Prompt Engineering: Der Begriff klingt nach Entwicklerkurs und GitHub-Repositories. Dabei steckt dahinter uraltes Führungswissen in neuem Gewand. Wer versteht, dass hinter diesem Modewort eine der wichtigsten KI-Kompetenzen steckt, die Fähigkeit zu delegieren, hat einen entscheidenden Vorsprung. Und spart sich teure Umwege.
Denn die Frage, die Unternehmen heute beschäftigt, ist nicht: Welches KI-Tool soll ich einführen? Die Frage, die den Unterschied macht, ist: Wer in meiner Organisation kann einem KI-Agenten eine Aufgabe so übergeben, dass am Ende etwas Nützliches herauskommt? Die Antwort lautet: Wer gut delegieren kann.
Wie der PC die Führungskraft zum Sachbearbeiter machte
Bevor wir über KI-Agenten sprechen, lohnt ein Blick zurück. Weit zurück — bis in die 1980er-Jahre, als Personal Computer in Büros Einzug hielten und still und leise eine der wichtigsten Führungskompetenzen demontiert haben.
Vor dem PC-Zeitalter hatten Führungskräfte Assistenz. Menschen, denen sie Aufgaben übergaben, mit klaren Erwartungen, Kontext und dem nötigen Vertrauen. Delegation war nicht Theorie, sie war Alltagspraxis. Dann kam der PC. Plötzlich konnte jede Führungskraft selbst E-Mails schreiben, Präsentationen bauen, Termine koordinieren. Das galt als Effizienz. In Wirklichkeit war es eine schleichende Entwöhnung von einer grundlegenden Führungspraxis.
Die Arbeitsmarktforschung ist eindeutig: Branchen mit starker PC-Adoption verschoben ihre Belegschaftsstruktur massiv hin zu Manager:innen und Fachkräften — und weg von administrativem Support-Personal [4]. Der Anteil von Büro- und Verwaltungsberufen fiel von einem Hochpunkt in den 1980er-Jahren auf das Niveau der 1950er-Jahre zurück [5]. Allein in den USA verschwanden seit dem Jahr 2000 über 1,6 Millionen Sekretariats- und Assistenzstellen, ein Rückgang von fast 40 Prozent [6].
Die Arbeit ist nicht weggefallen. Sie ist nach oben gewandert. Führungskräfte erledigen heute selbst, was früher delegiert wurde: Reisebuchungen, Präsentationen, E-Mail-Koordination. Die systematische Praxis, Arbeit so zu übergeben, dass das Gegenüber sie wirklich erfolgreich ausführen kann, verflüchtigte sich über zwei Generationen.
Was ist Prompt Engineering wirklich — und was hat es mit Delegation zu tun?
Jetzt läuft die Entwicklung in die andere Richtung. KI-Agenten — Systeme, die eigenständig Aufgaben ausführen, Tools benutzen, Entscheidungen treffen — brauchen genau das, was jedes neue Teammitglied braucht: ein klares Ziel, den relevanten Kontext und die Gelegenheit, im Laufe der Zeit besser zu werden.
Was die Tech-Szene als „Prompt Engineering" bezeichnet und was Andrej Karpathy präziser „Context Engineering" nennt, ist strukturell identisch mit guter menschlicher Delegation. Karpathy, einer der einflussreichsten KI-Forscher weltweit, beschreibt den Begriff so [7]:
„Context engineering is the delicate art and science of filling the context window with just the right information, instructions, examples, and state for the next step."
Das klingt nicht nach Programmieren. Das klingt nach Führen.
Und es ist kein Zufall. Ein aktuelles Forschungspapier zur intelligenten Delegation an KI-Agenten greift für sein Framework explizit auf klassische Organisationstheorie zurück: Principal-Agent-Problem, Kontrollspanne, Authority Gradient, Transaktionskosten-Ökonomie [8]. Die Autor:innen beschreiben KI-Delegation mit exakt demselben Vokabular, das Organisationspsycholog:innen seit Jahrzehnten für menschliche Delegation verwenden.
Prompt Engineering / Context Engineering
Beides beschreibt die Kunst, einem KI-System die richtigen Anweisungen, Informationen und den passenden Kontext zu geben — damit es eine Aufgabe zuverlässig und nützlich erfüllt. „Prompt“ ist der Befehl, „Context“ ist der Rahmen, der dem System sagt, was relevant ist. KI-Forscher Andrej Karpathy spricht inzwischen lieber von „Context Engineering“, weil der Begriff präziser trifft, worum es wirklich geht: nicht um clevere Befehle, sondern um gezieltes Wissen. Für die Praxis macht der Unterschied wenig aus — entscheidend ist beides zusammen.
