Es gab eine Zeit — und sie liegt noch gar nicht lange zurück —, in der auf erstaunlich viele Fragen dieselbe Antwort folgte: «Dafür brauchen wir einen Spezialisten.»
Fürs Branding einen Markenspezialisten. Für die Datenschutzerklärung einen Juristen. Für die Website-Entwicklung einen Programmierer. Für Suchmaschinenwerbung einen Ads-Spezialisten. Für Tracking einen Analytics-Spezialisten. Für Texte eine Redaktion. Für Serverfragen einen Entwickler oder Systemadministrator. Für SEO jemanden für SEO. Für Übersetzungen einen Übersetzer. Und selbstverständlich für jedes Spezialgebiet möglichst jemanden, der exakt dieses Spezialgebiet hauptberuflich betrieb.
Das klang vernünftig. Und oft war es das auch. Nur entstand dadurch gerade bei komplexeren Projekten ein neues Problem: Aus einer Aufgabe wurde ein System aus Briefings, Schnittstellen, Übergaben, Rückfragen und Koordination. Der Spezialist wusste sehr viel über seinen Ausschnitt. Jemand musste aber weiterhin verstehen, wie dieser Ausschnitt ins Ganze passte. Und diese Funktion wurde unserer Erfahrung nach immer vernachlässigt.
Der Wert lag schon immer zwischen den Disziplinen
Wir haben uns nie besonders gut als klassische Spezialisten verstanden. Eher als Systemarchitekten und Assembler.
Wir entwickeln Marken, Websites, Inhalte und Kommunikationssysteme. Wir überlegen, was ein Unternehmen eigentlich braucht, welche Teile dafür notwendig sind, wie diese zusammenwirken und wie daraus am Schluss etwas entsteht, das als Ganzes funktioniert. Das war zeitweise fast eine etwas altmodische Position.
Je stärker sich die Kommunikationsbranche spezialisierte, desto häufiger entstand der Eindruck, dass für jede einzelne Aufgabe zwingend eine eigene Fachperson nötig sei. Das Problem dabei: Ein Projekt wird nicht automatisch besser, wenn möglichst viele Spezialisten daran beteiligt sind. Im Gegenteil.
Jede zusätzliche Person erzeugt eine Schnittstelle. Wissen muss übertragen werden. Zusammenhänge müssen erklärt werden. Entscheidungen müssen abgestimmt werden. Unterschiedliche Qualitätsvorstellungen treffen aufeinander. Und gelegentlich entsteht die groteske Situation, dass jemand seinen Teil fachlich perfekt optimiert und damit gleichzeitig das Gesamtsystem verschlechtert.
Der Effekt: Projekte wurden in dieser Konstellation teuer. Sehr teuer. Und bei unserem Kundenprofil führte das nicht selten dazu, dass ein Projekt am Ende gar nicht umgesetzt wurde.
Und dann kam KI
Die interessanteste Veränderung durch künstliche Intelligenz besteht für uns deshalb nicht darin, dass «KI Spezialisten ersetzt». Die viel spannendere Entwicklung lautet:
KI verändert die wirtschaftlich optimale Teamstruktur.
Früher konnten wir als Systemarchitekten eine Gesamtlösung sehen, brauchten für einzelne Teile aber zwangsläufig Menschen mit spezialisiertem Fachwissen. Heute können wir viele dieser Disziplinen situativ tief genug erschliessen, um sie selbst sauber auszuführen — ohne zwangsläufig dafür eine weitere Berufsgattung hinzuzuziehen.
Entscheidend ist dabei allerdings: Wir beginnen nicht bei null.
Wir müssen keine Ads-Spezialisten werden. Aber wir haben in den vergangenen Jahrzehnten Hunderte Kampagnen auf die «altmodische» Art konzipiert, umgesetzt, begleitet und ausgewertet. Wir wissen, was eine Kampagne leisten soll, wie Kommunikation funktioniert, wo typische Fehler liegen und woran man erkennt, ob etwas plausibel ist. KI hilft uns heute, das dafür benötigte aktuelle Spezialwissen genau dann und genau so tief zu erschliessen, wie wir es für eine konkrete Aufgabe brauchen.
Wir müssen auch keine Serveradministratoren werden. Aber wir haben in 27 Jahren Dutzende Websites entwickelt, Systeme aufgesetzt, Fehler gesucht, technische Sackgassen erlebt und Lösungen wieder zum Laufen gebracht. Wenn wir uns heute für eine konkrete Sicherheitsfrage tief in SSH, PHP, Datenbanken oder Serverkonfiguration hineinarbeiten, treffen neue Werkzeuge auf einen Erfahrungshintergrund, der lange vor KI entstanden ist.
