Die künstliche Intelligenz hat ein erstaunliches Talent entwickelt: Sie beantwortet Fragen, noch bevor jemand ernsthaft darüber nachgedacht hat, ob diese Fragen überhaupt die richtigen sind.
Das ist einer ihrer größten praktischen Vorteile – und zugleich einer ihrer gefährlichsten Nebeneffekte. Denn genau an dieser Stelle beginnt der Unterschied zwischen einer Maschine, die Wissen verarbeitet, und einem guten Consultant, der eine Organisation verstehen soll.
Beide liefern keine Entscheidung. Beide übernehmen am Ende keine Verantwortung. Der Vorstand entscheidet, der Geschäftsführer entscheidet, der Projektleiter entscheidet. Der Consultant kann sich später darauf berufen, dass er eine Empfehlung ausgesprochen hat, und die KI kann sich nicht einmal darauf berufen. Insofern ist die Verantwortungsfrage erstaunlich ähnlich verteilt.
Der entscheidende Unterschied liegt woanders: Ein guter Consultant versucht nicht primär, eine Antwort zu produzieren, sondern herauszufinden, was eigentlich beantwortet werden müsste.
Die Frage hinter der Frage
Wer einen Consultant beauftragt, formuliert normalerweise bereits ein Problem. Die Kosten sollen gesenkt werden, die Organisation soll effizienter werden, eine neue Strategie soll entwickelt werden, die Digitalisierung kommt nicht voran oder ein Projekt läuft aus dem Ruder. Die Versuchung ist groß, genau dort anzusetzen und möglichst schnell eine Lösung zu liefern.
Ein guter Consultant tut das nicht unbedingt. Er hört zunächst genauer hin. Nicht nur auf die formulierte Aufgabenstellung, sondern auch auf das, was zwischen den Zeilen passiert. Wer spricht besonders viel? Wer sagt auffällig wenig? Welche Abteilung ist von einer Veränderung angeblich begeistert, während gleichzeitig niemand bereit ist, dafür Verantwortung zu übernehmen? Warum wird ein Randthema immer wieder erwähnt, obwohl es offiziell überhaupt keine Rolle spielt?
Solche Beobachtungen sind in klassischen Analysen schwer abzubilden. Sie stehen selten in einem Datenmodell und finden sich noch seltener in einer PowerPoint-Grafik. Trotzdem können sie für den Erfolg eines Projekts entscheidender sein als die fünfzig Seiten Analyse, die zuvor mit großer Ernsthaftigkeit erstellt wurden.
Organisationen funktionieren schließlich nicht wie Tabellenkalkulationen. Menschen haben Interessen, Ängste, Eitelkeiten, Machtpositionen und sehr unterschiedliche Vorstellungen davon, was eine gute Lösung ist. Das ist keine besonders elegante Erkenntnis, aber eine ziemlich belastbare.
KI sieht das Muster, der Consultant erkennt den Kontext
Natürlich wird man einwenden können, dass moderne KI längst in der Lage ist, solche Zusammenhänge zu erkennen. Das stimmt. Sie kann Gesprächsprotokolle analysieren, Widersprüche herausarbeiten, Stimmungen aus Texten ableiten und eine beeindruckende Anzahl möglicher Erklärungen für ein Problem liefern.
Aber zwischen dem Erkennen eines Musters und dem Einordnen seiner Bedeutung liegt ein erheblicher Unterschied.
Ein Consultant, der über Jahre mit unterschiedlichen Unternehmen gearbeitet hat, bringt im besten Fall eine Form von Erfahrungswissen mit, die sich nicht vollständig aus Fachliteratur oder statistischen Zusammenhängen ableiten lässt. Er hat erlebt, wie eine vermeintlich hervorragende Veränderungsinitiative an einer einzigen Führungskraft gescheitert ist. Er kennt Unternehmen, die mit einer scheinbar identischen Ausgangslage völlig unterschiedliche Ergebnisse erzielt haben. Er hat gesehen, wie eine offiziell rationale Entscheidung tatsächlich aus einem politischen Kompromiss entstanden ist.
