KI-Agenten sind keine Mitarbeitenden. Warum L&D trotzdem zur Schlüsselfunktion in der KI-Transformation wird.
Zwei aktuelle HBR-Studien zeigen, warum die Lernarchitektur Ihres Unternehmens darüber entscheidet, ob Ihre KI-Strategie Substanz hat oder zur Substitutionsfalle wird. Eine Einordnung für L&D- und Personalentwicklungs-Verantwortliche.
Wenn Sie heute eine L&D-, Personalentwicklungs- oder Weiterbildungsfunktion verantworten, kennen Sie wahrscheinlich diesen Auftrag: Machen Sie unsere Organisation KI-fit. Möglichst schnell, möglichst breit, möglichst messbar.
Sie kennen auch die Begleiterscheinungen. Eine Welle an Anbietern mit ähnlich klingenden Angeboten. Erwartungsdruck aus Geschäftsführung und Fachbereichen. Budgets, die für mehrere strategische Themen reichen müssen. Und das diffuse Gefühl, dass die nächste Generation von KI, autonome Agenten, schon wieder die Regeln verändert, bevor das letzte Curriculum überhaupt eingeführt ist.
In dieser Lage liegt die größte Versuchung darin, schnelle, breite Trainingsmaßnahmen aufzulegen, um das Thema „erledigt“ zu haben. Genau das ist die Weichenstellung, die Ihre KI-Transformation nachhaltig schwächen kann.
Die unscheinbare, aber teure Weichenstellung
Im Kern stehen L&D-Verantwortliche aktuell vor einer Frage, die selten so klar gestellt wird: Soll KI bei Ihnen Menschen ersetzen oder Menschen befähigen? Anders formuliert: Folgen Sie der Logik von Automation oder von Augmentation?
Diese Frage klingt strategisch und scheint weit weg von der operativen L&D-Arbeit. Tatsächlich ist sie genau dort entscheidbar. Denn Ihre Curricula, Lernpfade, Förderprogramme und Kompetenzmodelle senden im Alltag jene Signale, die Mitarbeitende lesen, lange bevor der Vorstand seine KI-Strategie auf einer All-Hands-Folie zusammenfasst.
Zwei aktuelle Beiträge aus dem Harvard Business Review zeigen, warum diese Weichenstellung den ROI Ihrer KI-Investitionen direkt bestimmt.
Studie 1: Augmentation schlägt Automation auf der langen Strecke
Im April 2026 veröffentlichten Jan-Emmanuel De Neve (Oxford), Jeffrey Hancock (Stanford) und Kate Niederhoffer (BetterUp) im HBR die Studie „Why Companies That Choose AI Augmentation Over Automation May Win in the Long Run“.
Die Autoren befragten 1.294 Wissensarbeitende in den USA, Kanada und Großbritannien zur Wahrnehmung der KI-Strategie ihres Arbeitgebers. Drei Ergebnisse sind für L&D besonders relevant:
- 62 Prozent der Befragten glauben, ihre Organisation setze KI ein, um Mitarbeitende zu befähigen. 34 Prozent vermuten, KI werde primär zur Kostensenkung und Personalreduktion eingesetzt.
- Die Wahrnehmung divergiert dramatisch nach Hierarchieebene: 81 Prozent der Senior Leader sehen ihre Organisation auf dem Augmentation-Pfad. Auf der Mitarbeiterebene sind es nur 53 Prozent.
- Mitarbeitende, die Augmentation wahrnehmen, zeigen eine um 32 Prozent niedrigere Wechselabsicht als jene, die Automation vermuten.
Die Autoren zeichnen zwei Pfade, die sich über sechs Phasen entgegengesetzt entwickeln. Der Automation-Pfad bringt kurzfristige Effizienzgewinne, führt aber langfristig zu Vertrauensverlust, sinkendem Wellbeing, steigender Fluktuation und einer austrocknenden Führungskräfte-Pipeline. Der Augmentation-Pfad erfordert höhere Anfangsinvestitionen, baut aber compoundierende Vorteile auf: stärkere Bindung, höhere Innovationsfähigkeit, robustere Talentpipelines.
Die Autoren stützen sich auf das Konzept der „Produktivitäts-J-Kurve“ von Erik Brynjolfsson. Investitionen in eine General-Purpose-Technologie wie KI zahlen sich erst nach einer Phase der organisatorischen Anpassung aus, in der Workflows, Rollen und Kompetenzen neu konfiguriert werden. Brynjolfsson schätzt: Diese organisatorische Arbeit kostet etwa das Zehnfache der reinen Technologieeinführung.
