Sind Teams immer noch relevant?

• Von Andreas Schliep • 13 min read

Adaptive Organisationen Agile Prinzipien Teams KI in der Zusammenarbeit
Symbolbild zu Teamwork als Fussballspiel

Sind Teams immer noch relevant?

Überarbeitet am 9. Oktober 2026: Mehrere Aussagen der ursprünglichen Fassung waren falsch oder nicht belegt, und die Argumentation wurde neu aufgebaut. Siehe den Korrekturhinweis am Ende. Die Überarbeitung ist mit KI-Unterstützung entstanden.

Zwei Entwicklungen stellen das traditionelle Team in Frage. Remote-Arbeit ist ein dauerhafter Teil des Arbeitslebens geworden: In den USA entfielen Mitte 2023 rund 28 Prozent der bezahlten Arbeitstage auf volle Tage im Homeoffice, etwa viermal so viel wie 2019 (Barrero, Bloom und Davis). Und Tools wie Claude und ChatGPT ermöglichen neue Formen der Zusammenarbeit zwischen Mensch und Maschine.

Wie Peter Beck in seinem Artikel “The AI-Enhanced Team of the Future” argumentiert, kann ein einzelner Entwickler heute mit agentischer KI dutzende spezialisierte Code-Agenten koordinieren und produktionsreife Features ausliefern. Das ist eine Beobachtung aus der Praxis, kein Forschungsbefund. (Offenlegung: Peter Beck ist mein Geschäftspartner, AME3 haben wir gemeinsam entwickelt.) Beck folgert daraus nicht, dass Teams verschwinden. Er erwartet, dass sich ihre Zusammensetzung und ihr Fokus verändern, hin zu dem, was er “AI-Enhanced Teams” und in der Software “Full Business Teams” nennt.

Meine Antwort vorweg: Teams bleiben relevant, aber nur unter Bedingungen. Ich nehme die fünf Bedingungen, die Richard Hackman für wirksame Teams benannt hat, und frage bei jeder, was Dynamic Teaming und KI mit ihr machen.

Die Außensicht: Was ein Team ist und wann es sich lohnt

Das Agile Manifest von 2001 schätzt „Individuen und Interaktionen mehr als Prozesse und Werkzeuge“, und sein viertes Prinzip verlangt, dass Fachexperten und Entwickler täglich zusammenarbeiten. Die meisten agilen Praktiken, etwa Retrospektiven und die tägliche Abstimmung, setzen eine stabile Gruppe voraus, die gemeinsam Verantwortung trägt. Das ist meine Lesart; das Manifest definiert kein Team.

Katzenbach und Smith tun das. In The Wisdom of Teams (1993) definieren sie ein Team als „eine kleine Anzahl von Menschen mit komplementären Fähigkeiten, die sich einem gemeinsamen Zweck, gemeinsamen Leistungszielen und einem gemeinsamen Arbeitsansatz verpflichtet fühlen, für die sie sich gegenseitig verantwortlich halten.“ Ob diese Definition trägt, wenn KI-Agenten Teamaufgaben übernehmen, ist eine offene Frage. Sie würde scheitern, wenn sich die gegenseitige Verantwortung nicht aufrechterhalten ließe, zum Beispiel wenn niemand im Team für das einstehen könnte, was ein Agent produziert hat.

Richard Hackman nannte in Leading Teams (2002) fünf Bedingungen für wirksame Teams: ein echtes Team („real team“), eine überzeugende Richtung, eine befähigende Struktur, einen unterstützenden organisatorischen Kontext und kompetentes Coaching. Für Hackman waren Teams nicht der Normalfall. Ein Team lohnt sich, wenn die Arbeit voneinander abhängige Beiträge braucht, und in einem Interview von 2009 sagte er, dass Einzelne vieles allein besser können.

Ein Hinweis zur Beleglage: Die erste Fassung dieses Artikels behauptete große Leistungsgewinne durch agile Arbeitsweisen. Ihre Quelle, ein 2021 veröffentlichter McKinsey Global Survey mit 2.190 Befragten, berichtet Zuwächse von rund 30 Prozent nur für hochgradig erfolgreiche Transformationen und auf der Grundlage von Selbstauskünften; die durchschnittliche Erfolgschance liegt bei 30 Prozent. Das ist eine Beratungsumfrage, und sie sagt nichts über Teams als solche. Die folgende Argumentation stützt sich deshalb auf Teamforschung.

Die Innensicht: Fünf Bedingungen unter Druck

Dynamic Teaming – Teams bilden sich entlang der Arbeit und formieren sich neu – geht auf Dynamic Reteaming von Heidi Helfand zurück. AI-Pairing – Menschen arbeiten mit Tools wie GitHub Copilot oder mit Code-Agenten – verändert, wie Arbeit zwischen Mensch und Maschine aufgeteilt wird.

