KI misst. Sie beurteilen.

Wie Führungskräfte mit KI besser kontrollieren — wenige vitale Größen statt KPI-Dickicht, Selbstkontrolle statt Überwachung. Das Beurteilen bleibt Führung.

Kontrollieren ist die unbeliebte Führungsaufgabe. Sie wird mit Misstrauen verwechselt, gelegentlich mit Bürokratie, häufig mit Überwachung. Sie ist keines davon. Kontrolle ist die Vergewisserung, dass Ergebnisse tatsächlich entstehen — ohne die Selbstständigkeit derer einzuschränken, die diese Ergebnisse erzielen. Was sich verändert, seit KI im Reporting sitzt: Das Messen wird radikal billiger. Was nicht: das Beurteilen, das Eingreifen und die Verantwortung dafür.

Warum Kontrollieren Führungsaufgabe bleibt — auch mit KI

Wer einen Bereich verantwortet, ohne zu wissen, wo er steht, führt im Blindflug. Die Aufgabe abzulehnen, weil sie unangenehm ist, bedeutet, einen Teil der Führungsverantwortung abzulehnen. Zur Abgrenzung: Kontrolle als Führungsaufgabe ist nicht Controlling (die institutionalisierte betriebswirtschaftliche Funktion), nicht Monitoring (die kontinuierliche technische Beobachtung), nicht Performance Management (das prozessuale Gerüst aus Zielsetzung, Beurteilung und Bonus). Diese Funktionen liefern Material — sie ersetzen die Kontrollarbeit der Führungskraft nicht.

Grundlage der Aufgabe ist Vertrauen in zwei Dinge: in die Leistungsfähigkeit der Menschen und in ihre Leistungsbereitschaft. Fehlt eines davon, ist das kein Kontrollproblem, sondern ein Stellenbesetzungsproblem. Diese Unterscheidung verschiebt die Frage von der Kontrolldichte zur Personalfrage und entlastet die Kontrollarbeit von der Aufgabe, fehlende Voraussetzungen zu kompensieren.

Auf dieser Grundlage zerfällt die Aufgabe in drei Schritte, die zusammengehören und in der Praxis regelmäßig vermischt werden:

• Messen — objektive Daten erheben: Umsatz, Qualität, Durchlaufzeit, Reklamationsquote, Termintreue. Das kann delegiert werden, auch an KI.
• Beurteilen — diese Daten einordnen: Was bedeuten sie, welche Konsequenzen folgen? Das ist subjektiv, aber nicht willkürlich — und es bleibt Führungsarbeit.
• Eingreifen — handeln, wo es nötig ist, und ausdrücklich nicht handeln, wo Selbstkorrektur trägt. Das verlangt Augenmaß und Erfahrung.

Das tragende Designziel der Aufgabe ist Selbstkontrolle, nicht Überwachung. Drucker hat das mit Management by Objectives and Self-Control früh formuliert; die kybernetische Tradition (Stafford Beers Viable System Model, in der deutschsprachigen Adaption die St. Galler Schule um Malik) baut Lebensfähigkeit auf Selbstregulation auf. Daraus folgt eine andere Architektur von Kennzahlen: Sichtbarkeit zuerst dort, wo gesteuert wird — nicht dort, wo überwacht wird. Fließen die Daten primär nach oben, kippt dieselbe Technik in eine Surveillance-Architektur. Der Unterschied liegt nicht in den Daten, sondern in der Verwendung — und in der Frage, wer sie zuerst zu sehen bekommt.

BSC, OKR oder Maliks Schlüsselgrößen: Welches Kontrollsystem trägt im Mittelstand

Vor jeder Methodenwahl steht eine ältere Frage: Was muss in diesem Bereich überhaupt im Blick bleiben, damit er lebensfähig bleibt? Erst danach lohnt der Vergleich der Frameworks. Im deutschen Mittelstand begegnen sich drei Linien — die offizielle, die importierte und die in der Substanz schärfste, aber am wenigsten verbreitete:

Keiner dieser Mängel löst sich durch ein anderes Framework. Ein Wechsel von Balanced Scorecard auf OKR bringt nach drei Jahren in der Regel dieselben Symptome unter neuem Etikett. Was trägt, ist nicht die Methodenwahl, sondern die Disziplin, mit der die wenigen vitalen Größen — drei bis sieben, mit fünf als Orientierungswert — identifiziert, gepflegt und vom Beurteilen sauber getrennt werden. Und mit der das Nicht-Messbare nicht aus dem Blick verloren geht. Drucker hat dazu zwei Sätze formuliert, die als Filter taugen: „That we can quantify something is no reason for measuring it" — und: „Any organization has important results that are incapable of being measured."

