Die Chance von KI im Unternehmen liegt in der Ergänzung, nicht im Ersatz

Generative Künstliche Intelligenz kann in Sekunden eine plausible Zukunftsvision erzeugen. Das bedeutet jedoch nicht, dass Unternehmen ihre Strategien darauf aufbauen sollten.

Eine neu veröffentlichte Studie, die KI‑generierte Arbeitsszenarien mit expertengeleiteter Vorausschau verglich, fand eine klare Aufteilung der Stärken.¹ ChatGPT 4.5, Gemini Advanced 2.5 Pro und DeepSeek R1 erzeugten strukturierte Szenarien schnell, effizient und über ein breites Themenspektrum hinweg. Menschliche Experten hingegen lieferten Zukunftsbilder mit größerer kontextueller Tiefe, ethischer Sensibilität und strategischem Nutzen.

Die Forschung konzentrierte sich auf Talentmanagement im Tourismus und Gastgewerbe, doch ihre Implikationen reichen weit über Hotels und Reisen hinaus. Jedes Unternehmen, das KI für Planung, Einstellung, Risikoanalyse oder Entscheidungsunterstützung auf Führungsebene in Betracht zieht, steht vor derselben Frage: Liefert das System Erkenntnisse oder ordnet es lediglich vertraute Ideen zu einer überzeugenden Erzählung?

Die Antwort ist nicht, dass KI keinen Wert hat. Vielmehr ist ihr Wert am größten, wenn sie das Feld der Möglichkeiten erweitert, bevor erfahrene Menschen entscheiden, was ernst genommen werden sollte.

Wie Forschende GenAI als strategisches Vorausschau‑Werkzeug testeten

Die Forschenden baten die drei KI‑Plattformen, Arbeitsszenarien für 2035 mithilfe des Four‑Futures‑Frameworks von Dator zu entwickeln. Diese Methode untersucht vier breite Richtungen: Fortsetzung, Zusammenbruch, Disziplin und Transformation.

Jedes Modell erhielt standardisierte Eingabeaufforderungen zu Arbeitsplatzbedingungen, KI‑Einsatz im Personalwesen, Mitarbeitendenwahrnehmungen, aufkommenden Fähigkeiten, Ethik, Richtlinien und Bildung. Die daraus entstehenden Narrative wurden mit Szenarien verglichen, die zuvor durch Interviews mit 30 internationalen Fachleuten aus Tourismus und Gastgewerbe, darunter Manager, HR‑Professionals, Technologiespezialisten und Wissenschaftler*innen, entwickelt worden waren.

Die vier Szenarien reichten von einem KI‑gesteuerten Arbeitsplatz, in dem Automatisierung Rekrutierung und Schulung verbesserte, bis zu einer überautomatisierten Zukunft, die von Überwachung, Entmenschlichung und Mitarbeitendenunzufriedenheit geprägt ist. Die Modelle berücksichtigten zudem einen ausgewogenen Mensch‑KI‑Arbeitsplatz sowie eine Zukunft, in der die Branche die Automatisierung bewusst einschränkt, um persönlichen Service zu bewahren.

Das Experiment war bewusst eingeschränkt. Die Modelle erhielten einmalige Eingabeaufforderungen ohne Nachfragen, externe Validierung, Stakeholder‑Feedback oder iterative Verfeinerung. Infolgedessen bewertet das Papier grundlegende KI‑generierte Zukunftsszenarien statt des bestmöglichen Ergebnisses eines ausgefeilten Mensch‑KI‑Workflows.

Wo KI überlegen war und wo Expert*innen den Vorsprung behielten

Die vergleichenden Ergebnisse der Studie zeigen, warum generative KI für Unternehmen attraktiv ist. Sie kann schnell eine leere Seite mit möglichen Rollen, Risiken, Richtlinien und organisatorischen Reaktionen füllen. Diese Geschwindigkeit könnte formale Szenarioplanung für kleinere Unternehmen zugänglich machen, die nicht für jede strategische Frage ein großes Beratungsteam engagieren können.

Die Schwäche zeigte sich, wenn die Breite zu einer Bewertung werden musste. Die Modelle erkannten Probleme wie Voreingenommenheit, Datenschutz, Verdrängung und Überwachung, behandelten sie jedoch meist nur als zu erwähnende Kategorien. Expert*innen untersuchten, wie diese Themen die Moral, die Servicekultur, die Stimme der Mitarbeitenden, organisatorische Zwänge und die emotionale Arbeit, die im Gastgewerbe zentral ist, beeinflussen würden.

