Der Hochzeitsplaner und der Künstler

Warum AI alle auf 6/10 bringt, und warum genau das das Problem ist

Rory Sutherland wäre ein katastrophaler Hochzeitsplaner. Er sagt das selbst. Zu wenig Aufmerksamkeit fürs Detail, kein Interesse an Blumenarrangements, null Leidenschaft für Sitzordnungen. Aber mit AI? Halbwegs passabel. Die Blumen würden rechtzeitig kommen. Wahrscheinlich.

Das ist kein Witz. Das ist die präziseste Beschreibung dessen, was AI mit unserer Arbeitswelt macht. Und die meisten Unternehmen ziehen die falsche Schlussfolgerung daraus.

Floor und Ceiling

Les Binet hat es letzte Woche in einer Debatte so formuliert: AI ist ein Intelligence Amplifier. Dumme Leute werden mehr dumme Sachen machen. Kluge Leute werden klüger.

Das klingt nach einer Binse. Ist es nicht.

Denn Binet beschreibt eine asymmetrische Verstärkung. Und die Asymmetrie ist der Punkt.

AI hebt den Floor. Ein schlechter Texter produziert mit Claude passablen Output. Ein mittelmäßiger Analyst baut mit Hilfe ein solides Dashboard. Ein Projektmanager, der nie ein Budget erstellt hat, liefert eine brauchbare Kalkulation. Das ist real, das ist messbar, und es ist wertvoll.

AI hebt nicht automatisch die Ceiling. Ein brillanter Stratege wird durch AI nicht brillanter. Eine Designerin mit dreißig Jahren Erfahrung erkennt nicht plötzlich bessere Lösungen. Ein CEO, der gute Entscheidungen trifft, trifft nicht plötzlich großartige. Die Werkzeuge sind schneller. Das Urteil ist dasselbe.

Rory Sutherland hat das in ein Bild gefasst, das man nicht mehr vergisst: Er wäre mit AI ein halbwegs akzeptabler Hochzeitsplaner. Nicht gut. Nicht brillant. Halbwegs okay. Die Sachen würden ankommen. Vermutlich.

Aber in kreativen Industrien, in Strategie, in Marketing, in der Beratung, in der Produktentwicklung, geht es nicht ums Ankommen. Es geht um die Decke, The Ceiling. Es geht um den Unterschied zwischen "solide" und "das hat die Entscheidung verändert."

Und genau da liegt das Problem: Wenn AI alle auf 6/10 bringt, sieht plötzlich alles gleich aus.

Die Konvergenz-Falle

Peter Field, dessen Effectiveness-Daten die Grundlage eines Großteils der modernen Marketing-Forschung bilden, hat das in derselben Debatte auf den Punkt gebracht: Wenn AI primär den Floor raised, entsteht Konformität. Alle konvergieren auf "adequate." Es entsteht eine Art Commodity; du drückst den Knopf und bekommst ungefähr das, was alle anderen auch bekommen.

Das ist keine Dystopie. Das ist die Beschreibung dessen, was bereits passiert. Das ist IKEA für Wissensarbeit. Demokratisierung von Design (und Konzept, und Code, und...). Nichts gegen IKEA. Ich mag IKEA. Aber das Marketing von IKEA ist nicht IKEA. Das Marketing von IKEA ist eher "The Ceiling".

Schaut euch LinkedIn an. Schaut euch Unternehmenspräsentationen an. Schaut euch die letzten fünf Pitch-Decks an, die auf eurem Tisch lagen. Wie viele davon waren technisch sauber, professionell formatiert, und absolut austauschbar?

Karen Nelson-Field, die seit zehn Jahren Aufmerksamkeitsdaten misst, nennt das "AI Double Jeopardy": Wir skalieren langweilige Werbung, perfekt ausgeliefert, nie gesehen und nie erinnert. Die Maschinen werden auf Noise trainiert: Klicks, Impressions, Delivery-Signale. Nicht auf menschliche Aufmerksamkeit. Nicht auf Erinnerung. Nicht auf Wirkung.

Das Ergebnis: Alles wird professioneller. Und alles wird gleicher.

Im ersten Text habe ich beschrieben, wie Artefaktproduktion zur Commodity wird. Floor/Ceiling ist die andere Seite derselben Münze. Wenn alle dieselben Artefakte produzieren können, wird die Qualität der Artefakte zur Baseline. Was differenziert, ist nicht mehr die Produktion. Was differenziert, ist das Urteil darüber, was produziert werden sollte. Und was nicht.

