Die fünf Stufen der KI-Adoption
Boris Cherny, der Kopf hinter Claude Code, hat ein Stufenmodell veröffentlicht: fünf Reifegrade im Umgang mit KI-Agenten, von der gesperrten KI bis zur KI-nativen Organisation. Ich habe es übersetzt und mit meinem Alltag als Ein-Personen-Softwareproduktion abgeglichen. An einer Stelle erzählt mein Alltag eine andere Geschichte als das Modell.
Stufe 0: Gesperrt (Gated)
Nur ältere oder bewusst schwächere Modelle sind freigegeben. Jede Anfrage läuft durch Gateways und eigene Auth-Schichten, die Latenz aufbauen. Es gibt keinen Weg, KI-erzeugten Code intern zu betreiben. Der Zugang zu KI-Werkzeugen ist prozessschwer oder ganz gesperrt.
Der Engpass auf dieser Stufe hat nichts mit Technik zu tun: Alt-Freigabeprozesse, eine Steuerung über Kosten pro Token statt über Ergebnisse und Entscheidungsgremien ohne technische Stimmen. Der Weg heraus führt laut Cherny über die Führungsebene, nicht über die IT: Blocker eskalieren, Rahmen für einen sicheren Start schaffen.
Aus österreichischer Sicht ergänze ich: Stufe 0 ist hierzulande der Normalfall, nicht die Ausnahme. Wer in einem Konzern arbeitet und sich über die interne KI-Freigabe ärgert, sitzt in guter Gesellschaft.
Stufe 1: Assistiert (Assisted)
Ein Mensch, ein Agent, fast alles unter Aufsicht: ein sehr schneller Paar-Programmierer. Eine Session zur Zeit, nahezu jede Änderung wird vor der Übernahme gelesen. Der Gewinn: Eine Änderung, die früher einen Nachmittag füllte, ist zwischen zwei Terminen erledigt.
Der Engpass: die eigene Aufmerksamkeit. Weil das Vertrauen in die Ergebnisse noch fehlt und der Agent seine Arbeit nicht selbst prüft, liest man alles mit und schaut nie weg. Die Arbeit bleibt synchron, man sitzt daneben und wartet, statt sich der nächsten Aufgabe zuzuwenden.
Von Stufe 1 auf Stufe 2 kommt, wer zwei Dinge aufbaut: mehrere Agenten gleichzeitig und eine Selbstprüf-Schleife, der man vertraut. Also automatische Tests und Qualitätsprüfungen, dazu ein automatisiertes Review der Ergebnisse.
Stufe 2: Parallel
Ein Mensch orchestriert fünf bis zehn Agenten gleichzeitig, jeder in seiner eigenen Arbeitskopie des Codes. Die KI prüft ihre Arbeit selbst (Tests, Qualitäts- und Sicherheitsprüfungen), bevor ein Mensch sie sieht. Reviewt werden fertige Änderungspakete statt einzelner Tastenanschläge. Der Gewinn: Ein Rückstau, der das Team früher Wochen gekostet hätte, wird zum Nachmittag eines einzelnen Orchestrators. Die KI schreibt den größten Teil des Codes.
Der Engpass wandert: Statt Code zu schreiben, prüft man jetzt sechs Ströme davon. Das Review der Ergebnisse frisst die Zeit, dazu kommt das Springen zwischen den Sessions.
Stufe 3: Beaufsichtigte Autonomie (Supervised Autonomy)
Die KI schreibt praktisch den gesamten Code. Die Leitfrage wechselt von „Hast du den Code gelesen?" zu „Welcher Kontext hat dem Modell gefehlt, und wie lösen wir das fürs nächste Mal?" Der Gewinn: Die KI erledigt von sich aus Arbeit, die sonst auf einen menschlichen Anstoß gewartet hätte. Wartung und Aufräumarbeiten, die sonst liegen bleiben, laufen kontinuierlich im Hintergrund.
