Vom Prompt zum Prozess

Viele Architektinnen und Architekten, Planerinnen und Planer nutzen inzwischen Chatbots und Bildgeneratoren im Arbeitsalltag. Die durchgängige Einbindung in ein Planungsprojekt bleibt jedoch überraschend punktuell. Warum?

Wer einfache Antworten mag, dem biete ich zwei an.

Die erste: Um greifbare Beiträge zu erzeugen, braucht die KI zutreffenden Projektkontext. Dieser Kontext ändert sich in einem Planungsprojekt aber von Tag zu Tag. Also muss der Mensch den Chatbot ständig an die Hand nehmen. Das ist mühsam und alles andere als trivial.

Die zweite: Generative KI ist beeindruckend produktiv, wenn sich präzise Zielkoordinaten benennen lassen. Entwerfen besteht aber zu großen Teilen genau darin, solche Zielkoordinaten erst festzulegen. Architekten beschäftigen sich also vor allem mit einer Arbeit, die dem praktischen Einsatz von KI vorausgeht.

Seit drei Jahren begleite ich Architektinnen und Architekten beim Einstieg in die Anwendung von KI in ihrem Arbeitsumfeld. Dieser Text ist mein erster Versuch, meine Karte dieser neuen Technologie um einen Blick unter die Oberfläche zu erweitern: auf unsere gegenwärtige Arbeitsmethodik und auf die Frage, wie sich die neuen Fähigkeiten der KI und das Handwerk des Planens besser zusammenbringen lassen.

KI als persönliche Fertigkeit

Dass KI als neue Form von Software nicht das Problem ist und wir die nötigen Kompetenzen im Grunde bereits besitzen, habe ich in einem früheren Artikel dargelegt, damals gestützt auf die Beobachtungen von Nate B. Jones.

Ich betrachte die Anwendung von KI als Fertigkeit, die man sich aneignen muss, ähnlich wie Reiten, Malen oder eine Fremdsprache. Solche Fertigkeiten erwirbt man nicht in der Theorie. Prompten lässt sich nicht im Schulungsraum lernen, nur üben, und zwar am besten an den eigenen Aufgaben. Diese Fertigkeit sicher zu beherrschen, ist die Eingangstür, um andere Wege der Planungsarbeit zu erkunden. Meine Empfehlungen dazu fasse ich in den Kapiteln 1 bis 3 zusammen.

Planung und Kontext

Wie oben beschrieben, ist angemessene Kontextinformation unerlässlich, wenn KI durchgängig im Planungsprozess eines Projekts eingesetzt werden soll. Wer untersucht, wie sich solcher Kontext zusammenstellen und bereitstellen lässt, landet schnell in technischen Bereichen, die weit über eine gewöhnliche, browserbasierte Chatbot-Lizenz hinausgehen.

Statt aktuelle Techniken KI-gestützten Wissensmanagements zu beschreiben, konzentriert sich dieser Text auf die Eigenheiten unserer heutigen Planungsinformationen und darauf, warum sie für KI-Systeme nur begrenzt nutzbar sind. In den Kapiteln 4 bis 6 beschreibe ich, wie Planung Entscheidungen hervorbringt und warum die dabei entstehenden Unterlagen den Kontext, den eine KI braucht, nicht mitliefern.

Eine neue Arbeitsmethode

Hat man etwas Sicherheit im Umgang mit KI als selbstverständlicher Assistenz gewonnen, tiefere Einblicke in die Funktionsweise von KI-Agenten und Wissensmanagementsystemen erhalten und eine Reihe greifbarer Ergebnisse erzeugt, bleibt eine möglicherweise unbequeme Frage:

Wie weit sind wir bereit, unsere gewohnte Arbeitsmethodik anzupassen, um das volle Potenzial der KI sicher zu erschließen?

Das Werkzeug ist für alle dasselbe. Unterschiedlich ist die Methode, die jeder darum herum aufbaut: welche Aufgaben wir abgeben, in welcher Reihenfolge, mit welchem Kontext und wie wir prüfen, was zurückkommt. Diese Methode wird mit dem Abonnement nicht mitgeliefert. Jeder setzt sie selbst zusammen, meist ohne es zu bemerken. Um diese Frage geht es in den Kapiteln 7 und 8.

Die Grenzen des Folgenden will ich klar benennen: Die hier beschriebenen Arbeitsweisen sind meine eigenen. Sie sind über drei Jahre aus der täglichen Praxis gewachsen, und sie funktionieren für mich. Sie sind keine Produkte, und ich habe bislang keinen Beleg dafür, dass sie sich unverändert auf ein anderes Büro übertragen lassen. Wie aus einer individuellen Arbeitsweise eine gemeinsame Konvention wird, halte ich für eine der offenen Fragen des ganzen Vorhabens.

Unterwegs im Integrationsgebirge

Solange es auf diese Frage keine klare und erprobte Antwort gibt, gleicht die Integration von KI einer Wanderung durch ein weites, wundersames Gebirge. Das eine Ergebnis verschlägt einem die Sprache, das nächste ist kindischer Unsinn. Und alle paar Wochen wird ein neuer Entwicklungsschritt veröffentlicht, der plötzlich einen weiteren Raum an Möglichkeiten zugänglich macht.

Die Technologie und ihre Entwicklung sind inzwischen gut dokumentiert. Unzählige Werkzeuge, Start-ups, Lehrende und Influencer erzeugen einen überwältigenden Informationsstrom. Sie alle teilen eine Kernbotschaft: Ihr Berufsbild bleibt, Sie müssen sich nur mit Künstlicher Intelligenz ausstatten.

Ein Seminar in Weimar hat mich kürzlich zur umgekehrten Perspektive gebracht: auf den Menschen zu schauen und nicht auf das Werkzeug. Zu fragen, warum wir so planen, wie wir planen, und wo Werkzeug und Ziel nicht zueinander passen.

Die folgenden Kapitel sollen den Einstieg in die Anwendung von KI im Architekturalltag erleichtern. Sie benennen aber auch die Fragen und Herausforderungen, die sich stellen, sobald man die erste oder zweite Etappe dieses Weges erreicht hat. Beginnen wir am Anfang, damit sich die Schritte später nachvollziehen lassen.

