Die Zeit der großen Visionen ist zurück

Warum Führungskräfte im KI-Zeitalter wieder lernen müssen, größer zu denken, und wie sie dabei die Richtung halten

Dominik Kenzler ist Co-Founder von Dark Horse und hat nach seinem Ausstieg 2017 jahrelang Product-Teams in führenden Startups geleitet. Seine gesammelten Leadership-Erfahrungen hat er jetzt als Drive Leadership Playbook veröffentlicht. Wir haben mit ihm darüber gesprochen, wie sich Führung gerade verändert und welche Chancen und Risiken sich auftun, wenn sich die Frage nach der Machbarkeit nicht mehr stellt.

Was sich gerade ändert: Die Machbarkeit steigt überall

Generative KI verändert die Arbeitsweise von Teams gerade im Zeitraffer. Besonders den Führungskräften dürfte aufgefallen sein, dass sie deutlich mehr Output als früher zu bewerten haben: mehr Designs, mehr Slide Decks, mehr Prototypen.

Das liegt daran, dass KI die Hürden senkt, sich direkt an der Wertschöpfung zu beteiligen. In Produktteams liefern inzwischen auch Engineers und Produktmanager*innen Designarbeit. Heute können auch Rollen, die bisher weiter weg vom Produkt waren, selbst umsetzen, etwa UX Research oder Product Marketing. Für Dominik Kenzler ist das zunächst ein „wahnsinniges Empowerment“.

Wie stark dieser Aufruf zur Selbstbefähigung angenommen wird, zeigt sich an der zunehmenden Masse von DIY-Software. Immer mehr Teams kommen in Versuchung, sich mit Vibecoding ihre eigenen Werkzeuge zu bauen. In einer Umfrage des Software-Anbieters Retool unter 817 Kund*innen gaben 35 Prozent an, bereits mindestens ein SaaS-Produkt durch eine Eigenentwicklung ersetzt zu haben. 78 Prozent wollen 2026 noch mehr eigene Tools bauen.

Ob am Ende der Kundennutzen oder die Wartungsprobleme überwiegen, wird noch ausdiskutiert. Der stille Nebeneffekt dieser neuen Kultur ist aber die Ablenkung von der eigentlichen Arbeit: „Wir könnten uns jeden Tag hinsetzen und überlegen, ob nicht gestern ein besseres Modell rausgekommen ist“, sagt Dominik. Die Gefahr, dass man sich mehr damit beschäftigt, wie man arbeitet, anstatt an Kundenproblemen zu arbeiten, hält er für extrem hoch.

Die Risiken: Ohne Alignment verschlechtert sich das Kundenerlebnis

Dabei ist Vielfalt per se erst einmal schön und die Möglichkeit zur Fokussierung bis in die kleinste Nische ein spannendes Territorium. Für Teams in Organisationen birgt die Autonomie trotzdem die Gefahr von Wildwuchs. Wenn jeder Mitarbeitende im Alleingang Ideen umsetzen kann, steigt zwar die Spezialisierung eines Produkts, aber oft zu Lasten der übergeordneten Vision. Im schlechtesten Fall entstehen dann „Frankenstein-Produkte“, die spezialisierte Funktionen abdecken, aber kein gemeinsames Produkterlebnis mehr ergeben.

Und genau das geht am Ende zu Lasten der Nutzer*innen. Sie werden in diesem Spiel zu Versuchskaninchen, auf die man in hoher Frequenz neue Features loslässt, um zu sehen, was hängen bleibt. Das macht man als User vielleicht ein paar Mal mit, doch irgendwann führt diese Paying-Beta-Tester-Haltung zu einer schlechten Kundenerfahrung.

Was jetzt auf Führungskräfte zukommt

Dass alles möglich ist, heißt nicht, dass man alles machen sollte. „Jetzt, wo die Umsetzung quasi umsonst geworden ist, gibt es scheinbar keinen Grund mehr, Nein zu sagen“, beobachtet Dominik Kenzler. Dabei wäre genau das jetzt angebracht. Denn Michael Porters Maxime „the essence of strategy is choosing what not to do“ gilt auch dreißig Jahre nach ihrem Erscheinen; vielleicht sogar mehr denn je.

