Die KI-Kompetenzlücke: Wie Organisationen und Führungskräfte sie schließen
Kulturwandel: Um die KI-Kompetenzlücke zu schließen, müssen kulturelle Themen adressiert werden – reines Training genügt nicht.
Konkrete Vorgaben: Wirksame KI-Vorgaben erfordern operative Klarheit, einschließlich detaillierter Arbeitsabläufe und Verantwortlichkeiten für eine erfolgreiche Einführung.
Individuelles Lernen: Rollenbezogene Schulungen, die sich auf unmittelbare Anwendungen konzentrieren, fördern die KI-Einführung und den Verhaltenswandel im Team.
Fokus auf Befähigung: KI sollte als Befähigungsfunktion verstanden werden, die die Effizienz steigert und nicht als Ersatz für bestehende Rollen dient.
Ergebnisbewertung: Die Bewertung der KI-Einführung muss die Qualität der erzeugten Arbeit in den Vordergrund stellen, anstatt lediglich Nutzungsmetriken zu erfassen.
Branchenübergreifend sehen sich Organisationen mit derselben unbequemen Realität konfrontiert: Sie haben in KI-Tools investiert, Anweisungen zu deren Nutzung erlassen und dennoch beobachtet, wie die KI-Einführung ins Stocken geraten ist.
Das Problem ist nicht die Technologie. Es ist die Lücke zwischen dem Zugang und der tatsächlichen Fähigkeit – und die zunehmende Erkenntnis, dass diese Lücke mehr als nur eine Anordnung braucht, um sie zu schließen.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Führungskräfte an vorderster Front überdenken aktuell, wie Fähigkeiten aufgebaut werden, wie Einführung gemessen wird und was es bedeutet, KI tatsächlich in die Arbeitsweise von Teams zu integrieren. Um zu verstehen, wie Organisationen dieses Thema praktisch angehen, habe ich mit Führungskräften aus den Bereichen Betrieb und Projektmanagement über ihre Ansätze gesprochen, diese noch nie dagewesene Lücke in der Einsatzbereitschaft der Mitarbeitenden zu schließen.
Das eigentliche Problem ist die Kultur, nicht nur die Schulung
Der Impuls, die KI-Kompetenzlücke als Wissensproblem zu behandeln, ist nachvollziehbar, doch Praktiker sagen, dass dies die eigentliche Ursache verfehlt. Moe Rosenfeld, CIO bei eCopier Solutions, bringt es direkt auf den Punkt: „Einführung ist im Grunde ein Kulturproblem, das als Trainingsproblem getarnt ist.“
Was wie ein Mangel an Fähigkeiten erscheint, ist oft ein Mangel an psychologischer Sicherheit, unklaren Erwartungen oder eine Führungskultur, die widersprüchliche Signale sendet. Rosenfeld führt fort: „Die Unternehmen, die hier Schwierigkeiten haben, ordnen KI meist von oben an, während sie die Mitarbeitenden gleichzeitig nervös machen, sie einzusetzen. Beides zusammen funktioniert nicht.“ Wenn Einführung zum Leistungsmerkmal wird, bevor sie als unterstützte Praktik verankert ist, lernen Menschen, beschäftigt zu erscheinen, statt wirklich anders zu arbeiten.
Graham Mann, Gründer von SEOTakeoff, betont das ebenfalls: „Die KI-Wissenslücke verschärft sich noch, wenn Organisationen sie als Tool-Training behandeln. Das wirklich nützliche Training ist Workflow-Training." Jemanden in einer Plattform zu schulen, ist nicht das gleiche wie ihm zu zeigen, wo sie im eigenen Arbeitsalltag ihren Platz hat.
Die KI-Wissenslücke verschärft sich noch, wenn Organisationen sie als Tool-Training behandeln. Das wirklich nützliche Training ist Workflow-Training.
Warum vage KI-Vorgaben scheitern – und wie operative Vorgaben aussehen
Sogar Unternehmen, die sich ehrlich zur KI-Einführung bekennen, untergraben sich oft selbst mit Anweisungen, die zu allgemein sind, um sie umzusetzen. Mann warnt genau davor: „Ich würde pauschale KI-Vorgaben wie ‚Alle müssen KI nutzen‘ vermeiden. Sie führen zu bloßer Zurschaustellung von Aktivitäten.“ Tatsächlich erhielt Meta ein Gesicht für performative KI-Nutzung, als es kürzlich viral mit seiner geleakten internen "Token-Bestenliste" ging.
Wenn der Standard vage ist, erfüllen Menschen nur die äußere Anforderung, ohne wirklich etwas zu verändern. Ilya Margolin, Berater für strategische KI- und Daten-Workflows, beschreibt, was eine echte Vorgabe verlangt: „KI-Vorgaben brauchen operative Sprache. ‚KI einsetzen‘ ist zu unkonkret. Eine ernsthafte Vorgabe benennt die Workflows, die erlaubten Tools, die eingeschränkten Daten, die Prüfnormen und die verantwortliche Person.“ Genau diese Spezifizität verwandelt eine Anweisung in etwas Umsetzbares.
