Die Möglichkeit von Überinvestitionen beweist deshalb weder Irrationalität noch einen bevorstehenden Zusammenbruch. Sie gehört zu den Unsicherheiten eines Investitionswettlaufs, dessen endgültige Nachfrage und Ertragsstruktur erst noch sichtbar werden. Darin liegt eine grundlegende Schwierigkeit von Kapitalmärkten. Sie müssen etwas bewerten, dessen Ausgang prinzipiell unbekannt ist, und sie müssen es tun, bevor die Unsicherheit verschwunden ist. Zukünftige Zahlungsströme werden erwartet, ihre Dauer geschätzt und ihr heutiger Wert unter Annahmen über Zinsen und Risiko bestimmt. Der beobachtbare Preis ist deshalb weder eine objektive Prognose noch Ausdruck einer einheitlichen Erwartung. Er ist das vorläufige Ergebnis unterschiedlicher Vorstellungen darüber, welche Zukunft wahrscheinlich, welche Rendite erforderlich und welches Risiko vertretbar erscheint. Der Marktpreis verdichtet diese Einschätzungen zu einer Zahl, ohne die Unsicherheit aufzuheben, aus der sie entstanden sind. Gerade deshalb kann sich ein Preis erheblich verändern, obwohl sich das Unternehmen selbst zunächst kaum verändert hat. Nicht die gegenwärtige Realität muss sich verändert haben; es kann genügen, dass dieselbe Realität unter anderen Annahmen über ihre Zukunft bewertet wird. Besonders deutlich wird das beim Verhältnis von Preis und Zeit. Je weiter erwartete Erträge in der Zukunft liegen, desto stärker hängt ihr heutiger Wert davon ab, mit welchem Satz sie auf die Gegenwart zurückgerechnet werden. Steigen die Renditen vergleichsweise sicherer Anlagen, verändert sich damit auch der Maßstab, an dem zukünftige Unternehmensgewinne bewertet werden. Bemerkenswert ist deshalb die Gleichzeitigkeit hoher Aktienbewertungen mit einem Kapitalmarktumfeld, in dem langfristiges Kapital wieder einen erheblichen Preis besitzt. Hohe Erwartungen müssen unter solchen Bedingungen nicht nur wirtschaftlich erfüllt werden; zugleich verändert sich der Maßstab, an dem zukünftige Erträge bewertet werden. Historische Bewertungsrelationen können Hinweise darauf geben, dass hohe Ausgangsbewertungen mit geringeren langfristigen Renditen verbunden sein können. Sie liefern jedoch keinen zuverlässigen Kalender für eine Korrektur. Ein hoch bewerteter Markt kann weiter steigen. Gewinne können über Jahre in eine Bewertung hineinwachsen. Kurse können stagnieren, während Unternehmensgewinne zunehmen und Bewertungsmultiplikatoren dadurch sinken. Erwartungen können sich außerdem als außergewöhnlich zutreffend erweisen. Die Vorstellung, hohe Bewertungen müssten zwangsläufig durch einen unmittelbar bevorstehenden Crash korrigiert werden, verwechselt deshalb Bewertung mit Timing. Ein Crash ist lediglich eine besonders sichtbare Form der Neubewertung. Auch eine Neubewertung selbst sollte nicht vorschnell als Beweis dafür verstanden werden, dass die frühere Erwartung irrational gewesen sei. Erwartungen entstehen aus Informationen, die zu einem bestimmten Zeitpunkt verfügbar sind. Später kommen neue Informationen hinzu. Technologien entwickeln sich schneller oder langsamer als angenommen, neue Wettbewerber treten auf, Finanzierungskosten verändern sich, Nachfrage wird besser sichtbar und die wirtschaftliche Lebensdauer von Investitionen lässt sich genauer beurteilen. Was unter früheren Voraussetzungen plausibel erschien, kann unter neuen Voraussetzungen anders bewertet werden. Kapitalmärkte korrigieren deshalb nicht nur Irrtümer. Sie korrigieren auch Erwartungen, deren Grundlagen sich verändert haben. Ein späterer Preis besitzt keinen privilegierten Zugang zur Wahrheit; er beruht lediglich auf einem anderen Informationsstand und anderen Annahmen über das, was noch kommen kann. Diese Perspektive verändert auch die verbreitete Erzählung von Euphorie und Crash. Im Rückblick entsteht leicht der Eindruck, hohe Preise hätten auf offensichtlicher Irrationalität beruht und die spätere Korrektur lediglich die Wirklichkeit wiederhergestellt. Eine solche Interpretation unterschätzt, wie schwierig Zukunft in dem Moment zu beurteilen ist, in dem Entscheidungen getroffen werden müssen. Manche Erwartungen erweisen sich als falsch. Andere sind in ihrer Richtung richtig, aber in ihrem Ausmaß zu weit gegangen. Wieder andere werden durch Entwicklungen enttäuscht, die zum Zeitpunkt der ursprünglichen Entscheidung kaum vorhersehbar waren. Zwischen rationaler Erwartung und späterer Enttäuschung besteht deshalb kein Widerspruch. Die Zukunft kann anders verlaufen, ohne dass ihre frühere Einschätzung vollkommen unvernünftig gewesen sein muss. Damit verändert sich auch die Bedeutung von Risiko. Es wird häufig mit einem negativen Ereignis verbunden: Rezession, Gewinneinbruch, technologischem Scheitern oder einem plötzlichen Kursverlust. Bei hohen Bewertungen kann eine Neubewertung jedoch unter wesentlich weniger dramatischen Bedingungen entstehen. Ein Unternehmen kann weiter wachsen, seine Marktposition behaupten und seine Gewinne erhöhen – und dennoch hinter dem zurückbleiben, was sein Preis bereits vorausgesetzt hatte. Eine Technologie kann erfolgreich sein, ohne jene Margen hervorzubringen, die in den Erwartungen enthalten waren. Investitionen können wirtschaftlich sinnvoll sein, aber später Renditen erzeugen als angenommen. Der Markt muss deshalb mit seiner Einschätzung der Richtung nicht falsch liegen, um bei der Bewertung zu optimistisch gewesen zu sein. Die Zukunft kann gut werden und dennoch nicht gut genug für den Preis, der bereits für sie bezahlt wurde. Mit steigenden Erwartungen verändert sich damit die Fehlertoleranz einer Bewertung. Entscheidend