Der Engpass: das Vertrauen in die Prüfschleife und die Entscheidungsgeschwindigkeit des Teams. Cherny benennt hier auch die zentrale Falle des ganzen Modells: die Agenten-Anzahl zu skalieren, bevor die Prüfschleife sich das Vertrauen verdient hat. Der Agenten-Baum wird zu tief, um ihn zu beaufsichtigen. Wenn die Verifikation nicht trägt, multipliziert man Fehler statt Ergebnisse.
Stufe 4: KI-nativ (AI-native)
Die Schleife ist geschlossen: Die meisten Agenten werden von der KI selbst gestartet. Hunderte bis tausende Agenten laufen, der Mensch steuert über Absichten und überwacht per Ausnahme. Der Gewinn: Die Migration, die ein Quartal gedauert hätte, wird zu einem Workflow, den man anstößt und zwischendurch kontrolliert.
Der Engpass ganz oben: Arbeit im großen Stil überhaupt als automatisierbar zu erkennen und für jede Art von Arbeit die passenden Leitplanken zu setzen.
Die fünf Stufen der KI-Adoption im Überblick
| Stufe | Deine Rolle | Agenten | Engpass |
|---|---|---|---|
| 0 Gesperrt | keine | 0 | Freigabeprozesse, Kosten-Denken |
| 1 Assistiert | Paar-Partner | ~1 | Eigene Aufmerksamkeit, alles mitlesen |
| 2 Parallel | Orchestrator | ~10 | Review mehrerer Output-Ströme |
| 3 Beaufsichtigte Autonomie | Manager von Managern | ~100 | Vertrauen in die Prüfschleife, Entscheidungstempo |
| 4 KI-nativ | Steuern über Absicht | ~1.000+ | Automatisierbare Arbeit erkennen, Leitplanken |
Ein bekanntes Muster: Delegation und Reife
Beim Lesen der fünf Stufen beschlich mich ein Déjà-vu. Personaler kennen dieses Modell längst, nur unter anderem Namen: das situative Führen, zurückgehend auf Paul Hersey und Kenneth Blanchard. Eine Führungskraft passt ihren Stil dem Reifegrad des Mitarbeiters an: erst enge Anleitung (telling), dann Überzeugen (selling), dann Beteiligen (participating), schließlich Delegieren (delegating). Chernys Stufen 1 bis 4 folgen genau dieser Linie. Neu ist nur, wer da geführt wird: kein Mitarbeiter, sondern eine KI. Auch die Falle ist dieselbe. Wer delegiert, bevor Vertrauen und Selbstkontrolle gewachsen sind, zieht nach dem ersten Fehlschlag alles wieder an sich.
Ein zweites Modell schimmert ebenfalls durch, eines, mit dem ich seit über zwanzig Jahren arbeite: das Wertemodell von Clare W. Graves. Es beschreibt, welche Wertesysteme das Denken und Handeln von Menschen und Organisationen tragen. Die Zuordnung zu den Adoptionsstufen ist eher eine Resonanz als eine Gleichung. Aber sie erklärt gut, warum Organisationen auf bestimmten Stufen hängen bleiben:
| KI-Adoptionsstufe | Tragende Wertekultur (Graves) | Organisationstyp (Laloux) |
|---|---|---|
| 0 Gesperrt | Graves4 „Recht & Ordnung": Sicherheit durch Regeln und Absicherung | Traditionell |
| 1–2 Assistiert & Parallel | Graves5 „Erfolg & Leistung": Effizienz, Output, Messbarkeit | Modern |
| 3 Beaufsichtigte Autonomie | Graves6+7 „Team & Beziehung", „Entwicklung": Vertrauen, Lernen aus Fehlern | Postmodern bis integral |
| 4 KI-nativ | Graves7+8: Selbstorganisation, Steuern über Sinn und Absicht | Integral |
Eine Graves4-geprägte Organisation sperrt KI nicht aus Böswilligkeit, sondern weil Absicherung ihr zentraler Wert ist. Eine Graves5-Kultur holt aus Stufe 1 und 2 das Maximum heraus, tut sich mit Stufe 3 aber schwer: Dort wird aus der Kontrollfrage „Hast du den Code gelesen?" die Lernfrage „Welcher Kontext hat gefehlt?", und dieser Wechsel von Kontrolle zu Entwicklung ist ein Graves7-Reflex. Das Gravesmodell lehrt zudem etwas, das Cherny bestätigt: Ebenen lassen sich nicht überspringen. Autonomie trägt nur auf einem gesunden Fundament aus Ordnung und Leistungsdisziplin. Welche Adoptionsstufe eine Organisation erreicht, entscheidet sich deshalb weniger im IT-Budget als in ihrer Wertekultur.
