Wie führen, wenn ein Teil des Teams nicht mehr führbar ist?

Im letzten Beitrag haben wir uns intensiv mit den Veränderungen befasst, die durch HAITs (Human-AI-Teams) entstehen und dazu die aktuelle Forschungslage durchforstete.

In diesem Artikel dehnen wir den Blick aus auf die Folgen die für die Führung von hybriden Teams entstehen und werden auch hier wieder schauen, was die Forschung dazu sagt.

Führung war immer ein menschliches Phänomen: Das Center for Creative Leadership definiert Leadership als „sozialen Prozess, der es Individuen ermöglicht, gemeinsam Ergebnisse zu erzielen, die sie allein niemals erreichen könnten.” Daran ändert sich nichts, wenn KI-Agenten mitspielen. Aber die Bedingungen, unter denen dieser soziale Prozess stattfindet, verändern sich fundamental.

Eine Metaanalyse von 116 Studien aus den Jahren 2022 bis 2025 identifiziert den zentralen Balanceakt für Führungskräfte zwischen technologischer Innovation und menschenzentrierten Praktiken. Die größten Herausforderungen sind nicht technischer Natur – sie sind kulturell und psychologisch (Albannai & Raziq, 2025):

Vegard Kolbjørnsrud von der BI Norwegian Business School hat dafür den Begriff „Bilingual Leadership” geprägt. Führungskräfte in intelligenten Organisationen müssen „zweisprachig“ sein: Sie müssen Menschen verstehen – ihre Emotionen, Motivationen, Widerstände – und gleichzeitig technische Systeme einordnen können: Was kann der Agent, was kann er nicht, wie verlässlich sind seine Outputs, und wo liegt die Grenze seiner Urteilsfähigkeit? (Kolbjørnsrud, 2024). In der Praxis erfordert das nicht nur, die Stärken und Schwächen von Menschen und Systemen genau zu kennen, sondern auch das Design der Organisation und der Arbeit danach auszurichten.

Führung beginnt also nicht erst in der Interaktion mit bestehenden HAITs, sondern bereits vorher, wenn die Grundlagen für Arbeitsprozesse gelegt werden. Aufgabendesign, Teamdesign und Organisationsdesign werden zusätzliche Anforderungen an Führungskräfte – am besten unterstützt durch spezialisierte Profis aus HR.

Dann wird es spannend. Bilinguale Führung ist ein Führungsstil, bei dem Manager und Managerinnen sowohl über ausgeprägte soziale Kompetenzen als auch über technische Kenntnisse verfügen, wodurch sie in der Lage sind, sowohl mit menschlichen als auch mit digitalen Kollegen zu kommunizieren und diese zu verstehen.

Das klingt nach einer enormen Anforderung. Und das ist es, denn es bedeutet:

Das  braucht einiges an Voraussetzungen:

Die Ergebnisse von Sternfels und Kollegen zeigen: Führungskräfte, die in klassischen Tugenden exzellierten – Entscheidungsstärke, Klarheit, Richtung geben –, haben eine gute Ausgangsbasis. Denn diese Qualitäten werden nicht obsolet. Sie werden wichtiger. Weil KI zwar Daten verdichtet und Szenarien berechnet, aber nicht entscheiden kann, was wirklich zählt.

Rahmenbedingungen und Zielsetzung stellen einen stärker werdenden Faktor im Führungsalltag dar. Uwe Weinreich sieht eine große Möglichkeit genau darin, die Zusammenarbeit von Menschen und KI-Systemen sinnvoll zu gestalten darin, beiden Systemen größtmögliche Freiheiten zu gewähren, ihre Arbeit selbst zu gestalten (Weinreich 2026). Damit können beide ihre ganz spezifischen Fertigkeiten bestmöglich einbringen.

Damit das Ganze in die richtige Richtung und vor allem nicht aus dem Ruder läuft, werden klare Handlungsrahmen definiert. Sie legen die Entwicklungsrichtung fest – also Ziele, messbare Erfolgskriterien, Zeiträume und dergleichen –, aber auch klare Handlungsgrenzen. Erreichen Menschen oder KI-Systeme eine solche Handlungsgrenze, sind sie aufgefordert, das weitere Vorgehen mit der Führungskraft, manchmal sogar der Unternehmensleitung abzustimmen.

Der Vorteil des Handlungsrahmenkonzepts liegt ganz klar darin, dass vergleichbare Regeln für Menschen und Maschinen gelten und Routinen für Grenzfälle definiert sind. Das ermöglicht einen weitgehend reibungsfreien Betrieb, erfordert in der Anfangsphase jedoch einige Anstrengung in der Gestaltung.