Wer in Zukunft konsistente Arbeit machen will, muss hart selektieren können. Für Führungskräfte heißt das vor allem drei Dinge.

1. Future Skill: Qualität beurteilen

Die Grundbedingung für jede Arbeit mit KI ist, gute Ergebnisse von Slop unterscheiden zu können. Wenn mehr Output entsteht und gleichzeitig die Durchschnittsqualität steigt, geht es in Dominiks Worten darum, „wirklich Good von Great unterscheiden zu können“, auch für fachfremde Führungskräfte.

(Problematisch wird das übrigens dort, wo die Grundlagen so stark weg-automatisiert werden, dass sie Berufseinsteiger*innen zum Lernen fehlen. Das Stanford-Team um Erik Brynjolfsson zeigt in ihrer Studie „Canaries in the Coal Mine“, dass die Beschäftigung junger Arbeitender in KI-nahen Berufen bereits deutlich gesunken ist, während sie bei Erfahrenen stabil blieb.)

2. Leadership Skill: Priorisieren

Bis vor ein paar Jahren hat die Machbarkeit die Rahmenbedingungen für die Priorisierung bestimmt. Weil die Umsetzung mittlerweile so günstig ist, fällt dieser Filter jetzt weg. Trotzdem wird das Priorisieren von Themen noch wichtiger, es verschiebt sich nur die Perspektive. Statt „Was können wir uns leisten?“ lauten die Fragen jetzt: „Was bringt unseren Kund*innen wirklich etwas?“ und „Was zahlt auf unseren Kern ein?“

Der neue Maßstab verlangt außerdem mehr Arbeit vor der technischen Umsetzung, nicht weniger. Statt vieles loszuschicken und zu schauen, was hängen bleibt, müsse man laut Dominik „wirklich gezielt vorher gute Arbeit machen“, um sicher zu sein, dass eine Lösung das Problem trifft. Sein Wunschbild: im Workshop mit Kund*innen das Problem wirklich verstehen, über Nacht einen funktionierenden Prototyp bauen, am nächsten Tag konkret darüber sprechen und eine Woche später live gehen.

3. Organizational Skill: Kontext geben

Die vielleicht wichtigste Führungsaufgabe ist Kontext. Das heißt, sicherzustellen, dass es einen gemeinsamen und aktuellen Kontext gibt, dass dieser zentral zugänglich ist und dass alle ihn verstanden haben. Das hat zwei Gründe:

Zum einen sorgt ein gemeinsamer Kontextlayer dafür, dass sowohl Menschen als auch Agenten über dieselbe aktuelle Wissensbasis verfügen. Das ist notwendig, wenn sie dezentral neue Lösungen kreieren und wieder in den Gesamtkontext der Organisation einspeisen wollen.

Zum anderen setzt ein gemeinsamer Kontext die Leitplanken dafür, was ein Team machen soll und was nicht, wofür es steht und was es Kund*innen verspricht. Im Grunde geht es auf dieser Ebene darum, die eigene Strategie und Vision sichtbar und verständlich zu machen.

Visionen in Monaten statt Jahren

Natürlich war ein gemeinsames Fundament schon immer wichtig für eine gute Kooperation. Anders als früher muss dieser Kontext nun aber laufend nachgezogen werden, und zwar in viel schnelleren Intervallen, als das bisher in den meisten Organisationen der Fall war. Allein die Update-Rate der gängigen KI-Modelle sprengt den Rahmen dessen, was ein klassisches Quartalsmeeting an Steuerung leisten kann. Auf die neuen Gestaltungsmöglichkeiten zu verzichten, die jedes Release eröffnet, ist gerade in härter umkämpften Märkten aber auch keine Option.