Was ich daraus gelernt habe – und was es für kleine Teams bedeutet
Ich entwickle und betreibe meine HR-Plattform allein, mit KI-Agenten als Werkzeug. Kein Team, keine Freigabegremien, dafür echte Kunden und echte Verantwortung. Aus dieser Praxis lese ich Chernys Modell anders, als es gemeint ist. Fünf Beobachtungen, jeweils mit dem, was sie für ein kleines Team bedeuten.
1. Die Stufe folgt der Arbeit, nicht die Arbeit der Stufe
Das Modell klingt, als stünde eine Organisation auf einer Stufe und klettere nach oben. Mein Alltag sieht anders aus: Ich fahre mehrere Stufen gleichzeitig, je nach Arbeitstyp. Wiederkehrende Wartungsläufe laufen nachts automatisch und schicken mir einen Bericht (Stufe 3). Ein größeres Neubau-Projekt läuft parallel orchestriert mit Selbstprüfung (Stufe 2). Einen Server-Umzug oder eine Übergabe an den Kunden begleite ich Schritt für Schritt, bewusst auf Stufe 1. Und Texte, in denen meine eigene Stimme das Produkt ist, bleiben Handarbeit mit KI-Politur.
Die Stufenwahl ist eine Risiko-Entscheidung, keine Reife-Frage. Je schwerer eine Aktion umkehrbar ist und je näher sie am Kunden liegt, desto weiter unten auf der Leiter arbeite ich, ganz absichtlich.
2. Vertrauen entsteht durch Prüfschleifen
Ein Beispiel aus einem aktuellen Migrationsprojekt, die Details lasse ich weg: Das System meldete eine Ausbauphase als fertig. Statt das zu glauben, habe ich einen unabhängigen Vollständigkeits-Abgleich gegen die Alt-Anwendung laufen lassen. Ergebnis: neun Lücken, die im „fertig" nicht enthalten waren. Alle wurden geschlossen, bevor der Kunde sie je gesehen hätte.
Das ist Chernys „Selbstprüf-Schleife, der man vertraut" in der Praxis. Die Pointe: Das Vertrauen entsteht, weil eine zweite, unabhängige Instanz die erste kontrolliert und ich nur noch deren Differenz-Bericht lese. Seitdem gehört so ein Abgleich bei mir ans Ende jeder größeren Bauwelle.
3. Testen delegiere ich wie eine Einarbeitung
Vor einer Kundenübergabe klicke ich nicht mehr selbst durch alle Masken. Stattdessen entsteht eine Testanweisung, wie man sie einer neuen Mitarbeiterin geben würde: Zugangsdaten, Verhaltensregeln, Testfälle in Reihenfolge, ein Berichtsformat für Funde. Ehrlicherweise: Auch die schreibe nicht ich, sondern der Agent, der das System gebaut hat und jede Maske kennt. Abgearbeitet wird sie von einem frischen Agenten ohne Vorwissen, mit dem ausdrücklichen Auftrag, kritisch zu sein statt „grün" zu melden. Meine Rolle dabei: den Auftrag geben und die Anweisung gegenlesen, bevor sie gilt.
Der Grund ist derselbe wie bei menschlichen Teams: Wer etwas gebaut hat, testet es mit den Augen des Erbauers. Die blinden Flecken sitzen genau dort, wo beim Bauen die Annahmen saßen.
4. Der Engpass wandert vom Code zum Kalender
Das erwähnte Migrationsprojekt war inhaltlich in wenigen Tagen fertig. Was jetzt den Takt bestimmt, sind die Rückmeldefenster des Kunden, Urlaubszeiten und fachliche Entscheidungen, die nur gemeinsam fallen. Cherny nennt als Stufe-3-Engpass den „Entscheidungsdurchsatz des Teams". Bei einem Ein-Personen-Betrieb mit Beratungskunden ist dieses „Team" der Kunde selbst.
