Was „neu denken" wirklich heißt

Herzlich Willkommen zu den AI FIRST Insights! Im KI-Bereich hörst du einen Satz in jeder zweiten Keynote: „Beschleunige nicht das Bestehende, denk die Dinge neu.“

Ich habe diesen Satz selbst oft gesagt. Erst vor Kurzem ist mir aufgefallen, wie schwer er eigentlich zu greifen ist: Neu denken heißt ja, dass am Ende etwas steht, das es so vorher nicht gab – und wie das geht, sagt einem niemand.

Wir haben mit KI lange vor allem beschleunigt, was schon da war. Inzwischen haben wir zweimal wirklich neu gedacht: Anfang des Jahres unsere internen Prozesse, jetzt gerade unser Geschäftsmodell. Dabei habe ich ein Muster erkannt, wie wir das tun – und wann es sich lohnt.

Darum geht es heute.

Los geht's!

Wir haben beschleunigt, was schon da war

AI FIRST war von Anfang an auf Geschwindigkeit gebaut. Am deutlichsten haben wir das intern gelebt: Wir hatten uns über die Zeit ein Team aus 25 KI-Agenten aufgebaut und in unser Organigram integriert, um mit kleinem Team vielfach pro Jahr zu wachsen. Jeder Agent hat Zeit gespart, und weil wir es ja so einfach können, jetzt mit KI, kam ständig ein neuer dazu.

Rückblickend war das genau das, wovor der Keynote-Satz warnt: Jeder Agent hat einen Prozess schneller gemacht, den es vorher schon gab.

Dieselbe Arbeit, dieselbe Org-Struktur, nur mit KI drin. Von innen fühlte es sich trotzdem an, als würden wir ganz vorne mitspielen.

Die Friktion kam schleichend, und sie sah lange gar nicht wie ein großes Problem aus.

Eher wie viele kleine:

Jede Änderung an einem Prozess musste ich in mehreren Agenten-Briefings einzeln nachziehen.
Wenn ein Agent einen Fehler machte, machte er ihn beim nächsten Mal wieder, weil das Learning nirgendwo hinfließen konnte.
Neuer Kontext, etwa eine aktualisierte Produkt-Doku, musste jedem Agenten einzeln zugänglich gemacht und erklärt werden.

Für jedes dieser Probleme gab es eine naheliegende Lösung, und mit KI war jede davon schnell gebaut. Also haben wir weiter beschleunigt, Symptom für Symptom, und hatten dabei durchgehend das Gefühl, produktiv zu sein.

Unser Betriebssystem neu denken

Anfang des Jahres musste ich mir eingestehen, dass unser Experiment der hybriden Organisation mit “KI-Mitarbeitern” gescheitert war.

Also habe ich eine andere Frage gestellt: Welches Problem muss ich lösen, damit die anderen von der Liste verschwinden?

Die Antwort fand ich nicht in besseren Agenten, Workflows, Tools oder “KI-Führungskräften”.

Ich musste eine Ebene tiefer graben: Wir hatten KI in die Rolle eines Mitarbeiters gesteckt und uns damit alle Nachteile menschlicher Organisationen eingekauft. Jeder Agent war ein Silo mit eigenem Briefing und eigenem Wissen, wie Kollegen, zwischen denen Übergaben und Einarbeitung nötig sind. Deshalb musste ich jede Änderung x-mal machen, und deshalb lernte das Setup nichts dazu.

Als das klar war, konnten wir zerlegen. Was steckte eigentlich in diesen 25 Agenten?

Prozesswissen
Kontext über unsere Firma
Regeln
Zugriff auf Tools

Alles Komponenten, die wir sowieso brauchen. Sie waren nur falsch angeordnet: 25-mal dupliziert statt einmal zentral. Wenn KI so arbeiten soll wie wir, dann braucht sie Zugriff auf dieselben Prozesse, Daten, Regeln und Tools, die auch wir kennen – einmal im System, statt in jeden Agenten kopiert.

Also haben wir dieselben Komponenten neu zusammengebaut: unsere Abläufe als dokumentierte Skills (heute sind es 100+), unser gesamter Kontext maschinenlesbar an einem Ort, klare Regeln, zentraler Zugriff auf unsere Systeme, dazu eine Feedback-Datenbank, in die jedes Learning zurückfließt. Daraus ist unser KI-Betriebssystem entstanden, das ich dir in dieser Ausgabe im Detail beschrieben habe.