Eines der wichtigsten Prinzipien im Umgang mit multimodalen Teams – und eines, das in der Führungsforschung breiten Konsens genießt lautet: Accountability bleibt beim Menschen. KI-Agenten können Entscheidungen vorbereiten, beeinflussen und ausführen. Aber die moralische und organisationale Verantwortung für Ergebnisse liegt beim Menschen.

Das darf keine Rhetorik bleiben, sondern muss eine gelebte strukturelle Notwendigkeit werden. Forschende der Universität Murcia beschreiben, wie Führungskräfte in Human-AI-Teams gezwungen sind, neue Rollen zu entwickeln: als Interpretierer algorithmischer Daten, als empathische Vermittler automatisierter Entscheidungen, als ethische Instanzen in unklaren Situationen (Zárate-Torres et al., 2025). Diese Rollen hat keine KI. Und sie sollte sie auch nicht übernehmen.

Es wurde bereits gesagt für die individuelle Ebene und gilt genauso strukturell: Ohne KI-Kompetenz geht nichts. Multimodale Teams aus Menschen und KI-Agenten funktionieren nicht von allein. Sie brauchen Bedingungen. Die erste und grundlegendste ist KI-Kompetenz (AI Literacy) – nicht im Sinne von Programmierkenntnissen, sondern von Handlungsfähigkeit im Umgang mit KI-Systemen.

Eine Studie zu „AI Literacy” in Human-KI-Teams zeigt: Teams, deren Mitglieder KI-Outputs kritisch bewerten, Grenzen benennen und Vertrauen situativ kalibrieren können, erzielen signifikant bessere Ergebnisse als Teams, die KI entweder unkritisch übernehmen oder pauschal misstrauen (Pan et al., 2025). KI-Kompetenz ist der entscheidende Moderator zwischen dem Versprechen multimodaler Teams und ihrer tatsächlichen Leistung.

Daher sollte KI-Kompetenz als Baustein in der Organisation verankert sein, als immer wiederkehrender Seminarbaustein, als Thema in Besprechungen und in der täglichen Führung.

Der Impuls, hier zu investieren ist da. 77 % der befragten Arbeitgeber im Future of Jobs Report des Weltwirtschaftsforums (2025) gaben an, bis 2030 erhebliche Investitionen in Reskilling und Upskilling zu planen – mit besonderem Fokus auf KI-Kompetenz, kritisches Denken und kollaborative Fähigkeiten. Der Bedarf ist erkannt. Die Umsetzung hinkt nach.

Eine Warnung, die in der Forschungsliteratur immer wieder auftaucht, verdient besondere Aufmerksamkeit: Organisationen riskieren, Kompetenzen zu erodieren, wenn KI zu viel übernimmt. Das menschliche Gehirn lernt Neues und baut alte Strukturen, die nicht mehr benutzt werden, ab.

Um Basiskompetenzen zu erhalte ist es sinnvoll monatlich „Übungen ohne KI” durchzuführen, damit Teams sie erhalten und weiterentwickeln können.

Das klingt banal, ist es aber nicht. Wenn der KI-Agent morgen ausfällt, stehen wir vor leeren Händen. Organisationelle Resilienz erfordert, dass Menschen nicht nur mit KI brillieren, sondern auch ohne sie handlungsfähig bleiben.

Ein technischer Befund mit erheblichen organisationalen Konsequenzen kommt aus der Industrie-5.0-Forschung: KI-Systeme müssen nicht einmal deployt und dann vergessen werden. Sie müssen kontinuierlich ans Team angepasst werden – an veränderte Aufgaben, neue Mitglieder, andere Kontexte. Was Forschende „Late Shaping” nennen, ist in der Praxis eine dauerhafte Managementaufgabe (Krause et al., 2024).

Besonders relevant: Updates, die die KI-Performance verbessern sollen, können die Team-Performance tatsächlich verschlechtern, wenn die Menschen nicht mitgenommen werden. Das verändert die Relevanz der Zusammenarbeit von IT-Abteilungen und HR grundlegend.

Fassen wir zusammen. Es gibt also einige unverzichtbare Elemente, für die Organisationen sorgen müssen:

Microsoft hat in seinem Work Trend Index 2025 – basierend auf Daten von 31.000 Arbeitnehmenden in 31 Ländern – ein neues Organisationsmodell beschrieben: die „Frontier Firm”. Ihre wesentlichen Merkmale sind hybride Teams aus Menschen und Agenten, on-demand-Intelligenz statt fester Strukturen und die Fähigkeit, mit KI zu skalieren, ohne proportional Personal aufzustocken. So auch die Erwartung der Befragten: 81 % der Führungskräfte erwarten, dass KI-Agenten mittelfristig moderat bis umfassend in ihre Unternehmensabläufe integriert sein werden (Microsoft, 2025).