Kontrollieren mit KI: Was sich beschleunigt, was beim Menschen bleibt

KI verschiebt nicht den Charakter der Aufgabe, sondern die Verteilung der Arbeit. Was früher eine Controlling-Abteilung pro Monatsabschluss zwei Wochen gekostet hat, läuft kontinuierlich im Hintergrund mit — vorausgesetzt, die Datenbasis trägt. Was sich nicht verschiebt: das Urteil, das Gespräch, die Verantwortung.

Das übernimmt KI zuverlässig

• Daten aggregieren und bereinigen — Konsolidierung aus Quellsystemen, Konsistenzprüfung, Anomalie-Erkennung in großen Datenmengen.
• Attention Briefing statt 60-Seiten-Report — eine Seite pro Woche: was läuft, was weicht ab, was braucht Ihr Urteil. Die Datenflut wird auf das Wenige verdichtet, das Aufmerksamkeit verdient.
• Stichproben statt Vollerhebung — Spesen, Reisekosten, Lieferantenrechnungen, Compliance-Vorgänge: KI zieht risikobasiert, markiert Auffälligkeiten, prüft in der Tiefe. Aufwand sinkt deutlich.
• Indizien für das Nicht-Messbare — Sentimentmuster aus Kundengesprächen, Frühwarnsignale in der Mitarbeiterbindung, Reputationsmuster. Was Drucker das „most important and yet least measurable" nannte, wird nicht messbar — aber Indizien werden sichtbarer als zuvor.
• Maschinen- und Sensordaten nutzbar machen — Predictive Maintenance, Prozessparameter-Optimierung, Qualitätsabweichungen früher erkennen, als die klassische statistische Prozesskontrolle es erlaubt.
• Pendenzen automatisch nachhalten — KI extrahiert offene Zusagen aus Mails, Calls und Meeting-Protokollen, setzt Reminder, macht Muster sichtbar. Eine Disziplin, die viele Führungskräfte ohne sie nicht durchhalten.

Das bleibt beim Menschen

• Die wenigen vitalen Größen festlegen — welche Kennzahlen die Lebensfähigkeit des Bereichs tatsächlich abbilden, ist eine Führungsentscheidung. KI kann Vorschläge liefern; die Auswahl trifft, wer Bereich, Strategie und Verantwortung kennt.
• Beurteilen, nicht nur messen — KI liefert Daten; was sie bedeuten und welche Konsequenzen folgen, ist ein Urteil. Maliks Richter-Analogie trifft den Punkt: subjektiv, aber nicht willkürlich. Nicht Subjektivität ist das Problem — Willkür wäre es.
• Persönlicher Augenschein — Berichte enthalten nur, was beschreibbar ist; das Wahrnehmbare ist um ein Vielfaches größer. Je heikler eine Lage, desto weniger trägt das Reporting allein. Sloan ist mehrmals im Jahr selbst hinter die Verkaufstheke gegangen — kein Reporting hat den persönlichen Eindruck eines Verkaufsgesprächs ersetzt.
• Wohlwollendes Übersehen — nicht jede Abweichung muss benannt, nicht jede Schwäche thematisiert werden. Manche Dinge regeln sich mit Zeit. Das ist nicht das Gegenteil von Kontrolle, sondern ihre reife Form.
• Verantwortung für Konsequenzen — eine Performance-Bewertung mit Verweis auf das System zu rechtfertigen, ist keine Erklärung. Die Führungskraft, die kontrolliert hat, steht für ihre Beurteilung gerade.

