“You have no Boss - your boss is data”

Der Newsletter für nachhaltige Transformation Made in Germany 🇩🇪

Über den Standort Deutschland wird viel geklagt. Doch Jammern bringt uns nicht weiter – Handeln schon!

Die globalen Rahmenbedingungen können wir kaum beeinflussen. Was wir beeinflussen können, ist wie gut Unternehmen digital, agil und zukunftsfähig aufgestellt sind.

In diesem Newsletter reflektiere ich wöchentlich meine Erfahrungen, Erkenntnisse und Impulse aus Digital-, Transformations- und Change-Projekten.

✔️Prägnant ✔️Praxisnah ✔️ Pro Bono.

Mein Antrieb: Viele kleine, konsequente Schritte können große Wirkung entfalten.

📣 Lass uns gemeinsam was bewegen!

Herzlich willkommen zu einer neuen Ausgabe von der Transformator:

…ein Satz, der mir seit einem Training zur agilen Hardware-Entwicklung bei Joe Justice Anfang 2024 nicht mehr aus dem Kopf geht.

In den letzten Wochen habe ich immer wieder darüber nachgedacht: Was meint er (bzw. Elon Musk) damit genau – und ist das ein Weg, den wir in Deutschland einschlagen sollten? 🤔

Doch bevor wir darüber reflektieren: Wie ist es überhaupt dazu gekommen?

Im Zuge großangelegter agiler Transformationen im Automotive-Umfeld, in denen wir uns an SAFe orientiert haben, sind wir immer wieder an Grenzen gestoßen. Das lag nicht primär an SAFe – jedes Framework stößt dort an Grenzen, wo die Grundvoraussetzungen fehlen…

Vielmehr zeigte sich: Die Art, wie wir in Deutschland und speziell im Automotive-Umfeld Hardware oder Hardware-Software-Kombinationen seinerzeit entwickelt haben, lässt sich nur schwer bis gar nicht in ein agiles Framework integrieren…

Deshalb habe ich bewusst über den Tellerrand geschaut und untersucht, wie andere Organisationen das Problem angehen… 🔍

Damals sorgte Tesla für erhebliches Aufsehen, und es kursierten zahlreiche Behauptungen und Narrative von diversen Beratern darüber, was sie anders oder besser machen. Das war noch die Zeit, bevor sich Polarisierungen durch Marken-Statements wie „I bought this before Elon went crazy“ in den Diskussionen eingeschlichen hatten.

Dadurch ließ sich das Thema agile Hardwareentwicklung in Deutschland vergleichsweise sachlich und objektiv diskutieren – ohne dass bei manchen sofort Vorbehalte gegen bestimmte Marken die Debatte beeinträchtigten. 🧠

Im Zuge meiner Recherche besuchte ich ein Seminar bei Joe Justice, der kurz zuvor Tesla verlassen hatte und nun die bei Tesla praktizierten Prinzipien agiler Hardwareentwicklung vermittelt.

Inhaltlich bestätigte das Training vieles, was ich bereits vermutete, doch ein Zitat von Elon Musk durchzog das Seminar wie ein roter Faden und blieb mir nachhaltig im Gedächtnis, was Joe immer wieder rezitierte:

„You have no boss – your boss is data.“ 📊

Damals (wir sprechen hier von einem Zeitraum von gerade mal 2 Jahren!) war der KI-Hype in Deutschland noch nicht richtig angekommen…

Dennoch faszinierte mich bereits das von Musk skizzierte Konzept „MobAI“ – die Idee, einen Agenten als vollwertiges Teammitglied zu integrieren (und wir sprechen hier nicht von einem Toll zur Mailoptimierung o.ä.). 🤖

Selbst im SAFe-Kontext war eine explizite AI-Komponente zu diesem Zeitpunkt noch nicht verankert. Die Kombination aus datengetriebenen Entscheidungen und der Integration von KI als Teamressource wirkte daher für mich zugleich bestärkend und zukunftsweisend. 🚀

Bevor wir über die Idee eines KI-Agenten als kollaboratives Teammitglied weiterphilosophieren und uns der Frage stellen, ob wir das in Deutschland überhaupt wollen oder fördern sollten – oder woran es scheitern könnte –, ziehen wir zunächst eine nüchterne Bestandsaufnahme (heute - Ende Q1 2026), die ich aus dem stetigen Austausch mit Personen gewonnen habe, die – ähnlich wie ich – Transformationen im Entwicklungskontext leiten: 🧾

Beim Blick auf reale Nutzungsdaten – nicht auf Umfragen oder Prognosen – zeigt sich ein klares Bild: KI ist in Unternehmen angekommen, aber ihr Einsatz ist noch weit entfernt von ihrem theoretischen Potenzial! 📉📈

In vielen Funktionen könnten heute 60–80 % der Aufgaben zumindest teilweise von KI unterstützt oder automatisiert werden. Tatsächlich genutzt wird dieses Potenzial aber nur zu einem Bruchteil.

In IT und Softwareentwicklung etwa ließen sich fast alle Tätigkeiten mit KI unterstützen, produktiv eingesetzt wird sie dort bisher für rund ein Drittel der Aufgaben. In Bereichen wie Finance, Controlling, Management oder HR sieht es ähnlich aus: hohes theoretisches Potenzial, aber eine noch vergleichsweise niedrige tatsächliche Nutzung im Alltag. 🧮💻

Trotzdem: Die Verbreitung nimmt rasant zu. KI – insbesondere generative KI – verbreitet sich deutlich schneller als frühere Technologien wie Internet oder Smartphone. ⚡📱

Viele Unternehmen sind aus der reinen Experimentierphase heraus und setzen KI inzwischen produktiv ein:

Was noch fehlt, ist oft der Sprung von einzelnen Leuchtturmprojekten hin zu breiter, skalierter Nutzung über ganze Prozesse und Organisationseinheiten hinweg. 🌍

Auffällig ist auch, welche Arbeit heute tatsächlich von KI übernommen wird. Entgegen dem verbreiteten Bild sind es nicht zuerst die „einfachen“ Tätigkeiten, die verschwinden!

