KI entwertet nicht Organisationsberatung. Sie entwertet schlechte Organisationsberatung.

Wenn künstliche Intelligenz Dokumente liest, Muster erkennt und in Minuten Diagnosen formuliert, für die Berater früher Tage brauchten, gerät ein Geschäftsmodell ins Wanken. Das muss keine schlechte Nachricht sein. Vielleicht zeigt uns KI gerade ziemlich schonungslos, worin der Wert guter Organisationsberatung tatsächlich liegt.

Die Mail kam, bevor wir richtig angefangen hatten.

Im Anhang: eine ziemlich präzise Analyse der Organisation, über die wir uns gerade Gedanken machen sollten. Ein Team von rund 17 Menschen, zu viele Abstimmungsschleifen, unklare Verantwortlichkeiten, Prozesse, die mehr Energie banden als freisetzten.

Und mittendrin ein vor einigen Jahren eingeführtes agiles Organisationsdesign, das inzwischen offenbar mehr Bürokratie produzierte als Nutzen – intern allerdings ungefähr den Status einer heiligen Kuh genoss.

Das Bemerkenswerte daran war nicht, dass die Kundin eine Meinung hatte. Kunden haben Meinungen. Dafür braucht es noch keine künstliche Intelligenz.

Bemerkenswert war die Qualität der Analyse.

Sie war strukturiert, differenziert und unangenehm treffend. Vieles von dem, was dort stand, hätten auch wir nach einer gründlichen Organisationsanalyse formuliert. Nur vermutlich nicht innerhalb eines Nachmittags.

Wir wissen nicht sicher, wie die Analyse entstanden war. Unsere Vermutung lag allerdings nahe: Rund hundert Seiten interne Dokumente plus unser Analysekonzept, das wir mit der Abgabe unseres Angebots als „Projektskizze“ an den Kunden verschickt hatten, waren offenbar auf einen ziemlich leistungsfähigen digitalen Kollegen getroffen.

Meine erste Reaktion war: Respekt.

Meine zweite war etwas weniger entspannt.

Denn wenn eine KI innerhalb kürzester Zeit einen erheblichen Teil dessen erledigt, wofür Organisationsberater bislang Tage oder Wochen gebraucht haben, dann berührt das nicht nur unsere Arbeitsweise. Es berührt unser Geschäftsmodell.

Und vielleicht auch ein Selbstbild, das in der Beratungsbranche erstaunlich hartnäckig gepflegt wird: Wir sehen etwas, was der Kunde noch nicht sieht. Und genau dafür werden wir bezahlt.

Nur: Was, wenn der Kunde es längst sieht? Oder wenn er es sich von einer Maschine in zehn Minuten zeigen lassen kann?

Dann lautet die interessante Frage nicht mehr, ob KI Organisationsberatung ersetzen kann, sondern etwas unbequem:

Welcher Teil von Organisationsberatung war eigentlich jemals sein Geld wert?

Die schlechte Nachricht: KI kann ziemlich viel von dem, wofür Berater bezahlt werden

Man könnte sich die Sache jetzt angenehm machen.

Man könnte sagen, eine KI verstehe eben keine Organisation. Sie kenne keine Machtspiele, keine informellen Erwartungen, keine Geschichte, keine verletzten Eitelkeiten. Sie könne Texte zusammenfassen, aber keine Unternehmenskultur begreifen.

Und überhaupt: Am Ende brauche es doch immer den Menschen. Das wäre sicherlich auch alles nicht ganz falsch. Und gleichzeitg so etwas wie eine Beruhigungstablette für eine gewissen Art von Anspannung, die auch an Beratung nicht einfach so vorbeizieht.

Denn bevor wir darüber sprechen, was KI nicht kann, sollten wir anerkennen, was sie inzwischen sehr wohl kann.

Sie kann große Mengen an Dokumenten in erstaunlicher Geschwindigkeit verarbeiten. Sie kann Widersprüche markieren, Muster verdichten, Hypothesen entwickeln, Perspektiven gegeneinanderstellen und daraus eine sprachlich überzeugende Problembeschreibung formulieren.

Und sie wird dabei weder müde noch ungehalten, wenn auf Seite 73 der Prozessdokumentation der Begriff „End-to-End-Verantwortung“ zum fünften Mal etwas anders definiert wird.

Das ist für Beratung kein Nebenschauplatz.

