KI als Werttransformator, nicht als Mitarbeiter: Die Einordnung von KI in organisationale Wertflüsse

Volltext

1 Einleitung

Organisationen, die KI-Werkzeuge einführen, beschreiben sie üblicherweise in der Sprache der Personalplanung. Ein Support-Assistent "bearbeitet" einen Anteil der Anfragen. Ein Coding-Assistent "erledigt die Arbeit von" einer Anzahl von Ingenieuren. Ein Business Case vergleicht die Kosten eines Modell-Abonnements mit den Kosten einer Vollzeitkraft. Das KI-System wird als digitaler Mitarbeiter behandelt: Es erhält Aufgaben, erledigt sie, und sein Beitrag wird als erledigte Aufgaben oder eingesparte Stellen gezählt.

Dieser Beitrag argumentiert, dass der Mitarbeiter-Rahmen ein Kategorienfehler ist und dass dieser Fehler nicht harmlos ist. Er lenkt die Messung auf die Produzentenseite eines Wertflusses, wo KI am stärksten ist, und weg von der Empfängerseite, auf der Wert tatsächlich realisiert wird. Das Ergebnis ist ein bekanntes Muster: Dashboards zeigen steigenden Output, während Kunden, Kollegen und Prüfer Nacharbeit auffangen, die kein Bericht dem KI-System zurechnet.

Die hier vorgeschlagene Alternative stammt aus der Value Management Theory (VMT) und der Methodik von Æilus. In der VMT ist ein Transformator eine Rolle, keine Entität: Ein Akteur in dieser Rolle verbraucht Wert und erzeugt neuen geplanten Wert für jemand anderen (A7). KI passt genau in diese Rolle. Als Transformator in einen Wertfluss eingesetzt, hat ein KI-System Eingaben, die etwas kosten, Ausgaben, die Hypothesen bleiben, bis ein Empfänger sie konsumiert, und Nebenprodukte, die Anti-Wert sein können. Sobald es so eingeordnet ist, werden die richtigen Fragen zu Einführung und Messung sichtbar.

Dies ist der vierte Beitrag einer achtteiligen Reihe zur Anwendung von Æilus in Organisationen; die Definitionen folgen dem ersten Beitrag, "Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners". Der formale Apparat der VMT und die Wertwährung Æ werden hier nicht neu hergeleitet; sie sind in Bolshakov (2026), "Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective", dargelegt. Der Beitrag ist konzeptionell. Er enthält keine Messdaten, und die einzigen Zahlen darin gehören zu einem Szenario, das ausdrücklich als hypothetisch gekennzeichnet ist.

2 Geltungsbereich, Wertsystem und theoretische Grundlage

2.1 Wessen Wert gemessen wird

Die VMT geht davon aus, dass Wert nur innerhalb eines definierten Wertsystems (value system) existiert (A1) und dass dasselbe Ereignis in verschiedenen Systemen unterschiedlich gelesen werden kann (A2). Aussagen über "den Wert von KI" sind daher unvollständig, solange das System nicht benannt ist. Dieser Beitrag verwendet durchgehend ein Wertsystem: eine liefernde Organisation und ihre direkten Empfänger. Seine Akteure sind die Teams und Funktionen der Organisation, das KI-System in seiner Transformatorrolle, die Personen, die KI-Output prüfen oder korrigieren, und die externen Empfänger der Arbeit der Organisation (Kunden, Nutzer oder interne Verbraucher in einer anderen Funktion). Seine Flüsse sind die Anfragen, Artefakte und Entscheidungen, die sich zwischen ihnen bewegen. Der KI-Anbieter, der Arbeitsmarkt und die Gesellschaft insgesamt liegen außerhalb der Grenze und werden nur über externe Flüsse behandelt (A10).

Die Wahl ist wichtig. Innerhalb des Wertsystems des Anbieters ist jedes erzeugte Token realisierter Umsatz. Innerhalb des Systems der Organisation kann dasselbe Token Wert, Rauschen oder Anti-Wert sein, je nachdem, was der Empfänger damit tut. Wie T15 feststellt, ändert die Verschiebung der Grenze die Schlussfolgerung, ohne die Realität zu ändern. Die folgende Analyse gilt nur für die hier erklärte Grenze.

