Die schnellste KI ist nicht die intelligenteste
Es gibt ein Muster, das sich in Projekten zur künstlichen Intelligenz in Unternehmen immer wieder zeigt und das nur selten in den Tracking-Dashboards auftaucht: Nutzer beginnen, Dinge doppelt zu überprüfen, die sie zuvor ohne Zögern akzeptiert hätten. Nicht weil das System versagt hat. Sondern weil das System vorangeschritten ist, bevor sie ihm folgen konnten.
EY hat diesem Muster in einem Ende Juni 2026 in Fortune veröffentlichten Artikel einen Namen gegeben. Man nannte es „Tempo Gap": den Punkt, an dem die Geschwindigkeit der Maschine die menschliche Verständniskapazität übersteigt. Patricia Camden, Leiterin für Kundenerfahrung bei EY Studio+, und John Dubois, Leiter für KI-Strategie in Amerika, dokumentierten dieses Phänomen auf der Grundlage ihrer Arbeit mit Unternehmenskunden aus verschiedenen Branchen. Ihre Diagnose ist klar: Die meisten Organisationen glauben, ihr größtes Problem mit KI sei die Akzeptanz. Das stimmt nicht. Es ist das Tempo.
Was dieses Argument so interessant macht, ist nicht, dass es technisch gesehen neu wäre. Es ist die Tatsache, dass es von zwei Führungskräften einer der größten Beratungsfirmen der Welt in einem einflussreichen Wirtschaftsmedium gesagt wird – und zwar in einer Sprache, die nicht mehr nach Euphemismus klingt: Das Problem liegt nicht im Algorithmus, sondern im Design der menschlichen Erfahrung rund um diesen Algorithmus. Und das hat Implikationen, die weit über die Benutzererfahrung hinausgehen.
Wenn das System gut funktioniert und trotzdem etwas schiefläuft
Die drei Fälle, die Camden und Dubois zur Veranschaulichung des Tempo Gaps anführen, sind präzise in dem, was sie offenbaren. Ein Reisender mit einem stornierten Flug wird automatisch auf einen anderen Flug umgebucht, bevor er Optionen vergleichen kann. Ein Kunde schließt einen Finanzantrag so schnell ab, dass er wesentliche Bedingungen akzeptiert, ohne sie verarbeitet zu haben. Ein Patient sieht in einem medizinischen Formular seine sensiblen Daten vorab ausgefüllt, bevor er verstanden hat, wie sie verwendet werden.
In allen drei Fällen hat das System genau so funktioniert, wie es entworfen wurde. Es gab keine technischen Fehler. Es gab keine Sicherheitslücken. Und dennoch erzeugte die Erfahrung Zögern, Misstrauen und in einigen Umgebungen die stille Wiedereinführung manueller Überprüfung in Prozessen, die genau zu deren Beseitigung automatisiert worden waren.
Dieser letzte Punkt verdient Aufmerksamkeit. Wenn Teams beginnen, Ergebnisse zu überprüfen, die sie zuvor akzeptiert hätten, sind sie nicht irrational. Sie reagieren auf ein Designsignal: Das System hat sich schneller bewegt als ihre Verständniskapazität, und das hat ein Vertrauensdefizit erzeugt, das sie nun manuell ausgleichen müssen. Die Kosten erscheinen nicht in den Indikatoren zur Prozessgeschwindigkeit. Sie erscheinen in der unsichtbaren Zeit, die Operatoren damit verbringen, das erneut zu validieren, was die KI bereits erledigt hat.
EY nennt das „manuelle Überprüfung, die sich wieder in den Prozess einschleicht". Aus der Perspektive der Organisationsarchitektur ist es etwas Spezifischeres: Es ist das Symptom eines Systems, das auf Effizienz optimiert wurde, ohne auf Vertrauen kalibriert worden zu sein. Und diese Unterscheidung ist nicht semantischer Natur. Sie hat direkte Konsequenzen für die Betriebskosten und die reale Fähigkeit zur Skalierung.
Das dem EY-Befund zugrunde liegende Argument lautet, dass die meisten Organisationen die KI-Einführung noch immer als Effizienzinitiative behandeln. Das Unternehmensgesprach dreht sich weiterhin um Automatisierung, Reibungsreduktion und Geschwindigkeit. Was in diesem Gespräch ausgeblendet wird: Die Beschleunigung von Arbeitsabläufen verändert auch die kognitiven Anforderungen der Menschen, die diese durchlaufen. Und wenn diese Anforderungen nicht gut gestaltet werden, verwandelt sich die versprochene Effizienz in eine operative Illusion: Der Prozess ist formal schneller, aber die Menschen rennen ihm hinterher, ohne zu verstehen, was sie genehmigen.