Ein erheblicher Teil klassischer Beratungsarbeit besteht genau darin: Informationen einsammeln, strukturieren, verdichten und daraus einen Unterschied zwischen vorher und nachher produzieren.

Vorher besitzt der Kunde hundert Seiten Material. Hinterher besitzt er zwanzig Seiten Erkenntnis.

Dieses Geschäftsmodell hat lange ziemlich gut funktioniert.

KI macht nun sichtbar, dass nicht jede Form von Verdichtung automatisch eine knappe Ressource ist.

Wie relevant das inzwischen ist, zeigt ein Feldexperiment mit 758 Wissensarbeitern der Boston Consulting Group. Bei 18 realitätsnahen Aufgaben, die innerhalb der damaligen Leistungsgrenze von GPT-4 lagen, erledigten die Teilnehmenden mit KI-Unterstützung durchschnittlich 12,2 Prozent mehr Aufgaben und waren 25,1 Prozent schneller. Gleichzeitig stieg die Qualität ihrer Ergebnisse.

Bei einer komplexen Managementaufgabe außerhalb dieser Leistungsgrenze kehrte sich der Effekt allerdings um: Mit KI waren die Teilnehmenden 19 Prozent weniger wahrscheinlich auf der richtigen Spur.

Die Forschenden sprechen von einer „jagged technological frontier“ – einer zerklüfteten technologischen Grenze.

KI ist also nicht einfach intelligent oder unintelligent. Sie ist bei manchen Aufgaben verblüffend stark und bei anderen überraschend unzuverlässig, obwohl beide für Menschen ähnlich anspruchsvoll wirken.

Für Beratung sind beide Befunde interessant.

Der erste bedeutet: Wir werden für bestimmte Analysearbeiten schlicht weniger Zeit brauchen. Es wäre eine eigenartige Form beruflicher Nostalgie, eine Aufgabe weiterhin in drei Tagen erledigen zu wollen, wenn sie in drei Stunden mindestens genauso gut erledigt werden kann.

Der zweite Befund bedeutet aber ebenfalls etwas:

Eine KI kann nicht nur sehr überzeugend richtig liegen.

Sie kann auch sehr überzeugend falsch liegen.

Und damit verschiebt sich professionelle Kompetenz.

Der Wert eines Beraters besteht dann immer weniger darin, schneller als andere Informationen zusammenfassen zu können.

Der Wert von Beratung liegt dann vielmehr in der Beurteilungskompetenz, welcher Analyse man trauen sollte, welche Hypothese relevant ist und an welchem Punkt eine elegante Erklärung lediglich ein elegant formulierter Irrtum ist.

Auch in unserem Fall war die Analyse der Kundin gut. So gut, dass es absurd gewesen wäre, so zu tun, als läge sie nicht auf dem Tisch, nur weil eigentlich wir für die Analyse beauftragt werden sollten.

Vielleicht ist das die erste Zumutung der KI für unsere Branche:

Sie zwingt uns, die Arbeit des Kunden nicht noch einmal zu machen und dafür eine Rechnung zu schreiben.

Und anschließend zu der weit interessanteren Frage:

Was tun wir eigentlich, wenn die Analyse schon da ist?

Eine Diagnose verändert noch keine Organisation

Organisationen sind merkwürdige Gebilde.

Sie können ziemlich genau wissen, dass etwas nicht funktioniert – und es trotzdem jeden Montagmorgen zuverlässig wieder tun.

Sie wissen, dass es zu viele Meetings gibt. Also gründen sie eine Arbeitsgruppe zur Reduktion von Meetings.

Sie wissen, dass Verantwortlichkeiten unklar sind. Also formulieren sie neue Rollenbeschreibungen, die anschließend niemand liest.

Sie wissen, dass Entscheidungen zu langsam getroffen werden. Also führen sie ein neues Entscheidungsverfahren ein, das zunächst in drei Workshops abgestimmt werden muss.

Man könnte darüber lachen. Wenn es nicht so normal wäre.

Genau hier liegt eine Grenze, die in vielen Diskussionen über KI und Beratung erstaunlich wenig vorkommt:

Erkenntnis ist weder eine organisationale Fähigkeit, noch eine technische.

Ein einzelner Mensch kann ein Problem verstehen. Ein Führungsteam kann einem Analysebericht zustimmen. Eine ganze Belegschaft kann in einer Mitarbeiterbefragung ziemlich präzise beschreiben, wo es hakt.

