Wir diskutieren seit Jahren darüber, wo und wann Menschen arbeiten. KI zwingt uns zu einer viel grundsätzlicheren Frage: Wofür sollten wir menschliche Aufmerksamkeit überhaupt noch einsetzen?
Ein persönlicher Blick von Bajram Emini, Co-Founder von Meeting Metrics, auf die nächste Phase der Wissensarbeit.
Über New Work wurde in den vergangenen Jahren viel gesprochen. Über Homeoffice und hybride Arbeitsmodelle, flexible Arbeitszeiten, die Vier-Tage-Woche und moderne Bürokonzepte.
Ich glaube, wir haben dabei einen wichtigen Teil der Diskussion verpasst.
Wir haben sehr intensiv darüber gesprochen, wo und wann Menschen arbeiten sollten. Viel weniger haben wir darüber gesprochen, womit sie ihre Zeit bei der Arbeit eigentlich verbringen sollten.
Mit künstlicher Intelligenz wird genau diese Frage plötzlich konkret. Zum ersten Mal können wir nicht nur den Ort und die Organisation von Wissensarbeit verändern. Wir können die Arbeit selbst neu zwischen Mensch und Technologie verteilen.
Für mich beginnt damit die eigentlich interessante Phase von New Work.
New Work war nie einfach Homeoffice
Der Begriff New Work geht auf den austro-amerikanischen Sozialphilosophen Frithjof Bergmann zurück. Seine Vorstellung war wesentlich umfassender als flexible Arbeitszeiten oder die Möglichkeit, von zu Hause aus zu arbeiten. Im Zentrum standen Freiheit, Selbstbestimmung und die Frage, wie Arbeit gestaltet sein muss, damit Menschen ihre Fähigkeiten sinnvoll einsetzen können.
Diese Idee findet sich auch in der heutigen New-Work-Forschung wieder. Der deutsche Wirtschaftspsychologe Carsten C. Schermuly verbindet New Work beispielsweise mit dem Konzept des psychologischen Empowerments. Menschen sollen ihre Arbeit als bedeutsam erleben, ihre Kompetenzen einsetzen können, selbstbestimmt handeln und Einfluss auf das Ergebnis ihrer Arbeit haben.
Damit lässt sich die ursprüngliche Idee von New Work auf eine erstaunlich aktuelle Frage reduzieren:
Wofür sollten Menschen ihre begrenzte Zeit und Aufmerksamkeit bei der Arbeit einsetzen?
Durch künstliche Intelligenz wird diese Frage gerade neu verhandelt.
Wir haben Arbeit digitalisiert. Aber haben wir sie verbessert?
In den vergangenen zwei Jahrzehnten haben Unternehmen enorme Summen in digitale Zusammenarbeit investiert. E-Mail, Microsoft Teams, Slack, Videokonferenzen, Projektmanagement-Tools und Cloud-Dokumente ermöglichen heute eine Zusammenarbeit, die vor 20 Jahren kaum vorstellbar gewesen wäre.
Trotzdem erlebe ich bei vielen Wissensarbeitern nicht das Gefühl, dass Arbeit dadurch fundamental einfacher geworden ist. Im Gegenteil: Ein erheblicher Teil des Tages besteht inzwischen darin, Arbeit zu koordinieren, Informationen zu suchen und Kommunikation zu verarbeiten.
Der Microsoft Work Trend Index zeichnet ein eindrückliches Bild dieser Entwicklung. Mitarbeitende erhalten im Durchschnitt 117 E-Mails und 153 Teams-Nachrichten täglich. Fast die Hälfte der Befragten beschreibt ihre Arbeit als chaotisch und fragmentiert. Microsoft spricht inzwischen vom «Infinite Workday», bei dem Kommunikation, Meetings und eigentliche Fokusarbeit zunehmend ineinanderfliessen.
Darin steckt für mich eines der grossen Paradoxe moderner Wissensarbeit:
Wir haben mehr Werkzeuge für produktive Arbeit als jemals zuvor. Gleichzeitig kämpfen wir immer stärker darum, überhaupt noch ungestört arbeiten zu können.
