Dieselben 12 Punkte, übersetzt auf KI: Donella Meadows' Hebelpunkte für AI First

Es gibt ein Buch, das ich jedes Jahr lese, inzwischen jedes zweite. Donella Meadows, Thinking in Systems: A Primer. Ich habe meine Karriere im Grunde nach diesem Buch ausgerichtet. Im Sommer 2026, im Urlaub, habe ich es wieder gelesen. Und diesmal mit einer Frage im Kopf.

Wer sie war

Donella Meadows, 1941 bis 2001. Umwelt- und Systemwissenschaftlerin. Hauptautorin von “Die Grenzen des Wachstums” (“The Limits to Growth”), 1972. 29 Jahre in Dartmouth. MacArthur Fellow.

Das Buch ist posthum erschienen. Entworfen 1993, nach ihrem Tod von Diana Wright aus diesem Entwurf fertiggestellt, 2008 bei Chelsea Green veröffentlicht.

Meine 10-Jahre-Buchregel: Wenn ein Buch so gut ist, dass Leute es 10 Jahre nach Erscheinen noch empfehlen, ist es wahrscheinlich lesenswert. Dieses empfehle ich nicht nur, ich lese es seit fast 18 Jahren. Immer wieder.

Warum die Frage gerade jetzt zählt

Meinen ersten KI-Workshop habe ich im Dezember 2023 verkauft. Bis August 2026 waren es 25, im Jahr 2026 im Schnitt einer alle dreieinhalb Wochen.

Die Workshops haben sich massiv verändert. Am Anfang ging es nur ums Prompten in Chats, ums Umschiffen von Halluzinationen und ums Kopieren von Code-Schnipseln in einen selbst gebauten Web-Editor, um die Grenzen der Chat-Ansicht und die abgeriegelten Firmencomputer der Teilnehmenden zu umgehen.

Heute laufen im Workshop mehrere Agenten, die Subagenten starten, auf voll ausgestatteten AI-First-Desktops in der Cloud, erreichbar über den Browser. Von Context Management, AGENTS.md- und CLAUDE.md-Dateien über Zielsetzung und Service-Integrationen bis zu Agenten (Claws), die rund um die Uhr laufen, autonom oder mit einem Menschen in der Schleife.

Und trotzdem kratzen wir nur an der Oberfläche. Zum Zeitpunkt des Schreibens bauen sich zwei befreundete Unternehmen zu echtem AI First um. Sie bauen jeden Prozess und jede Rolle neu um KI herum: Produkt, Entwicklung, QA, HR, Management. Alte Rollen verschwinden, neue werden erfunden. Alte Grenzen fallen. Neue werden entdeckt. Neues Terrain.

Wenn du also ein System - eine Organisation, ein Unternehmen - auf AI First umstellst: Wo setzt du die wirkungsvollsten Veränderungen an?

Genau diese Frage hat Meadows für Systeme allgemein beantwortet.

Donellas Originalliste: die 12 Hebelpunkte

Meadows hat ihre Hebelpunkte im Essay Leverage Points: Places to Intervene in a System beschrieben und im Buch noch einmal. Hier ihre Liste in umgekehrter Reihenfolge, von Nr. 12, der am wenigsten wirksamen (wenig heißt nicht “keine Wirkung”), bis zu Nr. 1, der wirksamsten. Meine Übersetzung aus dem Englischen:

• 12. Konstanten, Parameter, Zahlen (etwa Subventionen, Steuern, Standards)
• 11. Die Größe von Puffern und anderen stabilisierenden Beständen, relativ zu ihren Flüssen
• 10. Die Struktur materieller Bestände und Flüsse (etwa Verkehrsnetze, Altersstrukturen der Bevölkerung)
• 9. Die Länge von Verzögerungen, relativ zur Geschwindigkeit, mit der sich das System verändert
• 8. Die Stärke ausgleichender Rückkopplungsschleifen, relativ zu den Auswirkungen, die sie korrigieren sollen
• 7. Die Verstärkung in antreibenden, sich selbst verstärkenden Rückkopplungsschleifen
• 6. Die Struktur der Informationsflüsse (wer Zugang zu Informationen hat und wer nicht)
• 5. Die Regeln des Systems (etwa Anreize, Strafen, Beschränkungen)
• 4. Die Macht, Systemstrukturen hinzuzufügen, zu verändern, weiterzuentwickeln oder selbst zu organisieren
• 3. Die Ziele des Systems
• 2. Die Denkweise oder das Paradigma, aus dem das System - seine Ziele, Struktur, Regeln, Verzögerungen, Parameter - entsteht
• 1. Die Macht, Paradigmen zu überwinden

Dieselben 12 Punkte, übersetzt auf KI

Gleiche Reihenfolge, gleiche Logik. Das ist meine Zuordnung. Work in progress, es gibt noch viel zu entdecken.

