Assistenz der Geschäftsführung — Wissen

KI-Fakten-Fundament

Leitfrage: Wo hilft KI bei Recherche und Entscheidungsvorbereitung — und warum ist gerade hier das Halluzinationsrisiko am gefährlichsten?

Hinweis zur Datenlage: Dieser Bereich hat kaum *abteilungsspezifische* Studien. Die belastbaren Zahlen stammen aus allgemeiner Wissensarbeiter-Forschung; ihre Übertragung auf die GF-Assistenz ist ausdrücklich gekennzeichnet, nicht gemessen.

Rolle & Zweck der Abteilung

Die Assistenz der Geschäftsführung (Executive Assistant, Chef-Referent) ist die Zuarbeit- und Filterinstanz der Leitung. Kern-Jobs: Recherche und Informationsaufbereitung, Entscheidungsvorbereitung (Vorlagen, Pro/Contra, Szenarien), Priorisierung/Agenda, Zusammenfassung von Dokumenten und Studien, Vorzimmer/Gatekeeping. Der Wert der Rolle liegt in Verdichtung und Urteil: aus viel Information das Entscheidungsrelevante herausziehen. Genau diesen Kern trifft generative KI — mit großem Nutzen und einem spezifischen Risiko.

Historische Linie / Kontext

Digitalisierung verlagerte die Rolle von Ablage/Diktat zu Informationsverdichtung. Generative KI (ChatGPT ab Nov. 2022) traf den Kern: sprachbasierte Recherche, Zusammenfassung, Entwurf. Eine belastbare, bezifferte Rollen-Historie speziell für die GF-Assistenz ließ sich nicht verifizieren → [UNKLAR].

KI heute in der Assistenz: Anwendungen, Grenzen, Heikelpunkte

1. „Deep Research"-Recherche. OpenAI startete am 2. Februar 2025 die Funktion „Deep Research": KI, die „hunderte Online-Quellen findet, analysiert und zu einem Bericht synthetisiert". [ANBIETERANGABE/BELEGT] Vergleichbare Funktionen bieten Perplexity und Google Gemini (nur allgemein bestätigt → [UNKLAR] bei harten Vergleichszahlen).

2. Zusammenfassung & Aufbereitung. Dokumente, Studien, lange Threads verdichten — Standardnutzung mit realem Zeitgewinn.

3. Entscheidungsvorbereitung (Pro/Contra, Vorlagen). Technisch möglich — aber hier greift das Faktentreue-Risiko am härtesten (siehe 3.5).

4. Priorisierung/Agenda. Struktur- und Vorschlagsarbeit; abteilungsspezifische Wirksamkeitsstudie [UNKLAR].

Die zentrale Grenze — Halluzination bei Entscheidungsarbeit

Die bislang sauberste Wissensarbeiter-Studie (Harvard/BCG, „Jagged Frontier", 2023) zeigt das Muster, das für die Assistenz entscheidend ist: Innerhalb der KI-Leistungsgrenze großer Gewinn (+12,2 % Aufgaben, ~25 % schneller, +40 % Qualität) — außerhalb der Grenze aber 19 Prozentpunkte häufiger falsch. [BELEGT] Entscheidungsvorbereitung liegt oft *außerhalb* der Grenze: neuartig, mehrdeutig, urteilsintensiv. Genau dort erfindet KI plausibel.

Dokumentierter Realfall. Im Verfahren *Mata v. Avianca* (S.D.N.Y., Sanktion 22.06.2023) reichten Anwälte von ChatGPT erfundene, nicht existente Gerichtsurteile ein; die KI versicherte fälschlich, die Fälle seien in „LexisNexis und Westlaw" auffindbar. [BELEGT] Lehre für die GF-Assistenz: KI-Output für Entscheidungsvorlagen ist ungeprüft nicht belastbar; jede Zahl, jedes Zitat, jede Quelle muss verifiziert werden. Die Verantwortung bleibt beim Menschen.

Vertraulichkeit/DSGVO. Die GF-Assistenz verarbeitet Hochsensibles (Personal, M&A, Strategie). Eingabe in öffentliche KI-Tools ist ein potenzieller Vertraulichkeits- und DSGVO-Verstoß (Details im Rechts-Kompass).

Studien, Zahlen, Trends — ehrlich über die Datenlücke

Kennzahl	Wert	Quelle / Einordnung
Wissensarbeit innerhalb der KI-Grenze	+12,2 % / −25 % Zeit / +40 % Qualität	Harvard/BCG, 2023. [BELEGT — allgemein, nicht Assistenz-spezifisch]
Wissensarbeit außerhalb der Grenze	−19 Pp. korrekt	Harvard/BCG, 2023. [BELEGT]
Produktivität Wissensarbeit (Service-Beleg)	+14 % (Novizen +34 %)	NBER w31161, 2023. [BELEGT — analog]
KI-Nutzung deutscher Unternehmen	36 %	Bitkom, 09/2025. [BELEGT]
Assistenz-spezifische DE-Produktivität	—	[UNKLAR — bewusst nicht geraten]

Vorsicht: Es gibt keine belastbare, assistenzspezifische Produktivitätsstudie in den geprüften Quellen. Die genannten Zahlen sind Übertragungen aus allgemeiner Wissensarbeit und als solche markiert. Wer für diesen Bereich harte Zahlen behauptet, überschreitet die Beleglage.

