Zwischen technologischen Chancen und strukturellen Herausforderungen

Künstliche Intelligenz verändert Arbeitsplätze – jedoch weniger durch massiven Jobabbau als durch eine tiefgreifende Verschiebung von Tätigkeiten und Kompetenzanforderungen. Aufgaben werden automatisiert, Rollen verändern sich und Qualifikationsprofile entwickeln sich innerhalb bestehender Jobs weiter. Für Unternehmen entsteht daraus eine strategische Herausforderung: Wie lassen sich Mitarbeitende systematisch auf neue Anforderungen vorbereiten, während gleichzeitig einzelne Tätigkeiten verschwinden oder vereinfacht werden? Genau hier entscheidet sich, ob KI zum Produktivitätshebel oder zum Risiko für Beschäftigung und Wettbewerbsfähigkeit wird . KI verändert Jobs stärker als Beschäftigung Empirische Forschung zeichnet inzwischen ein relativ konsistentes Bild: Künstliche Intelligenz ersetzt selten ganze Berufe, wohl aber einzelne Tätigkeiten. Analysen des Institut für Weltwirtschaft zeigen, dass KI primär Aufgabenstrukturen verschiebt und Qualifikationsanforderungen erhöht, ohne zwangsläufig Beschäftigung zu reduzieren. Arbeit verändert sich damit inhaltlich stärker als quantitativ. Diese Entwicklung deckt sich mit arbeitswissenschaftlichen Befunden. Routinetätigkeiten werden automatisiert oder standardisiert, während anspruchsvollere Aufgabenanteile wachsen. Beschäftigte müssen stärker beurteilen, interpretieren, koordinieren und mit Technologie interagieren. Arbeit wird weniger ausführend und stärker steuernd. Damit verschiebt sich auch die Kompetenzbasis vieler Berufe – weg von reiner Fachroutine hin zu Problemlösung, Kontextverständnis und digitaler Interaktion. Drei Dynamiken gleichzeitig: Deskilling, Upskilling, Reskilling Die Diskussion über KI konzentriert sich häufig auf Arbeitsplatzverluste. Differenzierter betrachtet entstehen jedoch drei parallele Effekte, die häufig sogar innerhalb derselben Rolle auftreten. Erstens führt Automatisierung in Teilbereichen zu Deskilling. Einzelne Tätigkeiten werden vereinfacht oder algorithmisch unterstützt, wodurch fachliche Anteile oder Entscheidungsspielräume sinken können. Studien betonen, dass KI durchaus Kompetenzverlust in Teilaufgaben erzeugen kann, etwa durch Entscheidungsautomatisierung oder standardisierte Assistenzsysteme (Forschung & Lehre 02/2026). Gleichzeitig entsteht jedoch Upskilling. Innerhalb bestehender Rollen steigen Anforderungen, beispielsweise in Datenverständnis, Technologieinteraktion oder Problemlösung. Beschäftigte müssen Ergebnisse von KI-Systemen beurteilen, Prozesse überwachen oder Entscheidungen verantworten. Arbeit wird komplexer, nicht einfacher. Wo Tätigkeiten vollständig entfallen, entsteht schließlich Reskilling-Bedarf. Beschäftigte müssen in neue Aufgabenfelder wechseln, etwa von manueller Datenerfassung zu Datenprüfung oder Prozesskoordination. Studien und Praxisanalysen zeigen, dass diese drei Dynamiken gleichzeitig auftreten – und damit strukturelle Kompetenzverschiebung innerhalb von Organisationen erzeugen. Die sinkende Halbwertszeit von Kompetenzen Ein zentrales Merkmal der KI-Transformation ist die rapide abnehmende Haltbarkeit von Fähigkeiten. In vielen Tätigkeitsfeldern verlieren Kompetenzen innerhalb weniger Jahre an Aktualität. Qualifikation wird damit nicht mehr als einmaliger Bildungsakt verstanden, sondern als kontinuierlicher Prozess über die gesamte Erwerbsbiografie hinweg. Organisationen reagieren darauf zunehmend mit einem Perspektivwechsel: Weg von starren Stellenprofilen hin zu skillorientierten Organisationsmodellen. Statt Jobbeschreibungen rücken Fähigkeitenprofile in den Mittelpunkt. Ziel ist es, Kompetenzen flexibel einzusetzen und systematisch weiterzuentwickeln. Diese Entwicklung wird auch in HR- und Organisationsforschung beschrieben, die von einer Verschiebung hin zu skillbasierten Organisationsstrukturen ausgeht. Der strukturelle Engpass: fehlendes Skill-Management Die größte Herausforderung liegt jedoch selten im Lernen selbst, sondern in dessen Steuerung. Viele Unternehmen wissen nicht genau, welche Fähigkeiten vorhanden sind, welche künftig benötigt werden und wo konkrete Kompetenzlücken bestehen. Historisch gewachsene HR-Systeme erfassen Qualifikationen und Positionen, nicht aber reale Kompetenzen oder informell erworbene Fähigkeiten. Gerade in der KI-Transformation wird diese Intransparenz zum Risiko. Ohne valide Skill-Daten lassen sich weder Personalentwicklung noch Transformation zielgerichtet steuern. Forschung und Praxis zeigen, dass fehlende Kompetenztransparenz einer der zentralen Engpässe organisationaler Anpassungsfähigkeit ist (IfW Kiel 2026; Personalwirtschaft 11/12.2025a). Lernen verschiebt sich in die Arbeit Parallel verändert sich die Form des Lernens selbst. Klassische Weiterbildung außerhalb der Arbeit verliert an Bedeutung. Stattdessen entsteht ein kontinuierliches, arbeitsintegriertes Lernen. Kompetenzentwicklung erfolgt zunehmend im Arbeitsprozess, etwa durch projektbasierte Aufgaben, digitale Lernimpulse oder KI-gestützte Unterstützungssysteme. Dieser Wandel entspricht der Dynamik technologischer Veränderungen. Wenn Anforderungen sich schnell verändern, müssen Lernprozesse unmittelbar an Tätigkeiten gekoppelt sein. Studien zeigen, dass arbeitsintegriertes Lernen deutlich höhere Transfer- und Anpassungseffekte erzeugt als isolierte Schulungsformate (Personalmagazin 12.2025). Transformation ist auch psychologisch Reskilling bedeutet häufig Rollenverlust, Statusveränderung oder Unsicherheit. Forschung zur Arbeits- und Organisationspsychologie zeigt, dass Qualifizierungserfolg stark von emotionaler Begleitung abhängt. Beschäftigte müssen Veränderung akzeptieren, Vertrauen in neue Kompetenzen entwickeln und Perspektiven erkennen. Besonders bei Rollenwechseln entsteht ein doppelter Anpassungsbedarf: fachlich und identitätsbezogen. Transformation erfordert daher nicht nur Trainingsprogramme, sondern auch Kommunikation, Coaching und Führung. Das Interview mit Jutta Rump betont, dass Qualifizierungsprozesse ohne kulturelle und psychologische Begleitung häufig scheitern (Personalwirtschaft 11/12.2025b). Handlungsempfehlungen für Organisationen Aus Forschung und Praxis lassen sich mehrere zentrale Handlungsfelder ableiten. Entscheidend ist zunächst, Kompetenzen konsequent aus der Geschäftsstrategie abzuleiten statt aus bestehenden Stellenstrukturen. Unternehmen benötigen Klarheit darüber, welche Fähigkeiten künftig erfolgskritisch sind. Ebenso wichtig ist der Aufbau von Skill-Transparenz. Organisationen müssen systematisch erfassen, welche Kompetenzen vorhanden sind und wo Entwicklungsbedarf besteht. Dazu gehören strukturierte Kompetenzmodelle ebenso wie Verfahren zur Erfassung informell erworbener Fähigkeiten. Darüber hinaus sollte Lernen stärker in die Arbeit integriert werden. Qualifizierung wirkt besonders nachhaltig, wenn sie unmittelbar mit Aufgaben verbunden ist und kontinuierlich erfolgt. Transformation umfasst dabei sowohl Weiterentwicklung innerhalb von Rollen als auch Übergänge zwischen Rollen. Upskilling und Reskilling dürfen daher nicht getrennt betrachtet werden. Schließlich benötigen Führungskräfte und HR-Bereiche selbst neue Kompetenzen. Sie müssen Technologieentwicklungen verstehen, Kompetenzbedarfe analysieren und Veränderungsprozesse begleiten können. Ebenso entscheidend ist eine Kultur psychologischer Sicherheit, in der Lernen und Rollenwechsel nicht als Risiko, sondern als Entwicklungschance erlebt werden. Die neue Rolle von Organisationen – und Beratung Die KI-Transformation verschiebt die zentrale Organisationsfrage: Nicht mehr Stellen, sondern Fähigkeiten werden zur strategischen Ressource. Unternehmen müssen Kompetenzentwicklung systematisch steuern, statt sie dem Zufall individueller Weiterbildung zu überlassen. Damit entstehen neue organisatorische Aufgaben – vom Aufbau skillbasierter Strukturen über Kompetenzarchitekturen bis zur Gestaltung von Reskilling-Pfaden. Diese Veränderungen betreffen Strategie, HR, Führung und Arbeitsorganisation gleichzeitig. Viele Organisationen stehen hier vor komplexen Transformationsanforderungen, die technologische, strukturelle und kulturelle Dimensionen verbinden. Fazit Künstliche Intelligenz ersetzt weniger Menschen als Tätigkeiten – verändert Arbeit jedoch tiefgreifend. Deskilling, Upskilling und Reskilling verschieben Kompetenzanforderungen innerhalb bestehender Rollen. Der entscheidende Erfolgsfaktor wird daher nicht Technologie sein, sondern die Fähigkeit von Organisationen, Skills systematisch zu entwickeln und zu steuern. Die zentrale Zukunftsfrage lautet künftig nicht mehr: Welche Jobs brauchen wir? Sondern: Welche Fähigkeiten brauchen wir – und wie entwickeln wir sie? Quellenverzeichnis Institut für Weltwirtschaft (IfW Kiel) (2026): Who is afraid of AI? Who should be? (Policy Brief No. 198) Forschung & Lehre (02/2026): Vom Deskilling zum Newskilling mit KI Personalmagazin (12.2025): KI befreit nicht vom Denken Personalwirtschaft (11/12.2025a): Skills First Personalwirtschaft (11/12.2025b): Interview mit Jutta Rump "Deskilling ist leider Realität" Arbeits- und HR-Forschung zu skillbasierten Organisationen und Future Skills (2023–2025)

Wandel ist längst keine Option mehr, sondern eine Überlebensfrage. Technologische Disruption, geopolitische Unsicherheiten, ökologische Herausforderungen und demografische Veränderungen fordern Organisationen in einer bisher unbekannten Intensität heraus. Der entscheidende Unterschied zu früheren Transformationsphasen liegt darin, dass Wandel heute nicht mehr punktuell oder abteilungsbezogen erfolgt, sondern permanent, vernetzt und systemisch. Doch was entscheidet darüber, ob Unternehmen diese tiefgreifenden Veränderungen erfolgreich gestalten – oder daran scheitern? Studie: Transformation wirksam steuern Eine aktuelle Studie des Fraunhofer-Instituts für Arbeitswirtschaft und Organisation (IAO) bietet hierzu bemerkenswerte Einblicke. In ihrem Beitrag „Transformation wirksam steuern – Daten und Instrumente für die Transformationsfähigkeit von Organisationen“ untersuchen die Forscherinnen und Forscher, welche Strukturen, Haltungen und Mechanismen den Wandel tatsächlich tragen. Transformation gelingt dort, wo sie als ganzheitlicher Prozess verstanden wird – als Zusammenspiel von Führung, Kultur, Ressourcen, Technologie und Vernetzung. Wandel braucht System – und Haltung Viele Unternehmen betrachten Veränderung immer noch als eine Abfolge von Projekten: ein neues IT-System hier, ein Kulturprogramm dort, eine agile Initiative nebenbei. Doch dieser Ansatz greift zu kurz. Wandel funktioniert nicht additiv, sondern nur als integriertes System. Er verlangt eine dauerhafte Veränderungsbereitschaft, die in Strukturen, Prozessen und Denkweisen gleichermaßen verankert ist. Der Fraunhofer-Beitrag beschreibt Transformation daher als „organisatorische Metakompetenz“ – also die Fähigkeit einer Organisation, sich selbst anpassungsfähig zu machen. Das setzt voraus, dass Unternehmen nicht nur technische oder strukturelle Veränderungen anstoßen, sondern zugleich kulturell und sozial lernen, mit Unsicherheit produktiv umzugehen. Diese Haltung bildet den Nährboden für das, was Fraunhofer als die fünf Kernfelder wirksamer Transformation identifiziert: Führung, Organisationskultur, Ressourcen, Technologie und Ökosysteme. Sie sind keine voneinander unabhängigen Säulen, sondern ein eng miteinander verwobenes Netzwerk. Führung als Kompass Im Zentrum steht die Führung. Wandel braucht Orientierung, Klarheit und Verantwortung – insbesondere im Top-Management. Führungskräfte, die Veränderung nicht nur anordnen, sondern vorleben, schaffen Vertrauen und Richtung. Der Fraunhofer-Transformationsindex zeigt deutlich: Erfolgreiche Transformation beginnt mit Führung, die Sinn vermittelt, Feedback zulässt und bereichsübergreifendes Denken fördert. Wer Wandel nur als technische oder organisatorische Aufgabe versteht, verliert die Menschen. Transformation scheitert nicht an Tools oder Prozessen, sondern an fehlender Sinnstiftung. Führung muss deshalb zum kulturellen Anker werden – sie verleiht der Veränderung Bedeutung und Glaubwürdigkeit. Kultur als Nährboden Kultur wird oft als „weiches Thema“ betrachtet, ist aber der härteste Erfolgsfaktor des Wandels. Eine Kultur, die Lernen, Vertrauen und Kooperation fördert, ist der Schlüssel, um Unsicherheit in Bewegung zu verwandeln. Der Fraunhofer-Ansatz betont die Bedeutung einer lernorientierten Organisationskultur, in der Fehler als Lernquelle und nicht als Risiko betrachtet werden. In vielen Unternehmen ist genau das noch nicht selbstverständlich. Wenn Abteilungen in Silos agieren, wenn Informationen zurückgehalten oder Veränderungen misstrauisch beäugt werden, dann lähmt die Organisation sich selbst. Umgekehrt entsteht Dynamik, wenn Mitarbeitende verstehen, wie sie selbst Teil der Veränderung sind – und darin Sinn erkennen. Ressourcen und Wissen richtig einsetzen Transformation ist kein Selbstläufer. Sie braucht Ressourcen – nicht nur finanzieller Art, sondern vor allem in Form von Zeit, Aufmerksamkeit und Kompetenzen. Unternehmen, die Wandel erfolgreich gestalten, schaffen Freiräume für Lernen und Experimentieren. Sie verstehen, dass Know-how, geistiges Eigentum und interne Innovationskraft strategische Assets sind, die gepflegt und weiterentwickelt werden müssen. Das Fraunhofer-Institut beschreibt, dass erfolgreiche Organisationen bewusst mit diesen Ressourcen umgehen: Sie verteilen Aufgaben und Mittel flexibel, erkennen früh, wo Umsteuerung nötig ist, und sichern sich das notwendige Wissen durch Weiterbildung, Partnerschaften und interne Lernschleifen. Transformation verlangt also nicht nur Mut, sondern auch ein kluges Management knapper Mittel. Technologie als Hebel – nicht als Ersatz Technologische Innovation ist eine zentrale Triebkraft des Wandels. Doch sie ist kein Selbstzweck. Der Einsatz von Künstlicher Intelligenz, Automatisierung oder digitalen Zwillingen entfaltet erst dann Wirkung, wenn er in eine übergreifende Strategie eingebettet ist. Technologie sollte Mitarbeitende nicht ersetzen, sondern befähigen. Der Fraunhofer-Transformationsindex betont den gezielten und strategischen Einsatz von IT und Datenanalysen. Erfolgreiche Organisationen zeichnen sich dadurch aus, dass sie Daten systematisch nutzen, um Entscheidungen zu fundieren, Prozesse zu optimieren und neue Geschäftsmodelle zu entwickeln. Gleichzeitig achten sie auf Transparenz und Datensicherheit – beides Voraussetzungen für Vertrauen und Akzeptanz. Netzwerke und Partnerschaften als Verstärker Kein Unternehmen kann die Herausforderungen des Wandels allein bewältigen. Der Aufbau und die Pflege von Partnerschaften – mit Forschungseinrichtungen, Start-ups, Zulieferern oder Kunden – werden immer wichtiger. Im Fraunhofer-Modell werden solche Ökosysteme als strategische Erfolgsfaktoren beschrieben, weil sie die Innovationsgeschwindigkeit erhöhen und den Zugang zu neuen Technologien oder Märkten eröffnen. Gerade in dynamischen Umfeldern gilt: Offenheit schlägt Abschottung. Unternehmen, die früh Kooperationen eingehen und externe Perspektiven zulassen, sind widerstandsfähiger und anpassungsfähiger. Transformation wird so zum kollektiven Prozess. Transformation als Daueraufgabe Der Wandel der Wirtschaft ist kein zeitlich begrenztes Projekt, sondern eine permanente Aufgabe. Erfolgreiche Organisationen begreifen Veränderung als kontinuierlichen Lernprozess – eine Haltung, die sowohl strategische Weitsicht als auch operative Flexibilität erfordert. Das bedeutet, dass Transformation immer wieder überprüft, nachjustiert und neu gedacht werden muss. Regelmäßige Feedbackschleifen, transparente Kommunikation und die Einbindung aller Hierarchieebenen sind entscheidend, um den Prozess lebendig zu halten. Das bedeutet: „Transformation ist kein Selbstzweck – sie ist der Weg, um Zukunftsfähigkeit zu sichern.“ Organisationen, die Wandel als Teil ihrer Identität verstehen, entwickeln daraus einen nachhaltigen Wettbewerbsvorteil. Handlungsempfehlungen für erfolgreiche Transformation Am Ende bleibt die Frage: Was lässt sich aus diesen Erkenntnissen konkret ableiten? Die folgenden Punkte bündeln die wichtigsten praktischen Prinzipien für Unternehmen, die ihren Wandel aktiv gestalten wollen: Verankern Sie Transformation auf Top-Management-Ebene. Veränderung darf keine Nebenaufgabe sein – sie braucht klare Zuständigkeit, Ressourcen und regelmäßige Aufmerksamkeit im Vorstand. Entwickeln Sie ein gemeinsames Zielbild („Nordstern“) . Beschreiben Sie, wohin die Reise geht – nicht im Detail, sondern in Richtung und Haltung. Vision schafft Orientierung, auch wenn Wege sich verändern. Arbeiten Sie an der Kultur – nicht nur an den Prozessen . Kulturwandel ist kein „Soft Skill“, sondern Fundament. Fördern Sie Offenheit, Lernen und konstruktiven Umgang mit Fehlern. Schaffen Sie Räume für Experimente . Innovation entsteht nicht aus Kontrolle, sondern aus Vertrauen. Kleine Pilotprojekte, Testfelder und Freiräume wirken als Katalysatoren. Nutzen Sie Daten als Steuerungsinstrument . Entscheidungen sollten faktenbasiert und nachvollziehbar sein. Datenanalysen helfen, Fortschritte zu messen und Transformation gezielt zu steuern. Bauen Sie Netzwerke auf – intern wie extern. Kooperation mit Partnern, Forschungseinrichtungen und Start-ups erweitert Perspektiven und senkt Risiken. Wissen vermehrt sich, wenn es geteilt wird. Fördern Sie Führung als Lernprozess . Führungskräfte sind Multiplikatoren des Wandels. Investieren Sie in Leadership-Programme, Coaching und bereichsübergreifende Lernräume. Kommunizieren Sie ehrlich und regelmäßig . Wandel braucht Transparenz. Sagen Sie, was funktioniert – und was nicht. Glaubwürdigkeit entsteht durch Authentizität, nicht durch Perfektion. Denken Sie Transformation als Daueraufgabe . Der Wandel hört nicht auf. Machen Sie Anpassungsfähigkeit zu einem festen Bestandteil Ihrer Organisations-DNA. Fazit Wandel gelingt nicht durch Einzelmaßnahmen, sondern durch ein ganzheitliches Zusammenspiel aus Führung, Kultur, Ressourcen, Technologie und Vernetzung. Diese fünf Dimensionen bilden die Architektur erfolgreicher Transformation. Die Erkenntnisse des Fraunhofer-Instituts zeigen deutlich: Es reicht nicht, Innovationen einzuführen oder Prozesse zu digitalisieren. Entscheidend ist, ob eine Organisation die Fähigkeit entwickelt, sich selbst zu verändern – immer wieder, mit Bewusstsein, Mut und System. Wer Wandel als Dauerkompetenz versteht, schafft nicht nur Stabilität in unsicheren Zeiten, sondern eröffnet sich auch die Chance, Zukunft aktiv zu gestalten. Quellenverzeichnis Fraunhofer-Institut für Arbeitswirtschaft und Organisation (IAO): Transformation wirksam steuern – Daten und Instrumente für die Transformationsfähigkeit von Organisationen. Stuttgart, 2024. Handelsblatt (2025): So klappt der Wandel – Was entscheidet darüber, ob Unternehmen eine Transformation schaffen oder untergehen? Ausgabe vom 17./18./19. Oktober 2025. Handelsblatt (2024): Transformation ist kein Selbstzweck – Warum der kulturelle Wandel über den Erfolg entscheidet.

Innovationen gelten als zentraler Treiber für wirtschaftliches Wachstum, Wettbewerbsfähigkeit und gesellschaftlichen Fortschritt. Deutschland nimmt für sich in Anspruch, eine innovationsgetriebene Volkswirtschaft zu sein. Doch wie gut ist das Land tatsächlich aufgestellt, wenn es um Innovationen geht? Eine Vielzahl aktueller Studien, darunter der Innovationsindikator 2024 (BDI), der Bundesbericht Forschung und Innovation (BuFI 2024) sowie Untersuchungen von McKinsey, dem Stifterverband und Fraunhofer, beleuchten den Status quo und zeigen: Zwischen Anspruch und Wirklichkeit klafft eine zunehmend problematische Lücke . Der europäische und internationale Vergleich Der Innovationsindikator 2024, erstellt von BDI und Fraunhofer ISI, zeigt deutlich, dass Deutschland im internationalen Vergleich zurückfällt. Insbesondere Länder wie Schweden, die Schweiz, die Niederlande und Südkorea schneiden bei den Innovationsleistungen besser ab. Zwar ist Deutschland weiterhin stark in den Bereichen Maschinenbau, Automatisierung und industrieller Forschung, doch bei Zukunftstechnologien wie KI, Quantencomputing oder Biotechnologie fehlt es an Dynamik und Umsetzungskraft. Laut ifo Institut (2024) leidet Deutschland unter einem schwachen Transfer von Forschung in marktfähige Produkte sowie unter einem Mangel an Risikokapital. Die EU-Rahmenbedingungen (z. B. bei Datenschutz, Regulierung) gelten zudem als innovationshemmend, was vor allem junge, wachstumsorientierte Unternehmen behindert. Mittelstand im Fokus: Innovationsmotor unter Druck Der deutsche Mittelstand war lange das Rückgrat der Innovationsfähigkeit. Studien wie die des Stifterverbands (2024) und der DIHK (2024) zeigen jedoch, dass viele mittelständische Unternehmen derzeit weniger in Forschung und Entwicklung investieren. Hauptgründe: wirtschaftliche Unsicherheit, Fachkräftemangel und eine überbordende Bürokratie. Besonders kritisiert wird die fehlende Unterstützung bei der Digitalisierung und der Nutzung offener Innovationsprozesse (Open Innovation). Die Studie „Open Innovation in Unternehmen in Deutschland“ (Stifterverband 2024) stellt fest, dass nur ein kleiner Teil der Unternehmen aktiv mit Start-ups, Hochschulen oder der Zivilgesellschaft kooperiert. Der Sonderfall Automobilindustrie: Disruption trifft auf Strukturträgheit Die deutsche Automobilindustrie steht exemplarisch für die Innovationsprobleme des Landes. Die Studie „Und es geht doch“ von McKinsey (2021) sowie die Analyse von Steinbeis SIBE (2024) zeigen, dass viele Hersteller zwar an Zukunftsthemen wie E-Mobilität und autonomes Fahren arbeiten, dabei jedoch oftmals inkrementelle statt radikale Innovationen forcieren. Die notwendige Transformation wird durch Pfadabhängigkeiten, starke Gewerkschaften und das Festhalten an bestehenden Geschäftsmodellen gebremst. Gleichzeitig droht der internationale Anschluss an Technologieführer wie Tesla, BYD oder Anbieter aus dem Silicon Valley verloren zu gehen. Innovationshemmnisse: It’s the culture, stupid Viele Studien identifizieren systematische Innovationshemmnisse in Deutschland. Besonders deutlich wird dies in der Analyse „It’s the culture, stupid!“ (Stifterverband 2025). Demnach fehlt es in vielen Organisationen an einer innovationsfreundlichen Fehlerkultur, an Risikobereitschaft und an interdisziplinärem Denken. Der Bundesbericht Forschung und Innovation (BuFI 2024) verweist zudem auf strukturelle Defizite im Bildungssystem, die dazu führen, dass digitale und unternehmerische Kompetenzen zu wenig gefördert werden. Auch die Studie des ZEW (2024) zeigt, dass die Innovationshemmnisse vielschichtig sind: Neben Fachkräftemangel und regulatorischen Hürden behindern vor allem fehlende finanzielle und personelle Ressourcen den Fortschritt. Die KfW-Studie (2024) kommt ähnlich zu dem Ergebnis und hebt hervor, dass insbesondere kleine und mittlere Unternehmen beim Zugang zu Innovationsförderung benachteiligt sind. Empfehlungen zur Förderung von Innovation in Deutschland Innovationskultur stärken: Unternehmen müssen Fehler als Lernchancen begreifen und eine offene Innovationskultur etablieren. Digitalisierung vorantreiben: Der Mittelstand benötigt gezielte Unterstützung bei digitalen Transformationsprozessen. Wissenschafts-Praxis-Transfer verbessern: Hochschulen, Forschungseinrichtungen und Unternehmen müssen enger zusammenarbeiten. Förderinstrumente vereinfachen: Der Zugang zu Fördermitteln muss für KMU vereinfacht und entbürokratisiert werden. Fachkräfte gezielt entwickeln: Bildungspolitik muss Innovationskompetenzen früher und systematischer vermitteln. Genutzte Quellen Innovationsindikator 2024: https://innovationsindikator.bdi.eu/ BuFI 2024: https://www.bundesbericht-forschung-innovation.de/files/BMBF_BuFI-2024_Hauptband.pdf McKinsey (2021): https://www.mckinsey.de/publikationen/2021-11-29-und-es-geht-doch ifo Institut (2024): https://www.ifo.de/DocDL/sd-2024-04-innovationen-de-eu-staerke.pdf DIHK (2024): https://www.dihk.de/resource/blob/35828/381f591b339d78bba559114555391eac/innovation-dihk-studie-radikale-innovation-data.pdf Stifterverband (2024): https://www.stifterverband.org/sites/default/files/2024-11/open_innovation_in_unternehmen_in_deutschland.pdf Steinbeis SIBE (2024): https://www.steinbeis-sibe.de/wp-content/uploads/2024/07/SIBE_Innovationsstudie_2024.pdf Fraunhofer Publica (2024): https://publica-rest.fraunhofer.de/server/api/core/bitstreams/f4e1743e-324d-4d71-8b67-98ca892726d2/content Stifterverband (2025): https://www.stifterverband.org/sites/default/files/2025-02/its_the_culture_stupid.pdf ZEW (2024): https://www.kfw.de/PDF/Download-Center/Konzernthemen/Research/PDF-Dokumente-Studien-und-Materialien/ZEW_InnoTreibHemm.pdf KfW (2024): https://www.kfw.de/PDF/Download-Center/Konzernthemen/Research/PDF-Dokumente-Studien-und-Materialien/ZEW-ISI_GMI.pdf

Die Organisationsberatung befindet sich an einem Wendepunkt. Technologische Entwicklungen, insbesondere im Bereich der Künstlichen Intelligenz (KI), verändern nicht nur Geschäftsprozesse und Managementstrukturen, sondern auch die Art und Weise, wie Beratungsleistungen erbracht werden. Während sich viele klassische Beratungsfelder auf menschliche Erfahrung und Analyse stützen, gewinnen datenbasierte, KI-gestützte Ansätze zunehmend an Bedeutung. Aktuelle wis senschaftliche Publikationen und Beiträge aus der Wirtschaftspresse verdeutlichen, wie tiefgreifend diese Transformation ist . Traditionell beruht Organisationsberatung auf intensiver Interaktion zwischen Beratern und Kunden, strukturierten Analyseverfahren, Interviews und Workshops. Ziel ist es, Organisationen bei Veränderungsprozessen, der Effizienzsteigerung oder der Entwicklung von Strategien zu unterstützen. Doch mit dem zunehmenden Einsatz von KI-gestützten Tools und Plattformen beginnt ein neues Kapitel. Studien, etwa von Accenture (2023), zeigen, dass KI die Produktivität in der Beratung deutlich erhöhen kann – teilweise um bis zu 40 Prozent. Berater können mithilfe von KI große Datenmengen schneller analysieren, Muster erkennen und Handlungsempfehlungen in Echtzeit generieren. Diese neuen Möglichkeiten gehen jedoch mit signifikanten Herausforderungen einher. Laut einer Pressemitteilung von Gartner (2024) scheitern etwa 30 Prozent aller generativen KI-Projekte bereits nach der Proof-of-Concept-Phase. Die Gründe sind vielfältig: mangelnde Datenqualität, fehlende Infrastruktur, unklare Anwendungsfälle oder Widerstände innerhalb der Organisation. Besonders die Integration von KI in bestehende Systeme stellt viele Unternehmen vor große Schwierigkeiten. Hinzu kommen ethische und rechtliche Fragestellungen, etwa im Hinblick auf Datenschutz und die Nachvollziehbarkeit algorithmischer Entscheidungen. Die Fraunhofer-Gesellschaft (2024) hebt zudem hervor, dass der Aufbau von Vertrauen in KI-Anwendungen essenziell ist – sowohl auf Seiten der Mitarbeitenden als auch der Kunden. Die Potenziale hingegen sind erheblich. KI kann repetitive, zeitaufwändige Aufgaben wie Datenerfassung, -analyse und Reporting automatisieren. Das verschafft Beratern Freiräume für kreative und strategische Arbeit. Zudem ermöglicht KI eine datenbasierte Personalisierung der Beratung: Handlungsempfehlungen werden passgenau auf die jeweilige Organisation zugeschnitten. In einem Praxisbeispiel von Deloitte (2023) wurde etwa gezeigt, wie generative KI dabei hilft, komplexe Transformationsprozesse zu modellieren und zu simulieren – mit signifikant besseren Ergebnissen als bei herkömmlichen Methoden. Auch McKinsey (2024) und BCG (2023) betonen, dass KI nicht nur Effizienzgewinne, sondern auch neue Erkenntnisse für die Strategieentwicklung liefert. Ein weiterer Vorteil besteht in der Fähigkeit von KI, Szenarien durchzurechnen und fundierte Prognosen abzugeben. In der Businessplanung, im Risikomanagement und bei der Organisationsentwicklung eröffnet dies ganz neue Möglichkeiten. Die Business Insider-Studie (2023) unterstreicht zudem, dass Berater mit KI nicht nur produktiver, sondern auch kreativer arbeiten – weil sie von analytischer Kleinarbeit entlastet werden. Allerdings ist der Erfolg solcher Projekte stark von bestimmten Rahmenbedingungen abhängig. So fordert Forrester Research (2023), dass Beraterhäuser ihre Unternehmenskultur aktiv auf datengetriebenes Arbeiten ausrichten müssen. Dazu gehören die Qualifikation der Mitarbeiter, die Entwicklung technischer Kompetenzen und nicht zuletzt ein strategisches Verständnis für den Einsatz von KI. Die Springer-Publikationen (2023, 2024) zeigen ebenfalls auf, dass ohne entsprechendes Change Management, agile Projektmethoden und eine klare ethische Positionierung keine nachhaltige Integration von KI gelingen kann. Für Beratungsunternehmen bedeutet das: Der Wandel zur KI-basierten Beratung muss ganzheitlich gedacht werden. Es reicht nicht, einzelne Tools einzuführen oder isolierte Projekte zu starten. Vielmehr braucht es ein neues Selbstverständnis, das technologische Expertise mit klassischen Beratungskompetenzen verbindet. Erfolgreiche Beispiele, etwa von Cassini Consulting oder Deeper Insights, zeigen, dass hybride Teams aus Datenanalysten, IT-Architekten und Organisationsentwicklern besonders effektiv arbeiten. Handlungsempfehlungen für eine KI-gestützte Organisationsberatung: Technologische Infrastruktur aufbauen : Beratungsunternehmen sollten gezielt in skalierbare, sichere und interoperable KI-Systeme investieren. Kompetenzen erweitern : Die Weiterbildung der Mitarbeitenden in den Bereichen Datenanalyse, KI-Verständnis und ethischer Technologieeinsatz ist essenziell. Datenstrategie entwickeln : Nur mit qualitativ hochwertigen, strukturierten und sicheren Daten lassen sich verlässliche KI-Anwendungen implementieren. Organisationskultur anpassen : Eine offene, lernorientierte Kultur fördert die Akzeptanz und Innovationsfähigkeit im Umgang mit KI. Kooperationen fördern : Der Aufbau von Partnerschaften mit Technologieanbietern, Forschungseinrichtungen und Start-ups kann den Zugang zu innovativen Lösungen erleichtern. Verwendete Quellen: • Accenture (2023): „AI in Consulting: Productivity Gains and Future Outlook“ • Gartner (2024): „Time Savings through AI in Professional Services“ und Pressemitteilung vom 29.07.2024 • IBM Research (2023): „Accelerating Data Analysis with AI“ • McKinsey Global Institute (2024): „The Impact of AI on Business Forecasting“ • Deloitte Insights (2023): „AI-Driven Consulting: A Case Study in Efficiency“ • PwC (2024): „Sustainable Business Strategies Powered by AI“ • Forrester Research (2023): „The Future of AI in Management Consulting“ und (2025): „Predictions 2025“ • BCG (2023): „How People Create and Destroy Value with Gen AI“ • Forbes (2021): „Utilizing AI and Big Data to Reduce Costs and Increase Profits in Departments Across an Organization“ • Business Insider (2023): „Wie Berater mit KI produktiver arbeiten“ • Handelsblatt (2023): „Berater locken mit Billionen-Effekten durch KI“ • Cassini.de: „The State of AI“ • Springer (2023): "Künstliche Intelligenz im Consulting" • Springer (2024): "Meilensteine und Entwicklungen der KI" • Deloitte (2024): „Generative AI and the Future of Work“ • DeeperInsights.com: „AI Consulting Case Studies“ • Fraunhofer IAO (2024): „Vertrauenswürdige KI-Anwendungen“

Was die Organisation tun kann

Handlungsfelder im Homeoffice

Vier Herausforderungen bestehen

Was die Forschung sagt