Research Cases

Sustainable Organizational Architecture

Die entscheidende Frage ist oft nicht, was wir erreichen wollen – sondern ob wir die daraus entstehenden Verpflichtungen tatsächlich tragen können.

Strategien, politische Entscheidungen und technologische Veränderungen erzeugen Commitments. Commitments erzeugen Arbeit. Arbeit erzeugt Belastung und beansprucht Capacity.

Die Sustainable Organizational Architecture Research Cases untersuchen diese Zusammenhänge an konkreten wirtschaftlichen, gesellschaftlichen und organisationalen Fragestellungen.

Dabei geht es nicht darum, mit künstlicher Intelligenz möglichst schnell Antworten zu produzieren.

Der Ausgangspunkt ist eine andere Frage:

Was müssen wir verstehen, bevor wir sinnvoll entscheiden können?

Die Research Cases entstehen in einem kontrollierten Human–AI-Prozess. KI unterstützt Recherche, Analyse, Hypothesenbildung, Gegenpositionen und Reframing. Evidenz, Annahmen und Hypothesen werden voneinander getrennt. Menschliche Entscheidungsautorität bleibt davon unberührt.

Research Case 001

Deutschland 2035

Nicht Geld, sondern Capacity ist die knappe Ressource

Wie verändern Demografie, KI und wachsende Verpflichtungen die Tragfähigkeit Deutschlands?

Dieser Research Case begann mit einer einfachen Frage:

„Analysiere die deutsche Politik. Was ist die relevante Frage nach TOOD?“

Die naheliegende Antwort wäre gewesen, einzelne politische Themen zu untersuchen: Wachstum, Staatsfinanzen, Rente, Migration, Infrastruktur, Energie, Verteidigung oder Wettbewerbsfähigkeit.

Doch die Analyse führte zu einer anderen Frage:

Welche Verpflichtungen entstehen aus politischen Entscheidungen – und kann Deutschland ihre Summe tatsächlich und nachhaltig tragen?

Damit verändert sich die Perspektive.

Eine politische Entscheidung benötigt nicht nur Finanzierung.

Sie erzeugt Commitments.

Commitments erzeugen Verpflichtungen.

Verpflichtungen erzeugen Arbeit.

Arbeit erzeugt Load.

Und Load muss von real vorhandener menschlicher, technologischer und organisatorischer Capacity getragen werden.

Die grundlegende Architektur lautet:

Decision → Commitment → Work → Load → Capacity → Execution → Outcome

Daraus entsteht eine wichtige Unterscheidung:

Funding Capacity ≠ Execution Capacity

Ein bereitgestellter Euro erzeugt noch keinen Ingenieur, keine Pflegekraft, keine Genehmigung, keine Maschine und keine zusätzliche Management Attention.

Dann kam KI

Während der Analyse entstand zunächst die Hypothese, dass der demografische Wandel Human Capacity zu einer entscheidenden Restriktion Deutschlands machen könnte.

Dann kam ein menschlicher Gegenimpuls:

„Mit KI wird doch alles lösbar.“

Diese Gegenposition veränderte den Research Case.

Denn wenn KI, Automation, Kapital und besseres Organisationsdesign die Produktivität vorhandener Menschen wesentlich verändern können, darf zukünftige Capacity nicht einfach aus heutiger Arbeitsorganisation und Bevölkerungsentwicklung extrapoliert werden.

Damit entstand eine neue Forschungsfrage:

Kann Deutschlands Effective Capacity durch KI, Automation, Produktivität und Work Redesign schnell genug wachsen, um den demografischen Druck und gleichzeitig wachsenden Commitment Load zu tragen?

Aus dieser Untersuchung entstanden weitere Research Constructs und Messkandidaten, darunter:

Effective Capacity

Commitment-to-Capability Competition

Netto-KI-Kapazitätsgewinn

Capacity Payback

Constraint Migration

Diese Begriffe werden nicht als etablierte volkswirtschaftliche Kennzahlen präsentiert. Sie sind Hypothesen und Messkandidaten für weitere Forschung.

Die zentrale Frage

Wie muss sich die menschliche, technologische und organisatorische Capacity Deutschlands entwickeln, damit die bestehenden und neuen Verpflichtungen nachhaltig getragen werden können?

Die vollständige Research Publication

Die vollständige Veröffentlichung enthält die vertiefte Analyse zu Demografie, Commitment Load, Infrastruktur, KI, Automation und Produktivität sowie sieben Systemgrafiken, Proof Boundaries, Gegenhypothesen und den Human–AI Research Process, aus dem die Fragestellung entstanden ist.

Die Veröffentlichung können Sie persönlich per E-Mail anfordern. Es erfolgt kein automatischer Download.

Research Case 002

Wenn Konsens auf Knappheit trifft

Kann Europa seine Werte bewahren und gleichzeitig seine Verpflichtungen wieder konsequenter priorisieren?

Europa diskutiert seine Wettbewerbsfähigkeit über Energiepreise, Regulierung, Produktivität, Demografie, Kapitalmärkte, Digitalisierung und Bürokratie.

Diese Faktoren sind relevant.

Doch möglicherweise liegt darunter eine grundsätzlichere Governance-Frage:

Was geschieht, wenn eine über Jahrzehnte unter wachsender Sicherheit entstandene Schutz-, Beteiligungs- und Ausgleichsarchitektur auf eine Umwelt trifft, in der wirtschaftliche Substanz, menschliche Capacity, Kapital, Energie, Zeit und geopolitischer Handlungsspielraum wieder knapper werden?

Europa besitzt nicht zu wenige Ziele.

Klimaneutralität.

Verteidigungsfähigkeit.

Soziale Sicherheit.

Infrastrukturmodernisierung.

Digitale Souveränität.

Industrielle Resilienz.

Bezahlbare Energie.

Technologische Wettbewerbsfähigkeit.

Demografische Absicherung.

Jedes dieser Ziele kann für sich rational und gesellschaftlich begründet sein.

Aber daraus folgt nicht automatisch, dass ihre Summe gleichzeitig tragfähig ist.

Lokale Rationalität erzeugt keine globale Tragfähigkeit.

Das mögliche Commitment-Problem

Ein neues politisches Ziel erzeugt ein Commitment.

Ein Recht kann eine Verpflichtung erzeugen.

Eine Regulierung erzeugt Arbeit.

Ein Schutzversprechen bindet Ressourcen.

Neue Commitments kommen hinzu, während bestehende Verpflichtungen häufig weiterbestehen.

Die zusätzliche Last muss anschließend faktisch getragen werden – von Unternehmen, Verwaltungen, Beschäftigten, Kommunen, Steuer- und Beitragszahlern oder zukünftigen Haushalten.