Die Bandbreite ist größer als erwartet

Bereits der erste Prompt des Seminars in Weimar zeigte, wie weit die Leistungsfähigkeit verfügbarer Sprachmodelle inzwischen auseinanderliegt. Wir baten mehrere Systeme, ein Raumprogramm für ein fiktives Schulprojekt zu erstellen. Die Ergebnisse reichten von der dürftigen Stichpunktliste bis zum durchgearbeiteten Tabellenwerk. Das lag nicht an einem besseren Prompt, sondern daran, wie tief das jeweilige System von sich aus in die Aufgabe einsteigt.

Kostenfreie Angebote bleiben schon bei Aufgaben mittlerer Komplexität auffallend blass. Die Zeit großzügiger Einführungsangebote ist offensichtlich vorbei. Anders als noch vor Kurzem fehlt mir inzwischen die Fantasie, für welche sinnvollen Aufgaben diese Modelle taugen sollen. Wer seine ersten Versuche ausschließlich mit solchen Systemen unternimmt, zieht falsche Schlüsse über die Möglichkeiten generativer KI in der Planung.

Hinzu kommt der Charakter der Modelle. Wie unterschiedlich verschiedene Systeme im Dialog auftreten, muss jeder selbst herausfinden. Je besser der Gedankenaustausch gelingt, desto eher wird der Chatbot zum produktiven Gegenüber. Ich arbeite derzeit im Wechsel mit drei primären und drei sekundären Sprachmodellen, je nachdem, was ich erreichen will. Eine wichtige Erkenntnis dabei: Teuer ist nicht automatisch besser.

Warum uns der richtige Moment entgeht

Ist das Werkzeug gewählt, folgt die nächste Beobachtung: Den meisten Teilnehmenden in Weimar fehlte das Gespür dafür, wann sich eine Aufgabe für die KI eignet.

Jeden Tag entstehen unzählige Situationen, in denen Informationen gesucht, verglichen, strukturiert, bewertet oder neu formuliert werden müssen. Eine technische Frage taucht auf. Anforderungen sind abzugleichen, eine Besprechung vorzubereiten, eine Variante gegen eine andere zu prüfen. Auf all das reagieren wir mit eingeübter Routine. Entweder ordnen wir die Themen chronologisch in eine Liste abzuarbeitender Aufgaben ein. Oder wir übertragen sie jemandem, der sich den Umgang damit selbst erschließen muss.

In keinem Fall sind wir darauf konditioniert, die Aufgabe sofort in einen ausführbaren Prompt zu übersetzen. Das Erkennen der Notwendigkeit, das Klären des Lösungswegs und das Abarbeiten waren bislang getrennte Vorgänge. Zu trainieren ist die Fähigkeit, jene Aufgaben zu erkennen, die sich mit einem Prompt unmittelbar in die Umsetzung bringen lassen, statt auf der Aufgabenliste zu landen.

Alte Zeitrechnung

Montagsbesprechung: Wir beschließen, uns um das erwähnte Schulprojekt zu bewerben. Irgendein hilfsbereiter Mensch hat 27 Dokumente mit Leistungsbeschreibung, Anforderungen und Weiterem heruntergeladen. Ich übernehme es, das Konvolut zu sichten und ein Angebot so vorzustrukturieren, dass alle ihre Beiträge einbringen können. Mir ist klar, dass ich dafür in den kommenden Tagen ein paar ruhige Stunden brauche. Also plane ich die Aufgabe für Donnerstag ein, wohl wissend, dass in meinem Kalender bis dahin viel passieren kann.

Neue Zeitrechnung

Die KI analysiert die Leistungsbeschreibung, während die Montagsbesprechung noch läuft. Auf diesem ersten Ergebnis aufbauend lasse ich ein Raumprogramm vorschlagen und die Flächen für Konstruktion, Technik und Erschließung eines dreigeschossigen Gebäudes ergänzen. Auf dieser Grundlage bitte ich um eine erste Honorarschätzung und daraus abgeleitet, bezogen auf das Leistungsbild, um eine Personalkalkulation. Die KI erarbeitet all das nebenbei, während ich in einer Routinebesprechung sitze.

Selbstverständlich verstehen sich alle Ergebnisse als Vorabzug. Sie sind zu prüfen und zu plausibilisieren, genau so, als hätte sie ein neuer Kollege für mich vorbereitet. In den folgenden Tagen lasse ich mir zwei- oder dreimal einzelne Details aus den Ausschreibungsunterlagen heraussuchen. Am Donnerstag nutze ich das reservierte Zeitfenster, um aus den Teilprodukten ein belastbares Gesamtergebnis zu machen, und nicht, um Unterlagen zu sichten und eine Grundstruktur zu erarbeiten.

Es geht nicht um Prompt Engineering

Das Beispiel handelt nicht vom perfekten Prompt. Es handelt von der Geistesgegenwart, eine Aufgabe in dem Moment an die KI zu übergeben, in dem sie entsteht. Am wirksamsten prompte ich, während sich der Lösungsweg gerade in meinem Kopf formt. Die Möglichkeiten des neuen Werkzeugs sind bekannt, der Reflex bleibt bei vielen aber der alte: auf die Aufgabenliste schreiben, am Donnerstag kümmere ich mich.

Sammlungen vermeintlich optimaler Promptvorlagen lösen das nicht. Entscheidend ist, im Arbeitsalltag zu bemerken und zu handeln. Hier könnte die KI etwas für mich recherchieren. Dort könnten wir Entwurfsparameter strukturieren. Und wenn wir schon dabei sind, lässt sich jene Entscheidung gleich noch gegenprüfen.

Meine Empfehlung: Konditionieren Sie sich, indem Sie solche Aufgaben sofort übergeben, auch wenn Sie das Ergebnis im zweiten oder dritten Schritt nicht weiterverwenden. KI eignet sich hervorragend für Dinge, die nebenbei erledigt werden müssen und für die sonst keine Zeit bleibt. Und seien Sie gewiss: Für die am Donnerstag gewonnene Zeit finden sich neue Aufgaben.

Daher stammt die eingangs formulierte Überzeugung: Prompten lässt sich nicht im Schulungsraum lernen, nur üben, und zwar dort, wo die realen Aufgaben liegen, am eigenen Arbeitsplatz.

Reine Werkzeugschulungen erreichen diesen Punkt nicht. Man kann ein System ausführlich erklären, ohne dass dabei ein einziger Reflex geübt wird. Nach meiner Erfahrung wirkt nur die Übung an echten Aufgaben im eigenen Arbeitskontext, nicht abends und nicht am Demonstrationsbeispiel. Damit wird der Einstieg zu einem Ressourcenproblem, das die Mitarbeitenden nicht selbst lösen können. Wo die Geschäftsführung keine Zeit zum Erproben im realen Arbeitskontext einräumt, bleibt KI Theorie ohne praktische Wirkung.