Trotzdem folgt daraus noch keine Veränderung.

Im Gegenteil: Manchmal macht mehr Erkenntnis die Sache zunächst nur unangenehmer.

Wer klarer sieht, aber strukturell nichts verändern kann, ist nicht automatisch handlungsfähiger. Er ist erst einmal besser informiert über die eigene Handlungsunfähigkeit.

Im Ausgangsfall war genau das interessant. Die Analyse identifizierte eine Form von Hyperbürokratisierung und verwies auf ein agiles Organisationsdesign, das sich im Laufe der Jahre offenbar zu einer kaum noch hinterfragbaren institutionellen Selbstverständlichkeit entwickelt hatte.

Damit war das Problem benannt. Bearbeitet war es noch lange nicht.

Die relevante Fragestellung ist nicht: Ist dieses Organisationsdesign dysfunktional?

Das war mittlerweile mehr als offensichtlich – wenn auch unausgesprochen. Die wirklich interessante Frage lautet:

Warum hält eine Organisation an etwas fest, das erkennbar dysfunktional geworden ist?

Vielleicht, weil das Modell einmal eine sinnvolle Antwort auf ein reales Problem war. Vielleicht, weil Rollen und Zuständigkeiten daran hängen. Vielleicht, weil es Sicherheit erzeugt.

Vielleicht, weil niemand derjenige sein möchte, der eine etablierte Logik infrage stellt. Vielleicht auch, weil eine Abschaffung neue Konflikte sichtbar machen würde, die das bestehende Arrangement bislang recht zuverlässig verdeckt.

Organisationen bestehen eben nicht nur aus Strukturen.

Sie bestehen auch aus Erwartungen darüber, wer entscheiden darf, welche Konflikte legitim sind, was man sagen kann – und welche Themen man besser noch einmal in eine Projektgruppe verschiebt.

Genau deshalb kann man eine Organisation nicht verändern wie eine defekte Maschine.

Wenn bei einer Maschine das falsche Zahnrad identifiziert ist, tauscht man es aus.

In Organisationen sitzt das Zahnrad häufig mit im Lenkungskreis.

Und es hat gute Gründe, dort zu sitzen.

Das ist der Punkt, an dem auch die beliebte medizinische Metapher von Diagnose und Therapie an ihre Grenzen kommt.

Eine Organisation ist kein Patient, der nach einer zutreffenden Diagnose vernünftig seine Medikamente nimmt. Sie produziert viele jener Bedingungen selbst, unter denen ihr Problem überhaupt stabil bleibt.

Oder zugespitzter:

Organisationen leiden selten einfach nur an ihren Problemen. Häufig profitieren sie auch von ihnen.

Ein umständlicher Abstimmungsprozess verlangsamt Entscheidungen – und verteilt gleichzeitig Verantwortung.

Eine unklare Zuständigkeit ist ineffizient – und kann Konflikte vermeiden.

Ein Ritual nervt – und gibt Orientierung.

Eine heilige Kuh kann teuer sein – und trotzdem Frieden stiften.

Wer nur die Dysfunktion sieht, übersieht die Funktion.

Und wer die Funktion übersieht, wird mit seiner vermeintlich richtigen Lösung womöglich genau jene Stabilität angreifen, die das Problem bislang überlebensfähig gemacht hat.

KI kann uns sehr gut dabei helfen, solche Muster zu entdecken.

Veränderung beginnt jedoch nicht dort, wo ein Muster erkannt wurde.

Sie beginnt dort, wo eine Organisation sich mit der Frage beschäftigt, warum sie dieses Muster bisher gebraucht hat.

Das ist ein anderer Arbeitsauftrag. Und meistens der schwierigere.

Beratung beginnt dort, wo die richtige Antwort nicht reicht

Nehmen wir noch einmal unseren Fall.

Angenommen, die Diagnose stimmt: zu viele Schleifen, zu viel Absicherung, zu wenig klare Verantwortung.

Ein agiles Organisationsdesign, das einmal nützlich gewesen sein mag, hat sich verselbstständigt und produziert inzwischen vor allem Bürokratie.

Was macht man jetzt?

Man könnte das agile Organisationsdesign abschaffen.

Vielleicht wäre das sogar die Empfehlung einer KI, wenn die Datenlage eindeutig genug ist. Oder eines Beraters, der für die Abschlusspräsentation am Freitag noch eine griffige Maßnahme braucht.

