Führung verändert sich, wenn sich Arbeit verändert. Neue Technologien, dezentrale Arbeitsmodelle, veränderte Erwartungen der Mitarbeitenden und der Einsatz von KI verschieben die Bedingungen, unter denen Führung wirkt. Was früher über Nähe, Kontrolle und direkte Abstimmung funktionierte, braucht heute klarere Ziele, explizite Vereinbarungen und ein anderes Verständnis von Verantwortung. Mit KI kommt eine weitere Ebene hinzu: Führungskräfte steuern nicht mehr nur Zusammenarbeit zwischen Menschen, sondern zunehmend auch die Schnittstellen zwischen Menschen, digitalen Systemen und KI-Agenten.

Im Kontext der Shift/Work-Community sehen wir, wie unterschiedlich weit Organisationen in dieser Entwicklung sind. Einige Unternehmen arbeiten noch stark in klassischen Hierarchien. Andere haben hybride Zusammenarbeit etabliert, experimentieren mit KI im Arbeitsfluss oder denken bereits über agentische Teamprozesse nach. Dieser Beitrag ordnet die Entwicklung in fünf Stufen ein. Das Modell ist keine Wertung. Es beschreibt, welche Führungslogik unter welchen Arbeitsbedingungen dominiert, wo ihre Grenzen liegen und welche Kompetenzen für den nächsten Entwicklungsschritt wichtig werden.

Was digitales und dezentrales Führen ausmacht

Digitale Führung ist keine reduzierte Form von Präsenzführung. Sie verändert die Grundbedingungen der Zusammenarbeit. Führungskräfte und Mitarbeitende arbeiten an unterschiedlichen Orten, zu unterschiedlichen Zeiten und mit unterschiedlichem Zugang zu Kontext, Information und informellen Signalen. Vertrauen entsteht dann nicht mehr automatisch über Sichtbarkeit. Abstimmung läuft nicht mehr nebenbei über kurze Wege. Zusammenarbeit braucht bewusst gesetzte Regeln, klare Kommunikationsroutinen und ein gemeinsames Verständnis darüber, woran Leistung gemessen wird.

KI verschärft diese Entwicklung. Wenn Assistenzsysteme Informationen verdichten, Aufgaben vorbereiten oder Arbeitsprozesse teilweise übernehmen, verschiebt sich die Führungsaufgabe erneut. Führungskräfte müssen nicht nur Arbeit verteilen und Ergebnisse bewerten. Sie müssen auch klären, welche Aufgaben an KI delegiert werden, welche Qualitätsmaßstäbe gelten, wann Menschen prüfen müssen und wo Verantwortung bleibt. Damit wird Führung stärker zu einer Aufgabe der Orchestrierung: Menschen, Prozesse, Daten, Tools und KI-Systeme müssen sinnvoll zusammenspielen.

Fünf Entwicklungsstufen im Überblick

Stufe 1: Klassische Führung setzt auf Kontrolle und Effizienz

Klassische Führung hat ihre Grundlage in industriellen Arbeitsmodellen. Sie trennt Planung und Ausführung, setzt auf klare Weisung und misst Leistung vor allem an kontrollierbaren Ergebnissen. In stark standardisierten Umgebungen kann diese Logik weiterhin sinnvoll sein. Sie schafft Orientierung, reduziert Abstimmungsaufwand und macht Zuständigkeiten eindeutig. Ihre Grenze liegt dort, wo Arbeit stärker von Wissen, Problemlösung, Kreativität und situationsbezogenem Urteil abhängt.

In Wissensarbeit, digitaler Zusammenarbeit und KI-gestützten Prozessen reicht diese Führungslogik nicht mehr aus. Führungskräfte können nicht jede Aufgabe vollständig vorstrukturieren und nicht jede Entscheidung eng kontrollieren. Sie brauchen Mitarbeitende, die Verantwortung übernehmen, Zusammenhänge verstehen und Entscheidungen vorbereiten können. Klassische Führung bleibt damit nicht bedeutungslos, aber sie verliert ihren Anspruch als dominantes Führungsmodell für komplexe Arbeitsumgebungen.

