Management ohne Eigeninteresse

Drei Mechanismen werden unterschieden. Erstens verschiebt Compliance-Logik den Bewertungsmaßstab von Ergebnissen zu nachweisbarer Regelkonformität, weil Konformität individuell sicherer ist als Verantwortung. Zweitens ist die Koordinationsschicht von Organisationen strukturell interessengebunden: Entscheidungen über Budgets, Stellen und Prioritäten sind zugleich Entscheidungen über die Position der Entscheidenden. Drittens stabilisiert sich diese Ordnung selbst, weil jede Transformation durch die Schicht implementiert und berichtet werden muss, deren Stellung sie verändert.

Daraus wird eine Designthese abgeleitet: Transformationsfähigkeit setzt eine Koordinations- und Allokationsinstanz voraus, die kein eigenes Karriere-, Budget- oder Statusinteresse am Ergebnis ihrer Entscheidungen hat – im Folgenden positionsinteressenfreie Koordination genannt. Menschliche Hierarchien können diese Eigenschaft nach dem Stand der Organisationsforschung systematisch nicht gewährleisten. Agentische KI-Systeme könnten sie aufweisen – allerdings nicht automatisch, sondern nur unter Architektur- und Governance-Bedingungen, die der Beitrag ebenso benennt wie die Einwände gegen die These. Ergebnisverantwortung, Zielsetzung und Haftung verbleiben in diesem Modell bei Menschen.

Keywords: Transformationsfähigkeit; Betriebsmodell; Compliance; Ergebnisverantwortung; Prinzipal-Agent-Theorie; Organisationspolitik; Bürokratie; Change Management; agentische KI; algorithmisches Management

Diese Zahlen sind methodisch einzuordnen. Hughes hat gezeigt, dass die verbreitete 70-Prozent-Misserfolgsformel empirisch schwächer fundiert ist, als ihre Zitierhäufigkeit nahelegt: Für sie fehlt eine valide und reliable empirische Grundlage; sie beruht überwiegend auf Selbstauskünften, uneinheitlichen Erfolgsdefinitionen und Beratungsdaten, nicht auf kontrollierten Längsschnittstudien (Hughes, 2011). Cândido und Santos kommen in einer systematischen Literaturauswertung zu einem ähnlichen Ergebnis: Die kursierenden Scheiterquoten strategischer Initiativen beruhen großteils auf veralteter, fragmentarischer oder schwacher Evidenz; die tatsächliche Quote ist offen (Cândido und Santos, 2015). Diese Kritik ist berechtigt.

Hinzu kommt, dass die Evidenzlage kein einheitliches Bild zeigt. Wiederkehrende Befragungen zu großen Transformationen berichten über längere Zeiträume niedrige Erfolgsquoten; zugleich deuten neuere Daten zu spezifischen Vorhabentypen auf Verbesserungen hin. Für Operating-Model-Redesigns berichtet McKinsey 2025, dass 79 Prozent der Vorhaben abgeschlossen wurden und 63 Prozent die meisten Ziele erreicht und die Performance verbessert haben – ein deutlicher Anstieg gegenüber den 21 Prozent von 2014, wobei nur 24 Prozent als hocherfolgreich gelten und ein erheblicher Teil der Unternehmen das Wertpotenzial weiterhin nicht ausschöpft (McKinsey, 2025).

Erklärungsbedürftig ist daher nicht eine universell konstante Scheiterquote, sondern die Persistenz bestimmter Scheitermuster über drei Jahrzehnte Methodenentwicklung hinweg: Koordinationsversagen zwischen Einheiten, verzerrte Berichtswege, blockierte Reallokationen und diffundierende Ergebnisverantwortung. Diese Muster treten in den referierten Erhebungen und Studien wiederkehrend auf – auch dort, wo aggregierte Erfolgsquoten sich verbessern. Wenn dieselben Mechanismen über Jahrzehnte hinweg als Hauptursachen des Scheiterns benannt werden, ist die Annahme wenig plausibel, dass Unternehmen lediglich dieselben handwerklichen Fehler wiederholen. Plausibler ist, dass die Ursache nicht in der Ausführung liegt, sondern im Betriebsmodell selbst – in der Art, wie Organisationen Verantwortung, Information und Entscheidungsmacht verteilen.

