Angewandte Organisationsentwicklung (Teil 2): Personalisierung im Maßstab – wie ein Streaming-Dienst seine Organisation auf seinen USP ausrichtet

Teil 2 von 5 der Serie Angewandte Organisationsentwicklung.

In Teil 1 dieser Serie habe ich eine globale Strategieberatung analysiert – ein Unternehmen, dessen USP auf Expertise beruht, die in Köpfen steckt und sich kaum skalieren lässt. In Teil 2 schaue ich auf einen sehr anderen Fall: einen Musik-Streaming-Dienst. Und ich merke jedes Mal aufs Neue, wie viel eine solche Gegenüberstellung sichtbar macht.

Zur Erinnerung: Das Gedankenexperiment dieser Serie lautet, dass ich namenlose Branchen-Archetypen durch die gleiche OE-Brille betrachte. Ich nenne keine Firmennamen – aber wer einen Blick auf seinen Lieblings-Streaming-Dienst wirft, wird Einiges wiedererkennen.

Was ein Streaming-Dienst einzigartig macht

Auf den ersten Blick verkauft ein Musik-Streaming-Dienst Zugang zu Musik. Millionen Tracks, verfügbar auf jedem Gerät, für einen monatlichen Festbetrag. Das klingt wie ein Infrastrukturgeschäft.

Der wirkliche USP liegt woanders: Personalisierung im Maßstab. Nicht das Angebot ist der Differenziator – das Angebot ist bei allen Wettbewerbern ähnlich. Der Unterschied ist, dass die Plattform für jeden Nutzer das Gefühl erzeugt, sie kenne ihn. Die Playlist, die man am Montagmorgen aufmacht, fühlt sich anders an als eine zufällige Auswahl, obwohl man selbst nichts konfiguriert hat.

Das ist keine Kleinigkeit. Die Organisation muss für Millionen von Menschen gleichzeitig individuelle Erfahrungen erzeugen, und das hat erhebliche Konsequenzen für alles, was danach kommt.

Komplexität reduzieren – aber welche?

Eine Organisation, die Personalisierung im Maßstab liefern will, steht vor einer spezifischen Herausforderung: Die Vielfalt des Angebots ist riesig – Millionen Tracks, Podcasts, Playlisten, Formate – aber diese Vielfalt muss für den Nutzer handhabbar bleiben.

Die Antwort liegt in Strukturierung. Strukturierte Abo-Modelle machen die Kaufentscheidung einfach. Inhaltskategorisierung und -kuration stellen sicher, dass die Bibliothek zugänglich bleibt, obwohl sie faktisch nicht durchsuchbar ist. Qualitätsstandards für die Content-Akquisition halten das Signal-Rausch-Verhältnis akzeptabel. Eine einheitliche User Experience über alle Plattformen hinweg sorgt dafür, dass der Nutzer nicht jedes Mal neu lernen muss.

Das ist eine interessante Form der Komplexitätsreduktion: Sie zielt nicht darauf, das Angebot kleiner zu machen, sondern darauf, es beherrschbarer erscheinen zu lassen. Der Unterschied ist nicht trivial.

Ich denke dabei an Mittelstandsunternehmen, die mir erzählen, ihr Produktportfolio sei zu unübersichtlich geworden. Meistens liegt das Problem nicht im Portfolio selbst, sondern im Fehlen eines strukturierten Zugangs dazu – fehlende Kategorisierung, unklare Positionierung der Einzelprodukte, kein roter Faden in der Kommunikation. Das ist lösbar, ohne alles wegzuwerfen.

Das Herzstück: Ein gemeinsamer Datenpool statt allwissender Manager

Hier wird das Modell wirklich interessant – und für viele Mittelstandsunternehmen provokant.

Klassische Organisationen lösen das Entscheidungsproblem über Hierarchie: Informationen laufen nach oben, Entscheidungen kommen von oben zurück. Das funktioniert, wenn die Entscheidungen wenige und die Informationslage stabil ist. Bei einem Streaming-Dienst ist beides nicht der Fall: Es gibt Millionen von Signalen täglich (Nutzerverhalten, Abbruchraten, Skip-Muster, Playlist-Zusammensetzungen), und diese Signale sind zu feinkörnig, um sie sinnvoll in eine Hierarchie zu pressen.

Die Antwort ist ein gemeinsamer Datenpool – kein Manager, der alles weiß, sondern eine Infrastruktur, in der die Daten für dezentrale Entscheidungen verfügbar sind. Das Team, das an der Entdeckungs-Funktion arbeitet, braucht nicht auf Freigabe zu warten. Es schaut in den gemeinsamen Pool, sieht, was die Nutzer tun, und entscheidet lokal.

Dazu kommt kollektive Dateneigenverantwortung: Nicht eine Analytics-Abteilung besitzt die Daten – alle Teams sind verantwortlich für die Qualität der Daten, die ihre eigenen Features produzieren. Das ist eine kulturelle Anforderung, keine technische.

Dazu kommen hohe KI-Investitionen, sowohl in den Dienst selbst (Empfehlungsalgorithmen) als auch in die Entwicklung (automatisierte Tests, Deployment-Pipelines, Qualitätssicherung).