Dasselbe gilt für Branding, Programmierung, Redaktion, Übersetzung, Analyse, Research, SEO und viele andere Disziplinen.
KI kompensiert in diesen Fällen nicht fehlende Erfahrung. Sie ergänzt vorhandene Erfahrung um Wissen und Fähigkeiten, auf die wir früher nur über zusätzliche Spezialisten zugreifen konnten.
Das ist ein fundamentaler Unterschied.
Denn KI kann uns erklären, wie etwas funktioniert. Sie kann Lösungen vorschlagen, Code schreiben, Daten analysieren, Varianten entwickeln und uns in kurzer Zeit sehr tief in ein Fachgebiet hineinführen. Aber sie nimmt uns eine andere Aufgabe nicht ab: zu erkennen, ob eine Antwort im konkreten Zusammenhang überhaupt sinnvoll ist.
Dafür braucht es Erfahrung.
Man muss ungefähr wissen, welche Frage man stellen sollte. Man muss erkennen können, wenn eine Lösung zwar fachlich plausibel klingt, aber am eigentlichen Problem vorbeigeht. Man muss wissen, wann eine Antwort erstaunlich gut ist — und wann sie lediglich erstaunlich selbstbewusst formuliert wurde.
Genau deshalb können wir heute Kompetenzen in ein Projekt hineinziehen, die früher ausserhalb unserer unmittelbaren Möglichkeiten lagen, ohne so zu tun, als wären wir plötzlich Fachpersonen in einem weiteren halben Dutzend Berufen.
Die wertvollste Kompetenz bleibt dieselbe: zu erkennen, was überhaupt gemacht werden sollte, wie die Teile zusammengehören und wann ein Ergebnis gut ist.
Das verändert auch die Ökonomie einer kleinen Agentur
Wir beobachten diesen Effekt inzwischen nicht mehr nur bei einzelnen Arbeiten. Er verändert spürbar, welche Projekte wir selbstständig bearbeiten können, wie viel Wertschöpfung bei uns bleibt und wie wenig externe Spezialisten wir dafür inzwischen benötigen.
Noch interessanter ist aber etwas anderes: Die kleine Agentur wird dadurch strukturell konkurrenzfähiger gegenüber der grossen.
Eine Agentur mit dreissig Mitarbeitenden konnte früher mit gutem Recht sagen: Wir haben Strategie, UX, Entwicklung, SEO, Ads, Redaktion, Analytics und Motion Design im Haus.
Wir waren zu zweit. Wir sind immer noch zu zweit.
Aber hinter uns steht heute bei Bedarf ein ziemlich absurder Kompetenzverstärker.
Damit verliert die personelle Breite einer grossen Organisation einen Teil ihres bisherigen Vorteils. Ihre Nachteile verschwinden allerdings nicht automatisch: Overhead, Hierarchien, Meetings, Übergaben, Auslastungszwänge und Spezialistensilos bleiben bestehen.
Natürlich bedeutet das nicht, dass wirkliche Spezialisten verschwinden. Bei hoher fachlicher Tiefe werden sie weiterhin unverzichtbar sein. Aber jenes riesige Mittelfeld von Aufgaben, für das früher eine zusätzliche Person engagiert werden musste, weil einem selbst vielleicht die letzten zwanzig oder dreissig Prozent Wissen fehlten, wird gerade massiv kleiner.
Und ausgerechnet der lange etwas altmodisch wirkende Typus des erfahrenen Generalisten, der Systeme versteht und Dinge zusammenbauen kann, befindet sich plötzlich in einer ausgesprochen interessanten Position.
Eine gewisse Ironie der Geschichte.
Aber wie lange noch?
Natürlich stellt sich sofort die nächste Frage: Wenn KI bereits heute einen erfahrenen Generalisten so stark erweitert — wie lange braucht es diesen Generalisten überhaupt noch?
Auch hier glauben wir nicht, dass die Entwicklung einfach so verläuft:
Spezialist → Generalist → KI.
Wahrscheinlicher erscheint uns etwas anderes:
Spezialist für ein einzelnes Werkzeug → KI.
Systemarchitekt + KI → enorm leistungsfähiger Systemarchitekt.
Denn wenn Ausführung und Fachwissen immer leichter verfügbar werden, verlagert sich der eigentliche Engpass: weg vom Wissen um einzelne Werkzeuge und hin zur Fähigkeit, zu beurteilen, auszuwählen, zu gewichten und zu integrieren.