Woher eine falsche Erwartung kommt

Die Entwicklung browserbasierter Dienste hat uns in den vergangenen Jahren zu digitalen Endverbrauchern gemacht. Den Umbruch würde ich auf die Einführung des ersten Smartphones 2007 datieren, auch wenn die Transformation natürlich ein längerer Prozess war. Der Finger bestätigt ein gewünschtes Produkt oder verwirft es mit einem Wischen. Die besten Badestrände gegoogelt, den Zielort angeklickt, den Rest erledigt das System: Fahrkarte gelöst, Hotel gebucht, Strandkorb reserviert.

Wir wählen und konfigurieren unsere Wünsche auf dem Display und glauben, geplant zu haben. Das Bahnportal nimmt Start und Ziel entgegen und liefert die passenden Verbindungen. Ein Küchen- oder Autokonfigurator führt durch Modelle, Farben und Ausstattungen. Unterhaltung, Lebensmittel, Mode: alles konfiguriert, bestellt und geliefert auf Knopfdruck. Warum also nicht als Nächstes Architektur?

Die Bedienung am Bildschirm wird von Jahr zu Jahr eindrucksvoller, doch sie bewegt sich vollständig innerhalb eines vorab festgelegten Möglichkeitsraums. Die App erzeugt keine Reise, sie wählt eine vorhandene Verbindung aus. Der Konfigurator generiert kein Produkt, er erschließt lediglich den Katalog. Entscheidend ist: Die Auswahl steht vorher fest. Sie wird immer breiter und das digitale Erlebnis immer perfekter, aber eine Verbindung, die es nicht gibt, kann man nicht buchen.

Die Haltung justieren

Diese gelernten Erwartungsmuster tragen wir unwillkürlich in die KI hinein, und vertraute Oberflächen verstärken den Effekt. Ein Eingabefeld, eine Antwort, dazu Abonnement und Preismodell: Die Interaktion mit Chatbots und Bildgeneratoren fügt sich nahtlos in das Erscheinungsbild anderer digitaler Dienste. Folglich formulieren wir das gewünschte Produkt im Ton einer Bestellung: „Du bist ein preisgekrönter Architekt. Plane mir ein Haus. Mach keine Fehler.“

Scheitert das, entsteht Frustration. Das Ergebnis wirkt oberflächlich oder fachlich falsch. Unmittelbar folgt die weithin akzeptierte und recht bequeme Einschätzung: Die Technologie macht Fehler. Menschliche Prüfung und Korrektur bleiben unerlässlich. Für ernsthafte Planungsaufgaben sind die Systeme noch nicht ausgereift. Zurück zur vertrauten Software, weiter wie gehabt.

Diese Reaktion schützt vor allem unsere Komfortzone. Wir verharren im Bestell-Modus personalisierter Dienste und erwarten Planungslösungen aus einem neuen, unendlichen Katalog, den es so nicht gibt. Greifbare Ergebnisse entstehen erst, wenn wir unseren Ansatz ändern, statt auf das nächste Modell-Update zu hoffen. Wollten wir uns nicht eine neue Fertigkeit aneignen und sie üben?

Ich empfehle einen leicht veränderten Einstieg, der auf den ersten Blick banal wirkt: „Ich möchte ein Haus planen. Wie könntest du mich dabei unterstützen?“ Der Unterschied ist keine Frage des Tons. Der Einstieg legt fest, wer Autor des Prozesses ist: wer delegiert und wer assistiert, nicht wer bestellt und wer liefert.

Algorithmen brauchen klar definierte Zielkoordinaten

Automatisierte Abläufe, also Algorithmen, brauchen definierte Eingaben und nachvollziehbare Regeln, damit sie in einem gegebenen Bereich wiederholt zulässige Ergebnisse liefern. Künstliche Intelligenz beeindruckt, weil sie dieser Fähigkeit einen neuen, auf Wahrscheinlichkeiten beruhenden Ansatz hinzufügt. Eine Bedingung aber bleibt bestehen: Wo ich präzise benennen kann, worauf ich ziele, liefert KI bemerkenswerte Ergebnisse. Wo ich das nicht kann, mag das Ergebnis eindrucksvoll und anregend sein, als Planungsgrundlage taugt es nicht. Denn weder das System noch ich haben einen Maßstab, an dem es sich messen ließe. Diese benennbaren Ziele nenne ich im Folgenden Zielkoordinaten.

Manche dieser Grenzen werden künftige Modellgenerationen vielleicht aufheben. Ein digitales System, das in voller Autonomie entwirft, kann ich mir dennoch nicht vorstellen. Die menschliche Führung des Entscheidungsprozesses bleibt unverzichtbar.

Kurz: Ließe sich ein Gebäudeentwurf aus einem festen Katalog von Gesetzen, Normen und Regeln ableiten, hätte jemand diesen Algorithmus längst geschrieben.

Der Planungsprozess dagegen wendet keine feststehenden Regeln an. Er schafft erst den Rahmen, in dem Regeln überhaupt angewendet werden können. Für einen konkreten Ort, einen konkreten Bauherrn, ein konkretes Programm: Welche Anforderungen gelten? Welche davon sind wesentlich? Welche widersprechen einander? Welche Grundlagen fehlen? Welche Entscheidung muss jetzt fallen, und welche darf offenbleiben?

Und vor allem: Deckt sich das sorgsam austarierte Gerüst an Entscheidungen noch mit der ursprünglichen Aufgabe?

Entwerfen heißt, Zielkoordinaten festzulegen

Architektur entsteht nicht durch das Aneinanderreihen regelbasierter Entscheidungen. Wir stellen vielmehr die Bedingungen her, unter denen Regeln sinnvoll angewendet werden können. Architektinnen und Architekten erarbeiten den Algorithmus, den der Bau eines Gebäudes für eine bestimmte Aufgabe braucht. Und nebenbei gleichen sie diesen Algorithmus mit dem zwischenmenschlichen Prozess ab, in dem alle Projektbeteiligten zu einem gemeinsamen Verständnis finden und ihren Beitrag leisten können. Ein Haus zu entwerfen ist keine personalisierte digitale Dienstleistung, sondern eine gemeinschaftliche Veränderung unserer gebauten Wirklichkeit.