Der Research Case untersucht deshalb eine Hypothese:

Europas Problem könnte weniger in einem Mangel an Zielen als in einer Governance-Architektur liegen, die neue Commitments leichter erzeugt als bestehende priorisiert, verändert oder beendet.

Damit verändert sich die politische Frage.

Nicht nur:

Ist dieses Ziel sinnvoll?

Sondern:

Welche zusätzliche Verpflichtung entsteht daraus?

Wer trägt sie?

Welche Capacity beansprucht sie?

Was wird dadurch verdrängt?

Und:

Was muss zurücktreten, damit eine neue Priorität tatsächlich Priorität wird?

Die Gegenhypothesen sind Teil des Research Cases

Die Commitment-Hypothese wird ausdrücklich nicht als bewiesene Diagnose behandelt.

Andere Erklärungen müssen dagegen getestet werden.

Vielleicht liegt Europas Problem stärker in institutioneller Fragmentierung.

Vielleicht besteht ein Execution Gap zwischen Entscheidung und Umsetzung.

Vielleicht ist Kapital vorhanden, wird aber nicht ausreichend produktiv allokiert.

Vielleicht sind Produktivität, Innovation und Skalierungsfähigkeit die dominanteren Ursachen.

Oder mehrere dieser Faktoren verstärken sich gegenseitig.

Deshalb lautet die tiefere Forschungsfrage:

Wo verliert Europa tatsächlich die Fähigkeit, Ziele, Kapital und politische Entscheidungen in wirtschaftliche Capacity und Outcomes zu konvertieren?

Unter Knappheit verändert sich Führung

Solange Ressourcen wachsen, kann Führung stark darin bestehen, Interessen miteinander zu verbinden.

Unter Knappheit kommt etwas hinzu:

priorisieren, sequenzieren, begrenzen, verändern und gegebenenfalls beenden.

Eine echte Priorität existiert erst dann, wenn etwas anderes zurücktritt.

Der Research Case fragt deshalb nicht, ob Europa „zu weich“ geworden ist.

Er fragt:

Kann Europa seine Werte bewahren und gleichzeitig sein Commitment-Portfolio so gestalten, dass dessen Summe wirtschaftlich, administrativ und gesellschaftlich tragfähig bleibt?

Die vollständige Research Publication

Die vollständige Veröffentlichung untersucht Commitment Accumulation, institutionelle Fragmentierung, Execution Capacity, Capital Allocation, Produktivität und Skalierungsfähigkeit sowie konkurrierende Erklärungen für Europas wirtschaftliche und institutionelle Schwierigkeiten.

Sie enthält außerdem Proof Boundaries, Gegenhypothesen und die Übertragung der Fragestellung auf Unternehmen und Transformationsportfolios.

Die Veröffentlichung können Sie persönlich per E-Mail anfordern. Es erfolgt kein automatischer Download.

Research Case 003

AI Adoption ≠ Net Capacity Gain

Warum die entscheidende KI-Frage nicht lautet, wie viel KI wir einsetzen – sondern wie viel menschliche und organisationale Capacity dadurch tatsächlich entsteht

Immer mehr Unternehmen setzen künstliche Intelligenz ein.

Doch KI-Nutzung ist noch kein Produktivitätsbeweis.

Und höhere Produktivität bei einer einzelnen Tätigkeit ist noch kein organisationaler Capacity-Gewinn.

Deshalb unterscheidet dieser Research Case:

AI Adoption ≠ AI Productivity

und:

AI Productivity ≠ Net Capacity Gain

Das Add-on-Problem

Viele KI-Initiativen beginnen mit einer naheliegenden Frage:

Wo können wir KI in unsere bestehenden Prozesse integrieren?

Dadurch können einzelne Tätigkeiten schneller werden.

Gleichzeitig kann aber neue Arbeit entstehen:

Validierung.

Kontrolle.

Governance.

Datenpflege.

Integration.

Ausnahmebehandlung.

Cybersecurity.

Training.

Modellüberwachung.

Zusätzliche Schnittstellen.

Die Organisation arbeitet dann mit leistungsfähigeren Werkzeugen – ohne ihre Arbeitsarchitektur grundsätzlich verändert zu haben.

Der lokale Produktivitätsgewinn kann erheblich sein.

Der organisationale Capacity-Gewinn muss es deshalb noch nicht sein.

Eine andere KI-Frage

Der Research Case beginnt deshalb an einer anderen Stelle:

Welche Arbeit sollte in einer KI-fähigen Organisation überhaupt noch existieren?

Damit verändert sich die Transformationslogik:

Outcome klären

→ unnötige Work eliminieren

→ vereinfachen

→ standardisieren

→ automatisieren

→ KI einsetzen

→ menschliche Arbeit dort konzentrieren, wo Urteil, Verantwortung, Beziehung oder Authority erforderlich sind.

KI wird damit nicht nur zu einem zusätzlichen Werkzeug.

Sie wird zum Anlass für Work Redesign.

Netto-KI-Kapazitätsgewinn

Aus dieser Fragestellung entstand ein Messkandidat:

Net AI Capacity Gain

beziehungsweise:

Netto-KI-Kapazitätsgewinn

Konzeptionell betrachtet er:

eingesparte menschliche Work

plus

neu ermöglichte Leistung

minus

Integration, Oversight, Governance, Rework und zusätzliche Komplexität.

Die entscheidende Managementfrage verändert sich dadurch.

Nicht:

Wie viele Mitarbeiter nutzen KI?

Sondern:

Welche menschliche Arbeit existiert nach der KI-Transformation tatsächlich nicht mehr – und welche zusätzliche Capacity steht dadurch für relevante Outcomes zur Verfügung?

Der Engpass kann wandern

Wenn KI menschliche Arbeit reduziert, bedeutet das nicht, dass Knappheit verschwindet.

Der Engpass kann sich verlagern.

Von Arbeitszeit zu Datenqualität.

Zu Rechenleistung.

Zu Energie.

Zu Integration.

Zu Kapital.

Zu Cybersecurity.

Zu Maschinen und Robotik.

Zu Management Attention.

Oder zu menschlichem Urteil und Entscheidungsrechten.

Der Research Case bezeichnet diesen möglichen Effekt als:

Constraint Migration.

Die Frage lautet damit nicht nur:

Welchen Engpass löst KI?

Sondern:

Welcher neue Engpass wird bindend, nachdem KI den bisherigen gelockert hat?

Zwischen AI Capability und wirtschaftlichem Ergebnis

Technische Leistungsfähigkeit erzeugt nicht automatisch wirtschaftlichen Wert.

Zwischen AI Capability und Outcome liegt eine längere Konversionskette:

AI Capability → Integration → Process Redesign → Human Adoption → Organizational Change → Work Elimination → Capacity Redeployment → Outcome

An jeder Stelle kann erwarteter Nutzen verloren gehen.