Vor allem kennt er die kleinen Warnsignale, die man nicht erkennt, weil sie in irgendeinem Lehrbuch stehen, sondern weil man sie bereits mehrfach gesehen hat.
Erfahrung ist dabei nicht einfach eine große Menge an Informationen. Erfahrung ist die Fähigkeit, Informationen zu gewichten, obwohl man noch nicht sicher weiß, welche davon später relevant werden.
Die Stärke des Consultants liegt oft im Unbequemen
Hier wird es für die KI besonders interessant. Denn die Maschine hat einen strukturellen Vorteil, der gleichzeitig ihre Schwäche sein kann: Sie möchte hilfreich sein.
Das klingt zunächst nach einer sympathischen Eigenschaft. Im Unternehmenskontext kann es allerdings problematisch werden. Wer eine Frage stellt, bekommt eine Antwort. Wer nach einer Strategie fragt, bekommt eine Strategie. Wer wissen möchte, wie sich ein Problem lösen lässt, erhält mehrere Lösungsoptionen, sauber strukturiert, logisch begründet und selbstverständlich mit einer hübschen Liste von nächsten Schritten versehen.
Das ist ausgesprochen angenehm. Nur ist angenehme Beratung nicht immer gute Beratung.
Ein guter Consultant sollte sich im Zweifel erlauben, die Prämisse des Kunden anzugreifen. Er sollte sagen, dass das vermeintliche Effizienzproblem eigentlich ein Führungsproblem ist. Er sollte darauf hinweisen, dass die geplante Transformation vor allem deshalb nicht funktionieren wird, weil die verantwortlichen Führungskräfte selbst nicht daran glauben. Und er sollte gegebenenfalls auch aussprechen, dass die Organisation gerade viel Geld dafür ausgibt, ein Problem zu optimieren, das sie überhaupt nicht lösen müsste.
Das sind keine besonders beliebten Botschaften. Genau deshalb haben sie einen gewissen Wert. Der Consultant muss nicht derjenige sein, der den Raum glücklich macht. Er sollte gelegentlich derjenige sein, der den Raum unangenehm still werden lässt.
KI als Sparringspartner – wenn man wirklich einen haben will
Allerdings wäre es zu einfach, daraus eine prinzipielle Überlegenheit des menschlichen Consultants abzuleiten. Denn genau an dieser Stelle kann KI außerordentlich interessant werden: nicht als Antwortautomat, sondern als Sparringspartner. Eine gut eingesetzte KI kann Gegenargumente formulieren, Prämissen zerlegen, alternative Erklärungen entwickeln, blinde Flecken suchen und eine Entscheidung aus Perspektiven betrachten, die der Auftraggeber selbst zunächst nicht berücksichtigt hat.
Das funktioniert allerdings nur unter einer Bedingung, die in der gegenwärtigen Begeisterung für KI erstaunlich gern übersehen wird: Der Auftraggeber muss tatsächlich widersprochen bekommen wollen.
Wer seine bereits getroffene Entscheidung lediglich mit einer KI plausibilisieren möchte, wird dafür genügend Möglichkeiten finden. Man kann eine Frage so formulieren, dass sie die gewünschte Antwort beinahe schon enthält. Man kann Kontext auswählen, Gegenargumente weglassen und durch kleine sprachliche Verschiebungen aus einer offenen Analyse eine digitale Bestätigungsmaschine machen. Die KI wird dann zum ausgesprochen effizienten Mitarbeiter für das, was man beim Menschen vermutlich Bestätigungsfehler nennen würde.
Das Problem liegt dann nicht allein bei der KI. Es sitzt vor dem Bildschirm.