1. Ein echtes Team. Die erste Bedingung verlangt klare Grenzen, voneinander abhängige Arbeit und stabile Mitgliedschaft. Dynamic Teaming gefährdet die Stabilität. Hackman zitiert die US-Verkehrssicherheitsbehörde NTSB: 73 Prozent der Vorfälle in ihrer Datenbank ereigneten sich am ersten gemeinsamen Flugtag einer Crew. Die zugrunde liegende Studie ist enger, als das klingt: Von 37 schweren Unfällen zwischen 1978 und 1990 lagen für 15 Daten zur Crew-Zusammenstellung vor, die Zahl beruht also auf 11 Unfällen. Die Basis ist klein, aber andere Arbeiten weisen in dieselbe Richtung. Huckman, Staats und Upton fanden bei einem indischen Software-Dienstleister, dass Teamvertrautheit einen signifikant positiven Effekt auf die Leistung hatte. Mortensen und Haas argumentieren, dass heutige Teams fluide, überlappend und verteilt sind und dass die dadurch verschwimmenden Grenzen die Wirksamkeit untergraben können. Reteaming hat einen Preis.

KI setzt dagegen an der gegenseitigen Abhängigkeit an. In einem präregistrierten Feldexperiment mit rund 780 Fachleuten bei Procter & Gamble stellten Dell’Acqua et al. fest, dass Einzelne mit KI das Leistungsniveau von Teams ohne KI erreichten. Teams mit KI schnitten am besten ab, wobei der Unterschied zu Einzelnen mit KI statistisch nicht signifikant war, und sie waren rund dreimal so häufig unter den Spitzenlösungen. Die Grenzen sind wichtig: Die „Teams“ waren Zweierteams, in einem Unternehmen, bei einer kurzen Aufgabe. Ich lese das mit Hackman, nicht gegen ihn: Wo Arbeit keine voneinander abhängigen Beiträge mehr braucht, ist ein Einzelner mit KI das bessere Design, und die Organisation braucht weniger Teams, nicht schlechtere.

2. Eine überzeugende Richtung. Ich erwarte, dass diese Bedingung an Gewicht gewinnt. Aus Becks Praxissicht werden Teams für komplette Business-Fähigkeiten verantwortlich, mit KI als Kraftmultiplikator. Der DORA-Report von 2025 stützt die Idee des Verstärkers mit Umfragedaten: KI verstärkt die vorhandenen Stärken und Schwächen einer Organisation. In DORAs eigener Zusammenfassung steigt der Durchsatz, oft aber auf Kosten der Stabilität. Meine Schlussfolgerung, kein Befund: Wenn Output billiger wird, produziert ein Team ohne gemeinsame Richtung mehr vom Falschen, und das schneller.

3. Eine befähigende Struktur. Bei Hackman umfasst sie die Gestaltung der Aufgabe, Zahl und Mischung der Mitglieder sowie Verhaltensnormen. Bei der Mischung kann KI helfen. Im Experiment bei Procter & Gamble schlugen Fachleute aus Forschung und Entwicklung und aus dem kaufmännischen Bereich ohne KI die für ihre Funktion typischen Lösungen vor, mit KI ausgewogenere. Bei den Normen kommt durch KI eine Anforderung hinzu. Eine randomisierte Studie von METR mit 16 erfahrenen Open-Source-Entwicklern und 246 Aufgaben ergab, dass sie mit KI 19 Prozent länger brauchten, danach aber glaubten, KI habe sie um rund 20 Prozent schneller gemacht. Das spiegelt den Werkzeugstand von Anfang 2025. Es zeigt nicht, dass KI langsamer macht, sondern dass wir unsere eigene Produktivität mit KI schlecht einschätzen. In einer Umfrage unter 319 Wissensarbeitern ging höheres Vertrauen in generative KI mit weniger selbstberichtetem kritischem Denken einher (Lee et al.). Ich schließe daraus, dass ein Team, das mit KI arbeitet, eine ausdrückliche Norm dafür braucht, KI-Ergebnisse zu prüfen und die eigenen Ergebnisse zu messen.

Welche Struktur zu welcher Arbeit passt, behandeln Praktikermodelle wie Org Topologies von Alexey Krivitsky und Roland Flemm. Das Modell ordnet Organisationseinheiten nach der Breite ihrer Fähigkeiten und dem Umfang ihrer Arbeit ein, derzeit in 16 Archetypen; die sieben aus dem frühen Einführungsartikel haben die Autoren nach eigener Aussage aus ihrer Beratungserfahrung verallgemeinert, nicht empirisch hergeleitet.

