THESENPAPIER 2026 · DEEP DIVE #2
Wenn KI mehr weiß, muss der Mensch besser urteilen
13. Oktober 2026 · Thomas E. Hollwedel, Deutsche Digitale Beiräte e.V.

Wie KI-Agenten die Entscheidungsarbeit verändern und warum menschliche Urteilskraft zum entscheidenden Erfolgsfaktor wird
Wie KI-Agenten die Entscheidungsarbeit verändern und warum menschliche Urteilskraft zum entscheidenden Erfolgsfaktor wird
Deep Dive zu These 2 in „KI-Agenten im Mittelstand“: Bessere Automatisierung erhöht den Wert menschlicher Urteilskraft
Abstract
KI-Agenten verändern die Vorbereitung unternehmerischer Entscheidungen grundlegend. Sie erschließen Informationen schneller, analysieren komplexe Zusammenhänge und entwickeln Handlungsalternativen. Damit verschiebt sich der Engpass von der Informationsbeschaffung zur menschlichen Bewertung. Doch mehr Informationen und präzisere Analysen führen nicht automatisch zu besseren Entscheidungen. Entscheidend werden die Fähigkeit, Annahmen kritisch zu prüfen, Erfahrungswissen einzuordnen und Zielkonflikte verantwortungsvoll abzuwägen. Der Beitrag zeigt, wie KI als analytischer Sparringspartner menschliche Urteilskraft stärken kann – und warum diese mit zunehmender Automatisierung an Bedeutung gewinnt.
1. Wenn Information nicht mehr der Engpass ist
Entscheiden bedeutet, zwischen Handlungsalternativen zu wählen, um bestimmte Ziele zu erreichen. Unternehmen treffen täglich tausende solcher Entscheidungen. Viele operative und taktische Entscheidungen folgen wiederkehrenden Mustern und lassen sich zunehmend automatisieren – beispielsweise in der Produktionsplanung, im Einkauf oder im Supply-Chain-Management.
Anders verhält es sich bei Entscheidungen mit erheblicher unternehmerischer Tragweite: Investieren wir in eine neue Technologie? Entwickeln wir ein neues Geschäftsmodell? Erschließen wir einen neuen Markt? Gehen wir eine strategische Partnerschaft ein?
Solche Entscheidungen werden auf unterschiedlichen Führungsebenen und in verschiedenen Unternehmensfunktionen getroffen. Sie binden Ressourcen, haben langfristige Konsequenzen und erfolgen häufig unter Risiko oder Unsicherheit.
Unternehmerische Entscheidungskompetenz bedeutet deshalb nicht, Unsicherheit vollständig zu beseitigen, sondern unter unvollständiger Information verantwortungsvoll zwischen Alternativen zu wählen.
Bisher war die Beschaffung und Verarbeitung entscheidungsrelevanter Informationen häufig ein wesentlicher Engpass. Marktanalysen, Wettbewerbsvergleiche, Investitionsrechnungen und die Aufbereitung interner Daten erforderten erhebliche Zeit und personelle Ressourcen. Nicht selten mussten Entscheidungen auf einer begrenzten Informationsbasis getroffen werden.
KI-Agenten verändern diese Ausgangslage. Sie können interne und externe Quellen erschließen, Informationen verknüpfen, Widersprüche erkennen und komplexe Analysen in kurzer Zeit durchführen.
Der Telekom Data Intelligence Hub beschreibt beispielsweise einen Anwendungsfall, bei dem ein KI-Agent den Aufwand für Recherche und Aufbereitung eines komplexen Berichts von etwa sechs Stunden auf weniger als eine Stunde reduzierte. Der Agent stellte eigenständig Anfragen an unterschiedliche Systeme und prüfte, ob weitere Informationen benötigt wurden.
Damit wird nicht nur die Informationsbeschaffung schneller. Auch die Breite und methodische Tiefe der Entscheidungsvorbereitung können erheblich zunehmen.
Eine Investition kann beispielsweise parallel anhand von Kapitalwert, Amortisationsdauer, unterschiedlichen Szenarien und Sensitivitätsanalysen untersucht werden. Was bisher aus Zeit- oder Kostengründen häufig unterblieb, wird zunehmend wirtschaftlich möglich.
Doch wenn Informationen schneller und umfassender verfügbar werden, entsteht ein neuer Engpass: ihre richtige Bewertung.