Vielleicht liegt genau hier ein Fehler der bisherigen Digitalisierung. Wir haben Technologie häufig dafür eingesetzt, bestehende Arbeitsweisen schneller zu machen. Aber wir haben zu selten gefragt, ob bestimmte Arbeit überhaupt noch von Menschen erledigt werden sollte.
KI verändert nicht nur unsere Werkzeuge. Sie verändert die Arbeitsteilung.
Genau darin unterscheidet sich generative KI von vielen früheren digitalen Werkzeugen.
Ein Textverarbeitungsprogramm hilft uns beim Schreiben. Eine Videokonferenz verbindet Menschen miteinander. Eine Suchmaschine hilft uns, Informationen zu finden. Die eigentliche Wissensarbeit blieb dabei aber weitgehend beim Menschen.
Generative KI greift tiefer in den Arbeitsprozess ein. Sie kann Informationen analysieren, Inhalte strukturieren, Texte erstellen, Wissen zusammenführen und Vorschläge entwickeln.
Wie gross dieser Effekt sein kann, zeigt eine inzwischen in Organization Science veröffentlichte Studie mit 758 Beraterinnen und Beratern von Boston Consulting Group. Bei den untersuchten Aufgaben erledigten Personen mit GPT-4 12,2 Prozent mehr Aufgaben und waren durchschnittlich 25,1 Prozent schneller. Auch die Qualität ihrer Ergebnisse verbesserte sich deutlich.
Doch die gleiche Untersuchung zeigte etwas, das ich fast interessanter finde als die Produktivitätsgewinne. Bei einer komplexen Aufgabe ausserhalb der damaligen Fähigkeiten der KI waren Teilnehmende mit KI 19 Prozent weniger wahrscheinlich in der Lage, die richtige Lösung zu finden.
Die Forschenden sprechen deshalb von einer «jagged technological frontier», einer gezackten technologischen Grenze.
Für mich liegt darin eine der wichtigsten Erkenntnisse für die Zukunft der Wissensarbeit: Es geht nicht darum, möglichst viel Arbeit an KI zu delegieren. Es geht darum, herauszufinden, welche Arbeit wir delegieren sollten.
Was passiert mit Teams, wenn KI selbst Teil der Arbeit wird?
Neuere Forschung geht inzwischen noch einen Schritt weiter.
In einem grossen Feldexperiment mit 776 Fachpersonen bei Procter & Gamble wurde untersucht, wie generative KI Zusammenarbeit verändert. Einzelpersonen mit KI erreichten bei den untersuchten Innovationsaufgaben eine Leistung, die mit Teams ohne KI vergleichbar war. Gleichzeitig half KI dabei, funktionale Wissensgrenzen zu überwinden: Technisch und kommerziell orientierte Fachpersonen entwickelten mit Unterstützung der KI ausgewogenere Lösungen.
Das bedeutet nicht, dass Teams überflüssig werden. Aber es deutet auf eine wesentlich grössere Veränderung hin.
KI verändert möglicherweise nicht nur, wie schnell wir arbeiten, sondern auch, wie wir Expertise und Zusammenarbeit organisieren.
Und genau diese zweite Frage halte ich langfristig für die spannendere.
Meetings machen das Problem besonders sichtbar
Ich beschäftige mich gemeinsam mit unserem Team bei Meeting Metrics jeden Tag mit einer besonderen Form von Wissensarbeit: Gesprächen.
Dabei fällt mir immer wieder auf, wie selbstverständlich wir zwei vollkommen unterschiedliche Arten von Arbeit miteinander vermischen.
Menschen kommen in einem Meeting zusammen, um unterschiedliche Perspektiven einzubringen, Argumente abzuwägen, Konflikte auszutragen, Ideen zu entwickeln und Entscheidungen zu treffen. Gleichzeitig muss jemand dokumentieren, was gesagt wurde. Entscheidungen müssen festgehalten, Aufgaben herausgeschrieben, Verantwortlichkeiten dokumentiert und Informationen anschliessend verteilt werden.
Wir haben uns so sehr daran gewöhnt, dass wir die Absurdität dahinter kaum noch wahrnehmen:
Während Menschen miteinander denken sollen, beschäftigen wir einen Teil ihrer Aufmerksamkeit gleichzeitig damit, dieses Denken zu dokumentieren.