Nur sitzt am Montag niemand in einer Organisation und setzt „die Organisation“ um.

Dort sitzen Menschen. Mit Rollen, Erfahrungen, Interessen, Befürchtungen und ziemlich genauen Vorstellungen davon, was passiert, wenn bestimmte Regeln plötzlich nicht mehr gelten.

Der eine profitiert davon, dass Entscheidungen über seinen Tisch laufen. Die andere hat erlebt, was geschieht, wenn Verantwortung tatsächlich eindeutig wird.

Ein Dritter hält den Prozess für absurd und weiß zugleich, dass er ihm seit drei Jahren zuverlässig den Rücken freihält.

Und irgendwo im Raum sitzt womöglich jemand, der das Modell damals eingeführt hat.

Man muss kein Tiefenpsychologe sein, um zu ahnen, dass der Satz „Die KI empfiehlt, das abzuschaffen“ allein noch keine Veränderungsenergie erzeugt.

Vielleicht sogar das Gegenteil.

Genau deshalb ist Organisationsberatung für mich keine Fortsetzung der Analyse mit anderen Mitteln.

Sie beginnt dort, wo die richtige Antwort auf eine soziale Wirklichkeit trifft, die gute Gründe hat, nicht sofort danach zu handeln.

Dann geht es um andere Fragen.

Was passiert gerade im Raum?

Welche Erklärung erzeugt Zustimmung, welche Abwehr?

Welcher Konflikt wird sichtbar, sobald wir eine Struktur infrage stellen?

Wer sagt nichts – und warum ist dieses Schweigen womöglich interessanter als drei engagierte Wortmeldungen?

Wann hilft eine Zuspitzung?

Wann braucht es Entlastung?

Und wann sollte ein Berater besser für zehn Minuten den Mund halten?

In unserer Diskussion über den Fall haben wir dafür den etwas sperrigen, aber treffenden Begriff der „3D-Beobachtung“ benutzt: nicht nur auf das Gesagte zu schauen, sondern gleichzeitig Reaktionen, Dynamiken, Koalitionen und Irritationen wahrzunehmen.

Das könnte man nun als menschliche Restkategorie behandeln.

Die Maschine macht das Intelligente, der Mensch kümmert sich ums Zwischenmenschliche.

Ich halte diese Hierarchie für falsch.

Denn in Organisationen ist das Soziale nicht der weiche Rest nach der eigentlichen Arbeit.

Das Soziale ist ein erheblicher Teil der eigentlichen Arbeit.

Eine Entscheidung wird erst dann organisational relevant, wenn weitere Entscheidungen daran anschließen. Eine neue Rollenbeschreibung verändert erst dann etwas, wenn Menschen beginnen, sich anders aufeinander zu beziehen.

Und eine identifizierte heilige Kuh wird erst dann interessant, wenn jemand bereit ist, ihr tatsächlich den Status als Nutztier zurückzugeben.

Dafür braucht es Intervention.

Nicht im Sinne einer schlauen Empfehlung, sondern als gezielten Unterschied in einem bestehenden System – verbunden mit der Aufmerksamkeit dafür, was dieses System anschließend daraus macht.

Auch die externe Rolle bleibt dabei relevant.

Berater können mitunter Dinge aussprechen, die intern längst bekannt sind, aber innerhalb der Organisation nicht mit derselben Legitimation gesagt werden können.

Nicht weil Externe automatisch klüger wären. Sondern weil Organisationen Aussagen unterschiedlich behandeln – abhängig davon, wer sie macht.

Interessanterweise kann KI hier sogar Verbündete sein.

Eine Maschine hat keine Karriere im Unternehmen zu verlieren. Harte Befunde können dadurch zunächst weniger persönlich erscheinen.

Nur übernimmt die KI anschließend nicht die Verantwortung dafür, was ihr Befund im Raum auslöst.

Sie merkt auch nicht zuverlässig, dass der Bereichsleiter seit drei Minuten nicht mehr mitschreibt.

Und genau dort wird es interessant.

KI entwertet schlechte Organisationsberatung

Damit kommen wir zu einer These, die für mich seit diesem Fall immer plausibler wird:

KI entwertet nicht Organisationsberatung. Sie entwertet schlechte Organisationsberatung.