Deshalb ist ein technisch erfolgreiches KI-Projekt noch kein Beweis für eine erfolgreiche KI-Transformation.

Und eine weitere Grenze bleibt entscheidend:

AI Capability ≠ Human Authority

KI kann analysieren, strukturieren, rechnen, vorbereiten und Empfehlungen erzeugen.

Daraus entsteht nicht automatisch das Recht, reale Verpflichtungen einzugehen, Verantwortung zuzuweisen oder bindende menschliche Entscheidungen zu treffen.

Die zentrale Forschungsfrage

Wie müssen Arbeit, Prozesse, Verantwortung und Organisation gestaltet werden, damit aus wachsender AI Capability tatsächlich nachhaltige menschliche und organisationale Capacity entsteht?

Die vollständige Research Publication

Die vollständige Veröffentlichung untersucht AI Adoption versus AI Productivity, Work Redesign, Net AI Capacity Gain, Capacity Redeployment, neue Governance- und Oversight-Last, Capability Transformation, Constraint Migration, KI und Demografie sowie Human Authority und Decision Rights.

Sie entwickelt außerdem mögliche Messgrößen für ein AI Capacity Ledger und Kriterien, mit denen Unternehmen überprüfen können, ob ihre KI-Investitionen tatsächlich zusätzliche Capacity erzeugen.

Die Veröffentlichung können Sie persönlich per E-Mail anfordern. Es erfolgt kein automatischer Download.

Research Case 004 · Praxisfall zur Rollenarchitektur

Tragfähige Stellen statt überdehnter Rollen

Future Job Profile Designer: Welche Arbeit braucht künftig welchen Menschen – und welche KI?

Eine Schlüsselrolle bleibt unbesetzt, wird wiederholt neu besetzt oder überfordert auch erfahrene Menschen. Bevor die Suche von vorn beginnt, lohnt sich die Frage: Ist dieser Auftrag unter den tatsächlichen Bedingungen überhaupt erfüllbar?

Die richtige Besetzung beginnt vor der Person. Ein gutes Zukunftsprofil beginnt vor dem neuen Jobtitel.

Dieser Praxisfall übersetzt SOA in die konkrete Gestaltung einer Stelle: Auftrag, Aufgaben, Befugnisse, Schnittstellen und nachhaltig verfügbare Kapazität werden gemeinsam geprüft. Er beschreibt einen Arbeitsansatz und ein illustratives Beispiel, keinen dokumentierten Kundenerfolg.

Drei zentrale Konstruktionsfehler im Stellenaufbau

1. Ein überladener Auftrag ohne klare Prioritäten

Die Rolle soll gleichzeitig das Tagesgeschäft sichern, Wachstum erzeugen, Menschen führen und die Transformation vorantreiben. Alles ist wichtig; nichts darf entfallen. Entscheidend ist deshalb nicht nur die Aufgabenliste, sondern die Konkurrenz um dieselbe Zeit und Aufmerksamkeit.

Capacity-Prüfung: Welche Arbeitsmengen, Bearbeitungszeiten und Belastungsspitzen entstehen? Was muss zurücktreten, wenn eine neue Aufgabe hinzukommt? Das Ergebnis ist ein begrenzter Auftrag mit Prioritäten, ausdrücklich ausgeschlossenen Aufgaben und eingeplanter Reserve.

2. Verantwortung ohne wirksames Mandat

Eine Person soll Ergebnisse verantworten, darf aber weder Prioritäten verändern noch Ressourcen einsetzen oder verbindlich über Schnittstellen entscheiden. Die Stelle verlangt Einfluss, den ihre Architektur nicht ermöglicht.

Capacity-Prüfung: Wie viel Zeit geht für Freigaben, Rückfragen und Eskalationen verloren? Mehr Personal allein löst fehlende Entscheidungsrechte nicht. Für die Rolle müssen Befugnisse, Budgetzugriff, Eskalationswege und das Recht zum Unterbrechen ungeklärter Arbeit festgelegt werden.

3. Unsichtbare Zusatzarbeit und ungeklärte Übergaben

Abstimmung, Nacharbeit, Ausnahmen, Datenpflege und gegenseitige Vertretung stehen selten vollständig in der Stellenbeschreibung. Bei KI kommen gegebenenfalls Ergebnisprüfung und Korrektur hinzu. Diese Arbeit kann bei derselben Person landen, deren Entlastung eigentlich geplant war.

Capacity-Prüfung: Wer übernimmt jede Übergabe, Ausnahme und Qualitätskontrolle tatsächlich? Dafür werden Zeit, Fähigkeiten und Vertretung eingeplant. Entlastung wird erst angesetzt, wenn die zusätzliche Arbeit mitgerechnet ist.

Capacity heißt: unter realen Bedingungen nachhaltig leisten können

Können beschreibt die Fähigkeit. Capacity beschreibt die nachhaltig verfügbare Leistungskapazität bei konkreter Arbeitsmenge, Komplexität und Belastung. Eine hochqualifizierte Person kann eine falsch gebaute Stelle nicht beliebig kompensieren.

Die Prüfung verbindet Aufgabenmengen und Zeitbedarf mit Unterbrechungen, Belastungsspitzen, Abhängigkeiten, Lernaufwand und Vertretung. Schätzungen bleiben als Annahmen sichtbar und werden mit Beobachtungen aus dem Arbeitsalltag abgeglichen.

Future Job Profile Designer: die Rolle von der künftigen Arbeit her entwerfen

Das Beratungsformat beginnt beim benötigten Ergebnis. Danach wird jede Aufgabe zugeordnet: entfällt, wird vereinfacht, wird technisch automatisiert, wird durch KI vorbereitet oder bleibt bewusst menschliche Arbeit. Bei gemeinsamer Arbeit werden Übergabe, Prüfung und Freigabe ausdrücklich beschrieben.

Erst daraus entstehen ein passender Rollenname und ein neues Jobprofil. Menschliches Urteil, Beziehungsgestaltung und Entscheidungsbefugnis müssen ebenso konkret werden wie technische Unterstützung. Die neue Rolle darf nicht einfach alle schwierigen Restaufgaben sammeln.

Illustratives Beispiel: vom Vertriebs-Allrounder zur klaren Kundenverantwortung

Heute bündelt eine Stelle Kundenkontakt, Recherche, Angebotserstellung, CRM-Pflege, Beschwerden und Umsatzverantwortung. Künftig könnte KI Informationen strukturieren und Angebotsentwürfe vorbereiten. Der Mensch klärt Kundenbedarf, verhandelt und entscheidet über Zusagen innerhalb seines Mandats.

Ein möglicher Rollenname wäre „Kunden- und Lösungsverantwortliche:r“. Ob er passt, hängt vom tatsächlichen Auftrag ab. Vor einer Umstellung werden Datenqualität, Prüfaufwand, Ausnahmefälle und Freigaberechte geklärt. Erst gemessene Entlastung rechtfertigt zusätzliche Kunden oder Aufgaben.