ist nicht mehr allein, ob eine Entwicklung positiv verläuft, sondern wie weit sie von dem abweichen darf, was der Preis bereits voraussetzt. Wachstum kann etwas später eintreten, Margen können etwas niedriger ausfallen, Wettbewerb kann etwas intensiver werden oder Kapital kann länger gebunden bleiben als erwartet. Keine dieser Entwicklungen muss das zugrunde liegende Unternehmen oder die betreffende Technologie grundsätzlich infrage stellen. In ihrer Summe können sie dennoch verändern, welcher Preis angemessen erscheint. Je mehr Zukunft ein Preis bereits enthält, desto weniger dieser Zukunft darf ausfallen. Diese Frage erhält zusätzliches Gewicht, wenn wenige sehr große Unternehmen einen ungewöhnlich hohen Anteil eines Aktienmarktes ausmachen. Dann konzentriert sich nicht nur Marktkapitalisierung, sondern auch die Bedeutung bestimmter Annahmen über Technologie, Wachstum und zukünftige Profitabilität. Das ist weder ein Beweis für Überbewertung noch für Instabilität; wirtschaftlich dominante Unternehmen können zu Recht große Indexgewichte besitzen. Doch eine Neubewertung ihrer Zukunftserwartungen reicht weiter, wenn dieselben Erwartungen einen erheblichen Teil des Gesamtmarktes tragen. Was zunächst wie eine Einschätzung einzelner Unternehmen erscheint, kann dadurch größere Bedeutung für Vermögen, Kapitalallokation und die Wahrnehmung wirtschaftlicher Zukunft gewinnen. Zwischen dem, was heute bereits wirtschaftliche Realität ist, und dem, was künftig eintreten muss, damit ein Preis plausibel bleibt, liegt deshalb bei jeder Bewertung ein Raum von Annahmen. Bei hohen Bewertungen kann dieser Raum erheblich werden. Dann genügt es nicht, dass ein Unternehmen erfolgreich bleibt oder eine Technologie ihre wirtschaftliche Bedeutung beweist. Mehrere Entwicklungen müssen über längere Zeit ausreichend günstig verlaufen: Nachfrage, Wettbewerb, Margen, Kapitalproduktivität, Finanzierung und technologische Entwicklung. Gleichzeitig können hohe Bewertungen selbst dazu beitragen, Kapital für diese Entwicklung zu mobilisieren. Darin liegt die eigentümliche Doppelrolle der Erwartung: Sie versucht, eine noch unbekannte Zukunft zu bewerten, und kann zugleich Ressourcen in Bewegung setzen, aus denen diese Zukunft entsteht. Ein hoher Preis ist deshalb nicht notwendig Ausdruck eines Irrtums. Er kann Ausdruck einer anspruchsvolleren Zukunft sein. Das Risiko liegt dann nicht allein in der Möglichkeit eines schlechten Ausgangs, sondern in der Zahl guter Entwicklungen, die bereits vorausgesetzt werden. Genau deshalb führt die Frage nach einem möglichen Crash in die falsche Richtung. Sie sucht nach einem Ereignis, einem Zeitpunkt und einem Auslöser, während Bewertung ein Verhältnis beschreibt – das Verhältnis zwischen dem, was heute bezahlt wird, und dem, was morgen daraus werden muss. Dieses Verhältnis kann sich abrupt verändern. Es kann sich aber ebenso über Jahre normalisieren, weil Gewinne wachsen, Erwartungen sinken oder Preise lange Zeit weniger stark steigen als die wirtschaftliche Leistung. Entscheidend ist nicht die spektakulärste Form der Anpassung, sondern die Distanz zwischen der wirtschaftlichen Gegenwart und jener Zukunft, die ein Preis bereits voraussetzt. Kapitalmärkte haben keine andere Möglichkeit, als Zukunft zu bewerten. Darin liegt ihre wirtschaftliche Funktion. Mehr noch: Indem sie Kapital auf der Grundlage solcher Bewertungen mobilisieren, wirken sie unter bestimmten Bedingungen an der Entstehung dieser Zukunft mit. Doch gerade diese produktive Kraft der Erwartung hebt ihre Grenzen nicht auf. Kapital kann Voraussetzungen schaffen, aber keine Ergebnisse garantieren. Investitionen können Möglichkeiten eröffnen, aber nicht bestimmen, welcher wirtschaftliche Wert aus ihnen entsteht und bei wem er schließlich verbleibt. Entscheidend ist deshalb nicht, ob Erwartungen in einem Preis enthalten sind, sondern welche Anforderungen diese Erwartungen an eine noch unbekannte Wirklichkeit stellen. Eine hohe Bewertung kann durch außergewöhnliche wirtschaftliche Entwicklung gerechtfertigt werden. Sie kann sich über steigende Gewinne normalisieren, über Jahre bestehen oder durch veränderte Erwartungen korrigiert werden. Die schwierigere Möglichkeit liegt dazwischen: Die Zukunft kann wirtschaftlich erfolgreich, technologisch transformativ und für viele Unternehmen hochprofitabel werden – und dennoch hinter dem zurückbleiben, was der heutige Preis bereits von ihr verlangt. Märkte können mit einer schlechten Zukunft falsch liegen. Sie können mit einer guten Zukunft recht haben – und mit ihrem Preis trotzdem falsch. QUELLENNACHWEIS Board of Governors of the Federal Reserve System (2026): Financial Stability Report. Washington, D.C., May 2026. Der Bericht dokumentiert unter anderem erhöhte Bewertungskennzahlen am US-Aktienmarkt und eine historisch niedrige Schätzung der Aktienrisikoprämie. Federal Reserve – Financial Stability Report, May 2026 International Monetary Fund (2026): Global Financial Stability Report: Global Financial Markets Confront the War in the Middle East and Amplification Risks. Washington, D.C., April 2026. Der Bericht untersucht unter anderem erhöhte Bewertungen, Marktkonzentration sowie Risiken und Verflechtungen im Umfeld umfangreicher KI-bezogener Investitionen. IMF – Global Financial Stability Report, April 2026 Bank for International Settlements (2026): Financing the AI boom: from cash flows to debt. BIS Bulletin, No. 120. Basel, 2026. Untersuchung der Größenordnung, Finanzierung und möglichen finanziellen Verwundbarkeiten des KI-Investitionszyklus. BIS – Financing the AI boom Rungcharoenkitkul, Phurichai (2026): The AI Investment Race. BIS Working Papers, No. 1367. Bank for International Settlements, Basel, 14 July 2026. Modellanalyse des Wettbewerbs um KI-Investitionen und möglicher Überinvestitionen; keine Prognose eines bevorstehenden Markteinbruchs. BIS – The AI Investment Race Campbell, John Y.; Shiller, Robert J. (2001): Valuation Ratios and the Long-Run Stock Market Outlook: An Update. NBER Working Paper No. 8221. DOI: 10.3386/w8221. Untersuchung des Zusammenhangs zwischen Ausgangsbewertungen und langfristiger Aktienmarktentwicklung. NBER – Campbell & Shiller Adam, Klaus; Nagel, Stefan (2022): Expectations Data in Asset Pricing. NBER Working Paper No. 29977. Überblick über empirische Forschung zu subjektiven Erwartungen von Anlegern und deren Bedeutung für Vermögenspreise. NBER – Expectations Data in Asset Pricing Gilchrist, Simon; Himmelberg, Charles P.; Huberman, Gur (2004): Do Stock Price Bubbles Influence Corporate Investment? NBER Working Paper No. 10537. Untersuchung der Verbindung zwischen Aktienbewertungen, Eigenkapitalfinanzierung und realen Unternehmensinvestitionen. NBER – Do Stock Price Bubbles Influence Corporate Investment?
von Thomas Lemcke 20. September 2026
Gründerunternehmen beziehen einen Teil ihrer Stärke aus einer Verbindung, die später zu ihrem Nachfolgeproblem werden kann: Wissen, Erfahrung, Beziehungen und Entscheidungsmacht konzentrieren sich über lange Zeit in derselben Person. In den frühen Jahren ist diese Verbindung häufig produktiv. Die Vorstellung davon, was zum Unternehmen gehört und was nicht, muss weder ausführlich erklärt noch institutionell abgesichert werden. Der Gründer kennt die Geschichte hinter einem Produkt, erinnert sich an frühere Fehlentscheidungen, versteht die Bedeutung einzelner Kundenbeziehungen und erkennt möglicherweise früher als andere, wann eine wirtschaftlich attraktive Gelegenheit nicht zum Unternehmen passt. Aus solchen Entscheidungen entsteht mit der Zeit mehr als ein Geschäft. Es entsteht eine besondere Art, dieses Geschäft zu betreiben. Gerade darin kann die Stärke eines Gründerunternehmens liegen. Doch dieselbe Verbindung von Person und Unternehmen wirft eine andere Frage auf, sobald Dauer nicht mehr nur wirtschaftlichen Erfolg während der Anwesenheit des Gründers bedeutet: Was muss aus einer persönlichen Prägung werden, damit ein Unternehmen auch dann eigenständig bleiben kann, wenn die Person, von der diese Prägung ausgegangen ist, nicht mehr entscheidet? Für den deutschen Mittelstand ist das keine abstrakte Frage. 57 Prozent der Inhaberinnen und Inhaber sind inzwischen mindestens 55 Jahre alt. Bis Ende 2029 streben jährlich rund 109.000 mittelständische Unternehmen eine Nachfolgeregelung an; zugleich planen rund 114.000 pro Jahr eine Stilllegung, wenn die heutige Inhabergeneration ausscheidet. Der bevorstehende Generationswechsel ist damit nicht nur eine demografische Entwicklung, sondern eine wirtschaftliche Strukturfrage. Die öffentliche Diskussion konzentriert sich verständlicherweise auf die sichtbaren Engpässe: fehlende Nachfolger, Finanzierung, Kaufpreise sowie steuerliche und rechtliche Fragen. Die Industrie- und Handelskammern beobachten darüber hinaus, dass ein erheblicher Teil der von ihnen beratenen Senior-Unternehmer die Übergabe zu spät vorbereitet und dass es einem Teil schwerfällt, sich emotional vom Unternehmen zu lösen. Doch hinter diesen Problemen liegt eine andere, weniger leicht messbare Frage. Ein Unternehmen kann einen Nachfolger gefunden, Eigentumsverhältnisse geklärt und sämtliche rechtlichen Voraussetzungen geschaffen haben, ohne bereits die Fähigkeit entwickelt zu haben, tatsächlich ohne seinen bisherigen Inhaber weiterzuarbeiten. Die übliche Vorstellung von Unternehmensnachfolge unterschätzt deshalb leicht, was überhaupt übertragen werden soll. Eigentum lässt sich übertragen, ebenso die Geschäftsführung. Prozesse können dokumentiert, Vollmachten verändert, Kunden vorgestellt und Verantwortlichkeiten neu geordnet werden. Auch Wissen lässt sich weitergeben, allerdings schon nicht mehr vollständig. Ein erheblicher Teil unternehmerischer Erfahrung ist implizit. Er zeigt sich nicht als abrufbare Information, sondern in der Beurteilung konkreter Situationen: warum ein Produkt trotz guter Kennzahlen nicht überzeugt, weshalb einem langjährigen Kunden in einem schwierigen Moment entgegengekommen wird, wann ein Risiko vertretbar erscheint oder weshalb eine Geschäftsmöglichkeit, die aus Sicht anderer attraktiv wirkt, dennoch nicht verfolgt wird. Forschung zur Nachfolge in Familienunternehmen zeigt, welche Bedeutung gerade dieses unternehmensspezifische Wissen für die Zeit nach dem Führungswechsel haben kann. Ein weiterhin aktiver Vorgänger muss dabei keineswegs nur ein Hindernis sein; sein Wissen und seine Beziehungen können Ressourcen für die weitere Entwicklung des Unternehmens darstellen. Entscheidend ist deshalb nicht allein, ob ein Gründer bleibt oder geht, sondern wie sich seine Rolle verändert. Das eigentliche Problem beginnt dort, wo Erfahrung und Autorität auseinanderfallen. Während eines großen Teils der Unternehmensgeschichte befinden sich beide beim Gründer. Mit fortschreitender Nachfolge muss eine andere Ordnung entstehen: Der Vorgänger kann weiterhin über die größere Erfahrung verfügen, obwohl ein anderer Mensch zunehmend die Verantwortung für Entscheidungen trägt. Daraus entsteht eine Konstellation, die in der Praxis schwerer auszuhalten sein dürfte, als sie organisatorisch erscheint. Derjenige, der