Kernthese

Kurz gesagt: Transformation scheitert weniger am Widerstand einzelner Personen als daran, dass sie durch eine Koordinationsschicht implementiert werden muss, die drei strukturelle Eigenschaften aufweist: Sie wird an Konformität statt an Ergebnissen gemessen, sie entscheidet in eigener Sache, und sie kontrolliert die Information über ihren eigenen Zustand. Solange diese Schicht aus Akteuren mit Eigeninteressen besteht, ist die Persistenz der beschriebenen Scheitermuster kein Ausführungsfehler, sondern ein Gleichgewichtszustand.

Compliance bezeichnet in diesem Beitrag nicht die rechtlich gebotene Einhaltung von Gesetzen, deren Notwendigkeit nicht zur Debatte steht. Gemeint ist Compliance-Logik als Organisationsprinzip: die Verschiebung des Bewertungsmaßstabs von der Frage, ob ein angemessenes Ergebnis erzielt wurde, zu der Frage, ob der vorgesehene Prozess nachweislich eingehalten wurde. Die Organisationssoziologie beschreibt diesen Mechanismus seit den 1970er Jahren. Meyer und Rowan zeigten, dass formale Strukturen in Organisationen häufig zeremonielle Funktion haben: Sie erzeugen Legitimität gegenüber der Umwelt und sind von der tatsächlichen Arbeitsebene entkoppelt (Meyer und Rowan, 1977). Power hat diese Diagnose unter dem Begriff der Audit Society fortgeschrieben: Prüfbarkeit wird zu einem eigenständigen Produktionsziel; Organisationen verwenden wachsende Anteile ihrer Ressourcen darauf, Kontrolle zu signalisieren, ohne dass damit ein Leistungsnachweis verbunden wäre (Power, 1997). DiMaggio und Powell ergänzten den Verbreitungsmechanismus: Strukturen werden zwischen Organisationen kopiert, weil Abweichung Legitimität kostet – häufig unabhängig davon, ob ihre Wirksamkeit belegt ist (DiMaggio und Powell, 1983).

Ergebnisverantwortung bezeichnet die Zurechenbarkeit eines Resultats zu einer Person, die über die Mittel zu seiner Erreichung tatsächlich verfügen konnte. Unter Compliance-Logik löst sich diese Kopplung tendenziell auf: Verantwortung wird auf Prozesse, Gremien, Freigabeketten und Matrixstrukturen verteilt, bis ein Ergebnis keiner Person mehr zurechenbar ist, während jede beteiligte Person regelkonformes Handeln nachweisen kann. Sull, Homkes und Sull haben in einer mehrjährigen Untersuchung zur Strategieumsetzung gezeigt, dass weniger fehlende Zustimmung zur Strategie als vielmehr Koordinationsversagen zwischen Einheiten die Umsetzung begrenzt; die Verlässlichkeit wechselseitiger Zusagen zwischen Abteilungen ist dabei durchgehend niedrig (Sull, Homkes und Sull, 2015). Beer und Eisenstat identifizierten als wiederkehrende Blockaden der Strategieumsetzung unter anderem unklare Prioritäten, ineffektive Führungsteams und unterbrochene vertikale Kommunikation – Faktoren, die in den untersuchten Organisationen bekannt, aber nicht offen adressierbar waren (Beer und Eisenstat, 2000).

Betriebsmodell bezeichnet schließlich nicht das Geschäftsmodell, sondern die Architektur der Koordination: wer Ziele setzt, wer Ressourcen verteilt, wer misst, wer eskaliert und wer über Ausnahmen entscheidet. Die These dieses Beitrags bezieht sich auf diese Architektur, nicht auf einzelne Prozesse, Werkzeuge oder Kulturprogramme.