Das ist zugespitzt. Aber wir sollten als Branche der Versuchung widerstehen, die Pointe sofort wieder weichzuspülen.

Denn KI greift ziemlich genau jene Wertschöpfung an, die Beratungen lange hervorragend verkaufen konnten: Informationen beschaffen, Interviews zusammenfassen, Wissen aufbereiten, Muster identifizieren, Benchmarks vergleichen, Hypothesen formulieren und daraus einen möglichst professionell aussehenden Ergebnisbericht machen.

Vieles davon ist nützlich. Einiges davon war allerdings vor allem teuer, weil Menschen lange dafür brauchten. Diese Gleichung bricht gerade auseinander.

Ein Working Paper des Stanford Digital Economy Lab aus dem August 2026 beschäftigt sich genau mit dieser ökonomischen Verschiebung.

Wenn KI die Produktion von Beratungsleistungen verändert, geraten auch Vergütungsmodelle unter Druck, die menschlichen Aufwand und Wert weitgehend gleichsetzen.

Die Autoren Erik Brynjolfsson und Georgios Petropoulos erwarten deshalb keine simple Ablösung des Stundenhonorars durch „Value Based Pricing“, sondern eine stärkere Ausdifferenzierung von projekt-, hybrid-, asset- und ergebnisorientierten Modellen.

Betriebswirtschaftlich ist das fast banal:

Wer Stunden verkauft, bekommt ein Problem, wenn Technik Stunden einspart.

Für Beratungen ist es nur deshalb etwas unangenehm, weil wir Effizienzsteigerungen beim Kunden traditionell sehr begrüßen und bei uns selbst differenzierter betrachten.

Und der Druck kommt inzwischen sichtbar von Kundenseite.

Die Financial Times berichtete im August 2026 über Unternehmen wie Bayer und Commerzbank, die mithilfe von KI bestimmte Aufgaben stärker selbst übernehmen und externe Beratungen unter Preis- und Rechtfertigungsdruck setzen.

Gefordert werden unter anderem niedrigere Gebühren, Festpreise und leistungsabhängige Modelle. Besonders deutlich ist diese Entwicklung derzeit in technologie- und implementierungsnahen Beratungsleistungen.

Man sollte daraus nicht den Untergang einer ganzen Branche konstruieren.

Aber man sollte auch nicht so tun, als ginge Organisationsberatung das nichts an.

In unserem eigenen Fall war die Rechnung unmittelbar sichtbar: Was passiert mit einer aufwendigen Organisationsanalyse, wenn ein beträchtlicher Teil der Auswertung maschinell in hoher Qualität vorbereitet werden kann?

In unserer Diskussion stand beispielhaft eine Analyseleistung von rund 35.000 Euro im Raum, deren menschlicher Aufwand durch KI deutlich sinken könnte.

Die Antwort kann kaum lauten:

Wir arbeiten trotzdem genauso lange.

Das wäre keine Qualitätsorientierung.

Das wäre Brauchtumspflege.

Daraus folgt aber ebenso wenig, dass Organisationsberatung zwangsläufig weniger wert wird.

Es folgt zunächst nur, dass Analysearbeit weniger knapp wird.

Vielleicht verschiebt sich der Wert also. Von der Informationsbeschaffung zur Urteilskraft. Von der Diagnose zur Intervention. Vom Deliverable zur Wirkung. Und vom Wissen über Organisationen zur Fähigkeit, mit Organisationen zu arbeiten.

Das ist ein anspruchsvolleres Versprechen als: „Wir analysieren Ihre Situation und geben Handlungsempfehlungen.“

Wahrscheinlich ist es auch ein ehrlicheres.

Was das für uns bei Kurswechsel bedeutet

Nun wäre es bequem, aus all dem eine heroische Geschichte über die unersetzbare menschliche Beratung zu machen.

Daran glaube ich nicht.

Natürlich werden auch wir bei Kurswechsel KI nutzen. Für Recherche, Dokumentenanalyse, Auswertung, Mustererkennung und Vorbereitung.

Überall dort, wo sie unsere Arbeit schneller oder besser macht.

Alles andere wäre eine etwas skurrile Form professioneller Selbstbehauptung: Wir würden unseren Kunden erklären, dass sie effizienter werden müssen, während wir nebenan hundert Seiten Dokumente von Hand exzerpieren, weil das früher nun einmal Teil des Projekts war.