Hier wird es nun spannend. Weil die Umsetzung so schnell geworden ist, verschiebt sich auch das Tempo der Steuerung. Die aufwändigen Machbarkeits- und Kostenprognosen von früher braucht es kaum noch, da in einem Quartal technologisch inzwischen so viel passiert, dass jeder feste Plan im Lauf seiner Ausführung eigentlich schon überholt ist.

„Durch den Effizienzgewinn sind unsere Visionen, die auf drei Jahre angelegt waren, plötzlich vielleicht nur noch ein Jahr entfernt“, sagt Dominik. Daraus folgt zweierlei.

Erstens: Wenn eine Vision im klassischen Sinn nur noch ein halbes Jahr dauert, müssen Teams anders arbeiten, mit kürzeren Abstimmungszyklen und häufigeren Kurskorrekturen.

Zweitens, und das bringt uns zurück zum Aufhänger dieses Artikels: Wenn große Visionen plötzlich zu Semesterprojekten werden, rücken dann nicht auch ursprünglich utopische Ideen in greifbare Nähe?

Lernen, wieder groß zu denken

Oder anders gefragt: Ist die Zeit der großen Visionen zurück? Ganz ehrlich: Gebrauchen könnten wir so einen neuen Pioniergeist dringend, und zwar auf allen Ebenen der Wertschöpfung und des Miteinanders.

Dafür ist der AI-driven Mindset-Change, der gerade stattfindet, vielleicht sogar förderlich. Früher wurde Führung oft durch die Grenzen des Machbaren bestimmt: kein Budget, keine Zeit, keine Kapas. Bei jungen Gründer*innen, die mit KI groß geworden sind, beobachtet Dominik ein Denken, das viel opportunitätsgetriebener ist. Sie sähen Gelegenheiten und fingen sofort an, umzusetzen.

Das scheint Eindruck zu machen, auch auf alte Hasen. „Wir müssen echt lernen, wieder freier und größer zu denken, weil die Machbarkeit sich extrem erhöht hat“, sagt Dominik. Das Mindset dahinter dürfen sich erfahrene Führungskräfte also gerne abschauen, wenn es ihnen nicht nur um inkrementelle Verbesserung gehen soll.

Im Drive Leadership Playbook, dessen Methoden es kostenlos als KI-Skills auf drive-leadership.com gibt, finden sich Werkzeuge für beide Seiten. Ein BHAG nach Jim Collins blendet für einen Moment bewusst die Machbarkeit aus. Playing to Win nach Lafley und Martin macht explizit, wo man spielt und wo nicht. Ein Canonical Document nach Naomi Gleit hilft beim Zentralisieren von Kontext.

Der Blick aufs Ganze

Wie viel Tempo KI in große Fragen bringen kann, hat AlphaFold gezeigt. Die Vorhersage von Proteinstrukturen, an der die Forschung jahrzehntelang arbeitete, wurde in wenigen Jahren gelöst und 2024 mit dem Chemie-Nobelpreis ausgezeichnet. 

Auch Deutschland, das 2025 im Global Innovation Index aus den Top 10 gefallen ist, könnte aus der Phase des Verwaltens herausfinden, wenn Organisationen die neue Machbarkeit für echte Visionen nutzen. Und wer weiß, vielleicht gewinnen wir auch irgendwann den Mut zurück, die komplexen Umwelt- und Gesellschaftskrisen anzugehen, deren Lösung wir in kollektiver Resignation zwischenzeitlich pausiert zu haben scheinen. 

Die Technologie steht gerade erst in den Startlöchern, und sie auf die richtigen Ziele zu lenken, ist jetzt Führungsaufgabe. Wie du als Führungskraft Richtung gibst, wenn sich die Spielregeln laufend ändern, darum geht es in unserer Weiterbildung „New Leadership“. Und wer die Strategie seines Teams so klar machen will, dass Menschen und Modelle damit arbeiten können, lernt in der „Adaptiven Strategieentwicklung“ das Strategie-Hexagon kennen: unser Werkzeug, um auf einer Seite festzuhalten, wo wir hinwollen und was wir dafür bewusst nicht tun.