Wahrheit ist keine Lieferung: Welche Arbeit wertvoll wird, wenn KI alles ausgeben kann

English version

Die Maschine hat den Bericht geschrieben, die Quellen zusammengefasst und die
Entscheidungsvorlage formatiert. Im Meeting bleibt nur eine kleine Frage offen:
Stimmt es auch?

Das ist der Moment, in dem die große Erzählung von der vollautomatisierten
Wissensarbeit wieder erstaunlich handwerklich wird. Jemand muss wissen, woher
eine Aussage kommt. Jemand muss erkennen, was fehlt. Jemand muss entscheiden,
ob eine Abweichung wichtig ist oder nur eine sehr selbstbewusste Fußnote. Und
jemand muss seinen Namen unter die Konsequenz setzen.

Das ist der Teil, für den es noch keinen bequemen Autopiloten gibt. Nur einen
Kalendertermin.

Francesco Marconi beschreibt diese Verschiebung im AppliedXL-Report
Original Intelligence.
Seine These ist ebenso einfach wie produktiv: Informationsunternehmen haben
lange zwei Leistungen als ein Produkt verkauft. Sie brachten neue, belastbare
Erkenntnisse hervor. Und sie lieferten diese Erkenntnisse aus. KI trennt dieses
Paket. Suche, Zusammenfassung, Rekombination und Ausgabe werden billig. Der
erste belastbare Kontakt mit einer neuen Tatsache werde dagegen zum knappen
Gut.

Marconi nennt die erste Hälfte Origination, die zweite Delivery. Seine
Pointe: Wer jetzt nur die Auslieferung automatisiert, optimiert genau den Teil
des Geschäfts, dessen Preis fällt.

Die saubere Trennung, die viele Organisationen vermeiden

Der Report beginnt mit Paul Julius Reuter. Im Jahr 1850 ließ Reuter
Börsenkurse per Brieftaube über die Lücke zwischen zwei Telegrafenlinien
transportieren. Als die Leitung geschlossen wurde, war der Vogel als
Geschäftsmodell erledigt. Reuter wechselte die Technik und behielt den Zweck:
einen relevanten Unterschied früher als andere zugänglich zu machen.

Die Geschichte ist mehr als eine hübsche Herkunftserzählung für Reuters. Sie
zeigt ein Muster, das bis in unsere Büros reicht. Organisationen verlieben sich
gern in ihre jeweilige Brieftaube. Früher war es das Portal, dann das
Dashboard, heute der Agent. Jede neue Oberfläche wird kurz für den eigentlichen
Wert gehalten. Dabei ist sie zunächst nur eine neue Art, etwas zu transportieren.
Der Agent ist dann die Brieftaube mit API.

Marconis Unterscheidung zwingt zu einer nüchternen Inventur. Welche Arbeit
erzeugt eine neue, überprüfbare Aussage? Welche Arbeit sortiert nur, was schon
bekannt ist? Welche Arbeit verbindet bekannte Punkte so, dass eine neue
Entscheidung möglich wird? Und welche Arbeit produziert lediglich eine weitere
Zusammenfassung für das Sitzungsprotokoll, das nächste Woche von einer anderen
KI zusammengefasst wird?

Das ist eine gute New-Work-Frage, weil sie nicht bei Stellenbeschreibungen
stehen bleibt. Sie fragt nach dem wirklichen Beitrag einer Tätigkeit. Mit
Bergmann gesprochen: nicht zuerst, wie Arbeit schneller verschwindet, sondern
welche Arbeit Menschen wirklich, wirklich tun wollen und unter welchen
Bedingungen sie dabei handlungsfähig bleiben.

Freiheit ist hier nicht der leere Stuhl, nachdem der Agent fertig ist. Sie
beginnt dort, wo Menschen Zugang zu Quellen, Werkzeugen, Zeit und Entscheidung
haben und aus einer Entlastung einen eigenen Beitrag machen können.

Was der Report sehr gut sieht: Urteil ist ein Arbeitsprozess

Besonders stark ist Original Intelligence dort, wo der Text menschliche
Expertise nicht mystifiziert. Informationsspezialistinnen und -spezialisten
sind bei Marconi keine Orakel. Sie üben ein Handwerk aus.

Sie erschließen Primärquellen. Sie strukturieren technische Dokumente. Sie
erkennen Abweichungen. Sie verbinden Ereignisse über Zeit und Institutionen
hinweg. Sie prüfen Aussagen an der Quelle. Sie klären, wen ein Signal betrifft
und welche Konsequenz daraus folgen könnte. Erst dann liefern sie es dorthin,
wo entschieden wird.

Der Report verdichtet diesen Ablauf in sieben Schritte: Quelle, Struktur,
Erkennung, Verbindung, Verifikation, Kontextualisierung und Auslieferung. Das
ist wertvoll, weil es aus dem großen Wort Urteil eine gestaltbare Praxis macht.
Man kann Rollen, Lernwege, Qualitätsregeln und technische Unterstützung darum
bauen.

