Seeing AGI (8): Die Wiedergeburt der Rolle des Menschen
Vor Kurzem war ich auf dem Delight Spark in San Francisco, und ein Gespräch ist mir noch lange nach der Veranstaltung im Kopf geblieben. Es ging um KI-Organisationen.
In meinen bisherigen sieben Seeing AGI-Beiträgen habe ich über die Ankunft von AGI, Vibe Working und Multi-Agent-Systeme geschrieben. Doch eine Frage kommt immer wieder zurück, und sie ist im Kern simpel: Was passiert mit der Rolle des Menschen im Unternehmen? Bevor KI das Organigramm umschreibt, schreibt sie den Menschen um.
Zu viele Unternehmen behandeln KI noch immer wie ein Software-Update für dieselben Leute in denselben Jobs. Das ist die falsche Linse. KI beschleunigt nicht nur Arbeit. Sie verändert, wer was tut, wer den Kontext besitzt und wie Urteilsvermögen wandert.
Jede Technologiewelle verändert die Rolle des Menschen
Wenn Menschen auf eine bahnbrechende Technologie treffen, gehen sie meistens davon aus, dass ihre Tätigkeit gleich bleibt — nur schneller. Die Geschichte zeigt: das ist eine Illusion.
Was sich zuerst ändert, ist selten das Organigramm auf dem Papier. Was sich zuerst ändert, ist, was Menschen den ganzen Tag tun, wovon sie abhängen, an wen sie berichten und welche Art von Urteilsvermögen das System tatsächlich belohnt.
Wenn wir KI also klar verstehen wollen, sollten wir nicht nur fragen, was die Modelle können. Wir sollten fragen, was frühere Technologiewellen mit der Arbeit selbst gemacht haben.
Elektrizität hat nicht nur die Fabrik modernisiert. Sie hat die Menschen darin verändert.
Die berühmte Lektion der Elektrifizierung lautet nicht nur: Strom war mächtig. Sondern: Die erste Adoptionswelle blieb hinter den Erwartungen zurück, weil die Fabriken am alten Layout festhielten. Eigentümer ersetzten Dampfmaschinen durch Dynamos, behielten aber dieselbe zentrale Antriebslogik, dieselben Wellenleitungen, dieselben Riemen und dieselbe Produktionsgeometrie.
Der eigentliche Sprung kam später, als Fabriken auf Einzelantrieb umstellten — individuelle Elektromotoren direkt an der Maschine. Erst da konnte sich das Gebäude selbst verändern. Eingeschossige Layouts wurden einfacher. Maschinen mussten nicht mehr um eine mechanische Wirbelsäule herum angeordnet sein. Workflows ließen sich nach Geschwindigkeit, Sicherheit und Spezialisierung neu denken.
Und sobald sich die Fabrik veränderte, veränderten sich die menschlichen Rollen mit. Die alte Logik der zentralen Maschinenräume, der wellengetriebenen Layouts und der Wartung um eine einzige Energiequelle herum begann zu verblassen. An ihre Stelle trat ein neuer Bedarf: Elektriker, Elektroingenieure, Fabrikplaner und eine neue Art von Operations Management. Paul David schrieb, die großflächige Elektrifizierung habe den Aufbau "eines Stamms erfahrener Fabrikarchitekten und Elektroingenieure" erfordert. Genau das ist der Punkt. Eine neue Energiequelle hat die alten Arbeiter nicht einfach schneller gemacht. Sie hat neue Spezialisten, neue Berichtslinien und eine neue Betriebslogik geschaffen.
Computer haben nicht nur Büros automatisiert. Sie haben völlig neue Informationsrollen geschaffen.
Mit der Computer-Ära geschah etwas Ähnliches. Vor der Computerisierung verließen sich große Organisationen auf Schichten von Sachbearbeitern, Schreibkräften, Ablagepersonal, Buchhaltern und Maschinenbedienern, die Informationen von Hand bewegten. Dann kamen Datenverarbeitungsabteilungen, Lochkartenoperatoren, Programmierer, Systemanalytiker und später Datenbankadministratoren und IT-Manager.