Genau diese Arbeitsteilung beginnt sich durch KI zu verändern.
Technologie kann Gesprochenes erfassen, Inhalte strukturieren, Entscheidungen erkennen, Aufgaben dokumentieren und Informationen später wieder verfügbar machen. Menschen können ihre Aufmerksamkeit stärker auf das Gespräch richten.
Aber ich glaube, dass wir die Bedeutung dieser Entwicklung unterschätzen, wenn wir nur über effizientere Meetings oder automatisch erstellte Protokolle sprechen.
Das eigentliche Problem ist nicht das fehlende Protokoll
Als wir Meeting Metrics aufgebaut haben, war eine der naheliegenden Fragen: Wie können wir Menschen die administrative Arbeit rund um Meetings abnehmen?
Heute sehe ich die grössere Chance an einem anderen Ort.
Das eigentliche Problem vieler Organisationen ist nicht, dass sie zu wenige Protokolle besitzen.
Das Problem ist, dass Kontext verloren geht.
In praktisch jedem Unternehmen entsteht jeden Tag wertvolles Wissen in Gesprächen. Warum wurde eine bestimmte Entscheidung getroffen? Welche Alternative wurde verworfen? Was hat ein Kunde tatsächlich gesagt? Welche Risiken wurden diskutiert? Welche Zusage wurde in einem Projektmeeting gemacht?
Ein Teil davon landet in Protokollen, persönlichen Notizen, einem CRM oder anderen Systemen. Vieles bleibt jedoch in den Köpfen einzelner Personen.
Das funktioniert, solange die richtigen Menschen verfügbar sind und sich erinnern können. Verlässt jedoch eine langjährige Mitarbeiterin das Unternehmen oder möchte sechs Monate später jemand nachvollziehen, weshalb eine Entscheidung getroffen wurde, fehlt plötzlich ein Teil des Kontextes.
KI eröffnet hier eine Möglichkeit, die weit über Transkription hinausgeht.
Aus Gesprächen können strukturierte Wissensquellen werden. Aus einzelnen Meetings kann ein durchsuchbares organisatorisches Gedächtnis entstehen.
Die bisherige Logik
Meeting → Protokoll → Ablage
könnte sich damit zunehmend zu
Gespräch → Wissen → Kontext → Handlung
entwickeln.
Mehr KI bedeutet nicht automatisch bessere Arbeit
Dabei sollten wir nicht denselben Fehler wiederholen, den wir bei früheren Digitalisierungsschritten gemacht haben.
Wenn wir jedes Gespräch transkribieren, jedes Meeting zusammenfassen und aus jeder Diskussion automatisch neue Dokumente erzeugen, haben wir noch keine bessere Wissensarbeit geschaffen.
Im schlechtesten Fall haben wir einfach einen neuen Information Overload produziert, diesmal mit KI.
Deshalb glaube ich, dass die nächste Generation von KI-Systemen nicht daran gemessen werden sollte, wie viel Content sie produziert.
Sie sollte daran gemessen werden, wie viel Relevanz sie schafft.
Welche Entscheidung ist noch gültig? Welche Information widerspricht einer früheren Aussage? Welches Risiko taucht seit Monaten immer wieder auf? Warum wurde eine bestimmte Entscheidung getroffen? Welcher Kontext ist für das Gespräch, das ich in zehn Minuten führe, relevant?
Der Wert entsteht nicht dadurch, dass eine Organisation immer mehr Informationen besitzt.
Er entsteht dadurch, dass die richtige Information im richtigen Moment verfügbar ist.
Meine Vision: Organisationen, die sich erinnern können
Wenn ich diese Entwicklung einige Jahre weiterdenke, interessiert mich deshalb nicht primär das perfekte KI-Protokoll.
Mich interessiert eine Organisation, die sich erinnern kann.
Stellen wir uns vor, Wissen würde nicht mehr davon abhängen, wer bei einem Meeting dabei war, wer sich gute Notizen gemacht hat oder wer sich sechs Monate später noch an eine Entscheidung erinnern kann.