Wohin geht es (12–36 Monate)

Belegte Trendlinie: „Deep-Research"-Agenten werden Standard-Recherchewerkzeug; die Halluzinationsrate sinkt laut Anbietern, verschwindet aber nicht. [ANBIETERANGABE als Richtung]

Vermutung (kein Fakt): Die Assistenzrolle verschiebt sich vom *Erstellen* zum *Verifizieren/Kuratieren* von KI-Vorlagen; „Human-in-the-loop" wird zur Kernkompetenz. *Spekulation.*

Maßnahmen für den Unternehmer (priorisiert)

Verifikationspflicht für Entscheidungsvorlagen (sofort, zentral): Keine KI-Zahl,

-Quelle oder -Aussage geht ungeprüft in eine GF-Vorlage (Mata-v.-Avianca-Lehre).

Vertrauliche Daten schützen (sofort): Klare Regel, was in welche KI-Tools darf;

für Hochsensibles nur kontrollierte/interne Werkzeuge.

KI als Recherche-Beschleuniger, nicht als Urteilsersatz (laufend): Deep Research

für Materialsammlung nutzen, das Urteil bleibt menschlich.

Quellen-Disziplin einfordern (mittel): Vorlagen mit nachprüfbaren Quellen statt

glatter KI-Prosa.

Ausblick (nur andeuten)

Merker: Ein Recherche-Agent (sammelt Quellen mit Nachweis), ein Zusammenfassungs-Agent, ein Briefing-Agent für Termine. Entscheidungsvorlagen bleiben menschlich verantwortet und verifiziert. Nur Merker.

Was heißt das für den Geschäftsführer?

Die GF-Assistenz ist der Bereich, in dem KI am verführerischsten wirkt — glatte, souverän formulierte Recherche und Entscheidungsvorlagen auf Knopfdruck — und zugleich der gefährlichste. Denn Entscheidungsvorbereitung liegt genau dort, wo KI plausibel danebenliegt: im Neuartigen, Mehrdeutigen, Urteilsintensiven. Der Fall Mata v. Avianca — Anwälte, die von der KI erfundene Urteile einreichten — ist die Warnung im Kleinen für das, was in einer GF-Vorlage im Großen schiefgehen kann. Zwei Regeln genügen fast: Erstens geht keine KI-Aussage ungeprüft in eine Entscheidungsvorlage; jede Zahl und Quelle wird verifiziert. Zweitens gehören hochsensible Inhalte nicht in öffentliche KI-Tools. Innerhalb dieser Leitplanken ist KI ein hervorragender Recherche- und Verdichtungs-Beschleuniger — das Urteil aber, wofür die Assistenz und am Ende der GF bezahlt werden, bleibt menschlich. Ehrlich bleibt auch: Harte Produktivitätszahlen speziell für diese Rolle gibt es nicht — wer sie verspricht, verkauft Vermutung als Fakt.

Quellenliste, „schnell veraltend" & Selbstprüfungs-Notiz

Quellen (Stand 08/2026)

Dell'Acqua et al., „Navigating the Jagged Technological Frontier", HBS WP 24-013, 2023 — https://www.hbs.edu/faculty/Pages/item.aspx?num=64700 [BELEGT]
Brynjolfsson, Li & Raymond, „Generative AI at Work", NBER w31161, 2023 — https://www.nber.org/papers/w31161 [BELEGT]
OpenAI, „Introducing deep research", 02.02.2025 — https://openai.com/index/introducing-deep-research/ [ANBIETERANGABE]
Mata v. Avianca, S.D.N.Y., Sanktion 22.06.2023 — https://en.wikipedia.org/wiki/Mata_v._Avianca,_Inc. ; Seyfarth Shaw, https://www.seyfarth.com/news-insights/update-on-the-chatgpt-case-counsel-who-submitted-fake-cases-are-sanctioned.html [BELEGT]
Bitkom via ZDFheute, 15.09.2025 — https://www.zdfheute.de/wirtschaft/ki-einsatz-unternehmen-bitkom-studie-100.html [BELEGT]

Schnell veraltend

Deep-Research-Fähigkeiten/Anbieter — versionsabhängig.
Halluzinationsraten — verbessern sich, verschwinden nicht.
Adoptionszahlen (Bitkom) — jährlich.

Selbstprüfungs-Notiz (Durchgang 2)

Zahlen mit Quelle? Ja; Datenlücke ehrlich als [UNKLAR] ausgewiesen, keine erfundenen

Assistenz-Zahlen.

Meinung/Fakt getrennt? Ja (Abschnitt 5); Übertragung allgemeiner Studien markiert.
Recht korrekt? Mata v. Avianca mit zwei Quellen; Vertraulichkeit/DSGVO auf Rechts-

Kompass verwiesen.

DE vs. US? US-Studien/-Fälle als solche markiert; DE-Assistenzdaten [UNKLAR].
Keine erfundenen Quellen? Alle URLs real; Kernbelege in dieser Sitzung abgerufen.

*Ende Kapitel 09 — Assistenz der Geschäftsführung.*