Diese Unterscheidung ist wichtig. Ein Sprachmodell kann erkennen, dass Automatisierung den menschlichen Kontakt reduzieren könnte. Ein erfahrener Betreiber versteht eher, welche Interaktionen Kunden schätzen, welchen Entscheidungen Mitarbeitende Widerstand leisten und wo ein scheinbar effizienter Prozess Vertrauen oder Bindung schädigen könnte.

Die eigentliche Unternehmens‑Chance liegt in einer schnelleren strategischen Exploration

Die nützlichste Interpretation ist nicht, dass Menschen die KI besiegt haben. Vielmehr operierte jede Seite auf einer anderen Ebene des Problems.

GenAI war effektiv bei der Generierung von Möglichkeiten. Experten waren besser bei der Bewertung dieser Möglichkeiten. Die Kombination dieser Funktionen kann einen stärkeren Prozess schaffen, als sich ausschließlich auf eine der beiden zu verlassen.

Eine Organisation könnte KI einsetzen, um Dutzende von Basisszenarien zu erstellen, kritische Annahmen zu variieren, schwache Signale zu identifizieren und Widersprüche aufzudecken. Menschliche Teilnehmende könnten dann generische Narrative ablehnen, lokale Evidenz hinzufügen, Perspektiven von Interessengruppen einbringen und entscheiden, welche Entwicklungen Investitionen oder Kontingenzplanungen rechtfertigen.

Dieser Ansatz ähnelt dem breiteren Übergang von eigenständigen Modellen zu vollständigen Unternehmenssystemen. Wie Securities.io bereits untersucht hat, die meisten agentischen Einsätze fehlen wesentliche Schichten rund um die zugrunde liegende Intelligenz. Ein leistungsfähiges Modell ist nur ein Baustein. Datenzugriff, Orchestrierung, Governance, Sicherheit, Verantwortlichkeit und Integration bestimmen, ob es nachhaltigen Wert schafft.

Für die praktische Anwendung sollten Unternehmen KI‑generierte Szenarien als Hypothesen behandeln, die mehrere Prüfungen bestehen müssen:

• Welche Annahmen sind nicht unterstützt oder zu allgemein?
• Wessen Interessen und Erfahrungen fehlen?
• Welche Evidenz würde das Szenario bestätigen oder schwächen?
• Welche Entscheidungen bleiben reversibel, wenn die Prognose falsch ist?

Damit wird KI von einer Autorität zu einem intellektuellen Sparringspartner. Ihr Zweck ist es, die Betrachtungsbreite zu erweitern, nicht die Debatte zu beenden.

Warum menschliche Aufsicht zu einer wirtschaftlichen Notwendigkeit wird

Menschliche Prüfung wird oft als ethische Absicherung dargestellt, die nach dem Bau eines KI‑Systems hinzugefügt wird. In strategischen Anwendungen ist sie Teil des Produkts selbst.

Eine Prognose, die Regulierung, Widerstand der Belegschaft oder Kundenverhalten außer Acht lässt, kann Kapital in das falsche Projekt lenken. Ein Einstellungssystem, das messbare Effizienz optimiert und dabei das Vertrauen schwächt, kann Fluktuation und rechtliche Risiken erhöhen. Ein Szenario‑Planungs‑Tool, das dominante Annahmen wiederholt, kann Führungskräfte selbstbewusster machen, ohne sie besser zu informieren.

Regulierung verstärkt diesen Bedarf. Das EU‑KI‑Gesetz klassifiziert bestimmte Beschäftigungs‑ und Arbeitnehmer‑Management‑Anwendungen als Hochrisiko und fordert Maßnahmen wie Dokumentation, Rückverfolgbarkeit, Genauigkeit und menschliche Aufsicht. Diese Anforderungen machen Governance‑Fähigkeiten kommerziell relevant statt nur reputationsbezogen.

Der entstehende Wettbewerbsvorteil könnte daher kontextuelle Intelligenz sein: die Fähigkeit, Modellausgaben mit proprietären Daten, Branchenwissen, regulatorischen Vorgaben, der Organisationsgeschichte und den lived experiences der betroffenen Personen zu verknüpfen. Grundmodelle werden sich weiter verbessern, doch der Zugang zu einem leistungsfähigen Modell wird weniger differenzierend. Das schwerer zu reproduzierende Asset ist das System, das es umgibt.

Dies hilft auch zu erklären, warum Intelligenz zunehmend als Infrastruktur behandelt wird. Infrastruktur wird wirtschaftlich nützlich, wenn sie zuverlässig, gesteuert und an reale Operationen angebunden ist. Die reine Generierung ist nur der Anfang dieser Wertschöpfungskette.