Konformität ist individuell rational, Verantwortung ist individuell riskant

Aus Sicht der einzelnen Führungskraft ist Compliance-Logik keine Fehlentwicklung, sondern eine rationale Reaktion auf Anreize. Wer ein Ergebnis verantwortet, kann scheitern; wer einen Prozess einhält, ist abgesichert. Je dichter das Geflecht aus Richtlinien, Freigaben und Dokumentationspflichten, desto stärker verschiebt sich das individuelle Optimum von Initiative zu Absicherung. Die Audit-Forschung beschreibt die aggregierte Folge als Verlagerung organisationaler Ressourcen: Ein wachsender Anteil der Arbeit dient der Herstellung von Prüfbarkeit statt der Herstellung von Leistung (Power, 1997).

Zur Größenordnung dieses Effekts liegen Schätzungen vor. Hamel und Zanini beziffern die Kosten überschüssiger Bürokratie für die USA auf mehr als drei Billionen US-Dollar entgangener Wirtschaftsleistung pro Jahr und für die OECD-Staaten auf rund neun Billionen; große Organisationen weisen demnach typischerweise acht oder mehr Managementebenen auf (Hamel und Zanini, 2016; Hamel und Zanini, 2020). Diese Werte beruhen auf angreifbaren Annahmen und sind als Größenordnung zu lesen, nicht als Messung. Sie quantifizieren jedoch einen qualitativ gut dokumentierten Befund: Ein erheblicher Teil der Arbeit in großen Organisationen koordiniert, kontrolliert und dokumentiert andere Arbeit.

Die Koordinationsschicht entscheidet in eigener Sache

Die theoretische Grundlage liefert die Prinzipal-Agent-Forschung: Sobald Eigentum und Führung getrennt sind, entstehen Agenturkosten, weil Agenten systematisch Spielräume zur Verfolgung eigener Interessen haben und vollständige Interessenangleichung und Kontrolle so teuer sein können, dass residuale Agenturkosten rational in Kauf genommen werden (Jensen und Meckling, 1976). Niskanen modellierte öffentliche Verwaltungen als budgetmaximierende Bürokratien und lieferte damit eine einflussreiche Public-Choice-Erklärung dafür, warum administrative Einheiten unabhängig vom Sachauftrag zur Expansion ihrer Ressourcenbasis tendieren können (Niskanen, 1971). Cyert und March beschrieben Unternehmen nicht als zielrationale Einheiten, sondern als Koalitionen konkurrierender Interessengruppen, deren Ziele Verhandlungsergebnisse sind (Cyert und March, 1963). Pfeffer hat dokumentiert, dass Ressourcenallokation in Organisationen in erheblichem Maß Macht-, Koalitions- und Einflusslogiken statt reiner Sachlogik folgen kann (Pfeffer, 1992).

Für Transformation ist dieser Befund zentral, denn Transformation ist definitionsgemäß Umverteilung: von Budgets, Stellen, Zuständigkeiten und Status. Jede dieser Umverteilungen muss von Entscheidungsträgern beschlossen und umgesetzt werden, deren eigene Position betroffen ist. Christensen hat gezeigt, dass etablierte Unternehmen disruptive Entwicklungen nicht primär aus Informationsmangel verfehlen, sondern weil ihre internen Ressourcenallokationsprozesse die bestehenden Kunden, Margen und damit die bestehenden internen Strukturen rational bevorzugen (Christensen, 1997). March hat denselben Zusammenhang allgemeiner gefasst: Organisationen verdrängen Exploration systematisch zugunsten von Exploitation, weil deren Erträge zeitlich näher, sicherer und den gegenwärtigen Akteuren zurechenbar sind (March, 1991).

