Die Architekturlücke der Resilienz

Autorin: Prof. Dr. Eugenia Schmitt – Professorin, Autorin, Coach, Co-Founder Trenz Institut | Trenz Institut

Warum Organisationen 2026 nicht nur KI-Kompetenz, sondern Entscheidungs-, Team- und Kontrollarchitekturen neu bauen müssen

2026 zeigt sich deutlicher denn je: KI verändert nicht nur Arbeitsmittel, sondern die Architektur organisationalen Handelns. Es ist verführerisch, die KI-Ära vor allem als Kompetenzfrage zu lesen. Tatsächlich entscheidet sich derzeit viel stärker, ob Organisationen strukturell handlungsfähig bleiben. Das World Economic Forum beschreibt 2026 sehr klar, dass KI über frühe Neugier und Experimente hinausgewachsen ist und zunehmend in Kern-Workflows ankommt. Der eigentliche Wert entsteht demnach dort, wo Arbeit, Entscheidungen und Operating Models neu gedacht werden. Deloitte rahmt dieselbe Verschiebung als Bewegung von „ambition“ zu „activation“.

Viele Organisationen haben die Phase bloßer Neugier hinter sich gelassen. KI wird ernster genommen, näher an Kernprozesse gerückt und stärker in Arbeitsabläufe integriert. Darin liegt aber auch der Denkfehler vieler Debatten: Wer jetzt nur über Tools, Use Cases oder Skills spricht, kommt zu kurz. Der eigentliche Hebel liegt inzwischen darin, wie Arbeit organisiert, wie entschieden und wie Verantwortung verteilt wird. BCG formuliert das 2026 ausdrücklich als organisationale und nicht primär technische Herausforderung. In einem weiteren 2026er Beitrag verortet BCG zudem rund 70 % des AI-Wertpotenzials in den zentralen Geschäftsprozess-Workflows. Also dort, wo Entscheidungen, Kosten und Ergebnisse zusammenlaufen.

Und doch entsteht in vielen Unternehmen mehr Unruhe. Mehr Tools. Mehr Piloten. Mehr Outputs. Aber nicht automatisch bessere Entscheidungen, robustere Teams oder mehr Souveränität.

Man muss sich nur einen typischen Fall vorstellen: Ein Team arbeitet mit einem KI-Agenten an Angeboten, Analysen oder Kundenkommunikation. Der Output kommt schneller. Die Varianten werden mehr. Die Bearbeitungszeit sinkt. Aber wer trägt die finale Verantwortung? Wer prüft Grenzfälle? Welche Quelle gilt als verlässlich? Wann muss eskaliert werden? Und was passiert, wenn das System plausibel klingt, aber falsch liegt? Genau in diesen unspektakulären Fragen entscheidet sich heute oft, ob KI Handlungsfähigkeit erhöht oder eher operative Nervosität produziert. Zwei HBR-Beiträge aus März und April 2026 weisen genau in diese Richtung: Zum einen werde Erfolg künftig stärker davon abhängen, wie schnell Unternehmen Signale erkennen, Entscheidungen treffen und umsetzen; zum anderen sollten KI-Agenten nicht wie bloße Tools, sondern wie klar eingebettete Teamakteure mit Rolle, Autorität, zugelassenen Quellen und Eskalationsregeln behandelt werden. OECD und NIST rahmen denselben Sachverhalt als Frage belastbarer Governance und eines risikobewussten Full-Lifecycle-Ansatzes.

Hier beginnt für mich die eigentliche Resilienzfrage der KI-Ära. Über Resilienz wird noch immer gern so gesprochen, als sei sie vor allem eine Eigenschaft von Individuen: Belastbarkeit, Anpassungsfähigkeit, mentale Stärke. Das ist nicht falsch. Aber 2026 reicht es nicht mehr aus.

HBR zeigt auf Basis von Forschung und Interviews mit CEOs, CHROs und Innovationsverantwortlichen, dass die Hürden der KI-Adoption häufig weniger technischer als menschlicher und organisatorischer Natur sind. In einer 2026er Befragung globaler AI- und Datenverantwortlicher nannten 93 % menschliche Faktoren als primäre Adoptionsbarriere. Gartner beschreibt den Erhalt von Resilienz und Sicherheit der Belegschaft im KI-Zeitalter ausdrücklich als Kernaufgabe von HR und warnt vor negativen psychologischen, verhaltensbezogenen und emotionalen Effekten sowie vor der Erosion zentraler Fähigkeiten. Die individuelle Ebene bleibt also relevant. Sie erklärt das Problem jedoch nicht vollständig.

Menschen robuster zu machen, ersetzt keine schlechte Architektur.

Mit Architektur meine ich hier nicht das Organigramm. Ich meine die gestalteten Bedingungen von Handlungsfähigkeit: Wer entscheiden darf. Welche Informationen zählen. Wie Verantwortung sichtbar wird. Welche Eskalationswege gelten. Welche Routinen Teams nutzen, wenn Unsicherheit steigt. Und auch, wie menschliche Aufsicht und Kontrolle praktisch funktionieren, wenn KI mitarbeitet. Für mich beginnt Resilienzarchitektur dort, wo Urteil, Verantwortung und Kontrolle zusammenpassen.