Künstliche Intelligenz ist kein Katalog fertiger Entwurfslösungen

Weit verbreitet ist die Vorstellung, die KI enthalte bereits alle Antworten, die ein Planungsprozess braucht, und man müsse sie nur geschickt herausprompten. Die leistungsfähigsten Sprachmodelle verfügen inzwischen mit großer Wahrscheinlichkeit über das gesamte Volumen des fachlichen Ingenieurwissens. Was ihnen fehlt, ist das spezifische Wissen über Ihr Projekt: die Randbedingungen des Grundstücks, die Projektgeschichte, die Entscheidungen der vergangenen Monate, die Beiträge der einzelnen Beteiligten, der aktuelle Planungsstand und all jene stillschweigenden Festlegungen, die in einem Planungsteam aus langjähriger Erfahrung selbstverständlicher Konsens geworden sind.

Um wirksam beizutragen, braucht KI eine Rolle und klar umrissene, erreichbare Aufgaben. „Plane ein Haus, mach keine Fehler“ hilft hier nicht. KI ist keine Lösung von der Stange. Wer sie zu einem wirksamen Assistenzsystem machen will, muss ihre Fähigkeiten zunächst in aufeinanderfolgenden kleinen Schritten kartieren.

KI plant nicht für uns. Sie kann uns aber helfen, besser zu planen.

Ohne gültigen Kontext halluziniert die KI überzeugend

Wer ein gutes Gespür für KI als digitale Assistenz entwickelt hat und Aufgaben für den Chatbot sicher erkennt, stellt fest: Zwei Kategorien von Informationen werden unverzichtbar, damit die Beiträge zum Planungsprojekt verlässlicher werden.

Erstens, je nach Aufgabe, bestimmte Elemente des umgebenden Projektkontexts: Eigenschaften des Standorts, rechtliche Vorgaben, besondere Leistungsanforderungen. Die Trainingsdaten des Sprachmodells und sein Zugriff auf das Internet liefern dazu vieles, anderes existiert nur im jeweiligen Projekt. Wichtig ist, dass der Prompt auf eine gültige Quelle verweist. Andernfalls bleibt dem Chatbot nur das Raten, und darin ist er sehr gut.

Zweitens bestimmte Aspekte der vorliegenden Planungsergebnisse, die das Modell bei der Bearbeitung berücksichtigen muss. Welche Entscheidungen stehen fest? Und wo haben wir offene Fragen identifiziert, die noch zu klären sind?

Aus menschlicher Sicht liegen beide Kategorien von Projektinformation als Pläne und Dokumente vor. Nach meiner Erfahrung ist die Datenqualität dieser Unterlagen aber selten so beschaffen, dass ein Sprachmodell sie sicher interpretieren kann. Ich habe mir deshalb angewöhnt, in einem ersten Schritt die relevanten Daten aus unseren Planunterlagen zu extrahieren und sie erst dann als Kontext in die eigentliche Erzeugung des angestrebten Ergebnisses einzuspeisen.

Langfristig erwarte ich, dass wir recht aufwendige Strategien entwickeln müssen, um eine Datenbasis mit Projektkontext aufzubauen, zu pflegen und zu validieren, aus der die KI dann die Planungsdokumentation erzeugt.

Planunterlagen sind keine Bauanleitung

Planunterlagen als Definition für den Bau eines Gebäudes sind eine stark abstrahierte Kommunikationsform. Ein Grundriss, ein Schnitt, selbst ein Detail ist keine ausführliche Beschreibung des Bauens, sondern eine Symbolsprache, deren Leistungsfähigkeit gerade darin besteht, große Mengen an Wissen nicht explizit darstellen zu müssen.

Im Maßstab 1:100 ist ein Fußbodenaufbau eine Linie. Alle Fachleute wissen, dass kein millimeterdicker Fußboden gemeint ist. Im Maßstab 1:20 werden daraus zwei oder drei Linien, eine Schraffur, ein Kürzel. Im Maßstab 1:5 sechs oder sieben Schichten mit ein paar Materialangaben, Schichtdicken und einzelnen Fachbegriffen. Selbst in der Ausführungsplanung bleibt unsere Planungsinformation eine Verdichtung des tatsächlichen technischen Sachverhalts.

Das funktioniert, weil die Information nur unter Fachleuten ausgetauscht wird. Wer liest, ergänzt, was nicht im Plan steht: Aufbauten, Materialeigenschaften, Anschlüsse, Ausführungsprinzipien, Normen, Erfahrungswerte, Risiken. Das vollständige Verständnis entsteht erst aus dem Zusammenspiel expliziter Planinformation und impliziten Wissens der Beteiligten.

Absicht übermitteln: das Was, nicht das Wie

In dieser Form der Kommunikation projizieren wir nicht bewusst jede fehlende Angabe auf die Zeichnung. Der Empfänger leitet selektiv ab, je nach seinen Anforderungen und seinem Verantwortungsbereich. Die Information wird auch nicht linear aufgenommen, wie man einen Roman liest oder eine Software Code abarbeitet, sondern punktuell geprüft. Wie genau, hängt vom jeweiligen Projektwissen ebenso ab wie von über Jahre aufgebauter Erfahrung.

Um zu einer ersten Einschätzung zu kommen, muss niemand einen Plansatz vollständig aufgenommen haben. Planunterlagen enthalten Handlungsanweisungen für einen Ablauf, ohne sie ausdrücklich zu benennen. Das Faktische liegt nicht im Dokument, sondern in den Handlungen, die ihm folgen, und im physischen Zustand, den es vorwegnimmt.

Deshalb drücken unsere Planunterlagen immer nur das angestrebte Ergebnis aus, nie die Begründung, wie wir zu einer bestimmten Entscheidung gekommen sind.

Absicht lesen: die Kunst des selektiven Lesens

Diese Form des Inhalts setzt die Kompetenz des Empfängers voraus. Der Zimmerer kennt sein Handwerk; aus dem Plan entnimmt er einen Umriss und ein Maß. Wie man Holz fügt, weiß er besser als die Planer. Zweck der Unterlage ist nicht, ihm zu erklären, wie er sein Werkzeug zu führen hat. Zudem sind wir es gewohnt, Details und offene Fragen zu einem geeigneten späteren Zeitpunkt im Projektverlauf zu klären. Wann welche Entscheidung relevant wird und was gerade kritisch ist, beurteilen wir aus jahrelanger praktischer Erfahrung. Den heute verfügbaren kommerziellen Chatbots fehlt diese Perspektive; sie existieren nur im Jetzt des jeweiligen Threads. Eine Frage zurückzustellen und später zu klären, ist ihnen als Möglichkeit bislang unbekannt.

