Nach Linie und Matrix kommt die Symbiotic Organization

„Einfach machen“ ist bei KI manchmal falsch. Warum es auf die Rollen ankommt, und welche Organisationsform darauf antwortet

Erstveröffentlichung 29. Oktober 2026 · Dipl.-Ing. Michael Kraewing · Version 1.0

Die Linienorganisation hat geklärt, wer wem berichtet. Die Matrixorganisation hat geklärt, wie Fachbereiche und Vorhaben quer zueinander arbeiten. Beide Formen beantworten dieselbe Frage, nämlich wie Menschen in einer Organisation zusammenarbeiten. Mit KI kommt eine neue Frage hinzu. Wie arbeiten Menschen und KI so zusammen, dass die Organisation etwas kann, das sie vorher nicht konnte, und dass diese Fähigkeit bleibt, wenn einzelne Personen gehen?

Ich beschäftige mich mit dieser Frage aus zwei Richtungen. Ich bringe über 25 Jahre operative Praxis in Industrieunternehmen mit, als Interim Manager und als Programmleiter digitaler Vorhaben. Und ich führe heute täglich KI-Teams mit unterschiedlichen Aufgaben. Hier stelle ich vor, was ich bisher herausgefunden habe, und den Begriff, unter dem ich die Antwort ausarbeite. Am Ende wissen Sie, woran Sie erkennen, auf welcher Stufe Ihre Organisation steht, und welche Fragen Sie als Nächstes klären sollten.

Eingeführt, aber ohne Wirkung

Viele Unternehmen haben KI eingeführt und sehen davon wenig. Zwei Befunde erklären, woran das liegt.

Vaccaro, Almaatouq und Malone haben 2024 in einer Meta-Analyse 106 Experimente mit 370 Effektgrößen ausgewertet. Im Schnitt war die Kombination aus Mensch und KI schlechter als der Bessere der beiden allein (Hedges' g = minus 0,23). Bei Entscheidungsaufgaben verlor die Kombination, bei Aufgaben, in denen etwas erstellt wird, gewann sie eher. Wer welche Aufgabe übernimmt, entscheidet also mit. Dass klare Rollen den Unterschied machen, ist mein Schluss aus diesen Befunden, gemessen hat die Studie Rollen nicht.

Der zweite Befund stammt aus dem Projekt NANDA am MIT. Der Bericht von 2025 ist vorläufig und nicht begutachtet, seine Zahl von 95 Prozent der Organisationen ohne messbaren Ertrag ist deshalb mit Vorsicht zu lesen. Belastbarer ist die Begründung der Autoren. Das Kernhindernis beim Skalieren sei nicht Infrastruktur, Regulierung oder Talent, sondern Lernen, denn die meisten Systeme behalten keine Rückmeldung, passen sich dem Kontext nicht an und werden mit der Zeit nicht besser. Jede Korrektur muss deshalb beim nächsten Mal neu gemacht werden, statt in die Arbeitsweise einzugehen.

Für mich folgt daraus, dass eine Einführung ohne Rollen kein harmloser erster Schritt ist. Sie kann das Ergebnis unter das senken, was Mensch oder KI allein erreicht hätten. „Einfach machen“ halte ich bei KI deshalb für den falschen Rat, solange niemand die Rollen klärt. Anfangen ist richtig, Anfangen ohne Rollen nicht.

Der Begriff

Den Begriff Symbiotic Organization verwende ich seit Oktober 2026 für eine Organisationsform, in der Menschen und KI-Teams in festen Rollen zusammenarbeiten. Vier Merkmale gehören dazu.

1. Feste Rollen. Für jede Aufgabe ist festgelegt, wer entwirft, wer prüft und wer freigibt, unabhängig davon, ob ein Mensch oder eine KI die Rolle trägt.
2. Jeder bleibt, was er ist. Der Mensch bringt Urteil, Erfahrung und Verantwortung, die KI Tempo, Breite und Ausdauer. Anders als bei den Borg aus Star Trek geht niemand in einem Kollektiv auf.
3. Der Mensch führt und verantwortet. Jede Wirkung nach außen und jede Entscheidung über Menschen braucht einen Menschen, der sie versteht, übersteuern und stoppen kann.
4. Die Fähigkeit gehört der Organisation. Regeln, Wissen und Prüfung liegen in der Organisation, nicht im Kopf einzelner Nutzer und nicht beim Anbieter.