Wie sieht es in der Praxis aus? In einem Startup im Microsoft-Sample wurde darauf verzichtet, eine erfahrene Marketing-Person auf den CMO-Posten zu berufen. Stattdessen erhielt eine Junior-Marketingmanagerin KI-Tools, mit denen sie vollständige Kampagnen eigenverantwortlich steuerte.

Ein noch extremeres und hochaktuelles Beispiel ist OpenClaw, ein Agentensystem von enormer Tragweite, dass von einem einzigen österreichischen Entwickler (Peter Steinberger) entwickelt wurde – indem Systeme intelligent miteinander verbunden wurden und die Codierung zu einem Großteil über KI-Systeme stattfand, sogenanntes Vibe Coding. Gerade das hat auch dazu geführt, dass OpenClaw große Sicherheitslücken enthält.

All das bedeutet für Führung:

Sowohl Brian Solis als auch Uwe Weinreich beschreiben eine der radikalsten Prognosen für die Unternehmensstruktur: KI designt Organisationen – zumindest zum Teil – mit. Organisationen werden fluide. Statische Organigramme weichen dynamischen „Work-Charts” – ergebnisorientierten Teams aus Menschen und Agenten, die für spezifische Aufgaben zusammenkommen und sich danach wieder auflösen. Mitarbeitende bauen nicht mehr lineare Karrierepfade auf, sondern Portfolios von abgeschlossenen Missionen (Solis, 2025; Weinreich, 2026).

Das Weltwirtschaftsforum untermauert diese Richtung: „Die organisationale Einbettung einer agentischen Belegschaft wird den Managementhorizont erweitern – die zu erledigenden Aufgaben werden von einer hybriden Belegschaft aus Maschinen und Menschen ausgeführt, während die Führungsverantwortung für Ergebnisse, Risiken und Belohnungen beim Menschen verbleibt” (WEF, 2026).

Schauen wir noch einmal auf das Eingangsszenario und die hybride Menschen-KI-Entscheidung, die den wichtigen Kunden so verärgert hat.

Top-Führungskräfte tragen eine hohe Verantwortung. Die Komplexität der möglichen Lösungen, die aus multimodalen Teams stammen, ist so groß, dass Kontrolle nicht mehr das angemessene Verfahren für Risikominimierung ist. Ethik, Governance, Organisationsdesign, Handlungsrahmen für Menschen und Systeme und eine Investition in die Kultivierung menschlicher Kernkompetenzen und Selbstverantwortung sind essentiell.

Albannai, N. A. A., & Raziq, M. M. (2025). Navigating ethical, human-centric leadership in AI-driven organizations: a thematic literature review. The Service Industries Journal, 1–28. https://doi.org/10.1080/02642069.2025.2534360

Kolbjørnsrud, V. (2024). Designing the Intelligent Organization: Six Principles for Human-AI Collaboration. California Management Review / SAGE. https://doi.org/10.1177/00081256231211020

Krause, F. et al. (2024). Managing human-AI collaborations within Industry 5.0 scenarios via knowledge graphs. Frontiers in Artificial Intelligence, 7. https://doi.org/10.3389/frai.2024.1247712

Microsoft (2025). 2025: The Year the Frontier Firm is Born. Work Trend Index. https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born

Pan Z. et al. (2025). AI literacy and trust: A multi-method study of Human-GAI team collaboration, Computers in Human Behavior: Artificial Humans, Volume 4, 2025, 100162, https://doi.org/10.1016/j.chbah.2025.100162.

Solis, B. (2025). 7 Ways AI Will Change the Future of Work by 2030. ServiceNow / briansolis.com.

Sternfels B. et al (2026). Developing human leadership in the age of AI. https://www.mckinsey.com/capabilities/strategy-and-corporate-finance/our-insights/building-leaders-in-the-age-of-ai. McKinsey & Company

Weinreich, U. (2026). Menschen. Unternehmen. KI. Zukunft gestalten in einer Wirtschaft im Umbruch. Stuttgart. Schäffer Poeschel.

World Economic Forum (2025/2026). Future of Jobs Report 2025; Future of Work Decision-Maker Perspectives. https://www.weforum.org

Zárate-Torres, R. et al. (2025). Influence of Leadership on Human–Artificial Intelligence Collaboration. https://pmc.ncbi.nlm.nih.gov/articles/PMC12292626/