Kurz gesagt: Wenn KI-Systeme mehr Varianten liefern, landen mehr Entscheidungen bei wenigen Menschen. Ich nenne das Entscheidungsverdichtung. Human in the Loop bedeutet deshalb mehr als einen Klick auf „Freigeben“ am Ende eines Ablaufs. Führungskräfte müssen festlegen, welche Entscheidungen ein System selbst treffen darf und welche zwingend bei einem Menschen landen.
Zehn Kampagnenvarianten in der Zeit, in der früher eine einzige entstand, klingen zunächst nach Entlastung. Was tatsächlich passiert, sieht anders aus. Jede dieser Varianten braucht jemanden, der sie freigibt, und diese Aufgabe landet am Ende bei einer einzigen Person.
Die Erwartung war eine andere. Als Systeme begannen, Reportings zusammenzustellen, Präsentationen zu formatieren und Wettbewerbsdaten zu durchsuchen, war die Hoffnung groß: weniger Abstimmungsschleifen, mehr Zeit für die wirklich wichtigen Dinge. Diese Routinen sind tatsächlich verschwunden. Was bleibt und sogar zunimmt, sind die Momente, in denen jemand beurteilen muss, ob ein Ergebnis wirklich passt.
Je mehr Aufgaben ein System übernimmt, desto mehr Entscheidungen landen bei denjenigen, die die Verantwortung tragen.
Wenn eine KI zehn Kampagnenvarianten in der Zeit ausspielt, in der früher eine entstand, muss jemand entscheiden, welche davon zur Marke passt, welche riskant ist und welche man stoppt, bevor sie öffentlich wird. Diese Entscheidung trifft eine Führungskraft, kein Algorithmus trifft sie für sie.
Ein konkretes Beispiel
Aus der Praxis
Ich habe das kürzlich in einem Workshop mit einem Marketingteam erlebt, das gerade ein neues Text-Tool eingeführt hatte. Innerhalb einer Woche produzierte das Team doppelt so viele Varianten für eine Kampagne wie zuvor. Der eigentliche Engpass verschob sich in die Freigabe. Die Teamleiterin saß plötzlich vor zwanzig Textvarianten statt vor zweien, jede davon mit demselben Anspruch: konsistent zur Marke, rechtlich sauber, inhaltlich richtig. Das Tool hatte ihr Zeit gespart. Es hatte ihr auch mehr Verantwortung gegeben, an einer einzigen Stelle konzentriert.
Wo Führung heute enger wird
Ich nenne das Entscheidungsverdichtung. Es entstehen mehr Momente, in denen ein Mensch beurteilen muss, ob eine automatisch generierte Aussage stimmt, ob ein System gerade an der Grenze seiner Kompetenz operiert, oder ob eine Kampagne, die technisch einwandfrei läuft, trotzdem falsch ist. Auch bei Budgets zeigt sich das: Ein System kann zehn Verteilungsszenarien in Sekunden durchrechnen, aber welches Risiko ein Unternehmen dafür eingehen will, muss weiterhin jemand entscheiden, der die Konsequenzen trägt. Das gilt für Kampagnenbudgets genauso wie für die Frage, welche Kundendaten ein System überhaupt verarbeiten darf.
Wie sich diese Verdichtung gestalten lässt
Organisationen, die das ernst nehmen, schaffen bewusst Räume dafür: klare Eskalationswege, definierte Grenzen, in denen Systeme selbstständig entscheiden dürfen, und benannte Momente, die zwingend bei einem Menschen landen müssen. Das ist im Kern Entscheidungsarchitektur. Sie entsteht nicht von selbst, sie wird gestaltet, in Workshops, in Leitlinien, in der Art, wie Freigabeprozesse aufgebaut werden.
Wird diese Gestaltung ausgelassen, wächst die Verdichtung trotzdem, nur ungeordnet. Freigaben stauen sich bei Einzelnen, Verantwortung verteilt sich zufällig, und Erschöpfung wird schnell zum Nebeneffekt technologischer Beschleunigung.