2.2 Verwendete Axiome und Theoreme

Die Argumentation stützt sich auf A4 und T3 (geplanter und realisierter Wert divergieren), A5 (Anti-Wert ist unabhängig vom Wert), A6 (Wert wird durch Konsum realisiert), A7 (Transformation), A8 und T7 (Teilnahmebedingungen), T4 und T6 (Widerstand und Verzerrung akkumulieren), T5 (lokale Optimierung garantiert keine globale Verbesserung), T8 (Redundanz einer Transformationsrolle erhöht die Nachhaltigkeit) sowie T16 und T17 (eine Interpretation, die nicht durch Realisierung bestätigt wird, ist instabil und akkumuliert Anti-Wert).

3 Der Kategorienfehler des "digitalen Mitarbeiters"

3.1 Was der Mitarbeiter-Rahmen zählt

Der Mitarbeiter-Rahmen übernimmt eine Messgewohnheit aus der Personalplanung. Ein Mitarbeiter wird für eine Rolle eingestellt, erhält eine Arbeitslast und wird nach Durchsatz und Kosten beurteilt. Wird KI in denselben Rahmen gestellt, dominieren drei Zahlen: das Volumen bearbeiteter Arbeitseinheiten, der Anteil der "übernommenen" Arbeitslast und die vermiedenen Kosten in Vollzeitäquivalenten (FTE). Alle drei werden dort gemessen, wo die Arbeit den Produzenten verlässt.

Bei menschlichen Mitarbeitern ist diese Gewohnheit aus einem selten genannten Grund vertretbar: Ein menschlicher Bearbeiter beobachtet den Empfänger. Ein Support-Mitarbeiter hört, dass der Kunde immer noch verärgert ist. Ein Großteil der Lücke zwischen geplantem und realisiertem Wert wird informell im Menschen selbst korrigiert, bevor irgendeine Kennzahl sie erfasst. Die Produzentenkennzahl funktioniert, weil ein Empfängersensor in den Produzenten eingebaut ist.

Ein KI-System trägt diesen Sensor standardmäßig nicht in sich. Es erzeugt die geplante Seite des Wertes sehr gut: flüssigen, schnellen und selbstsicheren Output in großer Menge. Es beobachtet nicht, ob der Output den Zustand des Empfängers verändert hat, es sei denn, es ist ausdrücklich damit verbunden. Der Mitarbeiter-Rahmen misst KI daher dort, wo KI am besten aussieht, und hört dort auf zu messen, wo der Unterschied zwischen Plan und Fakt sichtbar wird.

3.2 Was der Rahmen verbirgt

Vier Dinge verschwinden unter dem Mitarbeiter-Rahmen aus dem Blick.

1. Die Konsumseite des KI-Transformators. Stellenvergleiche zählen die Lizenz- oder Rechenkosten des Modells und ignorieren die menschliche Aufmerksamkeit, den Prüfaufwand und die Datenaufbereitung, die der Transformator ebenfalls verbraucht.
2. Das Urteil des Empfängers. "Erledigt" wird vom Produzenten erklärt. Ob sich der Zustand des Empfängers verbessert hat, wird nicht erfasst.
3. Verlagerte Arbeit. Arbeit, die der KI-Output nicht abschließt, wandert flussabwärts zum Empfänger oder zu einem Prüfer. Im Bericht des Produzenten ist sie verschwunden; im System ist sie weiterhin vorhanden.
4. Akkumulation. Nacharbeit, Vertrauensverlust und Kompetenzerosion sind keine einmaligen Kosten. Nach T4 und T6 akkumulieren sie und verringern die künftige Fähigkeit des Systems, Wert zu realisieren.

Die Rahmung als FTE-Ersatz nimmt außerdem an, dass die menschliche Rolle und die KI-Rolle Substitute mit demselben Output sind. In den Begriffen der VMT sind es verschiedene Transformatoren mit unterschiedlichen Eingabe- und Ausgabeprofilen.

4 KI als Transformatorrolle

4.1 Transformator, nicht Entität

VMT und Æilus definieren einen Transformator danach, was er in einem Fluss tut, nicht danach, was er ist. Eine Person, ein Team, ein Dienst oder ein Werkzeug kann eine Transformatorrolle innehaben; in einem Wertsystemschema (Value System Schema) wird die Rolle als Konverter gezeichnet, so nennt Æilus einen Transformatorknoten. Diese Sichtweise beseitigt die Frage "Ist KI ein Arbeiter oder ein Werkzeug?" und ersetzt sie durch eine nützlichere: Was verbraucht dieser Transformator, was erzeugt er, und wer erhält den Output?

