New Work und Personalentwicklung: Urteilskraft statt KI-Optimismus
KI verändert Personalentwicklung und Verwaltung nicht dadurch, dass sie Antworten schneller produziert. Entscheidend ist, ob Menschen mit ihr besser urteilen, lernen und Verantwortung übernehmen können.
Ursprünglich veröffentlicht: 16.12.2022 · Inhaltlich aktualisiert: 08.10.2026
Der erste Text auf dieser Seite entstand in einer anderen Lage: Die Pandemie hatte mobiles Arbeiten beschleunigt, digitale Prozesse schienen vor allem eine Frage neuer Werkzeuge zu sein. Viele damalige Stichworte beschrieben Möglichkeiten, aber noch keine belastbare Richtung. Heute ist die Lage konkreter. Generative KI kann Texte, Zusammenfassungen und Entwürfe in hoher Geschwindigkeit erzeugen. Sie kann Arbeitsabläufe entlasten. Sie kann jedoch auch Fehler elegant formulieren, Vorentscheidungen unsichtbar machen und die Lernwege verkürzen, auf denen Menschen Erfahrung und Urteilskraft entwickeln.
Darum reicht es nicht mehr, Digitalisierung als Einführung weiterer Systeme zu erzählen. Für Personalentwicklung und öffentliche Verwaltung stellt sich eine anspruchsvollere Frage: Welche Arbeit darf delegiert werden – und welche Fähigkeiten, Beziehungen und Verantwortungsräume müssen gerade dann wachsen?
Vom Werkzeug zur Arbeitsbeziehung
KI ist weder eine neutrale Schreibmaschine noch ein Subjekt, das Verantwortung übernehmen könnte. Sie wird Teil einer Arbeitsbeziehung: Sie ordnet vor, schlägt vor, formuliert, priorisiert und beeinflusst damit, worauf Menschen ihre Aufmerksamkeit richten. Der Nutzen einer Anwendung entsteht deshalb nicht allein aus ihrer technischen Fähigkeit. Er entsteht aus der Verbindung von Aufgabe, Daten, Arbeitsablauf, Zeitdruck und der Möglichkeit, ein Ergebnis zu prüfen oder zurückzuweisen.
Gerade in der Verwaltung ist diese Unterscheidung wichtig. Bei klaren, stabilen Standardfällen sind nachvollziehbare Regeln oft geeigneter als generative KI. Wo ein System Menschen betrifft, Unsicherheit enthält oder eine Entscheidung vorbereitet, braucht es eine verantwortliche Person mit Fachkenntnis und echter Eingriffsmacht. Das ist keine Verlangsamung aus Prinzip. Es ist die Voraussetzung dafür, dass Effizienz nicht auf Kosten von Nachvollziehbarkeit und Vertrauen entsteht.
Personalentwicklung wird Lernarchitektur
Wenn Routinearbeit schneller erledigt wird, entsteht nicht automatisch gute Arbeit. Eine Organisation muss entscheiden, was sie mit der gewonnenen Zeit tut. Sie kann sie in Taktverdichtung übersetzen. Oder sie schafft Räume, in denen Menschen Fälle verstehen, Rückfragen stellen, gemeinsam prüfen und aus Fehlern lernen. Genau dort liegt der Kern zeitgemäßer Personalentwicklung.
Autonomie, Kompetenz und Verbundenheit sind dafür keine Versprechen, die eine Software einlösen kann. Sie sind Prüfsteine für Arbeitsgestaltung. Haben Beschäftigte einen nachvollziehbaren Zweck für die Aufgabe? Können sie Fähigkeiten aufbauen, statt nur Vorschläge abzunicken? Bleibt Zusammenarbeit möglich, wenn der erste Entwurf von einem System kommt? Wer solche Fragen ignoriert, kann kurzfristig Durchlaufzeiten senken und zugleich langfristig die Erfahrung verlieren, die für schwierige Fälle gebraucht wird.
New Work beginnt nicht mit dem Zugang zu einem neuen Interface. Es zeigt sich darin, ob Menschen an der Gestaltung ihrer Arbeit beteiligt sind und ob sie Verantwortung real tragen können. Die Zeit, in der jemand innehält, eine Quelle prüft oder einer plausiblen Antwort widerspricht, ist keine Störung im Prozess. Sie ist ein Teil professioneller Arbeit.
Mündig delegieren statt blind vertrauen
Digitale Mündigkeit heißt nicht, jede Berechnung selbst auszuführen oder KI grundsätzlich abzulehnen. Sie heißt, bewusst zu delegieren, Ergebnisse der jeweiligen Tragweite angemessen zu prüfen und widersprechen zu können. Bei einer ersten Ideensammlung genügt eine andere Kontrolle als bei der Vorbereitung einer Personalentscheidung, einer Leistungsbewertung oder einer behördlichen Auskunft.
