Wenn Unternehmen mit dynamischen Rahmenbedingungen konfrontiert sind, reagieren sie im Inneren paradoxerweise oft mit immer komplizierteren Prozessen. Getrieben von dem Trugschluss, eine hohe Marktdynamik ließe sich mit formalen Regelwerken kontrollieren. Die Realität der Organisationspraxis zeigt das Gegenteil: Die zunehmende Bürokratie verringert die Transparenz und begünstigt negative Effekte. Schon lange ist bekannt, dass äußere Vielfalt nicht durch innere Starrheit, sondern nur durch eine erhöhte Anpassungsfähigkeit bewältigt werden kann.¹.

Gerade weil echte Komplexität nicht einfach kausal reduziert werden kann – da sie sich per Definition linearen Ursache-Wirkungs-Beziehungen entzieht und auf nicht-linearen Rückkopplungen basiert² –, ist es umso wichtiger, jene Ausgangslage zu betrachten, die innerhalb von Unternehmen wirkt.

Es ist ein evolutionäres Grundgesetz: Sobald Menschen zusammenarbeiten, entsteht Komplexität. Das liegt nicht automatisch an schlechter Führung, sondern an der Natur des Menschen. Jeder Mitarbeiter bringt eigene Motivationen, Kommunikationsstile, Vorerfahrungen und soziale Dynamiken mit in ein System.

In der Luhmann’schen Systemtheorie wird eine Organisation als soziales System verstanden, das sich rein durch Entscheidungs-Kommunikation ständig selbst reproduziert ³. Da Individuen systemtheoretisch jedoch nicht Teil der Organisation sind, sondern als eigenständige psychische Systeme deren Umwelt bilden, sind sie über formale Regeln nicht mechanisch steuerbar. Menschen reagieren auf Anweisungen mit eigener Interpretation, weichen auf informelle Netzwerke aus und entwickeln Eigeninteressen, die sich der organisationalen Kontrolle entziehen.

Fügt man starre Regeln und überregulierte Abläufe hinzu, um das System krampfhaft zu kontrollieren, kollidiert diese formale Kompliziertheit mit der lebendigen, informellen Komplexität der Menschen. Das Ergebnis ist keine Ordnung, sondern ein intransparentes Dickicht, in dem die eigentliche Arbeit hinter dem „Manövrieren im System“ in den Hintergrund rückt. Das Gegenteil von Einfachheit entsteht im Innern einer Organisation.

Die Wissenschaft hinter der Einfachheit

Die These, dass Einfachheit und das Vermeiden komplexer Abhängigkeiten zu besseren Ergebnissen führen, ist in der akademischen Forschung tief verankert. Drei Kernbereiche stützen diese Argumentation:

1. Das Gesetz der abnehmenden Transparenz (Bounded Rationality)

Der Wirtschaftsnobelpreisträger Herbert A. Simon prägte das Konzept der begrenzten Rationalität. Menschliche Entscheidungsträger haben kognitive Grenzen; wir können nur eine begrenzte Menge an Informationen gleichzeitig verarbeiten⁴.

Wenn ein Prozess so viele komplizierte Abhängigkeiten hat, dass ein einzelner Manager oder Mitarbeiter ihn nicht mehr im Kopf abbilden kann, sinkt die Transparenz und Handlungsfähigkeit. Entscheidungen werden dann nicht mehr rational getroffen, sondern basieren auf purem Raten oder dem Prinzip „Das haben wir schon immer so gemacht“. Einfachheit sorgt dafür, dass Systeme innerhalb der menschlichen Kognitionsgrenzen bleiben.

2. Lose Kopplung (Loose Coupling) statt dominierender Abhängigkeiten

Der Organisationspsychologe Karl E. Weick fand heraus, dass eng gekoppelte Systeme – bei denen jeder Schritt starr vom vorherigen abhängt – extrem anfällig für Totalausfälle sind. Er plädiert stattdessen für eine lose Kopplung⁵.

Ein exzellentes strukturelles Gegenmodell hierzu ist die fraktale Organisation nach Hans-Jürgen Warnecke⁶. Wird ein Unternehmen in solche autonomen, selbstähnlichen Einheiten unterteilt, die wie kleine „Unternehmen im Unternehmen“ agieren und über simple Schnittstellen kommunizieren, steigt die Resilienz drastisch. Fällt ein einzelnes Fraktal aus, bleibt das Risiko isoliert und der Rest des Systems läuft stabil weiter, während komplizierte Abhängigkeiten das größte Risiko für die Betriebssicherheit darstellen.

