In dieser Serie haben wir drei Ebenen von AI Governance beschrieben. Die erste Ebene gilt den Entscheidungen, die getroffen werden müssen, bevor eine Richtlinie sinnvoll formuliert werden kann: Welche Werkzeuge und Aufgaben kommen für KI-Unterstützung infrage, welcher Einfluss auf Entscheidungen ist akzeptabel, wie gehen wir mit Agenten um? → AI Governance @ Work: Warum KI mehr als Richtlinien braucht Die zweite Ebene beschäftigt sich mit der regulatorischen Grundlage: Was erfordert der EU AI Act, welche Entscheidungen fallen in Hochrisikokategorien, wie bauen wir Compliance-Strukturen auf? → AI Governance @ Work: Regulatorische Ebene Die dritte Ebene fragt, wie verlässliche Ergebnisse entstehen und wer dafür Verantwortung trägt. → Warum KI-Qualität zur Managementaufgabe wird

Capability Governance ist die vierte Ebene. Sie setzt an einem Punkt an, der in den meisten Governance-Debatten ausgeblendet bleibt.

Die Frage lautet: Welche menschlichen und organisationalen Fähigkeiten dürfen wir nicht verlieren, wenn KI immer mehr Arbeit übernimmt?

Produktivität und Leistungsfähigkeit entwickeln sich nicht automatisch gemeinsam

Der hier schon öfters zitierte Work AI Index 2026 zeigt, dass nur 13 Prozent der digitalen Wissensarbeiterinnen und -arbeiter, die KI nutzen, angeben, dass ihre Organisation dadurch messbar bessere Ergebnisse erzielt hat. Und dabei hat die ermittelte Diskrepanz zwischen Nutzung und produktiver Nutzung bis dato noch wenig damit zu tun, was Organisationen langfristig leistungsfähig hält.

Der weitaus größere Teil der Erklärung ist das, was der Work AI Index als "Botsitting" beschreibt: Die Zeitersparnis durch KI fließt nicht in höherwertige Arbeit, sondern in das Kontrollieren, Nacharbeiten und Einbetten von KI-Outputs. Die Forschungen zu Automation Bias und Cognitive Offloading zeigen einen weiteres “Problem”: Menschen delegieren kognitive Aufgaben zunehmend an KI-Systeme, ohne dies aktiv zu entscheiden. Urteilsvermögen und Problemlösungskompetenz erhalten sich aber nur dort, wo sie genutzt werden.

Dabei müssen sich Produktivitätsgewinne durch Automatisierung von Prozessen und langfristige Leistungsfähigkeit nicht widersprechen. Sie entwickeln sich nur auch nicht automatisch gemeinsam. Vielmehr muss darauf geachtet werden, dass nach den richtigen Rahmenbedingungen automatisiert wird, die auch der Mensch beurteilen kann. Und diese Urteilsfähigkeit darf nicht verloren gehen.

Was Capability Governance bedeutet

Capability Governance ist aus unserer Sicht das hier noch fehlende Governance-Element, welches den Fokus auf dem Erhalt der Fähigkeiten legt, die langfristig die Organisation und ihre Leistungsfähigkeit tragen.

Der Erhalt der Kompetenzen rund um die Leistungsfähigkeit der Organisation ist dabei nicht neu, sondern wurde bereits vom Organisationsexperten David Teece in seinem Konzept der Dynamic Capabilites definiert: Organisationen, die wettbewerbsfähig bleiben wollen, müssen nicht nur Ressourcen verwalten. Sie müssen ihre Fähigkeit erhalten, interne Kompetenzen zu integrieren, weiterzuentwickeln und neu zu konfigurieren, wenn sich das Umfeld verändert. → Dynamic Capabilities (David Teece) Josh Bersin hat darauf aufbauend eine ähnliche Schlussfolgerung gezogen: KI macht Menschen leistungsfähiger, wenn Organisationen die Bedingungen schaffen, unter denen das gelingt. → The Rise of the Superworker (Josh Bersin)

Mit Blick auf unsere Governance-Diskussion sehen wir den systematischen Erhalt dieser Leistungsfähigkeit als weitere wichtige Ebene und Schutzfunktion bei der Integration von KI & Agentic AI in der Arbeitsorganisation:

• Compliance Governance schützt die Organisation vor Regelverstößen
• Quality Governance schützt die Organisation vor schlechten Ergebnissen
• Capability Governance schützt die Organisation davor, ihre Leistungsfähigkeit zu verlieren

Dabei sehen wir derzeit zwei Handlungsfelder für den Erhalt der Leistungsfähigkeit.