Das DDB-Experiment

Les Binet, der jahrelang bei DDB gearbeitet hat, erzählt ein Beispiel, das die Pointe besser illustriert als jede Theorie.

Bei DDB gab es ein internes Werkzeug namens "Bad Ideas Board." Immer wenn das Team auf einen großen internationalen Pitch gebrieft wurde, wurde zuerst AI mit dem Briefing gefüttert. Die AI lieferte eine Reihe von strategischen und kreativen Ideen.

Und dann stellten sie sicher, dass sie keine davon benutzten.

Das waren die schlechten Ideen. Die offensichtlichen. Die, auf die jeder kommen würde. Das Team musste besser sein als die Maschine.

Das ist nicht anti-AI. Das ist die klügste Nutzung von AI, die ich seit Langem gehört habe. Weil sie den Floor explizit macht. Sie zeigt: Das hier ist das Niveau, auf dem alle operieren werden. Alles, was wir tun, muss darüber liegen. Sonst ist es wertlos.

Der Bad Ideas Board macht die Konvergenz-Falle sichtbar, und zwingt dazu, sie zu verlassen.

Das ist der Punkt, an dem Floor/Ceiling aufhört, ein abstraktes Konzept zu sein, und eine Entscheidungsarchitektur wird. Die Frage ist nicht mehr "wie nutzen wir AI?" Die Frage ist: "Was ist unser Ceiling, und wie weit liegt es über dem Floor, den jetzt alle haben?"

Was den Floor vom Ceiling trennt

Im ersten Text habe ich Taste eingeführt als die Fähigkeit, aus dem Möglichkeitsraum das Richtige auszuwählen. In Text 2 kamen Spec und Evaluation dazu. Floor/Ceiling schärft das Argument und zeigt: das greift noch nicht weit genug.

Wenn Claude fünf technisch korrekte Strategien liefert: wer weiß, welche die richtige ist? Wenn ein Dashboard zwanzig Datenpunkte zeigt: wer erkennt die drei, die die Entscheidung treiben? Wenn ein Pitch-Deck sauber aussieht: wer merkt, dass es die falsche Geschichte erzählt?

Taste allein erklärt das nicht. Hinter dem Urteil stehen vier weitere Fähigkeiten, die als Kaskade funktionieren. Und Taste steht dazwischen. Als eine der fünf Ebenen.

Terrain: Den Kontext lesen, den die Maschine nicht hat. Zu wissen, dass der Geschäftsführer gerade unter Druck steht und deshalb Szenario B hören muss, nicht Szenario A. Zu erkennen, dass ein technisch sauberer Vorschlag politisch nicht durchsetzbar ist. Markt, Konkurrenz, interne Dynamiken, das Unausgesprochene. Ohne Terrain ist jede Strategie kontextfrei.

Intent: Wissen, was du willst, und warum. Nicht "wir brauchen AI-Transformation", sondern: Welches Problem lösen wir, welche Trade-offs gehen wir ein, welche nicht? Intent gibt Taste die Richtung. Ohne Intent ist Taste beliebig.

Taste: Aus dem Möglichkeitsraum das Richtige auswählen. Und, genauso wichtig: das Falsche weglassen. Das DDB-Experiment zeigt genau das: der Bad Ideas Board definiert, was raus muss, bevor überhaupt diskutiert wird, was rein soll.

Spec: Präzise genug beschreiben, damit jemand anderes (oder eine Maschine) es bauen kann. Nicht "mach es besser", sondern die konkreten Wörter, die den Unterschied zwischen Floor und Ceiling transportieren.

Evaluation: Taste am Ergebnis. Prüfen, ob das Gebaute dem Definierten entspricht. Dieselbe Fähigkeit wie Taste, aber angewandt auf den Output statt auf die Planung.

Der Floor-Lift betrifft keine dieser fünf. AI beschleunigt die Produktion, nicht das Urteil. Wer das Terrain nicht liest, liest es auch mit Claude nicht besser. Wer keinen klaren Intent hat, bekommt mit AI nur schneller das Falsche. Wer nicht spezifizieren kann, was er will, bekommt generischen Output in höherer Taktrate.