3. Die Kosten von „Kompliziertheit“

Der Soziologe Yves Morieux erforscht die Zunahme von bürokratischen Regeln in Unternehmen. Seine Analysen zeigen, dass die Anzahl der Koordinationsgremien, Kennzahlen und Genehmigungsprozesse in den vergangenen Jahrzehnten drastisch gestiegen ist. Das Ergebnis: Mitarbeiter verbringen bis zu 80 % ihrer Zeit mit internen Abstimmungen, statt wertschöpfend tätig zu sein.

Morieux fordert „Smart Simplicity“. Statt neue Regeln zu schaffen, um alte Regeln zu kontrollieren, müssen Führungskräfte die Autonomie der Mitarbeiter stärken und Schnittstellen radikal abbauen⁷.

Zusammenfassend stehen sich in der modernen Organisationsentwicklung zwei fundamentale Paradigmen gegenüber, deren architektonische Unterschiede die Basis für die digitale Transformation bilden:

	Komplizierte Organisation	Einfache Organisation
Systemdynamik	Eng gekoppelte, interdependente Prozesse	Lose gekoppelte, autonome Einheiten
Entscheidungswege	Überschreiten die kognitiven Grenzen	Lokale, unmittelbare Feedbackschleifen
KI-Infrastruktur	Fragmentiert durch interne Silos	Saubere Datenströme, klare Schnittstellen
Risikoprofil	Unvorhersehbare, systemweite Dominoeffekte	Isolierte Fehlerquellen, hohe Ausfallsicherheit

Die Notwendigkeit organisationaler Einfachheit im KI-Zeitalter

Mit der Verbreitung von Künstlicher Intelligenz in Unternehmen und der Evolution hin zu autonomen KI-Agenten bekommt das Thema Einfachheit eine neue Dimension. Organisationale Einfachheit ist dann kein Selbstzweck mehr, sondern fundamental für den Einsatz digitaler Automatisierung.

Warum Einfachheit die Verbreitung von KI beschleunigt

Empirische Forschungen zur Technologie-Adoption in Unternehmen zeigen, dass der Erfolg bahnbrechender IT-Innovationen maßgeblich von der Abwesenheit prozeduraler Kompliziertheit abhängt⁸. Entgegen dem klassischen Trugschluss, dass hochgradig standardisierte, starre Prozessstrukturen („organisationale Reife“) die Einführung begünstigen, blockieren bürokratische Kontrollinstanzen und fragmentierte Datensilos die Skalierung von KI-Systemen. Autonome KI-Agenten benötigen keine starren Hierarchien oder Organisations-Silos, sondern standardisierte Zugriffe auf relevante Daten.

Hier greift Conway’s Law: Technische Systeme spiegeln unweigerlich die Kommunikationsstrukturen der Organisation wider, die sie hervorbringt oder implementiert⁹. In einer Organisation mit internen Zuständigkeitskämpfen ist die Daten- und Systemlandschaft zwangsläufig ebenso fragmentiert und blockiert wie die Abteilungen selbst. Der Einsatz von autonomen KI-Systemen scheitert dort nicht primär an den Limitierungen der Technologie, sondern an der Organisationsstruktur.

Abhilfe schafft die gezielte Anwendung des „Inverse Conway Maneuver“ ¹⁰: Erst wenn ein Unternehmen seine Teams und Verantwortlichkeiten konsequent in schlanke, autonome Einheiten mit klaren, stabilen Schnittstellen zerlegt, entsteht eine durchlässige Infrastruktur. Auf diesem organisatorischen Fundament können KI-Agenten direkt an sauberen, standardisierten Datenströmen ansetzen, ohne im bürokratischen Dickicht hängenzubleiben¹¹.

Der gravierende Nachteil komplizierter Organisationen

Komplizierte Organisationen erleiden im KI-Zeitalter einen massiven strategischen Nachteil, da die technologische Entwicklung die organisationale Anpassungsgeschwindigkeit weit überholt (Organizational Capability Gap). Untersuchungen von Analysten zeigen, dass unklare Governance-Strukturen und systemische Kompliziertheit zu den drastischsten Barrieren bei der praktischen Skalierung von KI-Lösungen gehören¹².