mehr über das Unternehmen weiß, muss akzeptieren können, dass jemand entscheidet, der zunächst weniger weiß. Und derjenige, der weniger weiß, muss Entscheidungen übernehmen, obwohl ihm bewusst ist, dass sein Vorgänger manches besser beurteilen könnte. Die naheliegende Lösung wäre, den Erfahreneren weiterhin entscheiden zu lassen. Genau dadurch könnte jedoch jene Abhängigkeit fortbestehen, die eine Nachfolge eigentlich überwinden soll. Denn eigene Erfahrung lässt sich nicht übertragen. Sie entsteht erst dort, wo eigene Entscheidungen möglich werden – einschließlich solcher, die sich im Nachhinein als falsch erweisen. Daraus folgt nicht, dass ein Gründer möglichst früh oder vollständig verschwinden sollte. Eine solche Vorstellung würde der unternehmerischen Realität kaum gerecht. Gerade implizites Wissen, gewachsene Beziehungen und die Kenntnis der besonderen Mechanik eines Unternehmens können nach einem Führungswechsel erheblichen Wert besitzen. Neuere Forschung zeichnet entsprechend kein einfaches Bild, in dem fortbestehende Prägung durch den Vorgänger Innovation verhindert und größere Autonomie des Nachfolgers automatisch zu besseren Ergebnissen führt. Eine 2025 erstmals veröffentlichte Untersuchung von 16 niederländischen Familienunternehmen identifiziert vielmehr unterschiedliche Innovationsverläufe, die aus verschiedenen Verbindungen von Prägung und Selbstbestimmung entstehen. Kontinuität und Erneuerung sind demnach nicht notwendig Gegensätze. Entscheidend ist, wie sie miteinander verbunden werden. Damit verändert sich auch die Bedeutung des Abschieds. Seine Qualität lässt sich nicht daran messen, ob der Gründer noch anwesend ist. Seine Erfahrung kann weiterhin gefragt sein, ohne dass aus ihr ein Recht auf die letzte Entscheidung folgt. Rat kann verfügbar bleiben, ohne zur faktischen Anweisung zu werden. Beziehungen können fortbestehen, ohne dass Kunden und Mitarbeiter den Nachfolger umgehen. Der Gründer muss nicht bedeutungslos werden, damit andere eigenständig handeln können. Seine Bedeutung muss sich jedoch verändern können. Vielleicht liegt gerade darin eine der anspruchsvollsten Aufgaben einer Nachfolge: Erfahrung verfügbar zu halten, ohne Autorität dauerhaft an sie zu binden. Für die nächste Generation ist dieser Prozess nicht weniger anspruchsvoll. Sie übernimmt mit der Freiheit zur Entscheidung zugleich die Verantwortung für deren Folgen. Es wäre deshalb zu einfach, Nachfolge als Konflikt zwischen einer älteren Generation, die nicht loslassen kann, und einer jüngeren Generation, die endlich Freiheit benötigt, zu beschreiben. Auch der Nachfolger kann sich hinter dem Vorgänger verbergen, indem er Entscheidungen damit begründet, was der Gründer getan hätte. Umgekehrt kann der Wunsch, Eigenständigkeit zu demonstrieren, Veränderungen hervorbringen, deren wichtigster Zweck in der Abgrenzung besteht. Weder beweist Kontinuität mangelnde Selbstständigkeit noch ist Veränderung bereits ein Zeichen unternehmerischer Erneuerung. Die schwierigere Aufgabe besteht darin, zu erkennen, welche Elemente eines Unternehmens lediglich Ausdruck einer bestimmten historischen Situation sind und welche auf eine tiefere Vorstellung zurückgehen, die auch unter veränderten Bedingungen Bedeutung besitzt. Hier wird die Unterscheidung zwischen Ursprung und Ausdruck wichtig. Ein Gründer kann über Jahrzehnte eine bestimmte Vorstellung von Qualität, Produkt, Kundenbeziehung oder Unabhängigkeit entwickelt haben. Diese Vorstellung hat konkrete Formen angenommen: Produkte, Organisationsstrukturen, Vertriebswege, Standorte, Rituale, Hierarchien und persönliche Gewohnheiten. Doch die Formen sind nicht mit der Vorstellung identisch, aus der sie entstanden sind. Wer sie unverändert fortführt, kann deshalb gerade das verlieren, was er bewahren möchte. Ein Vertriebsmodell, das vor dreißig Jahren Ausdruck besonderer Kundennähe war, kann unter anderen Marktbedingungen das Gegenteil bewirken. Eine hierarchische Struktur, die in einer frühen Unternehmensphase schnelle Entscheidungen ermöglichte, kann später Geschwindigkeit verhindern. Eine Produktentscheidung, die einmal kompromisslose Qualität verkörperte, muss nicht für alle Zeit denselben Ausdruck dieser Qualität darstellen. Man kann die Form bewahren und die Idee verlieren. Und man kann die Form verändern und der Idee treu bleiben. Für den Nachfolger entsteht daraus eine Aufgabe, die durch keinen Wissenstransfer vollständig gelöst werden kann. Er muss verstehen, warum frühere Entscheidungen getroffen wurden, ohne aus diesem Verständnis eine Verpflichtung zu ihrer Wiederholung abzuleiten. Denn seine eigentliche Verantwortung beginnt bei Situationen, für die es keine überlieferte Antwort gibt. Technologien verändern Produkte und Arbeit, Märkte verschieben sich, neue Wettbewerber entstehen und Kunden verändern ihre Erwartungen. Ein Gründer kann Erfahrungen weitergeben, die er gemacht hat. Er kann jedoch keine Erfahrung jener Entscheidungen übertragen, die erst unter Bedingungen entstehen werden, die er selbst nie erlebt hat. Die nächste Generation muss deshalb nicht nur lernen, was der Gründer wusste. Sie muss mit dem umgehen können, was er nicht wissen konnte. An dieser Grenze entscheidet sich, was ein unternehmerisches Vermächtnis sein kann. Wird darunter die möglichst genaue Bewahrung vergangener Entscheidungen verstanden, verwandelt sich Herkunft leicht in Vorgabe. Ein Vermächtnis, das Dauer ermöglichen soll, müsste anders beschaffen sein. Es müsste Orientierung geben, ohne künftige Antworten festzulegen. Für den Gründer bedeutet