KI übernimmt immer mehr Ausführung. Sie übernimmt zunehmend fachliche Detailarbeit. Und sie wird selbstverständlich auch immer besser darin werden, ganze Lösungsarchitekturen vorzuschlagen.
Aber je grösser der mögliche Lösungsraum wird, desto wichtiger wird eine andere Frage: Welche dieser möglichen Lösungen ist für genau diesen Kunden, dieses Budget, diese Organisation und diesen Zeitpunkt die richtige?
Das ist eine andere Kompetenzklasse.
Wissen allein ist nicht Erfahrung
Die Arbeit eines erfahrenen Systemarchitekten besteht nur teilweise darin, Antworten zu kennen. Oft geht es vielmehr darum, die richtigen Fragen zu stellen.
Ist das Problem überhaupt das, was der Kunde für das Problem hält? Was brauchen wir nicht? Welche technisch perfekte Lösung wäre organisatorisch vollkommen ungeeignet? Was ist entscheidend — und was lediglich interessant? Welche von zehn plausibel klingenden Varianten wird in der Realität funktionieren? Wann sollten wir weiteroptimieren — und wann einfach aufhören?
Und wie bringen wir Marke, Inhalt, Technik, Prozesse, Wirtschaftlichkeit und Menschen so zusammen, dass am Schluss nicht nur einzelne Teile funktionieren, sondern das Ganze?
Dazu kommt etwas, das in Diskussionen über KI häufig unterschätzt wird: Verantwortung. Ein Kunde möchte irgendwann nicht mit siebzehn Systemen über siebzehn mögliche Lösungen diskutieren.
Er möchte jemanden, der sagt: «Das machen wir so. Aus diesen Gründen. Ich stehe dafür gerade.»
Die Grenze verschiebt sich
Natürlich wird KI auch diese Arbeit zunehmend verändern. Wir werden vermutlich in einigen Jahren über Aufgaben lachen, die wir heute noch für anspruchsvolle Architekturarbeit halten.
Aber gleichzeitig passiert etwas Faszinierendes:
Die Grenze dessen, was ein einzelner Mensch bauen und orchestrieren kann, bewegt sich ebenfalls nach aussen.
Vielleicht koordinierte ein guter Generalist früher fünf Disziplinen. Heute kann er zehn davon teilweise selbst integrieren. In Zukunft vielleicht fünfzig.
Dann besteht seine Kunst nicht mehr darin, diese fünfzig Disziplinen einzeln zu beherrschen. Sie besteht darin, überhaupt noch eine kohärente Vorstellung vom Ganzen zu besitzen.
Und genau hier dürfte Erfahrung länger wertvoll bleiben, als manche KI-Euphoriker momentan vermuten. Denn Erfahrung ist nicht einfach gespeichertes Fachwissen. Erfahrung besteht aus Tausenden kleiner Muster:
Das klingt vernünftig, wird aber scheitern.
Der Kunde verlangt A, braucht aber B.
Diese Lösung ist clever, aber viel zu fragil.
Das Problem liegt ganz woanders.
Hier fehlt etwas.
Und hier sollten wir jetzt wirklich aufhören.
Vielleicht liegt das eigentliche Problem bei der nächsten Generation
Das führt allerdings zu einer Frage, die uns inzwischen fast mehr beschäftigt als die Zukunft unserer eigenen Arbeit:
Woher kommen künftig erfahrene Systemarchitekten?
Die Generation, die heute solche Rollen ausfüllt, hat häufig zwanzig oder dreissig Jahre lang selbst produziert, programmiert, gestaltet, geschrieben, konfiguriert, kalkuliert, Fehler gemacht und Dinge wieder repariert. Aus genau dieser mühsamen Ausführungsphase entstand ein grosser Teil jener Erfahrung, mit der wir heute Ergebnisse beurteilen können.
Was aber geschieht, wenn KI jungen Berufsleuten genau diese Phase zunehmend abnimmt?
Wenn man nicht mehr selbst hundert Fehler machen muss — woher weiss man später, wie sich Fehler anfühlen?
Wenn man nicht mehr jahrelang einzelne Teile eines Systems gebaut hat — woher kommt das Verständnis für das Ganze?
Vielleicht wird deshalb nicht die Frage, ob KI den erfahrenen Generalisten ersetzt, die spannendste sein.
Vielleicht lautet sie vielmehr:
Wie erzeugen wir in einer Welt voller KI überhaupt noch erfahrene Generalisten?
Darauf haben wir noch keine Antwort.
Aber ziemlich sicher werden wir sie brauchen.
