Gute Kultur schlägt KI-Produktivität
- Ein Engineering-Leader mit über 13 Jahren Erfahrung argumentiert, dass gute Unternehmenskultur – nicht KI-Tools – der größte Produktivitätsfaktor ist.
- Laut Conways Gesetz spiegeln Softwaresysteme die Kommunikationsstrukturen ihrer Organisation wider; KI verstärkt schlechte Kultur demnach eher, als sie zu kompensieren.
- Viele Berichte über zehnfache KI-Produktivitätssteigerungen werden als Marketing eingestuft; KI-Adoption funktioniere nur bottom-up, nie durch Druck von oben.
In der aktuellen Debatte über KI-Produktivität dominieren Versprechen von fünffacher oder zehnfacher Effizienzsteigerung durch neue Werkzeuge. Ein Ingenieur und Engineering-Manager mit mehr als 13 Jahren Branchenerfahrung widerspricht dieser Prämisse grundlegend: Nicht KI-Tools, sondern eine gesunde Unternehmenskultur sei der entscheidende Produktivitätsfaktor – und ohne sie verstärke KI bestehende Probleme nur.
Conways Gesetz als Erklärungsrahmen
Als theoretische Grundlage dient das weithin bekannte Conways Gesetz: "Organisationen, die Systeme entwerfen, sind darauf beschränkt, Entwürfe zu produzieren, die Kopien der Kommunikationsstrukturen dieser Organisationen sind." Die Schlussfolgerung lautet: Das Endprodukt eines Unternehmens spiegelt unweigerlich dessen interne Kultur wider. Ist die Kultur dysfunktional, bleibt auch das Produkt hinter seinem Potenzial zurück – unabhängig davon, welche KI-Werkzeuge eingesetzt werden.
KI als Verstärker – in beide Richtungen
KI verstärke, so die These, was bereits vorhanden ist. In einem Umfeld mit guter Architektur, klarer Kommunikation und gegenseitigem Vertrauen erhöhe KI tatsächlich die Effizienz. In einem Umfeld mit schlechter Kommunikation und unklaren Verantwortlichkeiten hingegen beschleunige sie lediglich die Bewegung in die falsche Richtung. Kulturelle Voraussetzungen – psychologische Sicherheit, klare Entscheidungskompetenzen, konstruktiver Umgang mit Fehlern – seien deshalb als Fundament zu betrachten, ähnlich wie körperliche Gesundheit für den Menschen.
Skepsis gegenüber Produktivitätsversprechen
Viele Berichte über drastische Produktivitätssteigerungen durch KI seien, nach Einschätzung des Autors, eher als Produktwerbung oder Partnerschaftspromotion zu werten denn als belastbare Messdaten. Führungskräfte, die aus FOMO – der Angst, etwas zu verpassen – intern Druck aufbauten und ihr Team für angeblich mangelnde KI-Nutzung tadelten, schadeten damit aktiv der Unternehmenskultur. Die Empfehlung lautet, stets die Anreize hinter solchen Aussagen zu hinterfragen.
Bottom-up statt Top-down
KI-Adoption funktioniere nur von unten nach oben, nicht umgekehrt. Da sich neue Werkzeuge täglich weiterentwickelten, sei ein kontinuierlicher Wissensaustausch im Team unerlässlich. Versuche, KI-Nutzung von oben zu erzwingen oder sie mit der Bedrohung von Arbeitsplatzverlust zu verbinden, führten zu Demotivation und Kulturverfall. Die als zielführend beschriebene Botschaft an Teams lautet sinngemäß: KI sei ein weiteres Werkzeug – wie viele vor ihm – das gute Ingenieure in ihrem Sinne nutzen.
Mehr Ingenieure statt weniger
Entgegen einer verbreiteten Annahme spricht sich der Autor dafür aus, in der KI-Ära mehr Ingenieure einzustellen, nicht weniger. Mehr Talente in einem gut funktionierenden Kulturumfeld erhöhten die Produktivität exponenziell. Die Verdrängung von Ingenieuren durch KI-Tools sei demgegenüber ein strategischer Fehler, der langfristig zu Marktanteilsverlusten führe. Time-to-Market bleibe die entscheidende Kennzahl – und diese werde durch Menschen und KI gemeinsam optimiert, nicht durch KI allein.
Die zentrale Frage für Führungskräfte sollte demnach nicht lauten, wie man alle zur KI-Nutzung bringt, sondern wie man eine Organisation aufbaut, in der fähige Menschen ihr Bestes geben können – um dann durch KI multipliziert zu werden.
Themen
Ereignisse
More in Künstliche Intelligenz
→
Künstliche Intelligenz
KI-Bann in Open-Source-Projekten wächst
Künstliche Intelligenz
GLM-5.3 jetzt als Open-Weight verfügbar
Künstliche Intelligenz
KI-Agenten schlagen Patches um Tage
Künstliche Intelligenz
Racter 1984: Frühe KI schreibt ein Buch
Künstliche Intelligenz
KI-Agenten entdecken neue Mathematik
Künstliche Intelligenz
Conduct AI: Quelloffene KI-Guardrails