KI wird also Teile unserer Arbeit übernehmen.

Hoffentlich.

Denn wenn eine Maschine Aufgaben besser oder schneller erledigen kann, die bislang vor allem Zeit gebunden haben, entsteht Raum für das, wofür es uns tatsächlich braucht.

Das macht die Arbeit allerdings nicht unbedingt einfacher.

Im Gegenteil.

Denn wir können uns schlechter hinter Analyse verstecken.

Eine sorgfältige Diagnose hat etwas Beruhigendes. Man sammelt Daten, baut Modelle, formuliert Hypothesen.

Man kann sehr beschäftigt sein, ohne bereits viel in Bewegung setzen zu müssen.

Intervention ist riskanter.

Wer interveniert, kann danebenliegen.

Wer einen Konflikt sichtbar macht, bekommt ihn anschließend womöglich auch auf den Tisch.

Wer Verantwortung klärt, entdeckt gelegentlich, dass die vorherige Unklarheit für einige Beteiligte ganz praktische Vorteile hatte.

Und wer eine heilige Kuh schlachtet, sollte zumindest eine ungefähre Vorstellung davon haben, wovon die Organisation am nächsten Morgen leben soll.

Damit verändert KI nicht nur unser Geschäftsmodell.

Sie verändert auch den Anspruch an unsere Professionalität.

Denn hinter dem ersten Problem lauert bereits das zweite:

Wie lernen zukünftige Organisationsberaterinnen und -berater eigentlich, die Qualität einer Analyse zu beurteilen, wenn sie das Analysieren selbst nie gründlich gelernt haben?

Auch diese Frage entstand in unserer Diskussion. Wenn Junior-Berater grundlegende Analysearbeit zunehmend an KI delegieren, droht genau jene Erfahrungsbasis dünner zu werden, die sie später benötigen, um maschinell erzeugte Ergebnisse kompetent zu beurteilen.

Das ist kein Argument gegen KI.

Ein Taschenrechner ist schließlich auch kein Argument gegen Mathematik.

Wer nur noch auf „Berechnen“ drückt, muss allerdings irgendwann ziemlich gut wissen, wann das Ergebnis nicht stimmen kann.

Für Organisationsberatung bedeutet das: Wir brauchen vielleicht weniger Menschen, die Material manuell verdichten.

Dafür brauchen wir umso mehr Menschen, die unterscheiden können, ob eine erzeugte Hypothese banal, brillant oder kompletter Unsinn ist.

Menschen, die verstehen, wie Organisationen Entscheidungen produzieren. Die Macht und Interessen nicht für unschöne Störvariablen halten. Die nicht jeder Selbstauskunft glauben.

Und die wissen, dass eine Organisation ein Problem noch lange nicht löst, nur weil jemand eine überzeugende Präsentation darüber erstellt hat.

Auch dann nicht, wenn diese Präsentation künftig in 45 Sekunden entsteht.

Der gute Organisationsberater der Zukunft ist für mich deshalb nicht der Mensch, der noch Dinge weiß, die eine KI nicht weiß.

Das wäre ohnehin ein etwas merkwürdiger Wettbewerb.

Sein Wert liegt darin, Unterschiede zu erkennen, Relevanz zu beurteilen und Interventionen zu gestalten, mit denen eine konkrete Organisation tatsächlich etwas anfangen kann.

KI kann dafür ein verdammt gutes Werkzeug sein.

Vielleicht ist sie sogar ein Geschenk an unsere Branche.

Nicht weil sie uns die schwierige Arbeit abnimmt.

Sondern weil sie uns die einfache Arbeit zunehmend schlechter verkaufen lässt und wir im wahrsten Sinne des Wortes eine Beratungs-Leistung erbringen müssen.

Und vielleicht erleben wir deshalb gerade gar nicht die Krise der Organisationsberatung.

Vielleicht endet nur eine komfortable Verwechslung.

Die Verwechslung von Analyse mit Wirkung.


Quellen und weiterführende Literatur

  • Dell’Acqua et al.: Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Studie lesen
  • Brynjolfsson / Petropoulos (2026): Pricing Consulting Services in the Age of Agentic AI: A Strategy Map for Executives. Stanford Digital Economy Lab. Publikation lesen
  • Financial Times (2026): Consultants head for an AI showdown – with their own clients. Artikel lesen
Beitrag teilen

Arne Schröder

Webseite Logo