Für L&D heißt das: Die teurere Hälfte der KI-Transformation läuft genau über Ihren Tisch. Wenn Sie sie unterschätzen, verschenken Sie den langfristigen Return der gesamten Investition.
Studie 2: KI-Agenten sind keine Kollegen
Wenige Wochen später, am 6. Mai 2026, erschien im HBR die Studie „Research: Why You Shouldn’t Treat AI Agents Like Employees“ von Matthew Kropp, Julie Bedard, Megan Hsu und Lisa Krayer (alle BCG / BCG Henderson Institute) sowie Emma Wiles (Boston University, MIT Initiative on the Digital Economy).
Die Autorinnen und Autoren untersuchten in einem Experiment, was passiert, wenn dieselbe KI-Capability einmal als „Tool“ und einmal als „virtueller Kollege“ mit Namen, Avatar und Platz im Org-Chart eingeführt wird. Die Anthropomorphisierung der Agenten führte zu vier messbaren Effekten:
- Accountability sinkt. Mitarbeitende fühlen sich weniger verantwortlich für Output, der formal von einem „Kollegen“ stammt.
- Eskalationen steigen. Statt selbst zu entscheiden, wird häufiger an die nächste menschliche Führungsebene weitergereicht.
- Reviewqualität leidet. Output eines „Kollegen“ wird weniger kritisch geprüft als Output eines „Tools“.
- Rollenklarheit sinkt. Mitarbeitende verlieren das Verständnis dafür, was ihr eigener Beitrag eigentlich ist.
Der entscheidende Befund ist jedoch nicht der Schaden allein, sondern dass die vermeintliche Belohnung ausbleibt: Die Adoptionsrate verbessert sich durch die Anthropomorphisierung nicht. Die Kollegen-Metapher kostet Governance-Qualität, ohne die Akzeptanz zu erhöhen.
Für L&D ist das ein konkretes Designkriterium. Wenn Lernformate, Kommunikation und Materialien KI-Agenten wie neue Mitarbeitende einführen, mit Onboarding-Sprache, „Kennenlernen“, „Performance-Reviews“ für Agenten, dann produzieren sie genau die Effekte, die L&D eigentlich verhindern soll: Verantwortungsdiffusion, Eskalationsketten und Qualitätsverlust.
Die L&D-Falle: Wenn Schulungen die Substitutionslogik verstärken
Aus diesen beiden Studien ergibt sich eine Linie, die in der operativen L&D-Arbeit oft übersehen wird: Sobald L&D KI-Agenten in die Logik klassischer Mitarbeiterverwaltung übersetzt, kommt der Substitutionsreflex durch die Hintertür zurück. Aus Onboarding wird Konfiguration. Aus Führung wird Prompt-Delegation. Aus Mitarbeiterentwicklung wird Agent-Management.
Und die Mitarbeitenden lesen das. Sie sehen ein „KI-Agent als Kollege“-Schulungsmodul und schließen daraus, dass ihre eigene Rolle ersetzbar werden soll. Genau die Wahrnehmung, die laut De Neve et al. die Wechselabsicht um 32 Prozent erhöht.
Die operative Falle ist also nicht „Vermenschlichung im Marketing“, sondern „Vermenschlichung in der Lernarchitektur“. Und sie passiert oft unbeabsichtigt, weil L&D-Verantwortliche gewohnt sind, neue Akteure mit den Werkzeugen einzuführen, die für Menschen funktionieren.
Die neue Rolle von L&D
Die produktive Frage für L&D lautet daher nicht: „Wie schulen wir Mitarbeitende auf die neuen KI-Agenten?“
Sondern: „Welche Menschen müssen welche Entscheidungen, Reviews und Verantwortlichkeiten behalten, und welche neuen Fähigkeiten brauchen sie dafür?“
In dieser Umformulierung steckt die neue Kernrolle von L&D in der KI-Transformation. Sie hat vier Dimensionen:
- Enablement. Mitarbeitende und Führungskräfte werden befähigt, KI-Agenten produktiv zu nutzen, kritisch zu prüfen und in eigene Workflows zu integrieren. L&D liefert die didaktische Brücke zwischen Tool und Anwender.
- Skill-Design. L&D definiert, welche Kompetenzen in einer Welt mit Agenten wichtiger werden: Urteilsfähigkeit, kritisches Prüfen von KI-Output, Promptdesign, fachliche Tiefe in unverzichtbaren Domänen. Daraus entstehen die neuen Kompetenzprofile.