Was Unternehmen konkret erhalten

• Eine Diagnose der bestehenden Rolle: Überdehnung, Mandatslücken, versteckte Arbeit und kritische Schnittstellen.
• Ein zukünftiges Jobprofil: Rollenname, Zweck, erwartete Ergebnisse, Kernaufgaben und klare Grenzen.
• Eine Mensch–KI-Aufgabenverteilung: einschließlich Prüfung, Freigabe, Ausnahmen und verantwortlicher Personen.
• Einen Kapazitäts- und Übergangsplan: Was entfällt, was neu entsteht, wer eingearbeitet wird und welche Arbeit vorübergehend zurücksteht.
• Eine Grundlage für die Besetzung: Wollen · Können · Dürfen · Tragen, mit konkreten Anforderungen und zu prüfenden Annahmen.

Eignung und Passung haben zwei Ebenen

Zuerst wird geprüft, ob die Stelle tragfähig aufgebaut ist. Danach, welcher Mensch mit seinen Motiven, Fähigkeiten und seiner Arbeitsweise zu dieser konkreten Rolle passt. Die Rollenprüfung ersetzt die individuelle Eignungsdiagnostik nicht; sie macht deren Anforderungen klarer.

TOOD strukturiert die Entscheidung über die neue Rolle. SOA prüft ihren Aufbau. SOA LUMEN betrachtet, wie Auftrag, Mandat, Ressourcen und Last im Alltag zusammenpassen. GPTs können Aufgaben strukturieren, Widersprüche markieren und Profilvarianten entwerfen. Ihre Vorschläge müssen an realer Arbeit geprüft und von den zuständigen Menschen entschieden werden.

Woran die Verbesserung erkennbar werden soll

Vor der Veränderung werden Ausgangswerte und Prüftermine vereinbart: etwa Zeit für Abstimmung und Nacharbeit, Rückstände, Überstunden, Durchlaufzeiten und Ergebnisqualität. Im Übergang werden Doppelarbeit und Einarbeitung mitgerechnet. Wenn Qualität sinkt oder Last nur auf andere Rollen wandert, muss das Profil angepasst werden.

Die Wirkung ist im jeweiligen Unternehmen nachzuweisen. Eine pauschale Optimierungsquote wird daraus nicht abgeleitet.

Der Button öffnet Ihr E-Mail-Programm. Eine bestehende Stellenbeschreibung kann als Ausgangspunkt für das Gespräch dienen.

Weiter zu Case 010: Wann ist Recruiting die richtige Antwort?

Die vollständige Veröffentlichung

Die Langfassung vertieft die drei Konstruktionsfehler, ihre wirtschaftlichen Folgen und den Entwurf zukünftiger Jobprofile einschließlich Mensch–KI-Aufteilung, Übergang und Besetzung.

Research Case 005 · Praxisfall zur Betriebsorganisation

Vom KI-Pilot in den tragfähigen Betrieb

Wer übernimmt die Leistung, wenn das Projektteam nicht mehr danebensteht?

Ein Pilot liefert gute Entwürfe. Mitarbeitende prüfen zusätzlich, der alte Prozess läuft weiter, und Sonderfälle landen bei einzelnen Schlüsselpersonen. Dieses illustrative Szenario zeigt die Frage vor der Ausweitung: Kann die Organisation die vollständige Leistung einschließlich Prüfung, Ausnahmen und Ausfällen dauerhaft tragen?

Welche Verpflichtung übernehmen wir mit dem Regelbetrieb – und sind Mandat, Kapazität und wirtschaftlicher Nutzen dafür geklärt?

Die Last hinter dem erfolgreichen Pilot

Fachbereich, IT und Projektleitung tragen Datenpflege, Korrekturen, Rückfragen und laufende Betreuung. Wird die geplante Entlastung schon vorausgesetzt, während beide Prozesse weiterlaufen, entsteht zusätzliche Last. Ohne klares Mandat kann die Projektleitung weder den alten Prozess beenden noch neue Anforderungen begrenzen.

Die Arbeitshypothese lautet: Der Engpass könnte in der Betriebsorganisation liegen. Technische Fehler, unzureichende Daten oder ein ungeeigneter Anwendungsfall bleiben konkurrierende Erklärungen. Sie müssen geprüft werden, bevor eine organisatorische Lösung empfohlen wird.

Was vor dem nächsten Schritt entschieden werden muss

• Leistungsumfang: Für welche Vorgänge und Kunden gilt der Prozess, mit welcher Qualität und welchen Ausschlüssen?
• Tatsächliche Träger: Wer übernimmt Ausführung, Prüfung, Ausnahmen, Betreuung und Vertretung – und welche Arbeit stellt diese Person dafür zurück?
• Mandat: Wer darf freigeben, verändern, unterbrechen und den Wiederanlauf erlauben?
• Übergang: Wie werden Einarbeitung und Doppelbetrieb getragen, und wann darf der alte Prozess enden?
• Wirkungsnachweis: Welche Ausgangswerte und Grenzwerte entscheiden über Ausweitung, Anpassung oder Stopp?

Eine Beispielrechnung macht die Größenordnung sichtbar

Rein illustrative Annahme: 1.000 Vorgänge pro Monat benötigen bisher jeweils 12 Minuten menschliche Arbeit, insgesamt 200 Stunden. Künftig werden jeweils 5 Minuten für Vorbereitung und reguläre Prüfung gebraucht: 83,3 Stunden. Hinzu kommen separat 20 Stunden für Ausnahmen und Nacharbeit sowie 15 Stunden laufende Betreuung.

200 Stunden bisher minus 118,3 Stunden künftig ergeben 81,7 Stunden rechnerische Nettoentlastung pro Monat.

Bei 160 Stunden einmaligem Einführungsaufwand wäre dieser Kapazitätseinsatz nach rund zwei Monaten stabilen Betriebs ausgeglichen. Das setzt vergleichbare Mengen und Qualität voraus. Jede zusätzliche Minute pro Vorgang verbraucht 16,7 Stunden monatlich. Anlaufverluste verlängern die Frist.

Freie Zeit ist noch kein Cash-Effekt

Erst ihre tatsächliche Verwendung bestimmt den Nutzen: zusätzliche Aufträge, kürzere Durchlaufzeiten, weniger Überstunden oder andere notwendige Arbeit. Lizenzen, Integration und laufende Kosten werden gesondert gerechnet. Zeitgewinn und dessen wirtschaftlicher Ertrag dürfen nicht doppelt gezählt werden.

