Von Chat zu Delegation: Das Autonomie-Spektrum
AI als Coworker
Delegation, Trust Calibration und Compliance — der Schritt von Antworten zu eigenständigem Arbeiten.
Der nächste Paradigmenwechsel
Abschnitt betitelt „Der nächste Paradigmenwechsel“In L3 hast du gelernt, persistenten Kontext aufzubauen — AI, die dich und deine Arbeit kennt. Jetzt kommt die Frage, die daraus folgt: Wenn die AI deinen Kontext kennt, was kannst du ihr dann übergeben?
Der Übergang von “AI beantwortet meine Fragen” zu “AI erledigt Aufgaben für mich” ist nicht binär. Es ist ein Spektrum — und der bewusste Umgang mit diesem Spektrum ist die Kernkompetenz von L4.
Das Delegation-Spektrum
Abschnitt betitelt „Das Delegation-Spektrum“Agentic AI AI-Systeme, die eigenständig mehrstufige Aufgaben ausführen können — sie planen Schritte, nutzen Werkzeuge und treffen Entscheidungen, ohne dass der Mensch jeden Schritt anweisen muss. bewegt sich auf einem Spektrum von vollständiger menschlicher Kontrolle bis hin zu autonomer Ausführung:
| Stufe | Deine Rolle | Was die AI tut | Beispiel |
|---|---|---|---|
| L0: Operator | Du steuerst alles | AI antwortet auf Anfrage | ”Was ist der ROI dieser Kampagne?” |
| L1: Collaborator | Du entscheidest, AI schlägt vor | AI macht Vorschläge, du wählst | Copilot schlägt Code vor, du akzeptierst |
| L2: Consultant | Du delegierst Teilaufgaben | AI arbeitet eigenständig an Teilproblemen | ”Recherchiere Wettbewerber X und fasse zusammen” |
| L3: Approver | Du genehmigst Ergebnisse | AI liefert fertige Vorschläge | AI entwirft E-Mail, du prüfst und sendest |
| L4: Observer | Du überwachst | AI handelt eigenständig | Automatisierte Reports, geplante Tasks |
Die meisten Knowledge Worker bewegen sich heute zwischen L0 und L2. Der Sprung zu L3 und L4 passiert gerade — mit Tools wie Claude Cowork und ChatGPT Agent Mode.
Entscheidend: Stufe ist eine bewusste Wahl
Abschnitt betitelt „Entscheidend: Stufe ist eine bewusste Wahl“Die Autonomie-Stufe hängt nicht davon ab, was die AI kann, sondern was du ihr erlaubst. Ein hochfähiges Modell auf L0 zu nutzen ist genauso valide wie ein einfacheres auf L3 — wenn die Aufgabe es erfordert.
Task Decomposition: Die Kunst des Zerlegens
Abschnitt betitelt „Task Decomposition: Die Kunst des Zerlegens“Delegation funktioniert am besten, wenn du Aufgaben in klare Teilschritte zerlegst. Das ist keine AI-Fähigkeit — das ist deine.
Beispiel: Quartalspräsentation erstellen
Abschnitt betitelt „Beispiel: Quartalspräsentation erstellen“Schwach: “Erstelle die Q3-Präsentation.”
Stark — mit Decomposition:
| Schritt | Aufgabe | Delegierbar? | Stufe |
|---|---|---|---|
| 1 | Quartalsdaten aus dem CRM exportieren | Ja (Tool) | L2 |
| 2 | Trends und Auffälligkeiten identifizieren | Ja (mit Prüfung) | L3 |
| 3 | Storyline und Kernbotschaften definieren | Nein — das ist deine Strategie | L0 |
| 4 | Folien erstellen | Ja (Entwurf) | L3 |
| 5 | Finale Prüfung und Anpassung | Nein — dein Name steht drauf | L0 |
Das Muster: Datenarbeit und Entwürfe delegieren. Strategie und finale Verantwortung behalten.
Zwei Arbeitsmodi: Centaur und Cyborg
Abschnitt betitelt „Zwei Arbeitsmodi: Centaur und Cyborg“Forschung der Harvard Business School mit 758 BCG-Beratern (Dell’Acqua et al., 2023) hat zwei grundlegende Modi identifiziert, wie Menschen mit AI zusammenarbeiten:
Centaur-Modus: Klare Arbeitsteilung
Abschnitt betitelt „Centaur-Modus: Klare Arbeitsteilung“Wie ein Zentaur — halb Mensch, halb Pferd — mit klarer Trennlinie:
“Diesen Teil mache ich. Diesen Teil macht die AI.”
Funktioniert gut bei: Klar abgrenzbaren Teilaufgaben, wiederkehrenden Prozessen, wenn Nachvollziehbarkeit wichtig ist.
Beispiel: Du schreibst die Kernargumente einer Präsentation, die AI formatiert die Folien und erstellt die Datenvisualisierungen.
Cyborg-Modus: Kontinuierliches Zusammenspiel
Abschnitt betitelt „Cyborg-Modus: Kontinuierliches Zusammenspiel“Mensch und AI arbeiten verschränkt an derselben Aufgabe — wie ein Gespräch:
“Entwurf → Feedback → Überarbeitung → Feedback → Feinschliff”
Funktioniert gut bei: Kreativer Arbeit, iterativen Prozessen, wenn das Ergebnis sich im Dialog entwickelt.