Manche Rollen schrumpften. Andere tauchten aus dem Nichts auf. Lochkartenoperatoren wurden in der Lochkarten-Ära ein klar erkennbarer Beruf — und verschwanden allmählich, als sich direktes Computing ausbreitete. Gleichzeitig entstand der Systemanalytiker als neue Brückenrolle: jemand, der das Geschäft verstehen, das System entwerfen, Diagramme für Programmierer vorbereiten und Management-Anforderungen in technische Strukturen übersetzen konnte. Diese Rolle ergibt nur in einer Welt Sinn, in der Software Teil davon wird, wie das Unternehmen denkt.
Das veränderte auch die Berichtslinien. Sobald Informationssysteme zentral für den Betrieb wurden, bauten Unternehmen MIS- und IT-Organisationen, Projektmanagement-Schichten, System-Teams und später Enterprise-Software-Funktionen auf. Autorität floss zunehmend durch Informationsarchitektur, nicht mehr nur durch physische Abläufe.
Software hat die moderne Produktorganisation hervorgebracht.
Dann legte die Software-Ära eine weitere Schicht obendrauf. Als die Komplexität von Software explodierte, teilte sich die Organisation erneut. Product Management entstand, um die Lücke zwischen Geschäft, Nutzern und Engineering zu schließen. Bei Software reichte es nicht, ein Produkt zu vermarkten. Jemand musste entscheiden, was gebaut wird, Nutzerszenarien übersetzen und während des gesamten Zyklus eng am Engineering bleiben.
UX und Interaction Design reiften, als Personal Computing und später das Web Usability ökonomisch unausweichlich machten. QA wurde zu einer eigenen Funktion, weil Testen nicht mehr im Kopf des Programmierers bleiben konnte. Später begannen Agile und DevOps, diese Linien wieder zu verwischen — sie zogen Tester früher in den Zyklus und machten Qualität zur geteilten Verantwortung.
Die Struktur aus PM, Designer, Developer und Tester ist also nicht naturgegeben. Sie gehörte zur vorherigen Ära des Software Engineering. Sie war eine rationale Antwort auf die Grenzen menschlicher Kommunikation, fragmentiertes Wissen, manuelles Coding und langsamere Feedback-Schleifen.
Das alte Fließband wurde für eine andere Welt gebaut
Wenn man diese Geschichte klar sieht, wirkt das aktuelle Software-Organigramm deutlich weniger dauerhaft, als die meisten denken. Es ist schlicht die jüngste Schicht in einer langen Reihe technologischer Reorganisationen.
In der alten Software-Welt brauchte ein Projekt einen tiefen Stack spezialisierter Funktionen, bevor es sich auch nur einen Zentimeter bewegen konnte. Die Berichtslogik spiegelte meist den Workflow selbst: Product produzierte Anforderungen, Design übersetzte sie, Engineering setzte sie um, QA validierte sie, und das Management koordinierte die Übergaben zwischen diesen Silos.
Erinnern Sie sich, was ein PM früher tat: wochenlang massive 20-seitige Spezifikationsdokumente schreiben, um sie über die Mauer zu werfen. Der Designer schob dann wochenlang von Hand Pixel, um diese Spec in Mockups zu übersetzen. Der Developer nahm diese Mockups und tippte monatelang Boilerplate-Code. Schließlich verbrachte der Tester Wochen damit, Inkonsistenzen und Bugs zu jagen.
Diese Struktur ergab Sinn, als jeder Schritt von einem anderen Spezialisten mit anderen Werkzeugen ausgeführt werden musste, mit teuren Übergängen dazwischen. Übergaben waren nicht nur Bürokratie. Sie waren der Mechanismus, mit dem sich das System vor Komplexität schützte.
Aber wenn ein KI-Agent Code generieren, UI entwerfen, Testfälle erstellen und Iteration auf Minuten zusammenstauchen kann, beginnt dieselbe Struktur gegen sich selbst zu arbeiten. Aus dem Sicherheitsmechanismus Übergabe wird reine Reibung.