Eine kritische Einschränkung ändert, wie die Ergebnisse zu interpretieren sind

Die Studie enthält eine wichtige Asymmetrie. Die KI‑Szenarien waren rohe Erstentwürfe, während der menschliche Vergleich aus Interviews stammte, die synthetisiert, bearbeitet und durch Peer Review veröffentlicht wurden. Ein Teil des Vorteils der Experten kann einen reichhaltigeren Produktionsprozess widerspiegeln und nicht einen inhärenten Unterschied zwischen menschlichem und maschinellem Denken.

Die ausgewählten Modellversionen spiegeln zudem ein Datenerfassungsfenster von Februar bis März 2025 wider. Angesichts des Tempos der KI‑Entwicklung sollte die Forschung nicht als dauerhafte Rangliste von ChatGPT, Gemini, DeepSeek oder menschlichen Experten verstanden werden.

Diese Einschränkungen widerlegen nicht die zentrale Erkenntnis. Sie weisen vielmehr auf das nächste Experiment hin: Experten‑Teams mit Experten‑Teams unter Einsatz von KI zu vergleichen, wobei beiden Seiten gleichermaßen Evidenz, Iteration und redaktionelle Verfeinerung zur Verfügung stehen. Das würde messen, ob GenAI die Kontextlücke schließt, wenn es in einen rigorosen Prozess eingebettet ist.

Investition in die Human‑AI‑Integrationsschicht

Die Ergebnisse schaffen einen natürlichen Investitionscase für Accenture. Das Unternehmen positioniert sich zwischen immer leistungsfähigeren Grundmodellen und Unternehmen, die diese Modelle in sichere, branchenspezifische Workflows umwandeln müssen.

Accentures Relevanz beruht nicht darauf, ein führendes Grundmodell zu besitzen. Sie resultiert aus der Kombination von Technologieimplementierung mit Prozesswissen, Workforce‑Transformation, Governance und Branchenerfahrung. Diese Positionierung stimmt eng mit der Schlussfolgerung der Studie überein, dass KI nützlicher wird, wenn ihre Ausgaben von Menschen interpretiert und kontextualisiert werden.

Das Unternehmen hat kürzlich eine Accenture Gemini Enterprise Business Group mit Google Cloud gegründet. Die Initiative kombiniert zertifizierte Fachleute, Branchenerfahrung, Implementierungs‑Frameworks und eine geplante 1.000‑köpfige, vor Ort eingesetzte Ingenieur‑Belegschaft. Ihr erklärtes Ziel ist es, Kunden von begrenzten KI‑Experimenten zu messbaren Unternehmens‑Ergebnissen zu führen.

Diese Strategie birgt ebenfalls Risiken. Von Beratungsunternehmen geleitete KI-Projekte können teuer sein, die Vorteile lassen sich schwer quantifizieren, und schnell verbessernde Software kann Teile der Implementierungsarbeit automatisieren. Accenture muss nachweisen, dass seine Expertise dauerhafte betriebliche Verbesserungen liefert und nicht nur verlängerte Pilotprogramme. Dennoch bestätigt die Forschung die zugrunde liegende Annahme, dass Unternehmen mehr als nur den Zugriff auf Modelle benötigen. Sie werden Hilfe benötigen, um Entscheidungen, Verantwortlichkeiten und Arbeitsabläufe rund darum neu zu gestalten.

KI wird die Strategie prägen, ohne selbst der Stratege zu werden.

Generative KI ist bereits in der Lage, die strategische Exploration schneller und kostengünstiger zu gestalten. Sie kann Alternativen erzeugen, Unsicherheit strukturieren und Entscheidungsträgern etwas Konkretes zum Hinterfragen geben. Das sind bedeutende Vorteile.

Was sie noch nicht eigenständig liefern kann, ist die Verantwortlichkeit für die Annahmen in ihren Narrativen. Sie trägt nicht die Kosten, wenn eine generische Empfehlung mit der Unternehmenskultur, Vorschriften oder menschlichem Verhalten kollidiert.

Das stärkste Unternehmensmodell ist daher weder vollständige Automatisierung noch die Ablehnung von KI. Es ist eine disziplinierte Arbeitsteilung: Maschinen erzeugen und variieren Möglichkeiten, während Menschen Evidenz, Kontext, ethische Urteile und Verantwortung bereitstellen. Für Investoren verlagert sich der Fokus von reinen Modellen hin zu den Unternehmen, die die Integrations‑, Governance‑ und Expertise‑Schichten aufbauen, die KI in der realen Wirtschaft nutzbar machen.

Literatur:

¹ El Hajal, G., & Ivanov, S. (2026). Maschinen, Köpfe und die Zukunft der Arbeit: GenAI und Zukunftsarbeits‑Imaginaire. Futures, 184, 103934. https://doi.org/10.1016/j.futures.2026.103934