Stufe 2: Kollaborative Führung stärkt Beteiligung und Vertrauen

Kollaborative Führung entsteht als Gegenbewegung zur kontrollorientierten Führungslogik. Eine wichtige Grundlage bildet Douglas McGregors Theory Y aus dem Jahr 1960. Sie geht davon aus, dass Menschen Verantwortung übernehmen wollen, wenn die Bedingungen dafür stimmen. Robert Greenleaf hat diesen Gedanken mit dem Konzept des Servant Leadership in den 1970er-Jahren weitergeführt. Servant Leadership stellt Befähigung ins Zentrum: Führungskräfte schaffen Bedingungen, unter denen Menschen ihre Fähigkeiten einbringen, Verantwortung übernehmen und gemeinsam bessere Ergebnisse erzielen können.

Peter Drucker hat diese Perspektive in die Managementpraxis der Wissensarbeit übersetzt. Wissensarbeit lässt sich nicht sinnvoll über enge Aufsicht steuern, weil ihre Qualität stark von Urteilskraft, Kontextverständnis und Eigenverantwortung abhängt. Eine weitere wichtige Grundlage liefert Amy Edmondsons Forschung zur psychologischen Sicherheit. Teams lernen schneller, wenn Mitglieder Fragen stellen, Fehler benennen und abweichende Einschätzungen äußern können, ohne negative Konsequenzen befürchten zu müssen. Vertrauen wird damit zur Voraussetzung für Lernfähigkeit und gemeinsame Problemlösung.

In der Praxis stößt kollaborative Führung dennoch an Grenzen. Beteiligung ersetzt keine Entscheidungsfähigkeit. Wenn jedes Thema in langen Abstimmungsprozessen endet, verlieren Teams Tempo und Orientierung. Auch kulturell ist diese Führungsstufe anspruchsvoll: Fehlertoleranz, Transparenz und geteilte Verantwortung entstehen nicht durch Appelle, sondern durch gezielte Entwicklungsarbeit. Kollaborative Führung braucht deshalb klare Entscheidungsregeln, explizite Rollen und eine Führungskraft, die Beteiligung ermöglicht, ohne Verantwortung zu verwischen. Genau diese Grundlage wird später wichtig, wenn Teams nicht nur digital verteilt arbeiten, sondern zusätzlich KI in ihre Arbeitsprozesse integrieren.

Stufe 3: Digitale und dezentrale Führung macht Zusammenarbeit explizit

Mit Remote Work und hybriden Arbeitsmodellen entsteht eine dritte Entwicklungsstufe von Führung. Sie verändert die Grundbedingungen, unter denen Zusammenarbeit entsteht. Lynda Gratton beschreibt in „Redesigning Work” die organisatorischen und kulturellen Voraussetzungen, unter denen hybrides und dezentrales Arbeiten gelingen kann. Ihr zentrales Argument lässt sich so zusammenfassen: Organisationen sollten Arbeit nicht um Büro oder Homeoffice herum gestalten, sondern um die Bedingungen, unter denen Menschen gute Arbeit leisten können.

Digitale Führung macht sichtbar, was in Präsenzkontexten lange implizit funktioniert hat. Vertrauen entstand häufig über Sichtbarkeit. Kontrolle lief über räumliche Nähe. Abstimmung ergab sich über kurze Wege, informelle Gespräche und direkte Beobachtung. In verteilten Teams trägt diese Logik nicht mehr zuverlässig. Was das für Führungsarbeit bedeutet, haben wir im Beitrag zu Digital Leadership und Vertrauen aufgegriffen. Führungskräfte müssen deshalb Output-Orientierung aktiv einführen, Teamregeln explizit vereinbaren und Vertrauen ohne dauerhafte physische Sichtbarkeit aufbauen.

Nick Bloom und weitere Forschende zeigen in ihrer Forschung zu hybrider Arbeit, dass hybride Modelle dann belastbar funktionieren, wenn sie bewusst gestaltet werden. Eine Nature-Studie von Bloom und Ko-Autoren kommt zu dem Ergebnis, dass hybride Arbeit die Zufriedenheit erhöhen und Kündigungen reduzieren kann, ohne die Leistung zu verschlechtern. Entscheidend ist dabei nicht das Arbeitsortmodell allein, sondern die Klarheit der Zusammenarbeit: Erwartungen an Erreichbarkeit, Abstimmung, Leistungsbewertung und Teamkoordination müssen transparent geregelt werden.