Planung ist ein schrittweiser Prozess, das Generieren von Inhalten nicht

Ohne die Fähigkeit, Planung als schrittweisen Prozess zu führen, fehlt der KI eine vermutlich zentrale Wahrnehmungsebene. Als Software ist sie in der gerade verfügbaren Information gefangen. Ihre Aufgabe ist mit einer einzelnen Ausgabe erfüllt.

Das zentrale Erkundungsfeld ist für mich deshalb, ein KI-System zu entwickeln, das eine Art Projektgedächtnis hält und pflegt und daraus ein digitales Gegenstück vorausschauenden Denkens ableitet:

Welche Entwurfsentscheidung haben wir zuletzt getroffen?

Welche Teile des Projekts sind von dieser Entscheidung betroffen?

Welche Aufgabe folgt aus dieser Entscheidung?

Die Linie steht für einen durchgehenden Holzfußboden in einer Wohnküche. Welches Holz ist strapazierfähig genug? Lässt es sich mit einer Fußbodenheizung kombinieren? Passt ein Hartholz zu unseren Nachhaltigkeitsansprüchen? Und zum Budget des Bauherrn?

Jede dieser Fragen kann die KI beeindruckend detailliert beantworten. Aber die Fragen von sich aus und im richtigen Moment stellen? Bislang eher unwahrscheinlich. Natürlich kann mein Chatbot offene Fragen benennen. Aber er hat bis heute keine Möglichkeit, mich anzurufen und auf eine Antwort zu drängen.

Sollten wir der Versuchung zur vollen Detaillierung widerstehen?

Wenn KI mehr Kontext braucht, arbeiten wir künftig eben mit ausführlicheren Datensätzen. Wir lassen die KI Inhalte generieren und steuern vom Beifahrersitz aus. Für den Einstieg in KI-gestützte Planung ist das eine tragfähige Grundtechnik. Als neue Methode des Entwerfens verdient sie einen zweiten Blick, denn ganz so einfach dürfte die Umstellung nicht werden.

Die Linie im Maßstab 1:100 ist nicht zwangsläufig Ausdruck unzureichender Planung. Sie entspricht exakt dem angemessenen Informationsstand der jeweiligen Planungsphase. Alle Beteiligten verstehen: Hier wird es einen Fußboden geben, wie er aufgebaut ist, klären wir später. Diese Unschärfe ist kein Defizit, sondern Teil des Verfahrens, die menschliche Art, den Überblick über das Projekt zu behalten. Planung entwickelt sich über die Zeit. Frühe Präzision wird zum Hindernis, wenn sie Festlegungen trifft, bevor die Grundlagen dafür vorliegen.

Planung unterscheidet stillschweigend die Qualität von Entscheidungen

Ließen wir ein Sprachmodell jedes Bauteil so früh wie möglich so präzise wie möglich festlegen, hätten wir zwar maximalen Kontext erzeugt, uns selbst aber den Überblick verstellt. Zu unterscheiden ist vielmehr zwischen dem, was feststeht, dem, was gegenwärtig angenommen wird, und dem, was bewusst offenbleibt. Man könnte von gesteuerter Unschärfe sprechen.

Für menschliche Beteiligte ist diese zeitliche Dimension selbstverständlich. Ein Architekt betrachtet eine Linie im Vorentwurf und weiß nicht nur ungefähr, was sie darstellt. Er weiß zugleich, dass bestimmte Eigenschaften dieses Bauteils erst später festgelegt werden. Der Plan dokumentiert damit nicht nur das geplante Gebäude, sondern auch den gegenwärtigen Stand des Denkens über dieses Gebäude.

Soweit ich sehe, gibt KI bislang keinen Hinweis darauf, dass sie den weiteren Verlauf eines Entwurfs verlässlich vorwegnehmen kann. Für den Menschen bedeutet die reduzierte Darstellung: ausreichend für diese Bearbeitungstiefe. Der Kontext eines laufenden Projekts signalisiert ihm, dass noch Arbeit aussteht. Für das Modell dagegen ist vorhanden, was vorhanden ist. Es sei denn, wir teilen den Informationsstand ausdrücklich mit und benennen, was als Nächstes zu tun ist.

Abwesenheit heißt nicht „unwichtig“

Der Kontext, den wir der KI bereitstellen, muss deshalb mehr enthalten als das, was wir üblicherweise als Planungsinformation bezeichnen. Ein erweiterter Datensatz müsste ausdrücken: Was wissen wir noch nicht? Was ist bewusst offen? Was ist nur vorläufig angenommen? Was ist bereits entschieden? Und welche Entscheidung soll erst später fallen?

Das verändert die Forderung nach „mehr Kontext“ erheblich. Ziel ist nicht, die größtmögliche Menge festgelegter Detailinformation einzuspeisen. Ziel ist eine aktive Matrix, die volle Präzision ebenso abbildet wie bewusst erhaltene Offenheit. Kurz: Die Abwesenheit von Information darf nicht als „nicht relevant“ gelesen werden.

Das begrenzt den Einsatz in frühen Phasen, schließt ihn aber nicht aus. Wo Zielkoordinaten gesetzt sind, wie beim Raumprogramm aus Kapitel 2, trägt die KI auch früh. Wo die Richtung selbst noch gesucht wird, trägt sie nicht.

Übernimmt die KI die Produktion, steht der Planer unter Bewertungsdruck

Leistungsfähige KI-Systeme strukturieren Raumprogramme in Minuten, formulieren Anforderungen, beschreiben Raumtypologien und leiten daraus Materialkonzepte ab. Jeder weitere Prompt vervielfacht die Menge an Planungsmaterial, das eine Minute zuvor erzeugt wurde. Planungsdaten, die früher Wochen händischer Arbeit gekostet hätten, entstehen heute an einem Montag vor der Mittagspause. Mit dem Einsatz von KI verschwindet der Herstellungsprozess und mit ihm die tagelange Verinnerlichung des Stoffes.

Viele frühe Festlegungen eines Planungsprozesses kann ein Chatbot schon auf Grundlage überschaubarer Eingaben bearbeiten. Diese Ergebnisse zu validieren, bedeutet jedoch eine kognitive Belastung, auf die wir kaum vorbereitet sind. Um an den Bestell-Modus aus Kapitel 3 anzuknüpfen: Die meisten erwarten das bestellte Ergebnis als fertiges Produkt. Kaum jemand ist darauf eingestellt, einen ersten Entwurf zu erhalten, den er prüfen und kommentieren muss.