4.2 Was ein KI-Transformator verbraucht

Ein KI-Transformator hat mindestens vier Arten von Eingaben. Jede ist ein Wertelement, das von irgendwo im System konsumiert wird.

• Daten und Kontext. Prompts, Dokumente, Tickets, Code, Kundenhistorie. Jemand hat sie erstellt, kuratiert und pflegt sie, und ihre Qualität setzt eine Obergrenze für den Output.
• Rechenleistung und Lizenzen. Die sichtbaren Kosten, meist die einzigen im Business Case.
• Menschliche Aufmerksamkeit. Anweisungen schreiben, Aufgaben formulieren, die Interaktion steuern. Sie wird von Menschen konsumiert, die sonst andere Arbeit erledigen würden.
• Prüfaufwand. Output lesen, prüfen, korrigieren und freigeben. Für viele Anwendungen ist dies die größte Eingabe, und sie liegt im Budget eines anderen.

4.3 Was ein KI-Transformator erzeugt

Die Ausgaben sind Wertelemente im Sinne der Reihe: Entwürfe, Antworten, Code, Klassifikationen, Zusammenfassungen, Entscheidungen. Jede beginnt als Werthypothese. Sie trägt geplanten Wert, wie ihn der Produzent interpretiert, und wird erst messbar, wenn der nächste Transformator sie konsumiert (A6). Der KI-Transformator kann auch Anti-Wert erzeugen: falsche Antworten, irreführende Zusammenfassungen, Code, der später entfernt werden muss, und die in Abschnitt 7 beschriebenen Effekte.

Die Æilus-Definition der Konvertereffizienz macht die Bilanz explizit. Die Effizienz eines Konverters ist

E = (produced value - produced anti-value) / (consumed value - consumed anti-value)

wobei alle Terme innerhalb des erklärten Systems in Æ ausgedrückt werden. Zwei Merkmale dieser Formel sind für KI wichtig. Erstens enthält der Nenner Prüfaufwand und menschliche Aufmerksamkeit, nicht nur Rechenleistung. Zweitens zieht der Zähler den erzeugten Anti-Wert ab, den der Mitarbeiter-Rahmen nie erfasst. Ein KI-Transformator mit beeindruckendem Output-Volumen kann nach beiden Korrekturen eine niedrige oder negative Effizienz haben. Derselbe Transformator kann in einem Wertsystem effizient und in einem anderen zerstörerisch sein.

5 Geplanter versus realisierter Wert von KI-Output

5.1 Warum KI auf der geplanten Seite stark aussieht

A4 besagt, dass geplanter und realisierter Wert im Allgemeinen voneinander abweichen; T3 ergänzt, dass eine Abweichung von null ein instabiler Sonderfall ist. Bei menschlicher Arbeit wird die Abweichung durch die eigene Beobachtung des Empfängers durch den Produzenten gemildert. Bei KI-Ausgaben hat die Abweichung eine strukturelle Verzerrung. Erzeugte Ausgaben werden darauf optimiert, wie eine korrekte Antwort auszusehen. Sprachflüssigkeit und Selbstsicherheit gehören zur geplanten Seite; Korrektheit und Anwendbarkeit gehören zur realisierten Seite.

KI erhöht den geplanten Wert schnell und kostengünstig. Wenn der realisierte Wert nicht gesondert gemessen wird, liest die Organisation diesen Anstieg als Fortschritt: das Muster, das T16 als strukturell instabil beschreibt.

5.2 Verdeckte Nacharbeit

Wenn der realisierte Wert hinter dem geplanten Wert zurückbleibt, verschwindet die Differenz nicht. Sie verwandelt sich an anderer Stelle im Fluss in Arbeit. Ein Kunde wendet sich erneut an den Support. Eine Führungskraft überarbeitet eine generierte E-Mail. Ein Ingenieur korrigiert generierten Code.

