Von Erno Marius Obogeanu-Hempel
Als langjähriger OKR-Experte habe ich in den vergangenen Jahren beobachtet, wie sich die technologische Dynamik drastisch verändert. Moore’s Law war lange das Maß der Dinge, doch heute übertrifft das exponentielle Wachstum der KI-Technologie diese Zyklen deutlich. Für Unternehmen entsteht daraus eine unbequeme Frage: Passt der klassische 3-Monats-Rhythmus von OKR noch zur Geschwindigkeit, mit der Innovation heute stattfindet?
Meine Antwort vorweg: nicht mehr überall. Und genau darin liegt eine Chance.
Das Moore’sche Gesetz beschreibt die Beobachtung des Intel-Mitgründers Gordon Moore, dass sich die Anzahl der Transistoren auf einem Mikrochip, und damit die verfügbare Rechenleistung, über viele Jahrzehnte etwa alle 18 bis 24 Monate verdoppelte. Obwohl diese Entwicklung aufgrund physikalischer Grenzen inzwischen an Dynamik verliert, gilt das Moore’sche Gesetz bis heute als Sinnbild für exponentiellen technologischen Fortschritt. Gleichzeitig entstehen neue Innovationsquellen, etwa durch spezialisierte KI-Chips, Softwareoptimierungen und leistungsfähigere Algorithmen (vgl. OECD: The End of Moore’s Law? Innovation in Computer Systems Continues at a High Pace).
Eine ähnliche exponentielle Entwicklung beobachten Forschende heute bei der Leistungsfähigkeit moderner KI-Systeme. Die Forschungsorganisation METR (Model Evaluation & Threat Research) misst nicht die allgemeine Intelligenz von KI, sondern wie lange und komplexe Aufgaben ein KI-Agent selbstständig erfolgreich bearbeiten kann. Über die vergangenen Jahre zeigte sich dabei eine Verdopplung dieser sogenannten Task Horizon im Durchschnitt etwa alle sieben Monate. Neuere Auswertungen deuten sogar auf eine weitere Beschleunigung hin: Seit 2023 liegt die Verdopplungszeit bei rund 4,3 Monaten, seit 2024 teilweise sogar bei etwa 2,9 Monaten. Diese Werte beziehen sich ausschließlich auf die von METR verwendete Messmethode und sollten nicht als allgemeine Verdopplungsrate der gesamten KI-Leistungsfähigkeit verstanden werden (Quelle: METR, Measuring AI Ability to Complete Long Tasks).
Halten Sie diese Zahl kurz neben Ihren OKR-Kalender: Eine Verdopplungszeit von unter drei Monaten ist kürzer als ein einziger Standard-OKR-Zyklus.
Die Auswirkungen dieser Entwicklung reichen weit über die KI selbst hinaus. Viele Wissenschaftler:innen betrachten Künstliche Intelligenz als General Purpose Technology, also als Basistechnologie, die nicht nur selbst Fortschritte macht, sondern zugleich Innovationen in zahlreichen anderen Technologiefeldern beschleunigt. Die OECD beschreibt KI sogar als “Invention of a Method of Invention”: eine Erfindung einer Methode zum Erfinden.
KI unterstützt bereits heute Forschung und Entwicklung in Bereichen wie Medizin, Materialwissenschaften, Robotik, Chipdesign oder Softwareentwicklung und verkürzt dort Entwicklungs- und Innovationszyklen erheblich. Sie automatisiert und skaliert komplexe Optimierungen, Simulationen und Entwurfsprozesse.
Die Kombination aus Low-Code- und KI-gestützten Tools verlagert zudem die Wertschöpfung: Produktverantwortliche konstruieren funktionsfähige MVPs ohne tiefe Programmierkenntnisse selbst, während sich Entwickler:innen auf komplexe Architektur und echte Innovation konzentrieren. Time-to-Market und Iterationsdauer schrumpfen, und zwar nicht nur in der Softwareentwicklung, sondern in ganzen Geschäftsmodellen.
Die OECD greift diese Entwicklung im Bericht Exploring Possible AI Trajectories Through 2030 auf. Eines der dort diskutierten Szenarien, “Progress Accelerates”, beschreibt eine mögliche weitere Beschleunigung des technologischen Fortschritts durch KI. Wichtig: Es handelt sich ausdrücklich um ein Modell-Szenario, nicht um eine Prognose.
Was bedeutet das für OKR? Der Standardzyklus beträgt drei Monate, manche Unternehmen arbeiten mit vier. Dieser Takt stammt aus einer Zeit, in der ein Quartal ein sinnvoller Lern- und Lieferhorizont war.
Wenn aber in Ihrer Domäne relevante Fortschritte binnen Wochen passieren, entsteht ein strukturelles Problem: Die Ziele, die Sie in Woche 1 setzen, können in Woche 8 bereits von der Realität überholt sein. Sie steuern dann nicht mehr, Sie dokumentieren. Und wenn der Wettbewerb seine Innovationszyklen beschleunigt, während Sie am gewohnten Takt festhalten, verlieren Sie messbar an Anpassungsgeschwindigkeit, Markt-Feedback und Time-to-Market.
Das zweite Problem ist subtiler und wird in der Praxis häufiger übersehen: Die Beschleunigung trifft ein Unternehmen nicht gleichmäßig. Produktentwicklung, Marketing oder Data-Teams erleben durch KI-Tools reale Produktivitätssprünge und könnten in Wochen liefern, was früher ein Quartal brauchte. Andere Bereiche, etwa mit regulatorischen Rahmenbedingungen, langen Beschaffungszyklen oder stabilen Betriebsaufgaben, haben schlicht keinen Grund, ihren Rhythmus zu verdoppeln.