Die Pflicht dafür darf nicht allein bei einzelnen Beschäftigten liegen. Organisationen müssen sichtbar machen, wann und wofür ein System eingesetzt wird. Sie müssen Zeit für Prüfung einplanen, Korrekturen ermöglichen, Beschwerdewege vorsehen und Verantwortung benennen. Eine Person in einer Freigabeschleife erfüllt diese Aufgabe nicht automatisch. Aufsicht ist nur wirksam, wenn sie Informationen erhält, fachlich urteilen kann und die Befugnis hat, einen Vorschlag zu ändern oder zu stoppen.
Das ist besonders wichtig, weil generative Systeme keine Tatsachengarantie geben. Ihre Antworten können richtig, falsch oder widersprüchlich sein. Flüssige Sprache ist kein Wahrheitsbeleg. Für die Personalentwicklung folgt daraus: Medien- und Fachkompetenz gehören zusammen. Wer KI nutzt, muss nicht zum Modellprüfer werden. Er oder sie muss aber wissen, wann eine Aussage belastbar belegt werden muss, wer sie prüft und wie eine Korrektur in den Ablauf zurückkommt.
Verantwortung wächst mit der Tragweite
Ein hilfreiches Raster beginnt nicht mit der Frage, welches Modell gerade verfügbar ist, sondern mit der Wirkung einer Entscheidung. Je schwerer ein Ergebnis rückgängig zu machen ist, je größer der mögliche Schaden und je stärker das Machtgefälle, desto höher sind die Anforderungen an Nachvollziehbarkeit, Dokumentation, Korrektur und Beschwerde. Für konkrete rechtliche Pflichten muss der jeweilige Anwendungsfall gesondert geprüft werden. Der EU AI Act enthält für Hochrisiko-Systeme Anforderungen an menschliche Aufsicht; die DSGVO begrenzt unter bestimmten Voraussetzungen ausschließlich automatisierte Entscheidungen mit rechtlicher oder ähnlich erheblicher Wirkung.
Aus diesen Rahmen folgt kein allgemeines Verbot und keine automatische Freigabe. Sie erinnern daran, dass eine technische Einführung immer auch eine Organisationsentscheidung ist. Verantwortlich ist nicht „der Algorithmus“, sondern die Stelle, die Zweck, Daten, Prozess und Verwendung festlegt.
Souveränität ist eine Prüfpraxis
Auch die Herkunft eines Modells beantwortet die Frage der Souveränität nicht allein. Entwicklung, Hosting und Betrieb, Zugriffsrechte, Datenschutz sowie vertragliche Bedingungen müssen getrennt betrachtet werden. Es gibt europäische Entwicklungen und unterschiedliche Betriebswege. Daraus folgt weder vollständige Unabhängigkeit noch eine pauschale Qualitätsaussage. Für Organisationen wird diese Unterscheidung praktisch, wenn sie vor einer Einführung klären: Wo liegen die Daten? Wer kann sie verarbeiten? Welche Protokolle und Schnittstellen entstehen? Wie lässt sich ein System wechseln oder abschalten?
Gute Einführung beginnt deshalb klein und überprüfbar: mit einer klaren Aufgabe, einer begrenzten Pilotphase, dokumentierten Kriterien und den Menschen, die später mit den Folgen arbeiten. Nicht jedes nützliche Experiment muss skaliert werden. Auch das begründete Stoppen eines Versuchs ist eine Form organisationaler Kompetenz.
New Work ist der Maßstab
Die entscheidende Frage lautet daher nicht, ob KI die Personalentwicklung modern macht. Sie lautet: Erweitert diese konkrete Anwendung die Fähigkeit der Menschen, ihre Arbeit zu verstehen, zu gestalten und verantworten zu können? Wo sie das tut, kann sie Freiräume öffnen. Wo sie Urteilskraft, Lernwege und Widerspruchsmöglichkeiten verdrängt, produziert sie nur eine schnellere Form alter Fremdbestimmung.
Weitere Gedanken dazu bündelt das Flowbook KI. Der Prüfauftrag für jede Einführung bleibt einfach und anspruchsvoll: Wer kann den Zweck setzen, das Ergebnis prüfen, widersprechen und die Entscheidung verantworten?
Quellen und Orientierung
NIST: AI Risk Management Framework – Generative AI Profile (2024)
UNESCO: Guidance for Generative AI in Education and Research
Verordnung (EU) 2024/1689 (AI Act) · Datenschutz-Grundverordnung
Bildnachweis
Symbolisches Motiv zur gemeinsamen Prüfung eines digitalen Pilotprozesses — KI-generiert mit Magnific (Seedream 5 Pro), NWNC, 2026. Keine dokumentarische Aufnahme einer konkreten Verwaltung.