Das ist kein Fehler im System. Der Mensch am anderen Ende ist das Geschäft. Aber es verändert die Planung: Die knappe Ressource ist nicht mehr Entwicklungszeit, sondern gemeinsame Entscheidungszeit. Wer das weiß, bündelt seine Fragen an den Kunden, statt sie über Wochen zu verteilen.
5. Stufe 4 ist ein Werkzeug, kein Ziel
Die Zehnerpotenzen des Modells (1, 10, 100, 1.000 Agenten) lesen sich wie eine Fortschrittsskala. Für einen Konzern mit tausenden Entwicklern mag das stimmen. Zur Ehrlichkeit gehört meine eigene Verortung: Der Durchschnitt meiner Projekte liegt auf Stufe 2. Einzelne Arbeitstypen haben sich Stufe 3 verdient, etwa die nächtlichen Wartungsläufe mit Bericht; Kundenübergaben und Texte in eigener Stimme bleiben bewusst auf Stufe 1. Und Stufe 4 kenne ich aus meiner Praxis gar nicht, was ich darüber schreibe, stammt aus Chernys Tabelle. Die ehrlichere Frage ist ohnehin: Welche wiederkehrende Arbeit vertraue ich der Prüfschleife so weit an, dass ich nur noch per Ausnahme draufschaue? Das ist eine Vertrauensfrage und hat mit der Agenten-Anzahl wenig zu tun. Genau diese Mischung empfinde ich als den reifen Zustand.
Was das für HR bedeutet
Chernys Modell handelt von Software-Entwicklung, aber die Bewegung dahinter betrifft jede Wissensarbeit: vom Selbermachen zum Orchestrieren, vom Prüfen jeder Zeile zum Gestalten von Prüfschleifen. Welche Rollen sich dadurch verschieben, habe ich im Beitrag Jobmarkt 2027 ausführlicher beschrieben. Und wer KI-Workflows im eigenen Haus strukturieren will, findet im Disney-Modell für KI-Agentenrollen einen praktischen Einstieg.
Und wo steht die eigene HR-Arbeit? Wer Stellenanzeigen im Chat entwerfen lässt und jede Zeile prüft, arbeitet auf Stufe 1. Eine geprüfte Vorlagen-Bibliothek, aus der Entwürfe automatisch entstehen und nur noch final gelesen werden: Stufe 2. Automatische Erstentwürfe für Zeugnisse oder Interviewleitfäden mit Stichproben-Review: Stufe 3. Für vieles im Recruiting ist Stufe 3 übrigens auch die rechtliche Obergrenze, denn der EU AI Act stuft KI im Personalbereich als Hochrisiko ein und verlangt menschliche Aufsicht.
Für die Personalauswahl heißt das konkret: Die Eigenschaften, die auf den Stufen 2 bis 4 tragen (Urteilsfähigkeit unter Unsicherheit, Prozessdenken, die Bereitschaft, Kontrolle dosiert abzugeben), sind Persönlichkeitsmerkmale. Tool-Kenntnisse veralten in Monaten. Und ob eine Organisation den Sprung zur beaufsichtigten Autonomie schafft, ist eine Frage ihrer Wertekultur, wie oben skizziert. Beides ist messbar. Die Frage, wem ich in meinem Team beaufsichtigte Autonomie zutraue, beantwortet kein Lebenslauf, wohl aber eine Potenzialanalyse.
Quelle: Boris Cherny, „Steps of AI Adoption", 16. Juli 2026 (dazu seine Ankündigung auf X). Cherny nummeriert die Stufen 0 bis 4 und spricht selbst von vier Schritten, gemeint sind die vier Übergänge zwischen den fünf Stufen. Übersetzung und Kommentierung von mir.
Bildnachweis: Hero-Bild „Spiral staircase rising toward a skylight" via Wikimedia Commons, Autor: PattayaPatrol, Lizenz CC BY-SA 4.0.