Der blinde Fleck, den niemand im Designraum benannte
Hier berührt die Analyse von EY etwas, das über die Benutzererfahrung hinausgeht und in das Territorium der Machtarchitektur vordringt. Der Tempo Gap ist nicht nur ein Problem des Interface-Designs. Er ist in erster Linie ein Problem der Frage, wer anwesend war, als die Designentscheidungen getroffen wurden.
Die drei von EY dokumentierten Beispiele – der umgebuchte Reisende, der Finanzkunde, der akzeptiert ohne zu lesen, der Patient mit vorausgefüllten Daten – teilen eine gemeinsame Struktur: ein System, das aus der Perspektive dessen gestaltet wurde, der es betreibt, nicht aus der Perspektive dessen, der es erlebt. Die Effizienz der automatischen Umbuchung ist aus Sicht der Airline oder Agentur vollkommen logisch. Die Geschwindigkeit des Finanzantrags ist ein Erfolg aus Sicht der Bank. Die Vorab-Ausfüllung medizinischer Daten erscheint dem technischen Team als Usability-Verbesserung.
Was in diesen Designräumen fehlte, war keine böse Absicht. Es war periphere Intelligenz: die Perspektive derjenigen, die am anderen Ende des Systems stehen und deren Erfahrung nicht die Optimierung des Prozesses ist, sondern die Aufrechterhaltung der eigenen Handlungsfähigkeit.
Dies ist ein strukturelles Muster in der Art und Weise, wie KI-Systeme für Unternehmen gebaut werden. Design- und Produktteams neigen dazu, aus Personen zu bestehen, die eine Reihe gemeinsamer Annahmen darüber teilen, wie Entscheidungsfindung funktioniert, was eine gute Erfahrung ausmacht und wie lange jemand vernünftigerweise braucht, um Informationen zu verarbeiten. Wenn diese Teams homogen sind – in ihrer Beziehung zur Technologie, in ihrer Toleranz gegenüber Geschwindigkeit, in ihrem Zugang zu komplexen finanziellen oder medizinischen Informationen – produzieren sie Systeme, die für Menschen wie sie selbst kalibriert sind.
Der Tempo Gap ist unter anderem der Preis dieser Homogenität. Nicht in moralischer Hinsicht, sondern in Bezug auf die Qualität des Designs. Ein System, das bei seinen Nutzern systematisches Zögern erzeugt, ist ein System, das entworfen wurde, ohne die Perspektiven derjenigen einzubeziehen, die vor dem Handeln am meisten Verständnis benötigen. Und das ist ein Problem der Architektur kollektiver Intelligenz, kein deklaratives Ethikproblem.
EY rahmt seine Analyse nicht in diesen Begriffen. Ihr Ausgangspunkt ist eher operationaler Natur: Organisationen müssen das Tempo der Maschine mit dem menschlichen Tempo in Einklang bringen. Das ist eine vernünftige Empfehlung. Aber die vorgelagerte Frage ist unbequemer und relevanter für Unternehmen, die diese Systeme gerade jetzt entwickeln: Aus welchem Designraum stammt die Annahme, dass schneller immer besser ist – und wer war in diesem Raum?
Reibung als Designsignal, nicht als Hindernis
Mehr als ein Jahrzehnt lang war die dominierende Philosophie im digitalen Design die Beseitigung von Reibung. Weniger Klicks, weniger Schritte, weniger Zeit zwischen Absicht und Handlung. Diese Philosophie brachte messbare Ergebnisse: höhere Konversionsraten, stärkere Bindung, schnellere Prozesse. Sie produzierte auch, still und leise, Systeme, in denen die Geschwindigkeit zunehmend mehr demjenigen diente, der das System betreibt, als demjenigen, der es nutzt.
EY schlägt eine präzise konzeptuelle Wende vor: intentionale Reibung als Designwerkzeug. Keine willkürlichen Verzögerungen, sondern bewusste Pausen in den Momenten, in denen ein Nutzer Verständnis braucht, bevor er handelt. Eine Bestätigung, bevor eine Finanzentscheidung ausgeführt wird. Eine kurze Erklärung, wie sensible Daten verwendet werden. Ein Moment der Sichtbarkeit darüber, warum das System das getan hat, was es getan hat.