Ein guter Sparringspartner zeichnet sich schließlich nicht dadurch aus, dass er besonders eloquent bestätigt, was ich ohnehin schon glaube. Sein Wert entsteht dort, wo er mich zwingt, meine Argumentation zu verteidigen. Genau dafür kann KI eingesetzt werden: „Welche meiner Annahmen sind wahrscheinlich falsch?“, „Welche Informationen habe ich möglicherweise ausgeblendet?“, „Formuliere die stärksten Argumente gegen meine bevorzugte Lösung“, „Unter welchen Bedingungen würde meine Strategie scheitern?“, „Welche Interessen könnten meine Einschätzung verzerren?“ oder auch schlicht: „Welche Frage vermeide ich gerade?“
Die letzte Frage dürfte in manchem Strategieprojekt interessanter sein als weitere zwanzig Folien mit Marktprognosen.
Wer KI als Consultant benutzen will, muss selbst ein Stück weit Consultant werden
Damit verschiebt sich allerdings die notwendige Kompetenz. Wer KI ernsthaft als analytischen Sparringspartner einsetzen möchte, muss mehr beherrschen als die Eingabe einer halbwegs verständlichen Frage. Er muss zumindest grundsätzlich verstehen, wie Prompting funktioniert und weshalb die Formulierung, der bereitgestellte Kontext und die impliziten Annahmen einer Anfrage das Ergebnis beeinflussen.
Vor allem muss er Bias verstehen – nicht nur als Problem des Modells, sondern auch als Problem seiner eigenen Fragestellung. Wer beispielsweise fragt, „Wie können wir unsere erfolgreiche Digitalisierungsstrategie schneller umsetzen?“, hat bereits zwei Behauptungen in die Frage eingebaut: dass die Strategie erfolgreich ist und dass eine schnellere Umsetzung wünschenswert wäre. Eine wirklich kritische Analyse müsste zunächst fragen, ob beides überhaupt stimmt.
Das klingt banal, ist es aber nicht. Denn gute Fragen setzen häufig voraus, dass der Fragende bereits ahnt, an welchen Stellen seine eigene Argumentation schwach sein könnte. Genau darin liegt das kleine Paradox des KI-Sparrings: Um von der Maschine die wirklich bösen Fragen zu bekommen, muss ich kompetent genug sein, sie dorthin zu führen.
Man kann das systematisch tun, indem man der KI ausdrücklich Rollen zuweist, die nicht auf Zustimmung, sondern auf Widerspruch ausgerichtet sind: Sie soll als kritischer Reviewer argumentieren, die Gegenposition vertreten, Annahmen auf logische Brüche untersuchen, fehlende Informationen benennen oder eine Entscheidung unter der Voraussetzung analysieren, dass deren zentrale These falsch ist. Man kann mehrere gegensätzliche Hypothesen entwickeln lassen und anschließend prüfen, welche Beobachtungen jeweils dafür oder dagegen sprechen.
Dann wird aus Prompting mehr als die Kunst, möglichst elegante Antworten aus einem Sprachmodell herauszukitzeln. Es wird zu einer Methode der strukturierten Selbstkritik.
Die Antwort verstehen ist wichtiger, als eine Antwort zu bekommen
Damit entsteht allerdings eine zweite Kompetenzanforderung, die möglicherweise noch wichtiger ist: Der Auftraggeber muss die Grenzen der Antwort begreifen können.
Eine sprachlich überzeugende Antwort ist zunächst genau das: sprachlich überzeugend. Sie kann hervorragend argumentiert und trotzdem auf falschen Annahmen aufgebaut sein. Sie kann relevante Zusammenhänge nennen und entscheidende Faktoren übersehen. Sie kann Daten korrekt wiedergeben und daraus eine zweifelhafte Schlussfolgerung ziehen. Und sie kann mit jener beeindruckenden sprachlichen Geschlossenheit auftreten, die beim Menschen leicht den Eindruck erzeugt, hier müsse jemand sehr genau wissen, wovon er spricht.
