KI-Delegationsdiagnose: Wann eine Aufgabe an KI gehört

Die KI-Delegationsdiagnose ist ein Prüfverfahren mit elf Kriterien in drei Stufen. Mit ihr entscheidet ein Team, ob eine wiederkehrende Aufgabe an KI delegiert werden sollte – und wenn ja, in welchem Zuschnitt und unter welcher Aufsicht. Am Ende steht keine Einschätzung, sondern eine von sechs begründeten Entscheidungen.

Ein typischer Ausgangspunkt: Im Sprint Review zeigen drei Teammitglieder, was sie mit KI ausprobiert haben. Ein Agent sortiert Kundenfeedback aus Tickets vor, ein zweiter wertet die Servicequalität einzelner Mitarbeitender aus, ein dritter schreibt den wöchentlichen Statusbericht für das Management. Alle drei Demos überzeugen. Und alle drei sind in diesem Moment Führungsentscheidungen, die sehr unterschiedlich ausfallen müssen.

Warum reicht die Frage „Was kann die KI?“ nicht aus?

Weil technische Machbarkeit wenig darüber sagt, ob eine Delegation im Team trägt. Drei Befunde zeigen das:

Die Fähigkeitsgrenze von KI ist unregelmäßig. Dell’Acqua und Kolleg:innen beschreiben sie als „jagged frontier“: Aufgaben, die einfach wirken, können außerhalb dessen liegen, was KI zuverlässig kann, komplexe Aufgaben innerhalb. Fehlerhafte Ergebnisse klingen dabei genauso flüssig und sicher wie korrekte.

Mensch plus KI ist nicht automatisch besser. Eine Metaanalyse von 106 Experimenten (Vaccaro, Almaatouq und Malone 2024) zeigt: Mensch-KI-Kombinationen schneiden im Durchschnitt oft schlechter ab als das jeweils bessere Einzelsystem. Ob die Zusammenarbeit gewinnt, entscheidet die Gestaltung des Ablaufs.

Die Reihenfolge der Prüfung zählt. Wer zuerst auf das Produktivitätsversprechen schaut, treibt Vorhaben voran, bei denen ein Ausschlussgrund noch offen ist. Solange ein Ausschlussgrund offen ist, trägt auch der größte Produktivitätsgewinn nicht.

Die KI-Delegationsdiagnose ordnet die Prüfung deshalb bewusst: erst die Grundlagen, dann die Reife, zuletzt der Wert.

Wie ist die KI-Delegationsdiagnose aufgebaut?

Sie folgt einer Trichterlogik in drei Stufen. Jede Stufe filtert, bevor die nächste beginnt. Die elf Kriterien heißen im Buch „Gates“.

Stufe 1 – Basisentscheidungen: Bedarf, Eignung, Ausschluss

Hier scheitern die meisten Vorhaben – und das früh, bevor Zeit in einen Pilot fließt. Ist eines der drei Gates negativ, endet die Diagnose.

Gate 1 – Delegationsbedarf: Möchte das Team diese Aufgabe tatsächlich abgeben?

Gate 2 – Aufgabentyp: Geht es um Dokumentations- und Strukturierungsarbeit – oder im Kern um Urteil, Beziehung oder berufliche Identität?

Gate 3 – Regulatorik, Datenschutz, Vertraulichkeit: Welche Daten sind im Spiel, ist der Betriebsrat berührt, und darf das eingesetzte System diese Daten überhaupt verarbeiten?

Stufe 2 – Reifeprüfung: Wissen, Daten, Fähigkeit, Prüfung, Kosten

Hier geht es nicht mehr um das Ob, sondern um die Frage, ob das Vorhaben schon reif für einen Pilot ist.

Gate 4 – Wissensexplizität: Ist das nötige Fachwissen so explizit, dass es sich als Regeln und Ausnahmen festhalten lässt?

Gate 5 – Daten und Output: Sind die Daten nutzbar und lässt sich das Ergebnis in einem festen Format prüfen?

Gate 6 – Frontier-Fit: Liegt der KI-Anteil bei Tätigkeiten, die KI verlässlich beherrscht, etwa Zusammenfassen oder Vergleichen – oder soll sie urteilen und Menschen bewerten?

Gate 7 – Prüfkompetenz: Gibt es im Team jemanden, der einen fehlerhaften Output zuverlässig bemerken würde? Ohne diese Fähigkeit bleibt jede menschliche Kontrolle Formsache.

Gate 8 – Fehlerkosten: Was kostet ein Fehler, der unentdeckt bleibt – intern, bei Kund:innen, rechtlich oder finanziell?

Stufe 3 – Wertklärung: Produktivität, Prozess, Mensch

Erst wenn Bedarf, Eignung und Risiken geklärt sind, geht es um den Nutzen.

Gate 9 – Produktivitätspotenzial: Kommt die Aufgabe häufig genug vor, damit sich Aufbau und laufende Prüfung rechnen – und an welcher Kennzahl ließe sich die Entlastung später ablesen?

Gate 10 – Workflow-Design: Wie teilen sich Mensch und KI die Schritte auf, und an welchen Punkten wird geprüft, freigegeben oder gestoppt? Gute Delegation verändert den Ablauf, statt KI nur hineinzuschieben.

Gate 11 – Human Impact: Behält das Team die Gelegenheit, seine Fachkompetenz zu üben – oder bleibt am Ende nur das Abnicken von KI-Ergebnissen?

