Vom Operating Model zum KI Operating Model — Was sich ändert, was bleibt, und wie man neu gestaltet

Kurzfassung. Ein Operating Model ist das kohärente System aus Strategie, Struktur, Prozessen, Menschen und Anreizen. Jay Galbraith hat diese Fünf-Elemente-Architektur vor einem halben Jahrhundert formalisiert — auch wenn sie hier und da teilweise etwas anders ausgedrückt wird, hält sie sich bis heute. Alle fünf Elemente bleiben auch unter KI entscheidend - aber: KI schreibt den Inhalt jedes einzelnen neu, weil Menschen und KI-Systeme gemeinsam Verantwortung tragen. Dieser Beitrag beschreibt das klassische Operating Model, zeigt auf, warum KI alle fünf Elemente gleichzeitig trifft und führt durch das HandsOn AI Operating Model — sechs Designdomänen auf zwei Ebenen verbunden durch das Human-AI Interface.

Die erste Folie in den meisten „AI Operating Model“-Decks, die wir zu sehen bekommen besteht aus einem Organigramm. Ein zentrales KI-Team, Berichtslinie an den CIO, gestrichelte Linien in die Geschäftsbereiche. Die Folie nennt sich KI-Operating Model. In Wirklichkeit ist sie eine Personalentscheidung mit einer dünnen Governance-Schicht darüber - das eigentliche Ziel wird verfehlt.

Ein Operating Model beschreibt das vollständige System einer Organisation: Wie Wert entsteht, wer was entscheidet, wie gearbeitet wird, wie Menschen organisiert sind, welches Verhalten belohnt wird.

Was ein Operating Model wirklich ist — lange bevor KI ins Gespräch kam

Das klassische Operating Model ist ein halbes Jahrhundert älter als KI. Jay Galbraith hat es in den 1970er-Jahren als Star-Model formalisiert — fünf ineinandergreifende Designhebel, die jede funktionierende Organisation im Gleichgewicht halten muss: Strategie, Struktur, Prozesse, Anreize, Personal. Das Modell hat aus der organisationstheoretischen Literatur den Weg in die Vorstandsetagen gefunden, weil es eine einfache und unbequeme Wahrheit fasst. Man kann nicht einen Hebel isoliert optimieren. Ändert sich die Strategie, muss die Struktur folgen. Ändert sich die Struktur, brechen die Prozesse. Ändern sich die Prozesse, läuft das Anreizsystem leer. Kohärenz über die fünf Hebel produziert Resultate. Laufen sie auseinander, sinkt die Performance — und es entsteht Handlungsbedarf.

Man kann nicht einen Hebel isoliert optimieren. Wer einen ändert, sieht die anderen der Reihe nach brechen.

Im Mittelstand begegnet uns das auch schon vor KI in einem wiederkehrenden Muster. Strategie wird auf einer Etage gemacht. Organisationsstrukturen auf einer anderen. Prozessdokumentation werden in einem Confluence-Space dokumentiert, den niemand liest. Solange die Elemente des Operating Models nicht gemeinsam gestaltet sind, läuft die Organisation nicht rund. Wir halten fest: Schon vor dem KI-Zeitalter bestand die Herausforderung darin, die fünf Elemente sauber zu vereinen.

Warum KI alle fünf Elemente gleichzeitig trifft

KI stellt nun das ganze System auf die Probe. Wird KI in ein Operating Model eingeführt, das für reine Mensch-Mensch Beziehungen gedacht war, hat dies Einfluss auf alle Elemente.

Strategie. Das Galbraith-Modell unterstellt, Strategie beantworte die Frage „Where to Play? How to Win?“. KI ist eine Variable, die das Spielfeld nun breiter macht. Welchen Einfluss hat KI auf das Geschäftsmodell und die Wertschöpfung der Organisation? Was will die Organisation mit KI tatsächlich erreichen? Und vor allem: Wie autonom soll KI in der Organisation agieren? In Kürze: Was automatisieren wir auf welcher Autonomiestufe?