Die meisten "KI-Transformationen" stecken heute genau hier fest. Unternehmen geben dem PM ein KI-Schreibwerkzeug, dem Designer ein KI-Designtool und dem Developer einen KI-Coding-Assistenten — behalten aber dieselben Berichtslinien und dieselbe Arbeitsteilung. Sie schließen eine neue Energiequelle an eine alte Maschine an.
Deshalb glaube ich, dass der vordere Teil dieser Geschichte so wichtig ist. KI ist nicht die erste Technologie, die Arbeit neu ordnet. Aber sie ist möglicherweise die erste, die das in dieser Geschwindigkeit tut und gleichzeitig so viele Wissensrollen in denselben Moment der Ausführung kollabieren lässt.
Was ich innerhalb von Genspark sehe
Bei Genspark sehe ich bereits, wie die nächste Schicht dieser Geschichte in Echtzeit geschrieben wird. Wir sind inzwischen eine Organisation von rund 70 Personen. Unsere Struktur ist kompromisslos flach.
Wir besetzen Projekte nicht mit großen, multidisziplinären Abteilungen. Die überwiegende Mehrheit unserer Projekte wird von agilen Pods aus nur 1 bis 3 Personen umgesetzt. Weil der Workflow komprimiert ist, arbeiten Menschen ganz nah an der vollen Wertschöpfungskette.
Das beginnt am ersten Tag. Neue Mitarbeiter werden nicht in engen Rollen versteckt oder einen Monat lang zum Lesen von Dokumentation verdonnert. Sie werden sofort an die Front geschoben. Wir erleben routinemäßig, dass Leute in ihrer ersten Woche echte, komplexe Funktionalität ausliefern. Selbst Teammitglieder, die vor uns nie eine einzige Codezeile geschrieben hatten, launchen inzwischen Features.
In der vergangenen Ära hätte das fahrlässig oder unmöglich geklungen. In dieser Ära ist es die Baseline. Ehrgeizige Menschen blühen hier auf, weil sie nicht länger in einer einzigen Box gefangen sind.
Wie sich die Rollen tatsächlich verändern
Wenn der Workflow so aggressiv komprimiert wird, verschwinden die professionellen Rollen nicht. Sie mutieren. Sie steigen auf.
Der PM: Vom Spec-Schreiber zum System-Director
Der PM verbringt keine Wochen mehr damit, statische Dokumente zu schreiben, die jemand anderes interpretieren soll. Er nutzt KI, um sofort lebende Prototypen zu generieren. Er steuert das System, testet Logik in Echtzeit und verantwortet das Endergebnis — nicht mehr nur die Anforderungen.
Der Designer: Vom Frontend-Übersetzer zum finalen Richter
Unser kürzliches Release von Genspark Design ist das perfekte Beispiel. Im alten Prozess war der Designer ein vorgelagerter Übersetzer. Er musste die Bildschirme von Hand zeichnen, bevor irgendjemand bauen konnte. Heute ist der Weg von der abstrakten Idee über das fertige Design bis zum gelaunchten Produkt durchgängig.
Weil KI in Sekunden Dutzende High-Fidelity-Funktionsprototypen erzeugen kann, rückt die Rolle des Designers ans Ende der Pipeline. Er wird zum Richter. Er setzt die Qualitätslatte. Er schützt das Niveau. Er gibt das Erlebnis frei. Er entscheidet, welche der KI-Iterationen die richtige Seele für die Marke besitzt.
Der Developer: Vom Code-Tipper zum Systemarchitekten
Die erste Woche eines Developers dreht sich nicht mehr um lokale Setups und das Lesen alter Codebasen. Sie dreht sich ums Ausliefern. Er tippt weniger Boilerplate und verbringt mehr Zeit damit, Logik zu architektonisieren, Agenten zu führen und die tiefen, strukturellen Probleme zu lösen, die KI noch nicht sieht.