Urteilskraft ist also kein geheimnisvoller Edelknopf im Menschen. Sie ist eine
Praxis aus Hinsehen, Nachfragen, Vergleichen, Verwerfen und Entscheiden. Das ist
weniger feierlich. Dafür kann man es lernen.

Auch KI hat darin einen starken Platz. Sie kann große Mengen an Dokumenten
strukturieren, Anomalien markieren, Ereignisse verbinden und frühere Fälle als
Vergleichsraum öffnen. Archive werden damit nicht wertlos. Sie wechseln ihre
Funktion. Das historische Wissen ist nicht mehr nur ein Lager, das man durchsucht.
Es wird zum Hintergrund, vor dem das Neue sichtbar wird.

Die Maschine kann also viel mehr sein als eine Textmaschine. Aber sie ersetzt
nicht automatisch die institutionelle Frage: Wer bestimmt, was beobachtet
wird? Wer erklärt ein Signal für hinreichend geprüft? Wer darf widersprechen?
Wer trägt die Folgen, wenn aus einem Muster eine Entscheidung wird?

Wo die These zu stark wird

Marconi formuliert zugespitzt, Maschinen könnten Wahrheit abrufen, aber nicht
produzieren. Als Schlagzeile funktioniert das. Als Arbeitsdefinition ist es zu
hart.

Sensoren, Satelliten und autonome Labore erzeugen neue Daten. Systeme können
Versuche steuern, Messungen auslösen und Beobachtungen festhalten, die vorher
nicht im Datensatz lagen. Der Report kennt diesen Einwand. Er antwortet, rohe
Erfassung sei noch keine Erkenntnis. Eine Kamera zählt Autos, weiß aber nicht,
was die Zahl für ein Unternehmen bedeutet.

Damit verschiebt sich die Grenze. Nicht der Mensch allein steht am Anfang und
die Maschine allein am Ende. Beobachtung, Synthese und Deutung werden zu einem
gemeinsamen Prozess. Einige Schritte können technisch erfolgen. Andere brauchen
fachliche, rechtliche oder politische Verantwortung. Entscheidend ist nicht,
ob ein Mensch jeden Messwert persönlich gesehen hat. Entscheidend ist, ob der
Weg von der Beobachtung zur Behauptung und von der Behauptung zur Entscheidung
prüfbar bleibt.

Auch das Panama-Beispiel des Reports zeigt diese Unschärfe. Gerichtsverfahren,
Proteste und Handelsdaten waren bereits öffentlich. Selten war nicht unbedingt
die einzelne neue Tatsache, sondern die Fähigkeit, mehrere vorhandene Spuren
rechtzeitig als dieselbe Geschichte zu lesen. Das ist nicht bloß Auslieferung.
Es ist aber auch nicht sauber von Synthese und Interpretation zu trennen.

Die bessere Formel lautet deshalb: KI verbilligt viele Formen der
Informationsverarbeitung. Sie beseitigt nicht die Arbeit, aus Beobachtungen
verantwortbare Aussagen zu machen.

Die New-Work-Frage: Wer organisiert epistemische Arbeit?

Epistemische Arbeit ist die Arbeit, durch die eine Beobachtung zu einer
belastbaren Aussage wird und eine Aussage zu einer anfechtbaren Entscheidung.
Sie umfasst Quellenzugang, Fragenauswahl, Verifikation, Kontext,
Unsicherheitsmarkierung, Widerspruch und Verantwortung.

Diese Arbeit darf nicht als edler menschlicher Rest behandelt werden, der nach
der Automatisierung zufällig übrig bleibt. Sie muss gestaltet, gelernt und
geschützt werden.

Genau deshalb reicht es nicht, technisch aufzuholen. KI greift gleichzeitig in
Arbeit, Bildung, Verwaltung, Öffentlichkeit, Wertschöpfung,
Machtarchitekturen und die Organisation von Urteil ein. Sie verändert nicht
nur, wie gearbeitet wird, sondern auch, was als Kompetenz, Karriere,
Institution und menschlicher Beitrag gilt. Eigene Chips und größere Modelle
können wichtig sein. Den Paradigmenwechsel gestalten sie nicht von selbst.

Hier verläuft eine nüchterne New-Work-Grenze: Menschen dürfen nicht zum
menschlichen Anhang maschineller Vorentscheidungen werden. Wer am Ende nur noch
unterschreibt, ohne den Denkweg betreten zu dürfen, trägt Verantwortung ohne
Handlungsmacht. Das ist keine Befreiung von Arbeit. Das ist Haftung mit
freundlicher Benutzeroberfläche.

Das beginnt bei den Einstiegsebenen. Wenn Juniorinnen und Juniors nur noch
fertige Synthesen kontrollieren, lernen sie weder Quellen kennen noch
Abweichungen einzuordnen. Sie werden zu Ghost Learners: im Workflow anwesend,
aber vom Denkweg getrennt. Eine Organisation kann dann kurzfristig schneller
werden und gleichzeitig die Fähigkeit verlieren, in drei Jahren noch zu
verstehen, warum ihre Entscheidungen tragen. Das Organigramm wird schlanker,
das institutionelle Gedächtnis gleich mit.

