Die gefährlichste Fehleinschätzung bei KI: Effizienz
KI hat bestehende Prozesse bereits revolutioniert. Neben reinen Effizienzgewinnen kann sie jedoch auch Motor schöpferischer Zerstörung sein. Künstliche Intelligenz automatisiert nicht nur bestehende Prozesse, sondern wirkt als Motor eines tiefgreifenden Strukturbruchs. Wer Joseph Schumpeter dabei nur als Zitatgeber für „Disruption“ nutzt, verfehlt den Kern seiner Theorie: Kapitalismus ist für ihn kein Gleichgewichtssystem, sondern ein evolutionärer Prozess, in dem Innovationen bestehende Strukturen von innen heraus ersetzen. In seinem Werk „Capitalism, Socialism and Democracy“ beschreibt Schumpeter diesen Mechanismus als „industrial mutation“ und als die „perennial gale“ der schöpferischen Zerstörung. Sie ist keine Metapher für Wandel, sondern der zentrale Wirkmechanismus kapitalistischer Entwicklung – und genau darin liegt die strategische Bedeutung von KI.
Schöpferische Zerstörung passiert allerdings nicht automatisch. Sie entsteht nicht allein durch Technologie, sondern durch Entscheidungen von Menschen – in Unternehmen, Organisationen und der Politik. KI wirkt dabei eher wie ein Verstärker: Sie beschleunigt Veränderungen, zwingt zu neuen Entscheidungen und verschiebt Verantwortlichkeiten. Entscheidend ist deshalb nicht nur, dass KI eingesetzt wird, sondern wie bewusst und mit welchem Ziel sie eingeführt wird.
Neue Kombinationen statt bessere Prozesse
Schumpeter Innovationsbegriff ist nicht primär „Effizienz“, sondern Strukturwandel durch neue Kombinationen: neue Produkte, neue Produktionsmethoden, neue Märkte, neue Organisationsformen. Genau diese Aufzählung steht im Zentrum seines Creative-Destruction-Kapitels.
Effizienz optimiert die bestehende Wertschöpfung. Neue Kombinationen verschieben dagegen die Grenzen dessen, was überhaupt als Wertschöpfung gilt und wer sie kontrolliert.
Deshalb wirkt KI – schumpeterianisch gedacht – nicht primär, weil sie Zeit spart, sondern weil sie neue Kombinationen im Wissens- und Koordinationssystem ermöglicht: Entscheidungen, Entwürfe, Texte, Code, Support, Compliance, Vertrieb – zunehmend als softwareartige Produktionsfaktoren.
Wer KI ausschließlich unter Effizienzgesichtspunkten betrachtet, übersieht schnell den Menschen im System. Erfahrung, Intuition und Verantwortung lassen sich nicht einfach automatisieren. In der Praxis zeigt sich: KI funktioniert dann am besten, wenn sie Menschen unterstützt statt ersetzt – wenn sie Routinen übernimmt, Entscheidungen vorbereitet und neue Handlungsspielräume eröffnet. Dort, wo KI nur auf maximale Automatisierung zielt, entstehen dagegen oft neue Fehler, Misstrauen und Widerstände.
Wettbewerb ist Strukturbruch, nicht Kostenführerschaft
Ein oft übersehener Punkt bei Schumpeter ist seine Trennung von statischer Effizienz und dynamischer Erneuerung. Er kritisiert, dass Wettbewerb häufig als Preiswettbewerb innerhalb bestehender Strukturen modelliert wird. Für ihn ist jedoch entscheidend, was bestehende Strukturen gefährdet: neue Technologien, neue Organisationsformen, neue Marktdefinitionen.
Genau hier liegt der Kern der KI-Debatte. Viele Organisationen reagieren, als ginge es bei KI um Produktivitätsprogramme. Wenn man Joseph Schumpeter heute dazu noch befragen könnte, würde er vermutlich sagen: auch mit den neuen KI-Tools verwaltet ihr vor allem bestehende Strukturen, während die relevante Frage doch lautet, wie ihr damit neue Strukturen entstehen und alte sterben lasst.
Die Schöpferische Zerstörung ist messbar
Die strukturelle Erneuerung durch „Schöpferische Zerstörung“ ist empirisch sichtbar als Reallokation. Dazu zählen Job-Gains und Job-Losses, Firmeneintritte und -austritte, Kapital- und Kompetenzverschiebungen.