2. Der neue Engpass: Relevanz, Annahmen und Urteilskraft
Mehr Informationen bedeuten nicht automatisch bessere Entscheidungen. Entscheidend ist, welche Informationen relevant, zuverlässig und für die konkrete Fragestellung tatsächlich aussagekräftig sind.
Eine KI kann beispielsweise zahlreiche Marktstudien auswerten und daraus ein attraktives Wachstumspotenzial ableiten. Ob dieses Potenzial mit den Fähigkeiten, Ressourcen und strategischen Zielen des eigenen Unternehmens erschlossen werden kann, ist jedoch eine andere Frage.
Ebenso kann ein KI-Agent unterschiedliche Investitionsszenarien berechnen. Die mathematische Präzision dieser Berechnungen sagt allerdings wenig darüber aus, wie belastbar die zugrunde liegenden Annahmen sind.
Ein Business Case mit einer prognostizierten Rendite von 18,7 Prozent wirkt überzeugend. Beruht er jedoch auf unrealistischen Absatzmengen, unterschätzten Vertriebskosten oder einer zu optimistischen Marktentwicklung, erzeugt die Präzision lediglich Scheinsicherheit.
Je leistungsfähiger die Analyse wird, desto wichtiger wird die Prüfung ihrer Annahmen.
Damit verändert sich die menschliche Rolle im Entscheidungsprozess.
Während KI immer größere Teile der Recherche, Datenverarbeitung und Modellierung übernimmt, gewinnen andere Fähigkeiten an Bedeutung: relevante Informationen erkennen, Plausibilität beurteilen, unternehmerischen Kontext berücksichtigen, Zielkonflikte abwägen und Risiken verantworten.
Hinzu kommt, dass unternehmerische Entscheidungen nicht allein auf expliziten Fakten beruhen. Erfahrung, Marktkenntnis, Vertrauen, Unternehmenskultur und die Einschätzung der eigenen Organisation spielen häufig eine ebenso wichtige Rolle.
Dieses Wissen ist für KI zunächst nur begrenzt zugänglich. Es steckt in den Köpfen erfahrener Mitarbeiter und Führungskräfte, in persönlichen Beziehungen und in Erfahrungen aus früheren Entscheidungen.
Doch auch menschliche Erfahrung ist nicht automatisch richtig. Sie kann auf wertvollem Musterverständnis beruhen, ebenso aber auf überholten Annahmen, Gewohnheiten oder persönlichen Vorurteilen.
Die Herausforderung besteht deshalb darin, sowohl maschinell erzeugte Analysen als auch menschliches Erfahrungswissen kritisch zu bewerten.
Der Engpass verschiebt sich:
Von Information zu Interpretation –> von Analyse zu Urteil –> von Empfehlung zu Verantwortung.
3. KI als Sparringspartner – nicht als Orakel
Die vielleicht interessanteste Rolle von KI bei strategischen Entscheidungen besteht deshalb nicht darin, dem Menschen eine möglichst überzeugende Antwort zu liefern.
Sie besteht darin, seine Urteilsbildung durch bessere Informationen, kritische Fragen und alternative Perspektiven zu unterstützen.
Drei exemplarische Agentenrollen verdeutlichen dieses Potenzial.
Research-Agent: Was wissen wir tatsächlich?
Ein Research-Agent erschließt interne und externe Informationsquellen, verbindet Unternehmensdaten mit Marktinformationen und identifiziert Widersprüche oder Informationslücken.
Bei einer Investitionsentscheidung könnte er beispielsweise Marktpotenziale, Wettbewerbsangebote, Kundenanforderungen, Entwicklungsaufwand und Betriebskosten systematisch zusammenführen.
Sein Mehrwert liegt nicht allein in der Geschwindigkeit. Er kann unterschiedliche Perspektiven berücksichtigen und Quellen miteinander vergleichen, die bei einer klassischen Analyse möglicherweise unberücksichtigt geblieben wären.
Damit erweitert er die Informationsgrundlage. Die Entscheidung darüber, welche Informationen relevant und belastbar sind, bleibt jedoch eine Aufgabe menschlicher Urteilskraft.
Context-Agent: Was wissen unsere Menschen – und warum glauben sie es?
Ein wesentlicher Teil entscheidungsrelevanten Wissens liegt nicht in Dokumenten oder Datenbanken, sondern in der Erfahrung der beteiligten Menschen.
Ein Context-Agent könnte dieses implizite Wissen durch gezielte Fragen und Interviews erschließen.
Er fragt beispielsweise:
- Welche Erfahrungen haben wir mit vergleichbaren Investitionen gemacht?
- Warum vertrauen wir diesem Partner?