Wenn ein Unternehmen von eng gekoppelten, interdependenten Prozessen geprägt ist, führt der Einsatz von autonomen KI-Systemen zu unvorhersehbaren Dominoeffekten: Trifft ein KI-System in einem intransparenten Prozess eine fehlerhafte Empfehlung, verstärkt sich dieser Fehler im verzweigten System ungebremst. Dieses Risiko versuchen hochgradig komplizierte Organisationen oft mit noch mehr Kontrollgremien und Richtlinien zu verhindern. Schließlich verbringen sie mehr Zeit mit dem Verwalten und Bereinigen ihrer eigenen Strukturprobleme als mit der eigentlichen Wertschöpfung.

Wie KI hilft, einfachere Organisationen zu bauen

Gleichzeitig bietet KI das Werkzeug, um die Komplexität im Zusammenspiel zwischen Menschen zu reduzieren. Aktuelle feldexperimentelle Forschungen zeigen, dass generative KI-Systeme in Organisationen als hochwirksame „Wissenskatalysatoren“ agieren, die die formale Koordination und den internen Abstimmungsaufwand zwischen spezialisierten Abteilungen senkt.

Statt langwierige Abstimmungsschleifen über mehrere Hierarchieebenen zu drehen, um Nischenwissen zu teilen, nutzen Mitarbeiter KI-Systeme, um Informationsbarrieren direkt an den Schnittstellen abzubauen. Das soziale und informationelle Zusammenspiel wird neu verdrahtet. Indem KI-gestützte Systeme Daten verständlich aufbereiten, verliert das klassische Informationsmonopol an Bedeutung. Der kluge Einsatz von KI befähigt kleinere Einheiten dazu, Informationen selbstständiger zu verarbeiten und damit im Sinne von Weicks „Loose Coupling“ resilienter zu agieren¹³.

Die Bedeutung überschaubarer, lokaler Wirkungsräume

Eine produktive, vollautonome Organisation, die ausschließlich aus automatisierten KI-Agenten besteht, ist auf absehbare Zeit nicht realistisch. Menschen (Human-in-the-Loop) werden auch in modernen Organisationen weiterhin eine entscheidende Rolle spielen¹⁴.

Warum sind kurze Feedbackschleifen und transparente Strukturen in modernen Organisationen so wichtig? Weil sie psychologische Sicherheit und unmittelbare Handlungsfähigkeit garantieren.

Eine zentrale Steuerung von Menschen über starre Ursache-Wirkungs-Ketten ist eine altbekannte Illusion, da jede Aktion unvorhersehbare Rückkopplungen auslösen kann (Lösungsprobleme¹⁵). Umso wichtiger ist es, Organisationen so zu gestalten, dass Ursache und Wirkung für die handelnden Menschen nicht meilenweit auseinanderliegen. Weder zeitlich noch organisatorisch. Statt das Gesamtsystem mathematisch kontrollieren zu wollen, müssen wir beherrschbare, lokal wirksame Räume schaffen:

Unmittelbare Feedbackschleifen: Wenn ein autonomes Team die Konsequenzen seines Handelns direkt sieht, lernt es unmittelbar im Kontext. Komplizierte, abteilungsübergreifende Abhängigkeiten verzögern dieses Feedback oft um Wochen und ersticken den Lerneffekt.
Kontextuelle Verantwortlichkeiten: In einer einfach strukturierten Einheit ist unmissverständlich klar, wer für welches Ergebnis einsteht. Kompliziertheit hingegen bietet das perfekte bürokratische Versteck, um Verantwortung zu diffundieren.
Lokale Fehlertoleranz: In einem lose gekoppelten, überschaubaren Raum richtet ein Fehler keinen epischen Domino-Schaden im Gesamtsystem an. Er kann isoliert, analysiert und lokal behoben werden.

Einfachheit als strategischer Wettbewerbsvorteil

Komplexität entsteht von allein – Einfachheit erfordert harte Arbeit. Sie ist das Resultat von mutigem Weglassen, konsequentem Nein-Sagen und dem Vertrauen in die Fähigkeiten der Mitarbeiter und smarte IT-Systeme.

Unternehmen, die es schaffen, ihre Strukturen radikal zu vereinfachen und Abhängigkeiten zu minimieren, gewinnen einen essenziellen Vorteil zurück: Geschwindigkeit. Wer beherrschbare Räume schafft, überfordert weder die Kognition seiner Mitarbeiter noch die Agilität der eigenen Organisation. Am Ende siegt im Business nicht derjenige, der das komplizierteste System baut, sondern der, der die beste Lösung findet: einfach, günstig, gut und schnell.