Auch Branchenbeobachter:innen kommen zu denselben Schlüssen [9] :
„The main thing that determines whether an Agent succeeds or fails is the quality of the context you give it."
Nicht die Stärke des Modells, nicht das Budget für die API, nicht die Wahl des Tools.
Was gute Delegation ausmacht — für Menschen und Maschinen
Der Organisationspsychologe Elliott Jaques hat im 20. Jahrhundert ein Delegations-Framework entwickelt, das acht Schlüsselelemente definiert: Kontext, Zweck, Qualität, Zeitrahmen, Ressourcen, Einschränkungen, Dialog, Follow-up [3]. Wer heute einen nützlichen Prompt schreibt, tut genau das — und wer dabei scheitert, tut es meistens, weil eines dieser Elemente fehlt.
Drei davon sind besonders grundlegend.
Wozu vor Was und Wie. Wer delegiert, indem er nur erklärt, was zu tun ist und wie es zu tun ist, schränkt sein Gegenüber ein. Wer erklärt, wozu etwas getan wird — welches Ziel erreicht werden soll, welches Problem gelöst wird — ermöglicht echte Eigenverantwortung. Das gilt für Mitarbeitende genauso wie für KI-Agenten. Das Frame-Problem der KI ist strukturell: KI kann nicht von sich aus entscheiden, welche Informationen für eine Entscheidung relevant sind. Dasselbe Problem entsteht, wenn ein neues Teammitglied eine Aufgabe ohne Hintergrundwissen erhält.
Kontext aktiv mitliefern. Gute Delegation bedeutet: Ich teile, was ich weiß und was mein Gegenüber nicht wissen kann. Wer neu in einem Unternehmen ist, kennt die Geschichte des Projekts nicht. Wer zum ersten Mal mit einem bestimmten Kunden arbeitet, weiß nicht, welche Empfindlichkeiten zu beachten sind. Das ist keine Schwäche des Gegenübers — es ist eine strukturelle Informationsasymmetrie. Dieselbe Asymmetrie besteht bei KI-Agenten, nur noch ausgeprägter: Ein Sprachmodell hat kein implizites Erfahrungswissen über dein Unternehmen, deine Branche, deine Präferenzen. Kontext ist keine optionale Ergänzung. Er ist der Unterschied zwischen einem nützlichen und einem nutzlosen Ergebnis. Forschungsbefunde zeigen: Wenn Führungskräfte echte Verantwortung übertragen, sind Mitarbeitende signifikant aktiver darin, fehlendes Wissen zu suchen — weil sie verstehen, dass die Qualität ihrer Arbeit davon abhängt [1].
Iteratives Onboarding. Delegation ist kein Einmalevent. Der erste Versuch liefert selten das Optimum — weder bei einem neuen Teammitglied noch bei einem KI-Agenten. Was zählt, ist der iterative Aufbau von gegenseitigem Verständnis: Was erwarte ich genau? Was liefert das Gegenüber? Wo liegen die Lücken? Erfahrene Senior Manager:innen formulieren es direkt: „Delegation is not dumping — managers need to provide continuous support." [2] Wer nach dem zweiten schlechten KI-Output frustriert aufgibt, verhält sich wie eine Führungskraft, die ein neues Teammitglied nach einer Woche wieder entlässt, weil es die Erwartungen noch nicht kennt. Vertrauen und Kompetenz entstehen durch wiederholte Interaktion — das gilt für Menschen wie für Maschinen.
Das Frame Problem
Ein strukturelles Merkmal heutiger KI-Architekturen: Ein KI-System kann nicht von selbst bestimmen, welche Informationen für eine Aufgabe relevant sind — und welche nicht. Es „sieht“ nur das, was ihm explizit mitgegeben wird. Was fehlt, existiert für das System schlicht nicht. Das Frame-Problem ist kein Fehler, der irgendwann behoben wird — es ist in der Architektur angelegt. Praktische Konsequenz: Wer einem KI-Agenten eine Aufgabe übergibt, muss aktiv entscheiden, was das System wissen muss. Kontext ist keine optionale Ergänzung — er ist die Voraussetzung für brauchbare Ergebnisse.
KI-Delegation folgt exakt denselben Regeln — wer das versteht, spart sich teure Lernschleifen.