Am anderen Ende des Spektrums beschreibt Alexander Debelov, Gründer und CEO von Go X, eine Organisation, die die Vorgabe auf ihre klarste Form reduziert hat: „Die Vorgabe ist einfach: Wenn eine Aufgabe von einem Agenten erledigt werden kann, sollte sie das auch.“ Während einige Unternehmen noch über den KI-Einsatz diskutieren, gehen andere längst davon aus, dass sie verwendet wird, und bauen darauf auf.
KI-Vorgaben brauchen operative Sprache. ‚KI einsetzen‘ ist zu unkonkret.
Die Gefahr eines Mittelwegs – bei dem zu KI-Einsatz ermutigt, aber keine Strukturen vorgegeben werden – benennt Margolin als das stille Risiko unkontrollierten Ausprobierens: „Verstecktes individuelles Experimentieren führt zu uneinheitlicher Qualität und Datenlecks. Geteilte Betriebsstandards machen KI zu einer wiederholbaren Fähigkeit.“
Rollenbezogenes, entscheidungsnahes Lernen
Eines der klarsten Muster bei Führungskräften, die erfolgreiche KI-Schulungen gesehen haben: Sie sind spezifisch – bezogen auf die Rolle, bezogen auf die Entscheidung und bezogen auf den Workflow.
Stein Janssen, Chief Operating Officer, Poki, beschreibt, wie dies in der Praxis aussieht: „Zum Beispiel besteht das Wissensbedürfnis eines Project Managers darin, wie man KI bei der Projektdefinition, den Übergabeprozessen und der Nachverfolgung von Problemen einsetzt; während das Wissensbedürfnis einer Leitungskraft im Operations-Bereich darin liegt, wie KI für Konsistenz in der Eskalationsprozessgestaltung genutzt werden kann.“
Allgemeine Programme zur KI-Kompetenz fördern zwar das Bewusstsein, führen jedoch selten zu Verhaltensänderungen, da sie nicht an die tatsächlichen Probleme anknüpfen, die Menschen lösen wollen. Janssen bringt es direkt auf den Punkt, warum Nähe zählt: „Diese Art von Lernen muss sehr nah an den Orten stattfinden, an denen Entscheidungen getroffen werden. Denn wenn es zu weit von diesen Entscheidungsprozessen entfernt ist, wird das Lernen theoretisch und führt möglicherweise zu keiner Verhaltensänderung.“
Die Bewährungsprobe jeder Schulung ist, ob sie sich darin äußert, wie jemand am folgenden Montag arbeitet – und das ist viel wahrscheinlicher, wenn das Training um die Entscheidungen herum gestaltet wird, die bereits getroffen werden.
Wie Organisationen KI-Schulungsprogramme strukturieren
Organisationen verfolgen unterschiedliche Ansätze beim Aufbau von KI-Fähigkeiten in größerem Maßstab. Die effektivsten kombinieren dabei grundlegende Kompetenzvermittlung mit vertiefender, selbstgesteuerter Entwicklung.
Aniket Ghonge, Senior Supply Chain Manager bei Amazon, beschreibt die Ausgangslage: „Auf jeder Ebene der Organisation gibt es eine Form von KI-basierter Schulung. Es sind ganz grundlegende Trainings, wie zum Beispiel Erklärungen, was es für Arten von KI gibt. Dieses Angebot steht allen zur Verfügung und ist verpflichtend.“ Dieser gemeinsame Wissensstand ist entscheidend – er schafft eine gemeinsame Sprache und sorgt dafür, dass niemand völlig unvorbereitet in KI-Gespräche geht.
Auf jeder Ebene der Organisation gibt es eine Form von KI-basierter Schulung. Es sind ganz grundlegende Trainings, wie beispielsweise Erklärungen, was es für Arten von KI gibt. Dieses Angebot steht allen zur Verfügung und ist verpflichtend.
Für diejenigen, die weitergehen wollen, hat Amazon einen weiteren Weg geschaffen: „Amazon bietet außerdem universitäre Zertifikate und Kurse im Bereich Maschinelles Lernen kostenlos für Amazonians an“, so Ghonge. „Ich selbst bin in einem dieser Kurse eingeschrieben. Es handelt sich um eine selbstgesteuerte Lernumgebung, in der man sich mit Maschinellem Lernen und verschiedenen Konzepten vertraut machen kann.“
Auch auf Teamebene bauen Führungskräfte eigene Infrastrukturen auf. Jeff Chamberlain, Manager of Broadband Services und PMO bei der Verwaltung des Frederick County, verfolgt dabei einen Bottom-up-Ansatz: „Ich habe tatsächlich ein kleines KI-Team innerhalb meines Teams gegründet, eine Gruppe von Projektmanagern weltweit, die wirklich leidenschaftlich daran interessiert sind, unsere KI-Methoden ständig weiterzuentwickeln.“ Solche internen Communities – Menschen, die sich auch ohne Vorgabe aus Eigeninitiative engagieren – bewegen oft schneller und mit mehr Glaubwürdigkeit als nur rein top-down gesteuerte Programme.