Wir haben dafür fast nichts Neues erfunden, nur Bestehendes anders angeordnet.

Und genau da habe ich zum ersten Mal verstanden, was „neu denken“ wirklich bedeutet: Das Ergebnis war eine Struktur, die es in dieser Form vorher nirgends gab – obwohl jedes einzelne Teil schon da war. Das war die Erkenntnis für mich, dass wir unser Unternehmen so umbauen müssen, dass KI optimal darin arbeiten kann.

Die Frage, wie KI für uns arbeitet, war neu beantwortet.

Unseren Service neu denken

Jetzt, ein halbes Jahr später, stehen wir wieder an so einem Punkt – diesmal bei unseren Services, die nach demselben Prinzip gewachsen sind: 2024 mit Trainings und Workshops gestartet, daraus wurde das Enablement-Programm, dann kam das AI Collective dazu, später die School. Jeder neue Service hat auf einen echten Kundenbedarf reagiert, jeder hat funktioniert. Bis heute wachsen alle drei stark und wir müssen die meisten Anfragen ablehnen.

Der Hauptgrund ist, dass wir mit einem kleinen Team im Kern drei unterschiedliche Geschäfte führen:

Community
Consulting & Training
eLearning

Jedes der drei Geschäfte braucht sein eigenes Go-to-Market, seine eigene Delivery, seine eigene Produktentwicklung. Auch hier gäbe es eine lange Liste an Baustellen, die wir abarbeiten könnten, um jeden Service zu verbessern.

Zum Beispiel muss jeder Inhalt heute für Enablement, Collective und School dreimal unterschiedlich adaptiert werden – eine Content-Pipeline, die das automatisch erledigt, hätten wir an einem Wochenende stehen. Nur würde keine dieser Lösungen die eigentliche Frage beantworten:

Wie entkoppeln wir unseren Wert von der verfügbaren Zeit?

Im aktuellen Modell heißt Wachstum vor allem, mehr Menschen einzustellen. Egal wie gut unser KI-Betriebssystem wird, stoßen wir an Grenzen. Also denken wir unser Geschäftsmodell neu: Wir zerlegen es in seine Bausteine – das Problem, das unsere Kunden lösen wollen, das Wissen, mit dem wir es lösen, die Form, in der wir es liefern, und den Weg, über den Kunden zu uns finden – und bauen es neu zusammen.

Schon jetzt zeichnet sich ab, dass die Antwort tiefer geht als neue Formate, schlauere Prozesse oder ein viertes Produkt: Agentische Fähigkeiten gehören in den Kern unseres Service. Wir haben KI beigebracht, unsere Prozesse auszuführen. Jetzt bringen wir ihr bei, unseren Service in der gleichen Qualität zu liefern.

Wie neu denken bei uns abläuft

Wir haben in 6 Monaten unser Betriebssystem und unseren Service neu gedacht.

Beim zweiten Mal habe ich gesehen, dass unser Neu-Denken einem wiederholbaren Muster folgt. Wahrscheinlich ist es das, was man “First-Principles-Denken” nennt. Wir haben nur lange gebraucht, um es bewusst anzuwenden.

Bei uns läuft der Denkprozess in drei Schritten ab:

Fragen, was wirklich gelöst werden muss: Bei Entscheidungen, an denen viel hängt, arbeiten wir die sichtbare Problemliste bewusst nicht ab. Stattdessen fragen wir: Welches Problem muss gelöst werden, damit die anderen von der Liste verschwinden? Der Test ist konkret: Wäre dieses eine Problem gelöst, welche der anderen Punkte wären dann noch da? Wir drillen extrem tief, bis der Problemkern freigelegt ist.
Zerlegen bis auf den Kern: Wir nehmen die Sache auseinander und fragen bei jedem Teil: Braucht es das wirklich, oder ist es nur “so macht man das halt”? Bei unseren 25 Agenten hieß das: jeden einzelnen aufmachen und schauen, was drinsteckt. Übrig blieben vier Bausteine – Prozesswissen, Firmenkontext, Regeln, Tool-Zugriff – und keiner davon musste 25-mal existieren.
Neu zusammenbauen: Aus den Bausteinen bauen wir die Struktur, die das Kernproblem löst – meistens ohne ein einziges neues Teil. Bei uns: dieselben vier Bausteine, aber einmal zentral im System statt 25-mal kopiert. Genau daraus ist das KI-Betriebssystem entstanden.