Ein Einwand — und warum er zu kurz greift
Die naheliegende Gegenposition: KI-Agenten sind keine Menschen. Sie haben kein echtes Verständnis, kein Gedächtnis, kein Urteilsvermögen. Die Delegation-Analogie vereinfacht zu sehr — und wer glaubt, er kenne das schon, übersieht, was wirklich anders ist.
Dieser Einwand hat einen wahren Kern. Und gleichzeitig greift er zu kurz. Ob ein KI-Agent im philosophischen Sinne „versteht“, was er tut, ist für die Praxis eine nachrangige Frage. Was zählt: Kommt ein nützliches Ergebnis heraus? Und was bestimmt die Qualität dieses Ergebnisses? Die Forschung ist eindeutig: Kontext, Zieldefinition, kontinuierliche Rückkopplung [8, 9]. Also genau das, was gute Delegation ausmacht.
Außerdem: Die Vorstellung, KI-Agenten hätten grundsätzlich kein Gedächtnis und keinen Kontext, ist schon heute überholt. Persistente Systemkontexte, projektbezogenes Wissen, mehrstufige Aufgaben — die Grenze zwischen „echter" Delegation und KI-Delegation wird mit jeder Modellgeneration fließender.
Führen im Zeitalter von KI: Warum Delegation zur Basiskompetenz für alle wird
Hier liegt die eigentliche strategische Konsequenz dieser Entwicklung.
Delegation war bisher eine Führungsaufgabe. Nur wer Teams leitete, musste wirklich gut darin sein. Das ändert sich. Mit KI-Agenten wird jede:r — vom Sachbearbeiter bis zur Vorstandsvorsitzenden — zu jemandem, der anderen Systemen Aufgaben übergibt, Outcomes definiert und Ergebnisse bewertet. Leadership ist keine Hierarchiefrage mehr. Es ist eine Arbeitspraxis.
Das World Economic Forum bestätigt das mit Zahlen: Leadership and Social Influence verzeichnet den stärksten Bedeutungsanstieg aller Kompetenzen im Future of Jobs Report 2025 — ein Plus von 22 Prozentpunkten gegenüber dem Vorbericht [11].
„The result is a move toward human-led, AI-enabled teams, where productivity gains come from orchestration rather than substitution."
McKinsey analysierte 190 Geschäftsprozesse und kommt zu dem Ergebnis, dass KI-Agenten bereits heute über 57 Prozent der US-Arbeitsstunden automatisieren könnten [10] — wenn Menschen in der Lage wären, diese Systeme wirkungsvoll zu führen. Das Potenzial ist enorm: 4,4 Billionen Dollar globaler Mehrwert durch KI am Arbeitsplatz [12]. Aber nur 1 Prozent der Unternehmen hat die organisationale Reife, dieses Potenzial zu heben. 92 Prozent planen, ihre KI-Investitionen zu steigern [12]. Die Lücke dazwischen ist kein Technologieproblem. Es ist ein Führungsproblem.
Das zeigt sich nirgendwo deutlicher als bei Copilot-Einführungen: Unternehmen kaufen Lizenzen, schulen die Bedienung — und wundern sich, warum die Nutzung trotzdem flach bleibt. Die Antwort steckt nicht im Tool. Sie steckt in der fehlenden Delegationskompetenz der Nutzenden.
Das DRAIVE-Framework™ setzt genau hier an. Es identifiziert sechs menschliche Kompetenzen, die im KI-Zeitalter nicht trotz der Technologie wichtig bleiben, sondern wegen ihr. Delegation steht an erster Stelle — nicht als Metapher, sondern als operative Grundkompetenz: Wer nicht in der Lage ist, einem KI-Agenten ein klares Ziel zu geben, relevanten Kontext mitzuliefern und iterativ besser zu werden, wird diesen Moment der Transformation verpassen. Wer es kann, multipliziert seine Wirksamkeit.
Was das für dich bedeutet
Prompt Engineering ist keine neue Disziplin, die du dir von Grund auf aneignen musst. Es ist eine Kompetenz, die du kennst — in einem neuen Anwendungskontext. Der entscheidende Schritt ist nicht, KI besser zu verstehen. Er ist, sie besser zu führen.
Wenn du das nächste Mal einem KI-Agenten eine Aufgabe gibst und das Ergebnis nicht passt: Stell dir nicht die Frage, was mit dem Tool nicht stimmt. Stell dir die Fragen, die gute Delegation stellen: Habe ich das Wozu erklärt? Habe ich den Kontext mitgegeben, den mein Gegenüber nicht von selbst kennen kann? Habe ich genug Iterationen zugelassen, um gegenseitiges Verständnis aufzubauen?
