Executive Summary
Die Beobachtung
Wie viel weiß Deine Organisation eigentlich – und wie viel davon steht Dir in genau dem Moment zur Verfügung, in dem Du eine weitreichende strategische Entscheidung treffen musst?
Wer heute ein Unternehmen steuert, erlebt ein kritisches Führungsparadoxon: Während Wissensbestände in verteilten Systemen, Datenbanken und Köpfen ins Unermessliche wachsen, sinkt die tatsächliche Auskunftsfähigkeit der Organisation dramatisch. Hohe Auskunfts-Latenz, verdeckte Reibungsverluste und strategisches Wissensrisiko prägen den operativen Alltag. In der Führungspraxis manifestiert sich dieses Problem in drei wiederkehrenden Mustern. Dieselbe strategische Frage wird in unterschiedlichen Abteilungen mit widersprüchlichen Kennzahlen beantwortet. Dringende operative Entscheidungen verharren in Warteschleifen, weil sie an einzelne Schlüsselpersonen gekoppelt sind, statt auf direkt vergleichbaren Informationen zu beruhen. Und wenn erfahrene Leistungsträger das Unternehmen verlassen, erlischt ihr gewachsenes Urteilsvermögen, nicht nur ihr digitaler Aktenbestand. Kapitel 1 belegt diese Verhaltensmuster anhand konkreter Praxissituationen; als erste Basiswerte aus den laufenden Projekten stehen eine Auskunftslatenz von im Median drei bis fünf Arbeitstagen und 12 bis 19 verdeckte Widersprüche je 100 Wissenseinheiten im Raum.
Die Diagnose
Die Ursache dieser Entwicklung liegt keineswegs im Fehlen einer weiteren Softwarekategorie.
Der Markt für Dokumentenmanagement, Business Intelligence und Enterprise Search ist längst gesättigt. Es fehlt vielmehr eine funktionale Schicht zwischen den verteilten Wissensspeichern Deiner Organisation und ihrer tatsächlichen Entscheidungsfähigkeit: ein konsolidiertes, versioniertes und widerspruchsfreies Bild des eigenen organisatorischen Wissens. Klassische Systeme legen Dokumente ab, Prozesswerkzeuge modellieren Soll-Abläufe und Suchmaschinen liefern unstrukturierte Textstellen. Keines dieser Systeme stellt jedoch fest, ob zwei Aussagen einander widersprechen, welche davon aktuell Gültigkeit besitzt und wer diese Entscheidung autorisiert hat. Kapitel 4 arbeitet diese funktionale Lücke in einer systematischen Kriterienmatrix heraus und benennt die Werkzeugklasse, die sie schließt: die Organizational Intelligence Platform. Dass sich diese fehlende Schicht erst heute realisieren lässt, hat einen klaren technologischen Grund: Erst das Zusammenspiel aus Sprachmodellen zur automatisierten Extraktion und formalen Ontologien zur prüffähigen Strukturierung macht ihren Aufbau wirtschaftlich tragfähig (Kapitel 2).
Das Modell
Der Vorschlag dieses Buchs heißt Organizational Intelligence (OI): die systemische Fähigkeit eines Unternehmens, sein Wissen über sich selbst jederzeit verfügbar, widerspruchsfrei entscheidbar und unter struktureller Veränderung belastbar zu halten.
Kapitel 5 entwickelt dafür ein mehrstufiges Reifegradmodell von der unstrukturierten Datensammlung bis zur governten Entscheidungsfähigkeit. Jede Stufe ist wissenschaftlich fundiert, mit etablierten Quellen belegt und mit messbaren operativen Indikatoren hinterlegt. Der formale Kern in Kapitel 7 bleibt bewusst schlank: Die fundamentale Baueinheit bildet der Claim als einzelne, zugeschriebene Aussage über das Unternehmen. Treffen zwei gegensätzliche Claims aufeinander, entsteht ein Konfliktdatensatz, der durch eine menschliche Review-Entscheidung verbindlich aufgelöst wird. Das leitende Prinzip dieser Architektur ist strikt getrennt: Maschinen konsolidieren und halten nach, während Menschen entscheiden.
