KI als Unternehmensführung: Was ein Princeton-Test zeigt

KI als Unternehmensführung funktioniert in Demos beeindruckend und im Dauerbetrieb deutlich schlechter, als die Schlagzeilen vermuten lassen. In einem Experiment der Princeton University steuerten verschiedene KI-Modelle 500 simulierte Tage lang ein Start-up. Nur drei davon schrieben am Ende schwarze Zahlen, und eine simple wirtschaftliche Faustregel schlug fast alle Modelle. Das ist die zentrale Beobachtung, an der sich alles Weitere messen lässt.

Diese Lücke zwischen Anspruch und Ergebnis ist kein Versagen der Technik. Sie ist der normale Reifeweg solcher Systeme. Auf die erste Begeisterung folgt die Ernüchterung, und erst danach zeigt sich, was im Alltag wirklich trägt.

Was hat das Princeton-Experiment konkret getestet?

Princeton-Forscher gaben KI-Modellen die Rolle eines Start-up-Chefs und ließen sie über 500 simulierte Tage Entscheidungen treffen. Bewertet wurde, ob am Ende ein Gewinn stand. Laut Bericht von heise online schafften das nur drei Modelle, während eine einfache Wirtschaftsregel besser abschnitt als der Großteil.

Wichtig für die Einordnung: Es handelt sich um eine Simulation, nicht um ein reales Unternehmen mit echten Kunden, Lieferengpässen und rechtlichen Zwängen. Die simulierte Umgebung reduziert Komplexität. Genau deshalb ist das schwache Abschneiden so aufschlussreich. Schon unter vereinfachten Bedingungen treffen viele Modelle über lange Zeiträume keine durchgängig tragfähigen Entscheidungen.

Warum schlägt eine simple Faustregel die meisten KI-Modelle?

Weil viele Geschäftsentscheidungen über lange Zeiträume weniger von Intelligenz als von Konsistenz leben. Eine Faustregel ändert ihre Linie nicht. Ein KI-Modell dagegen reagiert auf jeden neuen Zustand, korrigiert sich, überschätzt kurzfristige Signale und verliert über 500 Schritte den roten Faden. Stabilität schlägt Cleverness, wenn der Zeithorizont lang ist.

Das deckt sich mit einem Muster, das auch andere Tests autonomer Agenten zeigen. Modelle glänzen bei eng umrissenen, einmaligen Aufgaben. Sobald Entscheidungen aufeinander aufbauen und Fehler sich akkumulieren, bricht die Leistung ein. Ähnliche Grenzen beschreibt der Beitrag zu KI-Agenten in der Rolle des Firmenchefs und dem CEO-Bench.

Mein Eindruck als Berater: Wer aus diesem Ergebnis ableitet, KI tauge nicht für Wirtschaftsentscheidungen, zieht den falschen Schluss. Der richtige lautet: Die Aufgabe muss zur Fähigkeit passen. Eine lange Kette autonomer Führungsentscheidungen ist heute keine solche Aufgabe.

Was bedeutet das für KI als Unternehmensführung in der Praxis?

Für Unternehmen heißt es vor allem eines: KI als Unternehmensführung im Sinne vollautonomer Steuerung ist nicht der realistische Einsatzfall. Sinnvoll ist KI dort, wo Aufgaben klar abgegrenzt, häufig und messbar sind. Die strategische Verantwortung bleibt beim Menschen, der entscheidet und die Ausnahmen behandelt.

In Projekten sehe ich häufig dasselbe Missverständnis: Es wird ein autonomer Agent erwartet, gebraucht wird ein verlässlicher Assistent für Teilschritte. Konkret tragen meist diese Zuschnitte:

• Wiederkehrende Datenaufgaben wie Berichte, Auswertungen und Aufbereitung.
• Vorschläge mit menschlicher Freigabe statt selbstständiger Ausführung.
• Klar definierte Prozesse mit messbarem Ergebnis, nicht offene Führungsentscheidungen.
• Eskalation an einen Menschen, sobald der Agent auf einen unbekannten Fall trifft.

Wer prüfen möchte, wo solche abgegrenzten Aufgaben im eigenen Betrieb liegen und wie sich Agenten sauber integrieren lassen, findet im zweitägigen Praxisworkshop zum Aufbau von KI-Agenten und automatisierten Prozessen einen strukturierten Einstieg. Der Workshop ist dann interessant, wenn Sie konkrete Prozesse automatisieren wollen. Wer noch keinen klaren Anwendungsfall hat, sollte zuerst diesen finden, bevor er in Werkzeuge investiert.

Wie aussagekräftig ist das Experiment überhaupt?

Begrenzt, und das gehört zur ehrlichen Einordnung. Es handelt sich um eine einzelne Simulation in einer vereinfachten Umgebung. Zu Modellauswahl, exakten Profit-Zahlen und den genauen Aussagen der Forscher liegen derzeit keine unabhängig nachgeprüften, aktuellen Angaben vor, die über die ursprüngliche Berichterstattung hinausgehen.

Behandeln Sie das Ergebnis deshalb als Hinweis, nicht als Beweis. Es bestätigt eine Beobachtung, die andere Tests stützen, ersetzt aber keinen Test an Ihren eigenen Fällen. Eine simulierte Bilanz sagt wenig über Ihren konkreten Markt, Ihre Daten und Ihre Risiken aus.

Wer die Folgen für Tätigkeiten und Rollen breiter verstehen will, findet in der Analyse zum Wandel des KI-Arbeitsmarkts in Europa weitere Einordnung dazu, welche Aufgaben sich verschieben und welche beim Menschen bleiben.

Was sollten Führungskräfte jetzt konkret tun?

Den Anspruch an KI von der Schlagzeile auf die Aufgabe verlagern. Nicht fragen, ob KI ein Unternehmen führen kann, sondern welche wiederkehrende, messbare Teilaufgabe sie verlässlich übernimmt. Daran entscheidet sich der Nutzen, nicht an der Demo.

Drei Schritte haben sich bewährt:

1. Einen Prozess auswählen, der oft vorkommt und dessen Ergebnis sich messen lässt.
2. Die menschliche Freigabe als festen Bestandteil einplanen, gerade bei finanziellen Folgen.
3. Klein testen, das Ergebnis prüfen, dann erst ausweiten.

Für Führungskräfte, die das Thema strategisch einordnen wollen, ohne selbst zu programmieren, bietet die kompakte KI-Ausbildung für Führungskräfte von Strategie bis Umsetzung einen Rahmen. Sie ersetzt keine eigene Pilotierung, hilft aber, Erwartungen und Investitionen realistisch zu kalibrieren.

Zurück zur Ausgangsfrage

Taugt KI zur Unternehmensführung? Für die lange Kette autonomer Entscheidungen, die das Princeton-Experiment abfragt, heute nein. Für klar zugeschnittene, wiederkehrende Aufgaben innerhalb eines Unternehmens zunehmend ja, und dort spart sie real Zeit. Die entscheidende Größe ist nicht, wie clever ein Modell ist, sondern wie gut Sie die Aufgabe zuschneiden, die Sie ihm geben. Daran misst sich der Nutzen, nicht an der nächsten Simulation.