Der konkrete Prüfauftrag

Das Unternehmen erhält einen abgegrenzten Betriebsauftrag, eine Übersicht über Aufgaben und Eingriffsrechte, einen Übergangsplan, eine Kapazitäts- und Kostenrechnung sowie einen Mess- und Entscheidungsplan. Die technische Umsetzung wird mit den dafür verantwortlichen Fachleuten geklärt.

TOOD strukturiert die Entscheidung und ihre Beweisgrenzen. SOA prüft den Aufbau der Betriebsorganisation. SOA LUMEN verfolgt die entstehende Last bis zu ihren tatsächlichen Trägern. Sinkt die Qualität oder wandert die Last lediglich weiter, muss der Umfang angepasst oder die Nutzung unterbrochen werden.

Methodischer Status: Konzeptioneller Praxisfall mit illustrativer Rechnung, kein dokumentierter Kundenerfolg. Die Langfassung erläutert Annahmen, Messung, wirtschaftliche Einordnung und Bedingungen für Ausweitung und Stopp.

Der Button öffnet Ihr E-Mail-Programm. Sie können in Ihrer Anfrage auch den Pilot nennen, dessen Übergang in den Betrieb Sie klären möchten.

Research Case 006

Wenn jede Vorlage neue Arbeit macht

Wie KI die Unternehmensspitze entlasten kann, ohne Risiken zu verdecken oder neue Komplexität zu erzeugen.

Am Ende soll nicht weniger Wirklichkeit sichtbar sein. Es soll weniger ungeklärte Arbeit beim Entscheider liegen.

Methodischer Status: Exploratives Prüfmodell mit fiktivem Unternehmensbeispiel. Kein dokumentierter Kundenerfolg, keine empirische Validierung von TOOD oder SOA LUMEN und keine behauptete technische Runtime-Garantie.

Der Button öffnet Ihr E-Mail-Programm. Sie können auch eine konkrete Entscheidungsfrage nennen. Kein automatischer Versand und keine Newsletter-Anmeldung.

Research Case 007

Der Kaufpreis steht. Trägt die Organisation den Investment Case?

Wie aus Synergieannahmen reale Verpflichtungen werden und was vor der Unterschrift geklärt sein muss.

Bevor Sie für Synergien bezahlen, muss nachvollziehbar sein, wer sie unter welchen Bedingungen tatsächlich erwirtschaften kann.

Methodischer Status: Exploratives Prüfmodell mit fiktivem Unternehmensbeispiel. Kein dokumentierter Kundenerfolg, keine empirische Validierung von TOOD oder SOA LUMEN und keine behauptete technische Runtime-Garantie.

Der Button öffnet Ihr E-Mail-Programm. Sie können auch eine konkrete Entscheidungsfrage nennen. Kein automatischer Versand und keine Newsletter-Anmeldung.

Research Case 008

Ein Unternehmen. Mehrere Steuerungen. Wer entscheidet?

Was die Holding verbindlich regeln muss und was Länder und Standorte selbst entscheiden können müssen.

Die Holding muss entscheiden können, was die Gruppe betrifft. Länder und Standorte brauchen Einfluss auf die Ergebnisse, für die sie vor Ort geradestehen sollen.

Methodischer Status: Exploratives Prüfmodell mit fiktivem Unternehmensbeispiel. Kein dokumentierter Kundenerfolg, keine empirische Validierung von TOOD oder SOA LUMEN und keine behauptete technische Runtime-Garantie.

Der Button öffnet Ihr E-Mail-Programm. Sie können auch eine konkrete Entscheidungsfrage nennen. Kein automatischer Versand und keine Newsletter-Anmeldung.

Decision Case 009

Unterstützung, die sich tragen lässt

Wie Unternehmen externe Kompetenz einbinden – mit klarem Auftrag, begrenztem Aufwand und einem Ergebnis, mit dem sie weiterarbeiten können.

Eine Schlüsselposition muss besetzt werden. Eine Entscheidung wartet auf Freigabe. Ein KI-Vorhaben soll in den Betrieb übergehen.

Die Verantwortlichen kennen ihr Unternehmen. Was ihnen möglicherweise fehlt, ist Zeit für eine vertiefte Prüfung, ein unabhängiger Blick oder gezielte Unterstützung bei der Umsetzung. Gleichzeitig darf diese Unterstützung nicht selbst zum nächsten Projekt werden, das Führungskräfte beschäftigt.

Welchen klar begrenzten Beitrag kann ein externer Partner leisten, damit die konkrete Aufgabe besser lösbar wird?

Die Ausgangslage

Ein Geschäftsführer möchte eine Führungsposition neu besetzen. Eigentümer und Fachbereich erwarten eine schnelle Lösung. HR hat bereits ein Stellenprofil vorbereitet.

Im beispielhaften Fall entsteht eine zusätzliche Frage: Soll die neue Führungskraft den bisherigen Bereich stabilisieren, Wachstum ermöglichen oder gleichzeitig die Arbeitsteilung mit KI verändern?

Alle drei Erwartungen können berechtigt sein. Ob sie in einer einzigen Rolle zusammenpassen, ist noch offen. Solange die Priorität ungeklärt bleibt, tragen HR und Fachbereich die zusätzliche Abstimmung. Die Entscheidung über den tatsächlichen Auftrag wird in die Kandidatensuche verschoben. Das kann Suchdauer, Auswahl und spätere Leistungserwartungen belasten.

Ein sinnvoller Beratungsauftrag beginnt hier mit einem vereinbarten Ergebnis: einem belastbaren Suchauftrag, auf dessen Grundlage passende Menschen gefunden und beurteilt werden können.

Der Einstieg: eine konkrete Aufgabe

Welles & Welles klärt gemeinsam mit dem Auftraggeber:

• Welches Ergebnis wird benötigt?
• Was ist bereits entschieden, was noch offen?
• Welche Unterlagen und Gespräche sind dafür notwendig?
• Wer muss beteiligt sein und wer entscheidet?
• Wie viel interne Zeit, Budget und Bearbeitungszeit stehen zur Verfügung?
• Wann ist der Auftrag erfüllt?

Der Umfang wird vor Beginn vereinbart. Eine Erweiterung erfolgt nur nach einer ausdrücklichen Entscheidung des Auftraggebers.

Entscheidungen klären – TOOD Decision Review

Eine bevorstehende Entscheidung wird gezielt vorbereitet. Untersucht werden die tragenden Annahmen, realistische Alternativen und die Verpflichtungen, die aus der Entscheidung entstehen.

Das Ergebnis ist eine kompakte Entscheidungsgrundlage: Was spricht für welche Option? Was muss vorher geklärt werden? Unter welchen Bedingungen ist die Umsetzung tragfähig?

Rollen tragfähig besetzen – Stellenprüfung und Recruiting

Eine konkrete Rolle wird bei Bedarf auf Auftrag, Befugnisse, Ressourcen und Belastung geprüft. Daraus entstehen ein klares Anforderungsprofil und nachvollziehbare Kriterien für Suche und Auswahl.