Das ist kein Technik-Training. Das ist Führungsentwicklung.
Die KI fordert uns auf, eine Kompetenz zurückzugewinnen, die wir uns vor 40 Jahren haben nehmen lassen. Das ist keine schlechte Nachricht. Es ist eine gute Gelegenheit.
Du willst wissen, wie ihr KI sinnvoll in euren Arbeitsalltag einbringen könnt? Lass uns gemeinsam darüber sprechen, wie das in der Praxis gelingt.
Delegation ist eine der sechs Kernkompetenzen im DRAIVE-Framework™ von co-drAIver, neben Ratio, Agilität, Innovation, Verantwortung und Empathie. Sie steht nicht zufällig an erster Stelle. Das Frame-Problem der KI — die strukturelle Unfähigkeit eines Systems, von sich aus zu bestimmen, was relevant ist — macht Delegation zur Basiskompetenz für alles, was danach kommt: Wer nicht in der Lage ist, einem KI-Agenten ein klares Ziel zu geben und den richtigen Kontext mitzuliefern, kann keines der anderen fünf Elemente des Frameworks wirkungsvoll einsetzen. Dieser Blogpost ist Teil einer mehrteiligen Serie. Weitere Artikel findest du auf www.co-drAIver.com.
Über die Autorin
Marion Wetter
Transformationsberaterin · Change Managerin · Co-Gründerin von co-drAIver
Marion Wetter begleitet Organisationen dabei, KI-Readiness systematisch aufzubauen – strategisch und menschenzentriert. Als Co-Gründerin von co-drAIver hat sie das DRAIVE-Framework™ entwickelt: ein praxiserprobtes Kompetenzmodell, das zeigt, welche menschlichen Stärken im KI-Zeitalter strukturell nicht ersetzbar sind.
Marion ist Trainerin, Keynote-Speakerin und regelmäßige Autorin zu den Themen KI-Transformation, Change Management und KI-Literacy.
Quellen[1] Chen, Wen-Pin et al. „Leaders’ Behaviors Matter: The Role of Delegation in Promoting Employees’ Feedback-Seeking Behavior." Frontiers in Psychology, Juni 2017. https://pmc.ncbi.nlm.nih.gov/articles/PMC5461250/
[2] Maimela, Shirona L. „The Factors of Delegation Success: Accountability, Compliance and Work Quality." Expert Journal of Business and Management, 2020. https://business.expertjournals.com/23446781-805/
[3] Mullen, James. „Effective Delegation: How Managers Can Empower Their Teams." FM Magazine, Mai 2024. https://www.fm-magazine.com/news/2024/may/effective-delegation-how-managers-can-empower-their-teams/
[4] Autor, David H.; Katz, Lawrence F.; Krueger, Alan B. „How Has Computer Use Changed the Labor Market?" NBER Digest, September 1997. https://www.nber.org/digest/sep97/how-has-computer-use-changed-labor-market
[5] Dillender, Marcus; Forsythe, Eliza. „Computerization’s Impacts on Office Jobs and Salaries." NBER Digest, Mai 2022. https://www.nber.org/digest/202205/computerizations-impacts-office-jobs-and-salaries
[6] „The Vanishing Executive Assistant: More than 1.6 Million Secretarial Jobs Have Vanished Since 2000." Basic Income Today, 2023. https://basicincometoday.com/the-vanishing-executive-assistant/
[7] Karpathy, Andrej. X (Twitter), 2025. https://x.com/karpathy/status/1937902205765607626
[8] „Intelligent AI Delegation." arXiv Preprint, Februar 2026. https://arxiv.org/html/2602.11865v1
[9] „Context Engineering Is the New Prompt Engineering for Enterprise AI Success." CIO Magazine, 2025. https://www.cio.com/article/4080592/context-engineering-improving-ai-by-moving-beyond-the-prompt.html
[10] McKinsey Global Institute. „Agents, Robots, and Us: Skill Partnerships in the Age of AI." McKinsey, 2025. https://www.mckinsey.com/mgi/our-research/agents-robots-and-us-skill-partnerships-in-the-age-of-ai
[11] World Economic Forum. „Future of Jobs Report 2025." WEF, Januar 2025. https://www.weforum.org/publications/the-future-of-jobs-report-2025/
[12] McKinsey & Company. „Superagency in the Workplace: Empowering People to Unlock AI’s Full Potential at Work." McKinsey, Januar 2025. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work