Struktur. Traditionelle Struktur ist eine Funktion von Berichtslinien und Leitungsspanne. KI bringt ein strukturelles Objekt hinein, das kein vor-KI-Operating-Model je berücksichtigen musste: ein System, das Entscheidungen trifft, ohne notwendigerweise an jemanden zu berichten. Bei Strukturentscheidungen spielt sowohl die Strategie als auch der aktuelel Reifegrad einer Organisation eine große Rolle: Ein zentrales KI-Center-of-Excellence baut Kompetenz auf, kann in der Skalierung aber schnell zum Bottleneck werden. Ein komplett föderales Modell produziert dahingegen schnell inkonsistente Standards und das Risiko für Governance-Lücken steigt. Wie KI strukturell in der Organisationsstruktur verankert wird ist keine triviale Entscheidung.

Prozesse. Prozesse in einem vor-KI-Operating-Model sind durch menschliche Übergaben definiert. Jede Übergabe hat bestenfalls einen Verantwortlichen, einen Qualitätscheck, einen Eskalationspfad. KI in diese Übergaben als Helferin einzufügen ist das häufigste Adoptionsmuster — und hebt nur 10–20% des verfügbaren Werts. Der eigentliche Wert steckt im Redesign eines Prozesses, nicht im Overlay.

Menschen. Das vor-KI-Operating-Model fragte „Wer kann diese Arbeit machen?“. Das KI-Operating-Model muss die härtere Frage beantworten: Wer kann Arbeit beaufsichtigen, die ein KI-System ausführt, und auf welcher Autonomiestufe? Das sind unterschiedliche Jobs. Die Supervisorin, die jedes Ergebnis prüft, braucht evaluatives Urteilsvermögen. Die Supervisorin, die auf Systemebene überwacht, braucht statistisches Denken und das Urteilsvermögen, um Ausnahmen zu bewerten. Die meisten KI-Literacy-Programme unterscheiden das nicht und produzieren generische Awareness statt kalibrierter Kompetenz.

Anreize. Das Anreizsystem im klassischen Operating Model koppelt individuelle Anreize an Organisationsergebnisse. KI macht diese Kopplung schwerer. Wenn ein KI-System das Ergebnis beeinflusst und ein Mensch auf das Ergebnis incentiviert wird, löst sich der Anreiz von der Arbeit ab, die der Mensch tatsächlich steuern kann. Kaum eine Organisation hat hierfür bereits eine Antwort gefunden.

Die Pointe: Die Kohärenz über alle fünf Galbraith-Elemente bricht gleichzeitig. Deshalb überlebt eine „KI-Strategie“ ohne Operating-Model-Arbeit selten den Kontakt mit dem Regelbetrieb.

Die HandsOn-Antwort: zwei Ebenen, sechs Domänen, ein Kern

Das HandsOn AI Operating Model ist eine zweckgebaute Erweiterung des Operating-Model-Konzepts für KI-fähige Organisationen. Es baut unter anderem direkt auf Galbraiths Modell auf. Was sich ändert: Es gibt sechs Domänen, mit einem zentralen Designobjekt als verbindendes Element — dem Human-AI Interface.

Das Modell ist in zwei funktionalen Ebenen und sechs Designdomänen organisiert, mit dem Human-AI Interface im Zentrum. Der Foundation Layer (D01 Strategy & Value Architecture, D02 Organizational Structure, D03 System Governance) ist, was die Führung architektonisch von oben festlegt — die Entscheidungen, die das System für alle darunter prägen. Der Activation Layer (D04 Decision Architecture, D05 Process & Workflow Architecture, D06 Capabilities & Culture) ist, was Menschen in ihrer täglichen Arbeit erleben. Im Zentrum, verbunden mit jeder Domäne, liegt das Human-AI Interface.

Die methodische Grundlage ist explizit: Galbraiths Star-Model, die Center-Led-Strukturen von Kates und Kesler, Worrens axiomatische Designprinzipien — erstmals in den KI-nativen Kontext übertragen.

Der Foundation Layer: was die Führung architektonisch festlegt

Der Kern: das Human-AI Interface

Jede KI-Bereitstellung erzeugt eine Schnittstelle — den Punkt, an dem menschliches Urteil endet und KI-Handlungsfähigkeit beginnt. Wo diese Schnittstelle liegt, wie sie gesteuert wird und wer auf jeder Seite die Verantwortung trägt, ist die eine Frage, für die kein vor-KI-Operating-Model je entworfen wurde. Das Human-AI Interface ist der Name, den HandsOn diesem Designobjekt gibt.