Die Ordnung stabilisiert sich selbst

Hannan und Freeman haben strukturelle Trägheit als Selektionsmerkmal beschrieben: Organisationen werden für Verlässlichkeit und Reproduzierbarkeit selektiert – Eigenschaften, die Veränderung erschweren (Hannan und Freeman, 1984). Hinzu kommt ein Informationsproblem: Die Koordinationsschicht, die verändert werden soll, ist zugleich die Schicht, die über den Fortschritt der Veränderung berichtet. Statusberichte und Erfolgsmeldungen durchlaufen die Interessen, die sie bewerten sollen. Die von Beer und Eisenstat beschriebene Unbesprechbarkeit zentraler Blockaden ist die Folge dieser Konstellation (Beer und Eisenstat, 2000).

Change Management im verbreiteten Verständnis – Kommunikation, Beteiligung, Qualifizierung – adressiert Einstellungen und Fähigkeiten. Es adressiert nicht die Anreiz- und Informationsstruktur. Die über Jahrzehnte unveränderte Erfolgsquote ist mit dieser Lücke konsistent.

Diese Zwischenbilanz kommt ohne jeden Bezug auf Künstliche Intelligenz aus: Die begrenzte Transformationsfähigkeit von Unternehmen ist durch fünf Jahrzehnte Organisationsforschung gut erklärbar. Sie folgt aus Compliance-Anreizen, Interessenbindung der Entscheidenden und Selbstreferenz der Berichtswege. Eine dauerhafte Erhöhung der Transformationsfähigkeit müsste diese drei Eigenschaften architektonisch adressieren.

Der Referenzfall: Dezentralisierung ohne technologische Grundlage

Der Versuch, das beschriebene Problem ohne neue Technologie zu lösen, ist dokumentiert. Haier hat unter Zhang Ruimin den Konzern in mehrere tausend Mikrounternehmen zerlegt, die über interne Marktmechanismen statt über Hierarchie koordiniert werden; Hamel und Zanini beschreiben dieses RenDanHeYi-Modell als eines der prominentesten und radikalsten dokumentierten Beispiele für den Versuch, bürokratische Hierarchie durch marktähnlich koordinierte Mikrounternehmen zu ersetzen (Hamel und Zanini, 2018). Der Befund ist zweischneidig. Das Modell ist funktionsfähig, eine breite Übernahme durch andere Großunternehmen ist in der Managementliteratur jedoch nicht dokumentiert. Die naheliegende Erklärung ist das oben beschriebene Strukturproblem in zugespitzter Form: Der Rückbau der Koordinationsschicht muss von der Koordinationsschicht beschlossen und durchgeführt werden. Bei Haier war dafür eine über Jahrzehnte gewachsene, außergewöhnliche Machtposition der Unternehmensführung erforderlich. Eine solche Konstellation ist nicht systematisch replizierbar.

Eigenschaften einer agentischen Koordinationsschicht

Agentische KI-Systeme verändern die Ausgangslage an dieser Stelle. Erstmals existiert eine Instanz, die Koordinationsarbeit ausführen kann – Ressourcen allokieren, Prioritäten nachhalten, Zielerreichung messen, Abweichungen eskalieren, Entscheidungen dokumentieren – und die dabei drei Eigenschaften aufweisen kann, die menschliche Koordinationsschichten nach dem referierten Forschungsstand nicht aufweisen:

• Keine Positionsinteressen: Ein agentisches System hat keine eigenen Karriere-, Budget- oder Statusinteressen. Es verliert nichts, wenn der von ihm koordinierte Bereich schrumpft, und gewinnt nichts, wenn er wächst. Budget- und Ressourcenmaximierung im Sinne Niskanens entfällt als eigenes Motiv – nicht jedoch als Motiv derjenigen, die das System konfigurieren; darauf kommt der Beitrag bei den Einwänden zurück.
• Keine Selbstreferenz der Berichtswege: Allokationen, Bewertungen und Eskalationen können – bei entsprechender Architektur – versioniert, protokolliert und durch Dritte geprüft werden. Diese Prüfbarkeit ist kein Automatismus agentischer KI, sondern eine Governance- und Systemdesign-Anforderung; in der Praxis können Blackbox-Komponenten, unvollständige Logs oder nicht versionierte Kontextänderungen sie unterlaufen. Wo sie hergestellt wird, ist die berichtende Instanz jedoch nicht zugleich Gegenstand und Filter der Bewertung.
• Keine Bindung an die eigene Struktur: Ein System, das eine Reorganisation ausführt, hat kein Interesse am Erhalt der Struktur, die ersetzt wird.