Das eigentliche Risiko sind nicht falsche KI-Berechnungen. Es sind die Verzerrungen, die KI in der Kontrolle erzeugt: Automation Bias — markierte Anomalien werden überbewertet, übersehene Lagen geraten aus dem Blick. Skalierung von Bias — ein Beurteilungsfehler trifft potenziell alle, die durch dasselbe System bewertet werden. Goodhart-Effekte — eine Kennzahl, die zum Ziel wird, hört auf, eine gute Kennzahl zu sein. Übergang zur Surveillance — was technisch messbar ist (Tastenanschläge, Zeit am Bildschirm, Pausenmuster), ist nicht das, was kontrolliert werden sollte. Hinzu kommen die regulatorischen Leitplanken: EU AI Act (Hochrisiko-Pflichten für Personalbeurteilung ab August 2026), §87 BetrVG (Mitbestimmung bei Verhaltens- und Leistungsauswertung), AGG (mittelbare Diskriminierung über Proxy-Variablen), DSGVO (Zweckbindung, Datenminimierung, Transparenz).

Bessere Kontrollarbeit mit KI: Coaching, Führungstraining, Workshop

Ich arbeite an diesem Thema in drei Formaten: im Executive Coaching, im Führungstraining und in Führungsworkshops für bestehende Teams — vom Mittelstand bis zum Konzern, methodisch in der Tradition der St. Galler Managementlehre, ergänzt um Drucker, kybernetische Selbstregulation und die regulatorischen Leitplanken zum KI-Einsatz. „Kontrollieren" wird selten als Trainingsthema gebucht. Es wird sichtbar, wenn man hinter Reporting-Frust, Performance-Management-Reformen oder KI-Pilotprojekten schaut. Fünf Fragen stehen in jedem der drei Formate im Zentrum:

• Was sind die wenigen vitalen Größen Ihres Bereichs? Drei bis sieben, mit fünf als Orientierungswert — abgeleitet aus Maliks Schlüsselgrößen, gefiltert durch „Was muss ich unbedingt wissen, damit ich gerechtfertigtes Vertrauen haben kann?". Alles andere ist bestenfalls nice to know.
• Wo wird Messen mit Beurteilen vermischt? Die Trennung ist die häufigste Quelle unsauberer Performance Reviews. Daten haben ihren Platz, das Urteil hat seinen — beides darf nicht miteinander verwechselt werden.
• Ist Ihr Reporting aktionsorientiert oder informationsorientiert? Maliks Unterscheidung — was sollen die Leute tun (aktionsorientiert) versus was wollen wir über sie wissen (informationsorientiert) — entscheidet, ob aus Kennzahlen Selbstkontrolle oder Reporting-Last wird.
• Wie nutzen Sie KI, ohne in Surveillance zu kippen? Welche Auswertungen sind mitbestimmungspflichtig, welche AI-Act-relevant, welche unter DSGVO heikel — und welche Designentscheidungen schützen die Selbstkontroll-Architektur?
• Wie kontrollieren Sie die KI-Agenten in Ihren Prozessen? Sobald Agenten in Workflows mitlaufen, gehören sie selbst in den Kontrollumkreis: Erfolgsquote, Tonalität, Kompetenzgrenzen, Drift nach Modell-Updates.

Was Sie mitnehmen, ist keine neue Methode — sondern ein geschärfter Blick auf das, was in Ihrem Bereich tatsächlich kontrolliert werden muss, und welche Reportings und Routinen Sie unter KI-Bedingungen abschaffen, behalten oder umbauen sollten.

7 Praxishacks für bessere Kontrolle mit KI

Kleine Routinen, die sofort wirken.

Führungstraining, Coaching, Keynote — so arbeiten wir zusammen

Häufige Fragen zu Kontrolle, KPI-Systemen und KI im Reporting

Weiterlesen: Zielarbeit, Entscheiden, Sidekicks

• Überblick: Alle fünf Führungsaufgaben mit KI
• Für Ziele sorgen — mit KI, aber nicht durch KI
• Entscheiden mit KI — ohne Verantwortung an einen Algorithmus abzugeben
• Leader's Sidekicks®: KI-Sparringspartner für Beurteilung und Reflexion