Beim Thema AI-Einführung fällt mir immer wieder auf, wie ungewöhnlich groß das Interesse ist. Schon die Ankündigung löst Fragen und Diskussionen aus. Mitarbeitende bemühen sich aktiv um Lizenzen, Workshops werden gut besucht, Prompt-Tipps und Best Practices werden ausgetauscht.
Die Begeisterung über plötzlich mögliche Arbeitserleichterungen ist real. Genauso real ist aber auch die Unsicherheit, die mitschwingt: Kann ich das noch lernen? Was bedeutet AI für meine Rolle? Werden Teile meiner Arbeit verschwinden oder wird mein Team künftig anders aussehen?
Begeisterung und Unsicherheit können gleichzeitig existieren. Und genau das hat Konsequenzen für Transformation Management.
In Change-Projekten gilt hohe Beteiligung meist als gutes Zeichen. Bei AI sehen wir sie häufig sogar in stärkerem Maße als in anderen Initiativen. Doch Beteiligung bedeutet nicht automatisch uneingeschränkte Unterstützung.
Menschen können eine AI-Einführung interessant finden, aktiv mitmachen, ihren Nutzen sehen und sich trotzdem bestimmten Konsequenzen widersetzen.
Bei der Suche nach Use Cases wird das besonders sichtbar. Wer vermutet, dass die Automatisierung eines Prozesses langfristig den eigenen Job oder die eines Teammitglieds infrage stellen könnte, hat möglicherweise wenig Interesse daran, genau diesen Use Case vorzuschlagen.
Ähnliches gilt für Produktivitätsgewinne. Mitarbeitende können AI intensiv nutzen und ihre eigene Arbeit deutlich effizienter machen, ohne jede Automatisierungsmöglichkeit oder jede eingesparte Stunde offen sichtbar zu machen – insbesondere dann, wenn unklar ist, ob das später zu einer Neugestaltung oder Verkleinerung des Teams führen wird.
Aus Implementierungssicht ist das verdeckter Widerstand. Aus individueller Sicht vollkommen rational. Und es schließt überhaupt nicht aus, dass dieselbe Person die AI-Einführung grundsätzlich unterstützt.
Das macht AI-Adoption für Change und Transformation Management besonders anspruchsvoll. Widerstand zeigt sich nicht immer als offene Ablehnung. Er kann selektiv sein – gerade weil die Technologie nicht nur neue Arbeitsweisen ermöglicht, sondern Aufgaben, Rollen und Kompetenzprofile verändert. In manchen Bereichen kann sie auch dazu führen, dass bestimmte Tätigkeiten oder Stellen wegfallen. Damit berührt sie die persönlichen Interessen der Mitarbeitenden ganz unmittelbar und alle, die sich mit Change auskennen wissen: Wenn das der Fall ist, wird es tricky.
AI-Adoption ausschließlich über Teilnahmequoten, Lizenznutzung oder Workshop-Beteiligung zu beurteilen, ist deshalb trügerisch. Diese Kennzahlen zeigen Aktivität. Sie zeigen nicht automatisch, wie Menschen die möglichen Konsequenzen der Veränderung bewerten. Das Bild kann dadurch positiver wirken als die Bereitschaft tatsächliche ist, alle Folgen der Transformation mitzutragen.
Näher an die Realität bringt uns der persönliche Kontakt. Ambassadors oder Champions sollten deshalb nicht nur als Multiplikatoren verstanden werden. Ihre Funktion ist ebenso, Erfahrungen aus der Organisation zurückzuspielen: Wo entstehen Unsicherheiten? Welche Annahmen funktionieren in der Praxis nicht? Wo gibt es Hindernisse, die im Projektteam noch gar nicht sichtbar sind?
Dabei geht es nicht darum, Stimmungen auszuspionieren, sondern darum, gezielt zu erkennen, was noch nicht funktioniert – und es zu verbessern. Das gelingt aber nur, wenn es ein Vertrauensverhältnis gibt, in dem sie auch Unsicherheiten, Widerstände und Beobachtungen aus ihren Teams offen ansprechen können. Und zwar gerade dann, wenn diese nicht in die positive Adoption Story passen.
Genauso wichtig ist es, mögliche Veränderungen von Rollen frühzeitig sichtbar zu machen. Nicht jede zukünftige Entwicklung lässt sich vorhersagen. Aber wenn absehbar ist, dass sich Aufgaben verschieben, Kompetenzanforderungen verändern oder Teams neu zusammengesetzt werden, kann darauf vorbereitet werden: durch Gespräche, transparente Rollenentwicklung und Qualifizierungsmaßnahmen.
Vertrauen entsteht dadurch, dass Organisationen klar benennen, was sie wissen, was sie noch nicht wissen und nach welchen Kriterien Entscheidungen getroffen werden. Das gilt insbesondere dann, wenn tatsächlich Stellen wegfallen.
Gerade bei AI ist es deshalb hilfreich, Unterstützung und Widerstand nicht als Gegensätze zu verstehen, die sich gegenseitig ausschließen. Entscheidend ist nicht nur, ob Menschen mitmachen. Sondern auch, was passiert, sobald aus einem interessanten neuen Tool eine Veränderung der eigenen Arbeit wird.