Der kritische Blick

Wir beobachten die technologische Entwicklung zur KI und deren Auswirkungen auf Organisationen ohne Scheuklappen und nehmen dabei verschiedene Perspektiven ein. Wir unterstützen Unternehmen als externe Organisationsberater und bringen unsere langjährige Erfahrung in den Bereichen Ökonomie, Psychologie und Technologie ein.

Kontaktformular

Quellen:

1
W. Ross Ashby: An Introduction to Cybernetics (Insbesondere Kapitel 11: Requisite Variety), Chapman & Hall, London, 1956, URL: https://archive.org/details/introductiontocy00ashb ↩︎
2
Arthur, W. Brian: Complexity and the Economy, In: Science, Vol. 284, No. 5411, 1999, URL: https://www.santafe.edu/research/results/working-papers/complexity-and-the-economy ↩︎
3
Luhmann, Niklas: Soziale Systeme: Grundriss einer allgemeinen Theorie, Suhrkamp Verlag, 1984. ↩︎
4
Simon, Herbert A.: Bounded Rationality and Organizational Decision Making, In: Administrative Behavior, 4th Edition (Original 1947), Free Press, 1997. ↩︎
5
Weick, Karl E.: Educational Organizations as Loosely Coupled Systems, In: Administrative Science Quarterly, Vol. 21, No. 1, 1976, URL: https://garfield.library.upenn.edu/classics1989/A1989T566900001.pdf ↩︎
6
Warnecke, Hans-Jürgen: Die Fraktale Fabrik: Revolution der Unternehmenskultur, Springer-Verlag, 1992. ↩︎
7
Morieux, Yves & Tollman, Peter: Six Simple Rules: How to Manage Complexity without Getting Complicated, Harvard Business Review Press, 2014, URL: https://www.bcg.com/publications/2014/behavior-culture-change-management-why-managers-need-six-simple-rules ↩︎
8
Tornatzky, L. G. & Fleischer, M.: The Processes of Technological Innovation, Lexington Books, 1990, URL: https://www.researchgate.net/publication/305398019_The_technology-organization-environment_framework ↩︎
9
Conway, Melvin E.: How Do Committees Invent?, In: Datamation, Vol. 14, No. 4, 1968, URL: https://www.melconway.com/research/committees.html ↩︎
10
Skelton, M. & Pais, M.: Team Topologies: Organizing Business and Technology Teams for Fast Flow, IT Revolution Press, 2019. ↩︎
11
MacVittie, Lori (F5 Corporate): The secret to scaling AI is overcoming Conway’s Law, In: F5 Office of the CTO Insights, 2026, URL: https://www.f5.com/company/blog/the-secret-to-scaling-ai-is-overcoming-conway-s-law ↩︎
12
IBM Institute for Business Value / Gartner Research: The Biggest AI Adoption Challenges for 2026: From Generative to Agentic AI, IBM Think Insights, 2026, URL: https://www.ibm.com/think/insights/ai-adoption-challenges ↩︎
13
Buechsenschuss, R., Koch-Bayram, I., Biemann, T. & Puranam, P.: The Impact of Generative AI Adoption on Organizational Networks: Evidence From A Field Experiment, INSEAD Faculty Research Working Paper, 2026/01/STR, URL: https://sites.insead.edu/facultyresearch/research/doc.cfm?did=74966 ↩︎
14
Lakhani, K., Brynjolfsson, E. & Candelon, F. (2026): Agentic AI in the Enterprise: Reorganizing Work, Not Replacing Workers. MIT Sloan Management Review / Harvard Business School Working Paper ↩︎
15
Niklas Luhmann beschreibt damit die inhärente Eigenschaft komplexer, selbstreferentieller Systeme, auf jeden externen Steuerungsversuch (die ‚Problemlösung‘) mit internen Eigenvektoren und unerwarteten Nebenwirkungen (den ‚Lösungsproblemen‘) zu reagieren. Die vermeintliche Lösung transformiert das Problem lediglich auf eine nächste, oft kompliziertere Systemebene.
Luhmann, Niklas: Ökologische Kommunikation: Kann die moderne Gesellschaft sich auf ökologische Gefährdungen einstellen?, 3. Auflage, Westdeutscher Verlag, Opladen, 1990 (Original 1986), S. 43. ↩︎

Die Eleganz der einfachen Organisation: Orientierung statt Labyrinthe