- Welche Risiken sehen Sie, die in den vorliegenden Zahlen nicht erkennbar sind?
- Welche Annahme halten Sie aufgrund Ihrer Erfahrung für unrealistisch?
Aus der intuitiven Aussage „Bei diesem Partner habe ich kein gutes Gefühl“ können dadurch konkrete Annahmen entstehen: frühere Terminüberschreitungen, unzureichende technische Kompetenz oder Zweifel an der wirtschaftlichen Stabilität.
Diese Annahmen lassen sich anschließend mit Daten, dokumentierten Erfahrungen und anderen Einschätzungen abgleichen.
Dabei muss der Agent auch Gegenfragen stellen: Beruht die Skepsis auf aktuellen Erkenntnissen oder auf einer einzelnen negativen Erfahrung? Gibt es widersprechende Beobachtungen? Würden andere Beteiligte zu derselben Einschätzung gelangen?
Der Context-Agent macht Erfahrung nicht objektiv. Er macht sie einer kritischen Prüfung zugänglich.
Damit erweitert KI die Informationsbasis um menschliches Erfahrungswissen und hilft zugleich, dessen Grenzen sichtbar zu machen.
Sparrings-Agent: Was übersehen wir?
Ein Sparrings- oder Devil's-Advocate-Agent geht noch einen Schritt weiter. Er soll nicht die bevorzugte Entscheidung bestätigen, sondern sie gezielt herausfordern.
Warum haben wir eine Alternative ausgeschlossen? Welche Annahme ist besonders kritisch? Welche Informationen widersprechen unserer Einschätzung? Was müsste eintreten, damit eine bislang verworfene Option attraktiver wäre?
Bei einer Investition könnte der Agent beispielsweise nicht nur zwischen Eigenentwicklung und Zukauf vergleichen, sondern zusätzliche Möglichkeiten wie Partnerschaft, Pilotierung oder eine schrittweise Investition aufzeigen.
Er könnte die favorisierte Alternative bewusst angreifen und Szenarien entwickeln, unter denen sie scheitert.
Dadurch entsteht ein strukturierter kritischer Dialog. Die KI erweitert den Lösungsraum und fordert den Entscheider auf, seine eigenen Annahmen zu begründen.
Ein guter KI-Sparringspartner liefert nicht nur bessere Antworten. Er stellt bessere Fragen.
Allerdings sind auch seine Gegenargumente und Alternativen kritisch zu prüfen. KI kann menschliche Denkfehler sichtbar machen, aber ebenso eigene Fehler und unbegründete Annahmen in die Diskussion einbringen.
4. Praxisbeispiel: Die Digitale Tankstelle – wie KI eine strategische Entscheidung unterstützen könnte
Wie KI die Vorbereitung strategischer Entscheidungen verändern könnte, lässt sich anhand eines realen Digitalisierungsprojekts aus dem Mittelstand illustrieren.
Für einen mittelständischen Hersteller von Tankanlagen wurde eine „Digitale Tankstelle“ entwickelt. Sensorik, Hardware, App und Cloud sollten Füllstände erfassen und die Nutzung mobiler Tankanlagen transparenter machen. Die Hardwareentwicklung erfolgte dabei durch einen externen Entwicklungsdienstleister.
Das Projekt eignet sich als Ausgangspunkt für ein hypothetisches Entscheidungsszenario: Wie könnte ein mittelständischer Hersteller mit Unterstützung von KI-Agenten prüfen, ob er aus einem klassischen Industrieprodukt ein digitales, serviceorientiertes Geschäftsmodell entwickeln sollte?
Eine solche Entscheidung wäre mit erheblichen Unsicherheiten verbunden: Welche Investitionen wären erforderlich? Wie hoch wäre die Zahlungsbereitschaft der Kunden? Könnte der bestehende Vertrieb wiederkehrende Serviceumsätze erzielen? Welche zusätzlichen Kompetenzen wären notwendig?
Ein Research-Agent könnte Marktinformationen, vergleichbare Geschäftsmodelle, technische Alternativen und Wirtschaftlichkeitsdaten zusammenführen.
Ein Context-Agent könnte durch gezielte Interviews mit Vertrieb, Produktmanagement, Entwicklung und Geschäftsführung das Erfahrungswissen der Beteiligten erschließen: Warum glauben wir, dass unsere Kunden für einen digitalen Service zusätzlich bezahlen würden? Welche Erfahrungen sprechen dafür – und welche dagegen?