In den USA zeigen sich derzeit enorme Umschichtungen von Wertschöpfung. Im ersten Quartal 2025 lagen die Brutto-Jobgewinne in der Privatwirtschaft bei rund 7,4 Mio., die Brutto-Jobverluste bei etwa 7,2 Mio. – innerhalb eines einzigen Quartals. Netto bleibt nur ein geringer Zuwachs. Nach Schumpeter verschleiern aber genau solche Nettozahlen den eigentlichen Prozess: Erneuerung der Ökonomie entsteht durch massive Bewegung, nicht durch kleine Salden.
Deutschland zeigt ein anderes Bild. OECD-Daten weisen auf geringere Unternehmensdynamik hin. So waren zwischen 2016 und 2019 nur 8% der deutschen Unternehmen Start-ups, von denen nach drei Jahren rund 53-61% überlebt und nur 3-5% einen erfolgreichen Exit geschafft haben. Im internationalen Vergleich also weniger Start-ups, geringere Exit-Raten, schwächere Fluktuation. Strategisch ist das heikel, denn weniger Zerstörung bedeutet häufig auch weniger produktive Erneuerung. In einem KI-Schub kann das zum Nachteil werden: Man schützt die alte Struktur – und verliert die neue.
Gerade weil KI Veränderungen beschleunigt, bleibt menschliche Kontrolle zentral. Menschen müssen Ziele festlegen, Entscheidungen verstehen und im Zweifel eingreifen können. Hohe Automatisierung heißt nicht, Verantwortung abzugeben. Im Gegenteil: Je komplexer Systeme werden, desto wichtiger sind Transparenz, klare Zuständigkeiten und die Möglichkeit zur Korrektur.
Erfahrungen aus Bereichen wie Verkehr, Medizin oder Industrie zeigen, dass Systeme ohne menschliche Eingriffsmöglichkeiten nicht robuster, sondern anfälliger werden. Akzeptanz entsteht dort, wo Menschen das Gefühl haben, die Kontrolle zu behalten – auch dann, wenn KI einen großen Teil der Arbeit übernimmt.
KI beschleunigt den Mechanismus
KI ist eine General-Purpose-Technologie mit besonderem Profil. Sie senkt die Grenzkosten der Produktion kognitiver Artefakte (Text, Code, Entwurf, Analyse) und macht Wissen in vielen Kontexten systematisch reproduzierbar und skalierbar.
Die empirische Evidenz ist klar:
- In Customer-Service-Settings steigert generative KI die Produktivität im Schnitt um rund 14 %, bei weniger erfahrenen Beschäftigten sogar um über 30 % (NBER Working Paper; später auch in QJE publiziert).
- Der IWF schätzt, dass KI rund 40 % der Jobs weltweit berührt – durch Substitution oder Komplementarität.
- Goldman Sachs veranschlagt ein langfristiges BIP-Potenzial von etwa 7 % und eine hohe Exponiertheit bestehender Tätigkeiten. Arbeitsprozesse könnten sich dadurch so verändern, dass etwa 300 Millionen Vollzeit-Jobäquivalente durch KI substanziell verändert werden könnten.
KI beschleunigt damit nicht nur die Effizienz, sondern auch die Reallokation von Arbeit.
Erfolg macht uns zu Bürokraten
Schumpeter war kein Technikoptimist oder Innovationsromantiker. Er argumentierte, dass sich der Kapitalismus durch seinen Erfolg selbst transformieren würde: Unternehmer werden durch Manager und Bürokratien ersetzt, Innovationsprozesse werden routiniert bis schließlich Bürokratien dominieren. In seinen zentralen Werk „Capitalism, Socialism and Democracy“ stellt er die Diagnose, dass sich der Kapitalismus sich durch seinen Erfolg am Ende selbst unterminieren könnte.
Tatsächlich lässt sich derzeit beobachten, wie KI Innovation zunehmend standardisiert, etwa durch Masterprompt-Vorlagen, KI-Agenten oder synthetische Personas, mit denen sich authentische Kundeninterviews simulieren lassen. Bei aller Begeisterung für die neuen Effizienzgewinne im Innovationsprozess könnte dies auch eine Warnung sein: dass uns KI noch stärker in das was Schumpeter „Managerialism“ genannt hat treiben könnte: mehr Steuerung, mehr KPI-Optimierung, mehr Governance. Dies bedeutet ebene nicht zwingend mehr unternehmerische Erneuerung.