Für Führungskräfte verschiebt sich damit das Kompetenzprofil. Sie müssen nicht nur digitale Tools bedienen, sondern Arbeitsvereinbarungen entwickeln, Kommunikationsnormen setzen und unterschiedliche Arbeitskontexte zusammenführen. Digitale und dezentrale Führung verlangt daher mehr Struktur, nicht weniger. Sie braucht klare Ziele, nachvollziehbare Prioritäten, regelmäßige Reflexion und bewusste Entscheidungen darüber, wann Zusammenarbeit synchron, asynchron, individuell oder gemeinsam erfolgen sollte. Genau diese Fähigkeit bildet die Brücke zur nächsten Stufe, in der KI nicht nur unterstützt, sondern selbst Teil der Arbeitskoordination wird.

Stufe 4: Führung mit KI verändert die Koordination von Arbeit

KI als Arbeitsmittel verschiebt die Führungsaufgabe erneut. Systeme unterstützen beim Schreiben, Recherchieren, Auswerten, Zusammenfassen, Planen und Priorisieren. Dadurch entstehen neue Delegationsfragen: Welche Aufgaben können an KI gehen? Welche Ergebnisse müssen geprüft werden? Welche Daten dürfen genutzt werden? Welche Standards gelten für Qualität, Transparenz und Nachvollziehbarkeit? Führungskräfte werden damit zu Gestaltenden der Mensch-KI-Zusammenarbeit.

Der Deloitte-Report "Reinventing Manager Work" (2024) beschreibt, wie sich Führungsaufgaben verschieben, wenn KI Aufgaben übernimmt: Aufgabenverteilung, Fortschrittskontrolle, Informationsweitergabe, Routineberichterstattung und Performancetracking. Mehrere Analysen zur Automatisierung von Arbeitsaufgaben, darunter McKinsey-Studien aus den Jahren 2021 bis 2024, zeigen, dass ein erheblicher Teil der Koordinations- und Kontrolltätigkeiten im mittleren Management durch KI übernommen werden kann.

Was bleibt, sind vor allem die Soft-Skills von Führungskräften wie kontextuelles Einschätzen, Urteilen und Vertrauen aufbauen. Führungsqualität wird messbarer an dem, was KI nicht leisten kann, an der Qualität von Beziehungen, der Fähigkeit zur Konfliktlösung und dem Gespür für motivationale Bedürfnisse im Team. Der Microsoft Work Trend Index 2026 unterstreicht diese organisatorische Dimension. Microsoft berichtet, dass Organisationsfaktoren wie Kultur und Enablement stärker mit wahrgenommenem KI-Nutzen zusammenhängen als individuelle Einstellungen und Verhaltensweisen. Gleichzeitig weist Microsoft aus, dass nur 13 Prozent der KI-Nutzenden sagen, dass sie für die Neuerfindung ihrer Arbeit mit KI belohnt werden. Der Befund ist kein Kausalbeweis, zeigt aber eine wichtige Richtung: KI-Adoption ist damit Führungs- und Organisationsfrage.

Stufe 5: Agentische Teams brauchen Governance und menschliches Urteil

Agentische Teams entstehen dort, wo KI-Agenten nicht mehr nur Inhalte erzeugen, sondern Aufgaben über mehrere Schritte hinweg planen, ausführen oder vorbereiten. Sie können Informationen abrufen, Workflows anstoßen, Ergebnisse weitergeben oder Vorschläge für Entscheidungen erzeugen. Menschen arbeiten dann nicht mehr nur mit einem Werkzeug, sondern mit Systemen, die in definierten Grenzen eigenständig handeln. Diese Entwicklung verändert Verantwortung, Kontrolle und Führungsarbeit.