Der Bericht des KI-Transformators zeigt ein fertiges Ergebnis, und der empfangende Transformator trägt die Kosten: ein Fall von T5: Eine lokale Verbesserung des Durchsatzes eines Transformators garantiert keine Verbesserung des Systems. Das entspricht auch der allgemeinen Beobachtung aus dem flussbasierten Management, dass in Warteschlangen und Nacharbeit verborgene Arbeit für Aktivitätskennzahlen unsichtbar ist (Reinertsen, 2009). Die VMT-Lesart fügt einen Punkt hinzu: Die verborgene Arbeit ist keine neutrale Verzögerung, sondern Anti-Wert, und nach T4 sammelt sie sich als Flusswiderstand an der Schnittstelle zwischen dem KI-Transformator und seinem Empfänger an.

6 Die empfängerseitige Kennzahl

Wenn Wert bei Konsum realisiert wird (A6), dann validiert ihn der Empfänger, nicht der Produzent. Dies ist die zentrale Messregel der Arbeit: Der Wert von KI-Ausgaben wird an dem Transformator gemessen, der sie konsumiert, nicht an dem KI-Transformator, der sie produziert. Das Lean-Denken macht einen verwandten Punkt, wenn es Wert aus der Sicht des Endkunden definiert (Womack und Jones, 1996); VMT verallgemeinert dies auf jeden internen Empfänger in einem Fluss.

Eine empfängerseitige Kennzahl stellt jeder produzentenseitigen Zählung eine Beobachtung dessen gegenüber, was danach geschah. Einige Beispiele:

Die Lücke zwischen den beiden Spalten ist die aussagekräftigste Zahl, die ein KI-Programm verfolgen kann. Sie schätzt die verdrängte Arbeit und den an der Schnittstelle erzeugten Anti-Wert. Eine größer werdende Lücke zeigt an, dass das Programm die Interpretation schneller skaliert als die Realisierung.

Empfängerseitige Kennzahlen schützen außerdem vor einem vorhersehbaren Versagen. Eine produzentenseitige Kennzahl, die zum Ziel wird, wird dadurch erfüllt, dass mehr von dem produziert wird, was sie zählt, eine Dynamik, die üblicherweise mit Goodhart (1975) verbunden wird. KI macht dies billig. Ein Assistent, dessen Ziel "abgeschlossene Anfragen" lautet, wird Anfragen abschließen. Wird das Ziel am Zustand des Empfängers verankert, ist es schwerer zu erfüllen, ohne Wert zu liefern.

7 KI-spezifischer Anti-Wert

A5 behandelt Anti-Wert als unabhängig vom Wert: Ein KI-Transformator kann im selben Zeitraum realen Wert und realen Anti-Wert erzeugen, und beide heben sich in der Erfahrung des Empfängers nicht gegenseitig auf. Die folgenden Arten von Anti-Wert sind für KI-Transformatoren charakteristisch. Sie sind als zu beobachtende Kategorien aufgeführt, nicht als gemessene Häufigkeiten.

• Selbstsichere Fehler. Falsche Ausgaben, die mit derselben Sprachflüssigkeit präsentiert werden wie korrekte. Der Empfänger kann sie am Ton nicht unterscheiden, daher muss jede Ausgabe geprüft werden, sonst gelangt der Fehler weiter flussabwärts.
• Prüfaufwand. Der Aufwand, der zur Verifikation der Ausgabe erforderlich ist. Er wächst mit dem Ausgabevolumen, nicht mit der Ausgabequalität.
• Erosion von Fähigkeiten. Wenn der KI-Transformator den ersten Entwurf der Arbeit übernimmt, können die Menschen, die ihn früher erstellten, die Praxis verlieren, die sie zu guten Prüfern machte. Nach T6 verringert diese angesammelte Verzerrung die künftige Fähigkeit des Systems, Wert zu realisieren, einschließlich seiner Fähigkeit, KI-Fehler zu erkennen.
• Vertrauensverlust. Jede gescheiterte Interaktion senkt das Vertrauen des Empfängers in den Kanal. Nach A8 und T7 verlässt der Akteur, wenn eine Teilnahmebedingung verletzt wird, das System oder ändert die Form seiner Teilnahme.
• Interpretationsinflation. KI-Ausgaben können schneller zitiert, zusammengefasst und weitergegeben werden, als sie geprüft werden. Nach T17 sammeln einflussreiche Interpretationen, die nicht durch Realisierung bestätigt werden, Anti-Wert an: Eine generierte Zusammenfassung, die in drei Entscheidungen zitiert wird, verbreitet ihre Fehler dreifach.

