Warum Entscheidungsarchitektur für Good Governance wichtiger ist als Kontrolle und Geschwindigkeit.
Der Begriff „Good Governance“ stammt aus der Entwicklungsökonomie der 1990er Jahre und beschreibt nicht, wer entscheidet, sondern unter welchen institutionellen Bedingungen Macht wirksam, legitim und verantwortbar ausgeübt wird.
Im Zeitalter von KI geht es bei Good Governance nicht um Geschwindigkeit, sondern um Angemessenheit. Manche Entscheidungen müssen automatisiert werden, andere bewusst langsam bleiben. Gute Governance entscheidet deshalb nicht, wer entscheidet, sondern wo Entscheidungen legitimiert werden, wo sie verstanden werden – und wie beide Ebenen systematisch miteinander verbunden sind.
Warum wir Good Governance neu denken müssen
Der Begriff Good Governance stammt aus einer Welt, in der Entscheidungen primär von Menschen getroffen wurden. Governance bedeutete Kontrolle, Zuständigkeit, Rechenschaft. Diese Logik funktioniert dort gut, wo Entscheidungen selten, diskret und nachvollziehbar sind. Künstliche Intelligenz verändert diese Voraussetzung fundamental. Entscheidungen entstehen heute kontinuierlich statt punktuell, verteilt statt zentral, statistisch statt deliberativ.
Das eigentliche Problem ist dabei nicht Geschwindigkeit. Wie bereits Daniel Kahneman gezeigt hat, brauchen unterschiedliche Entscheidungstypen unterschiedliche Modi: schnelle, heuristische Entscheidungen (System 1) ebenso wie langsame, abwägende (System 2). KI verschärft diese Unterscheidung – sie hebt sie nicht auf.
Good Governance im Zeitalter von KI heißt deshalb: Entscheidungen typisieren und die passenden Entscheidungsinstrumente dafür gestalten.
Definition: Was bedeutet Good Governance im Zeitalter von KI? Klassisch – etwa bei der Weltbank – bezeichnet Good Governance Prinzipien wie Transparenz, Rechenschaftspflicht, Effektivität und Rechtsstaatlichkeit. Diese Prinzipien bleiben gültig. Was sich ändert, ist ihr Ort der Umsetzung.
Good Governance im Zeitalter von KI ist die bewusste Gestaltung von Entscheidungsarchitekturen, die festlegt, welche Entscheidungen automatisiert werden dürfen, welche menschliche Urteilsfähigkeit erfordern und wie Legitimation und Lernen systematisch voneinander getrennt und wieder verbunden werden. Governance verschiebt sich damit von der Entscheidungskontrolle zum Entscheidungsdesign.
Governance scheitert, wenn wir Verstehen und Entscheiden in dasselbe System zwingen
Organisationen lieben Gremien. Wenn Dinge kompliziert werden, gründen sie eines. Wenn sie noch komplizierter werden, erweitern sie es. Und wenn alles unübersichtlich wird, erwartet man von genau diesem Gremium zwei Dinge zugleich: die Situation zu verstehen – und eine Entscheidung zu legitimieren.
Das ist kein Governance-Design, denn so überfordert man das System.
Im Kontext von Künstlicher Intelligenz wird dieses Problem sichtbar wie unter einem Brennglas. Neuronale Netze sind wie eine Black Box. Ihre Ergebnisse lassen sich aufgrund ihrer Natur nicht linear erklären. Das macht die Nachvollziehbarkeit schwierig. Nebenwirkungen treten zeitverzögert auf, Wechselwirkungen bleiben lange unsichtbar. Wer in einem solchen System gleichzeitig lernen und entscheiden soll, wird entweder zu langsam – oder zu selbstsicher.
Gute Governance akzeptiert diese Spannung, statt sie zu ignorieren. Sie trennt nicht Menschen, sondern Funktionen. Sie schafft Orte, an denen Entscheidungen geschlossen werden dürfen – und andere, an denen sie offenbleiben müssen.
Dort, wo Legitimität entsteht, werden Alternativen bewusst beendet. Verantwortung wird übernommen, Risiken akzeptiert, Grenzen gesetzt.
Dort, wo Erkenntnis entsteht, bleiben Alternativen offen. Annahmen werden hinterfragt, Nebenwirkungen gesucht, Unsicherheit ausgehalten.
Beides gleichzeitig zu verlangen, führt zu keiner besseren Entscheidung – sondern zu schlechteren Systemen.
Governance entsteht deshalb nicht durch das eine richtige Gremium, sondern durch die bewusste Kopplung unterschiedlicher Entscheidungsmodi. Systeme, die entscheiden können, ohne zu lernen, werden gefährlich. Systeme, die nur lernen, aber nie entscheiden, bleiben folgenlos.