Beispiel: Du schreibst einen Absatz, die AI ergänzt und überarbeitet, du korrigierst den Ton, die AI kürzt — bis der Text steht.
Welcher Modus wann?
Abschnitt betitelt „Welcher Modus wann?“| Situation | Empfohlener Modus |
|---|---|
| Klar definierte Teilaufgaben | Centaur |
| Kreative, explorative Arbeit | Cyborg |
| Hohe Anforderung an Nachvollziehbarkeit | Centaur |
| Enge Deadline, Ergebnis muss schnell stehen | Cyborg |
| Du bist neu im Thema | Cyborg (AI als Sparringspartner) |
| Du bist Experte | Centaur (AI als Zuarbeiter) |
Wann delegieren — und wann nicht
Abschnitt betitelt „Wann delegieren — und wann nicht“Gute Kandidaten für Delegation
Abschnitt betitelt „Gute Kandidaten für Delegation“- Datenarbeit: Zusammenfassen, formatieren, analysieren, vergleichen
- Entwürfe: Erste Versionen von E-Mails, Berichten, Präsentationen
- Recherche: Informationen sammeln, strukturieren, Quellen finden
- Routineaufgaben: Wiederkehrende Formate, Templates, Statusberichte
Schlechte Kandidaten für Delegation
Abschnitt betitelt „Schlechte Kandidaten für Delegation“- Strategische Entscheidungen: Was soll das Unternehmen als nächstes tun?
- Beziehungsarbeit: Schwierige Gespräche, sensible Kommunikation
- Unklare Aufgaben: Wenn du selbst nicht weisst, was das Ergebnis sein soll
- Hohe Konsequenzen: Verträge, rechtliche Dokumente, Finanzentscheidungen — AI kann zuarbeiten, aber du entscheidest
Die Leitfrage
Abschnitt betitelt „Die Leitfrage“Kann ich das Ergebnis in unter 2 Minuten prüfen?
Ja → Delegieren lohnt sich. Nein → Delegieren spart keine Zeit, weil die Prüfung genauso aufwändig ist wie das Selbermachen.
Was die Forschung zeigt
Abschnitt betitelt „Was die Forschung zeigt“Die Harvard/BCG-Studie mit 758 Beratern und GPT-4 lieferte klare Ergebnisse:
- +40% höhere Qualität bei Aufgaben innerhalb der AI-Fähigkeiten
- 25% schneller bei passenden Aufgaben
- Aber: Bei Aufgaben ausserhalb der AI-Stärken sank die Qualität — weil die Berater dem AI-Output vertrauten, ohne ihn zu prüfen
Die Forscher nennen das die “Jagged Frontier” — die Grenze dessen, was AI gut kann, ist unregelmässig und schwer vorhersehbar. Manche Aufgaben, die komplex wirken, meistert AI problemlos. Andere, die einfach scheinen, misslingen.
Die Konsequenz: Du musst experimentieren, um zu lernen, wo die Grenze für deine Aufgaben verläuft.
Probier es aus
Abschnitt betitelt „Probier es aus“Übung 1: Task Decomposition
Abschnitt betitelt „Übung 1: Task Decomposition“Nimm eine Aufgabe, die du nächste Woche erledigen musst. Zerlege sie in 5–7 Teilschritte. Markiere jeden Schritt: Delegierbar? Wenn ja, auf welcher Autonomie-Stufe?
Übung 2: Centaur vs. Cyborg
Abschnitt betitelt „Übung 2: Centaur vs. Cyborg“Erledige dieselbe Aufgabe zweimal: Einmal im Centaur-Modus (klare Teilung), einmal im Cyborg-Modus (verschränktes Arbeiten). Notiere: Was war schneller? Was hatte höhere Qualität? Was hat sich natürlicher angefühlt?
Übung 3: Die Jagged Frontier erkunden
Abschnitt betitelt „Übung 3: Die Jagged Frontier erkunden“Gib der AI 5 verschiedene Aufgaben aus deinem Arbeitsalltag. Bewerte jedes Ergebnis: Brauchbar ohne Änderung? Brauchbar mit Nacharbeit? Unbrauchbar? Nach einer Woche hast du eine persönliche Karte der AI-Fähigkeiten für deine Arbeit.
Weiter gedacht
Abschnitt betitelt „Weiter gedacht“Delegation ist keine Faulheit — es ist eine Kompetenz. Die besten Knowledge Worker werden nicht die sein, die alles selbst machen, sondern die, die wissen, was sie delegieren können, auf welcher Autonomie-Stufe, und wie sie Ergebnisse effizient prüfen.
In der nächsten Lektion lernst du Claude Cowork kennen — Anthropics Desktop-Agent, der Delegation auf L3 und L4 konkret macht.
Quellen & Weiterlesen
Abschnitt betitelt „Quellen & Weiterlesen“- Dell’Acqua et al. (2023): “Navigating the Jagged Technological Frontier” — Die Harvard/BCG-Studie mit 758 Beratern. Kernergebnis: +40% Qualität innerhalb der AI-Frontier, Qualitätsverlust ausserhalb.
- HBS Faculty Page — Offizielle Paper-Seite mit Abstract und Download