Wenn KI alles beschleunigt, nur nicht das Unternehmen

In letzter Zeit höre ich immer wieder eine sehr konkrete Klage.

Nicht „KI bringt nichts". Sondern etwas Verzwickteres:

„Ich bin schon schnell."

„Die Werkzeuge sind da."

„Der Entwurf ist in einer halben Stunde fertig."

Und trotzdem kriecht das Projekt im alten Takt voran. Manche fangen sogar an, an sich selbst zu zweifeln: Vielleicht mache ich etwas falsch.

Doch je mehr ich zuhöre, desto stärker glaube ich, dass sie das falsche Ziel anvisieren. Denn schneller wurde meist nur eine einzelne Person. Nicht schneller wurde das Unternehmen.

Stellen Sie sich einen ganz gewöhnlichen Arbeitsnachmittag vor. Ein Ingenieur sitzt vor dem Bildschirm. Mit KI erzeugt er eine funktionierende Version des Codes. Dreißig Minuten. Weit schneller, als er es früher selbst getippt hätte.

Er öffnet einen Pull Request und ist ein wenig erleichtert: Heute lässt sich ein Stück voranbringen.

Dann beginnt er zu warten. Warten auf das Review. Warten auf das Testfeedback. Warten, dass jemand sagt „das kann gemergt werden". Warten, dass ein anderes Team nickt. Warten, dass jemand mit mehr Befugnis antwortet.

Zwei Tage später liegt der Code noch immer da. Nicht, weil man ihn nicht schreiben könnte. Sondern weil ihn nach dem Schreiben niemand auffängt.

Der schnellste Teil ist bereits vorbei. Der langsamste Teil fängt gerade erst an.

Dieses Problem tritt nicht nur in Softwarefirmen auf. Ein Vorschlag ist in einer halben Stunde geschrieben; über die Entscheidung wird zwei Wochen lang getagt. Der Analysebericht liegt am Nachmittag vor; die Freigabekette läuft bis in den nächsten Monat. Eine Kundenantwort lässt sich sofort erzeugen, doch der Vertragsstempel liegt noch im Postfach eines Vorgesetzten drei Ebenen höher.

KI hat viel am „Machen" beschleunigt. Aber das Unternehmen hängt weiterhin am „Entscheiden".

Das übliche Gespräch fragt gern: Kann KI die Produktivität steigern?

Future Lab fragt lieber: Warum wird die Organisation als Ganzes oft nicht schneller, sobald die Ausführung schneller wird? Wo genau liegt der wahre Engpass?

Eine intuitive Hypothese lautet so: KI senkt die Kosten der Ausführung. Aber sie senkt nicht im gleichen Maße die Kosten der Organisation — Entscheidung, Vertrauen, Verantwortung, Koordination, Freigabe.

Früher waren Unternehmen vor allem deshalb langsam, weil Menschen nicht schnell genug waren, Informationen nicht schnell genug flossen und die Produktion zu teuer war. Nun lockern sich diese Zwänge. Und so tritt zutage, was in der alten Struktur immer vorhanden war, aber von „alle sind beschäftigt" verdeckt wurde: Entscheidung, Vertrauen, Verantwortung, Koordination, Freigabe.

Das ist keine neue Krankheit. Es gleicht eher dem, was Future Lab seit jeher AI as a Revealing Agent nennt, die KI als Entwicklerflüssigkeit: KI schafft nicht zwangsläufig Probleme, sie macht sichtbar, wo die alte Struktur wirklich klemmt.

Solange das Coden der Engpass war, sah niemand das Review. Nun, da Coden nicht mehr so knapp ist, tritt das Review ins Rampenlicht. Und wenn künftig auch das Review teilweise von Werkzeugen verschluckt wird, ist das wirklich Zutagetretende womöglich die Entscheidung — und die Person, die bereit ist, für diese Entscheidung zu unterschreiben.

Diese Zeitstruktur — das Ergebnis ist bereits da, doch die Organisation hat es noch nicht aufgenommen — nennen wir Organizational Latency, organisationale Latenz.