Recruiting kann auch direkt beauftragt werden. Eine zusätzliche Organisationsberatung ist keine Voraussetzung.

KI-Agenten kontrolliert handeln lassen – Agent Readiness Review

Ein abgegrenzter Anwendungsfall wird darauf geprüft, welche Verpflichtungen ein Agent erzeugen darf, welche Nachweise erforderlich sind und wann Freigabe, Eskalation oder Stop greifen sollen.

Das Ergebnis sind Anforderungen an Mandat und Kontrolle. Technische Integration und der Nachweis ihrer Wirksamkeit benötigen einen gesondert vereinbarten Umsetzungsschritt.

Zusammenarbeit, die intern anschlussfähig bleibt

Externe Unterstützung braucht einen transparenten Auftrag. Beteiligte sollten wissen, warum sie einbezogen werden, welche Informationen benötigt werden und wie Ergebnisse verwendet werden.

Bestehende Arbeit wird aufgenommen. Gespräche bleiben auf die Aufgabe begrenzt. Rückmeldungen beschreiben konkrete Bedingungen und Lösungsmöglichkeiten.

Wenn Verantwortung und Befugnisse nicht zusammenpassen, lautet die Arbeitsfrage beispielsweise:

Welche Entscheidung muss diese Rolle selbst treffen können, damit sie das vereinbarte Ergebnis erreicht?

So lässt sich ein schwieriger Sachverhalt bearbeiten, ohne daraus ein persönliches Urteil über Beteiligte zu machen. Wesentliche Widersprüche bleiben dennoch sichtbar.

Welche Rolle TOOD und SOA LUMEN übernehmen

TOOD strukturiert die Prüfung: Was muss entschieden werden, worauf stützt sich die Entscheidung und welche Verpflichtung entsteht?

SOA LUMEN hilft sichtbar zu machen, ob Verantwortung, Mandat, Ressourcen und nachhaltig verfügbare Kapazität zusammenpassen.

KI unterstützt bei der Aufbereitung von Informationen und beim Prüfen von Alternativen. Ihre Ausgaben werden geprüft; offene Annahmen bleiben erkennbar. Der Auftraggeber erhält eine verdichtete Arbeitsgrundlage mit nachvollziehbarer Begründung.

Woran der Nutzen erkennbar wird

Die Arbeitshypothese: Ein begrenzter Prüfauftrag kann spätere Such-, Abstimmungs- und Korrekturarbeit reduzieren. Ob dies tatsächlich gelingt, wird am vereinbarten Ergebnis beurteilt.

Ist der Suchauftrag klar genug, um geeignete Kandidaten anzusprechen? Ist eine Entscheidung besser begründet? Sind Zuständigkeiten und Freigabegrenzen eindeutig? Kann die nächste Handlung mit den vorhandenen Mitteln umgesetzt werden?

Auch Honorar und interne Zeit, die die Zusammenarbeit beansprucht, gehören zu dieser Bewertung.

Am Ende kann eine Besetzung, ein Umsetzungsschritt oder eine weitere Prüfung stehen. Ebenso kann das Ergebnis lauten: Die vorhandene Grundlage genügt. Zusätzliche Beratung ist derzeit nicht erforderlich.

Ein guter Beratungsauftrag hat einen klaren Anfang, ein nutzbares Ergebnis und ein vereinbartes Ende.

Methodischer Status: Dieser Case beschreibt ein mögliches Vorgehen anhand einer beispielhaften Situation. Er ist kein dokumentierter Kundenfall und kein Nachweis garantierter Ergebnisse.

Der Button öffnet Ihr E-Mail-Programm. Sie versenden die Anfrage selbst. Kein automatischer Versand und keine Newsletter-Anmeldung.

Research Case 010 · Recruiting 5.0

Die Stelle ist frei. Aber ist sie noch richtig?

Wie sich Personalberatung verändert, wenn Menschen, AI Agents und Systeme gemeinsam Arbeit, Entscheidungen und Verantwortung übernehmen.

Case 004 · Future Job Profile Designer fragt: Wie muss sich die Stelle verändern? Case 010 führt diese Prüfung zur nächsten Entscheidung: Soll überhaupt rekrutiert werden?

Eine Schlüsselposition wird frei.

Der bisherige Stelleninhaber geht. Die Rolle ist bekannt. Das Profil existiert. Die Organisation kennt den Bedarf.

Der naheliegende nächste Schritt lautet: Stellenprofil aktualisieren, Suchauftrag formulieren, Kandidaten ansprechen.

Doch möglicherweise beginnt die eigentliche Entscheidung früher.

Denn AI verändert nicht nur, wie Menschen ihre Arbeit erledigen. Sie verändert zunehmend, welche Arbeit überhaupt menschlich bleiben muss, welche Entscheidungen delegierbar werden und welche neue Verantwortung dadurch beim Menschen entsteht.

Damit wird aus einer vermeintlich einfachen Nachbesetzung eine Organisationsfrage.

Wenn wir die Organisation heute mit den Möglichkeiten der kommenden Jahre neu bauen würden: Würden wir diese Stelle noch genauso schaffen?

Die Beobachtung

Klassisches Recruiting beginnt in der Regel mit einer definierten Rolle.

Auch moderne Recruitingansätze verändern daran zunächst wenig. Sie verbessern Suche, Matching, Ansprache, Assessment oder Prozessgeschwindigkeit.

Das kann Recruiting effizienter machen.

Es beantwortet aber noch nicht die vorgelagerte Frage:

Ist die Rolle, für die wir rekrutieren, selbst zukunftsfähig konstruiert?

Eine gute Person kann in einer schlecht konstruierten Rolle nicht dauerhaft wirksam werden.

Deshalb reicht es nicht, zusätzliche AI-Kompetenz in eine bestehende Stellenbeschreibung aufzunehmen.

Die Arbeit selbst muss geprüft werden.

Die Hypothese

Je stärker AI Agents operative Arbeit, Analyse, Vorbereitung und begrenzte Entscheidungen übernehmen können, desto wichtiger wird es, Recruiting nicht beim Kandidaten, sondern bei der zukünftigen Human Capacity zu beginnen.

Damit verschiebt sich die Leitfrage von:

„Wen brauchen wir?“

zu:

„Welche menschliche Entscheidungs- und Verantwortungskapazität braucht diese Organisation künftig überhaupt?“

Erst wenn diese Frage beantwortet ist, lässt sich sinnvoll entscheiden, ob Recruiting die richtige Antwort ist.

Vom Job zur Decision Load

Eine Stelle besteht nicht nur aus Aufgaben.

Sie enthält Entscheidungen, Verantwortungen, Schnittstellen, Abhängigkeiten und Verpflichtungen.