das, anzuerkennen, dass Menschen, die später Verantwortung tragen, Entscheidungen treffen können müssen, die er selbst anders getroffen hätte. Für den Nachfolger bedeutet es, Freiheit nicht mit Traditionsbruch zu verwechseln. Er übernimmt kein leeres Unternehmen, sondern eines, dessen besondere Fähigkeiten, Beziehungen und Reputation über lange Zeit entstanden sind. Vermächtnis und Freiheit sind deshalb keine Alternativen. Ohne Vermächtnis droht der Zusammenhang verloren zu gehen, aus dem das Unternehmen entstanden ist; ohne Freiheit wird das Vermächtnis zu einer Verfügung über eine Zukunft, für deren Folgen andere verantwortlich sein werden. Was sich beim Ausscheiden eines Gründers vollzieht, lässt sich deshalb eher als Entflechtung denn als Übergabe verstehen. Über Jahre oder Jahrzehnte sind Person und Unternehmen miteinander verbunden worden. Persönliche Beziehungen wurden zu Geschäftsbeziehungen, individuelle Entscheidungen zu Routinen, Präferenzen zu Qualitätsmaßstäben und Erinnerungen zu einem Teil des organisationalen Gedächtnisses. Diese Verbindungen verschwinden nicht an dem Tag, an dem sich Eigentumsverhältnisse ändern oder ein neuer Geschäftsführer eingetragen wird. Einige von ihnen sollten erhalten bleiben, andere müssen ihre Funktion verändern, wieder andere dürfen enden. Die übliche Frage, was vom Gründer bewahrt werden muss, reicht deshalb nicht aus. Ebenso wichtig ist die umgekehrte: Was darf mit dem Gründer gehen? Nicht alles lässt sich institutionalisieren. Persönliches Gespür, Charisma, bestimmte Beziehungen oder eine außergewöhnliche ästhetische oder technische Sensibilität können an einen Menschen und seine Zeit gebunden sein. Ein Unternehmen wird nicht dauerhaft, indem es vorgibt, diese Person unbegrenzt reproduzieren zu können. Auch der Fortbestand eines Unternehmens ist kein Wert an sich. Die nahezu gleich großen Zahlen der von KfW erfassten Nachfolge- und Stilllegungspläne erinnern daran, dass Fortführung nicht für jedes Unternehmen die selbstverständliche oder wirtschaftlich sinnvolle Antwort ist. Die Frage nach dem Abschied stellt sich dort, wo etwas fortbestehen soll, das mehr geworden ist als die wirtschaftliche Tätigkeit seines heutigen Inhabers. Ein Unternehmen kann damit einen Nachfolger besitzen, ohne bereits übergabefähig zu sein. Mit Übergabefähigkeit wäre nicht die technische Möglichkeit eines Eigentümerwechsels gemeint, sondern die Fähigkeit einer Organisation, sich von einer prägenden Person zu lösen, ohne dabei ihre Funktionsfähigkeit, ihre besondere Herkunft oder ihre Fähigkeit zur Weiterentwicklung zu verlieren. Ein Unternehmen kann wirtschaftlich gesund, juristisch vorbereitet und mit einem geeigneten Nachfolger ausgestattet sein, während ein wesentlicher Teil seiner tatsächlichen Handlungsfähigkeit weiterhin beim bisherigen Inhaber konzentriert bleibt. Die entscheidende Frage lautet dann nicht nur, wer das Unternehmen übernehmen kann, sondern wie viel Unternehmen tatsächlich in der Organisation steckt – und wie viel noch im Unternehmer. Diese Frage lässt sich nicht erst einige Jahre vor dem Ruhestand beantworten. Sie wird durch die Art vorbereitet, in der ein Unternehmen lange zuvor geführt wurde: dadurch, wer widersprechen darf, wer Kundenbeziehungen trägt, wie Wissen geteilt wird, ob Führungskräfte eigenständig entscheiden und ob die Organisation gelernt hat, mit Situationen umzugehen, für die der Gründer keine Antwort vorgegeben hat. Die DIHK berichtet, dass 38 Prozent der von ihr erfassten Senior-Unternehmer zum Zeitpunkt der Beratung nach Einschätzung der IHKs nicht rechtzeitig auf die Nachfolge vorbereitet sind; drei Viertel wenden sich erst zwei Jahre oder weniger vor der geplanten Übergabe an einen externen Akteur. Rechtliche und finanzielle Vorbereitungen lassen sich innerhalb eines begrenzten Zeitraums treffen. Eine Organisation, die über Jahrzehnte auf die letzte Entscheidung einer Person ausgerichtet war, lässt sich wesentlich schwerer kurzfristig in eine eigenständig handelnde Organisation verwandeln. Gerade deshalb ist der formale Rückzug kein verlässlicher Maßstab für einen gelungenen Abschied. Ein Gründer kann ein Unternehmen verlassen haben, das weiterhin von ihm abhängig ist. Seine früheren Entscheidungen können zu ungeschriebenen Regeln geworden sein, seine Präferenzen zu vermeintlich unveränderlichen Grundsätzen, seine Autorität zu einer Instanz, auf die sich andere noch Jahre später berufen. Umgekehrt kann ein Gründer weiterhin präsent sein, während das Unternehmen längst Entscheidungen trifft, die er anders getroffen hätte. Abschied und Anwesenheit sind deshalb keine Gegensätze. Entscheidend ist, ob aus persönlicher Prägung eine eigenständige Fähigkeit der Organisation entstanden ist. Darin liegt auch die Grenze des verbreiteten Bildes von der Nachfolge als Übergabe eines Staffelstabes. Ein Unternehmen bleibt während des Wechsels nicht dasselbe. Märkte verändern sich, Technologien verändern sich, Menschen verändern sich – und mit den Entscheidungen der nächsten Generation verändert sich auch das Unternehmen selbst. Übergeben werden kann deshalb kein fertiges Werk, sondern nur die Möglichkeit, daran weiterzuarbeiten. Der Gründer muss akzeptieren, dass andere verändern werden, was ohne ihn nicht entstanden wäre. Der Nachfolger muss akzeptieren, dass Eigenständigkeit nicht darin besteht, diese Herkunft abzuschütteln, sondern Verantwortung dafür zu übernehmen, was aus ihr werden kann. Der bevorstehende Generationswechsel im deutschen Mittelstand wird deshalb nicht allein daran zu messen sein, wie