Wissen im Überfluss: Was KI mit dem mittleren Management macht

Toronto, 23. September 2026: die These

Auf dem Nrth Festival in Toronto brachte Frankie Llewellyn-Thomas, Partnerin der Transformation-Practice von KPMG Kanada, am 23. September 2026 einen strukturellen Umbruch auf den Punkt, den HCAMag^[1] am 28. September aufgriff: Expertise beginnt sich von den Expertinnen und Experten zu lösen.

Jahrhundertelang blieb Fachwissen in den Köpfen von Menschen. Schulen, Universitäten, Kanzleien, Wirtschaftsprüfungsgesellschaften und Behörden sind rund um diesen Zustand der Knappheit entstanden.

Generative KI, so die Partnerin, macht ein Niveau an Analyse und fachlicher Argumentation binnen Sekunden zugänglich. Das Ergebnis bleibt unvollkommen und wenig menschlich, um ihre Worte zu verwenden, und ist dennoch in großem Maßstab verfügbar. Eine seltene Ressource wird zum Überflussgut, und der Wettbewerbsvorteil verschiebt sich anderswohin.

Für alle, die Organisationen führen, geht es dabei kaum um Werkzeuge. Es geht um den Punkt, an dem sich das Urteilsvermögen derjenigen bildet, die sie einsetzen sollen.

Der Bücherkoffer von 2008

Die Partnerin erzählte, wie sie 2008 mit einem prall gefüllten Koffer zu einer Steuerrechtsprüfung erschien: Gesetze, Verordnungen, Rechtsprechung.

Zweck der Prüfung war es, zu wissen, wo die Antwort zu suchen ist. Wer nicht wusste, an welcher Stelle des Kodex nachzuschlagen war, stand für diese Prüfung vor einer nicht existenten Information.

2026 stellt eine frisch graduierte Person dieselben Fragen in Alltagssprache und erhält binnen Sekunden eine begründete Antwort. Der Abstand zwischen beiden Szenen misst, wie sehr sich der Wert des Informationsabrufs verändert hat.

Der Punkt verdient Präzision. Informationen abzurufen verliert an Wert; zu entscheiden, was damit geschieht, gewinnt an Wert. Das sind zwei verschiedene Fähigkeiten, und Organisationen haben sie immer gemeinsam ausgebildet, innerhalb desselben Berufs.

Der Beruf bleibt, die erste der beiden Fähigkeiten fällt aus seinem Werdegang heraus.

Was selten bleibt

Die These setzt sich mit einer präzisen Aufzählung fort: Urteilsvermögen, Führung, Beziehungen, Ethik, Verantwortung, Vertrauen. Es sind jene Ressourcen, die laut der Partnerin von KPMG Kanada zum knappen Faktor des kommenden Jahrzehnts werden.

Eine Bestätigung liefert eine weitere im selben Beitrag zitierte Quelle. Der Global AI Jobs Barometer von PwC verzeichnet eine steigende Nachfrage nach Urteilsvermögen und Kreativität in den Rollen, die KI am stärksten ausgesetzt sind.

Eine parallele Lesart findet sich im Essay «AI Made Knowledge Cheap. The Scarcity Moved Into Nature» (Adaptation Intelligence^[2]), der dieselbe Verschiebung beschreibt: Wenn Wissen wenig kostet, wandert der Wert zu dem, was schwer zu replizieren bleibt.

Das Risiko für eilige Leserinnen und Leser besteht darin, Urteilsvermögen und Vertrauen als Charaktereigenschaften zu behandeln. Sie sind das Ergebnis eines Werdegangs: Sie bilden sich innerhalb einer Architektur aus Rollen, Versuchen und Fehlern, die von erfahreneren Personen korrigiert werden.

Die Grenze der These

Die These verdient eine ehrliche Prüfung. Der Zugang zu einer fachkundigen Antwort gelingt binnen Sekunden; die Bewertung dieser Antwort verlangt jemanden, der sie als solche erkennen kann.

Hier zeigt sich das operative Paradox. Das System produziert Material auf Expertenniveau, und es braucht eine kompetente Person, um es zu validieren. Diese Kompetenz entsteht aus genau jener Lehrzeit, die die Automatisierung gerade verkürzt.

Organisationen, die dieses Glied vernachlässigen, stehen in einigen Jahren mit viel Produktion und wenig Kontrollfähigkeit da. Die Kosten treten spät zutage, in Form von zu spät korrigierten Fehlern.

Ein Lösungsweg existiert bereits: die Validierung zu einer ausdrücklichen, zugewiesenen und gemessenen Aufgabe machen, statt sie als impliziten Rest des Berufs zu behandeln.

Wo Urteilsvermögen wirklich gelernt wird

Berufliches Urteilsvermögen entsteht aus einer langen Lehrzeit. Eine Nachwuchskraft schreibt einen unvollkommenen Entwurf, eine Führungskraft korrigiert ihn, die Logik der Korrektur wird zum Kriterium.