Ein einheitlicher Zyklus für alle zwingt dann entweder die Schnellen zum Warten oder die Stabilen zu künstlicher Hektik. Beides kostet Fokus.
Der erste Weg ist der naheliegende: den Zyklus verkürzen. Wenn Teams in zwei Monaten verlässliche Fortschritte liefern und Markt oder Technologie das erfordern, ist ein 2-Monats-Zyklus keine Radikalreform, sondern eine evolutionäre Anpassung. Der entscheidende Maßstab lautet: Die Iterationsdauer muss der realen Umsetzungsgeschwindigkeit entsprechen.
Kürzere Zyklen bedeuten schnellere Feedbackschleifen, frühere Kurskorrekturen und Ziele, die zum Zeitpunkt ihrer Bewertung noch relevant sind. Sie bedeuten aber auch: mehr Plannings, mehr Reviews, mehr Abstimmungsaufwand. Dazu gleich mehr.
Der zweite Weg ist anspruchsvoller, aber für viele Organisationen der passendere: ein überlagerter Rhythmus. Dynamische Einheiten takten in zwei Monaten, stabilere Einheiten in vier. Der 4-Monats-Takt entspricht dabei exakt zwei kurzen Zyklen, sodass sich beide Rhythmen regelmäßig synchronisieren.
Das Bild, das ich in Beratungsprojekten dafür nutze: Der unternehmensweite Herzschlag bleibt synchron, aber nicht jedes Organ schlägt im selben Takt. Damit das funktioniert, braucht es drei Dinge:
Was dieses Modell steht und fällt lässt, sind die Menschen, die es moderieren: OKR Coaches, Master & Champions, die Plannings über unterschiedliche Takte hinweg orchestrieren und Abhängigkeiten früh erkennen. Genau diese Rolle bilden wir in der OKR Coach, Master & Champion Ausbildung aus, inklusive der Frage, wie KI-Tools die Zyklusarbeit entlasten.
Der berechtigte Einwand gegen 2-Monats-Zyklen lautet: Der Overhead steigt. Sechs statt vier Plannings pro Jahr, häufigere Reviews und Retrospektiven, mehr Kommunikationsaufwand. Genau hier schließt sich der Kreis, denn dieselbe Technologie, die den Takt beschleunigt, macht den schnelleren Takt erst beherrschbar.
Konkret unterstützt KI heute entlang des gesamten OKR-Zyklus: bei der Vorbereitung von Plannings (Datenlage, Hypothesen, Zielentwürfe), bei der Formulierung und Schärfung von Objectives und Key Results, bei der laufenden Fortschrittsanalyse aus vorhandenen Systemdaten und bei der Aufbereitung von Reviews und Retrospektiven. Was früher pro Zyklus mehrere Arbeitstage an Koordination gekostet hat, lässt sich erheblich verdichten.
Ich habe aus dieser Überzeugung heraus Prompts und KI-Tools entwickelt, die OKR-Coaches genau dabei unterstützen: Plannings effizienter vorbereiten, Zielformulierungen prüfen und optimieren, Zyklen mit weniger Reibung durchlaufen. Nicht, weil KI die Zielarbeit übernehmen soll, sondern weil sie den Prozessaufwand so weit senkt, dass kürzere Zyklen ohne Erschöpfung der Organisation möglich werden. Im Seminar KI für OKR Coaches, Master & Champions vermittle ich, wie KI gezielt für die OKR-Arbeit eingesetzt werden kann.
Die Faustregel, die ich Führungsteams mitgebe: Verkürzen Sie den Zyklus erst, wenn Sie den Prozessaufwand pro Zyklus gesenkt haben. Sonst kaufen Sie Geschwindigkeit mit Überlastung.
OKR war nie als starres Ritual gedacht, sondern als Betriebssystem für fokussierte Zielarbeit. Wenn sich die Umgebung exponentiell beschleunigt, gehört der Takt dieses Betriebssystems auf den Prüfstand: kürzere Zyklen dort, wo die Umsetzungsgeschwindigkeit es hergibt, längere dort, wo Stabilität die richtige Antwort ist, und ein gemeinsamer Heartbeat, der beides strategisch zusammenhält.
Unternehmen, die diesen Schritt gehen, gewinnen doppelt: Sie setzen Ziele, die zur tatsächlichen Geschwindigkeit ihrer Teams passen, und sie bauen die Fähigkeit auf, ihren eigenen Rhythmus bewusst zu steuern. Genau diese Fähigkeit, nicht ein bestimmtes Zyklusformat, entscheidet über strategische Zukunftsfähigkeit im KI-Zeitalter.
Lesetipp: Warum OKR nicht starr sein muss und was an der Kritik aus dem Buch „Radical Product Thinking“ dran ist, zeigt unsere Analyse Radical Product Thinking gegen OKR?
Quellen: OECD, The End of Moore’s Law? Innovation in Computer Systems Continues at a High Pace · METR, Measuring AI Ability to Complete Long Tasks (metr.org) · OECD Artificial Intelligence Papers: What Technologies are at the Core of AI? / Is Generative AI a General Purpose Technology? · OECD, Exploring Possible AI Trajectories Through 2030
Sie sehen gerade einen Platzhalterinhalt von Facebook. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr InformationenSie sehen gerade einen Platzhalterinhalt von Instagram. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr InformationenSie sehen gerade einen Platzhalterinhalt von X. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr Informationen