Handlungsfeld 1: Menschliche Fähigkeiten erhalten

Urteilskraft, Verifikationsfähigkeit und Problemlösungskompetenz erhalten sich dort, wo sie aktiv eingesetzt werden. Eine Praxis, die KI-Ergebnisse routinemäßig ohne Prüfung übernimmt, wirkt in die entgegengesetzte Richtung. Quality Governance hat die Befähigung zur Urteilsfähigkeit deshalb als eine ihrer vier Säulen definiert. Capability Governance fragt weiter: Wie wird diese Kompetenz systematisch aufgebaut und erhalten, nicht nur als Schulungsmaßnahme, sondern als Bestandteil des Arbeitsprozesses?

Dave Ulrich beschreibt Leistungsfähigkeit einer Organisation als Zusammenspiel von Talent, Führung, Organisationsdesign und HR-Delivery. → Was ist Human Capability und wie hat Dave Ulrich diesen Begriff entwickelt? KI verändert alle vier Dimensionen gleichzeitig, was bedeutet: Capability-Aufbau ist keine reine HR-Aufgabe. Es betrifft Führung, Organisationsentwicklung, Wissensmanagement und Digital Workplace gemeinsam.

Handlungsfeld 2: Organisations-Fähigkeit erhalten

Ein zweites Handlungsfeld sehen wir im Fokus auf den organisationalen Auswirkungen der KI-Nutzung.  Denn individuelle KI-Nutzung skaliert nicht automatisch auf Organisationsebene. Wenn Wissensarbeit zunehmend in privaten KI-Chats stattfindet, fragmentiert das gemeinsame Wissensgedächtnis. Koordinationskosten steigen, weil Zwischenstände auseinanderlaufen. Schatten-Wissen entsteht, das für die Organisation nicht mehr zugänglich ist.

Im Corporate Learning wird daher immer wieder der Peer-Austausch gefordert - sprich das gemeinsame Reflektieren aber auch Explorieren. Organisationen, die KI primär zum Abrufen von Antworten nutzen, verlieren diesen kollaborativen und ko-kreativen Austausch. Ob Systeme Denken unterstützen oder verdrängen, entscheidet sich in der Governance.

Führung wird dabei zur Systemverantwortung. Ob das kollaborative Arbeiten unter KI-Bedingungen gelingt, hängt weniger davon ab, wer welches Tool nutzt, als davon, wie Übergabepunkte, Wissensflüsse und Verantwortlichkeiten gestaltet sind. Für L&D verändert sich damit die Rolle grundlegend: von der Bereitstellung von Trainingsangeboten zur Gestaltung von Fähigkeitsentwicklung als Dauerprozess. → Neue Kompetenzprofile für L&D-Teams: Was jetzt gebraucht wird

Was wir sehen und weiter diskutieren wollen, ist das Thema einer hybriden Mensch-Maschine-Interaktionsintelligenz als Organisationsprinzip. Hierbei muss es darum gehen, dass Prozesse so gestaltet werden, dass Mensch und KI sich gegenseitig stärken. KI übernimmt Mustererkennung, Konsistenz und Skalierung. Menschen behalten Kontexturteil, ethische Abwägung und kreative Problemlösung. Das setzt bewusste Gestaltungsentscheidungen voraus. 

Fazit

Die vier Beiträge dieser Serie beschreiben einen Rahmen, der von der operativen Frage bis zur strategischen Perspektive reicht. Governance klärt, was erlaubt ist und welche Entscheidungen getroffen werden müssen, bevor eine Richtlinie greift. Sie klärt, wie verlässliche Ergebnisse entstehen und wer dafür verantwortlich ist. Und sie klärt, welche Fähigkeiten erhalten bleiben müssen, damit das alles langfristig trägt.

Was wir für die weitere Diskussion im Kontext der Shift/Work, Shift/HR und darüberhinaus mitnehmen, ist: Wer AI Governance nur als Compliance-Aufgabe versteht, schützt die Organisation vor Regelverstößen. Wer auch Capability Governance ernst nimmt, schützt die Fähigkeit der Organisation, sich weiterzuentwickeln, zu lernen und Urteilsvermögen zu bewahren. Das ist aus unserer Sicht die Governance-Frage, die über die nächsten Jahre an Gewicht gewinnen wird.