Ein Selbstversuch macht das greifbar: „Ich möchte einen Holzfußboden spezifizieren. Hilf mir, alle notwendigen Festlegungen und Vorgaben zu erfassen und zu plausibilisieren.“ Nehmen Sie sich die Zeit. In wenigen Minuten entsteht vor Ihren Augen eine Studienarbeit, die im Projektalltag niemand mehr sinnvoll lesen, redigieren oder beurteilen kann, außer der KI selbst.

Der wachsende Aufwand der Qualitätssicherung ist eine kritische Nebenwirkung, die wir Schritt für Schritt angehen müssen. Unsere Fähigkeit, all diese Ergebnisse fachlich zu beurteilen und zusammenzufügen, beschleunigt sich nicht im gleichen Maß wie ihre Erzeugung. Wir beseitigen einen Produktionsengpass und erzeugen einen Bewertungsengpass. Knapp ist nicht mehr die Verfügbarkeit planungsrelevanter Information. Knapp werden Aufmerksamkeit, Einordnung, Urteilskraft und Entscheidungskapazität.

Sind Architekten nicht gewohnt, die Beiträge des Planungsteams zu prüfen?

Auf den ersten Blick ist das paradox. Planerinnen und Planer sind schließlich darin ausgebildet, komplexe Sachverhalte zu überblicken; ein größeres Bauprojekt besteht aus einer großen Menge miteinander verknüpfter Informationen. Der Widerspruch löst sich, wenn man zwischen Formen von Komplexität unterscheidet. Wir beherrschen Planung nicht dadurch, dass wir alle verfügbaren Informationen auf einmal aufnehmen und gleichzeitig im Arbeitsgedächtnis halten. Professionelle Erfahrung arbeitet mit Mustern, Hierarchien, Abkürzungen, Prioritäten und Intuition. Sie behandelt nicht jede Information gleich intensiv.

Die Überlastung entsteht also nicht, weil KI-gestützte Planung grundsätzlich komplexer wäre. Sie entsteht, weil die Komplexität anders strukturiert ist: Unsere Kompetenz beruht auf intelligenter Verdichtung, und nun treffen wir auf eine Maschine, deren Stärke in der Ausweitung und Explizierung von Information liegt. Ausgerechnet dort, wo das System besonders leistungsfähig wird, verlieren wir unsere gewohnte Informationshoheit.

Zwei Punkte scheinen mir wesentlich

Erstens: Planung mit generativer KI braucht mehr und andere Kontextdaten, und das zwingt uns, die Verteilung der Arbeit neu zu ordnen. Der kognitive Engpass entsteht nicht trotz, sondern wegen der erfolgreichen Bereitstellung von Kontext. Je besser der Kontext, desto größer der Problemraum, den das System bearbeiten kann, und desto anspruchsvoller wird es für uns, den Überblick zu behalten. Bessere Modelle beseitigen dieses Problem nicht, sie verschärfen es.

Zweitens: Als Folge dieser Neuverteilung werden wir KI-Systeme verstärkt einsetzen, um die Ergebnisse unserer KI zu prüfen. Daraus ergibt sich eine einfache neue Zielfrage: Was ist der geringste menschliche Input, der das größtmögliche Volumen an Planungsentscheidungen sicher durch einen generativen Prozess steuert, den überwiegend KI-Agenten beaufsichtigen?

Ein konventioneller menschlicher Planungsprozess begrenzt die Untersuchungstiefe von selbst, als intuitives Maß aus verfügbarer Erfahrung und Zeit. Meist bemerken wir gar nicht, wie wir den Grad der Detaillierung dosieren. Wir sind es also gewohnt, unsere Ausgabeinformation im Verhältnis zu den verfügbaren Ressourcen zu verkürzen. Das Modell kennt diese Grenze nicht. Wird die menschliche Form verkürzter Planungsinformation damit zum Hindernis? Oder ist sie auch eine Leistung, ein Weg, Herr des Prozesses zu bleiben? Erfahrung heißt unter anderem: wissen, welche Teile des Entwurfs man nicht ausformulieren oder prüfen muss.

So wie wir gelernt haben, eine einfache Linie im Maßstab 1:100 als Fußboden eines Gebäudes zu lesen, werden wir lernen müssen, dass nicht jede der umfangreichen maschinell erzeugten Informationen dieselbe Aufmerksamkeit verdient.

Drei verbreitete Überzeugungen und meine Sicht darauf

Ich hoffe, die bisherigen Kapitel haben gezeigt, warum der Einsatz von KI in unseren heutigen Planungsprozessen alles andere als trivial ist.

Setzen wir den Weg fort und betrachten einige verbreitete Befürchtungen, die mit der in Kapitel 3 beschriebenen Überzeugung zusammenhängen, KI liefere unzuverlässige Ergebnisse. Deren Kehrseite ist die offene Frage, wer über das nötige Wissen und die Erfahrung verfügt, die Vielzahl KI-generierter Ergebnisse so weit zu prüfen, dass daraus belastbare Planunterlagen werden.

a) Die Planungsverantwortung ist rechtlich geregelt

Für förmliche Verfahren ist die gern gestellte Frage, wer für KI-generierte Inhalte einstehen kann, rechtlich längst beantwortet. Wer ein Gebäude errichten will, braucht nach den Landesbauordnungen in aller Regel eine bauvorlageberechtigte Entwurfsverfasserin oder einen bauvorlageberechtigten Entwurfsverfasser, im Baugenehmigungsverfahren ebenso wie bei vielen genehmigungsfreigestellten Vorhaben. Sie oder er ist für die Bauvorlagen verantwortlich. Was über die eigene Sachkunde hinausgeht, ist durch geeignete Fachplaner abzudecken.

Wie die Architektin muss auch der Tragwerksplaner oder die Brandschutzplanerin die eigene Qualifikation nachweisen. Kritische Teile der Planung werden zudem von Prüfingenieuren oder Prüfsachverständigen geprüft, die ihre Anerkennung ebenfalls nachweisen müssen. Kurz: Im Verfahren wird kein Dokument akzeptiert, das sich nicht einer benannten, qualifizierten Person zuordnen lässt.

Wer als Bauherr diese Grundvoraussetzung bei der Beauftragung des Planungsteams übergeht, riskiert, dass der Bauantrag zurückgewiesen wird, und im schlimmsten Fall eine Beseitigungsanordnung für rechtswidrig errichtete Bauteile.

