KI-Adoption und Change-Management

Stellen Sie sich ein Unternehmen vor, das KI-Lizenzen für alle Beschäftigten kauft. Drei Monate später nutzt ein Drittel den Assistenten jede Woche, meist für Kleinigkeiten, und der Business Case ist weit entfernt. Das Tool funktioniert. Die Adoption nicht. Ein gekauftes Tool ändert für sich genommen nichts: Menschen müssen ändern, wie sie arbeiten.

Dieser Artikel ist Teil 4 von Level 4 unseres Lernpfads AI Work. Teil 2 hat gezeigt, dass der Nutzen von KI davon abhängt, wie viel frei gewordene Zeit zu Wert wird (den ROI von KI in der Arbeit messen). Dieser Teil behandelt die menschliche Seite: warum KI-Tools ohne Adoption scheitern, wie sich neue Tools in einem Team verbreiten, Champions, Schulungsformate, Kommunikation, Sorgen, Kennzahlen zur Nutzung und Anreize.

Ein gekauftes Tool ist noch keine Adoption

Adoption heißt: Menschen nutzen ein neues Werkzeug regelmäßig, für die Aufgaben, bei denen es hilft, und so, dass sich Ergebnisse verändern. Zugang ist keine Adoption, und ein begeisterter Versuch auch nicht. Eine repräsentative Umfrage aus den USA zeigt die Lücke: Ende 2024 nutzten fast 40 Prozent der Erwachsenen zwischen 18 und 64 Jahren generative KI, aber nur 9 Prozent der Erwerbstätigen nutzten sie an jedem Arbeitstag (Quelle: Bick, Blandin und Deming, „The Rapid Adoption of Generative AI“, NBER Working Paper 32966, 2024, überarbeitet 2025, nber.org).

Der Trichter zeigt fünf Stufen von der Lizenz bis zur Wirkung. Auf jeder Stufe steigen Menschen aus typischen Gründen aus:

• Unklare Regeln, keine Zeit. Die Menschen wissen nicht, was sie in das Tool eingeben dürfen, und niemand hat ihnen Zeit gegeben, es zu lernen.
• Ein enttäuschender erster Versuch. KI ist bei manchen Aufgaben stark und scheitert an anderen, die ähnlich aussehen. Wer mit der falschen Aufgabe beginnt, gibt früh auf. Level 0 erklärt diese ungleichmäßige Grenze in Was KI im Job verändert.
• Nur Kleinkram. Die Leute formulieren ab und zu eine E-Mail um, aber das Tool erreicht nie die Aufgaben, die zählen.
• Ein unveränderter Prozess. Das Team nutzt KI zusätzlich zum alten Ablauf. Schritte, Rollen und Ziele bleiben gleich, also verpuffen die gesparten Minuten.
• Eine Vorgabe ohne Anleitung. „Nutzt KI für alles“ drängt Menschen zu schnellen Ergebnissen mit wenig Aufwand. Forschende von BetterUp Labs und dem Stanford Social Media Lab bringen solche Vorgaben von oben mit Workslop in Verbindung: KI-Ergebnissen, die fertig aussehen, aber von jemand anderem nachgebessert werden müssen (Quelle: berichtet von Fortune, September 2025). Sagen Sie, wo KI hilft und wo nicht, und machen Sie klar, dass jede Person für das verantwortlich bleibt, was sie weitergibt.

Wie sich neue Tools in einem Team verbreiten

Neue Tools verbreiten sich nicht gleichmäßig. Der Soziologe Everett Rogers hat in seinem Buch Diffusion of Innovations, zuerst erschienen 1962, fünf Gruppen beschrieben: Innovatoren, frühe Anwender, frühe Mehrheit, späte Mehrheit und Nachzügler. Ihre Anteile folgen einer Glockenkurve, und der Anteil der Menschen, die eine Neuerung nutzen, wächst entlang einer S-Kurve.

Geoffrey Moore hat in seinem Buch Crossing the Chasm (1991) einen wichtigen Punkt ergänzt. Zwischen den frühen Anwendern und der frühen Mehrheit liegt eine Lücke, der Chasm. Frühe Anwender probieren Neues aus, weil es neu ist. Die frühe Mehrheit will Belege, dass das Tool für Menschen wie sie funktioniert, fertige Beispiele und Hilfe, wenn sie nicht weiterkommt.

Für KI in der Arbeit heißt das: Die Begeisterung der ersten Nutzer trägt die Einführung nicht. Die Mehrheit gewinnen Sie mit Ergebnissen von Kolleginnen und Kollegen in derselben Rolle, mit Beispielen aus ihren eigenen Aufgaben und mit Zeit zum Lernen. Das Modell ist eine Beschreibung, kein Gesetz, und die Gruppen in Ihrem Team können größer oder kleiner sein. Die Lehre aber gilt: Die Mehrheit folgt Belegen, nicht der Neuheit.

Ein Netz aus Champions aufbauen

Champions sind Beschäftigte in jedem Team, die KI früh nutzen, gute Anwendungsfälle finden, Beispiele teilen und ihren Kolleginnen und Kollegen helfen. Sie gehören nicht zum zentralen KI-Team. Sie arbeiten im Vertrieb, im Service oder in den Finanzen und kennen die Arbeit dort. Ein Champion-Netz verbindet zwei Richtungen: Das KI-Team liefert Regeln, Vorlagen und Updates, die Champions melden Beispiele, Probleme und Wünsche zurück.

Champions brauchen vier Dinge:

• Zeit: einige Stunden pro Woche, mit der Führungskraft vereinbart und in ihren Zielen festgehalten.
• Frühen Zugang zu neuen Tools und Funktionen und einen direkten Draht zum KI-Team.
• Eine Bühne: kurze Vorführungen in Teammeetings, einen Kanal für Fragen und eine gemeinsame Sammlung guter Beispiele.
• Anerkennung: sichtbaren Dank der Geschäftsführung und Würdigung im Mitarbeitergespräch.

