Vom BCM-Modell zu Hybrid-HCAI – Teil I: Die Geschichte einer Idee, deren Zeit gekommen ist!

HYBRID-HCAI ALS NEUE ARCHITEKTONISCHE LOGIK

Von der KI-Euphorie zum Governance-Vakuum

Während die letzten Jahre von einem regelrechten Innovationsschub im Bereich der künstlichen Intelligenz (KI) geprägt waren, wurde ein entscheidender Aspekt weitgehend übersehen: die Frage der institutionellen und architektonischen Einbettung. Die öffentliche und unternehmerische Debatte konzentrierte sich stark auf die Leistungskennzahlen einzelner Modelle – Genauigkeit, Größe, Geschwindigkeit –, aber kaum auf die Bedingungen, unter denen diese Technologien in komplexen sozialen Systemen tatsächlich wirksam, legitim und kontrollierbar werden können (Marcus, 2024; Shneiderman, 2022). Diese Asymmetrie zwischen technologischer Dynamik und Governance-Innovation schafft ein strukturelles Vakuum. Während sich die technischen Möglichkeiten erweitern, fehlt es oft an einem kohärenten Regulierungsrahmen, der sowohl die Rechenschaftspflicht als auch die kollektive Fähigkeit zur Gestaltung der Zukunft gewährleistet. Dieses Problem zeigt sich besonders deutlich auf organisatorischer Ebene:

KI-Systeme werden oft ad hoc integriert – beispielsweise zur Automatisierung einzelner Aufgaben –, ohne dass eine übergreifende Architektur vorhanden ist, die Menschen, Symbolik und Subsymbolik systematisch miteinander verbindet. Dadurch entstehen „Governance-Lücken”: Entscheidungen werden zunehmend von intransparenten Modellen beeinflusst, ohne dass nachvollziehbare Rückkopplungsschleifen, Auditrechte oder Rechenschaftsstrukturen eingerichtet werden. Die Folgen sind nicht nur ethischer Natur. Sie wirken sich direkt auf die Produktivität, Innovationsfähigkeit und Widerstandsfähigkeit von Organisationen und Gesellschaften aus. Ohne klare Verantwortlichkeitsstrukturen laufen KI-Systeme Gefahr, entweder in starre Kontrolllogiken eingebettet zu werden, die ihr Potenzial bremsen, oder unbeabsichtigte Effekte zu haben, die schwer zu korrigieren sind (Acemoglu, 2024). Die aktuelle KI-Euphorie ist somit auch Ausdruck eines Governance-Vakuums: einer Architekturkrise, die weniger mit technologischer Entwicklung als mit organisatorischer Gestaltung zu tun hat.

Das hybride HCAI-Modell: Dreistufige Kooperationsarchitektur

Vor diesem Hintergrund kann das Konzept der hybriden HCAI als architektonische Antwort auf das oben erwähnte Vakuum verstanden werden. Hybride HCAI bezieht sich nicht auf eine einzelne Technologie, sondern auf ein Strukturierungsprinzip, das drei sich ergänzende Formen der Intelligenz in eine kooperative, rückkopplungsfähige Ordnung bringt:

1. Die menschliche Ebene bildet die normative und kontextuelle Grundlage. Hier entstehen Ziele, Werturteile, ethische Leitlinien, kontextuelle Interpretationen und Verantwortlichkeiten. Der Mensch bleibt Herr über das System – nicht durch permanente Mikrokontrolle, sondern durch die Gestaltung der Regeln und Rückkopplungsmechanismen, nach denen die KI arbeitet (Shneiderman, 2022).
2. Die symbolische Ebene bildet die explizite Darstellung von Wissen: Regeln, Rollenmodelle, Prozesse, Entscheidungslogik und Ontologien. Sie fungiert als „Schiedsrichter” der Zusammenarbeit zwischen Mensch und KI, indem sie Erklärbarkeit, Überprüfbarkeit und Revidierbarkeit sicherstellt. Symbolische Systeme verankern Kausalität, Normativität und Strukturen – sie übersetzen menschliche Governance in eine maschinenlesbare Form.
3. Die sub-symbolische Ebene umfasst KI-Modelle im engeren Sinne – neuronale Netze, generative Modelle, statistische Methoden. Sie bietet Wahrnehmung, Mustererkennung, Textgenerierung, Vorhersagen und Vorschläge. Ihre Stärke liegt in der Skalierung der Informationsverarbeitung, nicht in der normativen Entscheidungsfindung.