- Führungsentwicklung neu denken. Führung mit Agenten verändert sich grundlegend. Reviewroutinen, Entscheidungswege und Eskalationspfade müssen neu definiert werden. L&D begleitet Führungskräfte aktiv durch diesen Rollenwandel.
- Verantwortungsarchitektur mitgestalten. Wer ist verantwortlich, wenn ein Agent einen Fehler macht? Wer prüft, was freigegeben wird? L&D ist Mitgestalterin dieser Architektur, gemeinsam mit Compliance, Technik und Fachbereichen.
Was L&D-Verantwortliche jetzt konkret tun sollten
Aus den Studien und unserer Beratungspraxis lassen sich vier konkrete Hebel ableiten:
- Differenzierte Lernpfade aufsetzen. Senior Leadership braucht andere KI-Kompetenzen als Middle Management oder Individual Contributors. Ein einheitliches „KI für alle“-Training erzeugt die Wahrnehmungslücke eher, als sie zu schließen. Bauen Sie Curricula, die rollenspezifisch sind und an reale Workflows ankoppeln.
- KI-Lernen kontinuierlich machen. Die Halbwertszeit von KI-Anwrdnungs-Wissen ist kurz. Einmalige Workshops sind eine Einladung an Schein-Adoption. Etablieren Sie wiederkehrende Lernformate, interne Multiplikatoren und sichtbare Erfolgsgeschichten aus dem eigenen Haus.
- Kompetenz in Verantwortung übersetzen. Wer hat welche KI-Anwendung freigegeben, wer prüft den Output, wer trägt die Konsequenzen? L&D liefert die Kompetenzgrundlage. Gemeinsam mit Compliance und Fachbereichen wird daraus eine Verantwortungsarchitektur, die Substitutionsreflexe verhindert.
- Förderungen strategisch nutzen. Über das Qualifizierungschancengesetz (QCG) lassen sich KI-Weiterbildungen substanziell fördern. Wer KI-Reskilling als strategische Investition versteht und nicht als Weiterbildungs-Nebenposten, holt sich nicht nur Wirkung, sondern auch Budget.
Fazit
KI-Agenten sind keine Mitarbeitenden. Sie sind leistungsfähige Werkzeuge in einer neuen Klasse, die menschliche Supervision, klare Verantwortlichkeiten und durchdachte Workflows erfordert.
L&D ist in dieser Transformation nicht weniger wichtig geworden, im Gegenteil. Die Rolle verschiebt sich aber grundlegend. L&D ist nicht die Onboarding-Stelle für Agenten. L&D ist die Architekturfunktion, die Mitarbeitende befähigt, mit Agenten zu arbeiten, und die Verantwortung dort hält, wo sie hingehört: beim Menschen.
Wer diese Verschiebung jetzt aktiv gestaltet, baut die Voraussetzungen für die compoundierenden Vorteile des Augmentation-Pfades. Wer sie ignoriert, verschenkt sie. Und merkt es erst, wenn Pipeline, Bindung und Vertrauen erodiert sind.
So unterstützen wir L&D-Teams
Wir bauen mit Ihnen die Lernarchitektur, die Ihre KI-Transformation tragfähig macht:
- KI für Führungskräfte: Strategie- und Praxistraining für die Leadership-Ebene. Schließt die Wahrnehmungslücke zwischen C-Level und Mittelmanagement.
- KI-Manager:in: Zertifizierte Weiterbildung für interne Multiplikatoren und KI-Experten:innen-Teams. Hybrides Format, AZAV-zertifiziert.
- KI-Botschafter:in: Skalierbares Training für die breite Belegschaft, eLearning kombiniert mit Live-Sessions.
- KI-Beratung: Strategische Begleitung bei der Konzeption von KI-Kompetenzaufbau, Governance und Verantwortungsarchitektur.
- Geförderte Weiterbildung gem. QCG: Wir prüfen mit Ihnen, welche Förderkulisse für Ihr Unternehmen anwendbar ist und unterstützen bei der Antragstellung.
Sprechen Sie uns gerne direkt an. Wir starten in der Regel mit einem 30-minütigen Strategiegespräch, in dem wir Ihren konkreten Bedarf einordnen und gemeinsam die nächsten Schritte definieren.
Autor: Dr. Philipp Schlenkhoff, Mitgründer AI Transformation Institute