Wer KI professionell einsetzen möchte, braucht deshalb nicht weniger Urteilskraft, sondern mehr. Er muss unterscheiden können zwischen Plausibilität und Evidenz, zwischen Korrelation und Kausalität, zwischen einer möglichen Erklärung und einer belastbaren Schlussfolgerung. Er muss erkennen, wann Quellen benötigt werden, wann Daten fehlen, wann eine Annahme überprüft werden muss und wann eine Antwort lediglich deshalb überzeugend klingt, weil Sprache nun einmal hervorragend darin ist, Kohärenz zu simulieren.
Vor allem muss er das Hinterfragen beherrschen. Nicht als ritualisiertes „Bist du sicher?“, worauf eine KI im Zweifel ihre vorige Antwort mit etwas anderen Worten wiederholt, sondern als methodisches Zerlegen: Welche Annahmen liegen dieser Antwort zugrunde? Welche davon sind belegt? Welche alternativen Erklärungen gibt es? Was müsste wahr sein, damit die Schlussfolgerung falsch wird? Welche Informationen fehlen für eine belastbare Entscheidung?
Das ist interessanterweise ziemlich genau jene Arbeit, die ein guter Consultant ohnehin leisten sollte.
Der vermeintliche Kostenvorteil der KI
Damit soll die ökonomische Überlegenheit der KI keineswegs kleingeredet werden. Im Gegenteil. Sie ist offensichtlich. Eine KI arbeitet schneller als ein Mensch, ist jederzeit verfügbar, kann große Mengen an Material gleichzeitig verarbeiten und produziert für einen Bruchteil der Kosten eines klassischen Beratungstags Ergebnisse, die in vielen Fällen zunächst ausgesprochen überzeugend aussehen.
Gerade für standardisierte Fragestellungen wird es deshalb schwierig, die klassische Beratung zu rechtfertigen. Wenn ein Unternehmen lediglich eine Marktübersicht, eine erste Wettbewerbsanalyse oder zehn mögliche Maßnahmen zur Prozessoptimierung benötigt, muss man schon eine sehr besondere Beziehung zum Tagessatz eines Consultants haben, um nicht wenigstens einmal die Maschine zu fragen.
Das Problem beginnt dort, wo aus der ersten Antwort eine Entscheidung werden soll.
Denn die eigentliche Rechnung der KI wird häufig nicht vollständig betrachtet. Die erste Antwort kostet wenig. Die zweite Antwort ebenfalls. Danach folgen Rückfragen, Präzisierungen, neue Daten, Korrekturen, Gegenargumente, weitere Iterationen und irgendwann die ernüchternde Erkenntnis, dass die ursprüngliche Aufgabenstellung vielleicht falsch formuliert war.
Die Beratungskosten verschwinden damit nicht. Sie verlagern sich lediglich in die Iterationen – und teilweise auf den Auftraggeber selbst.
Das ist ein bemerkenswertes Missverständnis der gegenwärtigen KI-Euphorie: Geschwindigkeit wird mit Effizienz verwechselt. Eine schnelle Antwort ist aber nur dann effizient, wenn sie einen relevanten Teil des Problems löst. Andernfalls produziert man lediglich schneller Material, das anschließend jemand wieder einordnen muss.
Und trotzdem gerät der Consultant unter Druck
Das eigentlich Bedauerliche ist, dass der gute Consultant trotz dieser Unterschiede unter Druck gerät. Denn der Markt bewertet Leistungen nicht immer nach ihrem tatsächlichen Erkenntnisgewinn.
Ein Ergebnis, das nach fünf Minuten vorliegt, fühlt sich nun einmal günstiger an als eines, für das jemand drei Tage mit Führungskräften gesprochen, Widersprüche analysiert und anschließend die unangenehme Schlussfolgerung formuliert hat, dass die Organisation ein ganz anderes Problem besitzt als das, mit dem sie ursprünglich gekommen ist.
Die Maschine ist schnell, während der Consultant Zeit braucht; die Maschine kostet zunächst wenig, während der Consultant eine Rechnung stellt; die Maschine liefert bereitwillig Antworten, während der Consultant möglicherweise nach zwanzig Minuten Gespräch erklärt, dass ihm schon die Fragestellung nicht gefällt. Ausgerechnet diese lästige Angewohnheit könnte wirtschaftlich zu seinem Problem werden – und fachlich zugleich seine wichtigste Existenzberechtigung bleiben.