viele Unternehmen einen Nachfolger finden. Ebenso wichtig ist, was diese Nachfolger vorfinden. Eigentum, Wissen, Beziehungen, Kapital und Geschichte lassen sich weitergeben. Die Erfahrung jener Entscheidungen, die erst unter unbekannten Bedingungen entstehen werden, lässt sich nicht übertragen. Sie muss von denjenigen erworben werden, die dann Verantwortung tragen. Vielleicht zeigt sich die Dauerhaftigkeit eines Unternehmens deshalb weniger darin, wie lange die Handschrift seines Gründers sichtbar bleibt, als darin, ob aus dieser Handschrift etwas entstanden ist, das andere in eigener Verantwortung weiterschreiben können. Die Kunst des Abschieds beginnt lange bevor jemand geht. QUELLENNACHWEIS KfW Research / Schwartz, Michael (2026): Nachfolge-Monitoring Mittelstand 2025: Pläne für Geschäftsaufgaben wachsen erneut – Kaufpreisvorstellungen deutlich gestiegen. Fokus Volkswirtschaft, Nr. 526, 9. Januar 2026. KfW Research – Nachfolge-Monitoring Mittelstand 2025 Deutsche Industrie- und Handelskammer (DIHK) (2025): DIHK-Report Unternehmensnachfolge 2025. Berlin, Juli 2025. DIHK – Unternehmensnachfolge-Report 2025 Zybura, Jan; Zybura, Nora; Ahrens, Jan-Philipp; Woywode, Michael (2021): “Innovation in the post-succession phase of family firms: Family CEO successors and leadership constellations as resources.” Journal of Family Business Strategy, Vol. 12, No. 2, Article 100336. DOI: 10.1016/j.jfbs.2020.100336. Del Barone, Ludovica; Annosi, Maria Carmela; Micelotta, Evelyn; Buonocore, Filomena (2026): “Post-Succession Innovation in Family Businesses: Exploring the Tension Between Incumbent Imprinting and Successor Self-Determination.” Entrepreneurship Theory and Practice, Vol. 50, No. 2, pp. 502–535. First published online 14 October 2025. DOI: 10.1177/10422587251382824.
von Thomas Lemcke 18. September 2026
Mit jeder neuen Generation künstlicher Intelligenz erweitert sich die Liste dessen, was Maschinen übernehmen können. Sie recherchieren, analysieren Daten und Dokumente, entwerfen Texte, entwickeln Alternativen und bearbeiten zunehmend komplexe Aufgaben über mehrere Arbeitsschritte hinweg. Für Organisationen entsteht daraus jedoch eine zweite, möglicherweise folgenreichere Frage. Wenn künstliche Intelligenz nicht mehr nur Werkzeug ist, sondern selbst Funktionen innerhalb von Wissens- und Entscheidungsprozessen übernimmt, verändert sich nicht allein die Verteilung einzelner Aufgaben. Es verändert sich die Architektur der Arbeit. Organisationen haben Wissen und Fähigkeiten immer verteilt. Recherche, Analyse, fachliche Bewertung, Kontrolle und Entscheidung liegen selten bei einer einzigen Person. Professionen, Abteilungen, Hierarchien und Regeln bilden vielmehr Strukturen, in denen unterschiedliche Kompetenzen zusammengeführt werden. Künstliche Intelligenz tritt nun in diese bestehenden Strukturen ein, allerdings mit einer Besonderheit: Sie kann nicht nur einzelne Tätigkeiten beschleunigen, sondern an verschiedenen Stellen desselben Arbeitsprozesses eingesetzt werden. Mit agentischen Systemen wird diese Differenzierung noch größer. Unterschiedliche KI-Funktionen können Informationen beschaffen, Analysen erstellen, Ergebnisse überprüfen oder weitere Arbeitsschritte vorbereiten. Aus dem Verhältnis zwischen einem Menschen und einem digitalen Werkzeug kann so ein hybrides Arbeitssystem entstehen. Die naheliegende Vorstellung, menschliche und künstliche Intelligenz würden sich aufgrund ihrer unterschiedlichen Fähigkeiten beinahe selbstverständlich ergänzen, hält einer näheren Betrachtung allerdings nicht stand. Eine 2024 in Nature Human Behaviour veröffentlichte Meta-Analyse von 106 experimentellen Studien mit 370 Effektgrößen ergab, dass Mensch-KI-Kombinationen im Durchschnitt schlechter abschnitten als der jeweils leistungsfähigere Einzelakteur. Besonders bei Entscheidungsaufgaben zeigten sich Verluste. Bei kreativen Aufgaben war das Verhältnis günstiger, ohne dass sich daraus eine generelle Synergie ableiten ließe. Unterschiedliche Stärken erzeugen also noch keine funktionierende Zusammenarbeit. Entscheidend ist, unter welchen Bedingungen und in welcher Anordnung sie zusammenwirken. Genau an dieser Stelle beginnt das, was sich als Human–AI Work Architecture beschreiben lässt. Der Begriff soll hier weder eine neue technische Disziplin bezeichnen noch ein weiteres Managementmodell etablieren. Er lenkt den Blick auf die Gestaltung hybrider Arbeitssysteme: darauf, wie menschliche und künstliche Fähigkeiten, Funktionen, Übergaben, Kontrollpunkte und Entscheidungsrechte miteinander verbunden werden. Die relevante Frage lautet dann nicht mehr lediglich, ob eine KI eine bestimmte Aufgabe ausführen kann. Sie lautet, welche Funktionen innerhalb eines Arbeitsprozesses benötigt werden, wie sie verteilt werden und unter welchen Bedingungen aus ihren jeweiligen Ergebnissen belastbares Wissen und verantwortbare Entscheidungen entstehen können. Damit verschiebt sich der Blick von einzelnen Aufgaben auf die Funktionen, aus denen anspruchsvolle Wissensarbeit besteht. Informationen müssen gefunden und ausgewählt, ihre Qualität beurteilt, Zusammenhänge erkannt, Annahmen überprüft, Gegenpositionen berücksichtigt und mögliche Folgen abgeschätzt werden. Daraus entstehen Interpretationen und Handlungsoptionen, auf deren Grundlage schließlich geurteilt und entschieden wird. Einige dieser Funktionen können Menschen übernehmen, andere KI-Systeme, wieder andere spezialisierte AI Agents. Je differenzierter diese Arbeitsteilung wird, desto wichtiger wird allerdings eine weitere Funktion: die