Das heißt nicht, dass es dem Unternehmen an klugen Köpfen fehlt. Es heißt nicht, dass es dem Unternehmen an KI fehlt. Es heißt: Die Information ist eingetroffen, die KI ist fertig, aber das System wartet noch auf Entscheidung, Vertrauensprüfung, Zuordnung von Verantwortung, Abstimmung der Koordination und Freigabe.

Es ist sehr ähnlich wie die Latenz in einem Netzwerk. Die Bandbreite ist gestiegen. Die Pakete reisen schneller. Doch wenn jeder Hin- und Rückweg auf eine Bestätigung warten muss, will die gefühlte Geschwindigkeit trotzdem nicht steigen.

Das Gefühl des Einzelnen „Ich bin schneller geworden" misst meist die Bandbreite. Die Verzweiflung des Unternehmens „Warum ist das immer noch so langsam" misst meist die Latenz.

Hier müssen wir kurz innehalten und einen Einwand anerkennen.

Nicht in jedem Szenario ist die Ausführung tatsächlich schneller geworden.

2025 führte METR eine randomisierte kontrollierte Studie mit erfahrenen Open-Source-Entwicklern durch: Unter den damaligen Werkzeugbedingungen erhöhte die Erlaubnis, KI zu nutzen, die Bearbeitungszeit sogar um etwa 19 %. Noch verzwickter — die Entwickler hatten vorab erwartet, 24 % schneller zu sein, und glaubten hinterher immer noch, sie seien rund 20 % schneller gewesen.

Mit anderen Worten: Manche „Beschleunigung" ist zunächst eine Illusion. Die Zeit fraßen das Formulieren von Prompts, das Gegenlesen und das Warten auf die Erzeugung.

Dieser Essay behauptet also nicht: Jeder auf der Welt wurde bereits von KI beschleunigt. Er behandelt eine andere Struktur, die bereits geschieht und immer häufiger wird: Warum kann der Durchsatz einer Organisation stillstehen, sobald die Ausführungsebene wirklich schneller wird — oder zumindest schneller aussieht.

Das überzeugendste Beispiel ist kein traditionelles Unternehmen, das „KI noch nicht nutzen kann". Es ist Anthropic selbst.

Im März 2026, als Anthropic im offiziellen Claude-Blog Code Review ankündigte, schrieben sie es unverblümt: Im vergangenen Jahr war die Code-Ausgabe pro Anthropic-Ingenieur um 200 % gewachsen. Das Code-Review war zum Engpass geworden.

Sie hörten auch von Kunden immer wieder dasselbe: Entwickler seien zu dünn gespannt, und viele Pull Requests könnten nur überflogen statt sorgfältig gelesen werden.

Cat Wu, Produktverantwortliche für Claude Code, machte den Mechanismus in einem Interview noch deutlicher: Heute kann eine Person mit einem einzigen Prompt einen Pull Request hinwerfen, der plausibel aussieht; die Last verschiebt sich auf den Reviewer — der enorm viel Zeit aufwenden muss, um Randfälle zu prüfen.

Beachten Sie den Bau dieses Satzes. KI hat die Arbeit nicht beseitigt. Sie hat den Schwerpunkt der Arbeit von der „Produktion" zur „Prüfung" verschoben.

Auch Anthropics Antwort ist vielsagend: Sie setzen ein Multi-Agenten-System für tiefere Code-Reviews ein und hoben den Anteil interner Pull Requests mit substanziellen Kommentaren von 16 % auf 54 %.

Aber sie waren weiterhin eindeutig: Das Werkzeug genehmigt den Pull Request nicht. That is still a human call.

Dieser Satz ist fast der Schlüssel zum ganzen Essay. KI kann die Kosten der Prüfung senken. KI kann sogar einen Teil der organisationalen Kosten senken. Doch die Organisation neigt weiterhin dazu, einen menschlichen Knoten zu bewahren: wer die Folgen von „das kann hineingemergt werden" trägt.

An der Oberfläche geht es beim Review darum, Fehler zu finden. Eine Schicht tiefer geht es darum, Vertrauen aufzubauen: Glaube ich, dass diese Ausgabe es verdient, in den Hauptzweig zu gelangen. Noch tiefer geht es darum, Verantwortung zuzuweisen: Wenn in der Produktion etwas bricht, auf wessen Konto geht es.