KI greift vor allem in anspruchsvolle Wissensarbeit ein: Analyse, Bewertung, Recherche, Planung, Dokumentation, Codierung. 🧩📚

Übrig bleiben vor allem Aufgaben, die stark von Kontext, Beziehungen und physischer Präsenz leben – Verhandlungen, Führung, Kundenkontakt, praktische Umsetzung vor Ort. 🤝🏭

Ganze Jobs verschwinden bisher selten, aber Jobprofile verändern sich spürbar: von „selbst machen“ hin zu „steuern, prüfen, kontextualisieren“.

In Deutschland ist die Ausgangslage ambivalent:

Ein großer Teil der Unternehmen beschäftigt sich mit KI, ein relevanter Anteil setzt sie bereits ein, und die Investitionsbereitschaft ist hoch. 💶

Gleichzeitig bremsen typische Faktoren: fragmentierte Datenlandschaften, fehlende Standards, Unsicherheit bei Regulierung und Datenschutz, Mangel an KI-Kompetenzen und die Schwierigkeit, KI nicht nur als Tool, sondern als festen Bestandteil von Prozessen und Organisation zu verankern.

Gerade in regulierten Branchen wie der Autoindustrie kommen zusätzlich Safety-, Qualitäts- und Haftungsanforderungen hinzu, die den Einsatz von KI – insbesondere als (teil-)autonomen Agenten – deutlich anspruchsvoller machen. 🛡️

Unterm Strich stehen wir heute an einem Zwischenpunkt:

Genau diese Diskrepanz ist entscheidend, wenn wir darüber nachdenken, ob und wie wir KI-Agenten als echte „Collaborateure“ in Teams integrieren wollen – und ob wir in Deutschland die Rahmenbedingungen schaffen, um dieses Potenzial bewusst zu nutzen, statt ihm hinterherzulaufen. 🧭

Der Eindruck bestätigt sich auch in meinem aktuellen Wirkungsbereich, einer Transformation im Hardware-/Software-Umfeld. In der vergangenen Woche hatten wir den Kick-off mit einem Plattform-Team. 🚀👥

Im Gespräch ging es unter anderem um sogenannte “Design Rules”. Das Team arbeitet seit Jahren damit und entwickelt sie kontinuierlich weiter. Diese Design Rules helfen ihnen, robuste Gehäuse und Schaltungen zu entwickeln, die sich prozessstabil in großen Stückzahlen fertigen lassen.

Über die Zeit ist hier enorm viel, im wahrsten Sinne des Wortes „teures“ Erfahrungswissen entstanden. 💡💰

Gleichzeitig wünscht sich der Anteilseigner ausdrücklich eine lernende Organisation – und betont das regelmäßig in seinen Reden. 🎤

In diesem Spannungsfeld fiel im Workshop ein Satz, der für mich den Kern der aktuellen KI-Diskussion trifft:

Ein Teammitglied fragte: „Warum haben wir eigentlich keine KI, in die wir unsere ganzen Design Rules einspeisen können? Angeblich sind wir doch eine lernende Organisation.“

In dieser Frage steckt alles: das vorhandene Wissen, der Anspruch an Lernfähigkeit – und die Lücke zwischen dem, was heute technisch möglich wäre, und dem, was wir in der Realität tatsächlich tun. 🎯

Resümee:

👉 Der Anteilseigner formuliert klar, was er will: eine lernende Organisation. Wenn man das heute ernst meint, kommt man an KI nicht vorbei. 🤖📚

Alles andere wäre, als würde man Schülerinnen und Schülern sagen: „Ihr dürft nur die Bücher aus der Bibliothek für eure Referate nutzen, aber nicht das Internet – das ist zu gefährlich.“

Genau so fühlt es sich an, wenn wir Lernfähigkeit propagieren, aber den Zugang zu den mächtigsten Lernwerkzeugen unserer Zeit begrenzen. 🚫🌐

Die Teams vor Ort wollen sich weiterentwickeln. Sie wollen ihre Design Rules nicht nur dokumentieren, sondern aktiv nutzen, um bessere Entscheidungen zu treffen – schneller, robuster, unabhängiger.

Sie wollen KI einsetzen, um aus jedem Projekt zu lernen, Varianten durchzuspielen, Risiken früher zu erkennen und nicht jedes Mal bei Null anzufangen. 🔄📈

Vielleicht liegt es an der IT, die noch nicht die Infrastruktur bereitstellt, damit Teams wirklich Gas geben können. 🖥️🏗️

Vielleicht an Beschaffungs- und Implementierungsprozessen, die so langsam sind, dass jede KI-Innovation unterwegs veraltet. 🐌

Oder es ist das mittlere Management, das bei „You have no boss – your boss is data“ innerlich zusammenzuckt.

Nicht, weil Daten per se gefährlich wären – sondern weil sie schonungslos sichtbar machen, was wirklich wirkt und was nicht, und Führung vor neue Herausforderungen stellt? 🪞

👉 Am Ende ist es wahrscheinlich nicht „die IT“ oder „das Management“. Es sind wir alle – solange wir KI als Risiko für unsere Rolle sehen und nicht als Verstärker für unsere Wirkung. 💥

Frage: Wie lange kommen wir mit dieser Einstellung noch durch?** 🧩❓