Genau das ist der Kern meines Buchs „Die neue Betriebslogik“. Marketing eignet sich besonders gut, um diese Verschiebung zu beobachten, weil hier Technologie so tief in den Arbeitsalltag eingedrungen ist wie in kaum einer anderen Unternehmensfunktion. Was hier zuerst sichtbar wird, holt andere Bereiche in den kommenden Jahren ein, vom Vertrieb bis zur Produktentwicklung.
Wenn ich eine Frage mitgeben darf: Schauen Sie in Ihrer eigenen Organisation genau hin, wo Entscheidungen sich gerade stauen, dort, wo am Ende jemand den Kopf hinhält, wenn etwas schiefgeht. Genau dort beginnt Führung im KI-Zeitalter, und genau dort lohnt es sich, als Erstes anzusetzen.
Was bedeutet Human in the Loop wirklich?
Der Begriff Human in the Loop wird oft so verwendet, als ginge es um einen Menschen, der am Ende eines Ablaufs auf „Freigeben“ klickt. Das greift zu kurz. Jörg von Garrel beschreibt den Ansatz als Regelkreis aus Mensch und Maschine, in dem der Mensch überwacht, entscheidet und eingreift, sobald eine Situation die Grenzen der Maschine überschreitet. Er bleibt dabei über den gesamten Lebenszyklus eines Systems beteiligt, von der Entwicklung bis zur laufenden Verbesserung.
Genau hier entsteht die Entscheidungsverdichtung. Weniger Menschen erledigen Routinefälle selbst. Mehr Menschen müssen einem Agenten beibringen, wie ein guter Fall aussieht, seine Ergebnisse prüfen und Ausnahmen entscheiden. Diese Rolle braucht Zeit im Kalender und einen Platz in der Leistungsbewertung. Wird sie nebenbei erledigt, sinkt die Qualität des Agenten innerhalb weniger Monate.
Eine Eigenschaft von Agenten sollte jede Führungskraft kennen: Ein Agent, der irrt, klingt selten unsicher. Im Superagency-Bericht von McKinsey nennt rund die Hälfte der Beschäftigten die Ungenauigkeit von KI und Risiken für die Cybersicherheit als Sorge. Das spricht für gut gesetzte Prüfschritte an den Stellen, an denen ein Fehler wirklich etwas kostet.
Was sollten Geschäftsführungen jetzt prüfen?
- Klären Sie, bei welchen Entscheidungen in Ihren KI-gestützten Abläufen festgelegt ist, wer sie trifft, und bei welchen sich das einfach ergeben hat.
- Messen Sie die Zahl der Freigaben pro Woche je verantwortlicher Person, vor und nach dem Einsatz eines Systems.
- Sprechen Sie mit den Menschen, die heute die meisten Freigaben erteilen, darüber, welche davon ein Agent innerhalb fester Grenzen selbst erledigen könnte.
Häufige Fragen
Was ist Entscheidungsverdichtung?
Mit Entscheidungsverdichtung beschreibe ich, dass KI-Systeme Routinearbeit übernehmen und dabei mehr Ergebnisse erzeugen, über die ein Mensch entscheiden muss. Diese Entscheidungen bündeln sich bei wenigen Personen, oft bei der Führungskraft.
Heißt Human in the Loop, dass jedes Ergebnis geprüft wird?
Nein. Ein Mensch bleibt Teil des Regelkreises, die Prüftiefe richtet sich aber nach dem Risiko. Routinefälle mit geringem Risiko können ohne Einzelprüfung laufen, wenn Stichproben und Kennzahlen zeigen, dass die Qualität stimmt.
Mehr zum Thema: Wie autonom darf ein KI-Agent sein? Drei Autonomiestufen · Das AI-First Operating Model
Quellen: von Garrel, J. (2026): Analyse der Mensch-KI-Interaktion: Vertrauen, Akzeptanz und der Human-in-the-Loop-Ansatz. Springer Gabler · McKinsey (2025): Superagency in the workplace