Software wird die erforderlichen beruflichen Qualifikationen nicht erlangen. Die Verantwortung bleibt bei den Personen, die die Unterlagen verfassen und einreichen. Mängel und Fehler bleiben bei ihnen, gleichgültig, ob ein ungeprüft arbeitender Werkstudent oder ein KI-System sie verursacht hat.

b) Wir prüfen Ergebnisse, nicht Eingaben

Dieser Feststellung wird stets die Notwendigkeit entgegengehalten, die Ergebnisse der KI zu prüfen, selten die Notwendigkeit, die menschlichen Eingaben zu prüfen. Die erlernte Gewohnheit nachträglicher Qualitätssicherung hängt mit Struktur und Zweck unserer heutigen Planunterlagen zusammen, wie wir sie oben untersucht haben: Sie sollen nur zum Teil zutreffende Information enthalten, zum anderen Teil die richtige Botschaft an die vorgesehenen Empfänger senden. Diese Abwägung beruht eher auf Erfahrung als auf einem sauber geordneten Herstellungsprozess.

Unsere heutige Kommunikationsform führt uns tief in Formatierung und Erscheinungsbild unserer Dokumente. Der Verfasser muss erkennbar sein, also setzen wir ein Logo. Das Projekt ist zentral, also steht sein Name auf jeder Seite in der Kopfzeile. Empfänger nehmen Information in handhabbaren Portionen auf, also gliedern wir in fett gesetzte Kapitel und etwas zurückhaltender gesetzte Unterkapitel. Und alles braucht ein Nummerierungssystem zur Übersicht, auch wenn viele Aspekte der Planungsabsicht miteinander verknüpft sind und sich durch das ganze Dokument wiederholen.

Ein Selbstversuch zeigt die Grenze: Besprechen Sie mit Ihrem Chatbot den Erläuterungsbericht der Entwurfsplanung (Leistungsphase 3) eines Ihrer letzten Projekte. Sie werden ein langes, anregendes Gespräch führen. Aber welche Projektrisiken kann die KI aus der Unterlage ableiten? Wie konkret kann sie die nächsten Arbeitsschritte benennen? Wie genau die Inhalte der noch zu erarbeitenden Planunterlagen? Ein zum Ausdrucken und Abheften formatiertes PDF enthält nicht den Kontext, den eine KI für einen belastbaren Einblick in das laufende Projekt braucht. Fünf PDFs auch nicht. Und hundert PDFs in einer durchsuchbaren Wissensdatenbank ebenso wenig.

Künftig werden wir lernen müssen, zuerst auf die Inhalte zu achten und erst danach auf die Struktur. Das druckfähige Dokument wird zum Nebenprodukt, das die KI im letzten Schritt aus einem zentralen Bestand an Planungsdaten erzeugt, und nicht mehr die Grundlage, aus der wir die benötigten Inhalte erst herausziehen.

Unser neues Ziel lautet damit: einzelne Planungsaspekte einmal in einem zentralen Datenbestand zu validieren und sie dann in zehn verschiedene Planunterlagen auszuspielen. Statt zehn Planunterlagen im Detail darauf zu prüfen, ob jeder einzelne Planungsaspekt darin richtig abgebildet ist.

c) Jüngere Generationen werden die nötigen Kompetenzen nicht mehr erwerben

Ich habe meinen Beruf in der Produktion gelernt, im Wesentlichen durch jahrelanges Zeichnen von Plänen. In nicht allzu ferner Zukunft wird generative KI unsere Produktionszyklen stark verkürzen und damit auch die Gelegenheiten für junge Architektinnen und Architekten, mitzuarbeiten und dabei zu lernen.

Diese Sorge teile ich uneingeschränkt.

Umgekehrt verschweigen die Vertreter dieser These, dass wir beim Einsatz generativer KI alle wieder Lernende sind. Mehr noch: Wir müssen zugeben, dass die älteren Generationen, also gerade diejenigen mit der Erfahrung, KI-Ergebnisse zu prüfen, im Nachteil sind, wenn es darum geht, sich KI als neue praktische Fertigkeit anzueignen.

Ein Gebäude zu errichten, ist in weiten Teilen keine Zauberei. Jedes Bauteil beruht auf Anforderungen, die sich gut definieren lassen, und die meisten davon sind im Internet ausführlich dokumentiert. Für jedes ordentlich trainierte Sprachmodell ist das ein Kinderspiel.

Die Komplexität eines Planungsprojekts liegt im Geflecht der Entscheidungen: im Wie und Warum. Warum haben wir unsere Entscheidungen genau so getroffen und in keiner anderen Konstellation?

Das weiß die KI nicht. Schlimmer noch: Sie wird mit hoher Wahrscheinlichkeit zu halluzinieren beginnen und dabei einen wesentlichen Punkt des Entwurfs verfehlen, der allen menschlichen Beteiligten meist völlig klar ist.

Künftig sollten wir dokumentieren, warum wir eine Entwurfsentscheidung getroffen haben und welche anderen Teile des Entwurfs mit ihr zusammenhängen. Jungen Architektinnen und Architekten dürfte dieser Gedanke leichtfallen. Und die KI wird mit Vergnügen die Plausibilität Ihres Warums hinterfragen.

Meine Überzeugung in Kürze

Architekten sind Problemlöser. KI ist ein System zum Lösen von Problemen. Generative KI hat eine beispiellose Fähigkeit, überzeugende Bilder und schlüssige Texte zu erzeugen. Und vieles von dem, was wir als Architekten tun, besteht darin, einer Gruppe von Menschen eine glaubwürdige Vorstellung von einem künftigen Gebäude zu vermitteln, das es wert ist, gebaut zu werden.

Um Künstliche Intelligenz voll auszuschöpfen, müssen wir unsere Methoden an die Voraussetzungen dieser Technologie anpassen. Das bedeutet: Wer planen kann, hat die Initiative, das größte Potenzial dieser neuen Technologie zu erschließen.

Am Ende führt das zurück zum Kern unserer Arbeit: Warum planen wir, wie wir planen? Ist es eine Form strukturierter Entscheidungsfindung, die sich durch einen Wahrscheinlichkeitsalgorithmus nachbilden lässt? Welche Aspekte unserer Arbeitsmethode müssen bleiben, welche sind neu auszurichten?

Gesicherte Erkenntnisse gibt es dazu nicht. Vor uns liegt ein neues Forschungsfeld, an dem sich die gesamte Branche beteiligen muss, von Projektentwicklern über Planer und Software-Start-ups bis zu Bauunternehmen.