Deshalb betrachten wir zunächst, welche Business Outcomes erreicht werden sollen und welche Arbeit und Entscheidungen dafür künftig notwendig sind.

Ein AI Agent kann beispielsweise Informationen sammeln, Optionen vorbereiten, Risiken erkennen oder Routineentscheidungen innerhalb definierter Grenzen treffen.

Damit verschwindet jedoch nicht automatisch die menschliche Verantwortung.

Im Gegenteil: Es können neue Aufgaben entstehen. Menschen müssen Ausnahmen bewerten, Zielkonflikte entscheiden, Agenten überwachen, materielle Commitments tragen und Verantwortung dort übernehmen, wo Automation an ihre Grenzen kommt.

Deshalb gilt:

Automatisierbare Arbeit ist nicht automatisch delegierbare Verantwortung.

Human, Agent oder System?

Im nächsten Schritt wird die zukünftige Arbeit bewusst verteilt.

Nicht nach der Frage, was technisch möglich ist, sondern danach, welche Form der Arbeit und Entscheidung sinnvoll getragen werden kann.

Routine, Informationsverarbeitung oder klar begrenzte Entscheidungen können stärker bei Agents oder Systemen liegen.

Unsichere, strategische oder folgenreiche Entscheidungen können weiterhin menschliches Urteil und Verantwortung benötigen.

Die relevante Frage ist nicht:

„Wie viel können wir automatisieren?“

Sondern:

„Wie muss die Arbeit zwischen Mensch, Agent und System verteilt werden, damit die Organisation insgesamt wirksamer und tragfähiger wird?“

SOA LUMEN: Kann die Organisation die neue Rolle tragen?

Danach reicht es nicht festzustellen, welche Entscheidungen beim Menschen verbleiben.

Es muss auch geprüft werden, ob die Organisation diese Verantwortung tatsächlich tragen kann.

SOA LUMEN betrachtet deshalb unter anderem Last, Mandat, Authority, Capability, Ressourcen, Abhängigkeiten, Schnittstellen, Carrier und verfügbare Capacity.

Besonders relevant ist dabei die Arbeit, die durch Automation neu entsteht.

Wenn ein Agent operative Arbeit reduziert, gleichzeitig aber zusätzliche Freigaben, Kontrollen und Eskalationen produziert, kann lokal Effizienz entstehen und systemisch trotzdem neue Belastung.

Die entscheidende Frage lautet deshalb:

Wird wirklich menschliche Capacity frei – oder verschiebt sich die Arbeit lediglich?

Das Future Job Profile

Aus dieser Analyse entsteht das zukünftige Jobprofil.

Nicht als überarbeitete Stellenbeschreibung, sondern als Beschreibung dessen, was der Mensch in der zukünftigen Organisation tatsächlich entscheiden, verantworten und tragen soll.

Das Future Job Profile verbindet Business Outcome, verbleibende Decision Load, Human- und Agent-Verantwortung, Mandat, Entscheidungsspielraum, Capability, Ressourcen und Schnittstellen.

Damit beantwortet der Future Job Profile Designer die Frage:

Welche menschliche Rolle braucht die zukünftige Organisation?

Erst jetzt ist die Rolle ausreichend geklärt, um über Besetzung zu sprechen.

Die eigentliche Recruitingentscheidung

An diesem Punkt entsteht eine zweite Entscheidung.

Die Frage lautet nicht automatisch:

„Wen suchen wir?“

Sondern:

„Wie schließen wir die festgestellte Capacity-Lücke?“

Mögliche Antworten sind Recruit, Develop, Redeploy, Redesign, Automate oder Defer.

Vielleicht wird tatsächlich eine neue Person benötigt.

Vielleicht kann eine bestehende Führungskraft die zukünftige Rolle übernehmen.

Vielleicht muss die Arbeit anders geschnitten werden.

Vielleicht gehört ein erheblicher Teil des vermeintlichen Personalbedarfs künftig zu Agents oder Systemen.

Ein Recruitingmandat sollte erst entstehen, wenn Recruit tatsächlich die begründete Antwort auf diese Frage ist.

Beispiel: Der Head of Procurement geht

Angenommen, der Head of Procurement verlässt das Unternehmen.

Die klassische Reaktion wäre, einen möglichst passenden Nachfolger zu suchen.

Recruiting 5.0 würde zunächst prüfen, wie Procurement künftig funktionieren soll.

Welche Analysen können Agents übernehmen? Welche Routineentscheidungen sind delegierbar? Welche strategischen Supplier Decisions müssen menschlich bleiben? Wer trägt materielle Commitments? Welche neue Kontroll- und Eskalationsarbeit entsteht durch Agents? Und welche Führungskapazität benötigt die Organisation dafür?

Aus dem bisherigen Head of Procurement könnte dadurch eine deutlich andere Rolle entstehen.

Nicht deshalb, weil die Stellenbeschreibung moderner formuliert wird.

Sondern weil sich Arbeit, Entscheidungen und Verantwortung tatsächlich verändert haben.

Erst danach lässt sich entscheiden, ob ein externer Search erforderlich ist – und welches Profil überhaupt gesucht werden sollte.

Wenn Recruiting die richtige Antwort ist

Auch Candidate Fit verändert sich.

Erfahrung und fachliche Fähigkeiten bleiben relevant. Sie reichen aber nicht aus.

Entscheidend wird zusätzlich, ob eine Person das künftige Mandat übernehmen, mit Agents und Systemen wirksam arbeiten und die verbleibende Entscheidungs- und Verantwortungslast tragen kann.

Damit bleibt die bestehende Welles-&-Welles-Logik erhalten:

Wollen · Können · Dürfen · Tragen.

Nur die Organisation, in der diese vier Fragen beantwortet werden müssen, verändert sich.

Nach der Einstellung ist die Architektur nicht beendet

Mit Agents entsteht nach dem Hire eine weitere Governance-Frage.

Welche Entscheidungen darf der Mensch selbst treffen? Welche Entscheidungen darf ein Agent innerhalb definierter Grenzen übernehmen? Wann braucht es Approval? Wann muss eskaliert werden? Welche Wirkung darf ausdrücklich nicht autonom entstehen?

Hier beginnt die Verbindung zu TOOD 3.

TOOD behandelt nicht den Jobtitel als Governance-Objekt, sondern die konkrete organisatorische Konsequenz.

Damit werden technische Capability und organisatorische Authority bewusst getrennt.

Ein Agent kann technisch handeln, ohne die Authority zu besitzen, die entsprechende Wirkung erzeugen zu dürfen.

Recruiting 5.0

Recruiting 5.0 wäre damit kein neues AI-Recruiting-Tool.

Es beschreibt einen veränderten Ausgangspunkt der Personalberatung.

Nicht:

Vacancy → Profil → Kandidat → Besetzung

sondern:

Business Outcome → zukünftige Arbeit → Decisions → Human/AI Allocation → Capacity → Future Job Profile → Capacity-Entscheidung → gegebenenfalls Recruiting.