Das Berufsbild verändert sich – und vielleicht verschwindet ein Teil davon
Der Consultant, dessen Leistung hauptsächlich darin besteht, Informationen zusammenzutragen, bekannte Methoden anzuwenden und daraus eine sauber formatierte Präsentation zu bauen, hat ein ernstes Problem. Viele dieser Tätigkeiten lassen sich automatisieren, und zwar nicht erst irgendwann, sondern bereits heute.
Die eigentliche Zukunft der Beratung liegt deshalb dort, wo die Maschine schwächer ist: bei Urteilskraft, Kontextverständnis, Erfahrung, Beobachtung und Widerspruch. Gleichzeitig kann genau dieser Consultant KI hervorragend nutzen, weil er etwas besitzt, das für gutes Sparring unverzichtbar ist: Er weiß, welche Fragen wehtun müssen.
Vielleicht entsteht deshalb langfristig gar kein sauberer Gegensatz zwischen Consultant und KI. Interessanter ist die Kombination. Der erfahrene Mensch bringt Kontext, Urteilskraft und Verantwortungsbewusstsein ein; die KI liefert Geschwindigkeit, Varianten, Gegenhypothesen und die nahezu unerschöpfliche Bereitschaft, eine Argumentation noch einmal von der anderen Seite auseinanderzunehmen.
Das funktioniert jedoch nur, wenn der Mensch vor dem Bildschirm nicht zum bloßen Konsumenten der Antwort wird. Er muss Prompting verstehen, eigene und maschinelle Bias erkennen, bewusst nach Gegenargumenten suchen und fachlich kompetent genug bleiben, um die Grenzen einer Antwort beurteilen zu können. Ausgerechnet die vermeintliche Automatisierung von Beratung erhöht damit die Anforderungen an denjenigen, der auf Beratung verzichten möchte.
Unternehmen brauchen schließlich nicht unbedingt mehr Antworten. Davon gibt es inzwischen mehr als genug. Sie brauchen Menschen, die erkennen, wenn eine Antwort zwar korrekt formuliert, aber auf die falsche Frage gegeben wurde – und die im Zweifel auch eine KI so lange gegen die eigene Überzeugung argumentieren lassen, bis entweder die Überzeugung oder das Gegenargument nicht mehr trägt.
Genau darin liegt der paradoxe Vorteil eines guten Consultants: Er kostet mehr, braucht länger und widerspricht häufiger – und kann gerade deshalb wertvoller sein. Die KI kann diesen Widerspruch inzwischen erstaunlich gut ergänzen. Aber sie tut es nicht automatisch. Man muss ihn ausdrücklich verlangen, methodisch provozieren und anschließend auch noch aushalten.
Die Tragik besteht darin, dass dieser Unterschied immer schwerer sichtbar wird. Wenn KI mittelmäßige Beratung nahezu kostenlos simulieren kann, wird es für exzellente Beratung schwieriger, ihren Preis zu erklären. Der Markt sieht zunächst Geschwindigkeit und Kosten. Die Qualität der Frage hinter der Frage zeigt sich meistens erst später.
Vielleicht wird deshalb nicht die KI den Consultant ersetzen. Vielleicht erledigt das der Kunde selbst, indem er irgendwann glaubt, eine plausible Antwort sei dasselbe wie eine gute Beratung.
Oder wir lernen tatsächlich, KI anders zu benutzen: nicht als Orakel, dem wir unsere Entscheidungen übergeben, sondern als Sparringspartner, den wir ausdrücklich dafür bezahlen – beziehungsweise mit ein paar Tokens dazu nötigen –, unsere schönsten Gewissheiten zu beschädigen.
Das wäre dann ausnahmsweise eine durchaus interessante Form des Fortschritts.