Was bedeutet das für ein KMU mit 50 bis 100 Mitarbeitern? Natürlich kein Datenpool im technischen Sinne. Aber das Prinzip dahinter ist übertragbar: Entscheidungen sollten dort getroffen werden, wo die relevante Information vorhanden ist – nicht dort, wo die Hierarchie es verlangt. Das setzt voraus, dass man Entscheidungskompetenzen explizit verteilt und dass Menschen wissen, was sie entscheiden dürfen. Genau das fehlt in vielen mittelständischen Unternehmen, mit denen ich arbeite. Nicht weil die Führung autoritär wäre – sondern weil es nie explizit besprochen wurde.

Squads: Was steckt hinter dem Begriff?

Das Organisationsdesign folgt aus den Anforderungen: eine agile, produktzentrierte Struktur mit crossfunktionalen Teams, einer starken Technology-and-Data-Abteilung und einer Squad-Struktur.

Was ist eine Squad? Ein autonomes, interdisziplinäres Team, das für ein spezifisches Produktmerkmal verantwortlich ist. Die Squad für die Discover-Weekly-Playlist enthält Entwicklerinnen, Data Scientists, UX-Designer und möglicherweise jemanden aus dem Content-Team. Sie arbeiten zusammen, entscheiden zusammen, liefern zusammen.

Hinzu kommt ein Prinzip, das man als datengetriebene Selbstabstimmung beschreiben könnte: Entscheidungen entstehen nicht an der Spitze der Hierarchie und sickern nach unten. Sie entstehen überall – und breiten sich dort aus, wo sie relevant sind. Eine Squad entdeckt, dass bestimmte Playlist-Formate auf mobilen Geräten besonders gut funktionieren. Diese Erkenntnis verbreitet sich lateral, zu anderen Squads, die ähnliche Fragen haben.

Das ist eine andere Vorstellung von Führung. Nicht Steuerung von oben, sondern Koordination durch geteilte Information.

Ich werde manchmal gefragt, ob das in einem Familienunternehmen mit gewachsenen Strukturen funktionieren kann. Die ehrliche Antwort: in Reinform selten. Aber Elemente davon – kleine, verantwortliche Teams, die am nächsten an einem Problem dran sind – lassen sich fast überall einführen. Man nennt es nicht Squad. Man sagt: dieses Thema ist eure Sache, ihr entscheidet, ihr berichtet.

Die Schattenseiten – und warum sie vorprogrammiert sind

Jedes Organisationsdesign wählt seine Probleme. Dezentralisierung kauft Koordinationskomplexität ein. Autonome Teams riskieren, dass dieselbe Frage dreimal gelöst wird, und wer stark in Technologie und KI investiert, trägt entsprechend hohe Entwicklungskosten.

Das ist keine Kritik an dem Modell, sondern die unvermeidliche Kehrseite jeder konsequenten Designentscheidung.

Die Gegenmaßnahmen sind nicht überraschend: klare Kommunikation von Vision und Prinzipien, die Selbstorganisation ermöglicht, ohne Chaos zu produzieren. Automatisierung zur Kostenreduktion. Technologie für das Management der Koordinationskomplexität, also APIs, KI, assistierte Datenkuration.

Interessant ist die Reihenfolge: zuerst Vision und Prinzipien, dann Technologie. Das ist nicht selbstverständlich. In vielen Transformationsprojekten, die ich begleite, ist es umgekehrt: Man kauft das Tool und hofft, dass die Kultur folgt. Das funktioniert selten.

Was das für den Mittelstand bedeutet

Ein Musik-Streaming-Dienst und ein Maschinenbauunternehmen aus dem Südwesten haben auf den ersten Blick wenig gemeinsam. Aber wenn man beide durch die gleiche OE-Brille betrachtet, stellen sich dieselben Fragen: Wofür sind wir einzigartig? Was hindert uns daran, genau das zu liefern? Welche Struktur folgt daraus, und welche Probleme nimmt diese Struktur in Kauf?

Aus dem Streaming-Modell nehme ich zwei konkrete Dinge mit.

Erstens: Entscheidungskompetenz und Information müssen zusammenpassen. Wer Entscheidungen delegiert, ohne gleichzeitig den Informationszugang zu öffnen, delegiert ins Leere. Organisationen zentralisieren dann von selbst, nicht aus bösem Willen, sondern weil dezentrale Entscheidungen ohne Datenbasis schlicht chaotisch werden.

Zweitens: Autonomie braucht ein Fundament. Squads funktionieren nicht in einem Vakuum, sondern weil eine klare Vision definiert, was die autonomen Einheiten anstreben. Autonomie ohne Ausrichtung ist keine Freiheit. Es ist Unverbundenheit.

In Teil 3 schaue ich auf einen Hidden Champion aus dem Südwesten – und auf die Frage, wie Aligned Autonomy in einem mittelständischen Produktionsunternehmen aussieht.

Wenn Sie diese Fragen auf Ihr Unternehmen anwenden möchten und dabei Unterstützung suchen: Nehmen Sie Kontakt auf.