Orchestrierung. Jemand oder etwas muss bestimmen, welche Funktionen benötigt werden, wann sie zum Einsatz kommen, wie ihre Ergebnisse miteinander verbunden werden und an welcher Stelle Widersprüche oder Unsicherheiten eine erneute Prüfung verlangen. Orchestrierung ist deshalb keine rein technische Angelegenheit. Sie beeinflusst, welche Informationen sichtbar werden, welche Perspektiven berücksichtigt und welche Alternativen überhaupt entwickelt werden. Forschungsprototypen wie Microsofts Magentic-UI untersuchen bereits verschiedene Formen menschlicher Beteiligung an agentischen Systemen – von gemeinsamer Planung und Eingriffen während der Bearbeitung bis zu Freigaben für bestimmte Handlungen und der Überprüfung von Ergebnissen. Noch handelt es sich dabei um Forschung an offenen Gestaltungsfragen, nicht um eine abschließend validierte Architektur zukünftiger Wissensarbeit. Doch gerade diese Versuche zeigen, dass menschliche Beteiligung nicht zwangsläufig erst am Ende eines automatisierten Prozesses stattfinden muss. Hier liegt ein grundlegendes Problem der häufig erhobenen Forderung, bei wichtigen Entscheidungen müsse der Mensch „im Loop“ bleiben. Ein Mensch kann formal die letzte Entscheidung treffen und dennoch zunehmend von einem Entscheidungsraum abhängig werden, den er selbst nur noch teilweise hervorgebracht hat. Wenn KI-Systeme zuvor Informationen ausgewählt, Zusammenhänge priorisiert, Risiken eingeordnet und Handlungsoptionen entwickelt haben, beginnt ihr Einfluss lange vor dem abschließenden Urteil. Es erscheint deshalb sinnvoll, zwischen Entscheidungsbefugnis und Urteilshoheit zu unterscheiden. Entscheidungsbefugnis beschreibt die formale oder institutionelle Autorität, eine Entscheidung zu treffen. Urteilshoheit bezeichnet dagegen die tatsächliche Fähigkeit, die Voraussetzungen dieser Entscheidung, ihre Alternativen und Unsicherheiten hinreichend zu verstehen, eigenständig zu beurteilen und gegebenenfalls infrage zu stellen. Ein Mensch kann das erste besitzen und das zweite allmählich verlieren. Die bloße Anwesenheit eines Menschen im Entscheidungsprozess sagt daher noch wenig darüber aus, wie substanziell seine Rolle tatsächlich ist. Damit ist keine Behauptung menschlicher Überlegenheit verbunden. Menschen urteilen selbst unter Bedingungen begrenzter Information, institutioneller Routinen, fachlicher Abhängigkeiten und kognitiver Verzerrungen. Menschliche Expertise sollte ebenso wenig idealisiert werden wie künstliche Intelligenz. Die Herausforderung hybrider Arbeitssysteme besteht gerade darin, unterschiedliche Fähigkeiten und Fehlermöglichkeiten so miteinander zu verbinden, dass Annahmen überprüfbar, Unsicherheiten erkennbar und Entscheidungen begründbar bleiben. Menschliche Beteiligung erhält ihren Wert nicht allein dadurch, dass sie menschlich ist. Entscheidend ist, welche Funktion menschliches Urteil innerhalb der jeweiligen Architektur tatsächlich erfüllt. Das berührt unmittelbar die Frage der Verantwortung. Verantwortung wird häufig vom Ende eines Entscheidungsprozesses her gedacht: Eine Person oder ein Organ entscheidet und muss für die Folgen einstehen. In einem hybriden Arbeitssystem werden jedoch bereits vorher Entscheidungen getroffen, die das spätere Ergebnis prägen. Welche Informationen darf ein System verwenden? Welche Funktionen dürfen selbstständig ausgeführt werden? Welche Handlungen benötigen eine Freigabe? Welche Unsicherheiten müssen sichtbar gemacht werden? Wann wird ein Vorgang eskaliert, wer kann ihn unterbrechen und wie lässt sich später nachvollziehen, auf welcher Grundlage entschieden wurde? Verantwortung wird damit nicht erst am Ende zugerechnet; ihre Voraussetzungen werden bereits durch die Arbeitsarchitektur strukturiert. Eine Organisation kann formal eindeutig bestimmen, wer eine Entscheidung verantwortet, und zugleich einen Prozess schaffen, in dem diese Verantwortung kaum noch substanziell ausgeübt werden kann. Umgekehrt können Transparenz, Widerspruch, Kontrollpunkte und Eingriffsmöglichkeiten so organisiert werden, dass Verantwortungsübernahme tatsächlich möglich bleibt. Die Architektur trägt die Verantwortung nicht selbst. Aber sie entscheidet wesentlich darüber mit, ob und wie Menschen und Institutionen Verantwortung wahrnehmen können. Was geschieht mit menschlicher Expertise? Die langfristig möglicherweise schwierigere Frage beginnt dort, wo Delegation erfolgreich ist. Wenn künstliche Intelligenz Informationen schneller erschließen, umfangreiche Vergleiche durchführen oder Analysen effizienter vorbereiten kann, spricht zunächst vieles dafür, diese Möglichkeiten zu nutzen. Doch Arbeitsteilung verändert nicht nur Prozesse. Sie verändert auch die Fähigkeiten derjenigen, die innerhalb dieser Prozesse arbeiten. Eine 2025 auf der CHI-Konferenz veröffentlichte Untersuchung von 319 Wissensarbeitern mit 936 berichteten GenAI-Anwendungsfällen liefert dafür einen interessanten Hinweis. Höheres Vertrauen in die Leistungsfähigkeit der verwendeten KI war mit geringerer berichteter kritischer Denkanstrengung verbunden, während sich kritische Arbeit zugleich in Richtung Verifikation, Integration von KI-Antworten und Steuerung des Gesamtprozesses verschob. Da die Untersuchung auf Selbstauskünften beruht, lässt sich daraus weder ein allgemeiner Kompetenzverlust noch eine einfache Kausalität ableiten. Der Befund ist dennoch relevant: Die Nutzung künstlicher Intelligenz kann nicht nur beeinflussen, wie viel Menschen denken, sondern auch, worüber und an welcher Stelle eines Arbeitsprozesses sie kritisch nachdenken müssen. Damit