4. Ein unterstützender Kontext. Diese Bedingung wird oft aufgezählt und selten angewendet, so auch in der ersten Fassung dieses Artikels. Sie betrifft die Vergütungs-, Personal- und Informationssysteme rund um das Team. Hackman beobachtet, dass Systeme, die darauf ausgelegt sind, Einzelne zu steuern und zu korrigieren, einer der Hauptgründe dafür sind, dass Teams weniger leisten, als sie könnten. Beide Entwicklungen verlagern Last auf diese Bedingung. Wenn Menschen häufig das Team wechseln, muss das, was ein stabiles Team selbst tragen würde – Arbeitsvereinbarungen, Standards, das Wissen, wer was weiß –, in der Organisation liegen. Das unFIX-Modell von Jurgen Appelo, das Helfands Buch als Inspiration nennt, ist ein Entwurf dafür. Neben der Crew, die stabil, aber nicht statisch sein soll, gehören zu seinen Strukturmustern Forum, Base und Turf; das Forum gibt es, damit sich Menschen in ähnlichen Rollen darauf einigen, wie gearbeitet wird, was Reteaming weniger schmerzhaft macht. Auch Informationsflüsse hängen vom Kontext ab: Eine Studie mit 61.182 US-Beschäftigten von Microsoft ergab, dass unternehmensweite Remote-Arbeit die Kollaborationsnetzwerke statischer und stärker voneinander abgeschottet machte (Yang et al.). Und wenn KI den individuellen Output erhöht, erwarte ich, dass ein Vergütungssystem, das Einzelne misst, Menschen aus der Teamarbeit herauszieht, wie gut das Team selbst auch gestaltet ist.

5. Kompetentes Coaching. Hackman stellte fest, dass das Coaching einzelner Mitglieder wenig zur Teamleistung beiträgt; Teams brauchen Coaching als Gruppe, zu ihren Prozessen. Heutige KI-Werkzeuge unterstützen Einzelne. Mir sind keine Belege bekannt, dass sie Coaching auf Gruppenebene ersetzen. Ich behandle diese Bedingung deshalb als unverändert, und als Lücke.

Wie beginnen wir das Gespräch?

Die vier Metaphern aus der ersten Fassung dieses Artikels lassen sich jetzt als Positionen zu diesen Bedingungen lesen:

  1. Die feste Festung sichert die erste Bedingung, indem sie die Mitgliedschaft festhält. Sie passt zu Arbeit, die stark voneinander abhängt und bei der Vertrautheit teuer wieder aufzubauen ist, wie im Cockpit. Dass sie sich nur langsam neu konfiguriert, ist mein Urteil, nicht das von Katzenbach und Smith.

  2. Der Schwarm tauscht Stabilität gegen Flexibilität. Er funktioniert nur dort, wo die vierte Bedingung trägt, was das Team nicht mehr tragen kann; sonst zahlt er den Preis, den Hackman belegt: verlorene Vertrautheit.

  3. Die isolierten Inseln sind Einzelne, die mit KI arbeiten. Sie passen zu Arbeit, die keine voneinander abhängigen Beiträge braucht. Die bisherigen Belege decken nur kurze Aufgaben ab.

  4. Der KI-Hybrid ist ein echtes Team, das KI nutzt, wie Beck es skizziert. Im einzigen Experiment, das wir haben, lieferte er am häufigsten Spitzenlösungen, und er verstärkt die Bedingungen, die schon vorhanden sind.

Die Frage ist dann nicht, welche Metapher uns gefällt. Für jede Arbeit lautet sie: Braucht sie voneinander abhängige Beiträge? Wenn nicht, ist eine Insel die richtige Antwort. Wenn ja: Welche der fünf Bedingungen fehlt, und kann die Organisation sie bereitstellen? KI zu integrieren, ohne Vertrautheit zu verlieren, heißt, die Mitgliedschaft dort stabil zu halten, wo die gegenseitige Abhängigkeit hoch ist, und überall dort in den Kontext zu investieren, wo Menschen wechseln.

Fazit

Teams bleiben relevant, wo Arbeit voneinander abhängige Beiträge braucht und die fünf Bedingungen erfüllt werden können. Dynamic Teaming und KI machen die erste Bedingung schwerer erfüllbar, erhöhen die Bedeutung der zweiten, verändern die dritte, verlagern Last auf die vierte und lassen die fünfte, wo sie war. Haas und Mortensen haben diese Art der Neuinterpretation für Teams begonnen, die diverser, verteilter, digitaler und dynamischer sind.

Diese Position kann falsch sein. Sie würde scheitern, wenn größere Teams über längere Zeiträume mit KI bei voneinander abhängiger Arbeit nicht besser abschnitten als Einzelne mit KI. Sie würde auch scheitern, wenn häufig neu gebildete Teams in einem unterstützenden Kontext ebenso gut wären wie eingespielte. Beides ist, soweit ich sehe, nicht geprüft.