Eine Unterscheidung zieht sich durch alle vorangegangenen Kapitel: Daten sind die Linie auf unserer Zeichnung. Kontext ist das, wovon wir erwarten, dass alle anderen es wissen, damit sie unsere Absicht richtig lesen: wofür die Linie steht, was bereits entschieden ist und was noch offen. Unsere Unterlagen transportieren das Erste und setzen das Zweite voraus. Unter Fachleuten trägt diese Voraussetzung im besten Fall. Für eine datengestützte Planung, die eine Maschine ausführt, trägt sie sicher nicht.

Drei Handlungsfelder

Die Integration von KI in die Planung skaliert schrittweise, in drei Feldern mit unterschiedlichen Zuständigkeiten.

Das erste Feld gehört Ihnen persönlich. Es ist der Prompt-Reflex: einzelne Aufgaben im Tagesverlauf, sofort übergeben statt auf später vertagt. Das kostet kaum mehr als Aufmerksamkeit und verändert Ihre Arbeitsroutinen nur in kleinen Schritten.

Das zweite Feld gehört dem Büro. Hier geht es darum, neue Arbeitsmethoden schrittweise zu etablieren. Sie werden sich vor allem um neue Formen des Datenmanagements drehen. Dieses Feld führt tief in aktive Wissensmanagementsysteme, ein noch weitgehend unerschlossenes Gelände für Forschung und Experiment.

Das dritte Feld gehört Architektinnen, Architekten und Planern als Berufsstand. Neue Methoden datengestützter Planung bleiben bedeutungslos, wenn sie isoliert praktiziert werden. Planen und Bauen ist eine gemeinschaftliche Aufgabe; eine neue digitale Arbeitskultur entsteht nicht aus der Innovation Einzelner, sondern aus gemeinsam entwickelten Konventionen.

Alle drei Felder verlangen Initiative und Investition. Das Seminar in Weimar hat gezeigt: Wer teilt, was funktioniert hat und was nicht, erweitert das KI-Wissen der ganzen Gruppe.

Unsicheres Gelände

In welchem Feld Sie auch beginnen: Rechnen Sie damit, dass der Boden unsicher bleibt. Die Technologie entwickelt sich noch immer schneller, als wir uns anpassen können. Wer in die Integration von KI investieren will, sollte bereit sein, sich noch eine ganze Weile in unbekanntes Gebirge zu wagen. Man sieht von einer erreichten Höhe mehr, als man gegangen ist. Die Kämme lassen sich benennen, ohne sie begangen zu haben. Was man von dort sieht, ist Gelände und kein Weg, und den Unterschied zwischen Aussicht und Route erfährt man nur zu Fuß.

Mit der Übung wird es auch nicht leichter. Um beim Bild der fließend gesprochenen Fremdsprache zu bleiben: Sobald Ihr Umfeld merkt, dass Sie die Sprache sprechen, ändert sich das Tempo. Der Wortschatz wächst, die Themen werden anspruchsvoller. Und ehe man sich versieht, begegnet man regionalen Dialekten und kulturellen Anspielungen, von deren Existenz man gestern noch nichts wusste. Übung macht die Sache nicht einfacher, sie vergrößert die Tiefe, in der man sich bewegen kann.

Wie geht es weiter?

Vier Punkte bleiben zur weiteren Klärung offen.

Der erste betrifft die praktische Grundlage. Wir wissen noch nicht genug, um genau zu beschreiben, wie KI in unsere Planungsprozesse einzubinden ist. Hinweise auf eine neue Arbeitsweise tauchen aber jeden Tag auf. Sie stecken in Ablagestrukturen, in der Frage, wer im Team welchen Kontext pflegt, und in den Übergabepunkten zwischen den Beteiligten. Nichts davon ist eine Frage besserer Modelle. Es ist eine Frage unseres Tuns.

Der zweite betrifft die Erfahrung. Unsere Urteilsfähigkeit ist bisher als Nebenprodukt beim Herstellen von Planunterlagen entstanden. Die tagelange Verinnerlichung des Stoffes war zugleich die Ausbildung. Wenn dieser Prozess entfällt, woraus entsteht dann die Fähigkeit, maschinell erzeugte Ergebnisse zu beurteilen? Und was bedeutet das für Berufseinsteiger, für die Struktur der Büros, für die Lehre?

Der dritte betrifft die Verantwortung. Arbeit lässt sich abgeben, Verantwortung nicht. Wenn sich die Herstellung dramatisch beschleunigt, die Haftung aber unverändert bleibt, verschiebt sich, wofür wir eigentlich bezahlt werden. Leistungsbilder und Honorarsystematik bilden diese Verschiebung bislang nicht ab.

Der vierte betrifft die Empfänger. Bisher ist eine planerische Aussage an die Unterlage gebunden, in der sie festgehalten ist. Künftig könnte jeder Beteiligte den Projektkontext nach dem befragen, was für ihn im jeweiligen Moment relevant ist. Was das für Verbindlichkeit, Planstand und Verantwortung bedeutet, bleibt zu klären.

Bereit zur Übergabe?

Eine Verschiebung verdient es, benannt zu werden, auch wenn sie noch nicht in Reichweite ist: Planungsinhalte herzustellen ist unser Weg, sie zu verinnerlichen. Die Tage am Zeichentisch waren zugleich die Tage des Verstehens. Je mehr die KI produziert, desto mehr Projektwissen wird ausgelagert. Ich habe mich daran gewöhnt, mein System zu fragen, wo wir stehen. Der Tausch ist real: Die Maschine ist schneller und hält mehr Information genauer vor, als ich es kann. Die Frage ist, ob alle bereit sind, diese Übergabe zu akzeptieren.

Bevor man auf die Barrikaden geht, lohnt ein ehrliches Eingeständnis: Wir praktizieren dieses Muster längst. Sobald eine Information die Freigabe der Ranghöchsten trägt, hören die meisten im Team auf, sie zu hinterfragen. Wir prüfen nicht, wir verlassen uns. Mit der KI ändert sich nicht die Gewohnheit, sondern ihre Richtung. Und anders als den Partner, der abgezeichnet hat, kann man die Maschine jederzeit nach dem Warum fragen.

Sie sehen, es gibt noch einiges zu tun. Wichtig ist:

Die KI nimmt uns das Denken nicht ab. Sie zwingt uns, genauer hinzusehen, wie wir denken, planen und entscheiden. Das ist anstrengender als erhofft, aber auch deutlich interessanter.