Symbiose ist dabei wörtlich gemeint. Zwei sehr verschiedene Partner bringen zusammen etwas hervor, das keiner allein kann, und zwar nur, wenn ihr Zusammenspiel geordnet ist.

Andere Begriffe setzen beim Agenten oder bei der Skalierung von Agenten an. Microsoft beschreibt 2025 die „Frontier Firm“, in der jeder Beschäftigte zum „agent boss“ wird, der seine Agenten baut und führt. McKinsey beschreibt die „agentic organization“ mit kleinen Teams, die KI-Abläufe besitzen und beaufsichtigen. Die Symbiotic Organization stellt die Frage nach der Verantwortung davor. Wo liegt die Fähigkeit, wer besitzt sie, und wie wird sie geprüft? Vegard Kolbjørnsrud hat 2024 einen Gedanken formuliert, der dazu passt. Wer Menschen durch Maschinen ersetzt, macht eine Organisation effizienter, aber nicht intelligenter.

Drei Stufen der KI-Fähigkeit

Wo liegt die Fähigkeit heute? Ich unterscheide drei Stufen.

1. Individuelle Kompetenz. Ein Vertriebsmitarbeiter schreibt seine Angebote mit einem Chat-Werkzeug. Jedes Ergebnis muss er einzeln anstoßen, herausholen und nachbearbeiten, der Aufwand kehrt bei jedem Angebot wieder. Geht er, ist auch die Fähigkeit weg.
2. Team. Das Vertriebsteam hat eine feste Arbeitsweise. Es ist klar, wer mit KI entwirft, wer prüft und wer freigibt, und es gibt gemeinsame Vorlagen. Ein neuer Kollege lernt diese Arbeitsweise, statt sie neu zu erfinden.
3. Organisation. Regeln, Wissensspeicher und Messung gelten über alle Teams. Die Fähigkeit bleibt, wenn Personen gehen.

Nach meiner Einschätzung stehen 2026 die meisten Organisationen auf Stufe 1 und nennen es bereits Fähigkeit. Eine Studie der Universität Melbourne mit KPMG passt dazu. Sie hat 48.340 Menschen in 47 Ländern befragt. 57 Prozent der Beschäftigten gaben an, ihre KI-Nutzung bei der Arbeit zu verbergen, und nur 40 Prozent sagten, ihr Arbeitgeber habe eine Richtlinie dazu. Die Nutzung ist also da. Die Fähigkeit der Organisation ist es nicht.

Zwei Einschränkungen gehören dazu. Die Stufen beschreiben, wo die Fähigkeit liegt, und sind keine Pflichtreihenfolge. Und der Übergang von Stufe 1 zu Stufe 2 kostet zunächst Leistung, weil Rollen und Prüfung Aufwand sind. Wer heute einführt, sollte deshalb nicht bei Stufe 1 beginnen, sondern mit einem Team und festen Rollen. Stufe 1 fühlt sich leicht an, führt aber nicht von selbst weiter.

Vier Stellgrößen und zwei Ausgangslagen

Einen Bauplan für alle Organisationen gibt es nicht. Größe und Branche helfen bei der Orientierung, die Antwort bestimmen aber vier Stellgrößen.

1. Kopplung der Einheiten. Wie viele Vorgänge, Daten und Systeme teilen sich die Einheiten, bis hin zu gemeinsamen Systemen wie dem ERP und den Teams, die sie betreuen?
2. Wissensintensität. Ist die Arbeit Routine, oder ist sie Urteil, Erfahrung und Auslegung?
3. Regulierung. Wie viel geben Gesetz, Aufsicht, Haftung und Mitbestimmung vor?
4. Autonomie. Wie selbstständig handeln die menschlichen Einheiten, und wie selbstständig darf die KI handeln?

