In praktisch jeder Organisation, die mit KI experimentiert, entsteht irgendwann dieselbe Gruppe: zwei, vielleicht drei Personen, die es verstehen, die selbst angefangen haben, es auszuprobieren, die begeistert erzählen, was möglich ist. Sie bauen einen Prototyp, testen ein Tool, teilen Ergebnisse in einem internen Chat. Der Rest der Organisation schaut zu, nickt und macht weiter wie bisher.
Nach ein paar Monaten gibt es eine Liste interessanter Experimente und keine einzige Veränderung in der Art, wie die Arbeit tatsächlich erledigt wird. Die zwei Enthusiasten sind noch immer begeistert. Alle anderen um sie herum sind nicht mitgezogen.
Die Überlegung hinter diesem Ansatz klingt vernünftig: klein anfangen, mit motivierten Menschen, und den Erfolg sich von selbst verbreiten lassen. Bei manchen Veränderungen funktioniert das auch so. Eine neue Arbeitsweise, die sichtbar Zeit spart, verbreitet sich manchmal organisch, weil Kollegen sie übernehmen.
Bei KI funktioniert dieser Mechanismus meist nicht, und der Grund liegt nicht bei den Menschen, sondern bei der Organisation um sie herum. Enthusiasten haben oft Zugang zu Systemen, Zeit und Mandat, die andere nicht haben. Was für sie eine Sache eines Nachmittags des Ausprobierens ist, erfordert für einen Kollegen ohne diesen Zugang einen Antrag, eine Genehmigung, ein IT-Ticket. Die Begeisterung ist nicht das Problem. Das Fehlen eines Weges, auf dem andere folgen können, ist das Problem.
Die Reihenfolge, in der KI-Reife entsteht, beginnt nicht bei Menschen, die etwas wollen. Sie beginnt bei der Struktur, die es ermöglicht: wie die Organisation aufgebaut ist, welche IT-Infrastruktur vorhanden ist, wie Daten verwaltet werden. Zwei Enthusiasten können diese Struktur umgehen, mit eigenem Zugang, eigenen Kniffen, eigenen Umwegen. Der Rest der Organisation kann das nicht, und sollte das auch nicht wollen — Umwege sind keine Grundlage für etwas, das dauerhaft funktionieren muss.
Das erklärt, warum sich das Muster oft neben anderen bekannten Fallstricken wiederholt. Wer liest, was sich zeigen muss, bevor ein Pilotprojekt irgendetwas bewirkt, erkennt einen vergleichbaren Mechanismus: Aktivität ohne Vereinbarung darüber, was Erfolg bedeutet, bleibt Aktivität. Bei zwei Enthusiasten fehlt diese Vereinbarung ebenfalls — weder darüber, was sich zeigen muss, noch darüber, wer nach ihnen folgt.
Es gibt ein paar erkennbare Signale. Das erste ist, dass immer wieder dieselben zwei oder drei Namen auftauchen, wenn über KI gesprochen wird, in jeder Besprechung, in jedem Update. Das zweite ist, dass Fragen anderer Abteilungen mit „wie haben die das gemacht" beginnen statt mit einem eigenen Weg. Das dritte, und am meisten unterschätzte, ist, dass niemand erklären kann, was passieren müsste, wenn einer dieser beiden Menschen morgen das Unternehmen verlässt.
Ein viertes Signal ist subtiler: Das Experiment bleibt in seiner eigenen Ecke, losgelöst vom Rest des Prozesses. Das passt zu dem, was passiert, wenn ein Pilotprojekt außerhalb des eigenen Teams keinen Anschluss findet — Begeisterung ohne Verbindung zum Rest der Organisation bleibt eine Insel, wie gut die Insel auch funktioniert.
Ein fünftes Signal schließlich ist, dass Skalierung als nächster Schritt vorgeschlagen wird, während niemand geprüft hat, ob die Grundlage darunter bereits steht. Dieses Risiko wird beschrieben in dem, was passiert, wenn Skalierung versucht wird, bevor die Grundlage steht: zwei Enthusiasten, die ihren eigenen Erfolg auf zehn Teams vervielfachen wollen, scheitern genau an der Struktur, die sie selbst umgangen hatten.
Es ist verlockend zu schließen, dass mehr Enthusiasten nötig sind, oder besseres Training, oder ein Kulturprogramm. Das verfehlt den Punkt. Die Frage ist nicht, ob es genug engagierte Menschen gibt — die gibt es oft schon zu zweit, und das ist genau das Problem, denn zwei ist keine Struktur. Die Frage ist, ob die Organisation als Ganzes — in ihrem Aufbau, darin, wie Systeme miteinander kommunizieren, wie Daten verfügbar und zuverlässig sind — eine Situation tragen kann, in der nicht zwei, sondern deutlich mehr Menschen mit KI arbeiten können. Das ist eine andere Frage als die, wer begeistert ist, und es ist die Frage, die zuerst beantwortet werden muss.
Für Führungskräfte, die auf dieses Muster stoßen, ist es hilfreich zu wissen, worauf jemand in einer vergleichbaren Position achten würde: worauf ein CEO bei der Beurteilung der KI-Reife achten würde beschreibt einige dieser Aspekte, ebenso wie der Blick von worauf ein COO bei der KI-Reife achten würde aus einer anderen Perspektive auf dieselbe Organisation.
Wenn zwei Enthusiasten zeigen, dass etwas möglich ist, bleibt die Frage unbeantwortet, wie viel von der Arbeit tatsächlich übernommen werden kann und von wem. Diese Frage betrifft nicht die Reife, sondern die Arbeit selbst: welche Aufgaben sich für eine Übernahme durch KI eignen und welcher Anteil das umfasst. Genau dafür ist der Werkscan von FTE TO AI gedacht — er berechnet pro Aufgabe, welcher Teil der Arbeit übernommen werden kann, unabhängig davon, wer bereits begeistert damit experimentiert.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.