Wie nimmt man Mitarbeiter bei KI mit? Drei Gründe, an denen klassisches Change Management hier scheitert

Drei Gründe, an denen klassisches Change Management hier scheitert

Wer in einem Mittelstandsunternehmen die letzten 20 Jahre Digitalisierungsprojekte begleitet hat, kennt das Muster: Vision kommunizieren, Schlüsselpersonen einbinden, Pilotteam aufbauen, schulen, ausrollen, nachjustieren. Funktioniert.

Bei KI funktioniert es nicht. Oder genauer: Es funktioniert teilweise, und scheitert genau dort, wo es bisher immer getragen hat.

Warum?

Unterschied 1: Es geht an die berufliche Identität, sofort

Eine neue CRM-Software ändert Wie jemand seine Arbeit macht. Eine neue ERP-Implementation ändert Womit jemand sie macht. Beides ist anstrengend, beides braucht Change Management, aber beides lässt die Antwort auf die Frage „Wozu bin ich da?" unangetastet.

KI tut genau das nicht. Ein Mitarbeiter, der seit fünfzehn Jahren Angebotsschreiben formuliert und auf den seine Kollegen für gute Texte zugehen, sieht in der ersten Demo eines Sprachmodells nicht „ein nützliches Tool". Er sieht unter Umständen eine direkte Konkurrenz zu dem, was ihn beruflich definiert.

Das ist eine häufige und normale Reaktion auf eine reale Verschiebung.

Klassisches Change Management adressiert das nicht. Eine Schulung zu „Prompt Engineering" beantwortet die Identitätsfrage nicht, sie ignoriert sie.

Unterschied 2: Die Geschwindigkeit überrollt die klassische Change-Kurve

Bei z.B. einer ERP-Einführung haben Sie zwei Jahre Zeit. In dieser Zeit durchlaufen Mitarbeitende die bekannten Phasen, Schock, Verleugnung, Frustration, Akzeptanz, Integration. Change-Methodik baut darauf auf.

Bei KI gibt es diese Zeit nicht. Zwischen „wir denken über KI nach" und „die Hälfte der Mitarbeitenden nutzt es schon privat" liegen typischerweise drei Monate. Die Change-Kurve wird nicht durchlaufen, sie wird übersprungen, weil die Realität schneller ist als der Prozess.

Folge: Ein Teil des Teams hat die KI längst "irgendwie" integriert (oft die Jüngeren, oft die Technologie-affinen), ein anderer Teil wartet ab oder ignoriert. Sie haben gleichzeitig sehr unterschiedliche Change-Stadien im Unternehmen, und keine klassische Methodik adressiert beide gleichzeitig.

Unterschied 3: Die Skill-Asymmetrie kehrt sich um

Bei jeder klassischen Digitalisierung waren die Senior-Mitarbeitenden im Vorteil: Sie verstanden die Geschäftsprozesse besser, sie konnten die Bedeutung einer neuen Software beurteilen, sie waren Multiplikatoren.

Bei KI ist das oft umgekehrt. Die 24-jährige Werkstudentin nutzt seit zwei Jahren GPT-Modelle für ihre Studienarbeiten und schreibt bessere E-Mails als der Abteilungsleiter. Der 55-jährige Sachbearbeiter mit dreißig Jahren Erfahrung wirkt plötzlich wie der Anfänger.

Diese Asymmetrie ist explosiv für Hierarchien. Wer das nicht aktiv adressiert, bekommt zwei Probleme gleichzeitig: Demotivation bei den Erfahrenen, ungesteuerte Eigeninitiativen bei den Jungen.

Was Sie nicht tun sollten

Aus den drei Unterschieden ergeben sich zwei Reaktionen, die ich häufig sehe:

Reaktion 1: Die große Ankündigung. „Liebe Kolleginnen und Kollegen, ab dem nächsten Monat führen wir KI im Unternehmen ein." Klingt verantwortungsvoll, ist aber Gift. Die Ankündigung legt die Identitätsfrage offen, ohne sie zu beantworten, und die Mitarbeitenden, die KI schon privat nutzen, fühlen sich ertappt statt eingebunden.

Reaktion 2: Die Pflichtschulung. „Wir schicken alle in den Halbtagesworkshop, dann sind sie geschult." Eine KI-Schulung ohne vorgeklärten Anwendungszweck ist verbrannte Zeit und erfüllt allenfalls die Vorgaben des EU AI Act zur Mitarbeiterqualifizierung. Sie produziert auch oft das Gefühl von „ich verstehe es technisch, aber ich weiß nicht, wofür ich es bei mir nutzen soll". Das demotiviert.

Wo der Hebel wirklich liegt

Die Richtung, in die es gehen kann muss immer unternehmensspezifisch ausgearbeitet werden. Grundlegend gilt aber:

Die Identitätsfrage explizit aufmachen. Nicht erst, wenn das Tool steht. Sondern bevor es gewählt wird. Wer muss etwas nicht mehr selbst erledigen, wenn KI hilft? Und was rückt dadurch oder statt dessen in den Mittelpunkt einer Rolle?
Mit den richtigen Multiplikatoren beginnen. Nicht mit den Lautesten, sondern mit denen, die Skepsis und Neugier in gesundem Verhältnis verbinden. Das sind nicht immer die offensichtlichsten Kandidaten.
Klein anfangen, schnell sichtbar. Eine konkrete Aufgabe, ein konkretes Team, ein sichtbarer Effekt in vier bis sechs Wochen, das schlägt jede Planungs-Präsentation.

Was Sie tun können

Bevor Sie eine KI-Initiative starten, lohnt eine ehrliche Bestandsaufnahme: Wie verteilt sich Ihr Team auf die drei Stadien, schon dabei, abwartend skeptisch, aktiv ablehnend? Wer trägt welche Rolle? Wo liegen die Identitätsfragen, die niemand laut ausspricht?

Diese Klärung ersetzt kein Change-Projekt. Aber ohne sie wird jedes Change-Projekt deutlich teurer.

Über den Autor: Thomas Schröpfer arbeitet hauptberuflich als Go-to-Market Product Manager bei einem Schweizer Anbieter von KI-Infrastruktur. Nebenberuflich berät er Mittelständler am Hochrhein zu strategischen KI-Fragen, mit Schwerpunkt auf Orientierung, Use-Case-Bewertung und Mitarbeiter-Mitnahme.