# stackpole-mit-sloan-ai-decision-matrix-2026-09-22

## Veille

Artikel von **Beth Stackpole** in *Ideas Made to Matter* (**MIT Sloan**), veröffentlicht am **22. September 2026** (~5 Min.), der das *research briefing* « Designing Decision Rights for AI » von **Ina Sebastian**, **Peter Weill**, **Thomas Haskamp** und **Jan vom Brocke** (**MIT CISR**) vorstellt, das auf Interviews mit **30 Führungskräften** basiert.

## Titre Article

A framework for determining when AI can make decisions

## Date

2026-09-22

## URL

https://mitsloan.mit.edu/ideas-made-to-matter/a-framework-determining-when-ai-can-make-decisions

## Keywords

decision rights, decision rights, AI Decision Matrix, Ambiguität, Risiko, framing acting learning, framing, acting, learning, Routineentscheidung, folgenreiche Entscheidung, explorative Entscheidung, strategische Entscheidung, menschliche Aufsicht, human in the loop, KI-Agenten, One New Zealand, KI-Kompetenzzentrum, Agent-Verantwortlicher, Portfolio von Entscheidungen, MIT CISR, KI-Governance

## Authors

Beth Stackpole — rédactrice, *MIT Sloan Ideas Made to Matter* ; recherche de Ina Sebastian, Peter Weill, Thomas Haskamp, Jan vom Brocke (MIT CISR).

## Ton

Populärwissenschaftlicher Artikel über akademische Forschung für ein Führungskräfte-Publikum. Er beginnt mit einem „What you need to know“-Kasten, definiert die beiden Dimensionen und drei Komponenten und geht dann die vier Typen durch, jeweils mit einem Beispiel aus einem einzigen Unternehmen, One New Zealand. Das Register ist präskriptiv, ohne kategorisch zu sein: Die menschliche Aufsicht bleibt über alle Kategorien hinweg erhalten, und die KI-Autonomie wächst mit zunehmendem Vertrauen. Zitate von Forschern rahmen den Beitrag. Der Text liefert keine aggregierten Zahlen zu den 30 Interviews und verweist für die Methodik auf das ursprüngliche Briefing.

## Pense-betes

- **Geringe Ambiguität** = wiederholbare, vorhersehbare Entscheidungen; **hohe** = mehrere mögliche Interpretationen.
- **Geringes Risiko** = begrenzte, reversible Auswirkung; **hohes** = finanzielle, operative oder reputationsbezogene Auswirkung, schwer zu korrigieren.
- **Framing**: Problem, Annahmen, Stakeholder, Rahmenbedingungen, Erfolgskriterien. **Acting**: Sammeln, Bewerten, Empfehlen, Autorisieren, Ausführen. **Learning**: Ergebnisse verfolgen, darauf reagieren, das System aktualisieren.
- **Routine**: Framing im Voraus festgelegt, Ausführung und Learning automatisiert; Menschen bleiben nah dran, während Vertrauen aufgebaut wird. Beispiel: Marketingsegmentierung in SQL durch einen Agenten, **−60 %** Zeitaufwand, menschliche Überprüfung vor dem Start.
- **Folgenreich**: Menschen bei Ausführung, Ausnahmen, Learning. Beispiel: Kundenservice; ungenaue Preisangaben sind eine *„nonnegotiable constraint“* → Mensch im Loop bei allem, was die Preisgestaltung betrifft.
- **Explorativ**: Framing gemeinsam von Menschen und KI entwickelt; Governance hat Vorrang, während das Experimentieren sich riskanteren Fällen zuwendet. Beispiel: Erstellung von Marketinginhalten.
- **Strategisch**: Menschen führen Framing und Learning, KI erleichtert die Ausführung. Beispiel: Netzwerk, **15 Task-Agenten** + Orchestrierungsagenten; menschliche Entscheidungen (Zuverlässigkeit, Kundenerfahrung, Kosten).
- **Praktiken**: Geschäftsbereiche gestalten das Framing jedes Falls; KI- und Daten-Kompetenzzentrum (einheitliche Plattform, horizontale Orchestrierungsschicht, Richtlinie für verantwortungsvolle KI); menschlicher Verantwortlicher pro Agent benannt; KI als **Portfolio von Entscheidungen** verwalten.
- Verbindung zu [[chen-reneau-flansburg-clef-decision-models-2026-10-01]] zur Modellierung von Entscheidungen.

## RésuméDe400mots

Welche Aufgaben sollten an künstliche Intelligenz delegiert werden, und wann sollten Menschen weiterhin einbezogen bleiben? Für Beth Stackpole, die in MIT Sloan Ideas Made to Matter über Arbeiten des MIT Center for Information Systems Research schreibt, gehört die Gestaltung dieser Entscheidungsrechte zu den großen Herausforderungen für Unternehmen. Ina Sebastian, Peter Weill, Thomas Haskamp und Jan vom Brocke haben die AI Decision Matrix auf der Grundlage von Interviews mit 30 Führungskräften entwickelt, ausgehend von einer Prämisse: Nicht alle Entscheidungen sind gleich.