Keiner davon erscheint in einem FTE-Vergleich. Alle sind beobachtbar, wenn die Empfängerseite des Flusses mit Messinstrumenten versehen wird.

8 Benennung und Platzierung der KI-Rolle

8.1 Die Rolle nach Ausgabe und Empfänger benennen

"KI hat den Analysten ersetzt" verbirgt den Fluss. "KI erstellt den ersten Entwurf des Wochenberichts; der Analyst verifiziert die Schlussfolgerungen" benennt einen Transformator, seine Ausgabe, seinen Empfänger und den Prüfschritt. Eine nützliche Benennungsregel hat drei Teile:

1. das Wertelement, das die KI erzeugt (Entwurf, Antwort, Klassifikation, Codeänderung);
2. der Empfänger, der es konsumiert (Kunde, Prüfer, nächstes Team);
3. die Bedingung, unter der der Empfänger es akzeptiert (verifiziert, genehmigt, ohne Nacharbeit verwendet).

8.2 Eigentümerschaft

Ein KI-System kann keine Verantwortung für Wert tragen, weil es Änderungen seines eigenen Zustands nicht als Wert oder Anti-Wert interpretiert. In Æilus-Begriffen nimmt es eine Transformatorrolle ein, aber keine Eigentümerrolle. Der Eigentümer des Werttransformators (Value Transformer Owner, VTO) des Transformators, der die KI enthält, ist verantwortlich für dessen realisierten und retrospektiv neu bewerteten Wert, für den von ihm erzeugten Anti-Wert und für seine Fähigkeit, weiter teilzunehmen, ohne das System zu beeinträchtigen. Der Eigentümer des Wertsystems (Value System Owner, VSO) ist dafür verantwortlich, ob das Hinzufügen des KI-Transformators das System als Ganzes tragfähig hält und die Teilnahmebedingungen anderer Akteure unberührt lässt, einschließlich der Prüfer, deren Belastung es erhöht.

Wo die Schnittstelle zwischen dem KI-Transformator und seinem Empfänger zu einer dauerhaften Quelle von Widerstand wird, greift die Rolle des Flusseigentümers.

8.3 Gepaarte Rollen und Redundanz

Nach T8 erhöht die Redundanz einer Transformationsrolle die Tragfähigkeit. Die Paarung von KI und Mensch in einer Rolle, sodass jeder die Fehler des anderen auffängt, ist eine solche Redundanz. Die Paarung sollte im Schema sichtbar sein, damit die menschliche Hälfte als Input gezählt und nicht als kostenlos behandelt wird.

8.4 Platzierung in einem Wertsystemschema

In einem Wertsystemschema (Value System Schema, VSS) wird die KI-Rolle als Konverter mit expliziten Inputs und Outputs dargestellt. Eine minimale Platzierung umfasst:

• eingehende Flüsse: Daten und Kontext, Rechenleistung, menschlicher Anweisungsaufwand, Prüfaufwand;
• ausgehende Flüsse: die erzeugten Wertelemente, die jeweils an einen benannten empfangenden Konverter gehen;
• ein Anti-Wert-Fluss: selbstsichere Fehler und Nacharbeit, die zurückgegeben oder flussabwärts weitergereicht werden;
• geplante und realisierte Werte in Æ auf jedem ausgehenden Fluss, wobei der realisierte Wert beim Empfänger erfasst wird.

So dargestellt, enthüllt das Schema oft einen Fluss, den der Business Case ausgelassen hat, typischerweise den Prüfaufwand. Nach T9 gibt es, wenn die Struktur beobachtete Kosten nicht erklärt, latente Flüsse, oder die Grenze ist falsch gezogen.

9 Folgerungen für die Einführung und für die Messung von KI-Programmen

9.1 Einführungsentscheidungen

Die Transformator-Sicht verändert die Einführungsfrage von "Welche Tätigkeiten kann KI übernehmen?" zu "In welchen Flüssen würde ein KI-Transformator den realisierten Wert beim Empfänger erhöhen, abzüglich des Anti-Werts und des Prüfaufwands, den er hinzufügt?".