Das zentrale Designprinzip der hybriden HCAI besteht darin, diese drei Ebenen durch klar definierte Schnittstellen und kontinuierliches Feedback architektonisch zu koppeln. Sub-symbolische Systeme arbeiten innerhalb symbolisch festgelegter Parameter; symbolische Systeme wiederum sind dynamisch durch menschliche Ziele, Werte und Organisationsstrukturen verankert. Die menschliche Ebene kontrolliert nicht jeden Prozess, sondern gestaltet die Architektur, in der Entscheidungen getroffen werden können.

Diese dreischichtige Struktur kann als Alternative zu aktuellen zentralisierten KI-Paradigmen gesehen werden, die oft eine einseitige Delegation praktizieren: Daten rein, Entscheidung raus – ohne kontrollierbare Räume für Interaktion. Hybrid HCAI hingegen betrachtet Menschen und KI als Akteure, die auf der Grundlage einer Arbeitsteilung zusammenarbeiten und durch eine transparente, föderierte und adaptive Architektur miteinander verbunden sind (Schieck, 2025; Helbing, 2025).

Governance, Feedback und Anpassungsfähigkeit

Eine solche Architektur kann jedoch nur funktionieren, wenn sie durch ein systematisch gestaltetes Governance- und Feedback-System unterstützt wird. Governance wird hier nicht als ein externes Regelwerk verstanden, das lediglich die Technologie begleitet, sondern als integraler Bestandteil der Systemarchitektur. Drei Prinzipien stehen dabei im Mittelpunkt:

• Transparenz: Entscheidungen müssen über alle drei Ebenen hinweg nachvollziehbar sein. Dazu gehören die Herkunft der Daten, Regeln und Maschinenvorschläge sowie menschliche Priorisierungen. Transparenz ist eine Voraussetzung für Überprüfbarkeit und Vertrauen.
• Feedback: Entscheidungen, Ergebnisse und Abweichungen müssen in strukturierte Feedback-Zyklen einfließen. Analog zu kybernetischen Konzepten der „Stabilität zweiter Ordnung“ (Foerster) geht es nicht um die starre Einhaltung fester Strukturen, sondern um die kontinuierliche Anpassung der Regeln, nach denen Korrekturen vorgenommen werden.
• Rollenbasierte Verantwortlichkeit: Die Governance muss klar zuordenbar sein. Anstelle diffuser Verantwortlichkeiten definieren rollenbasierte Modelle, wer welche Verantwortlichkeiten trägt – normative (menschliche), formale (symbolische) und operative (technische).

Diese Prinzipien lassen sich technisch über föderierte Daten- und Richtlinienarchitekturen, Audit- und Erklärbarkeitsschichten sowie rollenbasierte Zugangs- und Entscheidungsmodelle umsetzen. Entscheidend ist jedoch, dass Governance nicht als Kontrollinstrument gegen KI verstanden wird, sondern als kooperative Steuerungslogik, die menschliche, symbolische und maschinelle Intelligenz in produktive Bahnen lenkt.

Anwendungsszenarien und Auswirkungen

Die Stärke des hybriden HCAI-Ansatzes liegt nicht nur in seiner theoretischen Eleganz, sondern auch in seiner praktischen Anwendbarkeit in verschiedenen organisatorischen Kontexten. Drei Anwendungsszenarien veranschaulichen sein Spektrum:

• Organisationsentwicklung in Unternehmen und Verwaltung: In traditionellen Organisationen sind zentrale Kontrollstrukturen oft überlastet, während lokale Akteure nicht über die notwendigen Werkzeuge verfügen, um komplexe Aufgaben selbstorganisiert zu bewältigen. Hybrid-HCAI kann hier als organisatorisches Betriebssystem fungieren, das die Arbeitsteilung zwischen Menschen, Symbolik und KI systematisch gestaltet. So können beispielsweise Entscheidungsprozesse, die zuvor in hierarchischen Kaskaden stattfanden, über rollenbasierte Ontologien, Policy-as-Code und Echtzeit-Feedback-Mechanismen dezentralisiert werden. KI unterstützt diesen Prozess nicht als Ersatz, sondern als Kontextverbesserer: Sie liefert Vorschläge, erkennt Muster und simuliert Szenarien, während die symbolische Ebene für Governance und Erklärbarkeit sorgt und die menschliche Ebene Entscheidungen trifft und Regeln entwickelt (Shneiderman, 2022).
• Netzwerkorganisationen und föderierte Systeme: Im Kontext dezentraler Netzwerke – wie branchenübergreifenden Kooperationen, Lieferketten oder öffentlichen Infrastrukturen – ermöglicht hybride HCAI eine verteilte Koordination ohne zentrale Kontrollinstanz. Durch föderierte Datenarchitekturen und gemeinsame symbolische Referenzrahmen (z. B. Rollenmodelle, gemeinsame Ontologien) können verschiedene Organisationseinheiten autonom agieren und gleichzeitig innerhalb eines gemeinsamen Governance-Systems interagieren. Dies eröffnet neue Möglichkeiten, insbesondere für internationale Kooperationen, da Werte, Verantwortlichkeiten und Entscheidungsrechte architektonisch verankert und nicht nur vertraglich festgelegt sind (Helbing, 2025).
• Soziale Systeme und öffentliche Governance: Schließlich hat hybride HCAI das Potenzial, soziale Infrastrukturen über den Unternehmenskontext hinaus zu gestalten. In Bereichen wie Arbeitsmarktsteuerung, Mobilität, Energie oder Bildung können hybride Architekturen als Grundlage für partizipative, datenhohe Systeme dienen, in denen KI eher als Werkzeug für soziale Selbstorganisation denn als externes Kontrollinstrument fungiert. Die normativen und verfassungsrechtlichen Implikationen sind hier besonders deutlich: Hybride HCAI kann als Baustein einer digitalen Verfassung verstanden werden, die technologische Leistungsfähigkeit mit demokratischer Legitimität verbindet (Acemoglu, 2024; Helbing, 2015).

All diesen Szenarien ist gemeinsam, dass Komplexität nicht durch Zentralisierung „gezähmt”, sondern durch transparente Rollen, Regeln und Feedback produktiv gemacht wird. Hybride HCAI liefern dafür die notwendige architektonische Logik.

Forschungsperspektiven und Ausblick

Hybrid HCAI ist kein fertiges Modell, sondern ein offenes Forschungs- und Entwicklungsfeld, das technologische, organisatorische und gesellschaftliche Perspektiven systematisch miteinander verknüpft. Für die wissenschaftliche Debatte ergeben sich drei zentrale Perspektiven:

• Theoretische Konnektivität: Hybrid-HCAI knüpft an verschiedene Forschungsstränge an: Organisationssoziologie (z. B. Luhmanns Rollenmodelle und Systemtheorie), kybernetische Konzepte der Stabilität zweiter Ordnung (Foerster), KI-Forschung zur neuro-symbolischen Integration (Marcus, 2024) sowie Governance- und Demokratietheorien im digitalen Raum (Helbing, 2025). Eine systematische Synthese dieser Ansätze steckt noch in den Kinderschuhen, eröffnet jedoch ein beträchtliches Potenzial für interdisziplinäre Forschung.
• Empirische Erprobung hybrider Architekturen: Bislang gibt es nur wenige reale Implementierungen, die alle drei Ebenen – menschlich, symbolisch, subsymbolisch – systematisch miteinander verbinden. Zukünftige Forschungen müssen zeigen, unter welchen Bedingungen hybride HCAI tatsächlich Auswirkungen auf Organisationen haben: Welche Architekturen sind skalierbar? Welche Governance-Modelle sind realisierbar? Welche Formen der Mensch-Maschine-Kooperation steigern nachweislich Produktivität, Partizipation und Resilienz? Pilotprojekte in Unternehmen, Verwaltungen oder organisationsübergreifenden Netzwerken sind hierfür ideal geeignet.
• Institutionelle und normative Verankerung: Langfristig wird die zentrale Frage sein, wie hybride HCAI in rechtliche, regulatorische und soziale Systeme integriert werden können. Standards wie der EU-KI-Akt (Europäische Union, 2024) oder ISO/IEC 42001 (ISO, 2023) bieten erste Rahmenbedingungen, gehen jedoch bislang kaum auf die architektonische Kopplung verschiedener Formen von Intelligenz ein. Die Entwicklung einer Informationsverfassung, die Transparenz, Überprüfbarkeit, Partizipation und Verantwortung institutionell verankert, wird eine der wichtigsten Aufgaben der kommenden Jahre sein (Shneiderman, 2022; Helbing, 2025).