Ein Sparrings-Agent könnte die bevorzugte Strategie kritisch hinterfragen: Warum sollten wir die gesamte Lösung selbst entwickeln? Wäre eine Partnerschaft sinnvoller? Welche Annahme gefährdet den Business Case am stärksten? Welche Erkenntnisse sollten wir durch einen Pilotversuch gewinnen, bevor wir umfassend investieren?
Der eigentliche Mehrwert der KI läge nicht darin, eine Investition zu empfehlen oder abzulehnen, sondern darin, Annahmen sichtbar zu machen, Erfahrungswissen kritisch zu prüfen, Alternativen systematisch zu bewerten und Unsicherheit bewusster abzuwägen.
Das Beispiel zeigt, wie ein solcher Entscheidungsprozess heute gestaltet werden könnte. Es beschreibt ausdrücklich keine tatsächlich durchgeführte KI-gestützte Investitionsentscheidung.
Die menschliche Entscheidung wird dadurch nicht überflüssig. Vielmehr müssen die Verantwortlichen ihre strategischen Ziele, Erfahrungen und Risikopräferenzen klarer formulieren, kritisch hinterfragen und begründen.
5. Wenn überzeugende Analysen Scheinsicherheit erzeugen
Mit der Leistungsfähigkeit KI-gestützter Analysen entsteht allerdings ein neues Risiko: Je professioneller und präziser die Ergebnisse wirken, desto größer kann die Versuchung werden, sie ungeprüft zu übernehmen.
Dieses Phänomen wird als Automation Bias bezeichnet – die Tendenz, automatisierten Empfehlungen zu stark zu vertrauen und eigene kritische Prüfungen zu vernachlässigen.
Gerade bei strategischen Entscheidungen kann das problematisch werden. Ein umfassender Bericht, ein plausibles Szenariomodell oder eine eindeutige Handlungsempfehlung vermitteln möglicherweise eine Sicherheit, die durch die tatsächliche Informationslage nicht gedeckt ist.
Die entscheidende Frage lautet deshalb nicht nur, ob eine KI-Empfehlung nachvollziehbar erscheint, sondern ob ihre Quellen, Annahmen und Grenzen tatsächlich geprüft wurden.
Hier gewinnt die Fähigkeit zum kritischen Hinterfragen an Bedeutung. Welche Informationen fehlen? Welche Annahmen wurden nicht überprüft? Welche alternativen Erklärungen gibt es? Welche Risiken lassen sich nicht sinnvoll quantifizieren?
Dabei ist auch zwischen Entscheidungsqualität und Entscheidungsergebnis zu unterscheiden.
Eine gut vorbereitete Entscheidung kann trotz sorgfältiger Analyse zu einem schlechten Ergebnis führen, wenn sich nicht vorhersehbare Entwicklungen realisieren. Umgekehrt kann eine unzureichend vorbereitete Entscheidung durch günstige Umstände erfolgreich sein.
Die Qualität einer Entscheidung bemisst sich deshalb nicht allein an ihrem späteren Ergebnis, sondern auch daran, wie systematisch Informationen geprüft, Alternativen bewertet, Unsicherheiten berücksichtigt und Zielkonflikte abgewogen wurden.
KI kann helfen, diese Grundlagen transparenter zu machen. Sie kann Annahmen dokumentieren, widersprüchliche Informationen aufzeigen und kritische Gegenpositionen formulieren.
Ob die daraus gezogenen Schlussfolgerungen tragfähig sind und welche Risiken eingegangen werden sollen, bleibt eine menschliche Entscheidung.
6. Urteilskraft wird zur strategischen Führungsfähigkeit
Wenn KI immer größere Teile der Informationsbeschaffung, Analyse und Entscheidungsvorbereitung übernimmt, verändert sich auch die Anforderung an Führungskräfte und Entscheidungsgremien.
Nicht mehr allein der Zugang zu Informationen oder die Fähigkeit, umfangreiche Analysen selbst durchzuführen, schafft einen entscheidenden Vorteil. Wichtiger wird, die Qualität dieser Analysen zu beurteilen und sie in den unternehmerischen Kontext einzuordnen.
Dazu gehören kritisches Denken, strategisches Verständnis, Erfahrung, Ambiguitätskompetenz und die Fähigkeit, widersprüchliche Ziele und Interessen gegeneinander abzuwägen.