KI kann uns also auch blind machen für echte Sprunginnovationen oder grundlegend neue Ansätze, die oft von außerhalb dieser Systeme kommen. KI droht „Managerialism“ zu verstärken, statt unternehmerische Erneuerung zu fördern.
Schumpeter würde sagen: Genau so verliert man gegen neue Kombinationen.
Empirische Evidenz: KI reorganisiert Arbeit – sie vernichtet sie nicht
Die verbreitete Vorstellung einer durch KI ausgelösten „Job-Apokalypse“ ist analytisch verführerisch, aber empirisch nicht haltbar. Tatsächlich überzeichnet die Angst vor massiven Jobverlusten oft die tatsächliche Entwicklung. Neuere ökonomische Arbeiten zeigen übereinstimmend, dass KI nicht eindimensional Arbeit zerstört, sondern einen schumpeterianischen Reorganisationsprozess auslöst, in dem bestehende Tätigkeiten entwertet und neue Formen von Arbeit hervorgebracht werden.
KI verändert Arbeitsschritte und einzelne Tätigkeiten, aber eliminiert nicht sofort komplette Jobprofile. Im Gegenteil können sich die bestehenden Jobprofile anpassen und führen somit nicht zwangsläufig zu einem Netto-Beschäftigungsabbau. Entscheidend ist dabei weniger die Nettozahl der Arbeitsplätze als die funktionale Neuzusammensetzung von Arbeit.
Neuere Arbeiten zeigen, dass KI-Einführung in vielen Fällen sowohl Aufgaben automatisiert als auch neue Tätigkeiten generiert, wobei hochqualifizierte Arbeitskräfte stärker profitieren, während niedrigqualifizierte Tätigkeiten tendenziell substituiert werden.
David Marguerit (2025) liefert hierzu eine der bislang klarsten empirischen Analysen. Er untersucht systematisch, wie KI sowohl Substitution als auch Augmentation von Arbeit bewirkt. Sein zentrales Ergebnis: Während Substitutionseffekte vor allem niedrigqualifizierte, stark standardisierte Tätigkeiten betreffen, dominieren im hochqualifizierten Bereich die Augmentationseffekte. KI erhöht dort die Produktivität menschlicher Arbeit, schafft neues Arbeitsangebot und geht mit steigenden Löhnen einher. Marguerit zeigt damit, dass KI nicht nur bestehende Jobs verdrängt, sondern langfristig neue Arbeit hervorbringt, indem sie menschliche Fähigkeiten erweitert und neue Wertschöpfung ermöglicht.
Diese Befunde werden durch die Arbeit von Eero Mäkelä und Fabian Stephany (2024) weiter präzisiert. Sie zeigen, dass KI in vielen Tätigkeitsfeldern komplementär zu menschlicher Arbeit wirkt. Der Komplementäreffekt wirkt dabei häufig stärker als der Substitutionseffekt. Besonders steigt die Nachfrage nach Fähigkeiten, die sich nur schwer automatisieren lassen: Kontextverständnis, Problemlösungsfähigkeit, soziale Interaktion, Koordination und Verantwortungsübernahme. Arbeit verschiebt sich damit weg von reiner Ausführung hin zu Interpretation, Steuerung und Integration. Ökonomisch betrachtet erhöht KI die relative Knappheit genau jener menschlichen Kompetenzen, die für neue Kombinationen zentral sind. Die Wirkung von KI liegt folglich nicht in der Abschaffung menschlicher Arbeit, sondern in ihrer funktionalen Aufwertung entlang neuer Rollenprofile.
Wie sich diese Verschiebung konkret in Arbeitsmärkten niederschlägt, zeigen Michael Bone, Eva Ehlinger und Fabian Stephany (2023) anhand einer groß angelegten Analyse von Stellenausschreibungen. Ihre Ergebnisse machen deutlich, dass KI nicht nur bestehende Berufe verändert, sondern neue Jobprofile jenseits klassischer Berufslogiken entstehen lässt. Die Nachfrage verschiebt sich weg von formalen Abschlüssen hin zu spezifischen Fähigkeiten – insbesondere im Umgang mit KI, Daten und digitalen Systemen. Arbeit wird modularer, hybrider und weniger institutionell gebunden. Damit entstehen Rollen, die es in dieser Form vor wenigen Jahren noch nicht gab – nicht als Übergangsphänomen, sondern als strukturelle Folge technologischen Wandels.