Deshalb würde ich die eigentliche Resilienzlücke der KI-Ära anders benennen:
Sie ist keine Skill-Lücke. Sie ist eine Architektur-Lücke.

Wer entscheidet was, auf Basis welcher Informationen, mit welchen Kriterien und mit welchem Eskalationsweg? Diese Frage wirkt banal. Ist sie aber nicht. Gerade im Zusammenspiel von Mensch und KI entscheidet sie darüber, ob Geschwindigkeit zu Handlungsfähigkeit wird oder zu Unsicherheit. HBR argumentiert 2026, dass Organisationen im KI-Zeitalter ihre gewohnten Konsenslogiken hinter sich lassen und ihre Entscheidungsstrukturen neu ausrichten müssen; Erfolg werde stärker von organisationaler Agilität abhängen. Davon, wie schnell Unternehmen Signale erkennen, entscheiden und umsetzen. Das WEF zieht dazu den größeren Rahmen: Der eigentliche Wert von KI entsteht dort, wo Organisationen Arbeit, Entscheidungen und Operating Models neu gestalten.

Resiliente Teams entstehen nicht durch Einzelheld:innen. Sie entstehen durch gemeinsame Lageklarheit, funktionierende Kommunikation, sinnvolle Rollen, Widerspruchsfähigkeit und Lernschleifen. In der KI-Ära wird genau das wichtiger, nicht weniger. HBR empfiehlt deshalb, KI-Agenten wie Teammitglieder zu behandeln: mit klarer Rolle, definierter Autorität, zugelassenen Quellen und Eskalationsregeln. Der systematische Review von Li und Tian zeigt parallel, wie komplex und vielgestaltig kollaborative Human-KI-Entscheidung inzwischen geworden ist. Die Autoren identifizieren zwei zentrale Dimensionen: AI-human dynamics und decision typologies. Sie entwickeln daraus vier Paradigmen kollaborativer Human-AI-Entscheidung. Aus meiner Sicht folgt daraus: Es reicht nicht mehr, KI nur als „Tool“ zu betrachten, ohne die jeweilige Form der Zusammenarbeit mitzudenken.

2026 lässt sich Responsible AI kaum noch als bloßes Randthema behandeln. Die OECD Due Diligence Guidance for Responsible AI übersetzt den Umgang mit KI ausdrücklich in einen Due-Diligence-Rahmen für Unternehmen: Risiken sollen in Policies und Managementsysteme eingebettet, tatsächliche und potenzielle negative Auswirkungen identifiziert und bewertet, Maßnahmen nachverfolgt, Ergebnisse kommuniziert und da wo nötig Abhilfe ermöglicht werden.

Der Stanford AI Index 2026 zeigt zugleich, dass die Governance-Seite mit der Fähigkeitsentwicklung der Systeme nicht Schritt hält: Während fast alle führenden Frontier-Modellentwickler Ergebnisse zu Fähigkeits-Benchmarks berichten, bleibt das Reporting zu Responsible-AI-Benchmarks deutlich lückenhafter. Zugleich stiegen dokumentierte AI-Incidents auf 362, nach 233 im Jahr 2024.

Besonders anschaulich wird das in der Fallstudie von Aguilar et al. zu einer europäischen öffentlichen Verwaltung. Sie zeigen empirisch, wie Responsible AI dort nicht über abstrakte Prinzipien, sondern über konkrete organisationale und technische Arrangements operationalisiert wird: Data Governance, reproduzierbare Pipelines, kontinuierliche menschliche Aufsicht, robuste Infrastruktur und organisationales Lernen greifen ineinander, damit verantwortlicher organisationaler Wert im institutionellen Kontext entstehen kann. Zugespitzt formulieren die Autoren selbst: Nicht algorithmische Grenzen, sondern Governance-Schwächen waren die primäre Quelle der Unterperformance.

Deloitte beschreibt 2026 den Übergang von Pilotierung und Experimenten zu unternehmensweiter Skalierung; zugleich zeigt der Report, dass viele Unternehmen ihre Arbeit bislang eher über Weiterbildung als über Rollen- und Workflow-Redesign an KI anpassen und dass nur ein vergleichsweise kleiner Teil das Geschäft wirklich neu denkt. BCG argumentiert ergänzend, dass AI-first eine organisationale und nicht primär technische Herausforderung ist und Wert erst dann entsteht, wenn Operating Models um agentengestützte Ausführung herum neu aufgebaut werden. Auch das WEF zieht den Rahmen in diese Richtung: Der volle Wert von KI entsteht dort, wo Unternehmen neu denken, wie Arbeit geleistet, wie Entscheidungen getroffen und wie Operating Models gestaltet werden. Im begleitenden WEF-Paper AI at Work wird das noch präziser: Die Realisierung des vollen KI-Potenzials verlangt ein fundamentales Redesign von Workflows und ein klares Commitment zu Reskilling. Das ist nicht mehr bloß Technikimplementierung. Es ist Führungs- und Organisationsarbeit.