Dazu kommen zwei Ausgangslagen. Stellen wir uns das doch am Beispiel eines Hauses vor. Die erste Ausgangslage ist die Renovierung. Ein altes Haus bekommt eine neue Wasserleitung, während darin gewohnt wird. Menschen, Prozesse, Systeme und Verträge sind da, und jede Änderung trifft auf Bestand. Die zweite Ausgangslage ist die grüne Wiese, etwa eine Ausgründung. Es gibt keine Altlasten, aber auch keinen Bestand an Wissen, Kunden und Routinen.

Für die grüne Wiese gibt es einen Hinweis aus der Innovationsforschung, nicht aus der KI-Forschung. O'Reilly und Tushman haben 2004 35 Vorhaben untersucht. Von den Vorhaben in getrennten Einheiten, die eng an die Führungsspitze angebunden blieben, gelangen über 90 Prozent, von den völlig losgelösten keines. Ich habe selbst erlebt, dass die Anbindung oben allein nicht reicht. In einer Ausgründung waren Gebäude, Aufgaben und Teams getrennt, das ERP-System und das Team dahinter aber blieben beim Mutterhaus, mit dessen Agenda und Takt. Für eine Symbiotic Organization auf der grünen Wiese heißt das, dass sie eigene Speicher, eigene Prüfung und eigene KI-Rollen braucht. Die Symbiotic Organization auf der grünen Wiese ersetzt die Renovierung des Kerngeschäfts nicht, sie geht ihr voraus oder läuft daneben. Wie sich aus den vier Stellgrößen und der Ausgangslage die passende Antwort ergibt, zeige ich in den nächsten Beiträgen.

Vier Thesen

These 1. Mechanik zentral, Domäne dezentral. „Zentral oder dezentral“ ist die falsche Frage. Zentral gehören die wenigen gemeinsamen Regeln, die Beschreibung der Rollen, die Art der Nachweise, Recht und Sicherheit. Dezentral bleiben Fachwissen, Anwendungsfälle und die Regeln der organisatorischen Einheit. Verbesserungen fließen in einem festen Takt in den gemeinsamen Kern zurück. Das Gewicht muss dabei klar sein. Hansen, Nohria und Tierney fanden 1999 beim Wissensmanagement in Beratungen, dass eine klar führende Strategie besser trägt als zwei gleich starke.

These 2. Die Autonomie der KI wächst mit der Prüfbarkeit, nicht mit der Qualität der Modelle. Eine Mindestqualität des Modells ist Bedingung, um überhaupt anzufangen. Wie weit die KI ohne Einzelfreigabe handeln darf, bestimmt dann die Prüfbarkeit. Dazu gehören eine lückenlose Aufzeichnung, was die KI wann und auf welcher Grundlage getan hat, feste Grenzen für ihr Handeln und der Weg zurück zum menschlichen Betrieb. Feng, McDonald und Zhang beschreiben Autonomie 2025 ebenfalls als Entscheidung im Entwurf, unabhängig von der Fähigkeit des Modells. Das EU-Recht geht für Hochrisiko-Systeme in dieselbe Richtung. Nach Art. 14 Abs. 3 der KI-Verordnung stehen die Maßnahmen der menschlichen Aufsicht im Verhältnis zu den Risiken, dem Autonomiegrad und dem Einsatzkontext. Die Modellqualität nennt der Artikel nicht. Außerhalb der EU ist der Satz eine Regel für den Entwurf.

These 3. Das Gedächtnis der Organisation ist eine Frage der Zuständigkeit. Technisch ist es kein Problem, dass ein System aus Korrekturen lernt. Unternehmen kaufen aber Lizenzen, die Modell und Oberfläche liefern, und kein Gedächtnis der Organisation. Regeln, Wissen und gezählte Korrekturen gehören weder der IT noch der Fachabteilung, und kein Anbieter verkauft sie. Dazu passt der Befund des MIT-Berichts, dass die meisten Systeme nicht aus Rückmeldung lernen. Wem das Lernen gehört, beschreibt der Bericht nicht, das ist mein Schluss. In meinem eigenen Arbeitsbetrieb liegt diese Zuständigkeit von Anfang an bei mir. In einem Unternehmen muss sie benannt werden, je Einheit eine Person aus der Linie und für den gemeinsamen Kern ein kleiner Kreis aus Fachseite, IT, Recht und Personal.