Zusammengenommen zeichnen diese Arbeiten ein konsistentes Bild: KI wirkt nicht als exogener Schock, der Arbeit pauschal vernichtet, sondern als Katalysator schöpferischer Zerstörung im Sinne Schumpeters. Bestehende Tätigkeiten verlieren an Wert, neue Kombinationen von Fähigkeiten, Rollen und Organisationsformen entstehen. Der entscheidende Engpass liegt dabei nicht in der Technologie selbst, sondern in der Fähigkeit von Organisationen und Institutionen, diese Reallokation zu ermöglichen. Wo Anpassung gelingt, entsteht neue Arbeit; wo sie blockiert wird, manifestiert sich technologische Angst als soziale Realität.
In diesem Sinne bestätigt die neuere Forschung, was Schumpeter bereits formulierte: Technologischer Fortschritt ist kein harmonischer Prozess. Er erzeugt Friktionen, Verdrängung und Unsicherheit – aber genau dadurch auch die Grundlage für neue Wertschöpfung. Die Frage ist daher nicht, ob KI Jobs zerstört oder schafft, sondern wie Gesellschaften, Arbeitsmärkte und Organisationen den unvermeidlichen Strukturwandel gestalten.
KI zerstört keine Arbeit – sie erzwingt neue Rollen
Künstliche Intelligenz zerstört Arbeit nicht pauschal, sondern entwertet bestehende Rollenlogiken. Sie greift selten ganze Berufe an, sondern zerlegt Tätigkeiten, verschiebt Verantwortlichkeiten und erzwingt neue Formen der Arbeitsteilung. Der zentrale Effekt von KI ist daher nicht Arbeitslosigkeit, sondern Rollenwandel.
Es ist daher nicht zu erwarten, dass der Arbeitsmarkt monolithisch zerstört wird oder es zumindest eine Netto-Arbeitslosigkeit durch KI geben wird. Vielmehr induziert KI eine Rekonfiguration von Tätigkeiten entlang einer neuen Wertschöpfungslogik. Routinisierte, standardisierbare Arbeit verliert an Wert, während neue Rollen entstehen, die sich um Einbettung, Steuerung und Absicherung von KI-Systemen drehen. Wertschöpfung verschiebt sich weg von Ausführung hin zu Integration, Urteilskraft und Verantwortung.
Strukturell neu sind vor allem Rollen, die KI in den organisatorischen Kontext übersetzen: Domänenexperten, die Modelle fachlich trainieren und bewerten. Oder hybride Profile, die KI-Systeme direkt in Organisationen und Prozesse implementieren, anpassen und produktiv machen (im Silicon-Valley-Jargon oft als Forward-Deployed Engineers bezeichnet). Aber auch Funktionen für Governance, Sicherheit und Compliance, die den produktiven Einsatz von KI überhaupt erst ermöglichen.
Dass diese Profile häufig besser bezahlt sind als klassische Routinetätigkeiten, ist kein Zufall. Sie beruhen auf Fähigkeiten, die sich nicht automatisieren lassen: Urteilsvermögen, Kommunikationsfähigkeit, Domänenwissen, soziale Koordination und organisatorische Integrationsleistung. KI entwertet damit nicht Arbeit an sich, sondern bestimmte Formen von Arbeit – und wertet zugleich jene menschlichen Kompetenzen auf, die für neue Kombinationen entscheidend sind. Fähigkeiten, die keine Automatisierung mal so eben schnell ersetzen kann.
Die eigentliche Herausforderung liegt daher nicht im Schutz bestehender Jobprofile, sondern in der aktiven Entwicklung neuer Rollenbilder, die zur veränderten Logik der Wertschöpfung passen.
Reallokation bedeutet dabei mehr als nur neue Aufgabenprofile. Sie verändert Qualifikationen, Machtverhältnisse und Erwartungen an Arbeit. Ohne Weiterbildung, Mitgestaltung und klare Perspektiven kann KI-getriebener Wandel schnell Verunsicherung erzeugen. Wird KI dagegen als Werkzeug zur Weiterentwicklung von Fähigkeiten eingesetzt, kann sie Beschäftigte stärken statt sie unter Druck zu setzen.
