Die technische Seite der KI-Einführung wird geplant. Der Teil, der über den Erfolg entscheidet, ist, wie die betroffenen Menschen zuerst davon erfahren – und der bleibt meist dem Zufall überlassen.
Wenn ein KI-Projekt sozial scheitert, scheitert es selten laut. Niemand verweigert sich. Die Leute machen einfach weiter wie bisher, bezeichnen das neue System als unzuverlässig, und es fällt still aus der Nutzung.
Verstehen Sie, wovor Menschen wirklich Angst haben
Die Annahme ist, Mitarbeiter fürchteten um ihre Stelle. Manchmal stimmt das. Häufiger sind die Sorgen nach unserer Erfahrung konkreter und besser adressierbar:
- Für Fehler des Systems verantwortlich gemacht zu werden. Wenn ich ein KI-erzeugtes Dokument freigebe, das sich als falsch erweist – wessen Fehler ist das?
- Den interessanten Teil der Arbeit zu verlieren. Viele haben nichts gegen die Automatisierung von Fleißarbeit, fürchten aber, das Werkzeug übernehme die Urteilsarbeit und lasse ihnen die Fleißarbeit.
- Anders gemessen zu werden. Wenn das Werkzeug die Arbeit beschleunigt – steigt die Erwartung dann dauerhaft?
- Inkompetent zu wirken. Niemand will derjenige sein, der mit dem neuen System nicht zurechtkommt.
Eine Einführung, die auf Stellenabbau eingeht, aber nicht auf diese Fragen, hat die falsche Sorge beantwortet.
Werden Sie konkret bei der Verantwortung
Das Nützlichste, was Sie früh sagen können, ist, wer verantwortlich ist, wenn das Ergebnis falsch ist. Wenn eine Prüferin etwas Falsches freigibt, sollte die Antwort lauten, dass der Prozess versagt hat, nicht sie – es sei denn, sie hat die Prüfung übersprungen.
Sagen Sie das ausdrücklich und schriftlich, vor dem Start. Unklarheit erzeugt hier Abwehrverhalten: Die Leute geben entweder gar nichts mehr frei oder alles ungeprüft. Beides zerstört den Wert des Prüfschritts.
Beziehen Sie die ein, die den Prozess kennen
Wer einen Prozess seit acht Jahren bearbeitet, kennt die Ausnahmen, die informellen Regeln und die Gründe für Schritte, die von außen sinnlos wirken. Dieses Wissen brauchen Sie, um überhaupt etwas Funktionierendes zu bauen.
Diese Menschen zu befragen ist keine Höflichkeit – es ist die Anforderungsanalyse. Es ist nebenbei auch das Wirksamste für die Akzeptanz, denn ein System, das jemand mitgestaltet hat, ist kein System, das ihm angetan wird.
Versprechen Sie nicht zu viel
KI als fehlerfrei darzustellen stellt eine Falle. Das erste selbstbewusst falsche Ergebnis – und es wird eines geben – gilt dann als Beweis, dass die ganze Sache kaputt ist.
Sagen Sie klar, dass das System manchmal Falsches liefert, dass das erwartet wird und kein Defekt ist, und dass genau dafür der Prüfschritt existiert. Menschen kommen mit bekannten Grenzen weit besser zurecht als mit Überraschungen.
Beginnen Sie mit einem ungeliebten Prozess
Wenn das Erste, was Sie automatisieren, etwas ist, das alle lästig finden, löst sich die Akzeptanzfrage von selbst. Wenn es etwas ist, auf das Menschen stolz sind, haben Sie sich ohne Grund einen Konflikt eingehandelt. Es gibt fast immer einen lästigen Kandidaten; nehmen Sie ihn zuerst und bauen Sie Vertrauen auf.
Erlauben Sie zu sagen, dass es nicht funktioniert
Schaffen Sie einen einfachen, nicht peinlichen Weg, schlechte Ergebnisse zu melden – und reagieren Sie sichtbar darauf. Wenn Meldungen im Nichts verschwinden, hören sie auf, und Sie verlieren Ihr einziges Qualitätssignal aus dem Betrieb.
Die Teams, die echten Nutzen aus KI ziehen, sind meist die, in denen man offen sagen darf, dass das Ergebnis heute unbrauchbar war. Das ist kein Widerstand. Das ist die funktionierende Qualitätskontrolle.