Der Tester: Vom manuellen Türsteher zum Agent Infrastructure Engineer
Im KI-nativen Workflow wird jeder zum Tester seines eigenen Features. Wer das Feature baut, generiert auch Testfälle, prüft Edge Cases, validiert das Erlebnis und entscheidet, ob es ausgeliefert werden kann. Testen sitzt nicht mehr als separates Tor am Ende der Kette. Es wird Teil der Autorenschaft selbst.
Das heißt nicht, dass der traditionelle Tester verschwindet. Die Rolle steigt eine Ebene auf. Sie wird zur Infrastrukturrolle. Statt nachträglich jeden Bildschirm manuell zu prüfen, sorgt diese Person dafür, dass das System stabil, beobachtbar und im Produktivbetrieb vertrauenswürdig bleibt, sobald Features im Team ausgerollt werden.
In diesem Sinne sieht der neue Tester eher aus wie ein Infrastructure Engineer für Qualität. Er baut die Frameworks, Guardrails, das Monitoring, die Evaluation Loops und die Release-Logik, die die ganze Organisation verlässlicher machen. Er hilft auch, Infrastruktur zu schaffen, die agentenfreundlicher ist — damit KI sich effektiver an Testen, Debugging und Continuous Improvement beteiligen kann.
In jeder Disziplin geht der Trend in dieselbe Richtung: Urteilsvermögen wird viel wichtiger als Übergabe. Kontextverantwortung wird wertvoller als enge Spezialisierung.
Der CEO: Vom Chief Executive Officer zum Chief Context Officer
Wenn man erst einmal sieht, wie tief KI Rollen neu kombiniert, kann man nicht bei PMs, Designern, Developern und Testern stehen bleiben. Auch der CEO wird umgeschrieben.
Im alten Unternehmensmodell drückte Skalierung den CEO weg von der Arbeit. Die Organisation wurde zu spezialisiert, zu schichtenreich, zu langsam. Die Aufgabe des CEO bestand darin, Komplexität durch andere Menschen zu managen.
Diese Distanz war kein Persönlichkeitsmerkmal. Sie war strukturell. In vielen Unternehmen konnte der CEO das Produkt nicht mehr direkt anfassen, weil die Arbeit über zu viele Funktionen, Meetings und Übergaben fragmentiert war.
KI bricht dieses Modell auf. Ein CEO, der bereit ist zu lernen, kann zurück in die Arbeit treten. Er kann Produktideen erkunden, Prototypen reviewen, Flows testen, Annahmen herausfordern und mit KI sogar bei der Umsetzung mit anpacken. Nicht weil der CEO wieder Mikromanager werden sollte, sondern weil die Mauer zwischen Führung und Schöpfung dünner wird.
Die Aufgabe verändert sich also. Der CEO der KI-Ära sieht weniger aus wie ein Chief Executive Officer und mehr wie ein Chief Context Officer. Die Rolle: Richtung setzen, Urteilsvermögen klären, Entscheidungsrechte näher an die Kante schieben und die Schnittstellen entwerfen, durch die kleine Pods mit echter Eigenverantwortung arbeiten können.
Im alten Modell entstand Macht aus Distanz und Kontrolle. Im neuen Modell entsteht Macht aus Kontext, Geschmack, Klarheit und der Fähigkeit, der Organisation zu helfen, als ein System zu denken und zu handeln. Und sobald sich der CEO ändert, kann die Organisation nicht gleich bleiben. Aus Rollen-Rewrite wird ganz natürlich Org-Rewrite.
Die neue Organisation ist nicht nur flacher. Sie ist strukturell anders.
Ich glaube nicht, dass die richtige Beschreibung für dieses neue Unternehmen einfach "flach" ist. Flach heißt nur: weniger Schichten. Was wir sehen, ist eine tiefere Veränderung. Die Grundeinheit der Organisation ist nicht mehr die Funktion. Sie ist der Pod.
In der alten Struktur war das Unternehmen um Abteilungen herum gebaut. Product saß an einem Ort. Design saß an einem anderen. Engineering saß irgendwo dazwischen. QA saß am Ende. Das Organigramm spiegelte die Übergabekette.