Konsequenz für Führung: Nicht KI-Tools einführen, sondern Reallokationsfähigkeit schaffen
Schumpeterianisch lautet die Kernfrage daher nicht, wie wir Effizienz steigern können, sondern wie wir unsere Fähigkeit verbessern können, die bestehenden Ressourcen (Menschen, Kapital und Aufmerksamkeit) schnell in neue Kombinationen zu verschieben. Dazu gehört auch, wie wir Altes konsequent und schnell beenden können.
Das betrifft Menschen, Kapital und Aufmerksamkeit. Es betrifft auch die Fähigkeit, Altes konsequent zu beenden. Zukunftsfähig sind Organisationen, die Variation zulassen, Ressourcen verschieben und neue Rollenbilder entwickeln – nicht jene, die bestehende Profile schützen.
Wir benötigen also ein Organisationsdesign, das Variation zulässt. Teams, die parallel explorieren, aber dann auch hart selektieren. Für neu entdeckte Kombinationen benötigen wir danach aber auch gezielten Kompetenzaufbau. Dazu könnten nach dem, was jetzt schon erkennbar neue Skill-Level von Problemframing, Domänenwissen, Prozess- und Datenzugang, Produktdenken gehören. Unzureichend sind dagegen die Beschränkung auf reine Tool-Trainings.
Im Mittelpunkt muss die Frage stehen, wie wir unsere Fähigkeit zur Reallokation erhöhen.
Die strategische Leitfrage für Organisationen im Zeitalter der KI sollte daher nicht danach fragen, welche Jobs verloren gehen, sondern welche neuen Rollen und Kompetenzen entstehen, und wie Organisationen Menschen befähigen, diese Rollen selbst zu entdecken und einzunehmen.
Der Fokus auf neuen Rollenbildern ist daher ein zentraler Punkt für den Wandel im Arbeitsmarkt und in der Organisationsgestaltung. Nicht der Schutz bestehender Profile, sondern die Entwicklung neuer Rollenbilder sollte im Fokus der Bemühungen stehen.
Am Ende geht es daher nicht nur um die Frage, ob KI schöpferische Zerstörung auslöst – sondern darum, welche Art von Veränderung wir zulassen wollen. KI kann bestehende Strukturen aufbrechen, Innovation beschleunigen und neue Möglichkeiten schaffen. Ob daraus nachhaltiger Fortschritt entsteht oder soziale Spannungen wachsen, hängt davon ab, wie bewusst wir diesen Wandel gestalten.
Die hier skizzierte Perspektive bildet den theoretischen Ausgangspunkt des Trimesterprogramms „KI als Katalysator schöpferischer Zerstörung“ der IAK public der integrata-Stiftung. In mehreren Veranstaltungen wird diese These aus ökonomischer, organisationaler, demokratischer und normativer Perspektive diskutiert und weiterentwickelt.
Quellen:
Ben Shneiderman (2022): Human-Centered AI. Oxford University Press.
Bone, M., Ehlinger, E. and Stephany, F. (2023) Skills or Degree? The Rise of Skill-Based Hiring for AI and Green Jobs. arXiv. Available at: https://arxiv.org/abs/2312.11942 (abgerufen am 12.01.2026)..
Brynjolfsson, E., Li, D. and Raymond, L. (2023) ‘Generative AI at Work’, NBER Working Paper No. 31161. Available at: https://www.nber.org/papers/w31161 (abgerufen am 12.01.2026).
Brynjolfsson, E., Li, D. and Raymond, L. (2025) ‘Generative AI at Work’, The Quarterly Journal of Economics, 140(2), pp. 889–942. Available at: https://academic.oup.com/qje/article/140/2/889/7990658 (abgerufen am 12.01.2026).
Georgieva, K. (2024) ‘AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity’, IMF Blog, 14 January. Available at: https://www.imf.org/en/blogs/articles/2024/01/14/ai-will-transform-the-global-economy-lets-make-sure-it-benefits-humanity (abgerufen am 12.01.2026).
Goldman Sachs (2023) ‘Generative AI could raise global GDP by 7%’. Available at: https://www.goldmansachs.com/insights/articles/generative-ai-could-raise-global-gdp-by-7-percent (abgerufen am 12.01.2026).
Goldman Sachs Global Investment Research (2023) ‘The Potentially Large Effects of Artificial Intelligence on Economic Growth’ (report page). Available at: https://www.gspublishing.com/content/research/en/reports/2023/03/27/d64e052b-0f6e-45d7-967b-d7be35fabd16.html (abgerufen am 12.01.2026).