Die Matrix kombiniert zwei Dimensionen. Ambiguität misst, in welchem Maß Daten die Antwort bestimmen und in welchem Maß Menschen sich darüber einig sind. Risiko misst die Konsequenzen eines Fehlers und die Schwierigkeit, ihn zu korrigieren. Jede Entscheidung besteht aus drei Komponenten: Framing (Problem, Annahmen, Rahmenbedingungen, Erfolgskriterien), Acting (Sammeln, Bewerten, Empfehlen, Autorisieren, Ausführen) und Learning (Ergebnisse verfolgen, darauf reagieren, das System weiterentwickeln).

Die vier daraus resultierenden Typen erfordern unterschiedliche Rollen für KI, bei durchgängiger menschlicher Aufsicht. Routineentscheidungen eignen sich für Automatisierung: Beim Telekommunikationsanbieter One New Zealand übersetzt ein Agent die Anfragen von Marketingmitarbeitern in SQL-Abfragen zur Erstellung von Segmenten, wodurch der Zeitaufwand um 60 % sinkt, mit menschlicher Überprüfung vor dem Start. Folgenreiche Entscheidungen erfordern eine Balance zwischen Automatisierung und Eingriff: Im Kundenservice bleibt bei jeder Entscheidung, die die Preisgestaltung betrifft, ein Mensch im Loop, da ein Preisfehler als nicht akzeptabel gilt. Explorative Entscheidungen lassen das Framing zwischen Menschen und KI sich entwickeln, etwa bei der Erstellung von Marketinginhalten, wobei die Governance überwacht wird, während das Experimentieren sich riskanteren Fällen zuwendet. Strategische Entscheidungen erfordern menschliche Führung: Fünfzehn Agenten analysieren Netzwerkdaten, und Orchestrierungsagenten koordinieren sie, aber die Abwägungen zwischen Zuverlässigkeit, Kundenerfahrung und Kosten bleiben beim Menschen.

Der Artikel leitet aus One New Zealand vier Praktiken ab: den Geschäftsbereichen die Verantwortung für das Framing jedes Anwendungsfalls zu übertragen, ein KI- und Daten-Kompetenzzentrum zu schaffen (einheitliche Plattform, Orchestrierungsschicht, Richtlinie für verantwortungsvolle KI), für jeden eingesetzten Agenten einen menschlichen Verantwortlichen zu benennen und KI als ein Portfolio geschäftlicher Entscheidungen zu verwalten. Routine- und folgenreiche Entscheidungen bringen schnelle Effizienzgewinne, während explorative und strategische Entscheidungen langfristigen Wert liefern. Die Autoren fassen den Wandel zusammen: von der Frage „Wo sollte KI eingesetzt werden?“ zur Steuerung der Entscheidungen, die sie prägt.

## GrapheDeConnaissance

- Beth Stackpole —publie→ article A framework for determining when AI can make decisions (DOCUMENT, 0.98)
- article A framework for determining when AI can make decisions —est_basé_sur→ Designing Decision Rights for AI (DOCUMENT, 0.96)
- Ina Sebastian —a_créé→ AI Decision Matrix (METHODOLOGIE, 0.96)
- Peter Weill —a_créé→ AI Decision Matrix (METHODOLOGIE, 0.96)
- MIT CISR —publie→ Designing Decision Rights for AI (DOCUMENT, 0.95)
- Peter Weill —dirige→ MIT CISR (ORGANISATION, 0.92)
- MIT CISR —mesure→ AI Decision Matrix construite à partir d'entretiens avec 30 dirigeants (MESURE, 0.92)
- AI Decision Matrix —utilise→ droits de décision (CONCEPT, 0.92)
- AI Decision Matrix —s_applique_à→ agents IA (TECHNOLOGIE, 0.9)
- Ina Sebastian —affirme_que→ la même capacité IA peut être sûre dans un contexte et risquée dans un autre (AFFIRMATION, 0.95)
- AI Decision Matrix —recommande→ automatiser les décisions routinières et garder un leadership humain sur les décisions stratégiques (AFFIRMATION, 0.94)
- One New Zealand —utilise→ agents IA (TECHNOLOGIE, 0.95)
- One New Zealand —mesure→ plus de 50 agents IA en production début 2026 (MESURE, 0.94)
- One New Zealand —mesure→ −60 % de temps de segmentation marketing via un agent text-to-SQL (MESURE, 0.93)
- One New Zealand —observé_dans→ AI Decision Matrix (METHODOLOGIE, 0.88)
- MIT CISR —recommande→ nommer un propriétaire humain pour chaque agent IA déployé (AFFIRMATION, 0.93)
- MIT CISR —recommande→ gérer l'IA comme un portefeuille de décisions métier plutôt que de cas d'usage (AFFIRMATION, 0.93)
- centre d'excellence IA —permet→ droits de décision (CONCEPT, 0.8)

---
Canonical: https://www.thekb.eu/de/fiches/stackpole-mit-sloan-ai-decision-matrix-2026-09-22/