Die Kaskade funktioniert als Flywheel: Terrain informiert Intent. Intent formt Taste. Taste wird zur Spec. Spec wird gegen Evaluation geprüft. Evaluation schärft Taste. Jeder Durchlauf macht den nächsten besser. Aber nur, wenn jede Stufe besetzt ist.

Rory Sutherland hat einen Punkt gemacht, der hier relevant wird. Er nennt AI "incredibly deferential"; unglaublich unterwürfig. Die Maschine lernt deine Präferenzen und gibt dir, was du hören willst. Les Binet hat ChatGPT auf den Spitznamen "Chatters" getauft, weil "Chatters flatters." Er hat versucht, den Challenge-Modus einzuschalten. Ist innerhalb von Minuten zurück zum Schmeichel-Modus gewechselt.

Das ist kein Witz über Binet. Das ist ein strukturelles Problem für die gesamte Kaskade.

Wenn das Tool dir immer Recht gibt, verlierst du die Fähigkeit, falsch zu liegen. Und die Fähigkeit, falsch zu liegen, und es zu erkennen, ist ein Kernbestandteil von Evaluation. Wer nie widersprochen bekommt, hört auf, sein eigenes Urteil zu schärfen. Das Flywheel steht still.

Ceiling entsteht nicht im Gespräch mit einer Maschine, die dich mag. Ceiling entsteht im Gespräch mit Menschen, die dir widersprechen. In Entscheidungen, die sich als falsch herausgestellt haben. In der jahrelangen Akkumulation von Terrain, Intent und Taste, die kein Modell hat.

Was das für DACH-Unternehmen heißt

Drei Konsequenzen, die sich direkt ableiten lassen.

1. Der Floor ist kein Wettbewerbsvorteil

Jedes Unternehmen, das AI einführt, hebt seinen Floor. Die mittelmäßige Präsentation wird passabel. Das unvollständige Angebot wird solide. Der lückenhafte Report wird lesbar. Gut.

Aber euer Wettbewerber hebt seinen Floor auch. Mit denselben Tools. Zu denselben Kosten. In derselben Geschwindigkeit.

Floor-Investitionen sind Hygienefaktoren, keine Differenzierung. Sie verhindern Rückstand. Sie schaffen keinen Vorsprung. Wer seine gesamte AI-Strategie auf "wir machen alles schneller und besser" baut, baut auf etwas, das alle gleichzeitig bekommen.

2. Ceiling muss aktiv gebaut werden

Die unbequeme Wahrheit: Ceiling entsteht nicht automatisch. Es reicht nicht, gute Leute zu haben. Die guten Leute müssen in einer Umgebung arbeiten, die Ceiling belohnt. Nicht Floor.

Konkret: Wenn euer Bonussystem Output-Volumen misst ("wie viele Analysen hat das Team produziert?"), belohnt ihr Floor. Wenn es Entscheidungsqualität misst ("welche Entscheidungen hat das Team ermöglicht?"), belohnt ihr Ceiling.

Wenn euer AI-Rollout "macht mal, probiert aus" heißt, investiert ihr in Floor. Wenn er heißt "hier ist der Bad Ideas Board; alles darunter ist Verschwendung", investiert ihr in Ceiling.

Und wenn eure Führungskräfte jeden AI-Output durchwinken, weil er "professionell aussieht", habt ihr kein AI-Problem. Ihr habt ein Taste-Problem, das durch AI sichtbar wird.

3. Die Mitte wird unbequem

Les Binet hat einen dritten Punkt gemacht, der in Deutschland besonders schmerzhaft ist. Wenn AI den Floor hebt und das Ceiling menschlich bleibt, wird die Mitte dünn.

Ein Sachbearbeiter, der Standardprozesse abarbeitet? Wird vom Floor-Lift erfasst. Nicht ersetzt, aber massiv effektiver gemacht. Oder massiv weniger gebraucht.

Ein Geschäftsführer mit dreißig Jahren Branchenerfahrung und einem Netzwerk, das kein Modell replizieren kann? Bleibt am Ceiling.

Aber der solide Abteilungsleiter, der "ganz guten" Output liefert? Der Projektmanager, der zuverlässig, aber nicht brillant ist? Die mittlere Ebene, die bisher davon gelebt hat, dass ihre Arbeit "nicht schlecht genug war, um sie zu hinterfragen"?