In der neuen Struktur sieht das Unternehmen eher aus wie ein Netzwerk kleiner, kontextstarker Pods. Ein Pod aus 1 bis 3 Personen arbeitet nah am Problem, nah am Nutzer und nah an der KI. Er besitzt einen größeren Teil der Kette von der Idee bis zum Release. Er trägt mehr Kontext. Er trifft mehr Entscheidungen. Er wartet weniger.
In einem Unternehmen mit Tausenden Mitarbeitern kann das nicht heißen, dass ein CEO Hunderte von Pods direkt anfasst. Das skaliert nicht. Die skalierbare Variante ist ein Netzwerk von Netzwerken: Pods, die zu Mission-Clustern gruppiert sind, zusammengehalten durch geteilten Kontext, geteilten Geschmack, geteilte Klarheit und geteiltes Systemdesign. Führungsschichten existieren weiterhin, aber ihre Aufgabe verändert sich. Sie sind nicht mehr Genehmigungsengpässe. Sie werden zu Kontext-Routern, Schnittstellen-Designern und Force Multipliern. In diesem Modell managt der CEO nicht jeden Pod. Der CEO entwirft die Architektur, durch die viele Pods kohärent agieren — ohne die alte Bürokratie wieder aufzubauen. So sieht KI-native Skalierung aus: keine flachere Pyramide, sondern ein anderes System.
Sobald das geschieht, ist Hierarchie nicht mehr der primäre Koordinationsmechanismus. Kontext wird zum primären Koordinationsmechanismus. Die wichtigste Frage lautet nicht mehr "Wer berichtet an wen?" Sie lautet: "Wer hält wirklich den Kontext, und wer hat das Urteilsvermögen, danach zu handeln?"
Das verändert auch, wozu Führungsschichten da sind. In der alten Welt existierte ein großer Teil des mittleren Managements, um zu übersetzen, zusammenzufassen, zu koordinieren und Informationen über funktionale Grenzen hinweg zu bewegen. In der neuen Welt bleiben diese Rollen nur dann wertvoll, wenn sie sich zu System-Buildern, Qualitäts-Reviewern, Talent-Coaches und Pod-übergreifenden Integratoren entwickeln. Der Manager als Transmissionsriemen wird stetig an Bedeutung verlieren.
In einem Satz lautet die KI-native Organisation so: ein Netzwerk kleiner Pods mit hoher Kontextverantwortung, unterstützt von KI-Agenten, ausgerichtet durch geteiltes Urteilsvermögen und verbunden durch leichtgewichtige Schnittstellen statt schwerer Hierarchie.
Das Fenster, das Unternehmen neu zu schreiben
Wenn Rollen-Rewrite zu CEO-Rewrite führt, und CEO-Rewrite zu Org-Rewrite, dann ist das kein Tooling-Upgrade. Es ist ein Company-Rewrite. Hören Sie also auf, nur auf Ihren KI-Stack zu starren. Schauen Sie auf Ihre Menschen. Schauen Sie auf Ihre Struktur.
Stellen Sie die härteren Fragen. Stecken Ihre Leute noch in engen Übersetzungsrollen? Bereiten Ihre besten Köpfe noch immer Übergaben vor, statt Urteile zu fällen? Ist Ihr Organigramm noch immer für die alte PM-Designer-Developer-Tester-Kette gebaut? Sind Entscheidungsrechte noch immer zu weit weg von den Menschen, die den echten Kontext haben?
KI-Zugang zu kaufen ist einfach. Echte Transformation ist härter. Sie bedeutet, Rollen neu zu entwerfen, Eigenverantwortung in kleine Pods zu drücken, Infrastruktur rund um Agenten neu aufzubauen und Führung selbst neu zu definieren.
Die Gewinner dieser Ära werden nicht einfach nur bessere Modelle nutzen. Sie werden schneller umbauen. Sie werden Übergabeketten durch Pod-Netzwerke ersetzen. Sie werden Kontext an die Kante bewegen. Sie werden die Latte für Urteilsvermögen anheben.
KI schreibt nicht nur Aufgaben um. Sie schreibt das Unternehmen um. Das Fenster ist jetzt offen. Es wird nicht lange offen bleiben.