Eine aktuelle Studie zeigt: Hybride Teams aus Mensch und KI werden in Großunternehmen zum Standard. Doch fehlende Betriebsmodelle und unklare Verantwortlichkeiten bremsen das Potenzial aus
Hybride Teams, in denen Menschen und künstliche Intelligenz (KI) gemeinsam arbeiten, entwickeln sich laut einer aktuellen Studie von HFS Research und Wipro in großen Unternehmen weltweit rasch zum neuen Standard. Während erste Pilotprojekte und KI-Agenten bereits im Alltag vieler Organisationen angekommen sind, bleibt die Frage nach klaren Entscheidungsstrukturen und Verantwortlichkeiten häufig ungelöst. Die Studie, die unter 101 Führungskräften aus Nordamerika, Westeuropa, Australien, Neuseeland, dem asiatisch-pazifischen Raum und dem Mittleren Osten durchgeführt wurde, verdeutlicht: 90 Prozent der Befragten erwarten, dass hybride Teams spätestens in drei Jahren zum Regelfall werden - mehr als die Hälfte rechnet sogar mit einer Umsetzung innerhalb von zwölf Monaten.
Fehlende Betriebsmodelle als Produktivitätsbremse
Obwohl der Einsatz von KI in Teams zunimmt, verfügen nur 23 Prozent der Unternehmen, die bereits hybride Zusammenarbeit praktizieren, über ein formalisiertes Betriebsmodell. Rund drei Viertel steuern die Integration von KI und Mensch bislang informell, was dazu führt, dass messbare Produktivitäts- und Wachstumspotenziale ungenutzt bleiben. Die größten Hürden liegen laut Studie nicht in der Technologie selbst, sondern in der Sorge der Mitarbeitenden, durch KI ersetzt zu werden, sowie in Prozessen, die keine geteilte Verantwortung vorsehen. Nur 8 Prozent der Befragten nennen mangelndes Vertrauen in KI-Empfehlungen als Hauptproblem. Die Unsicherheit resultiert vor allem daraus, dass unklar bleibt, wer im Fehlerfall haftet und welche Entscheidungen die KI eigenständig treffen darf.
Die Studie macht deutlich, dass viele Unternehmen weniger ein technisches als ein organisatorisches Problem haben. Die Entwicklung von Arbeitsprozessen verläuft oft schneller als die Anpassung der internen Regeln. Wer die Rollen, Entscheidungsrechte und Eskalationspfade nicht frühzeitig definiert, riskiert, dass Prozesse bei Störungen ins manuelle Betriebsmodell zurückfallen und die Vorteile der Automatisierung verloren gehen.
Implizite Entscheidungen und neue Verantwortlichkeiten
In vielen Unternehmen werden Entscheidungen bislang informell oder auf Basis von Erfahrung getroffen. Sobald jedoch automatisierte Abläufe durch KI ins Spiel kommen, entstehen Lücken: Es ist häufig nicht dokumentiert, welche Entscheidungen die KI treffen darf, ab wann menschliches Eingreifen erforderlich ist und wie mit Ausnahmen umzugehen ist. Ein tragfähiges Betriebsmodell sollte daher explizite Entscheidungsrechte, klare Eskalationspfade und definierte Schwellenwerte vorsehen. Die Verantwortung muss eindeutig geregelt sein, um Unsicherheiten und Haftungsfragen zu vermeiden.
Die Umfrage zeigt zudem, dass zwei Drittel der Führungskräfte KI nutzen möchten, um Mitarbeitende für höherwertige Aufgaben freizustellen. Allerdings haben nur 20 Prozent dies in ihren Gestaltungsprinzipien verankert. Ohne Anpassung der Rollen und Anreizsysteme besteht die Gefahr, dass die durch Automatisierung gewonnene Zeit lediglich mit ähnlichen Tätigkeiten gefüllt wird. Besonders fortgeschritten ist die hybride Zusammenarbeit in Bereichen wie IT, Engineering und Kundenservice, während Finanzabteilungen und Shared Services vor allem an der Neuzuschneidung von Verantwortlichkeiten scheitern.
Wertschöpfung durch Governance und Workforce-Design
Unternehmen, die bereits ein belastbares Betriebsmodell für hybride Teams etabliert haben, berichten von schnelleren Entscheidungszyklen, verkürzter Time-to-Market, höherer Ergebnisqualität und gesteigerter Mitarbeitenden-Effektivität. Die Studie fasst die Erfolgsfaktoren als Gleichung zusammen: Entscheidungsrechte plus Verantwortlichkeit, Governance, Workforce-Design und Wertrealisierung ergeben das Betriebsmodell für Mensch-KI-Teams. In der Praxis bedeutet dies beispielsweise, dass KI in Versicherungen Standard-Schadenfälle automatisiert bearbeitet und komplexe Fälle an erfahrene Sachbearbeitende weiterleitet. Im Qualitätsmanagement erkennt KI Abweichungen in Echtzeit, während Menschen Grenzfälle bewerten.
Der Weg zu nachhaltigem Erfolg führt laut Studie über überschaubare Anwendungsfälle mit kalkulierbarem Risiko. Erfolgsgeschichten aus dem eigenen Unternehmen wirken dabei überzeugender als externe Präsentationen. Entscheidend ist, die Spielregeln frühzeitig festzulegen, bevor informelle Praktiken zur Unternehmenskultur werden. Ein Beispiel für die Bedeutung klarer Prozessdokumentation liefert auch die Entwicklung von KI-gestützten Workflow-Lösungen, wie sie etwa im Kontext von neuen Funktionen für KI-basierte Arbeitsabläufe diskutiert werden.
Technik als Mittel, nicht als Selbstzweck
Die Studie betont, dass der Fokus nicht auf der KI-Technologie selbst liegen sollte, sondern auf dem zugrunde liegenden Betriebsmodell. Der eigentliche Wettbewerbsvorteil entsteht nicht durch den Einsatz der fortschrittlichsten Algorithmen, sondern durch die Fähigkeit, Mensch und KI entlang klar definierter Entscheidungsrechte und Verantwortlichkeiten zu integrieren. Unternehmen, die ihr Betriebsmodell frühzeitig anpassen, können schneller auf Marktveränderungen reagieren und nachhaltige Vorteile erzielen. Offen bleibt, wie schnell sich diese organisatorischen Veränderungen in unterschiedlichen Branchen und Regionen durchsetzen werden.
Ein Betriebsmodell beschreibt die Gesamtheit der organisatorischen, prozessualen und technischen Strukturen, die den Ablauf von Wertschöpfung in Unternehmen bestimmen. Im Kontext hybrider Mensch-KI-Teams umfasst es die Definition von Rollen, Entscheidungsrechten, Verantwortlichkeiten, Eskalationswegen und Kontrollmechanismen. Ein durchdachtes Betriebsmodell ist Voraussetzung dafür, dass Automatisierung und KI nicht nur technische, sondern auch organisatorische Wirkung entfalten können. Die Entwicklung solcher Modelle ist ein fortlaufender Prozess, der Anpassungsfähigkeit und kontinuierliche Überprüfung erfordert. Schlagwörter: KI-Agenten, Organisation & Produktivität, KI-Governance