Bis dahin ist meine Hypothese bedingt: Wenn Hackmans Bedingungen übertragbar sind, werden sich Organisationen, die für jede Arbeit entscheiden, ob ein Team gebraucht wird, und die den Kontext für die verbleibenden Teams schaffen, besser anpassen als solche, die standardmäßig auf feste Teams oder auf Einzelne mit KI setzen.

Was die Evidenz sagt

  • Teamvertrautheit zählt: Crews und Projektteams, die schon zusammengearbeitet haben, leisten mehr (Hackman; Huckman et al. 2009).
  • Bei einer kurzen Innovationsaufgabe erreichten Einzelne mit KI das Niveau von Zweierteams ohne KI; Teams mit KI lieferten am häufigsten Spitzenlösungen (Dell’Acqua et al. 2026).
  • Selbst eingeschätzte Produktivitätsgewinne durch KI sind unzuverlässig (METR 2025), und Vertrauen in KI geht mit weniger kritischem Denken einher (Lee et al. 2025).
  • KI wirkt als Verstärker: höherer Durchsatz, oft auf Kosten der Stabilität (DORA 2025).
  • Unternehmensweite Remote-Arbeit machte Kollaborationsnetzwerke statischer und stärker voneinander abgeschottet (Yang et al. 2022).

Was wir annehmen

  • Hackmans fünf Bedingungen lassen sich auf KI-unterstützte und verteilte Teams übertragen.
  • Die Befunde zu Zweierteams und kurzen Aufgaben sagen etwas über größere Teams und langfristige Arbeit aus.
  • Ein unterstützender Kontext kann einen Teil der Vertrautheit ausgleichen, die Dynamic Teaming kostet.
  • Billigerer Output macht eine gemeinsame Richtung wichtiger, und individuelle Vergütung schwächt Teamarbeit, wenn KI den individuellen Output erhöht.
  • Praktikermodelle wie unFIX, Org Topologies und AME3 beschreiben nützliche Optionen; empirisch validiert sind sie nicht.

Literatur

Korrekturhinweis

Überarbeitet am 9. Oktober 2026 (Erstveröffentlichung am 4. November 2025).

Korrigiert:

  • McKinsey: Die ursprüngliche Fassung nannte Zuwächse von „30 bis 50 Prozent“ aus „aktuellen Studien“. Die Quelle ist eine Beratungsumfrage, die rund 30 Prozent berichtet, und zwar nur für hochgradig erfolgreiche Transformationen.
  • Hackman: Leading Teams nennt fünf Bedingungen, nicht vier; das „echte Team“ fehlte. Das Zitat „authority vacuum“ ließ sich nicht belegen und wurde entfernt.
  • unFIX: Ein Muster „Crowds“ gibt es dort nicht. Dynamic Teaming wird jetzt Heidi Helfand zugeschrieben.
  • Org Topologies: Die Beschreibung der Achsen und die Zahl der Archetypen waren falsch.
  • Aussagen, die Peter Beck oder Katzenbach und Smith zugeschrieben waren, aber meine eigenen Urteile sind, sind jetzt als solche gekennzeichnet; die Geschäftsbeziehung zu Peter Beck ist offengelegt.

Neu aufgebaut:

  • Der Artikel prüft jetzt Hackmans fünf Bedingungen an Dynamic Teaming und KI; die ursprüngliche Fassung gab einen Überblick über Frameworks.
  • Die vier Metaphern sind aus diesen Bedingungen abgeleitet, und die Schlussfragen sind beantwortet.
  • Das Fazit nennt die Befunde, die es widerlegen würden.
  • Ergänzt: Forschung zu Teamvertrautheit, KI und Teamarbeit sowie Remote-Arbeit, eine Übersicht über Evidenz und Annahmen und ein Literaturverzeichnis.

KI-Unterstützung: Diese Überarbeitung ist mit Hilfe eines KI-Assistenten (Claude, Anthropic) entstanden, der die Quellen geprüft, den neu aufgebauten Text entworfen und die deutsche und die italienische Fassung erstellt hat. Ich habe das Ergebnis geprüft und verantworte den Inhalt.


Über den Verband

Der Verband für adaptive Organisationen e.V. ist ein Zusammenschluss führender europäischer Organisationsentwickler, Coaches und Trainer, um einheitliche Qualitätsstandards für Aus- und Weiterbildung in der Organisationsentwicklung zu schaffen und Unternehmen in unsicheren Märkten zu unterstützen. Ziel ist es, Organisationen zu mehr Kundenfokus, Wirksamkeit und Resilienz zu verhelfen.