Marguerit, D. (2025) Augmenting or Automating Labor? The Effect of AI Development on New Work, Employment, and Wages. arXiv. Available at: https://arxiv.org/abs/2503.19159 (abgerufen am 10.01.2026).
Mäkelä, E. and Stephany, F. (2024) Complement or substitute? How AI increases the demand for human skills. arXiv. Available at: https://arxiv.org/abs/2412.19754 (abgerufen am 12.01.2026)..
OECD (2025) ‘OECD Insights on Productivity and Business Dynamics – Country Notes: Germany: Business Dynamics (June 2025)’. Available at: https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/06/oecd-insights-on-productivity-and-business-dynamics-country-notes_2e4ed11c/germany_734f324d/93e9095e-en.pdf (abgerufen am 12.01.2026).
Schumpeter, J.A. (1942) Capitalism, Socialism and Democracy. (PDF edition). Available at: https://eet.pixel-online.org/files/etranslation/original/Schumpeter%2C%20Capitalism%2C%20Socialism%20and%20Democracy.pdf (abgerufen am 12.01.2026).
The Economist (2025) Job apocalypse? Not yet. AI is creating brand new occupations. The Economist, 14 December. Available at: https://www.economist.com/business/2025/12/14/job-apocalypse-not-yet-ai-is-creating-brand-new-occupations (abgerufen am 12.01.2026).
U.S. Bureau of Labor Statistics (BLS) (2025) ‘Business Employment Dynamics (BDM) – Latest Numbers’. Available at: https://www.bls.gov/bdm/ (abgerufen am 12.01.2026).
Zentrale Begriffe
- Schöpferische Zerstörung
Bezeichnet den Prozess wirtschaftlicher Erneuerung, bei dem bestehende Strukturen, Geschäftsmodelle und Rollen durch neue ersetzt werden. Wachstum entsteht dabei nicht trotz der Zerstörung, sondern gerade durch sie. - Evolutionärer Prozess
Ein Entwicklungsprozess ohne stabilen Endzustand. Fortschritt entsteht durch Variation, Auswahl und Erneuerung, nicht durch lineare Planung oder Optimierung bestehender Strukturen. - Gleichgewichtssystem
Ein ökonomisches Denkmodell, das davon ausgeht, dass sich Märkte nach Störungen wieder stabilisieren. Schumpeter lehnt dieses Modell ab, da Innovationen ständig neue Ungleichgewichte erzeugen. - Neue Kombinationen
Grundlegend neue Verknüpfungen von Produkten, Technologien, Märkten oder Organisationsformen. Neue Kombinationen verschieben, was als wirtschaftlich sinnvoll gilt, und machen bestehende Lösungen oft überflüssig. - Industrielle Mutation
Der tiefgreifende Umbau wirtschaftlicher Strukturen, bei dem ganze Branchen, Wertschöpfungsketten oder Arbeitsweisen durch neue Technologien oder Organisationsformen ersetzt werden. - Perennial Gale (dauerhafter Sturm)
Schumpeters Metapher für die permanente Kraft der Erneuerung im Kapitalismus. Sie beschreibt keinen Ausnahmezustand, sondern den Normalzustand wirtschaftlicher Entwicklung. - Strukturbruch
Der Punkt, an dem bestehende Regeln, Rollen und Geschäftsmodelle ihre Tragfähigkeit verlieren. Strukturbruch bedeutet mehr als Effizienzverlust – er macht grundlegende Neuorganisation erforderlich. - Reallokation
Die Verschiebung von Ressourcen wie Arbeit, Kapital und Aufmerksamkeit von alten in neue Strukturen. Reallokation ist der zentrale Mechanismus, durch den neue Wertschöpfung entsteht. - Rollenwandel
Die Veränderung von Aufgaben, Verantwortlichkeiten und Kompetenzprofilen. Rollenwandel bedeutet nicht zwangsläufig den Wegfall von Arbeit, sondern ihre funktionale Neuordnung. - Managerialismus
Eine Organisationslogik, die Innovation vor allem über Steuerung, Prozesse, Kennzahlen und Governance kontrolliert. Schumpeter sah darin die Gefahr, dass echte unternehmerische Erneuerung behindert wird. - Wertschöpfungslogik
Die grundlegende Art und Weise, wie wirtschaftlicher Wert erzeugt wird – einschließlich der beteiligten Akteure, Rollen und Prozesse. Neue Technologien wie KI können bestehende Wertschöpfungslogiken fundamental verändern.
„`