Die Beweislage – und die faktischen Grenzen
Die Beweislage dieses Buchs ist präzise umrissen. Kapitel 10 definiert sechs operative Metriken samt zugehöriger Erhebungsverfahren; die dort genannten Basiswerte sind noch vorläufig, weil die zugrundeliegenden Vorhaben und Proofs of Concept noch laufen. Kapitel 11 stellt vier anonymisierte Praxisfälle aus dem öffentlichen Sektor, der Bahntechnik, der Luftfahrt-Instandhaltung und der Pharmazeutik vor – jeweils mit ehrlichem Projektstatus, von der laufenden Systemeinführung bis zum fokussierten Proof of Concept. Das in Kapitel 12 vorgestellte vierstufige Reifegradmodell dient Dir zur eigenen Standortbestimmung; es ist theoretisch konstruiert und empirisch noch nicht abschließend validiert. Auch die zentrale Wirkungshypothese, wonach die Qualität von Entscheidungen unter Veränderung die Langfristleistung stärker prägt als reine Prozesseffizienz, bleibt eine Hypothese mit klar benannten Prüfindikatoren.
Die Praxis
Im vierten Teil übersetzen wir das theoretische Modell in konkrete unternehmerische Führungsentscheidungen. Die Referenzarchitektur in Kapitel 13 beschreibt vier herstellerunabhängige Schichten. Kapitel 14 verortet den Ansatz in der kommenden Regulierungs- und Compliance-Landschaft. Die AI Audit and Assurance Assessment Architecture (A5) des Bundesamts für Sicherheit in der Informationstechnik (BSI) verlangt prüffähige Selbstauskünfte über den betrieblichen KI-Einsatz, während der europäische Verordnungsvorschlag Cloud and AI Development Act (CADA) den Rechenort zur zentralen Einstufungsfrage erhebt. Beide Rahmenwerke betreffen direkt die Unternehmensführung: Wer den eigenen Wissensbestand als maschinenlesbare, governte Selbstauskunft führt, erzeugt regulatorische Nachweise kontinuierlich im laufenden Betrieb statt in hektischen Stichtagsprojekten. Kapitel 15 beschreibt die ersten 90 Tage unter Einbindung der Mitbestimmung ab der Scope-Entscheidung, während Kapitel 16 die betriebswirtschaftliche Kostenlogik anhand einer klar deklarierten Modellrechnung nachvollziehbar vorrechnet.
Der Diskurs
In Kapitel 17 setzen wir uns mit den sechs stärksten Einwänden auseinander und beantworten diese in ihrer schärfsten Form, einschließlich der Restfragen, die dabei offen bleiben. Kapitel 18 formuliert schließlich acht offene Forschungsherausforderungen (von der Messvalidierung bis zur Standardisierung von Nachweisformaten) als direktes Spiegelbild der acht Grundsätze unseres Manifests. Erst das präzise Ausschreiben offener Fragen etabliert ein tragfähiges Forschungsprogramm für eine neue Kategorie.
Drei Entscheidungen
Für Dich als Führungskraft verdichtet sich die Lektüre dieses Buchs auf drei pragmatische Führungsentscheidungen.
Erstens: Baseline erheben. Eine einzige Messwoche nach Kapitel 10 offenbart Dir unmittelbar, was Suchzeiten, Auskunfts-Latenz und Doppelarbeit Dein Unternehmen heute kosten.
Zweitens: Scope wählen. Fokussiere Dich auf einen abgegrenzten Bereich mit hohem Wissensrisiko und klarem Hebel, statt die Gesamtorganisation auf einmal zu überfordern (Kapitel 15).
Drittens: Rechenort entscheiden. An welchem Ort das konsolidierte Selbstwissen Deines Unternehmens rechnet und wer souveränen Zugriff darauf besitzt, wird unter CADA zu einer strategischen Souveränitätsfrage auf Vorstandsebene (Kapitel 14).