Das Human-AI Interface (HAI) gliedert sich in vier Designfragen:

Jeder KI-fähige Entscheidungstyp sitzt auf einer von vier Autonomiestufen: Kritischer Konsument (L1 — KI empfiehlt, Menschen entscheiden jedes Mal), Beaufsichtigter Ausführer (L2 — KI führt aus, Menschen prüfen Stichproben und behandeln Ausnahmen), Überwacht Autonom (L3 — KI läuft durchgehend innerhalb der Policy, Menschen überwachen auf Systemebene), Human-in-the-Exception (L4 — KI orchestriert mehrstufige Workflows, Menschen greifen nur bei Eskalationen ein). Die Stufe ist eine Designentscheidung mit Folgewirkungen auf Kosten und Kompetenz, keine Präferenz. Organisationen, die das Human-AI Interface als erstklassiges Designobjekt behandeln — mit benannter Verantwortung, dokumentierten Grenzen, definierter Autonomiestufe je Entscheidungstyp — kommen vom Piloten in den Regelbetrieb.

Der Activation Layer: was Menschen im Alltag erleben

Warum es absichtlich keine Technologie-Domäne gibt

Das Framework lässt eine „Technologie“-Domäne absichtlich weg. Der Grund ist strukturell. Designdomänen sind die Stellen, an denen organisatorische Entscheidungen organisatorisches Verhalten formen. Technologie ist, wo diese Entscheidungen instanziert werden — notwendige Infrastruktur, wie Strom oder Enterprise Architecture, aber keine Designdomäne für sich. Technologie zu einer Domäne zu machen lädt exakt den Fehler ein, den die meisten KI-Transformationen heute machen: erst die Technikarchitektur entwerfen, dann das Operating Model drumherum stricken. Das Modell setzt die Organisation an die erste Stelle, die Technologie an die zweite — genau das, was die belastbarsten Studien sagen, dass funktioniert.

Das BCG-AI-Radar 2026, mit 2.400 Führungskräften in 16 Märkten, findet dieselbe Asymmetrie: Nur 15% der CEOs koppeln KI-Investition an organisatorische Transformation. Die anderen 85% investieren in KI ohne Redesign — und laufen genau in diesen Fehler offen hinein.

Montagmorgen: drei Entscheidungen, die aus einem Framework ein Operating Model machen

Ein Framework wird erst zum Operating Model, wenn ein Bündel ineinandergreifender Führungsentscheidungen getroffen und gelebt wird — Entscheidungen, auf denen die Organisation tatsächlich läuft. Drei Entscheidungen machen diesen Übergang konkret.

Keine dieser drei Entscheidungen braucht neue Technologie. Alle drei sind günstiger jetzt als nach dem ersten regulatorischen Vorfall.

Wrap up

Ein AI Operating Model ist die kohärente Neugestaltung von Strategie, Struktur, Prozess, Menschen und Anreizen um ein zentrales Designobjekt, das das vor-KI-Operating-Model nicht hatte: das Human-AI Interface. Galbraiths fünf Elemente gelten weiter. Was sich ändert: Die Kohärenz zwischen ihnen läuft jetzt durch die Grenze, an der menschliches Urteil endet und KI-Handlungsfähigkeit beginnt.

Ein einfacher Test. Nehmen Sie ein beliebiges KI-System, das heute produktiv läuft, und stellen Sie vier Fragen: Auf welcher Autonomiestufe läuft es? Wer ist verantwortlich? Wie lernt es? Was sind seine Grenzen? Liegen diese vier Antworten nicht an einem Ort, mit benannten Personen dahinter, läuft KI in dieser Organisation weiter auf einem Operating Model, das für eine andere Epoche entworfen wurde.

Zwei konkrete nächste Schritte, je nachdem, wo Sie sitzen. Wenn Sie Strategie, Transformation oder das KI-Portfolio führen: Nehmen Sie die fünf größten KI-Initiativen, bilden Sie jede gegen die sechs Domänen des HandsOn AI Operating Model ab und identifizieren Sie die schwächste Domäne. Diese Karte ist der Startpunkt eines Redesigns. Wenn Sie auf Vorstands- oder Aufsichtsratsebene sitzen: Setzen Sie die drei Montagmorgen-Entscheidungen auf die Agenda der nächsten zwei Zyklen. Human-AI-Interface-Register. Strukturmodell. Klassifikations-Governance-Protokoll.