These 4. Der erfahrene Experte ist die Schlüsselfigur. Brynjolfsson, Li und Raymond haben 5.179 Beschäftigte im Kundendienst untersucht. Anfänger lösten mit KI-Assistent 34 Prozent mehr Fälle je Stunde, bei den Erfahrenen gab es kaum einen Effekt. In einer Studie von METR brauchten 16 erfahrene Entwickler mit KI 19 Prozent länger und glaubten hinterher, 20 Prozent schneller gewesen zu sein. Der Vorsprung des Experten schrumpft, sein Status gerät unter Druck. Zugleich ist er der Prüfer, den die Organisation braucht. Dratsch und Kollegen legten Radiologen angebliche KI-Vorschläge vor. Bei richtigen Vorschlägen lagen sehr erfahrene Radiologen in 82,3 Prozent der Fälle richtig, bei falschen nur noch in 45,5 Prozent, unerfahrene fielen von 79,7 auf 19,8 Prozent. Erfahrung schützt also, aber nicht genug. Prüfen braucht Erfahrung und ein Verfahren. Wer den Experten nicht gewinnt, verliert Prüfkompetenz und Rückhalt. Jede Rolle, die mit KI arbeitet, braucht deshalb einen Anteil Arbeit ohne KI, damit die Prüffähigkeit erhalten bleibt.

Was mein eigener Betrieb zeigt und was nicht

Mein eigener Arbeitsbetrieb mit KI-Teams auf mehreren Rechnern ist eine kleine Symbiotic Organization, auf der grünen Wiese entstanden. Er zeigt, dass feste Rollen, ein gemeinsamer Stand und die Freigabe durch einen Menschen im Alltag tragen. Er zeigt nicht, was in Organisationen mit vielen Menschen geschieht, wenn Budgets, Planstellen und Einfluss sich verschieben. Für diese Fragen tragen meine Erfahrung aus der Programmleitung und die Forschung zur Zusammenarbeit von Mensch und KI. Eine Studie zu Gewinnern und Verlierern auf der Ebene von Abteilungen habe ich bisher nicht gefunden.

Was heißt das für eine bestehende Organisation?

Beim Lesen entstehen drei Fragen. Hier sind meine Antworten zur Orientierung.

Wo stehen wir? Drei Prüffragen genügen für eine erste Einordnung. Bleibt die Fähigkeit, wenn die aktivste Person geht? Gibt es für einen KI-gestützten Vorgang eine schriftliche Verteilung, wer entwirft, wer prüft und wer freigibt? Werden Korrekturen gezählt und fließen sie zurück? Dreimal Nein heißt Stufe 1. Ein Ja auf die zweite Frage spricht für Stufe 2, ein Ja auf alle drei für Stufe 3.

Wer wacht über die Regeln, zum Beispiel das PMO? Das PMO passt gut zur Mechanik aus These 1. Es kann die Beschreibung der Rollen, die Art der Nachweise und den Takt der Rückführung hüten. Über das Fachwissen wacht es nicht, das bleibt in der Linie, und die Zuständigkeit für das Gedächtnis einer Einheit liegt nach These 3 ebenfalls dort. Sonst wird aus der Fähigkeit ein Projekt mit Enddatum. Wie ein PMO selbst zu einem der ersten Teams mit festen Rollen wird, zeige ich in einem der nächsten Beiträge.

Wen binden wir zuerst ein? Die erfahrenen Experten, denn sie werden die Prüfer (These 4). Wo Mitbestimmung gilt, gehört auch der Betriebsrat früh an den Tisch.