Wenn also jemand fragt, ob der größte Engpass der KI-Ära die Intelligenz sei, kommt Future Labs Antwort dem hier näher: Oft ist es nicht die Intelligenz. Es ist die Verantwortung — der knappe Knoten, der bereit ist, für das Ergebnis geradezustehen.

Das liegt auf derselben Linie wie die Commitment Economy, die Ökonomie der Verbindlichkeit, die wir in KI wird nicht zuerst Menschen ersetzen — sondern die Boten vorgeschlagen haben: Wird die Ausführung billig, ist das Teure der Mensch, der bereit ist, Verantwortung zu übernehmen.

Dieser Essay dreht den „Verantwortungsengpass" nicht zu einem neuen Begriff hoch. Er lebt bereits in der Ökonomie der Verbindlichkeit. Organisationale Latenz ist die Knappheit an Verantwortung, über die Zeit entwickelt wie ein Film.

McKinseys Studie von 2025 benannte das Phänomen auf Unternehmensseite lautstark: das Gen-AI-Paradox.

Fast acht von zehn Unternehmen berichten, gen AI einzusetzen, und ebenso viele berichten von keiner nennenswerten Wirkung auf den Gewinn. Bei den höherwertigen vertikalen Anwendungsfällen stecken rund neun von zehn noch im Pilotstadium.

Ihr Punkt: Die größere Herausforderung ist oft nicht die Technik, sondern der Mensch — Vertrauen, Akzeptanz, Governance.

Auf der anderen Seite ist MIT Sloans Wiedergabe der Forschung zur „Aufgabenkette" noch schärfer: Jedes Mal, wenn Arbeit von der KI an einen Menschen und vom Menschen zurück an die KI übergeht, braucht es Review, Validierung, Anpassung. Diese Kontrollpunkte bremsen das gesamte System.

Mit anderen Worten: Organisationen sind oft nicht deshalb langsam, weil sie keine klugen Köpfe hätten. Sondern weil die klugen Köpfe alle entlang einer sehr langen Bestätigungskette platziert sind. Jeder ist „für ein Stück zuständig". Sehr wenige sind darauf ausgelegt, „für das Ergebnis zuständig" zu sein.

So entsteht ein vertrautes Leerlaufen — was Future Lab einen nahen Verwandten der Hollow Company nennt, des hohlen Unternehmens: viele Meetings, viel Material, viele Werkzeuge, wenig Fortschritt.

Nachdem KI eingezogen ist, kann der Leerlauf noch lauter werden. Weil die Erzeugungskosten gesunken sind, füllt die Organisation das Warten leichter mit mehr Dokumenten, mehr Vorschlägen, mehr „KI-Erstentwürfen". Es sieht geschäftiger aus. Die Latenz sinkt nicht zwangsläufig. Manchmal steigt sie sogar.

Das ist auch das organisationale Echo des Judgment Outsourcing, der Auslagerung des Urteils: Wenn Menschen nicht mehr urteilen, sondern nur noch Weiterleiten und Bestätigen aufführen, wird das System sicherer und zugleich langsamer.

Langsamkeit ist manchmal Risikokontrolle. Langsamkeit ist manchmal nur, dass niemand derjenige sein will, der unterschreibt. Beide sehen sich sehr ähnlich. Sie müssen unterschieden werden.

Man kann einen Arbeitsablauf grob in vier Ebenen zerlegen:

Ausführung. Code schreiben, Vorschläge schreiben, Analysen erstellen, Designs liefern. Die Ebene, die KI am härtesten trifft.

Koordination. Ziele abstimmen, Fortschritt synchronisieren, teamübergreifend übergeben. KI kann die Kosten für Übersetzen und Aufräumen senken und zugleich mehr halbfertige Arbeit erzeugen, die synchronisiert werden muss.

Entscheidung. Ob man es tut, wann man es tut, nach welchem Maßstab. Ein Modell kann Optionen liefern; selten darf es die Wahl im Namen der Organisation tragen.