Das letzte Kriterium ist kein ethischer Nachgedanke. Es steht für das Doppelmandat, auf dem die Diagnose aufbaut: Produktivität und der Schutz von Urteilskraft, Kompetenz und Gesundheit im Team sind gleichrangige Ziele.

Was kommt am Ende heraus?

Die Diagnose verdichtet sich auf eine von sechs Delegationsentscheidungen, jeweils in wenigen Sätzen begründet:

Ausschließen: Die Aufgabe wird begründet nicht an KI übergeben.

Stop bis Freigabe: Das Vorhaben ist möglicherweise tragfähig, ruht aber, bis eine benannte Stelle geklärt hat – etwa Datenschutz oder Betriebsrat.

Vorbereiten: Erst werden Wissen und Daten aufbereitet; ein Pilot kommt später.

Zuschneiden: Der geeignete Anteil wird vom kritischen getrennt; nur der geeignete geht an die KI.

KI als Unterstützung: KI darf punktuell helfen, etwa bei Entwürfen, ohne dass ein fester Ablauf um sie herum entsteht.

Kontrolliert pilotieren: Alle elf Gates sind passiert; der Start erfolgt mit Aufsicht, Stoppkriterien und einer Reifeprüfung nach vier bis acht Wochen.

Die häufigste Entscheidung ist nicht Ja oder Nein, sondern „Zuschneiden“. Und die sechs Begriffe bleiben im Team: Beim nächsten Vorhaben sagt jemand „das ist ein Zuschnitt-Fall“, und alle wissen, was gemeint ist.

Wie sieht ein Durchlauf in der Praxis aus?

Ein IT-Service-Team verliert regelmäßig Pflichttermine aus dem Blick: Sicherheitsreviews, Lizenzverlängerungen, Zertifikatserneuerungen. Die Idee: ein KI-Agent, der diese Termine je Rolle plant, als Übersicht bereitstellt und erinnert.

Stufe 1: Der Bedarf ist klar, niemand erlebt die manuelle Terminpflege als sinnstiftend. Terminkoordination ist ein typischer Aufgabentyp für KI. Personenbezogene Leistungsdaten nutzt der Agent nicht.

Stufe 2: Das Wissen ist beschreibbar, die Daten sind strukturiert, Planen und Erinnern liegen innerhalb der Fähigkeitsgrenze, das Team kann Fehler erkennen. Auffällig sind nur die Fehlerkosten: Der letzte Schritt, das Eintragen in persönliche Kalender, greift in ein fremdes System ein.

Stufe 3: Nutzen und Human Impact sprechen für die Delegation. Die Lösung liegt im Workflow: Der Agent legt Kalendereinträge als Entwurf vor, eingetragen wird erst nach Freigabe durch die jeweilige Person.

Entscheidung: kontrolliert pilotieren, mit Freigabe vor jeder Kalenderintegration. Das Vorhaben wird nicht verworfen, sondern so zugeschnitten, dass die menschliche Aufsicht an der entscheidenden Stelle liegt.

Was die KI-Delegationsdiagnose nicht ersetzt

Sie ersetzt keine Datenschutz-Folgenabschätzung, keine Risikoklassifizierung nach EU AI Act und keine Mitbestimmungsprüfung. Sie ist ein vorgelagertes Sortierwerkzeug: Sie klärt früh, welche Vorhaben überhaupt in diese aufwendigeren Prüfungen gehören, und stößt sie gezielt an.

Wie können Teams anfangen?

Ein guter erster Schritt, noch vor jedem Prompt: Prüfen Sie die drei Gates der ersten Stufe – Bedarf, Aufgabentyp, rechtliche Klärung – und stellen Sie Ihrem Team eine Frage: Was würdet ihr auf keinen Fall an KI abgeben – und aus welchem Grund? Die Antworten zeigen oft schneller als jede Technikanalyse, wo Delegation tragen wird und wo nicht.

Die KI-Delegationsdiagnose im Delegationsbriefing Im Delegationsbriefing wendet yumo die Diagnose moderiert auf einen konkreten Arbeitsablauf Ihres Teams an. Am Ende stehen die Delegationsentscheidung, der Mensch-KI-Sollablauf, Aufsichtsregeln, ein Business Case und eine Umsetzungsspezifikation im Format der AI Job Card. Wer zuerst eine Einordnung für das eigene Team möchte, beginnt mit dem kostenlosen KI-Statuscheck.

Dr. Saskia Dörr ist Gründerin von yumo. Die KI-Delegationsdiagnose stammt aus ihrem Buch „Mensch-KI-Teams führen – Wie Teamleads die Arbeit mit KI produktiv und menschenzentriert gestalten“, das 2027 bei Springer Gabler erscheint.

Quellen

Dell’Acqua F, McFowland E, Mollick E, Lifshitz H, Kellogg KC, Rajendran S, Krayer L, Candelon F, Lakhani KR (2026): Navigating the jagged technological frontier. Organization Science 37(2). doi.org/10.1287/orsc.2025.21838

Vaccaro M, Almaatouq A, Malone TW (2024): When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour 8. doi.org/10.1038/s41562-024-02024-1

Verordnung (EU) 2024/1689 (KI-Verordnung, EU AI Act). data.europa.eu/eli/reg/2024/1689/oj

Dörr S (2027): Mensch-KI-Teams führen. Kapitel 3: Diagnostizieren. Springer Gabler (in Vorbereitung).

© 2026 WiseWay, Dr. Saskia Dörr. Alle Rechte vorbehalten.

yumo

Agents of Trust · Human First

Ein Venture von WiseWay

Kontakt

Impressum

Datenschutz