Das Wichtigste in Kürze

• Mensch plus KI ist im Schnitt schlechter als der Bessere der beiden allein, bei Entscheidungsaufgaben besonders. Klären Sie die Rollen, bevor Sie ausrollen.
• Nutzung ist noch keine Fähigkeit. Fähig ist eine Organisation erst, wenn das Können bleibt, wenn Menschen gehen.
• Wie viel Freiraum die KI bekommt, bestimmt die Prüfbarkeit, nicht allein die Modellqualität.
• Das Gedächtnis der Organisation braucht Zuständige, je Einheit eine Person und für den gemeinsamen Kern einen kleinen Kreis. Benennen Sie sie.
• Gewinnen Sie Ihre Experten. Ohne sie prüft niemand gut genug.

Verteilen Sie Rollen, nicht nur Lizenzen. Das ist der Kern einer Symbiotic Organization.

Wie es weitergeht

Ich arbeite das Konzept weiter aus, mit Zielbildern für unterschiedliche Ausgangslagen und dem Weg dorthin. Teile davon stelle ich hier in den nächsten Wochen vor. Wenn Sie in Ihrer Organisation vor dieser Frage stehen oder eine der vier Thesen anders sehen, schreiben Sie mir gerne.

Quellen

1. Vaccaro, M.; Almaatouq, A.; Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour 8(12), 2293 bis 2303. https://pmc.ncbi.nlm.nih.gov/articles/PMC11659167/
2. Challapally; Pease; Raskar; Chari (2025). The GenAI Divide: State of AI in Business 2025. MIT NANDA, vorläufiger Bericht, nicht begutachtet. https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
3. Gillespie, N.; Lockey, S. u. a. (2025). Trust, attitudes and use of artificial intelligence: A global study 2025. University of Melbourne und KPMG. https://figshare.unimelb.edu.au/articles/report/Trust_attitudes_and_use_of_artificial_intelligence_A_global_study_2025/28822919
4. Verordnung (EU) 2024/1689 (KI-Verordnung), Art. 14. https://eur-lex.europa.eu/eli/reg/2024/1689/oj/deu ; gelesen im Abdruck https://artificialintelligenceact.eu/article/14/
5. O'Reilly, C. A.; Tushman, M. L. (2004). The Ambidextrous Organization. Harvard Business Review, April 2004. https://hbr.org/2004/04/the-ambidextrous-organization
6. Hansen, M. T.; Nohria, N.; Tierney, T. (1999). What's Your Strategy for Managing Knowledge? Harvard Business Review, März/April 1999. https://hbr.org/1999/03/whats-your-strategy-for-managing-knowledge
7. Feng; McDonald; Zhang, University of Washington (2025). Levels of Autonomy for AI Agents. arXiv 2506.12469. https://arxiv.org/html/2506.12469v2
8. Brynjolfsson, E.; Li, D.; Raymond, L. (2023). Generative AI at Work. NBER Working Paper 31161. https://www.nber.org/papers/w31161
9. METR (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
10. Dratsch, T. u. a. (2023). Automation Bias in Mammography: The Impact of Artificial Intelligence BI-RADS Suggestions on Reader Performance. Radiology. https://pubs.rsna.org/doi/10.1148/radiol.222176
11. Kolbjørnsrud, V. (2024). Designing the Intelligent Organization: Six Principles for Human-AI Collaboration. California Management Review 66(2), 44 bis 64. https://cmr.berkeley.edu/assets/documents/promo/kolbjornsrud-2023-designing-the-intelligent-organization-six-principles-for-human-ai-collaboration.pdf
12. Microsoft (2025). The 2025 Annual Work Trend Index: The Frontier Firm is born. Angaben des Herstellers. https://blogs.microsoft.com/blog/2025/04/23/the-2025-annual-work-trend-index-the-frontier-firm-is-born/
13. Sukharevsky, A.; Krivkovich, A.; Gast, A. u. a. (2025). The agentic organization: Contours of the next paradigm for the AI era. McKinsey. Angaben einer Beratung, über eine Zweitquelle gelesen. https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-agentic-organization-contours-of-the-next-paradigm-for-the-ai-era

Der Artikel auf LinkedIn