Die These lautet ausdrücklich nicht, dass KI Unternehmen führen soll. Zielsetzung, Risikoabwägung, Haftung und Ergebnisverantwortung verbleiben bei Menschen. Übertragen wird die interessengebundene Mitte: die Übersetzung von Zielen in Allokation, die Koordination zwischen Einheiten, die Messung und das Nachhalten. Positionsinteressenfrei meint dabei genau dies – die Abwesenheit eigener Karriere-, Status- und Budgetinteressen – und nicht Interessenfreiheit schlechthin: Ob die Entscheidungen eines solchen Systems tatsächlich neutraler, nachvollziehbarer und prüfbarer ausfallen als menschliche Koordination, hängt von Zieldefinition, Datenzugang, Logging, Rollenmodell und Governance ab. In dieser Arbeitsteilung wird menschliche Ergebnisverantwortung nicht reduziert, sondern präzisiert, weil sie nicht länger auf Gremien und Freigabeketten verteilt werden kann.

Compliance als Randbedingung statt als Arbeitsschicht

In einem solchen Betriebsmodell verändert auch Compliance ihren Charakter. Regelkonformität wird nicht durch nachgelagerte Dokumentation hergestellt, sondern als Randbedingung in die Ausführung eingebaut: Ein Prozessschritt, der eine Freigabe voraussetzt, kann ohne diese nicht ablaufen, und sein Ablaufprotokoll ist zugleich sein Nachweis. Dieser Gedanke ist nicht neu: Workflow-Systeme, ERP-Freigaben, Business-Process-Management und Policy-as-Code-Ansätze setzen Teile davon seit Jahren um. Agentische KI könnte diese Ansätze ausführbarer Compliance jedoch erweitern, indem sie nicht nur einzelne Kontrollpunkte erzwingt, sondern Zielübersetzung, Priorisierung, Eskalation und Nachverfolgung dynamisch koordiniert. Die von Power beschriebene Verifikationsarbeit verlagert sich damit in die Ausführung selbst und beansprucht keine eigene Arbeitsschicht mehr. Damit entfällt die strukturelle Möglichkeit, Prozesskonformität als Ersatz für Ergebnisverantwortung zu verwenden.

Der erste Einwand betrifft die Prämisse der Interessenfreiheit. KI-Systeme sind nicht interessenfrei; sie sind allenfalls in dem Maß interessenneutral, in dem ihre Zielfunktionen es sind. Jedes agentische System optimiert auf Ziele, die Menschen definieren, mit Daten, die Menschen auswählen, unter Nebenbedingungen, die Menschen setzen. Das Prinzipal-Agent-Problem verschwindet damit nicht, sondern verlagert sich auf die Ebene der Konfiguration: auf die Frage, wer die Ziele der Koordinationsschicht setzt und ihre Parameter kontrolliert. Dieser Einwand ist zutreffend und begründet, warum hier von einem Betriebsmodell und nicht von einem Werkzeug gesprochen wird: Ohne Governance der Zielsetzung reproduziert eine agentische Koordinationsschicht die Interessen ihrer Konfigurierenden. Der Unterschied zum Status quo bleibt gleichwohl bestehen und ist präzise benennbar: Eine Zielfunktion ist explizit, versioniert und auditierbar; die Interessenlage einer Managementebene ist es nicht.