Gute Governance hält diese Spannung aus – und gestaltet sie.
Boards legitimieren Entscheidungsräume – sie optimieren keine Systeme
Sobald Systeme komplex werden, behandelt man Boards gern wie Super-Controller. Sie sollen tiefer einsteigen, mehr verstehen, schneller eingreifen. Genau das ist der Fehler.
Boards sind nicht dafür da, Algorithmen zu optimieren. Sie ziehen Grenzen. Im Zeitalter von KI entscheiden sie nicht über Modelle oder Parameter, sondern über Entscheidungsrechte: Was darf automatisiert werden? Wie viel Risiko ist akzeptabel? Wann wird eingegriffen?
Boards arbeiten nicht im System, sondern am System. Sie sind bewusst langsam, deliberativ und normativ. Genau deshalb funktionieren sie – solange man nicht alles gleichzeitig von Ihnen verlangt.
Erkenntnisinstanzen verlangsamen bewusst – und machen Governance lernfähig
Erkenntnisinstanzen haben keine formale Macht. Und genau darin liegt ihre Stärke. Sie müssen nichts entscheiden, nichts legitimieren, nichts absichern. Sie dürfen offenbleiben. Sie öffnen Alternativen, statt sie zu schließen. Sie machen Unsicherheit sichtbar, statt sie zu verdecken. Sie suchen Neben- und Zweitordnungsfolgen, bevor sie teuer werden.
Forschung wie die von Iyad Rahwan zeigt, dass KI-Systeme wie soziale Akteure wirken. Erkenntnisinstanzen schaffen den Raum, in dem diese Wirkung reflektiert werden kann. Sie legitimieren nichts. Sie produzieren Erkenntnis. Genau das macht Governance lernfähig.
Operative Governance entsteht durch sichtbare Entscheidungsflüsse
Zwischen Legitimation und Erkenntnis liegt die operative Ebene. Hier entscheidet sich, ob Governance wirkt oder nur behauptet wird.
Werkzeuge wie Kanban, Reviews oder Audit-Trails sind hier keine Prozessmethoden, sondern Governance-Instrumente. Sie machen Entscheidungen sichtbar, begrenzen Parallelität und erlauben kontinuierliche Anpassung.
Im KI-Kontext heißt das: Governance entsteht nicht durch Freigaben, sondern durch Transparenz und Feedback. Systeme bleiben steuerbar, weil ihre Entscheidungen nachvollziehbar bleiben.
KI selbst ist ein Governance-Instrument – aber nur unter Bedingungen
Algorithmen eignen sich für hochfrequente, klar definierte, reversible Entscheidungen. Voraussetzung ist eine saubere Gestaltung von Zielfunktionen, Abbruchkriterien, Auditierbarkeit. Arbeiten wie Machine Behaviour von Rahwan et al. zeigen, dass Governance hier im Systemdesign liegt – nicht in nachgelagerter Kontrolle.
Fazit: Good Governance ist Entscheidungsarchitektur
Good Governance im Zeitalter von KI entscheidet nicht über einzelne Entscheidungen. Sie entscheidet darüber, welche Entscheidungen automatisiert werden, wo Legitimation stattfindet und Lernen ermöglicht wird. Oder zugespitzt: Governance ist die Kunst, Entscheidungen dort zu verlangsamen, wo Sinn entsteht – und sie dort zu automatisieren, wo Wiederholung dominiert.
Quellen
Kahneman, D. (2011): Thinking, Fast and Slow. Farrar, Straus and Giroux.
Floridi, L. et al. (2018): AI4People – An Ethical Framework for a Good AI Society. Minds and Machines, 28. https://link.springer.com/article/10.1007/s11023-018-9482-5
Rahwan, I. et al. (2019): Machine Behaviour. Nature, 568(7753). https://www.nature.com/articles/s41586-019-1138-y
UNDP (1997): Governance for Sustainable Human Development. New York: United Nations Development Programme.
Verfügbar unter: https://digitallibrary.un.org/record/3831664
(Zugriff am: 20. Januar 2026).
Yeung, K. (2018): Algorithmic regulation: A critical interrogation. Regulation & Governance. https://onlinelibrary.wiley.com/doi/10.1111/rego.12158
World Bank (1992): Governance and Development. Washington, DC: The World Bank.
Verfügbar unter: https://documents.worldbank.org/en/publication/documents-reports/documentdetail/604951468739447676/governance-and-development
(Zugriff am: 20. Januar 2026).