Das Ziel ist nicht einfach eine besetzte Stelle.

Das Ziel ist eine Organisation, in der menschliche Entscheidungs- und Verantwortungskapazität dort eingesetzt wird, wo sie tatsächlich benötigt wird.

Was daraus folgt

Personalberatung könnte damit künftig früher beginnen.

Nicht erst, wenn eine fertige Stellenbeschreibung auf dem Tisch liegt.

Sondern bereits bei der Frage, ob eine bisherige Rolle angesichts von AI Agents, Automation und veränderter Decision Load überhaupt noch richtig konstruiert ist.

Das verändert auch den wirtschaftlichen Auftrag.

Wenn die Analyse ergibt, dass eine Stelle nicht nachbesetzt werden sollte, darf das für den Berater kein Misserfolg sein.

Die vorgelagerte Stellen- und Capacity-Prüfung muss deshalb einen eigenständigen Beratungswert besitzen.

Nur dann kann die Antwort glaubwürdig auch lauten:

Nicht suchen. Erst die Organisation verändern.

Die Forschungsfrage

Wird Personalberatung in einer agentischen Organisation vom Besetzen bestehender Stellen zum Gestalten menschlicher Entscheidungs- und Verantwortungskapazität?

Unsere Arbeitshypothese lautet:

Ja – sofern Future Work, Future Job Profile, organisatorische Capacity und Recruiting nicht länger als getrennte Themen behandelt werden.

Recruiting wird dadurch nicht überflüssig.

Es beginnt nur später – und auf einer besseren Grundlage.

Einordnung und Grenze

Recruiting 5.0 ist derzeit ein Research- und Entwicklungsansatz.

Der Case beschreibt eine Architektur und Arbeitshypothese. Er ist kein Nachweis dafür, dass dieser Ansatz bereits bei Kunden zu bestimmten wirtschaftlichen Ergebnissen geführt hat.

Der Future Job Profile Designer, SOA LUMEN und TOOD 3 liefern unterschiedliche Bausteine für diese Fragestellung. Ihre Verbindung zu einem durchgängigen Recruiting-5.0-Prozess muss anhand konkreter Mandate weiter geprüft werden.

Die relevante Frage für den nächsten realen Besetzungsfall lautet deshalb zunächst ganz einfach:

Bevor wir suchen: Ist die Stelle selbst schon bereit für die Zukunft?

Der Button öffnet Ihr E-Mail-Programm. Sie versenden die Anfrage selbst.

Zehn Cases. Von der Systemfrage zur konkreten Führungsentscheidung.

Die zehn Cases verbinden gesellschaftliche und organisationale Tragfähigkeit mit Rollen, KI im Betrieb, Entscheidungszuarbeit, M&A und der Aufgabenverteilung zwischen Holding, Ländern und Standorten sowie dem gezielten Einstieg in die Zusammenarbeit und der Entscheidung über zukünftige Besetzungen.

Deutschland 2035 fragt:

Können wir unsere Commitments tragen?

Wenn Konsens auf Knappheit trifft fragt:

Wie entstehen diese Commitments – und können wir sie unter Knappheit noch priorisieren?

AI Adoption ≠ Net Capacity Gain fragt:

Kann Technologie die verfügbare Capacity fundamental verändern – und unter welchen organisationalen Bedingungen gelingt das tatsächlich?

Tragfähige Stellen & Future Job Profile Designer fragt:

Wie wird aus einer überdehnten Stelle eine tragfähige Rolle mit klarer Arbeitsteilung zwischen Mensch und KI?

Vom KI-Pilot in den tragfähigen Betrieb fragt:

Wer trägt die vollständige Leistung im Alltag, und wie wird die tatsächliche Entlastung nachgewiesen?

Recruiting 5.0 fragt:

Welche menschliche Entscheidungs- und Verantwortungskapazität braucht die Organisation künftig – und ist Recruiting die richtige Antwort?

Daraus entsteht die übergeordnete Forschungsfrage von Sustainable Organizational Architecture:

Wie müssen Organisationen und Gesellschaften ihre Entscheidungs-, Commitment- und Capacity-Architektur gestalten, damit ihre strategischen Verpflichtungen unter realen wirtschaftlichen, menschlichen und technologischen Bedingungen nachhaltig tragfähig bleiben?

Methodischer Hinweis

Die Research Cases sind explorative Analysen und keine wissenschaftliche Validierung von TOOD oder Sustainable Organizational Architecture.

Beobachtete Sachverhalte, analytische Ableitungen, Hypothesen und Szenarien werden voneinander getrennt.

Neu entwickelte Begriffe wie Net AI Capacity Gain, Commitment-to-Capability Competition, Capacity Paybackoder Constraint Migration werden als Research Constructs beziehungsweise Messkandidaten behandelt, solange keine ausreichende empirische Validierung vorliegt.

KI unterstützt Recherche, Strukturierung, Berechnung, Hypothesenbildung und Gegenpositionen.

AI Output ist dadurch noch keine Primärevidenz.

Und:

AI Capability schafft keine menschliche Authority.

Vollständige Research Publications

Sie möchten einen Research Case vertiefen?

Fordern Sie die vollständige Veröffentlichung des gewünschten Cases per E-Mail an. Sie können auch einen konkreten Prüfauftrag anfragen: Stellen, KI-Betrieb, Führungsentscheidungen, Erwerbsvorhaben oder Entscheidungsrechte in der Matrix.

Die Langfassungen enthalten – abhängig vom jeweiligen Case – vertiefte Analysen, Systemgrafiken, Quellen, Gegenhypothesen, Proof Boundaries, Research Constructs und methodische Dokumentation.

Der Button öffnet Ihr E-Mail-Programm. Bitte nennen Sie den gewünschten Research Case; Sie versenden die Anfrage selbst. Alternativ schreiben Sie an info@welles-welles.de.

Research Case 001 – Deutschland 2035

Research Case 002 – Wenn Konsens auf Knappheit trifft

Research Case 003 – AI Adoption ≠ Net Capacity Gain

Research Case 004 – Tragfähige Stellen und zukünftige Jobprofile

Research Case 005 – Vom KI-Pilot in den tragfähigen Betrieb

Research Case 006 – Wenn jede Vorlage neue Arbeit macht

Research Case 007 – Der Kaufpreis steht. Trägt die Organisation den Investment Case?

Research Case 008 – Ein Unternehmen. Mehrere Steuerungen. Wer entscheidet?

Decision Case 009 – Unterstützung, die sich tragen lässt

Research Case 010 – Recruiting 5.0: Die Stelle ist frei. Aber ist sie noch richtig?

Mit Ihrer Anfrage bestellen Sie keinen Newsletter.