Der zweite Einwand stammt aus der Forschung zum algorithmischen Management. Kellogg, Valentine und Christin zeigen in ihrer Übersichtsarbeit, dass algorithmische Steuerung in der Praxis häufig nicht als neutrale Koordination wirkt, sondern als erweiterte Kontrolle – umfassender, granularer und intransparenter als menschliche Aufsicht (Kellogg, Valentine und Christin, 2020). Die Befunde aus der Plattformökonomie stützen diese Einschätzung. Der Einwand trifft jede Implementierung, die Koordination und Überwachung gleichsetzt. Er trifft nicht zwingend eine Architektur, in der die agentische Schicht der am vollständigsten einsehbare Teil der Organisation ist und Ausnahme-, Härtefall- und Zielentscheidungen bei Menschen verbleiben. Ob diese Trennung in der Praxis stabil gehalten werden kann, ist eine offene empirische Frage.

Der dritte Einwand betrifft Verantwortung im rechtlichen Sinn. Ein KI-System kann nicht haften und nicht zur Rechenschaft gezogen werden. Das ist zutreffend und wird hier nicht als Schwäche, sondern als Begründung der vorgeschlagenen Arbeitsteilung verstanden: Gerade weil die Koordinationsinstanz nicht haftungsfähig ist, darf sie keine Ergebnisverantwortung tragen, sondern ausschließlich Koordination ausführen, deren Resultate eindeutig Personen zugerechnet werden. Die Anforderungen der europäischen KI-Verordnung an Hochrisikosysteme – menschliche Aufsicht, Protokollierung, Transparenz – sind mit dieser Linie kompatibel (Europäische Union, 2024). Ob ein agentisches Koordinationssystem im Einzelfall als Hochrisikosystem im Sinne der Verordnung einzustufen ist, hängt vom konkreten Einsatz ab; besonders nahe liegt diese Einstufung, wenn das System Beschäftigte bewertet, Aufgaben zuteilt, Leistung misst oder Entscheidungen mit Beschäftigungswirkung vorbereitet.

Der vierte Einwand ist der grundsätzlichste: Das beschriebene Selbststabilisierungsproblem gilt auch für die Einführung des vorgeschlagenen Modells. Auch eine agentische Koordinationsschicht müsste von der bestehenden Koordinationsschicht beschlossen werden. Dieser Einwand spricht gegen Erwartungen einer schnellen, flächendeckenden Umstellung. Plausibler ist ein Verdrängungspfad über die Ränder: neu gegründete Einheiten, Tochtergesellschaften und mittelständische Unternehmen ohne gewachsene Koordinationsschicht, die agentisch organisiert aufbauen und über Kosten- und Geschwindigkeitsdifferenzen Anpassungsdruck auf etablierte Strukturen erzeugen. Dieser Pfad entspricht strukturell dem von Christensen beschriebenen Disruptionsmuster, angewendet auf das Betriebsmodell selbst.

Schließlich ist eine alternative Erklärung der Ausgangsbefunde zu prüfen: Die niedrigen Erfolgsquoten könnten schlicht die Schwierigkeit der Aufgabe abbilden, nicht einen Strukturdefekt. Transformationen sind komplexe, mehrjährige Vorhaben unter Unsicherheit; eine Erfolgsquote von einem Drittel wäre dann kein Gleichgewichtsbefund, sondern eine Eigenschaft der Aufgabenklasse. Auch die für Operating-Model-Redesigns berichteten Verbesserungen (McKinsey, 2025) ließen sich so lesen: als Lernkurve einer schwierigen, aber erlernbaren Aufgabe. Gegen eine vollständige Erklärung durch Aufgabenkomplexität spricht, dass die referierte Forschung die Scheitermechanismen nicht primär in der Komplexität verortet, sondern wiederkehrend in Allokationspolitik, Koordinationsversagen und Berichtsverzerrung – also in Variablen des Betriebsmodells. Vollständig ausschließen lässt sich die Alternativerklärung mit der vorliegenden Datenlage jedoch nicht.

