Das KI-Ambitions-Modell

Die Frage, auf welcher Ebene eine Person oder Organisation KI einsetzt, wird üblicherweise als Kompetenzfrage behandelt. Wer mehr kann, nutzt KI anspruchsvoller. Wer weniger kann, bleibt auf einfacheren Anwendungen.

Diese Annahme ist falsch.

KI ist in der Lage, Menschen auf jeder Ebene zu unterstützen – von der einfachen Textgenerierung bis zur Architektur komplexer Systeme. Die Begrenzung liegt nicht in der Fähigkeit der Person und nicht in der Fähigkeit der Technologie. Sie liegt in der Zielsetzung.

Das ist keine schlechte Nachricht. Im Gegenteil: Wenn nicht Kompetenz die Begrenzung ist, sondern Ambition, dann steht der Weg nach oben jedem offen – jederzeit. Es braucht keine Ausbildung, kein Vorwissen, keine technische Begabung. Es braucht eine Entscheidung. Das hier vorgestellte KI-Ambitions-Modell beschreibt diese Entscheidung und ihre Konsequenzen.

Vier Ebenen, vier Zielsetzungen

Das Modell unterscheidet vier Ebenen der KI-Nutzung. Jede Ebene ist durch ein Wirkungsfeld und eine Zielsetzung definiert:

Ebene 1 – Anwendung / Vereinfachung. KI wird auf Einzelaufgaben angewendet. Das Ziel ist, bestehende Tätigkeiten einfacher zu erledigen. Eine E-Mail formulieren, einen Text übersetzen, eine Zusammenfassung erstellen. Jede Interaktion steht für sich.

Ebene 2 – Projekt / Beschleunigung. KI wird auf Projektschritte angewendet. Das Ziel ist, Ergebnisse schneller zu erreichen. Kontext wird gegeben, Ergebnisse werden iteriert, die Qualität für den eigenen Zweck geschärft. Aber jedes Projekt steht für sich.

Ebene 3 – Prozess / Automatisierung. KI wird in wiederkehrende Abläufe eingebettet. Das Ziel ist, Prozesse zu automatisieren. Eigene Templates, Workflows, Automationen entstehen. Die Arbeit wird systematisch – aber das System dient der Effizienz.

Ebene 4 – Architektur / Kompetenzgewinn. KI wird zur Grundlage neuer Fähigkeiten. Das Ziel ist nicht mehr Produktivität, sondern Kompetenzgewinn. Systeme entstehen, die dauerhaft arbeiten, die Entscheidungen verändern, die neue Handlungsräume eröffnen.

Der kategoriale Bruch

Die Ebenen 1 bis 3 teilen eine gemeinsame Logik: operative Produktivität. Einfacher, schneller, automatischer – aber immer dieselbe Arbeit, dieselben Entscheidungen, dieselbe Position. Der Unterschied zwischen den Ebenen ist graduell.

Der Übergang zu Ebene 4 ist kategorial anders. Hier geht es nicht um die Frage, wie effizient jemand arbeitet, sondern um die Frage, welche Arbeit überhaupt getan wird. Kompetenzgewinn bedeutet: KI verändert nicht die Geschwindigkeit der Entscheidung, sondern den Gegenstand der Entscheidung.

Wer Vereinfachung als Ziel setzt, kann Ebene 4 nicht erreichen – unabhängig davon, wie intelligent oder erfahren die Person ist. Die Zielsetzung selbst ist die Begrenzung.

Warum dieser Bruch irreversibel ist

Dieses Modell ist kein klassisches Entwicklungsmodell, in dem jede Stufe relevant bleibt. Es ist ein kannibalisierendes System.

Der Mechanismus: Jedes neue, leistungsfähigere KI-Modell macht Menschen auf Ebene 4 produktiver – und macht gleichzeitig die Tätigkeiten auf Ebene 1 bis 3 zunehmend technisch ersetzbar. Fortschritt auf der strategischen Ebene entwertet die operative Ebene. Wer durch KI neue Fähigkeiten gewinnt und gleichzeitig in der Umsetzung um Größenordnungen schneller wird, erzeugt einen übersummativen Effekt – einen Vorsprung, den operative Effizienz nicht einholen kann.

In einem klassischen Kompetenzmodell ist Rückstand aufholbar. Wer heute zu wenig kann, kann morgen mehr lernen. Hier nicht. Der Rückstand wächst – mit jedem Modell-Update, mit jeder neuen Fähigkeit der Technologie. Mit jeder Kompetenzerweiterung. Nicht linear, sondern beschleunigend.

Woher dieses Modell kommt

Dieses Modell kommt aus der Beobachtung eines Feldes, in dem die Kannibalisierung bereits stattfindet: Design.