Das wird die härteste Konversation in deutschen Unternehmen. Nicht weil diese Menschen schlecht sind. Sondern weil der Abstand zwischen "nicht schlecht" und "AI-generiert" schrumpft. Und damit der Grund, für "nicht schlecht" einen Monatslohn zu zahlen.

Betriebsräte werden das verlangsamen. Gut so. Weil es die Unternehmen zwingt, die Frage zu beantworten, die sonst übersprungen würde: Was genau ist der Ceiling-Beitrag dieser Rolle? Und wie entwickeln wir die Mitte dorthin?

Wo ich falsch liegen könnte

Erstens: Der Floor steigt vielleicht schneller als gedacht. Was heute menschliches Ceiling ist, könnte in zwei Jahren AI-Floor sein. Die Modelle werden besser, schneller, kontextbewusster. Taste-Vorsprung hat eine Halbwertszeit. In einem Tech-Startup: Monate. In der deutschen Industrie mit ihren regulatorischen und kulturellen Eigenheiten: wahrscheinlich Jahre. Aber er ist nicht unendlich.

Zweitens: "Ceiling" kann ein Vorwand sein. "Wir machen Strategy, nicht Execution" ist ein Satz, der in Beratungen und Agenturen seit Jahrzehnten als Ausrede für schlechte Umsetzung dient. Ceiling ohne Floor ist Arroganz. Die besten Unternehmen heben beides: den Floor durch AI, das Ceiling durch Kultur und Talent.

Drittens: Nicht jede Branche braucht Ceiling. Es gibt Industrien, in denen 6/10 völlig ausreicht. Compliance-Texte, Standard-Reports, Routine-Kommunikation. Der Floor-Lift allein ist dort ein massiver Gewinn. Die Floor/Ceiling-Unterscheidung ist am relevantesten dort, wo Differenzierung Geld wert ist: in Strategie, Beratung, Marketing, Produktentwicklung, Vertrieb.

Was Unternehmen jetzt tun sollten

Den eigenen Floor kennen. Wo liegt der AI-Floor in eurer Branche? Welche Qualität von Output kann jeder Wettbewerber mit denselben Tools produzieren? Das ist eure neue Baseline. Alles darunter ist Rückstand.

Das eigene Ceiling definieren. Was könnt ihr, das die Maschine nicht kann? Nicht abstrakt ("wir haben erfahrene Leute"), sondern konkret: Welche Entscheidung hat euer Team letzte Woche getroffen, die ein AI-Agent anders, und schlechter, getroffen hätte? Wenn euch kein Beispiel einfällt, habt ihr ein Ceiling-Problem.

Den Bad Ideas Board einführen. Bei jedem wichtigen Projekt: Lasst zuerst die AI eine Lösung liefern. Dann fragt euch: Ist unser Ansatz besser? Wenn ja, warum? Wenn nein: warum bezahlen wir jemanden dafür?

Das ist kein Instrument zur Demotivation. Es ist ein Instrument zur Kalibrierung. Es macht den Floor sichtbar, und zwingt zum Ceiling.

Die Denkwerkzeuge zu diesem Text helfen euch, eure eigene Floor/Ceiling-Landschaft zu kartieren. Der Floor-Scan, das Ceiling-Audit und der Bad Ideas Board für euer nächstes Projekt sind drei Prompts, die ihr auf die eigene Situation anwenden könnt. Zu den Denkwerkzeugen ->

AI macht aus einem katastrophalen Hochzeitsplaner einen halbwegs passablen. Das ist gut. Für Hochzeitsplanung.

Für alles, wo Differenzierung zählt, ist "halbwegs passabel" das neue Mittelmaß. Und Mittelmaß ist, was alle gleichzeitig bekommen, zum selben Preis, mit denselben Tools.

Wenn der Floor für alle steigt, ist das Ceiling das Einzige, was euch noch unterscheidet. Und das Ceiling baut sich nicht über Nacht auf. Nicht durch ein Tool-Upgrade. Nicht durch einen Workshop. Sondern durch die jahrelange Akkumulation von Kontext, Urteil und der Bereitschaft, Entscheidungen zu treffen, die die Maschine nicht treffen kann.

Die gute Nachricht: Die meisten eurer Wettbewerber investieren gerade in den Floor. Das Ceiling ist leer.