Organisationsgestaltung: Verantwortung konzentrieren, Koordination externalisieren

Wenn die Analyse zutrifft, folgt daraus zunächst ein Gestaltungsprinzip für Verantwortung: Ergebnisverantwortung gehört ungeteilt zu einzelnen Personen, die über die erforderlichen Mittel tatsächlich verfügen. Gremienentscheidungen ohne persönliche Zurechnung sind unter dieser Maßgabe keine Verantwortungsform, sondern deren Auflösung. Koordination, Allokation, Messung und Nachhalten gehören demgegenüber in eine agentische Schicht, deren Zielfunktionen, Regeln und Protokolle vollständig einsehbar sind.

Governance: Das verlagerte Prinzipal-Agent-Problem adressieren

Die Zielsetzung über die agentische Schicht erfordert eine eigene Governance-Struktur, die das auf die Konfigurationsebene verlagerte Prinzipal-Agent-Problem explizit behandelt: dokumentierte Zieldefinitionen, versionierte Änderungen, getrennte Rollen für Zielsetzung und Nutznießung, externe Prüfbarkeit. Compliance ist dabei als ausführbare Randbedingung in die Prozesse zu integrieren statt als nachgelagerte Dokumentationsfunktion zu organisieren.

Messung: Indikatoren der Transformationsfähigkeit

Prüfbar wird ein solches Modell an Kennzahlen, an denen das bestehende Modell nach der referierten Evidenz systematisch schwach abschneidet:

• Anteil der Arbeitszeit für Koordination und Nachweisführung am Gesamtaufwand.
• Zeit von einer Zielentscheidung bis zur tatsächlichen Reallokation der Ressourcen.
• Anteil der Entscheidungen mit eindeutig benannter ergebnisverantwortlicher Person.
• Quote umgesetzter gegenüber beschlossener struktureller Veränderungen.
• Abweichung zwischen internem Berichtsstand und extern validiertem Stand laufender Vorhaben.

Dieses Gleichgewicht verschiebt sich nicht durch Appelle, sondern durch Architektur. Die hier formulierte Designthese lautet, dass agentische KI erstmals den Aufbau einer Koordinationsschicht ohne eigene Positions-, Karriere-, Status- oder Budgetinteressen am Ergebnis ihrer Allokationen erlauben könnte – und dass Ergebnisverantwortung dadurch nicht verschwindet, sondern Personen wieder eindeutig zurechenbar wird.

Die These ist prüfbar. Wenn sie falsch ist, müssten Organisationen mit agentischer Koordinationsschicht dieselben Muster zeigen wie heutige: diffundierende Verantwortung, wachsende Nachweisarbeit, blockierte Reallokationen, verzerrte Berichte. Wenn sie richtig ist, werden agentisch organisierte Einheiten in den kommenden Jahren messbar schneller reallozieren, mit geringerem Koordinationsaufwand arbeiten und beschlossene Strukturveränderungen in höherer Quote umsetzen. Der Anpassungsdruck auf das klassische Betriebsmodell entstünde dann nicht aus der Theorie, sondern aus dem Kostenvergleich.

Offen ist nicht, ob die heutige Koordinationsschicht Eigeninteressen hat; das ist gut belegt. Offen ist, ob eine technisch konstruierte Koordinationsschicht unter realen Governance-Bedingungen tatsächlich positionsinteressenfreier arbeitet als die menschliche, die sie ersetzen würde. Diese Frage verdient empirische Forschung, bevor sie ideologisch entschieden wird – in beide Richtungen.

Cândido, C. J. F. und Santos, S. P. (2015): Strategy Implementation: What Is the Failure Rate? Journal of Management & Organization, 21(2), 237–262. DOI: 10.1017/jmo.2014.77.

Christensen, C. M. (1997): The Innovator's Dilemma: When New Technologies Cause Great Firms to Fail. Boston: Harvard Business School Press.