Genauso wichtig ist, wo wir auf Optimierung des Bestehenden setzen.

Neu denken kostet Fokus und stellt Dinge infrage, die meistens irgendwie funktionieren (mal mehr, mal weniger). Wir ziehen das Muster nur an zwei Stellen: wenn an einer Entscheidung viel hängt, oder wenn die Liste der kleinen Probleme trotz fleißigen Lösens immer weiter wächst. Das zweite ist das zuverlässigste Signal, das ich kenne.

Wenn du Symptome behandelst und die Liste trotzdem länger wird, liegt das Problem in der Struktur darunter.

Warum das mit KI wichtiger wird

Warum Neu-Denken so wichtig ist, ist mir erst jetzt so richtig bewusst geworden. Umsetzungskraft war nie unser Problem. Wir haben durch KI mehr davon als je zuvor – und genau sie hat die vielen kleinen Baustellen erzeugt.

Vor KI hatte das Arbeiten am falschen Problem eine natürliche Bremse: Umsetzung war teuer. Wenn ein Projekt Wochen kostet, überlegst du automatisch zweimal, ob es das richtige ist. Der Aufwand hat uns zum Nachdenken gezwungen, ganz ohne Disziplin.

Diese Bremse ist weg. Wir bauen heute an einem Nachmittag Dinge, für die wir vor zwei Jahren Wochen gebraucht hätten – und jede Idee, die sofort baubar ist, wird eben auch gebaut. So sind unsere 25 Agenten entstanden, und so sind auch unsere drei Geschäfte entstanden. Nichts hat uns mehr gezwungen zu prüfen, ob wir am richtigen Problem arbeiten. Beschleunigen ist zum Default geworden, weil es nichts mehr kostet – neu denken kostet weiterhin dasselbe wie immer: die Bereitschaft, eine funktionierende Struktur infrage zu stellen.

Das ist die Erkenntnis, die erst jetzt richtig bei mir eingesunken ist: KI hat den Engpass verschoben, von der Umsetzung in die Entscheidung, was umgesetzt wird. Wer am falschen Problem arbeitet, baut es heute in Rekordgeschwindigkeit groß. First-Principles-Denken ist für uns der Ersatz für die weggefallene Bremse – deshalb investieren wir inzwischen mehr Zeit in die Wahl des Problems als in seine Lösung.

Wenn du das ausprobieren willst: Nimm dir die nächste Entscheidung vor, an der viel hängt, und geh die drei Schritte oben einmal bewusst durch, bevor du irgendetwas baust. Der Neuaufbau geht danach überraschend schnell, weil du weißt, wofür jedes Teil da ist.

Die Zerlegung selbst machen wir fast immer mit KI als Sparringspartner. Sie ist erstaunlich gut darin, hinter einer Liste aus Symptomen die gemeinsame Wurzel zu finden, gerade weil sie nicht an unserer eigenen Geschichte hängt.

Den First-Principles-Skill, den wir dafür nutzen, findest du kostenlos in unserem Hub First-Principles-Skill

Fazit

Wenn ich unsere letzten zwölf Monate auf wenige Sätze eindampfe, bleibt das hier übrig:

Wir haben lange geglaubt, wir denken neu. Tatsächlich haben wir das Bestehende beschleunigt: KI in alten Strukturen.
Neu denken heißt selten, etwas zu erfinden. Bei uns heißt es: zerlegen, bis der Kern sichtbar ist, und aus denselben Teilen eine Struktur bauen, die es so noch nicht gab.
Es lohnt sich nur an wenigen Stellen: bei Entscheidungen mit Gewicht, und wenn die Problemliste trotz Lösens weiter wächst.
KI hat den Engpass verschoben: von der Umsetzung zur Entscheidung, was umgesetzt wird.
Je billiger das Bauen, desto teurer das falsche Problem.

Am meisten überrascht hat mich, dass sich neu denken von innen gar nicht spektakulär anfühlt. Es beginnt mit einer unbequemen Frage an etwas, das noch funktioniert. Vielleicht gibt es das bei dir auch: eine Struktur, die so gewachsen ist, dass du sie längst als gegeben nimmst.

Nächste Woche erzähle ich dir, was aus dem neu zusammengebauten Setup konkret geworden ist: wie wir Prozesse heute als Systeme bauen, die mit jeder Wiederholung besser werden.

Bis dann,

Felix