Vor einem Meeting müsste niemand mehr alte Protokolle, E-Mails und Dokumente durchsuchen. Relevante Entscheidungen, offene Punkte und Zusammenhänge wären bereits aufbereitet. Während des Gesprächs könnten sich die Teilnehmenden vollständig auf die Diskussion konzentrieren. Danach wären Entscheidungen, Aufgaben und Verantwortlichkeiten dokumentiert und dort verfügbar, wo sie gebraucht werden.
Aber wirklich interessant wird es erst, wenn wir nicht mehr über einzelne Meetings sprechen.
Was passiert, wenn eine Organisation die Zusammenhänge zwischen Hunderten oder Tausenden Gesprächen verstehen kann?
Eine Führungskraft könnte erkennen, welche strategischen Risiken in den vergangenen sechs Monaten immer wieder diskutiert wurden. Ein Projektleiter könnte nachvollziehen, wann eine Entscheidung getroffen wurde, welche Alternativen diskutiert wurden und weshalb man sich dagegen entschieden hat. Eine neue Mitarbeiterin könnte nicht nur Dokumente lesen, sondern den Kontext hinter wichtigen Entscheidungen verstehen.
Und wenn eine langjährige Mitarbeiterin das Unternehmen verlässt, würde nicht automatisch ein Teil des organisatorischen Gedächtnisses mit ihr verschwinden.
Meetings wären dann nicht länger isolierte Termine im Kalender. Sie wären Teil eines lebenden Organizational Memory.
Langfristig könnte daraus noch mehr entstehen. Ein solches System würde nicht nur erinnern, sondern Zusammenhänge erkennen. Es könnte auf Widersprüche hinweisen, wiederkehrende Themen sichtbar machen und relevanten Kontext bereitstellen, bevor Entscheidungen getroffen werden.
Nicht um Entscheidungen für Menschen zu treffen.
Sondern um Menschen bessere Grundlagen für Entscheidungen zu geben.
Die erste Generation von KI für Wissensarbeit spart Zeit. Die nächste Generation muss Kontext bewahren.
New Work braucht ein Update
Vielleicht liegt darin die nächste grosse Entwicklung von New Work.
Die erste Diskussion drehte sich um Freiheit, Selbstbestimmung und Sinn. Danach kamen Digitalisierung, Remote Work und hybride Arbeitsmodelle. Jetzt beginnt eine weitere Phase: Wir müssen bewusster entscheiden, welche Arbeit menschliche Aufmerksamkeit verdient und welche Arbeit Technologie übernehmen kann.
Die Zukunft der Wissensarbeit besteht aus meiner Sicht weder darin, möglichst viel zu automatisieren noch darin, menschliche Arbeit vor Technologie zu schützen.
Sie besteht darin, die richtige Arbeitsteilung zu finden.
Deshalb glaube ich, dass die wichtigste New-Work-Frage der kommenden Jahre nicht mehr lautet:
Wo sollen Menschen arbeiten?
Sondern:
Wofür wollen wir menschliche Aufmerksamkeit einsetzen?
Meine Vision ist eine Arbeitswelt, in der Technologie nicht noch mehr Arbeit, Informationen und Ablenkung produziert, sondern das Gegenteil bewirkt: weniger Administration, weniger Informationsverlust und mehr relevanten Kontext.
Damit Menschen mehr Zeit für das haben, wofür wir sie in Organisationen eigentlich brauchen: verstehen, abwägen, gestalten und entscheiden.
Quellen
Frithjof Bergmann: Neue Arbeit, Neue Kultur
Arbor VerlagCarsten C. Schermuly: Forschung zu New Work und psychologischem Empowerment
SpringerHans Rusinek, Universität St.Gallen: Forschung zu New Work, Sinn und KI am Arbeitsplatz
HSGOlivia Bruhin, Universität St.Gallen: Forschung zu generativer KI und Wissensarbeit
HSG / IWIUniversität St.Gallen: Voices of the Leaders of Tomorrow 2026
HSGMicrosoft: Work Trend Index 2025 / Infinite Workday
Microsoft SchweizMicrosoft: Work Trend Index 2026
Microsoft WorkLabDell’Acqua et al.: Navigating the Jagged Technological Frontier
Organization ScienceDillon et al.: Shifting Work Patterns with Generative AI
NBER