Cyert, R. M. und March, J. G. (1963): A Behavioral Theory of the Firm. Englewood Cliffs: Prentice-Hall.

DiMaggio, P. J. und Powell, W. W. (1983): The Iron Cage Revisited: Institutional Isomorphism and Collective Rationality in Organizational Fields. American Sociological Review, 48(2), 147–160. DOI: 10.2307/2095101.

Europäische Union (2024): Verordnung (EU) 2024/1689 (KI-Verordnung / AI Act). Amtsblatt der Europäischen Union vom 12. Juli 2024. Online: eur-lex.europa.eu/eli/reg/2024/1689/oj (abgerufen am 12. Juni 2026).

Hamel, G. und Zanini, M. (2016): Excess Management Is Costing the U.S. $3 Trillion Per Year. Harvard Business Review (online), 5. September 2016. Online: hbr.org/2016/09/excess-management-is-costing-the-us-3-trillion-per-year (abgerufen am 12. Juni 2026).

Hamel, G. und Zanini, M. (2018): The End of Bureaucracy. Harvard Business Review, 96(6), 50–59. Online: hbr.org/2018/11/the-end-of-bureaucracy (abgerufen am 12. Juni 2026).

Hamel, G. und Zanini, M. (2020): Humanocracy: Creating Organizations as Amazing as the People Inside Them. Boston: Harvard Business Review Press.

Hannan, M. T. und Freeman, J. (1984): Structural Inertia and Organizational Change. American Sociological Review, 49(2), 149–164. DOI: 10.2307/2095567.

Hughes, M. (2011): Do 70 Per Cent of All Organizational Change Initiatives Really Fail? Journal of Change Management, 11(4), 451–464. DOI: 10.1080/14697017.2011.630506.

Jensen, M. C. und Meckling, W. H. (1976): Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure. Journal of Financial Economics, 3(4), 305–360. DOI: 10.1016/0304-405X(76)90026-X.

Kellogg, K. C., Valentine, M. A. und Christin, A. (2020): Algorithms at Work: The New Contested Terrain of Control. Academy of Management Annals, 14(1), 366–410. DOI: 10.5465/annals.2018.0174.

Kotter, J. P. (1995): Leading Change: Why Transformation Efforts Fail. Harvard Business Review, 73(2), 59–67.

March, J. G. (1991): Exploration and Exploitation in Organizational Learning. Organization Science, 2(1), 71–87. DOI: 10.1287/orsc.2.1.71.

McKinsey & Company (2014): The Secrets of Successful Organizational Redesigns: McKinsey Global Survey Results. Online: mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-secrets-of-successful-organizational-redesigns-mckinsey-global-survey-results (abgerufen am 12. Juni 2026).

McKinsey & Company (2021): Losing from Day One: Why Even Successful Transformations Fall Short. Online: mckinsey.com/capabilities/people-and-organizational-performance/our-insights/successful-transformations (abgerufen am 12. Juni 2026).

McKinsey & Company (2025): The New Rules for Getting Your Operating Model Redesign Right. Online: mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-new-rules-for-getting-your-operating-model-redesign-right (abgerufen am 12. Juni 2026).

Meyer, J. W. und Rowan, B. (1977): Institutionalized Organizations: Formal Structure as Myth and Ceremony. American Journal of Sociology, 83(2), 340–363. DOI: 10.1086/226550.

Niskanen, W. A. (1971): Bureaucracy and Representative Government. Chicago: Aldine-Atherton.

Pfeffer, J. (1992): Managing with Power: Politics and Influence in Organizations. Boston: Harvard Business School Press.

Power, M. (1997): The Audit Society: Rituals of Verification. Oxford: Oxford University Press.

Sull, D., Homkes, R. und Sull, C. (2015): Why Strategy Execution Unravels – and What to Do About It. Harvard Business Review, 93(3), 57–66. Online: hbr.org/2015/03/why-strategy-execution-unravelsand-what-to-do-about-it (abgerufen am 12. Juni 2026).