stellt sich für Organisationen eine Frage, die über klassische Weiterbildung hinausgeht. Nicht jede Fähigkeit, die technisch delegiert werden kann, muss deshalb vollständig aus menschlicher Arbeit verschwinden. Manche Kompetenzen könnten weiterhin benötigt werden, gerade weil Menschen sonst die Qualität delegierter Arbeit nicht mehr beurteilen können. Andere werden möglicherweise weniger bedeutsam, während neue entstehen: Ergebnisse zu verifizieren, unterschiedliche KI-Funktionen zu koordinieren, Unsicherheit zu erkennen oder zu entscheiden, wann ein automatisierter Prozess unterbrochen werden muss. Man könnte diese Gestaltungsaufgabe als Capability Governance bezeichnen. Der Begriff ist weniger wichtig als die dahinterliegende Frage: Welche Fähigkeiten sollten Menschen weiterhin selbst ausüben, welche durch künstliche Intelligenz erweitern und welche tatsächlich delegieren? Eine kurzfristig effiziente Arbeitsteilung muss unter dieser Perspektive keine langfristig gute Arbeitsarchitektur sein. Organisationen müssen auch berücksichtigen, welche menschlichen Fähigkeiten sie künftig benötigen, um beurteilen zu können, was ihre Systeme zunehmend selbstständig leisten. Damit verändert sich zugleich der Maßstab für den Erfolg künstlicher Intelligenz in Organisationen. Geschwindigkeit, Kosten, Genauigkeit und Skalierbarkeit bleiben relevant, reichen aber nicht aus. Hinzu kommen die Qualität der Zusammenarbeit, die Möglichkeit menschlichen Eingreifens, die Nachvollziehbarkeit von Ergebnissen, die Zurechenbarkeit von Verantwortung und die Fähigkeit, aus Erfahrungen und Fehlern zu lernen. Diese Anforderungen können miteinander in Spannung geraten. Mehr Automatisierung kann Leistungsfähigkeit erhöhen und zugleich Kontrollmöglichkeiten verringern; zusätzliche menschliche Freigaben können Sicherheit suggerieren und dennoch zur Formalität werden, wenn die zugrunde liegenden Analysen nicht mehr eigenständig beurteilt werden können. Die Architektur wird zur institutionellen Frage An diesem Punkt wird deutlich, weshalb Human–AI Work Architectures über die Gestaltung einzelner Arbeitsplätze hinausreichen. Sobald künstliche Intelligenz dauerhaft in Recherche, Analyse, Koordination und Entscheidungsvorbereitung eingebunden ist, berührt sie die Art, wie Organisationen Wissen erzeugen, Unsicherheit bearbeiten, Verantwortung verteilen und Handlungsfähigkeit herstellen. Daraus ergibt sich möglicherweise auch ein anderer Zugang zu Institutional Intelligence . Institutionelle Intelligenz wäre dann nicht die Summe besonders intelligenter Menschen und besonders leistungsfähiger KI-Systeme. Sie würde sich vielmehr darin zeigen, wie gut eine Institution unterschiedliche Fähigkeiten in belastbares Wissen, eigenständiges Urteil, verantwortbare Entscheidungen und Lernfähigkeit übersetzen kann. Die Leistungsfähigkeit einzelner Akteure bliebe wichtig, wäre aber nicht hinreichend, um die Leistungsfähigkeit des Ganzen zu erklären. Gerade darin liegt eine Grenze vieler gegenwärtiger Debatten über künstliche Intelligenz. Die Entwicklung immer leistungsfähigerer Systeme entscheidet noch nicht darüber, ob Organisationen tatsächlich besser urteilen und handeln werden. Technologische Leistungsfähigkeit und institutionelle Handlungsfähigkeit sind unterschiedliche Größen. Zwischen beiden liegt eine Gestaltungsaufgabe: die Architektur, in der Menschen, künstliche Intelligenz, Wissen, Regeln, Kontrolle und Verantwortung miteinander verbunden werden. Wie diese Architektur aussehen sollte, lässt sich nicht allgemein beantworten. Eine Forschungsorganisation benötigt andere Formen der Arbeitsteilung als ein Krankenhaus, eine Verwaltung oder ein Unternehmen; eine explorative Analyse stellt andere Anforderungen an menschliche Kontrolle als eine Entscheidung mit erheblichen rechtlichen, wirtschaftlichen oder gesellschaftlichen Folgen. Es wird deshalb ka um die optimale Human–AI Work Architecture geben. Gerade weil unterschiedliche Kontexte unterschiedliche Arrangements verlangen, wird die Fähigkeit, über diese Architekturen selbst zu urteilen, zu einer neuen institutionellen Aufgabe. Die kommenden Jahre werden daher nicht nur davon geprägt sein, welche Fähigkeiten künstliche Intelligenz noch entwickelt. Mindestens ebenso bedeutsam wird sein, welche Arbeitsformen wir um diese Fähigkeiten herum entstehen lassen. Dabei geht es weder darum, menschliche Arbeit gegen künstliche Intelligenz zu verteidigen, noch darum, möglichst viele menschliche Tätigkeiten zu automatisieren. Die anspruchsvollere Aufgabe besteht darin, herauszufinden, wo unterschiedliche Fähigkeiten einander tatsächlich erweitern, wo menschliches Urteil substanziell erforderlich bleibt und wie Verantwortung ausgeübt werden kann, wenn Erkenntnis und Entscheidung zunehmend aus hybriden Systemen hervorgehen. Lange haben wir vor allem gefragt, wie intelligent Maschinen werden können . Für Organisationen könnte eine andere Frage mindestens ebenso wichtig werden: Wie intelligent organisieren wir die Zusammenarbeit zwischen ihnen und uns? QUELLENNACHWEIS Vaccaro, Michelle; Almaatouq, Abdullah; Malone, Thomas W.: When combinations of humans and AI are useful: A systematic review and meta-analysis, Nature Human Behaviour 8, 2024, S. 2293–2303. Nature Human Behaviour – Studie öffnen Lee, Hao-Ping et al.: The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers, CHI 2025. Microsoft Research – Studie öffnen Mozannar, Hussein et al.: Magentic-UI: Towards Human-in-the-loop Agentic Systems, Microsoft Research, 2025. Microsoft Research – Magentic-UI öffnen