Verantwortung. Wer antwortet, wenn etwas schiefgeht; wem der Erfolg gutgeschrieben wird. Diese Ebene ist am schwersten zu automatisieren und am wenigsten dafür geeignet, romantisch „der KI überlassen" zu werden.

Früher verdeckte die langsame Ausführung die drei dahinterliegenden Ebenen. Nun, da sich die Ausführung gelockert hat, beginnen diese drei Ebenen die gefühlte Geschwindigkeit zu bestimmen.

Dass das Unternehmen nicht schneller wurde, liegt also nicht zwangsläufig daran, dass KI versagt hätte. Es kann daran liegen, dass KI zur Hälfte gelang: Sie beschleunigte den Teil, der am leichtesten zu beschleunigen ist, und zwang den wirklich knappen Teil ins Rampenlicht.

Deshalb muss dieser Essay, nachdem der achte fragte „warum es Unternehmen überhaupt noch gibt", als Nächstes fragen: Die Unternehmen, die es gibt — warum können sie noch so langsam sein?

Wenn sich das Unternehmen von einer Produktions- und einer Koordinationsmaschine hin zu einem Behälter für Vertrauen und Urteil wandelt, dann verwaltet es nicht mehr nur Arbeitskraft und nicht mehr nur Wissen. Es verwaltet dies: ob eine vertrauenswürdige Entscheidung mit einer akzeptablen Latenz getroffen werden kann und jemand sie trägt.

Im kommenden Jahr werden mehr Teams offen über die Review-Warteschlange und die Freigabeverzögerung sprechen. KI-gestützte Prüfung wird sich ausbreiten. Die menschliche Unterschrift bleibt höchstwahrscheinlich bestehen.

In etwa drei Jahren werden „Ausführungsgeschwindigkeit" und „Umsetzungsgeschwindigkeit" vielleicht getrennt betrachtet. Eine Art von Unternehmen wird die Übergabekette verkürzen. Eine andere wird mehr Freigaben nutzen, um das KI-Rauschen zu verdauen — das ist die beschleunigte Version des Aushöhlens.

Noch weiter gedacht, könnte das Unternehmen immer mehr wie ein Verantwortungs-Durchsatzsystem aussehen.

Im Industriezeitalter verwaltete das Unternehmen Arbeitskraft. Im Informationszeitalter verwaltete das Unternehmen Wissen. Im KI-Zeitalter — was genau verwaltet das Unternehmen?

Vielleicht dies: wenn Intelligenz nicht knapp ist, den weiterhin knappen Fluss aus Vertrauen, Urteil und Verantwortung.

Für den gewöhnlichen Menschen drängt dieser Essay Sie nicht, „gegen Prozesse zu sein". Er drängt Sie, klar zu sehen, auf welcher Ebene Sie stehen.

Liegt Ihr Wert vor allem in der Ausführung, wird KI den Stückpreis weiter drücken. Liegt Ihr Wert darin, Dinge bis zum „umsetzbar" voranzutreiben und an den entscheidenden Knoten bereit zu sein, Ihren Namen zu setzen, dann ist das, womit Sie umgehen, die Latenz.

Future Lab hat von der Personal Optionality gesprochen, der persönlichen Optionalität: Ein Mensch sollte versuchen, sich Handlungsspielraum zu bewahren, der nicht von einer einzigen Organisation definiert wird.

In einer Zeit, in der organisationale Latenz sichtbar wird, kommt diese Option nicht allein aus dem Jobwechsel. Sie kommt auch daraus, ob Sie diese Art von Kredit angesammelt haben: Andere glauben, dass Sie geprüft haben. Andere glauben, dass Sie geurteilt haben. Andere glauben, dass Sie, wenn etwas bricht, nicht der Erste sind, der verschwindet.

Werkzeuge werden weiter schneller. Vertrauen wird nicht von allein schneller.

Wenn eines Tages die Ausführung wirklich so billig wird, dass sie sich der Null nähert, was verwaltet das Unternehmen dann noch?

Mehr Menschen? Mehr Informationen? Oder weniger, aber schwerere Knoten der Verantwortung?

Wenn KI alles beschleunigt, warum werden manche Unternehmen trotzdem nicht schneller?