Dieser Zyklus lebt in der Routinearbeit: Recherchen, erste Fassungen, Abstimmungen, Zusammenfassungen. Es ist jenes Aufgabenband, das generative Systeme als Erstes aufsaugen.

Hier wird die Folge eher an der Karriere messbar als an den Werkzeugen. Wenn sich die Eingangstür verengt, verliert die Lernkurve ihre ersten Stufen.

Die Daten zum Berufseinstieg weisen in diese Richtung. Die Federal Reserve Bank of New York misst eine Arbeitslosenquote von 5,7 % unter Hochschulabsolventinnen und -absolventen, und die Einstiegsstellen verzeichnen einen relativen Rückgang von 16 %. Das World Economic Forum beschreibt Karrieren, die sich nach oben hin verdichten.

Die Frage für eine mittlere Führungskraft ändert sich entsprechend: Welche Entscheidungen soll man Menschen mit wenig Erfahrung anvertrauen, nun da der mechanische Teil der Arbeit aus ihren Händen genommen wird.

Der Engpass sitzt weiter oben

Einführung und Bereitschaft bleiben zwei verschiedene Dinge. Cornerstone hat die Lücke vermessen: 94 % der Führungskräfte sehen eine Auswirkung von KI auf die Rollen, 17 % der Beschäftigten fühlen sich bereit.

Der Abstand zwischen diesen beiden Zahlen beschreibt den Umfang des Problems. Wer führt, sieht den Wandel; wer arbeitet, wartet auf die Bedingungen, um ihn zu durchschreiten.

Die bislang gesammelten Belege ergeben eine Rangfolge der Prioritäten: Die Bereitschaft der Führung wiegt schwerer als die technische Ausstattung. Hervorragende Werkzeuge in den Händen unvorbereiteter Führungskräfte bringen weniger als mittelmäßige Werkzeuge in den Händen KI-kundiger Führungskräfte.

Die mittlere Ebene trägt die größte Last. Sie übersetzt eine in den oberen Etagen geschriebene Strategie in tägliche Aufgaben und entscheidet jeden Tag, wer was lernt. Der von PwC gemessene Gehaltsaufschlag von 56 % auf KI-Kompetenzen zeigt, wo der Markt diese Übersetzung bereits bezahlt.

Was Organisationen tun, die die Lücke schließen

Organisationen, die diesen Übergang meistern, arbeiten an der internen Umwandlung von Talent. Morgan Stanley meldet 98 % Nutzung unter den eigenen Beraterinnen und Beratern; JPMorgan hat 200.000 freiwillige Anmeldungen zu Weiterbildungsprogrammen gesammelt.

Die LHH/Adecco-Studie unter 11.000 Führungskräften zeigt einen klaren wirtschaftlichen Vorteil: Beschäftigte intern umzubesetzen kostet weniger als Entlassung und Neueinstellung. Nur wenige Organisationen verfügen über die Infrastruktur dafür.

Auf operativer Ebene gestalten leistungsstarke Teams drei Dinge neu:

• die Eingangstür: Junior-Aufgaben, die nach ihrem Lernwert ausgewählt werden und nicht nach ihren Kosten
• den Review-Zyklus: eine erklärte Korrektur wiegt mehr als eine angewandte Korrektur
• die Zeit der Führungskraft: geschützte Stunden zum Lehren, die als Produktion gezählt werden

Ein Schatz liegt in vielen Organisationen bereit. Die Menschen, die ihr Handwerk vor der KI gelernt haben, können die Kriterien, die sie anwenden, schriftlich festhalten. Dieses Material wird zugleich zur Ausbildung für die Jüngeren und zur Schulung für die Systeme.

Das gemeinsame Kriterium ist einfach. Die Berührung mit Urteilsvermögen wird zu einer gestalteten Bedingung statt zu einer individuellen Entscheidung.

Das Gespräch für die Führungsspitze

Für eine CEO oder einen CEO betrifft die Frage an den Aufsichtsrat die organisatorische Bereitschaft mehr als die Zahl aktivierter Lizenzen. Wie viele Menschen erreichen in den kommenden vierundzwanzig Monaten eine Rolle mit eigenständigem Urteilsvermögen?

Für die CHRO-Funktion verschiebt sich die Priorität auf das Organizational Design: die ersten achtzehn Monate einer Laufbahn neu zu gestalten wiegt mehr als ein Kurskatalog.

Für die CFO-Funktion bleibt die Investition mit belegtem Ertrag die interne Umbesetzung, mit Kosten pro Person unterhalb der externen Ersetzung. Für den Talent-Ausschuss des Aufsichtsrats wird die durchschnittliche Ausbildungszeit einer mittleren Führungskraft zur Kennzahl, die es zu verfolgen gilt.

Die abschließende Gestaltungsfrage ist direkt: Welcher Teil der Arbeit, die Urteilsvermögen formt, ist bereits an die Maschinen übergegangen, und wer in dieser Organisation trägt die Verantwortung für seinen Ersatz.