Ich habe tatsächlich ein kleines KI-Team innerhalb meines Teams gegründet, eine Gruppe von Projektmanagern weltweit, die wirklich leidenschaftlich daran interessiert sind, unsere KI-Methoden ständig weiterzuentwickeln.
KI als Unterstützung, nicht Ersatz — und wie das in der Praxis aussieht
Einer der häufigsten Perspektivwechsel, den Praktiker anführen, betrifft die Einordnung von KI selbst. Chamberlain bringt auf den Punkt, worauf sein Taskforce-Team immer wieder zurückkommt: „KI ist kein Werkzeug. Es ist keine Methode. Es ist eine Unterstützungsfunktion. Im Kern ist es eine Methodik, die uns ermöglicht, Dinge schneller, besser und effizienter zu erledigen. Es soll nichts ersetzen. Es soll Geschwindigkeit und Qualität ermöglichen. Aber das erfordert weiterhin Menschen.“
Diese Perspektive ist entscheidend, weil sie verändert, woraufhin Organisationen hinarbeiten – nicht auf Ersatz, sondern auf Verstärkung. Debelov liefert ein konkretes Beispiel dafür, wie das aussieht, wenn die Erlaubnis zur vollständigen Nutzung von KI tatsächlich erteilt wird. Seine Organisation setzte neun digitale Agenten ein, um mehr als 100 lokale Unternehmen per KI-Sprachanruf zu kontaktieren: „Sie [die Agenten] vereinbarten 15 Partnertermine, und aus 15 davon wurden neue Partner vor Ort. Die gesamten Kosten der Agentenanrufe beliefen sich auf etwa 50 $. Als wir denselben Outreach mit Menschen gemacht haben, hat es uns ungefähr 1.500 $ gekostet, dieselbe Anzahl an Terminen zu buchen.“
Die Technologie war nicht neu. Neu war die Entscheidung, sie einzusetzen. Debelovs Einschätzung darüber, was die meisten Organisationen tatsächlich zurückhält, ist eindeutig: „Die Lücke ist nicht technischer Natur. Es ist die Erlaubnis.“
Adoption richtig messen
Wenn das Ziel tatsächlich Kompetenz und nicht bloße Sichtbarkeit ist, muss die Messung dies widerspiegeln. Margolin beschreibt seinen eigenen Standard: „Ich messe die KI-Einführung anhand der Qualität der geleisteten Arbeit, nicht anhand der Anzahl an Prompts oder Tool-Logins.“ Login-Zahlen und Nutzungsmetriken lassen sich leicht manipulieren und sagen wenig darüber aus, ob KI die Arbeit tatsächlich verbessert.
Ich messe die KI-Einführung anhand der Qualität der geleisteten Arbeit, nicht anhand der Anzahl an Prompts oder Tool-Logins.
Mann stellt einen ähnlich ergebnisfokussierten Test vor: „Wurde der Prozess schneller, klarer oder weniger fehleranfällig, ohne dass die Qualität darunter gelitten hat? Wenn nicht, ist die KI-Schicht wahrscheinlich nur Störgeräusch.“ Die Frage ist nicht, ob KI eingesetzt wurde, sondern ob sich die Arbeit verbessert hat. Organisationen, die das eine messen, während sie vorgeben, sich für das andere zu interessieren, werden immer wieder dasselbe Ergebnis produzieren – oberflächliche Einführung, die nie zu echter Kompetenz wird.
Die Lücke richtig schließen
Die Überbrückung der KI-Kompetenzlücke ist in erster Linie keine technische Herausforderung und auch keine Frage der Schulung – es ist eine Führungsaufgabe. Die Organisationen, die echte Fortschritte machen, sind nicht diejenigen mit den ausgefeiltesten Tools oder den aggressivsten Anweisungen – es sind die, die ehrlich die kulturellen Voraussetzungen benennen, die für eine erfolgreiche Einführung benötigt werden, konkret festlegen, was die Nutzung von KI in jeder Rolle wirklich bedeutet, und konsequent Ergebnisse statt bloßer Aktivität messen.
Die Lücke ist real, aber der Weg nach vorne ist es auch. Die Entscheidung, KI einzusetzen, ist bereits getroffen worden. Was bleibt, ist die schwierigere Arbeit – den Aufbau einer Kultur, die nötige Verbindlichkeit und die Messstandards, die diese Entscheidung tatsächlich in eine dauerhafte Veränderung verwandeln. Möchten Sie mehr Einblicke wie diese? Melden Sie sich kostenlos für ein DPM-Konto an, um von weiteren Expert:innen zu hören.