Mir ist wichtig, die Gegenposition fair mitzudenken.

Natürlich bleibt individuelle Resilienz relevant. Natürlich scheitern KI-Initiativen auch an Überforderung, Unsicherheit, fehlender Akzeptanz und kulturellen Spannungen. Wer das ignoriert, verkürzt die Lage. Aber umgekehrt gilt eben auch: Viele dieser Symptome sind nicht nur personenbezogen. Sie sind Ausdruck schlecht gebauter Strukturen. Wenn Rollen diffus bleiben, wenn Teams keine gemeinsamen Lagebilder entwickeln und wenn Kontrolle nur formal existiert, dann wird aus menschlicher Unsicherheit schnell organisationale Unruhe. Deshalb halte ich die Gegenüberstellung „Menschen oder Systeme“ für falsch. In der KI-Ära geht es um deren Kopplung.

Für mich heißt resiliente Führung in der KI-Ära nicht zuerst, Menschen „härter“ zu machen, damit sie mit mehr Komplexität irgendwie klarkommen.

Resiliente Führung heißt, die Bedingungen wirksamen Handelns präziser zu gestalten: klarere Entscheidungsräume, tragfähige Teamroutinen, belastbare Kontrollpunkte, gute Eskalationswege und eine reflektierte Mensch-Technologie-Zusammenarbeit.

Das ist bewusst noch kein ausbuchstabiertes Modell. Aber es ist eine andere Richtung als die alte Hoffnung, man müsse nur genug trainieren, coachen oder pilotieren. Die Zukunft gehört nicht den Organisationen mit den meisten Tools, sondern denen mit der besseren Handlungsarchitektur. Diese Lesart wird 2026 von Strategie-, Policy- und Forschungslinien erstaunlich breit getragen.

Dort, wo Technologie, Infrastruktur und operative Verantwortung eng gekoppelt sind, wird diese Frage noch schärfer. Dass NIST im April 2026 ein Profil für vertrauenswürdige KI in kritischer Infrastruktur angestoßen hat, ist dafür ein deutliches Signal. NIST beschreibt diese Umgebungen ausdrücklich als High-Stakes-Kontexte über IT, OT und industrielle Kontrollsysteme hinweg und verankert „Trustworthy AI“ in einem wiederholbaren Full-Lifecycle-Ansatz. In solchen Umfeldern reicht gute Absicht nicht. Dort wird besonders sichtbar, was eigentlich überall gilt: Resilienz entsteht nicht nur im Kopf. Sie entsteht auch im Design.

Für mich ist das vielleicht die wichtigere Einsicht für die nächsten Jahre:
Die Frage ist nicht nur, ob Menschen resilient genug sind.
Die Frage ist, ob unsere Organisationen so gebaut sind, dass Menschen und Technologien unter Unsicherheit gemeinsam handlungsfähig bleiben.

Resilienz ist dann keine reine Härtefrage.
Und auch kein Etikett.
Sondern eine Gestaltungsfrage.

Quellen:

• World Economic Forum. (2026, March 16). Organizational transformation in the age of AI: How organizations maximize AI’s potential. World Economic Forum.
• Brynjolfsson, E. (2026, January). AI at work: From productivity hacks to organizational transformation. World Economic Forum.
• Deloitte. (2026). The state of AI in the enterprise: The untapped edge. Deloitte AI Institute.
• Kataeva, N., Beauchene, V., Hilberath, C., Kelley, K., & Strelczyk, S. (2026, April 16). Design your company for AI, not AI for your company. Boston Consulting Group.
• Rosenthal, J., & Zuckerman, N. (2026, April 7). Decision-making by consensus doesn’t work in the AI era. Harvard Business Review.
• Telang, R., Hydari, M. Z., & Iqbal, R. (2026, March 23). To scale AI agents successfully, think of them like team members. Harvard Business Review.
• Croft, J., Vaid, S., Cheng, L., & Whillans, A. (2026, February 26). Where senior leaders are struggling with AI adoption, according to research. Harvard Business Review.
• Gartner. (2026, January 12). Gartner identifies the top future of work trends for CHROs in 2026. Gartner.
• Li, H., & Tian, F. (2026). Advancing decision-making through AI-human collaboration: A systematic review and conceptual framework. Group Decision and Negotiation. Advance online publication. https://doi.org/10.1007/s10726-026-09980-1
• OECD. (2026). OECD due diligence guidance for responsible AI. OECD Publishing. https://doi.org/10.1787/41671712-en
• Stanford Institute for Human-Centered Artificial Intelligence. (2026). AI index report 2026. Stanford University.
• Aguilar, R. M., Alayón, S., Torres, J. M., & Martín, C. A. (2026). Data-centric AI governance for responsible organizational value: Evidence from a European public administration. AI & Society. Advance online publication. https://doi.org/10.1007/s00146-026-02978-y
• National Institute of Standards and Technology. (2026, April 6). Concept note: AI RMF profile on trustworthy AI in critical infrastructure. U.S. Department of Commerce.

Autorin