Für Beiräte und Aufsichtsgremien entsteht daraus eine besondere Aufgabe. Sie sollten nicht nur danach fragen, wo KI Prozesse beschleunigt und Kosten reduziert. Sie müssen auch beurteilen können, ob KI-gestützte Entscheidungsgrundlagen belastbar sind und ob die verantwortlichen Menschen weiterhin über ausreichende eigene Urteilskompetenz verfügen.
Die Einführung von KI darf deshalb nicht dazu führen, dass kritisches Denken durch die bloße Übernahme automatisierter Empfehlungen ersetzt wird.
Im Gegenteil: Je mehr Analyse automatisiert wird, desto bewusster müssen Unternehmen menschliche Urteilskraft entwickeln und einsetzen.
Dabei geht es nicht darum, jede Berechnung selbst nachvollziehen zu können. Es geht darum, die richtigen Fragen zu stellen, relevante Annahmen zu erkennen, Widersprüche auszuhalten und auch gegen eine überzeugend präsentierte KI-Empfehlung entscheiden zu können.
Fazit: Wenn Information verfügbar wird, wird Urteilskraft zum knappen Gut
KI-Agenten verändern die Vorbereitung unternehmerischer Entscheidungen grundlegend. Sie können Informationen schneller erschließen, komplexere Analysen durchführen und mehr Handlungsalternativen untersuchen, als dies bisher wirtschaftlich möglich war.
Doch daraus entstehen nicht automatisch bessere Entscheidungen.
Der entscheidende menschliche Beitrag verschiebt sich: weg vom Zusammentragen und Verarbeiten von Informationen, hin zu Interpretation, Plausibilitätsprüfung, Abwägung und Verantwortung.
Die vielleicht wertvollste Rolle der KI liegt deshalb nicht darin, als automatisierter Entscheider aufzutreten, sondern als analytischer und kritischer Sparringspartner menschliche Urteilskraft herauszufordern und zu stärken.
Wenn Information immer schneller und umfassender verfügbar wird, wird Urteilskraft zum knappen Gut.
Die entscheidende Fähigkeit besteht künftig nicht darin, mehr zu wissen als die KI, sondern ihre Ergebnisse einzuordnen, ihre Annahmen zu hinterfragen, eigene Erfahrungen kritisch zu prüfen und unter Unsicherheit Verantwortung zu übernehmen.
„Bessere Automatisierung ersetzt menschliche Urteilskraft nicht. Sie erhöht ihren Wert.“
Key Learnings
- Der Engpass verschiebt sich: von Information zu Interpretation, von Analyse zu Urteil und von Empfehlung zu Verantwortung.
- Mehr Daten und präzisere Berechnungen bedeuten nicht automatisch bessere Entscheidungen. Entscheidend bleibt die Qualität der Annahmen und ihrer Bewertung.
- KI wird zum Sparringspartner: Research-, Context- und Sparrings-Agenten erweitern die Informationsbasis und fordern menschliche Einschätzungen kritisch heraus.
- Erfahrungswissen ist wertvoll, aber nicht unfehlbar. Context-Agenten können implizite Annahmen sichtbar und überprüfbar machen.
- Entscheidungsqualität ist nicht gleich Entscheidungsergebnis. Gute Entscheidungen beruhen auf sorgfältiger Abwägung, auch wenn ihre Ergebnisse unsicher bleiben.
- Urteilskraft wird zur strategischen Fähigkeit. Führungskräfte und Beiräte müssen KI-Empfehlungen kritisch einordnen, Zielkonflikte abwägen und Verantwortung übernehmen.
Quellen und weiterführende Literatur
- Telekom Data Intelligence Hub: From Six Hours to 60 Minutes: AI Agent Accelerates Analysis Work. https://dih.telekom.com/en/from-six-hours-to-60-minutes-ai-agent-accelerates-analysis-work
- Microsoft WorkLab: 2026 Work Trend Index – Agents, Human Agency and the Opportunity for Every Organization. https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization
- Erich Gutenberg: Grundlagen der Betriebswirtschaftslehre , insbesondere die betriebswirtschaftliche Entscheidungsperspektive.
- Michael Polanyi (1966): The Tacit Dimension. Zur Bedeutung impliziten Wissens.
- Parasuraman, R. & Riley, V. (1997): Humans and Automation: Use, Misuse, Disuse, Abuse. Human Factors, 39(2), 230–253. Zur kritischen Betrachtung von Automatisierungsvertrauen.
- Kahneman, D. & Klein, G. (2009): Conditions for Intuitive Expertise: A Failure to Disagree. American Psychologist, 64(6), 515–526. Zu Erfahrungswissen und den Grenzen intuitiver Urteile.