Als strategischer Gestalter habe ich mich seit 2024 mit der Wirkung von KI auf den Designprozess beschäftigt. Im Design existiert mit Richard Buchanans Four Orders ein etabliertes Stufenmodell – von grafischer Gestaltung über Produkt und Strategie bis zur systemischen Transformation. Es ist kein Reifegradmodell im engeren Sinne, aber es macht sichtbar, auf welcher Ebene gestalterische Arbeit wirkt. Und es macht sichtbar, was passiert, wenn KI in dieses Feld eintritt.

Die Wirkung ist eindeutig: Exekution schrumpft auf Sekunden. Was auf den operativen Ebenen des Designs Stunden oder Tage dauerte – Entwürfe, Varianten, Visualisierungen – erledigt KI in Momenten. Die Ebenen 1 bis 3 gewähren bestenfalls eine Schonfrist. Wer dort bleibt, verliert nicht irgendwann seine Relevanz als Gestalter. Er hat sie bereits verloren.

Gleichzeitig ist Ebene 4 in vielen Bereichen bereits besetzt – von Menschen, die Kompetenzgewinn mit der ebenso explodierenden Produktivität kombinieren. Dieser Effekt ist übersummativ: Wer durch KI neue Fähigkeiten gewinnt und gleichzeitig in der Umsetzung um Größenordnungen schneller wird, erzeugt einen Vorsprung, den operative Effizienz nicht einholen kann. Und es sind genau diese Menschen, die den Aufstieg für die operativen Ebenen zusätzlich erschweren – weil sie die Positionen besetzen, in die andere hineinwachsen müssten und sich an Aufgaben messen dürfen, die neuen Kompetenzgewinn fördern.

Diese Beobachtungen habe ich als Dozent, als Gesprächspartner und als Berater in Unternehmen gemacht. Sie waren der Ausgangspunkt für die Generalisierung: Was im Design sichtbar wird, gilt für jede Form von Wissensarbeit. Die Domäne wechselt, der Mechanismus bleibt.

Die organisatorische Verantwortung

Dieser Mechanismus hat eine Konsequenz, der wir uns als Führungskräfte stellen müssen: Organisationen, die KI-Nutzung auf Produktivität ausrichten, beschränken die Entfaltungsmöglichkeiten ihrer Mitarbeitenden.

Wer sein Team anweist, KI für schnellere Texte, effizientere Prozesse und automatisierte Routinen einzusetzen, setzt damit implizit eine Zielsetzung – und diese Setzung deckelt die Entwicklung von Ebene 1 bis 3.

Die Mitarbeitenden lernen, KI als Produktivitätswerkzeug zu behandeln. Sie entwickeln operative Routinen, keine strategischen Fähigkeiten. Sie werden effizienter in dem, was sie bereits können – aber sie gewinnen keine neuen Kompetenzen.

Im kannibalisierenden Modell bedeutet das: Diese Menschen fallen hinter jene zurück, die Kompetenzgewinn durch KI erfahren dürfen. Und der Rückstand ist nicht temporär. Er ist strukturell – ohne Chance auf Ausgleich, solange die Zielsetzung operativ bleibt.

Die Entscheidung, KI nur operativ einzusetzen, ist keine konservative Strategie. Sie ist eine Entscheidung gegen die Zukunftsfähigkeit der eigenen Mitarbeitenden.

Die strategische Frage

Für Entscheider reduziert sich das Problem auf eine einzige Frage: Welche Zielsetzung geben wir der KI-Nutzung in unserer Organisation?

Wer antwortet "Produktivität steigern", hat seine Entscheidung bereits getroffen – und ihre Konsequenzen akzeptiert.

Wer antwortet "Kompetenzen gewinnen, die uns strategisch neu positionieren", stellt eine andere Frage an die Technologie. Nicht: Wie machen wir dasselbe schneller? Sondern: Was können wir tun, das vorher nicht möglich war?

Der Unterschied zwischen diesen beiden Antworten ist keine Nuance. Er ist die Differenz zwischen operativer Optimierung und strategischer Transformation. Zwischen Effizienz und Relevanz. Zwischen einer Organisation, die mit KI arbeitet – und einer, die durch KI eine andere wird.

Instrumente und Vertiefung

Dieses Modell beschreibt einen Mechanismus. Um ihn für die eigene Situation nutzbar zu machen, braucht es Instrumente – zur Standortbestimmung, zur Erkennung von Chancen und Risiken der eigenen Position.

Solche Instrumente habe ich im AI Business Studio entwickelt. In den kommenden Artikeln werde ich die Instrumente schrittweise vorstellen.

Darüber hinaus entsteht eine Reihe von Reflexionen dieses Modells für spezifische Anwendungsgebiete – beginnend mit Design, dem Feld, aus dem die Grundbeobachtungen stammen.