• Bevorzugen Sie Flüsse, bei denen der Empfänger günstig validieren kann. Wenn die Prüfung eines Outputs fast so viel kostet wie seine Erzeugung, trägt der KI-Transformer (AI transformer) wenig bei. Wenn der Empfänger die Qualität schnell bestätigen kann, kann der Transformer sehr viel beitragen.
• Seien Sie vorsichtig dort, wo Fehler unbemerkt bleiben. Wo ein falscher Output erst viel später entdeckt wird, kann der retrospektive Wert negativ werden, lange nachdem das Programm zum Erfolg erklärt wurde.
• Berechnen Sie das Prüfbudget vor dem Einsatz. Die Menschen, die den Output prüfen werden, sind Akteure mit eigenen Teilnahmebedingungen. Ein Einsatz, der diese verletzt (A8), verliert sie oder verändert die Art ihrer Beteiligung (T7).
• Planen Sie Wachstum nur, wenn die Lieferung bestätigt ist. Æilus bittet VTOs, den geplanten Wert nur dann zu erhöhen, wenn Nachfrage, Zufluss und Lieferfähigkeit bestätigt sind (T16).

9.2 Messung von KI-Programmen

Für eine Programmprüfung schlägt dieses Papier vier Messungen vor, alle innerhalb des deklarierten Wertsystems:

1. Realisierter Wert beim Empfänger, pro Fluss, in Æ oder einem angegebenen Proxy, erfasst vom empfangenden Transformer.
2. Die Plan-Ist-Lücke: Zählung auf der Erzeugerseite minus Bestätigung auf der Empfängerseite, im Zeitverlauf verfolgt.
3. Vollständiger Verbrauch: Rechenleistung und Lizenzen plus geschätzter Prüfaufwand und menschliche Aufmerksamkeit.
4. Anti-Wert-Indikatoren: wiederholte Kontakte, zurückgenommene Änderungen, korrigierte Outputs, Beschwerden sowie Anzeichen von Kompetenzverlust oder geringerem Vertrauen.

Ein Programm, das nur Volumen und FTE-Einsparungen meldet, meldet geplanten Wert. Er mag korrekt sein, ist aber noch nicht bestätigt.

10 Illustratives Szenario

Das folgende Szenario ist hypothetisch. Die Zahlen sind aus Gründen der rechnerischen Einfachheit gewählt und beschreiben weder eine Organisation noch eine Messung.

Eine Produktorganisation führt einen KI-Assistenten in ihren Support-Fluss ein. In einem hypothetischen Monat gehen im Fluss 1.000 Anfragen ein. Der Assistent markiert 700 davon als abgeschlossen, und der interne Bericht besagt, der Assistent "bearbeitet 70 Prozent des Supports". Unter dem Mitarbeiter-Rahmen (employee frame) liest sich das so, als sei die Arbeitslast eines Operator-Teams um sieben Zehntel verringert worden.

Platzieren Sie nun den Assistenten als Transformer und betrachten Sie die Empfängerseite. Angenommen, 250 der 700 abgeschlossenen Anfragen kommen innerhalb einer Woche als wiederholte Kontakte zum selben Anliegen zurück, nun von menschlichen Operatoren bearbeitet und nun von Kunden, die frustrierter sind als zuvor. Angenommen außerdem, die Operatoren verbringen Zeit damit, das Transkript des Assistenten zu lesen, bevor sie jeden wiederholten Kontakt beantworten.

Die Sicht der Empfängerseite sagt nicht, dass der Assistent versagt hat. In diesem hypothetischen Fall wurde das Anliegen von 450 Kunden schnell gelöst, was realisierter Wert ist. Sie zeigt, dass der geplante Wert der 700 Abschlüsse 250 Hypothesen enthielt, die die Empfänger zurückgewiesen haben. Diese 250 verwandelten sich in drei Arten von Anti-Wert: zusätzliche Operatorarbeit an Fällen, die schwieriger sind als der Durchschnitt, Aufwand für die Prüfung der Transkripte und geringeres Kundenvertrauen in den Kanal. Die Arbeitslast der Operatoren sank weniger, als der Bericht nahelegte, und die verbleibende Arbeitslast wurde schwieriger.