Es betrifft auch die Zeit. Verifikation ist selten der schnellste Schritt. Sie
braucht Rückfragen, zweite Lesarten und manchmal den unspektakulären Satz:
„Das wissen wir noch nicht.“ Wer jede menschliche Verzögerung als Ineffizienz
behandelt, automatisiert nicht nur Arbeit. Er entfernt die Haltepunkte, an denen
Fehler noch korrigiert werden können.

Eine Organisation ohne Zeit zum Zweifel ist schnell. Vor allem schnell
überzeugt.

Und es betrifft Macht. Marconi beschreibt den Platz an der Primärquelle als
knappen „Sitz“, der pro Domäne oft nur einmal besetzt werde. Für ein
Geschäftsmodell mag diese Aussicht attraktiv sein. Für eine demokratische
Wissensordnung ist sie gefährlich. Wahrheit braucht unabhängige Prüfung,
konkurrierende Lesarten und die Möglichkeit, einen etablierten Benchmark
anzufechten. Ein einziger vertrauenswürdiger Anbieter ist bequem. Bis genau
dieser Anbieter falsch liegt.

Sechs Bauaufgaben für Organisationen

Aus der Analyse folgt kein Plädoyer gegen KI. Im Gegenteil. Sie zeigt, wo KI
nützlich wird, wenn sie nicht nur mehr Ausgabe erzeugt.

Dafür braucht es keine weitere Transformationsfolie mit einem Pfeil nach
rechts oben. Es braucht sechs ziemlich konkrete Bauaufgaben.

Erstens: Primärquellenzugang sichern. Beschäftigte brauchen Zugriff auf die
Aufzeichnungen, Daten und Personen, aus denen eine Aussage entsteht. Eine
Zusammenfassung ohne Rückweg ist keine Entlastung, sondern Abhängigkeit.

Zweitens: Provenienz in den Arbeitsfluss bauen. Quellen, Änderungen,
Unsicherheiten und Prüfentscheidungen müssen mit dem Ergebnis reisen. Nicht als
Anhang für besonders gewissenhafte Menschen, sondern als Teil des Produkts.

Drittens: Widerspruch als Rolle organisieren. Ein Review darf nicht nur
bestätigen, dass ein System formal gearbeitet hat. Es braucht Zeit,
Kompetenz und das Recht, die Fragestellung oder die Entscheidung selbst
zurückzuweisen.

Viertens: Lernwege erhalten. Nachwuchskräfte müssen an Quellen,
Zwischenschritten und Fehlentscheidungen arbeiten können. Wer nur das fertige
Ergebnis sieht, lernt vor allem, wie man auf „Freigeben“ klickt.

Fünftens: öffentliche und private Erkenntnis unterscheiden. Nicht jedes
wertvolle Signal darf hinter einer professionellen Bezahlschranke enden.
Gerade bei Gesundheit, Verwaltung, Klima oder Sicherheit muss geklärt werden,
welches Wissen öffentlich zugänglich und überprüfbar bleiben soll.

Sechstens: Qualität an Korrekturfähigkeit messen. Entscheidend ist nicht,
wie viele Berichte ein System erzeugt, sondern ob Fehler auffindbar sind, ob
Einwände Folgen haben und ob Verantwortung zugeordnet werden kann.

Das sind Freiheitssubstrate der Wissensarbeit: Zeit, Zugang, Können,
Unabhängigkeit und wirksamer Widerspruch.

Erst sie machen aus technischer Entlastung gelebte Freiheit. Sonst arbeitet die
Maschine und der Mensch wartet auf die nächste Freigabe.

Nicht die letzte menschliche Bastion, sondern eine gemeinsame Praxis

Die stärkste Einsicht von Original Intelligence lautet nicht, dass Menschen
eine letzte uneinnehmbare Festung besitzen. Solche Festungen werden in der
Technologiegeschichte meistens kurz nach der Einweihung umgebaut.

Stärker ist die organisatorische Einsicht: Je billiger Antworten werden, desto
wichtiger wird die Architektur, die aus einer Antwort eine verantwortbare
Aussage macht. KI kann darin beobachten, sortieren, vergleichen und verbinden.
Menschen können Fragen setzen, Kontexte verstehen, Interessen sichtbar machen,
widersprechen und Verantwortung übernehmen. Institutionen müssen festlegen,
wie beides zusammenarbeitet und wo eine Entscheidung gestoppt werden kann.

New Work beginnt in dieser Lage nicht mit der Frage, welche Stelle der Agent
ersetzt. Es beginnt mit der Frage, welche Urteilskraft eine Gesellschaft
braucht, wer sie lernen kann und welche Macht sie tatsächlich anhalten darf.

Die Zukunft der Wissensarbeit entscheidet sich deshalb nicht an der Frage, ob
eine Maschine einen überzeugenden Bericht liefern kann. Das kann sie längst.
Sie entscheidet sich daran, ob Menschen und Institutionen noch wissen, wie
eine Behauptung entstanden ist, wer sie prüfen konnte und wer für ihre Folgen
einsteht.

Wahrheit ist keine Lieferung. Sie ist eine Praxis. Und Praxis bleibt Arbeit.