• 12. Konstanten, Parameter, Zahlen: Seats, Tokens, Modellstufen, Ausgabenlimits.
• 11. Die Größe von Puffern und stabilisierenden Beständen: alles, was den Geschwindigkeitsunterschied zwischen Agenten und Menschen abfängt. Der Stapel an ungeprüftem Maschinen-Output: Entwurfsordner, PR-Warteschlangen, Staging. Zu klein, und die Leute ertrinken im KI-Output. Zu groß, und fertige Arbeit verrottet ungenutzt.
• 10. Die Struktur von Beständen und Flüssen: ob ein Agent ein begrenztes Chatfenster bekommt oder Zugriff auf einen vollständigen Computer - und womit dieser Computer verbunden ist: Systeme, Daten, Zugangsdaten.
• 9. Die Länge von Verzögerungen: Das Tun wurde schnell, das Lernen nicht. Der Agent liefert in einer Minute. Der Fehler in der echten Welt taucht nach drei Wochen auf. In der Zwischenzeit wurden tausend solcher Bugs ausgeliefert. Die KI handelt schneller, als das Feedback zurückkommt.
• 8. Die Stärke ausgleichender Rückkopplungsschleifen: Monitoring, Rollback, Review. Prüfungen müssen in der Geschwindigkeit dessen laufen, was sie prüfen.
• 7. Die Verstärkung in sich selbst verstärkenden Schleifen: Agenten, die die Skills schreiben, die den nächsten Agenten besser machen. Und in die andere Richtung: Agenten-Slop, der Agenten-Slop füttert.
• 6. Die Struktur der Informationsflüsse: was die Maschine zu sehen bekommt. Nicht nur Eingabedaten, sondern das Ergebnis ihrer eigenen Handlungen: Search Console, Analytics, CRM, Tickets, Code, Rechnungen, Logs.
• 5. Die Regeln des Systems: Berechtigungen, Budgets, Anreize, Definition of Done. Wer gibt frei, und wer trägt die Verantwortung, wenn die KI Mist baut. Nicht ob, sondern wann. Eine Maschine trägt keine Verantwortung.
• 4. Die Macht zur Selbstorganisation: Teams bauen ihre eigenen Agenten, Tools und Rollen und schaffen sie wieder ab. Wenn alle Entwickler sind, dürfen dann auch alle deployen?
• 3. Die Ziele des Systems: wofür das Unternehmen KI einsetzt. Kosten senken, Leute entlassen, oder mit KI das tun und bauen, was vorher unmöglich war.
• 2. Die Denkweise oder das Paradigma: AI First.
• 1. Die Macht, Paradigmen zu überwinden: KI wird wie Elektrizität sein, einfach die Art, wie Dinge funktionieren. Wie wir Computer nutzen, wie wir Wert schaffen. Und deshalb wird sie irgendwann selbst abgelöst werden.

Nr. 3, das Ziel: dich ersetzen, Kosten senken oder das Unmögliche bauen?

Nehmen wir nur einen Punkt heraus.

Zusammengestellt habe ich diese Liste in einer Taverne in Griechenland (verdammt, war das heiß, aber es hat sich gelohnt). Und dabei ist mir eine Sache zu Nr. 3 klar geworden, dem Ziel.

Es ist egal, wie viel du in AI First investierst. Wenn deine Mitarbeitenden, dein Team oder auch nur du selbst glauben, dass KI da ist, um dich zu ersetzen, dich überflüssig zu machen, dann wird die Organisation, die du baust, eine ganz andere sein als die, die sich vornimmt, das Unmögliche zu bauen.

Einfache Logik: Die Menschen, die KI zum Laufen bringen sollen, sind dieselben Menschen, die KI ersetzen soll. Niemand baut seinen eigenen Ersatz gut. Also sucht die KI-Organisation, die auf Kostensenkung aus ist, nach Gründen, warum es nicht funktioniert, nicht funktionieren wird, warum KI einfach nichts taugt. Und sie wird sie finden.

Vielleicht bekommst du trotzdem einen KI-Chatbot-Button auf deiner Website. Das Unmögliche bekommst du nicht.

Dieselben Tools, dieselben Seats, dieselben Tokens: Nr. 12 sieht in beiden Unternehmen identisch aus. Nr. 3 entscheidet, welches Unternehmen du wirst.

Ach ja, und das Ziel darf nicht nur verkündet werden. Es muss glaubwürdig und vertrauenswürdig sein. Ein echtes Ziel. Nicht nur eine Folienüberschrift.