Ein VTO, der den Support-Transformer verantwortet, würde auf die Lücke reagieren, nicht auf die 70 Prozent. Mögliche Optionen sind, den Assistenten auf Anfragetypen zu beschränken, bei denen Empfänger die Lösung bestätigen, unsichere Fälle früher an Menschen weiterzuleiten und eine Prüfung auf der Empfängerseite ("Hat das Ihr Problem gelöst?") einzufügen, bevor eine Anfrage als abgeschlossen gezählt wird. Ob eine davon den netto realisierten Wert steigert, ist eine empirische Frage; das Szenario zeigt nur, welche Zahlen zu ihrer Beantwortung nötig sind.

11 Einschränkungen

Dieses Papier ist eine konzeptionelle Analyse, abgeleitet aus VMT-Axiomen und -Theoremen sowie aus Methodikmaterial von Æilus. Es berichtet keine empirischen Daten. Die Anti-Wert-Kategorien in Abschnitt 7 werden als beobachtbare Kategorien vorgeschlagen; ihre Häufigkeit und ihr Ausmaß in realen Organisationen sind aus dieser Arbeit nicht bekannt.

Die Messung auf der Empfängerseite kann teuer sein, und manche Empfänger können ihren Zustand nicht melden. Die Umrechnung von Prüfaufwand, Vertrauen und Kompetenzverlust in Æ erfordert eine vom VSO definierte Aggregationsrichtlinie, und solche Werte sind nur teilweise vergleichbar (A13). Eine andere Grenze, zum Beispiel eine, die den KI-Anbieter einschließt, würde andere Schlussfolgerungen ergeben (T15). Das Papier behandelt das KI-System zudem als festen Transformer, während Systeme, die aus dem Feedback der Empfänger lernen, ihre Plan-Ist-Lücke im Zeitverlauf verändern können.

Eine Validierung würde eine Längsschnittbeobachtung von KI-Transformern in mehreren Wertsystemen erfordern, wobei geplanter Wert, realisierter Wert auf der Empfängerseite, Prüfaufwand und Anti-Wert-Indikatoren über die Zeit an denselben Flüssen erfasst werden.

12 Schlussfolgerung

Wer KI als digitalen Mitarbeiter behandelt, misst sie auf der Erzeugerseite eines Flusses, wo sie am stärksten ist, und lässt die Empfängerseite ungemessen, auf der der Wert realisiert wird. Die Behandlung der KI als Transformer-Rolle (A7) macht den gesamten Austausch sichtbar: Sie verbraucht Daten, Rechenleistung, menschliche Aufmerksamkeit und Prüfaufwand, und sie erzeugt Werteelemente, die Hypothesen bleiben, bis ein Empfänger sie konsumiert (A6). Geplanter und realisierter Wert des KI-Outputs laufen auseinander (A4, T3), und die Divergenz verwandelt sich in verdeckte Nacharbeit und Anti-Wert, der sich anhäuft (A5, T4, T6).

Die praktischen Konsequenzen: Erklären Sie, wessen Wert gemessen wird. Benennen Sie die KI-Rolle nach ihrem Output und ihrem Empfänger. Zeichnen Sie sie im Wertsystemschema (Value System Schema) mit allen ihren Inputs ein, einschließlich der Prüfung. Messen Sie den Wert dort, wo der Output konsumiert wird, und verfolgen Sie die Lücke zwischen Zählungen auf der Erzeugerseite und Bestätigung auf der Empfängerseite. Weisen Sie die Verantwortung einem VTO zu, nicht dem System selbst. Skalieren Sie nur, was Empfänger bestätigt haben. Ein auf diese Weise gemessenes KI-Programm mag in seinem ersten Bericht weniger beeindruckend aussehen und in den späteren erheblich nützlicher sein.

Literatur

• Bolshakov, V. Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective. ÆVRI, 2026.
• Bolshakov, V. Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners. ÆVRI, 2026.
• Bolshakov, V. Æilus Methodology v2.0. aeilus.tech, 2026.
• Bolshakov, V. Rethinking Efficiency: Value Systems, Flows, Converters, and Elements. aeilus.tech, 2026.
• Bolshakov, V. Value Elements: What We Actually Produce and Consume. aeilus.tech, 2026.
• Goodhart, C. A. E. Problems of Monetary Management: The U.K. Experience. 1975.
• Reinertsen, D. G. The Principles of Product Development Flow. 2009.
• Womack, J. P. und Jones, D. T. Lean Thinking. 1996.