Wählen Sie Champions nach Ansehen, nicht nur nach Begeisterung. Eine geschätzte Kollegin, die sagt: „Das hat mir beim Monatsbericht eine Stunde gespart“, überzeugt die frühe Mehrheit mehr als jede Demo eines Anbieters.

In Formaten schulen, die zur Arbeit passen

Kein einzelnes Format schafft eine Gewohnheit. Kombinieren Sie mehrere, und setzen Sie jedes für seinen Zweck ein:

Zwei Grundsätze machen Schulung wirksam. Erstens: Schulen Sie an echten Aufgaben aus der Arbeit des Teams, nicht an allgemeinen Beispielen. Zweitens: Zeigen Sie, wo das Tool scheitert, nicht nur, wo es glänzt. Wer die Schwachstellen kennt, vertraut dem Tool bei den richtigen Dingen. In der EU verlangt die KI-Verordnung außerdem von Unternehmen, die KI-Kompetenz der Beschäftigten zu fördern, die KI-Systeme nutzen (Artikel 4). Teil 3 dieses Levels ordnet diese Pflicht in die KI-Governance für Fachbereiche ein.

Software kann die Grundlagen vermitteln und die Kennzahlen zur Nutzung zeigen, die unten beschrieben sind. Nach Angaben der Anbieter erstellt Evolve Schulungen, passt sie an jede lernende Person an und misst die Ergebnisse, und Databox verbindet Dashboards, automatische Berichte und Ziele:

EvolveAnalyse & Betrieb · KI ist der KernPlattform für Schulung und Enablement, die Trainings erstellt, an Lernende anpasst und den Erfolg misst. DataboxAnalyse & Betrieb · Software mit KI-FunktionenAnalyse-Plattform mit Dashboards, automatischen Berichten, Zielen und KI-Auswertungen.

Kurzbeschreibungen aus unserem Tool-Vergleich, nach Angaben der Anbieter — nicht von ABXK getestet.

Ehrlich kommunizieren und Sorgen beantworten

Gute Kommunikation beantwortet fünf Fragen, bevor jemand sie stellt: Warum machen wir das? Was ändert sich für mich? Was bleibt gleich? Welche Regeln gelten? Wo bekomme ich Hilfe? Führungskräfte zählen mehr als jede Ankündigung. Wenn eine Führungskraft das Tool offen nutzt und ein echtes Beispiel zeigt, zieht das Team mit.

Veränderung geschieht Mensch für Mensch. Das ADKAR-Modell des Beratungsunternehmens Prosci beschreibt fünf Schritte, die jede Person durchläuft: Bewusstsein (Awareness), Wollen (Desire), Wissen (Knowledge), Können (Ability) und Verankern (Reinforcement). Kommunikation deckt die ersten beiden Schritte ab, Schulung und Übung die nächsten beiden, Anerkennung und Ergebnisse den letzten.

Sorgen brauchen direkte Antworten. Vermeiden Sie Versprechen, die Sie nicht halten können, etwa „kein Arbeitsplatz wird sich ändern“. Sagen Sie, was Sie wissen:

Die Forschung stützt Ehrlichkeit beim ersten Punkt. Die ILO kam zu dem Ergebnis, dass generative KI eher Teile von Berufen verändert, als ganze Berufe zu ersetzen (Quelle: ILO, Generative AI and Jobs, Working Paper 96, 2023, ilo.org). Das heißt nicht, dass sich nichts ändert. Es heißt, dass Sie den Menschen sagen können, welche Aufgaben sich ändern und wie.

Nutzung messen, ohne Menschen zu überwachen

Forschende bei Google haben das HEART-Framework vorgeschlagen, um zu messen, wie Menschen Software nutzen: Happiness, Engagement, Adoption, Retention und Task Success (Quelle: Rodden, Hutchinson und Fu, „Measuring the User Experience on a Large Scale“, CHI 2010, research.google). Es passt gut zu KI-Tools in der Arbeit:

Berichten Sie diese Kennzahlen je Team, nicht je Person. Eine Rangliste Einzelner nach KI-Nutzung lädt zu Scheinaktivität ein und beschädigt Vertrauen. In Deutschland bestimmt außerdem der Betriebsrat bei Systemen mit, die Leistung überwachen können. Und achten Sie auf Goodharts Gesetz: Wird eine Kennzahl zum Ziel, taugt sie nicht mehr als Kennzahl. Ein Ziel wie „50 Prompts pro Woche“ erzeugt 50 Prompts, keine bessere Arbeit.

Anreize helfen, wenn sie Ergebnisse und Lernen belohnen, nicht Klicks:

• Zeit: geschützte Lernzeit, besonders in den ersten Wochen.
• Anerkennung: gute Beispiele im Teammeeting zeigen, mit den Namen der Menschen dahinter.
• Karriere: KI-Fähigkeiten in Rollenprofilen und Entwicklungszielen.
• Geteilter Gewinn: eine offene Entscheidung, wie frei gewordene Zeit genutzt wird — weniger Überstunden, mehr Zeit für Kunden, neue Aufgaben —, damit auch die Beschäftigten profitieren.

Verzichten Sie auf Nutzungsquoten und Ranglisten. Sie messen Aktivität, nicht Wert.

Die Einführung in vier Phasen planen

Jede Phase hat ihr eigenes Ziel und ein klares Signal für den nächsten Schritt. Die Pilotphase folgt derselben Logik wie die Anleitung aus Level 3, ein KI-Pilotprojekt durchzuführen: