Wahrheit und Widerspruch
Dürfen Fehler, Zweifel und schlechte Daten früh sichtbar werden – oder produziert das System nur schneller eine geglättete Fassade?
AI Management
Menschen und Agenten brauchen eine neue Arbeitsordnung.
KI-Einführung beginnt nicht mit einem Tool. Sie beginnt bei Wertschöpfung, Verantwortung, Übergaben und der Frage, was eine Organisation bewusst nicht delegiert.
Die Verschiebung
KI greift in den Entscheidungsvorlauf ein.
Agentische Systeme sichten, verdichten, priorisieren, prüfen und bereiten Übergaben vor. Damit verändern sie nicht nur einzelne Aufgaben. Sie prägen den Raum, in dem Entscheidungen plausibel werden.
Wer nur Lizenzen verteilt und Prompting schult, kann alte Unklarheit schneller reproduzieren. Wir lesen deshalb zuerst die reale Arbeit: Suchkosten, stille Nacharbeit, beschädigte Übergaben, Ausnahmen und informelle Verantwortung.
Die Leitfrage lautet nicht: Was kann KI? Sondern: Welcher Zukunftsbeitrag wird durch eine neue Mensch-Agent-Arbeitsteilung wirklich besser?
Kultur ist Betriebsbedingung
Technik skaliert auch das, worüber eine Organisation bisher hinweggearbeitet hat.
Agenten tragen keine stillen Absprachen, politischen Schonräume oder improvisierten Reparaturen mit. Deshalb ist KI-Einführung immer auch Kulturarbeit – an Wahrheit, Vertrauen, Beteiligung, Macht und Lernfähigkeit.
Vertrauen und Stopprechte
Wer kann eine agentische Handlung hinterfragen oder stoppen, ohne dafür informell sanktioniert zu werden?
Beteiligung und Rollen
Wer gestaltet die neue Arbeitsteilung mit? Was bleibt menschliches Urteil, und wessen Erfahrungswissen wird in Kriterien übersetzt?
Lernen und Verantwortung
Wer darf aus Abweichungen lernen, wer trägt Folgen und wie bleibt Verantwortung zurechenbar, wenn Systeme den Entscheidungsvorlauf prägen?
Der betriebliche Zusammenhang
Fünf Felder müssen gemeinsam funktionieren.
Wertbeitrag×Beiträge×Wahrheit×Rechte×Lernen
Wertbeitrag
Welche zusätzliche, bessere oder schnellere Wertschöpfung soll entstehen? Beschleunigung ist wertlos, wenn sie am falschen Gegenstand ansetzt.
Beiträge und Übergaben
Was leisten Mensch, Agent und Software jeweils? Welche Zustände, Kriterien und Kontexte müssen an jeder Übergabe lesbar sein?
Verbindliche Wissensquelle
Wo liegen gültige Daten, Artefakte, Entscheidungen und Versionen – so, dass Menschen und Systeme daran anschließen können?
Rechte und Stopprechte
Wer darf lesen, verändern, entscheiden, freigeben oder stoppen? Wo bleibt menschliches Urteil unersetzlich?
Lernen und Betrieb
Welche Logs, Rückmeldungen und Auswertungen zeigen, ob der neue Betriebsmodus wirklich besser arbeitet – und wann er zurückgebaut werden muss?
Unser Vorgehen
Lesen. Schneiden. Erproben. Verankern.
Lesen
Ein realer Fall oder Prozess wird beobachtet. Wir suchen nicht nur Aufgaben, sondern Liegezeiten, Reparaturarbeit, Vorentscheidungen und kulturelle Bedingungen.
Schneiden
Falltypen, Beiträge, Übergaben, Rechte und Daten werden neu geordnet. Bewusst nicht automatisierte Zonen werden genauso klar beschrieben wie agentische Arbeit.
Erproben
Ein begrenzter Pilot erhält Erfolgskriterien, Abbruchbedingungen, menschliche Freigaben und einen sicheren Rückweg.
Verankern
Der Betrieb erhält eine verbindliche Wissensquelle, Verantwortliche, Dokumentation, Auswertungen und eine Lernlogik. Kein Pilot bleibt als technisches Fremdobjekt zurück.
Normen, Richtlinien und Qualitätsrahmen
Orientierung, bevor aus einem Pilot ein Risiko wird.
Wir kennen die relevanten deutschen, europäischen und internationalen Bezugsrahmen und übersetzen sie in betriebliche Fragen, Verantwortlichkeiten und Ergebnisobjekte. Welche davon wirklich gelten oder sinnvoll sind, hängt von Rolle, Nutzungskontext und Risikoklasse ab.
Deutschland und EU
DIN/DKE-Normungsroadmap KI, EU AI Act und die entstehenden harmonisierten europäischen Standards – unter anderem zu Risikomanagement, Datenqualität, Transparenz, menschlicher Aufsicht, Robustheit und Qualitätsmanagement.
ISO/IEC
ISO/IEC 42001 für KI-Managementsysteme, ISO/IEC 23894 für KI-Risikomanagement, ISO/IEC 38507 für Governance und ISO/IEC 25059 für Qualitätsmodelle von KI-Systemen.
International
Das NIST AI Risk Management Framework und sein Generative-AI-Profil als freiwilliger, praxisnaher Referenzrahmen für vertrauenswürdige und verantwortbare KI.
Wir leisten Orientierung und bauen anschlussfähige Governance. Nicht enthalten sind Rechtsberatung, Konformitätsbewertung, Audit, Zertifizierung oder die Zusage, dass ein System eine Norm oder regulatorische Pflicht erfüllt.
Einstiegsangebot
KI-Betriebscheck
Ein begrenzter Bereich, ein echter Prozess und ein belastbares Urteil darüber, ob ein KI-Pilot sinnvoll, verantwortbar und kulturell wie organisatorisch tragfähig ist.
Enthalten
- strukturierter Fragebogen;
- Sichtung eines realen Prozessfalls;
- ein bis zwei Interviews;
- Kultur- und Beteiligungsrisiken;
- Mensch-Agent-Beitragsschnitt;
- Risiken, Rechte und Datenbedarf;
- relevante Norm- und Regelwerkspuren;
- Pilot- oder Stop-Empfehlung.
Nicht enthalten
- Softwareentwicklung;
- Anbieterauswahl;
- Rechts- oder Datenschutzgutachten;
- Audit, Zertifizierung oder Konformitätsbewertung;
- Unternehmensweite KI-Strategie;
- Dauerbetrieb des Piloten.
Rahmen
Umfang und Preis nach Prozesskomplexität. Die Prüfung endet mit einem schriftlichen Entscheidungsbild, nicht mit einer automatischen Folgebeauftragung.
Fachliche Grundlage
AI Management — Organisation in agentischen Zeiten
Die Methodik basiert auf dem 2026 veröffentlichten Fachbuch von Rico Kerstan und Miriam Büxenstein. Das Raum-Modell ergänzt die kulturelle und atmosphärische Wahrnehmung. Es ersetzt nicht die technische, wirtschaftliche und governancebezogene Architektur.
ISBN 9798195507756