Konkrete Aufgaben, die auf dieser Stufe auf Führungskräfte zukommen:

• Ziele und Grenzen für KI-Agenten definieren, die eigenständig handeln
• Qualität und Verlässlichkeit von Agenten-Output beurteilen und verantworten
• Teams zusammenhalten, deren Mitglieder unterschiedlich stark von KI-Unterstützung profitieren
• Verantwortung für Entscheidungen übernehmen, die KI-Systeme vorbereitet haben
• Ethische und rechtliche Konsequenzen agentenbasierter Prozesse einschätzen

MIT Sloan Management Review und BCG beschreiben Agentic AI als Technologie, die zwischen Tool und teamähnlicher Arbeitsrolle liegt. Genau darin liegt die Führungsherausforderung. Wird ein Agent wie ein einfaches Tool behandelt, unterschätzt die Organisation seine Handlungsmacht. Wird er wie ein menschliches Teammitglied behandelt, überschätzt sie seine Urteilsfähigkeit. Führung muss deshalb Ziele, Grenzen, Prüfpunkte, Eskalationslogiken und Verantwortlichkeiten definieren, bevor agentische Prozesse skaliert werden. Was das für Organisationsdesign und Teamstrukturen bedeutet, haben wir in unserem Beitrag zur neuen Organisation durch KI-Agenten aufgegriffen. David De Cremer (National University of Singapore) beschreibt diese Kompetenz als "AI Leadership": die Fähigkeit, menschliches Urteilsvermögen in KI-gestützte Entscheidungsprozesse einzubetten, ohne die Verantwortung dafür abzugeben.

Was den Übergang zwischen den Stufen erschwert

Der Übergang zwischen den Stufen erfolgt nicht automatisch. Wer hybrid führen kann, beherrscht noch nicht automatisch KI-gestützte Führung. Wer KI-Tools nutzt, kann daraus noch keine agentischen Arbeitsprozesse verantworten. Jede Stufe erweitert das Kompetenzprofil. Es geht nicht darum, bisherige Führungsfähigkeiten zu ersetzen. Es geht darum, sie um neue Fähigkeiten zu ergänzen: Systemverständnis, Qualitätsprüfung von KI-Ergebnissen, Datenbewusstsein, Governance-Denken und die Fähigkeit, Verantwortung trotz teilautomatisierter Prozesse klar zu halten.

Ein zentrales Hindernis ist das Wahrnehmungsgefälle. Deloitte hat in mehreren Erhebungen gezeigt: 80 % der Führungskräfte schätzen sich selbst als stark in neuen Führungskompetenzen ein, nur 8 % der Mitarbeitenden teilen diese Einschätzung. Selbstbild und Fremdwahrnehmung klaffen auseinander. Das gilt auch für KI-Kompetenz: Führungskräfte unterschätzen systematisch, wie sehr ihr eigenes Verhalten als Vorbild wirkt.

Daraus entsteht ein praktischer Entwicklungsrahmen für Führungskräfte. Sie müssen Ziele so formulieren, dass Menschen und KI-Systeme sinnvoll daran arbeiten können. Sie müssen Qualitätsstandards für KI-gestützte Arbeit definieren. Sie müssen Experimente ermöglichen, ohne Verantwortlichkeit aufzulösen. Und sie müssen Teams zusammenhalten, in denen einzelne Rollen unterschiedlich stark von KI profitieren. Führung im KI-Zeitalter bleibt damit menschlich, wird aber stärker systemisch.

Fazit: Fünf Stufen, eine Entwicklungslinie

Die fünf Stufen sind kein Wettbewerb. Stufe 5 ist nicht automatisch besser als Stufe 2. Jede Stufe beantwortet andere Arbeitsbedingungen. Entscheidend ist die Passung: Ein Team, das noch keine klaren Ziele, keine psychologische Sicherheit und keine stabilen digitalen Arbeitsroutinen hat, wird agentische Prozesse nicht verantwortungsvoll nutzen können. KI-gestützte Führung setzt deshalb bei der Arbeitsgestaltung an.

Für Unternehmen heißt das: Sie sollten Führungskräfte nicht nur im Umgang mit Tools schulen. Sie müssen Führungsarbeit selbst neu beschreiben. Welche Arbeit bleibt menschlich? Welche Aufgaben übernimmt KI? Wo braucht es Prüfung, Eskalation und Governance? Und wie schaffen Teams eine Kultur, in der Experimente möglich sind, ohne Verantwortung zu verwischen? Diese Fragen stehen auch im Mittelpunkt eines für 2026 geplanten Online-Seminar der Shift/Work.