Das Bemerkenswerte an diesem Argument ist, dass es nicht fordert, dass Systeme in absoluten Begriffen langsamer werden. Es fordert, dass sie in den Momenten mit den größten Konsequenzen für den Nutzer selektiv langsamer werden. Das erfordert, dass das System zwischen einem Moment geringer und hoher kognitiver Belastung unterscheiden kann, zwischen einer Routinehandlung und einer Entscheidung mit materiellen Konsequenzen. Diese Unterscheidungsfähigkeit entsteht nicht aus dem Algorithmus. Sie entsteht aus dem Design, und das Design entsteht aus denjenigen, die verstehen, was eine Entscheidung für jemanden bedeutsam macht, der nicht den gleichen Kontext hat wie das Team, das das System gebaut hat.
In Sektoren wie Finanzdienstleistungen, Gesundheitswesen oder Versicherungen hat dieses Argument eine regulatorische Dimension, die EY beiläufig erwähnt, die aber mehr Gewicht verdient. Die Verbraucherschutzvorschriften, das informierte Einverständnis und die Pflicht zur fairen Offenlegung basieren auf der Annahme, dass die Menschen verstehen, was sie akzeptieren. Ein KI-System, das den Nutzer schneller bewegt, als sein Verständnisvermögen es erlaubt, produziert nicht nur eine mangelhafte Erfahrung. Es erzeugt ein rechtliches und regulatorisches Risiko, das Organisationen still und leise in jedem Ablauf ansammeln, den sie für Geschwindigkeit optimiert haben, ohne dabei das Verständnis zu berücksichtigen.
EY warnt, dass die Organisationen, die dieses Problem nicht selbst benennen, es von einem Regulierer oder einem Kunden benannt bekommen werden. Das ist eine vernünftige Prognose angesichts des Tempos, mit dem Regulierungsrahmen für KI in Europa und – mit Verzögerung – in anderen Regionen voranschreiten. Die Frage ist nicht, ob es externe Kontrolle darüber geben wird, wie KI-Systeme mit der Handlungsfähigkeit und dem Verständnis der Nutzer umgehen. Die Frage ist, wie viel kumulativer Schaden entstanden sein wird, bevor diese Kontrolle eintrifft.
Die nächste Adoptionsphase wird nicht durch Geschwindigkeit gewonnen
Das Argument von EY hat einen strategischen Kern, den es sich lohnt, präzise herauszuarbeiten: Die nächste Phase des Wettbewerbsvorteils bei KI wird nicht davon abhängen, wer am schnellsten automatisiert, sondern davon, wer das Tempo, mit dem seine Systeme mit den Menschen interagieren, die sie nutzen, am besten kalibriert.
Das ist kein Zugeständnis an Langsamkeit. Es ist eine Diagnose darüber, wo sich die technische und organisationale Schuld in KMU-Projekten und großen Unternehmen gleichermaßen ansammelt. Organisationen, die hohe Overridequoten, ungeplante manuelle Überprüfungen und systematisches Zögern bei Nutzern aufweisen, scheitern nicht bei der Adoption. Sie scheitern beim Design. Und dieses Scheitern hat direkte Kosten für die Rendite der KI-Programme, die manuelle Arbeit versprachen zu eliminieren und diese in einigen Fällen durch die Hintertür wieder erzeugen.
Die von EY vorgeschlagene Lösung – das Tempo der Maschine mit dem menschlichen Tempo in Einklang zu bringen – erfordert eine Fähigkeit, die nicht allein durch bessere Algorithmen aufgebaut wird. Sie erfordert, dass Organisationen in ihre KI-Systemdesign-Teams Perspektiven von Menschen einbeziehen, die das gesamte Spektrum der Nutzererfahrungen repräsentieren: jene mit geringerer technologischer Vertrautheit, jene, die in finanziellen oder medizinischen Kontexten einer größeren Informationsasymmetrie ausgesetzt sind, jene, für die bei jeder Interaktion mehr auf dem Spiel steht.
Das ist keine Philanthropie des Designs. Es ist die strukturelle Voraussetzung dafür, dass ein KI-System intelligent genug ist, um zu wissen, wann es langsamer werden muss. Und ein System, das nicht weiß, wann es langsamer werden muss, ist kein intelligentes System. Es ist ein schnelles System. Der Unterschied zwischen beiden ist genau die Lücke, der EY gerade einen Namen gegeben hat – und die die meisten Organisationen noch immer nicht auf ihrem Kennzahlen-Dashboard haben.
