Wie werden wir in fünf oder zehn Jahren arbeiten? Welche Aufgaben übernehmen intelligente Maschinen? Welche Fähigkeiten werden wichtiger? Und wie müssen sich Führung und Organisation verändern, wenn Menschen und KI-Agenten zunehmend zusammenarbeiten?
Über die Zukunft der Arbeit wird viel spekuliert. Wir möchten einen anderen Weg gehen: Wir wollen sie systematisch erforschen – und neue Arbeitsmodelle möglichst früh in der Praxis erproben.
Dafür haben wir im Future-Fit Work Institut einen eigenen Forschungsprozess entwickelt.
Von schwachen Signalen zu neuen Erkenntnissen
Unsere Forschung beginnt nicht mit fertigen Antworten, sondern mit Fragen.
Wir beobachten wissenschaftliche Veröffentlichungen, technologische Entwicklungen, neue Organisationsformen und Veränderungen in der Arbeitswelt. Dabei interessiert uns besonders, was heute noch ungewöhnlich erscheint, morgen aber eine grundlegende Veränderung auslösen könnte.
Unsere KI-gestützten Research-Prozesse helfen uns, relevante Informationen zu finden, Quellen zu prüfen, Zusammenhänge zu erkennen und widersprüchliche Ergebnisse aufzuspüren.
Aus einzelnen Beobachtungen entwickeln wir Muster und überprüfbare Hypothesen. Diese wollen wir anschließend in konkreten Experimenten untersuchen – unter anderem in unserer eigenen AI-Workforce, einer Arbeitsumgebung, in der Menschen und spezialisierte KI-Agenten zusammenarbeiten.
Der entscheidende Unterschied: Nicht jede plausible Erklärung wird automatisch zu einer Erkenntnis. Wir unterscheiden zwischen Beobachtung, Hypothese und belastbarer Evidenz.
Denn wir möchten nicht nur wissen, was möglich erscheint. Wir möchten herausfinden, was tatsächlich funktioniert, unter welchen Bedingungen – und warum.
Unsere bisherigen Erfahrungen: Die Wirklichkeit ist spannender als die Prognose
Unsere Forschungsdatenbank umfasst inzwischen 28 Einträge aus fünf Themenfeldern, von Human × AI Work über Future Leadership bis hin zu neuen Formen der Wertschöpfung.
Schon die ersten Forschungszyklen zeigen etwas Bemerkenswertes: Die interessantesten Erkenntnisse entstehen häufig dort, wo sich Erwartungen nicht bestätigen.
Eine KI kann beispielsweise überzeugend argumentieren, ohne richtigzuliegen. Mehr Automatisierung muss nicht automatisch mehr Produktivität bedeuten. Und ein zusätzliches Kontrollsystem verbessert nicht zwangsläufig die Qualität einer Entscheidung.
Wir lernen dabei auch, unsere eigenen Annahmen kritischer zu hinterfragen.
Gerade deshalb suchen wir bewusst nach Gegenargumenten und Gegenbeispielen. Nicht um neue Technologien schlechtzureden, sondern um ihre tatsächlichen Möglichkeiten und Grenzen besser zu verstehen.
Ein Forschungsergebnis, das uns aufhorchen lässt
Wie zuverlässig können KI-Systeme eigentlich die Qualität von Arbeit beurteilen?
Diese Frage untersuchten Harry Lyu und Neil Thompson vom Massachusetts Institute of Technology in einer im Oktober 2026 veröffentlichten Studie.
Sie verglichen 33 unterschiedliche Konfigurationen KI-basierter Bewertungssysteme mit Einschätzungen von Beschäftigten. Grundlage waren 4.501 Bewertungen aus einem größeren Datensatz mit 45.796 Beschäftigtenurteilen.
Das überraschende Ergebnis:
Während die Beschäftigten 61,1 % der untersuchten KI-generierten Arbeitsergebnisse als akzeptabel bewerteten, reichten die entsprechenden Schätzungen der KI-Bewertungssysteme von gerade einmal 3 % bis zu 97,9 %.
Und das, obwohl viele dieser Systeme durchaus brauchbare Rangfolgen zwischen besseren und schlechteren Ergebnissen erzeugen konnten.
Die entscheidende Erkenntnis: Ein KI-System kann Unterschiede zwischen Ergebnissen erkennen und trotzdem völlig falsch einschätzen, ob diese Ergebnisse den tatsächlichen beruflichen Anforderungen genügen.
Die Studie ist ein Preprint und liefert keinen pauschalen Beweis gegen KI-basierte Qualitätsbewertungen. Sie zeigt allerdings eindrucksvoll, warum solche Bewertungen anhand realer menschlicher Urteile kalibriert und überprüft werden müssen.
Was bedeutet das für die Zukunft der Arbeit?
Für uns entsteht daraus eine wichtige Forschungsfrage:
Wie gestalten wir hybride Arbeitssysteme, in denen Menschen und KI nicht nur schneller, sondern gemeinsam nachweislich bessere Ergebnisse erzielen?
Dafür reicht es nicht, immer leistungsfähigere KI-Modelle einzusetzen.
Wir müssen verstehen, wie Aufgaben verteilt, Entscheidungen getroffen, Ergebnisse überprüft und Verantwortlichkeiten gestaltet werden.
Genau an dieser Schnittstelle zwischen Technologie, menschlichem Urteilsvermögen, Führung und Organisationsdesign liegt ein Schwerpunkt unserer Forschungsarbeit.
Forschung, die nicht im Forschungsbericht endet
Unser Ziel ist es, wissenschaftliche Erkenntnisse und eigene praktische Experimente schrittweise in neue Arbeitsmodelle, Führungsprinzipien und Methoden zu übersetzen.
Dabei stehen wir mit unserer eigenen experimentellen Forschung noch am Anfang. Ein methodisch abgeschlossenes Living-Lab-Experiment können wir bislang nicht als eigenes Forschungsergebnis präsentieren. Die Entwicklung unserer Forschungsfragen, die systematische Auswertung externer Evidenz und die Vorbereitung eigener Tests bilden jedoch bereits ein konkretes Fundament.
Wir werden auch künftig Einblicke in unsere Forschung geben – einschließlich offener Fragen, überraschender Entdeckungen und Hypothesen, die sich möglicherweise als falsch herausstellen.
Denn Zukunftsforschung bedeutet für uns nicht, möglichst überzeugende Vorhersagen zu treffen.
Sie bedeutet, die Zukunft so früh wie möglich zu verstehen, zu erproben und aktiv mitzugestalten.
Future-Fit Work Institut – Wir erforschen, entwickeln und erproben die nächste Generation der Arbeit.
Wissenschaftliche Quelle: Harry Lyu & Neil Thompson (2026): Right Order, Wrong Scale: Auditing LLM Judges for Occupational AI Measurement. MIT, arXiv-Preprint vom 1. Oktober 2026.