Quellen und weiterführende Links

Primäre Quelle:

  • Illuminari Kickoff Broadcast: "Is the holding company still relevant, or has AI completely changed that?" -- Panel mit Les Binet, Karen Nelson-Field, Rory Sutherland, Daryl Fielding und Peter Field. Moderation: Kerry Collins. Illuminari ist ein unabhängiger Industry Think-Tank, gegründet von Kerry Collins und Anna Kens. -- YouTube

Referenzierte Stellen im Video:

  • Rory Sutherland: "Wedding Planner"-Analogie, Floor vs. Ceiling (~19:55)
  • Les Binet: "It's an intelligence amplifier. Dumb people will use it to do more dumb. Clever people will use it to become clever." (~16:28)
  • Peter Field: Konformität durch Floor-Raising, "adequate" als Default (~23:00)
  • Karen Nelson-Field: "AI Double Jeopardy" -- Skalierung langweiliger Werbung, perfekt ausgeliefert, nie gesehen (~05:50)
  • Les Binet: DDB "Bad Ideas Board" (~22:10)
  • Rory Sutherland: AI ist "incredibly deferential" (~41:43)
  • Les Binet: "Chatters flatters" -- ChatGPTs Schmeichel-Modus (~42:37)

Floor-Raising -- die Forschung dahinter:

  • Dell'Acqua, Mollick et al.: "Navigating the Jagged Technological Frontier" (Harvard Business School, September 2023) -- 758 BCG-Berater im randomisierten Experiment. Die unteren 50% sahen den größten Qualitäts-Uplift (43%). Der akademische Beweis für asymmetrisches Floor-Raising. -- SSRN
  • Ethan Mollick: "Centaurs and Cyborgs on the Jagged Frontier" (September 2023) -- Zugängliche Aufbereitung der BCG-Studie. AI als "skill leveler", Centaur- und Cyborg-Arbeitsmodi. -- One Useful Thing

Konvergenz -- empirisch belegt:

  • Doshi & Hauser: "Generative AI enhances individual creativity but reduces the collective diversity of novel content" (Science Advances, Juli 2024) -- AI-gestützte Texte waren individuell kreativer, aber kollektiv homogener. Mehr Qualität pro Stück, weniger Vielfalt im Ganzen. -- Science Advances

"Chatters flatters" -- der Mechanismus:

  • Anthropic: "Towards Understanding Sycophancy in Language Models" (2023) -- RLHF-Training bevorzugt Zustimmung über Wahrheit. Nicht ein Bug, sondern ein Trainingsartefakt. -- arXiv
  • Northeastern University: "AI sycophancy is not just a quirk, it's a liability" (November 2025) -- Sycophancy erhöhte die Überzeugung, Recht zu haben, um +2.04 auf einer 7-Punkte-Skala. -- Northeastern News

Von den Panelisten -- weiterführend:

  • Peter Field: "The Crisis in Creative Effectiveness" (IPA, 2019) -- Kreativ-Effektivität sank von 12x auf 4x über zehn Jahre. Die Konvergenz war schon vor AI im Gang. -- IPA
  • Rory Sutherland: "Ad agencies don't have an AI problem. They have a pricing problem" (The Drum, Februar 2026) -- Stundensatz-Logik treibt AI in Kostenreduktion statt Wertschöpfung. -- The Drum
  • Rory Sutherland / WFA: "Fat-tailed marketing and why creativity outperforms efficiency" (November 2025) -- "10% der Arbeit liefert 130% des Werts." In Fat-Tailed-Verteilungen zählt nur das Ceiling. -- WFA

Konvergenz -- warum die Modelle selbst dazu beitragen:

  • Nate B. Jones: "Why your AI output feels generic" (Februar 2026) -- RLHF optimiert für "a hypothetical typical person asking a similar question." Der Trainingsmechanismus, der schlechte Outputs verhindert, verhindert auch großartige. -- Nate's Newsletter

Floor-Raising in der Praxis:

  • Nate B. Jones / METR-Studie: "Shopify's AI Memo Was a Filter, Not a Productivity Play" (Januar 2026) -- Eine Tech-Support-Studie mit 5.000+ Agenten zeigt 35% Uplift für die schlechtesten Performer, fast null Effekt für die besten. Floor-Raising, empirisch gemessen. -- Nate's Newsletter

Frühere Texte dieser Reihe:

Direkt anwenden

Dieses Prompt Kit übersetzt die Konzepte des Essays in konkrete Prompts, die du sofort nutzen kannst.

Zum Prompt Kit