So baut man echte KI-Kompetenz im gesamten Team auf

Galen Low: Heutzutage hat fast jeder die richtigen Dinge über KI zu sagen. Sie verfügen über das richtige Vokabular, haben die richtigen Werkzeuge auf ihrem Startbildschirm und alle möglichen Zertifizierungen an der Wand ihres virtuellen Hintergrunds hängen. Aber wie können wir als Führungskräfte erkennen, wer wirklich KI-kompetent ist, wer nur so tut und wer einfach zu eingeschüchtert ist, um um Hilfe zu bitten?

Und darüber hinaus: Woher wissen wir, ob wir wirklich KI-Kompetenz in unseren Teams und in uns selbst aufbauen? Und was bedeutet KI-Kompetenz eigentlich wirklich? Um diese Fragen zu beantworten, habe ich einen Vordenker und Ausbilder im Projektmanagement eingeladen, der in Betriebsmanagement promoviert hat. Er wird uns den wirtschaftlichen Nutzen echter KI-Kompetenz erläutern und zeigen, wie man sie entwickelt.

Wir werden uns damit beschäftigen, warum es so wichtig ist, eine von Menschen geführte operative Ebene über der Ausführungsebene zu schaffen, die zunehmend von KI übernommen wird. Außerdem sprechen wir darüber, was eine Karriere dauerhaft tragfähig macht, jetzt, da technische Fähigkeiten zur Massenware werden. Ich hoffe, euch gefällt diese Folge.

Willkommen beim Podcast des Digital Project Manager – der Sendung, die Führungskräften im Bereich Umsetzung hilft, intelligenter zu arbeiten, reibungsloser zu liefern und ihre Teams im Zeitalter der KI selbstbewusst zu führen. Ich bin Galen, und jede Woche beschäftigen wir uns mit Strategien aus der Praxis, aufkommenden Trends, bewährten Rahmenwerken und gelegentlich auch mit einer Kriegsgeschichte von den Projektfrontlinien.

Ganz gleich, ob du riesige Transformationsprojekte steuerst, KI-Arbeitsabläufe koordinierst oder einfach nur versuchst, das Chaos unter Kontrolle zu halten – du bist hier richtig. Und wenn dir gefällt, was du in letzter Zeit von uns gehört hast, dann folge uns bitte auf der Plattform, auf der du uns hörst oder siehst, und hinterlasse vielleicht sogar eine Bewertung. Gut, dann legen wir los.

Heute sprechen wir darüber, was KI-Kompetenz im Projekt- und Betriebsmanagement wirklich bedeutet und warum es für Arbeitgeber nicht ausreicht, einfach darauf zu hoffen, dass ihre besten Talente in ihrer Freizeit selbstständig KI lernen. Wir sprechen über den Wert praxisnaher, von Experten geleiteter Schulungen beim Aufbau von KI-Kompetenz. Außerdem geht es um den Nutzen von KI-kompetenten Führungskräften, die zugleich das geschäftliche Schwungrad verstehen, und darum, wie Führungskräfte zwischen wirklich KI-kompetenten Talenten und denen unterscheiden können, die nur so tun, um voranzukommen.

Heute ist Justin Bateh bei mir, CEO und Gründer von AI Operators Lab sowie Chefredakteur von Tactical Memo. Justin führt seit über zwei Jahrzehnten Teams, leitet Projekte und Betriebsabläufe und treibt die Einführung von KI voran. Er war nicht nur als Chief Operating Officer und Executive Director tätig, sondern hat tatsächlich in Betriebsmanagement promoviert. Als Professor mit 16 Jahren Unterrichtserfahrung hat er mehr als 13.000 Studierenden und Berufstätigen beigebracht, wie man führt, operiert und langfristig tragfähige Karrieren aufbaut.

Jede Woche liefert sein kostenloser Newsletter Tactical Memo über 18.000 Führungskräften im Betriebsbereich bei Unternehmen wie Amazon, Deloitte und Google taktische Leitfäden zu KI, Projektführung und beruflichem Wachstum. Wenn dir gefällt, was du heute hörst, ist das der beste Ort, um jede Woche mehr von Justin direkt in deinem Posteingang zu bekommen.

Justin, vielen Dank, dass du heute dabei bist.

Justin Bateh: Hey, Galen. Danke für die Einladung. Ich weiß das sehr zu schätzen. Ich bin schon lange ein großer Fan von dem, was du hier beim Digital Project Manager machst, und ich weiß, dass ich in der Vergangenheit einige Artikel beigesteuert habe. Ich glaube, diese Folge wird mir viel Spaß machen.

Galen Low: Ja, ich freue mich ebenfalls sehr.

Ich spreche immer gerne mit anderen Ausbildern. Ich finde, das hebt das Gespräch und das Handwerk auf eine ganz andere Ebene. Du arbeitest, wie du gesagt hast, schon eine Weile mit uns zusammen. Ich liebe alles, was du mit uns machst. Du bist für den Digital Project Manager ein äußerst wertvolles Mitglied, und ganz ehrlich: Du bringst sehr viel mit.

Justin Bateh: Ich muss dich nur warnen: Ich bin Ausbilder und daran gewöhnt zu unterrichten. Du musst mich vielleicht unterbrechen, denn manchmal kann ich über Themen, die ich wirklich mag, endlos reden. Aber bitte fühl dich nicht beleidigt, wenn du sagst: „Okay, Justin, das reicht. Machen wir mit dem nächsten Thema weiter.“

Galen Low: Ich schätze dich sehr, aber ich …

Ich freue mich sogar darauf, dass du abschweifst, denn du verpackst Informationen so gut, dass ich dich wahrscheinlich gar nicht unterbrechen muss. Ich kann mich vermutlich einfach zurücklehnen und meinen Kaffee trinken.

Justin Bateh: Ja, mal sehen.

Galen Low: Gut. Lass uns mit einer etwas kontroversen Frage einsteigen. In den heutigen Schlagzeilen wird immer deutlicher, dass die Kosten von KI-Werkzeugen – sowohl Lizenzen als auch Tokens – ein wichtiger Faktor sind, der die Pläne von Unternehmen beschleunigt, ihre Belegschaft erheblich zu reduzieren.

Es wird einfach zu teuer, sowohl Top-Talente, teure Talente und kostspielige Talente – kurz gesagt: Talente im Allgemeinen – als auch Werkzeuge zu bezahlen. Gleichzeitig stoße ich immer wieder auf Widerstandsnester: Fachkräfte am Anfang ihrer Karriere, in der Mitte ihrer Karriere und sogar gegen Ende ihrer Karriere weigern sich entweder, KI zu nutzen, oder sie umgehen und manchmal sogar sabotieren sie aktiv die KI-Transformationsstrategie ihrer Organisation.

Meine Frage lautet also: Was wird 2026/2027 wahrscheinlicher überleben? Ein Unternehmen mit allen KI-Werkzeugen, aber ohne die qualifizierten Menschen, die sie gut nutzen können, oder ein Unternehmen mit allen qualifizierten Menschen, aber ohne KI-Werkzeuge?

Justin Bateh: Wow. Ich kann verstehen, warum du das die heiße Frage nennst. Aber ich sage dir sofort: qualifizierte Menschen ohne Werkzeuge – und ehrlich gesagt ist es nicht einmal knapp.

Werkzeuge ohne qualifizierte Menschen werden einfach eine weitere Kostenstelle sein, die wir verwalten müssen und die wahrscheinlich auf einem großen Abonnementmodell basiert. Du zahlst also zweimal: einmal für die Lizenzen und einmal für das Chaos. Du hast erwähnt, dass ich Dinge gut verpacke. Eine meiner Lieblingsbeschreibungen dafür ist folgende: Es ist, als würde man einen Schwimmer für ein Rennen ins Wasser werfen.

Ein guter Schwimmer kann allein gute Leistungen erbringen, richtig? Ein schlechter Schwimmer kann das nicht. Er wird untergehen. Nehmen wir nun diesen schlechten Schwimmer und geben ihm eine Schwimmbrille, Flossen und einen gut sitzenden Badeanzug. Der gute Schwimmer wird dadurch nur noch besser schwimmen, aber der schlechte Schwimmer bleibt schlecht und geht unter.

Ich glaube also, dass qualifizierte Menschen ohne Werkzeuge ebenfalls nur ein vorübergehendes Problem darstellen. Sobald Unternehmen ihr Budget entsprechend verteilen, werden sie erkennen, dass die menschliche Arbeit der entscheidende Faktor ist, und die Werkzeuge werden danach ganz natürlich folgen. Deshalb ist „Werkzeuge gegen Menschen“ meiner Meinung nach die falsche Frage.

Die Gewinner werden die Menschen sein, die nicht einfach Werkzeuge kaufen oder nur Schulungen absolvieren, sondern eine operative Ebene aufbauen. Es geht um Menschen plus Urteilsvermögen.

Galen Low: Das gefällt mir sehr. Und ich mag die Schwimmanalogie wirklich, weil es eine bewusst provokante Frage ist, auf die es wahrscheinlich keine eindeutige richtige Antwort gibt.

Aber was du über einen starken Schwimmer mit den richtigen Werkzeugen gesagt hast – mit der richtigen Schwimmbrille, der richtigen Kleidung und den Flossen –, ist absolut treffend. Dieser Schwimmer ist sofort startklar und wird großartige Leistungen erbringen. Gleichzeitig kostet es etwas, von jemandem, der überhaupt nicht schwimmen kann, zu erwarten, dass er diese Werkzeuge plötzlich übernimmt: die richtige Ausrüstung und das richtige Equipment.

Und weißt du was? Vielleicht werden diese Menschen irgendwann recht gute Schwimmer. Vielleicht liegt das nicht an der Ausrüstung, aber sie kann ihnen helfen. Trotzdem ist es teuer. Es könnte sogar teurer sein als die Alternative, denn du zahlst wieder zweimal, vielleicht sogar dreimal: für das eigenständige Herausfinden, für die Lizenzkosten und für die Tokens.

Justin Bateh: Ja. Ich habe eine Zeit lang ehrenamtlich ein Schwimmteam geleitet, und das Schwierigste daran waren die Eltern. Jeder, der schon einmal Jugendsport erlebt hat, wird das verstehen. Im Grunde musste man sagen: „Schaut, ihr kauft eurem Kind all diese schicke Ausrüstung, aber es kann immer noch keine 25 Yards durch das Becken schwimmen.“

Nichts davon wird helfen. Man muss Übung sammeln, trainieren und so weiter. Ich wollte nur etwas Kontext dazu geben, woher diese Analogie stammt.

Galen Low: Nein, ich mag sie. Es ist sogar lustig, weil sich die Analogie fortsetzt, wenn man ein Gremium oder etwas Ähnliches hat und der Druck des Gremiums auf den Führungsteams lastet.

Die Führungsteams versuchen, ihre Mitarbeitenden dazu zu bringen, sehr gut zu schwimmen. Die Erwartung von oben lautet aber: „Warum habt ihr das Team noch nicht dazu gebracht, richtig gut zu schwimmen?“ Man weiß, dass sie gestern noch nicht schwimmen konnten, aber inzwischen sollten sie doch Olympiaschwimmer sein.

Justin Bateh: Das sehe ich ständig.

Galen Low: Diese Analogie zieht sich also weiter. Danke, dass du dich auf diese Frage eingelassen hast. Natürlich sind die Dinge nicht so schwarz und weiß. Es gibt eine Mitte. Du hast die operative Ebene erwähnt, und genau darüber möchte ich heute sprechen. In meinen Notizen habe ich dich liebevoll „Doc Ops“ genannt, weil du in Betriebsmanagement promoviert hast und aktiver Professor bist. Was ich an dir aber am interessantesten finde, ist, dass du dir die Zeit nimmst, ein kohortenbasiertes Lernprogramm zu leiten, das Projektleitenden, Betriebsfachleuten und Führungskräften hilft, KI-Kompetenz sowie die Fähigkeiten auf Führungsebene zu entwickeln, die nötig sind, um Wirkung zu erzielen.

Während wir diese Folge geplant haben, kam immer wieder die Idee einer operativen Ebene auf: der Gedanke, dass ein sinnvoller wirtschaftlicher Nutzen von KI nicht nur aus den Werkzeugen selbst entsteht, sondern aus der Art und Weise, wie sie eingesetzt werden – daraus, wie Talente ihre eigenen Fähigkeiten mobilisieren und darauf aufbauen. Es geht nicht nur um Schulungen zu den Werkzeugen, sondern auch um das geschäftliche Verständnis dafür, wie man KI so mobilisiert, dass tatsächlich geschäftlicher Mehrwert entsteht.

Kannst du uns ein wenig erklären, wie echte KI-Kompetenz diese operative Ebene schafft, die über den Werkzeugen liegt? Was können menschliche Projektmanager, Betriebsfachleute und Führungskräfte leisten, was ein vollständiges Orchester aus KI-Werkzeugen möglicherweise nicht kann?

Justin Bateh: Ja, absolut. Galen, das ist der entscheidende Punkt für mich.

KI ist das, was ich die Ausführungsebene nenne. Sie erstellt Entwürfe, fasst zusammen, markiert Risiken und erzeugt eine große Zahl an Optionen, aus denen wir auswählen können. Und darin ist sie wirklich großartig – in vielen Fällen besser als wir alle. Außerdem wird sie mit jedem Tag günstiger.

Die operative Ebene ist alles, was darüber liegt. Sie umfasst im Wesentlichen vier Dinge, die Werkzeuge nicht leisten können. Erstens: entscheiden, was sich zu tun lohnt. KI kann in 60 Sekunden zehn Projektpläne erstellen, aber sie kann uns nicht sagen, welchen wir tatsächlich finanzieren sollten.

Zweitens: Zielkonflikte verantworten – zum Beispiel Umfang gegen Zeitplan gegen die politischen Interessen, die im Hintergrund wirken. KI kann nicht an dem Treffen nach dem eigentlichen Treffen teilnehmen, bei dem die wirklichen Entscheidungen fallen.

Drittens: Verantwortung. Das ist sehr einfach: KI kann nicht entlassen werden, also kann man ihr nicht die endgültige Entscheidung überlassen. Jemand muss seinen Namen unter die Entscheidung setzen.

Und viertens: Übersetzung. Eine kryptische Anfrage aus der Führungsebene in echte Arbeit übersetzen und diese Arbeit anschließend wieder in eine Geschichte verwandeln, die die Führungskraft nach oben weitergeben kann. Das ist bereits die halbe Arbeit im Projektmanagement.

Kein Werkzeug erledigt das. Ein konkretes Beispiel: Ich bringe Menschen bei, jedes Projekt damit zu beginnen, den Umfang in die KI einzufügen und zu fragen, was schiefgehen kann. Das ergibt in 60 Sekunden ein großartiges Risikoregister. Aber zu wissen, welches dieser 15 Risiken das Projekt tatsächlich zum Scheitern bringen wird, weil man beobachtet hat, wie sich dieser bestimmte Stakeholder in den letzten zwei Jahren verhalten hat – das ist die operative Ebene.

Ich würde es so formulieren: Die Werkzeuge werden in jedem Quartal günstiger. Die operative Ebene wird in jedem Quartal wertvoller. Unternehmen und Einzelpersonen sollten entsprechend investieren.

Galen Low: Besonders der Gedanke der Opportunitätskosten gefällt mir. Wenn du über die Werkzeuge sprichst, hast du meiner Meinung nach recht: In bestimmten Anwendungsfällen ist die Ausführungsebene auf einem gewissen Niveau besser als die meisten Menschen. Selbst ich denke dann schnell: „Okay, dann ist die KI jetzt wohl in allem besser als ich.“ Dabei vergesse ich leicht, dass es noch viel echten Kontext gibt. Menschen sprechen von Nuancen, aber oft geht es einfach um Dinge, die wir den Maschinen noch gar nicht gegeben haben – darum, wie Organisationen funktionieren und wie Menschen miteinander interagieren.

Diese Übersetzung gefällt mir sehr. Viele Menschen nutzen ihre Sprachmodelle vielleicht, um zu sagen: „Verhalte dich wie mein sehr anspruchsvoller CTO-Stakeholder und zerlege das.“ Aber das ist noch nicht dasselbe, wie mehrere Monate oder Jahre mit dieser Person gearbeitet zu haben, ihre Persönlichkeit zu kennen, die anderen Prioritäten im Unternehmen zu verstehen und zu wissen, was sich tatsächlich zu tun lohnt, was man auswählen sollte und welche Zielkonflikte bestehen.

Wenn man es so betrachtet, ist das für eine Organisation enorm wichtig. Wie wir bereits besprochen haben: Du kannst zwei Dutzend Menschen, die ohne Hilfe nicht schwimmen können, mit der gesamten Schwimmausrüstung der Welt in ein Becken werfen. Irgendwann hättest du aber mehr Fortschritt gemacht, wenn du dich einfach für die eine Sache entschieden hättest, bei der du die richtigen Talente mit den richtigen Werkzeugen hattest, die ihre Arbeit schnell erledigen konnten, statt alles gleichzeitig anzugehen und am Ende nirgendwo voranzukommen.

Justin Bateh: Ja, dem stimme ich zu hundert Prozent zu.

Galen Low: Wenn wir über KI-Kompetenz und diese operative Ebene sprechen, dann sind einige der Dinge, die du genannt hast, nicht unbedingt Fähigkeiten, die man durch bloßes Wissen über KI erwirbt. Natürlich haben wir darüber gesprochen, worin KI gut ist und worin Menschen gut sind. Aber viele dieser Aspekte könnte ich nicht einfach in einem Einführungskurs über KI lernen.

Ich kann mir kaum eine Gelegenheit vorstellen, bei der ich sagen könnte: „Ich lerne jetzt die Technologie“, und gleichzeitig den Kontext der Menschen, mit denen ich arbeite, die Geschäftsmechanik und unsere Prioritäten verstehen würde. Der Schulungsbereich für KI ist inzwischen vermutlich ziemlich gesättigt – selbst in speziellen Bereichen wie Projektmanagement oder Betriebsmanagement.

Ich weiß, dass du ein kohortenbasiertes Programm hast. Ich will es gar nicht bewerben, aber ich mag die Idee sehr, weil mir das gemeinsame Lernen am Herzen liegt und nicht nur das isolierte Lernen über eine Plattform wie Udemy.

Wie können Arbeitgeber zwischen Menschen unterscheiden, die ein paar Videos gesehen und ein Zertifikat erhalten haben, und denjenigen, die das Geschäft wirklich verstehen und Technologie so orchestrieren können, dass sie Wirkung erzielt?

Justin Bateh: Merk dir das für meine Antwort: Kompetenz hinterlässt Spuren. Vertrautheit besitzt nur Vokabular. Das ist der ganze Test. Eine meiner Lieblingsfragen in diesem Bereich lässt sich mit einem einzigen Wort beantworten: Belege.

Ein Zertifikat sagt, dass jemand etwas absolviert hat. Ein Beleg zeigt, dass jemand seine Arbeitsweise tatsächlich verändert hat. Eine kompetente Person kann dir einen Arbeitsablauf zeigen, den sie neu aufgebaut hat. Wenn du sie fragst, antwortet sie sofort und konkret: „Das habe ich an die KI übergeben, das habe ich behalten, und daran bin ich gescheitert, als ich es ausprobiert habe.“ Gerade der letzte Teil ist wichtig.

Denn wenn nichts schiefgegangen ist, ist es möglich, dass die Person es gar nicht wirklich umgesetzt hat. Die Person, die nur Zertifikate sammelt, beschreibt Werkzeuge in allgemeinen Begriffen. Sie sagt etwa: „Ich nutze KI, um Effizienzsteigerungen zu erzielen.“ Als Arbeitgeber wäre das für mich ein Warnsignal.

Echte Anwender sagen Dinge wie: „Ich habe aufgehört, Statusberichte von Grund auf zu schreiben. Ich fasse die Rohdaten in Stichpunkten zusammen und lasse sie nach Risiko sortieren.“ Wenn du jemanden einstellst oder entscheidest, wer deine KI-Initiativen leiten soll, solltest du also nicht fragen: „Kennst du dich mit KI aus?“ Jeder wird Ja sagen. Frage stattdessen: „Führe mich durch die letzte Aufgabe, die du nicht mehr manuell erledigst.“

Die kompetente Person wird sofort aufblühen. Die Person, die nur so tut, wird ins Stocken geraten. Genau das meine ich damit, dass Kompetenz Spuren und nicht nur Vokabular hinterlässt.

Galen Low: Das gefällt mir sehr. Ich mag den Gedanken der Belege, besonders den Punkt, dass Menschen beschreiben können, was schiefgegangen ist.

Das wird in der aktuellen KI-Debatte kaum hervorgehoben, schon gar nicht in meinem LinkedIn-Feed. Eine Zeit lang hieß es dort ständig: „So habe ich diese Aufgabe verzehnfacht.“ Alles war voller Schlagworte und vermittelte den Eindruck, dass beim ersten Versuch mit KI immer alles perfekt funktioniert.

Aber am nächsten Tag oder sobald mehr Komplexität hinzukommt, muss man wirklich tiefer einsteigen. Dann ist es nicht mehr so einfach, ein lohnendes Ergebnis zu bekommen. Man stößt auf Probleme. Deshalb gefällt mir das als Beleg so gut. Selbst wenn jemand sagt: „Ich habe es noch nicht vollständig zum Laufen gebracht, weil diese Dinge schiefgingen. Ich arbeite immer noch an den Problemen“, ist das aussagekräftiger als jemand, der behauptet: „Ich optimiere meine Effizienz jeden Tag.“

Justin Bateh: Genau. Das erinnert mich daran, wie ich anfangs gelernt habe, andere Menschen zu interviewen. Sehr schnell wurde mir klar, dass die Frage nicht lauten sollte: „Wie würdest du in dieser Situation vorgehen?“ Jeder kann sich ein schönes Szenario mit einer passenden Lösung ausdenken. Viel aussagekräftiger ist es, den historischen Kontext zu untersuchen: Was hast du in dieser Situation tatsächlich getan? Wenn man nach den Einzelheiten fragt, erhält man ein viel besseres Bild.

Galen Low: Belege, nicht nur Vokabular. Das gilt, wie du gesagt hast, für mehr als nur KI. Es gilt auch für die Einschätzung und Bewertung der Fähigkeiten einer Person.

Während ich das sage, merke ich, dass ich die Sache sehr negativ formuliert habe: die Blender gegen die Menschen, die wirklich wissen, was sie tun. Es gibt aber auch Menschen, die sich unsicher fühlen. Jeder wird behaupten, KI zu kennen – manche, weil sie prahlen, befördert werden wollen und einfach alles sagen, andere, weil sie nur versuchen, nicht entlassen zu werden.

Vielleicht kann man es auch umdrehen: Was würdest du einer Führungskraft raten, die bemerkt, dass jemand sagt: „KI macht mich effizienter“, aber offensichtlich eine Wissenslücke hat und sich unsicher fühlt? Nicht, weil diese Person besser aussehen oder befördert werden will, sondern weil sie einfach mithalten und nicht hinter den Kollegen zurückfallen möchte. Wie kann eine Führungskraft dabei helfen, dieses Vokabular in konkrete Belege zu verwandeln?

Justin Bateh: Viele Unternehmen zögern dabei, weil sie der Vertraulichkeit der Daten, die sie eingeben würden, nicht trauen.

Derzeit gibt es viel Stillstand: Organisationen und Führungskräfte sagen, „Du musst KI lernen. KI ist die Zukunft, aber du darfst sie bei unserer Arbeit nicht verwenden.“ Das sehe ich häufig. In meinen Kohorten und Kursen gibt es Unternehmen, die ihre Mitarbeitenden für die Teilnahme bezahlen und die Weiterbildung bezuschussen, ihnen aber nicht erlauben, etwas über die tatsächliche Arbeit zu teilen.

Also geben wir ihnen Szenarien und Testdaten, mit denen sie die Fähigkeiten erlernen können, und hoffen, dass sie diese Fähigkeiten anschließend auf ihre individuelle Situation übertragen. Ich weiß nicht, ob dieses Vertrauen früher oder später entstehen wird, aber ich weiß, dass es wahrscheinlich ein großer Faktor ist.

Was die Person betrifft, die nicht entlassen werden möchte und lernen will: In diesem Fall wird Selbstbildung meiner Meinung nach etwas sein, das man selbst verfolgen muss. Man sollte nicht darauf warten, dass der Arbeitgeber die Schulung anbietet. Vor wenigen Jahren war ChatGPT am Arbeitsplatz noch nicht erlaubt. In den Hochschulen, an denen ich unterrichte, ist KI ebenfalls verboten. Ein paar Jahre später ist KI nun plötzlich erlaubt. Das wird sich weiter verändern. Wenn du Copilot heute nicht verwenden darfst, wirst du es in ein paar Jahren vermutlich können.

Wenn du es jetzt nicht verwenden kannst, wirst du es später verwenden können. Lerne also jetzt und lerne selbstständig.

Galen Low: Das ist interessant und ein sehr guter Punkt: Vertrauliche Daten und die Tatsache, dass man vielleicht gar nicht weiß, welche Richtlinien am eigenen Arbeitsplatz gelten, können die Lernfähigkeit eines Teams stark einschränken.

Du hast recht. Ich stoße immer noch auf Branchen und Arbeitsumfelder, in denen KI entweder nicht erlaubt oder – abgesehen von einigen wenigen Anwendungsfällen – nicht erwünscht ist, bis Vertrauen und entsprechende Richtlinien aufgebaut sind. Viele Menschen sagen: „Ich bin gut in KI“, haben aber schlicht keine Übung, weil nicht klar ist, was sie damit tun dürfen.

Es geht nicht nur um Fähigkeiten, sondern auch darum, welche Daten verwendet werden dürfen, welche Anwendungsfälle zulässig sind und wie man die konkreten Einschränkungen des Unternehmens berücksichtigt, um KI sinnvoll einzusetzen. Organisationen müssen deshalb klare Leitplanken und Richtlinien schaffen.

Gleichzeitig ist Selbstlernen wichtig. Es bringt dich dazu, die Werkzeuge und die Technologie außerhalb der Einschränkungen deiner Organisation zu üben. Du investierst in dich selbst, denn die Dinge werden sich verändern. Vielleicht arbeitest du nicht dauerhaft im selben Unternehmen und bekommst am Ende keine goldene Uhr. Derzeit herrscht viel Bewegung. Es ist besser, die Technologie in einem Kontext zu nutzen, in dem du es darfst, Übung zu sammeln, Selbstvertrauen aufzubauen und Belege für das zu entwickeln, was du tatsächlich geschaffen hast.

Justin Bateh: Du hast erwähnt, dass es nicht nur um die Fähigkeiten geht. Ich glaube, ein Teil des Problems besteht darin, dass Menschen gar nicht wissen, wozu KI alles fähig ist. Ich weiß natürlich auch nicht alles, aber deutlich mehr als ein Freund, der mich neulich fragte: „Hast du Claude schon ausprobiert? Das ist wirklich großartig.“ Ich dachte nur: „Ich habe Fähigkeiten in Markdown-Dateien, automatisierte Arbeitsabläufe und all diese Dinge, und du entdeckst gerade erst den Chatbot von Claude.“

Oder jemand, mit dem ich in einem Restaurant gesprochen habe und der sagte: „Ich bin mir noch nicht sicher, ob ich KI vertraue. Ich weiß nicht, wohin das führt.“ Diese Menschen sind sehr weit zurück. Vieles hat damit zu tun, die Möglichkeiten zu erkennen. Natürlich gilt das innerhalb der jeweiligen Einschränkungen. Ich würde sagen, dass 70 Prozent meiner Studierenden aus eingeschränkten Umgebungen kommen. Die halbe Arbeit besteht darin, herauszufinden, welche Regeln gelten – und niemand weiß es wirklich. Sie sind einfach eingeschränkt.

Galen Low: Was mir daran gefällt: Wenn man mit anderen Menschen spricht, ist es leicht, sich isoliert zu fühlen, besonders wenn man – wie ich – nur den eigenen LinkedIn-Feed betrachtet. Dann könnte man denken: „Oh mein Gott, bin ich zurück?“ Die Menschen scheinen so weit voraus zu sein. Im Gespräch mit anderen wird aber deutlich, dass die Bandbreite derzeit sehr groß ist.

Einige Unternehmen haben es noch nicht herausgefunden. Andere sagen: „Verwendet es noch nicht, wir müssen das erst klären.“ Wieder andere sagen aktiv: „Wir werden KI derzeit nicht in unserem Unternehmen einsetzen.“ Das führt zu großen Unterschieden zwischen Branchen und Rollen. Die Dinge verändern sich so schnell, dass nicht alle auf demselben Niveau sein können.

Mir gefällt die Idee, gemeinsam zu diskutieren und Tipps auszutauschen. Was ist für dich also der besondere Wert kohortenbasierten Lernens?

Justin Bateh: Ich habe jahrelang auf Udemy unterrichtet und dort mehr als 35.000 Studierende. Diese Plattform habe ich vollständig verlassen, aber einige Inhalte laufen dort automatisch weiter. Ich habe kurze Video-Tutorials erstellt, für die Menschen neun Dollar bezahlen, und die Abschlussquote liegt nahe null. Die Leute sammeln einfach Kurse.

Man kann sich die Funktionen von Werkzeugen durchaus selbst beibringen. Videos und Prompt-Bibliotheken sind in Ordnung, wenn das Ziel darin besteht, zu wissen, welche Schaltfläche was tut. Für dieses Ziel braucht man keine praktische Schulung. Aber Funktionen sind keine Kompetenz. Wir müssen diese beiden Dinge unterscheiden.

Kompetenz ist Urteilsvermögen, und Urteilsvermögen entwickelt sich nur auf eine Weise – genau wie beim Schwimmen: durch Übung und Feedback. Einzelne Lernende bekommen dieses Feedback nicht und verpassen dadurch einige wichtige Dinge.

Galen Low: Übung mit Feedback – das passt sehr gut. Es geht nicht nur darum, die Fähigkeiten der Technologie zu lernen und mit jeder Modellaktualisierung Schritt zu halten. Es geht darum, in einem KI-Kontext führen zu können, und dieser Kontext verändert sich ständig.

Ein Teil des Weges zu den Belegen besteht darin, Fehler zu beheben, Dinge scheitern zu sehen und trotzdem weiterzumachen. Natürlich kann eine Einzelperson auch allein viel lernen. Aber es ist eine hervorragende Möglichkeit, schneller zu lernen und nicht nur die eigene Perspektive zu berücksichtigen.

Man kann mit Scheuklappen aus der eigenen Sicht auf die Dinge schauen und wird damit irgendwohin gelangen. Eine großartige Möglichkeit besteht jedoch darin, mit anderen in den Dialog zu treten sowie Beiträge und Feedback zu erhalten. So erweitert man den Blickwinkel. Genau darin liegt der Wert.

Justin Bateh: Ich möchte noch drei zentrale Dinge ergänzen, die Menschen fehlen, wenn sie ausschließlich selbstgesteuerte Lernmethoden nutzen und Kurse oder Prompt-Bibliotheken herunterladen: Kontext, Kalibrierung und Verbindlichkeit.

Eine Prompt-Bibliothek kann man überall kostenlos herunterladen. Aber was leistet sie? Sie beantwortet die Fragen anderer Menschen, nicht unbedingt deine. In einer Kohorte oder einer Live-Praxisschulung arbeitest du an deinem tatsächlichen Projekt.

Bei der Kalibrierung liegt die Falle der KI darin, dass sie immer etwas liefert und dieses Ergebnis immer gut aussieht. Du weißt nicht, ob dein Ergebnis tatsächlich gut ist, bis jemand, der es hundertmal gesehen hat, dir das sagt. Genau dafür ist eine Lehrkraft da: nicht für Informationen, sondern für Kalibrierung.

Das dritte Element ist die Verbindlichkeit. Jeder, der zuhört, hat wahrscheinlich 40 weitere ungesehene Tutorials irgendwo gespeichert. Live-Kohorten werden abgeschlossen, weil Menschen für andere Menschen erscheinen. Diejenigen, die lernen, sind nie die Menschen mit den besten Materialien. Es sind diejenigen mit Übung und Feedback.

Ich liebe Sportanalogien. Ich bin schrecklich im Basketball. Wenn man mich LeBron James beim Basketballspielen zuschauen lässt und mir anschließend die besten Basketballschuhe kauft, löst das mein Problem nicht. Wenn man mich aber in ein dreiwöchiges Basketballcamp schickt, komme ich vielleicht etwas besser zurück.

Galen Low: Das ist ebenfalls eine sehr passende Analogie. Man muss buchstäblich Übung sammeln. Ich stimme dir bei der Verbindlichkeit vollkommen zu. Mein Kurs war früher ebenfalls kohortenbasiert, und das half den Menschen, dranzubleiben. Es ging nicht um mich oder das Material, sondern um ihre gegenseitige Verpflichtung, ihr Erscheinen und den Aufbau von Beziehungen, um auch Feedback von anderen Teilnehmenden zu erhalten.

Übung macht einen besser. Es geht nicht nur um die besten Materialien, sondern um das beste Umfeld, in dem Menschen sich verbessern können. Auch der Gedanke der Kalibrierung trifft den Kern. Die Ergebnisse der KI sehen so gut aus, dass viele Menschen Zweifel bekommen. Sie denken: „Offenbar sieht gute Arbeit so aus. Ich weiß gar nicht, ob ich dazu Feedback geben kann, weil alles so glatt und fertig aussieht. Ich schicke es einfach weiter.“

Man muss Feedback erhalten und die Fähigkeit zum kritischen Denken entwickeln, um die Ausgabe jedes Modells beurteilen zu können. Man muss fragen: „Trifft das tatsächlich den Kern dessen, was ich erreichen möchte? Entspricht es meinen Zielen, meiner Vorstellung von Wirkung und dem Wert, den ich an meinem Arbeitsplatz schaffen will? Ist das wirklich gut oder nur eine Sammlung gut klingender Wörter?“

Justin Bateh: Genau. Wenn man darüber nachdenkt, wofür Lehrkräfte da sind: Sie haben in einem Fach normalerweise mehr Erfahrung als du. Wenn ich Trainer engagiert oder Kurse bei echten Menschen besucht habe, um in einem Bereich, in dem ich noch nicht viel wusste, sehr gut zu werden, konnte ich meinen Lernprozess durch externe Hilfe enorm beschleunigen.

Genau dafür ist Kalibrierung da. Möchtest du meine jahrelange Erfahrung nutzen und in wenigen Wochen von ihrem gesamten Nutzen profitieren? Oder möchtest du diese jahrelange Erfahrung selbst sammeln und warten?

Galen Low: Das ist ein sehr guter Punkt. Es ist wirklich ein Beschleuniger. Man könnte es selbst herausfinden, indem man in den nächsten zwei Jahrzehnten immer wieder auf die heiße Herdplatte fasst. Aber warum sollte man das tun, wenn man mit jemandem sprechen kann, der diesen Prozess bereits durchlaufen hat?

Justin Bateh: Ich sage meinen Studierenden: „Ich bin vielleicht nur zwei Jahre vor euch.“

Das Ganze gibt es noch nicht besonders lange.

Galen Low: Genau.

Justin Bateh: Im Projektmanagement bin ich vielleicht 20 Jahre voraus. Im KI-Bereich bin ich aber nur ein paar Jahre voraus. Das ist kein besonders großer Vorsprung.

Galen Low: Gut, dass du das ansprichst, denn das war meine nächste Frage. Wie viele Jahre Vorsprung braucht man überhaupt? Wir sehen Stellenausschreibungen wie: „15 Jahre Erfahrung mit generativer KI erforderlich.“ Die meisten von uns können das gar nicht haben, es sei denn, man hat schon vor der öffentlichen Veröffentlichung von ChatGPT in einem Labor gearbeitet.

Justin Bateh: Ich sehe nicht, wie das realistisch sein soll.

Galen Low: Aber selbst ein Vorsprung von sechs Monaten, einem Jahr oder zwei Jahren kann gelehrt werden und Menschen, die früher oder an einem anderen Punkt ihrer Lernreise stehen, beschleunigen. Das ist weiterhin hilfreich.

Wir suchen derzeit keine KI-Experten mit jahrzehntelanger akademischer Laufbahn. Solche Personen gibt es wahrscheinlich in anderen Bereichen der KI. Wir sprechen hier aber über generative und agentenbasierte KI im Arbeitsumfeld und über bestimmte Werkzeuge für bestimmte Anwendungsfälle.

Justin Bateh: Genau, und „Anwendungsfälle“ ist das richtige Wort. In meinem Kurs zum KI-gestützten Projektmanagement hat sich im Laufe der Zeit einiges verändert. Zu Beginn war der Kurs hauptsächlich ein Projektmanagementkurs mit generativer KI. In den nächsten Kohorten war es ähnlich.

Als sich die Dinge stärker in Richtung Agenten entwickelten und alle einen eigenen Agenten bauen wollten, gingen wir in diese Richtung. Als agentenbasierte KI zu einem größeren Thema wurde, verwandelten sich die Kohorten acht und neun kurzzeitig beinahe in einen technischen Entwicklungskurs.

Dann nahmen Systemingenieure an den Sitzungen teil und stellten Fragen, auf die ich keine Antwort wusste, weil ich diesen technischen Hintergrund nicht habe. Ich helfe Menschen dabei, KI auf ihre Arbeit, ihre Projekte oder ihre Betriebsabläufe anzuwenden, damit sie diese besser erledigen können.

In den folgenden Kohorten sind wir deshalb wieder vollständig zum Ausgangspunkt zurückgekehrt: Der Schwerpunkt liegt auf Projektmanagement, nicht auf KI-Werkzeugen. Wir bauen hier keine KI-Werkzeuge. Wir verwenden die verfügbaren Werkzeuge und finden heraus, wie wir sie nutzen können, um unsere Arbeit besser zu erledigen.

Dadurch haben wir viele Bedenken bei denjenigen reduziert, die noch nicht so weit fortgeschritten sind. Gleichzeitig bleiben Systemingenieure außen vor, die erkennen, dass dies nicht der richtige Kurs für sie ist. Außerdem haben wir aufgehört, ständig neuen Werkzeugen hinterherzulaufen.

Anfangs behandelte ich vermutlich zwei Dutzend Werkzeuge. Etwa die Hälfte davon existiert heute nicht mehr. Das wird so weitergehen. Deshalb konzentrieren wir uns auf Claude, ChatGPT, Copilot und Gemini – und nur auf diese vier.

Der Grund ist, dass wir davon ausgehen können, dass diese Werkzeuge auch in einem Jahr noch existieren werden. Sie haben Unterstützung, Finanzierung und laufende Entwicklung. Außerdem haben die meisten Menschen bereits Zugriff auf mindestens eines davon. Und je besser diese Werkzeuge werden, desto besser wirst auch du.

Ich würde mich lieber an ein Werkzeug binden, von dem ich weiß, dass es in zwei oder drei Jahren noch existiert und weiter verbessert wird, als jedem glänzenden neuen Objekt hinterherzulaufen, nur weil es großartige Präsentationen erstellt. Vieles, wofür man früher Spezialwerkzeuge benötigte, kann man heute mit diesen vier großen Plattformen erledigen.

Vielleicht bleiben eines Tages nur noch zwei große Plattformen übrig. Das weiß ich nicht. Im Moment sind es diese vier, und auf diese konzentrieren wir uns.

Galen Low: Das gefällt mir. Und was ich daran besonders schätze: Die Kohorte ist ein Mikrokosmos der Arbeitswelt. Die Werkzeuge verändern sich sehr schnell. Allen hinterherzulaufen, ist nicht das Ziel. Das Ziel ist, die Technologie beständig und sinnvoll anzuwenden, um für sich selbst und für die Mission, das Projekt oder die Organisation, für die man arbeitet, mehr Wert zu schaffen.

Auch dein Punkt zu den Systemingenieuren ist wichtig. In meiner Community höre ich oft die Frage: „Müssen wir jetzt alle Programmierer und Architekten werden?“ Vielleicht. Wenn wir uns aber zu weit von unserem eigentlichen Handwerk entfernen – von Betriebsabläufen, guter Projektumsetzung oder Menschenführung –, verlieren wir die Kunst der Projektleitung.

Wer technisch arbeiten, Infrastruktur aufbauen und nicht nur die eigene Rolle erweitern möchte, kann dafür einen anderen Kurs wählen. Das ist völlig in Ordnung. Aber Führung von Menschen und Organisationen im Zeitalter der KI wird wichtiger. Die Fähigkeit, sich an Veränderungen anzupassen, ist wichtiger, als das eine glänzende Werkzeug zu beherrschen, das im nächsten Jahr vielleicht schon wieder verschwunden ist.

Justin Bateh: Genau das haben wir in der Mitte des Programms erlebt. Ich hatte KI-Experten von der NASA eingeladen und viele andere großartige Menschen. Der Kurs wurde jedoch zu technisch und drehte sich zunehmend darum, KI-Werkzeuge zu bauen, statt sie als Führungskraft, Geschäftsmensch oder Manager zu nutzen.

Deshalb sind wir vollständig zurückgerudert und bringen nun passendere Personen in die Kohorte. Das Leben ist dadurch auch einfacher geworden, weil ich nicht mehr jede einzelne Änderung an technischen Spezifikationen verfolgen muss oder Systemingenieure im Kurs habe, die technisch viel versierter sind als ich und mich mit ihren Fragen aus dem Konzept bringen.

Ich mache sehr deutlich, worin meine Stärken liegen und was ich tue. Das haben wir in den letzten Monaten neu kalibriert.

Galen Low: Ich möchte noch einmal auf das Selbstlernen zurückkommen. Zu Beginn habe ich gesagt, dass viele Arbeitgeber im Grunde erklären: „Du kümmerst dich um die KI. Das ist deine Verantwortung.“ Du hattest einen LinkedIn-Beitrag mit der Überschrift „Niemand kommt, um dich zu schulen“. Darin ging es um einen Artikel von Business Insider, in dem beschrieben wurde, dass Arbeitgeber von ihren Mitarbeitenden erwarten, KI in ihrer Freizeit zu lernen.

Was sollten Arbeitgeber angesichts all dessen tun, worüber wir heute gesprochen haben, damit KI-Kompetenz nicht dem Zufall überlassen wird? Ist das ein akutes Problem, ein späteres Problem oder vielleicht ein Problem für die Zeit, nachdem die Menschen wieder eingestellt wurden? Könnten Arbeitgeber mehr tun, um die Entwicklung von KI-Kompetenz zu fördern, statt den Mitarbeitenden lediglich eine Reihe von Videos und Zertifikaten zu überlassen?

Wie können sie ihre Mitarbeitenden unterstützen und zugleich auf den Wert hinführen, den sie sich wünschen?

Justin Bateh: Ich erinnere mich an den Beitrag „Niemand kommt, um dich zu schulen“. Beide Seiten dessen, was du beschrieben hast, können gleichzeitig wahr sein. Erstens sollten Mitarbeitende nicht auf eine Erlaubnis warten, um ihre Fähigkeiten weiterzuentwickeln. Das gilt für KI genauso wie für alles andere.

Zweitens begehen Arbeitgeber, die KI-Kompetenz dem Zufall überlassen, derzeit einen mathematischen Fehler. Das widerspricht sich nicht. Für Arbeitgeber würde ich einige Dinge empfehlen.

Erstens: Schulungen sollten sich auf Arbeitsabläufe und nicht auf Werkzeuge konzentrieren. Das gescheiterte Modell, das ich bei Unternehmen außerhalb meiner Kohorten sehe, besteht darin, Lizenzen zu kaufen und Mittagsschulungen zu veranstalten.

Dieses Modell funktioniert bei eher konzeptionellen Themen, nicht bei praktischer Arbeit. Für KI funktioniert ein anderes Modell: Man nimmt die fünf teuersten wiederkehrenden Arbeitsabläufe und baut sie gemeinsam mit den Mitarbeitenden neu auf – mit den Menschen im Raum, die diese Abläufe tatsächlich ausführen.

Man schult also die Arbeit, nicht die Software. Außerdem sollte man Belege und nicht Abschlüsse messen. Die Abschlussquote einer Schulung bestätigt die Teilnahme, nicht die Kompetenz. Die relevante Kennzahl lautet: „Galen, wie viele Arbeitsabläufe hast du in diesem Quartal verändert?“

Was mich außerdem ärgert, ist die Aussage: „Du musst eine Schulung machen, aber wir bezahlen dich dafür nicht.“ Die Schulung muss bezahlte Arbeitszeit sein, keine Hausaufgabe. Wenn du erwartest, dass Menschen nachts und am Wochenende lernen, wählst du diejenigen aus, die freie Abende und Wochenenden haben – nicht diejenigen mit dem größten Potenzial. Deine besten Leute werden diese Hausaufgabe nicht für dich erledigen. Sie werden still anfangen, sich anderswo zu bewerben.

Die entscheidende Erkenntnis ist also: Bei diesem Stillstand gibt es garantiert einen Verlierer. Es ist die Partei, die wartet – die Einzelperson oder das Unternehmen. Wer zuerst handelt, wird seinen Kollegen voraus sein. Ein Unternehmen, das zuerst handelt, wird seinen Wettbewerbern voraus sein. Man muss sich einfach für eine Seite dieses Zielkonflikts entscheiden.

Galen Low: Das gefällt mir. Es muss nicht entweder das eine oder das andere sein. Wenn du als Mitarbeitender sagst: „Ich möchte selbst loslegen und nicht darauf warten, dass mein Arbeitgeber ein Schulungsprogramm erstellt“, dann tu das. Wenn du als Arbeitgeber sagst: „Wir konzentrieren uns auf Anwendungsfälle und praxisnahe Arbeitsabläufe, die tatsächlich Wert schaffen, messen diese Wirkung und finanzieren die Weiterbildung“, ist das ebenfalls gut.

Das bringt dich voran. Es bedeutet nicht, dass Menschen, die bereits selbstständig lernen, diese Unterstützung nicht brauchen. Es ist eine Möglichkeit zur Kalibrierung und zur Rekalibrierung der Arbeitsweise. Man schult nicht nur die Werkzeuge und die Position der Schaltflächen, sondern die Arbeit selbst.

Man schult die Arbeit, ihren Beitrag zum Wert und die Arbeitsabläufe, die verändert werden müssen, um diese versprochene KI-Zukunft zu erreichen – nicht bloß, um von einer Fülle an Werkzeugen überschwemmt zu werden.

Justin Bateh: Ich sage den Menschen immer, dass selbst eine Verbesserung um ein Prozent in Ordnung ist. Das kommt wahrscheinlich aus meinem Hintergrund im Betriebsmanagement und meiner Überzeugung von kontinuierlicher Verbesserung und den Grundsätzen des umfassenden Qualitätsmanagements.

Natürlich möchtest du nicht 100.000 Dollar für eine Schulung ausgeben, die dir jährlich nur 5.000 Dollar spart. In diesem Fall erledigst du die Arbeit besser manuell oder so, wie du sie immer erledigt hast. Gerade am Anfang sollten Unternehmen, die Schulungen testen, oder Mitarbeitende, die deren Notwendigkeit beweisen möchten, nach schnellen Erfolgen suchen.

Finde etwas, das du innerhalb deiner Befugnisse und Einschränkungen verbessern kannst, und zeige, dass KI dabei geholfen hat. Sammle diese Erfolge. Sie erzeugen Schwung, und dieser Schwung kann schließlich zu etwas Größerem führen.

Galen Low: Mir gefällt der Gedanke der kleinen Schritte. Das ist wahrscheinlich auch beruhigend. Man steht nicht sofort unter dem Druck, das Unternehmen durch den Aufbau des besten Arbeitsablaufs der Welt zu verzehnfachen.

Justin Bateh: Das habe ich unzählige Male gesehen. Jemand liest ein Buch mit einem Rahmenwerk und kommt am nächsten Tag ins Büro. Plötzlich muss jeder dieses Rahmenwerk kennen und anwenden. Dann kommt die nächste Führungskraft, die ein Buch gelesen oder eine Dokumentation gesehen hat, und die gesamte Abteilung wird danach umgebaut. Das habe ich auch bei den „Verzehnfachungs“-Ansätzen häufig erlebt. Das ist einfach die Natur des Managements.

Galen Low: Transformation muss nicht schnell und dramatisch sein. Sie kann langsam, aber wertvoll sein.

Justin Bateh: Auf jeden Fall.

Galen Low: Zum Abschluss: Wir haben dieses Gespräch auf Führungskräfte, Organisationen und ihre Überlegungen zur Weiterbildung ausgerichtet, aber auch Einzelpersonen angesprochen. Du hilfst Menschen leidenschaftlich dabei, erfüllende Karrieren aufzubauen.

Was macht eine Karriere für die einzelne Person – etwa einen Projektmanager oder eine Führungskraft im Betriebsbereich, die beobachtet, wie sich alles entwickelt – heute dauerhaft tragfähig? Wenn technische Fähigkeiten so schnell an Wert verlieren, was gewinnt dann an Wert oder baut sich kumulativ auf?

Justin Bateh: Das ist wahrscheinlich meine Lieblingsfrage der gesamten Folge. Alles, was man uns über Karrieren beigebracht hat, zielte darauf ab, einen Vermögenswert zu optimieren: Fähigkeiten. Werde gut, arbeite hart, erwirb Fähigkeiten, und die Karriere wird sich von selbst entwickeln.

Ich habe jedoch immer wieder erlebt, dass selbst die qualifizierteste Person auf der Kündigungsliste weiterhin auf der Kündigungsliste steht. Fähigkeiten waren nie das gesamte Spiel.

Heute sind sie der Eintrittspreis. Gleichzeitig verlieren die Fähigkeiten, die du besitzt, derzeit am schnellsten an Wert, weil KI grundlegende Kompetenz nahezu kostenlos macht. Gut darin zu sein, Aufgaben zu erledigen, ist kein Unterscheidungsmerkmal mehr.

Was baut sich also auf? Beziehungen bauen sich auf. Heute würde es mich sehr überraschen, wenn jemand nur durch eine Online-Bewerbung eingestellt würde. Niemand stellt einen Lebenslauf ein. Eingestellt wird ein Name, den jemand laut ausgesprochen hat. Jede Gelegenheit, die sich künftig ergibt, wird wahrscheinlich durch eine Person zu dir kommen.

Auch dein Ruf baut sich auf. Was über dich in Räumen gesagt wird, in denen du nicht anwesend bist, ist sehr wichtig. Deine Beförderung wird oft in einer Sitzung entschieden, zu der du nicht eingeladen bist. Andere Menschen sprechen dann für dich und wiederholen Dinge, die du gesagt hast oder vielleicht gar nicht so gemeint hast.

Du kannst diese Geschichte selbst gestalten oder sie dem Zufall überlassen. Auch deine Optionen bauen sich auf: Ersparnisse, Marktkenntnis und die Fähigkeit, für Recruiter interessant zu bleiben. Du kannst nichts verhandeln, von dem du nicht weggehen kannst.

Und schließlich baut sich deine Geschichte auf. Kannst du deine Wirkung in einem klaren Satz ausdrücken? Unsichtbare Spitzenleistung und keine Spitzenleistung werden exakt gleich bezahlt.

Mein Rat lautet deshalb: Halte deine Fähigkeiten aktuell, natürlich. Aber verstehe, dass Fähigkeiten der Vermögenswert sind, von dem dir alle bereits erzählt haben. Die Karriere, die die nächsten drei bis fünf Jahre übersteht, wird auf den anderen Vermögenswerten aufbauen: Beziehungen, Ruf, Handlungsspielraum, Sichtbarkeit und eine klare Geschichte.

Darüber spreche ich jede Woche, weil ich zu viele talentierte Menschen gesehen habe, die das zu spät gelernt haben. Fähigkeiten sind einer deiner Vermögenswerte, aber inzwischen sind sie nur einer von fünf, auf die du dich konzentrieren solltest.

Galen Low: Das ist interessant, weil es schwer zu hören ist. Wir wurden so erzogen, uns auf harte Fähigkeiten zu konzentrieren.

Als du gesagt hast, dass unsichtbare Spitzenleistung genauso bezahlt wird wie null Spitzenleistung, dachte ich an viele meiner Zuhörer. In Bereichen wie Betriebsabläufen, Projektleitung und Teamführung sind die Rollen oft unsichtbar und undankbar.

Was du beschrieben hast – Beziehungen, Ruf und die Art, wie man seine Geschichte erzählt – hat eine Verbindung. Viele würden sagen: „Jetzt muss man also das politische Spiel spielen, um nicht auf der Kündigungsliste zu landen.“ Aber darum geht es nicht. Es geht um Beziehungen, Ruf und Geschichten. Das ist das aktuelle Spiel.

Es geht weiterhin um Beziehungen zwischen Menschen, darum, den eigenen Wert sichtbar zu machen, stolz darauf zu sein und zu verstehen, welchen Wert man schafft. Man muss sichtbar genug sein, damit in Räumen, in denen man nicht anwesend ist, über diesen Wert gesprochen wird. So funktioniert es. Wahrscheinlich hat es immer so funktioniert.

Justin Bateh: Einen kleinen Teil davon behandeln wir im Kurs zum KI-gestützten Projektmanagement. Ich arbeite aber gerade an weiteren Dingen, über die ich im Moment noch nicht genau sprechen kann. Sie werden sich auf die anderen Vermögenswerte konzentrieren.

Und du hast den Kern getroffen: Ruf, Beziehungen und Geschichten. Vergiss auch deinen Handlungsspielraum nicht. Du brauchst Einfluss. Ich würde eher von Einfluss als von Optionen sprechen. So wird das Spiel gespielt. Das muss nicht die Art sein, wie du dein Privatleben führst. Im Berufsleben wirst du aber so handeln müssen, wenn du eine Entwicklung nach oben erwartest.

Galen Low: Das gefällt mir. Und ich mag diesen Ausblick. Ich muss dich wieder einladen, sobald du über die neuen Dinge sprechen kannst, an denen du arbeitest. In der Zwischenzeit muss ich sagen: Tactical Memo ist für mich eine echte Lebensader.

Darin steckt so viel guter Wert. Wie du gesagt hast, geht es Woche für Woche um genau diese Themen, während du neue Materialien und konkrete Belege entwickelst. Ich bin sehr gespannt, wohin sich das entwickelt.

Justin Bateh: Danke. Als du mir erzählt hast, dass du meine E-Mails liest und dich sogar in der Willkommensserie befindest, war ich überrascht. Ich habe mich sehr darüber gefreut.

Galen Low: Es ist ein schwieriges Geschäft, einen Newsletter in ein schwarzes Loch zu schicken, auf Rückmeldungen zu hoffen und nur die Öffnungsraten zu sehen.

Justin Bateh: Ich sehe die Kennzahlen, weiß aber nie, wer hinter ihnen steckt.

Galen Low: Großartig. Justin, vielen Dank, dass du dir heute die Zeit genommen hast. Es hat viel Spaß gemacht.

Wo können Menschen mehr über dich erfahren – auch im Hinblick auf Tactical Memo und deinen Kurs?

Justin Bateh: Tactical Memo erscheint wöchentlich. Es ist mein Newsletter und behandelt genau die Themen, über die wir heute gesprochen haben: taktische Leitfäden für KI-gestützte Projektführung und den Aufbau von Karrieren, die sich kumulativ weiterentwickeln.

Du kannst tacticalmemo.com/subscribe besuchen, nach Tactical Memo suchen oder mich auf LinkedIn unter Justin Bateh finden und mir eine Direktnachricht schicken. Dort findest du den Link. Das Abonnement ist kostenlos, und ich glaube, du wirst viel Nutzen daraus ziehen.

Galen Low: Der Newsletter ist wirklich gut. Ich werde alle Links in den Shownotes für diejenigen aufnehmen, die zuhören oder zuschauen. Justin, ich werde auch einen Link zu deinem LinkedIn-Profil einfügen. Vielen Dank noch einmal. Das war großartig.

Justin Bateh: Alles klar. Danke, Galen. Es war großartig. Ich weiß die hervorragenden Fragen sehr zu schätzen.

Galen Low: Das war’s für die heutige Folge des Podcasts von The Digital Project Manager. Wenn dir dieses Gespräch gefallen hat, abonniere den Podcast auf der Plattform, auf der du zuhörst.

Wenn du noch mehr taktische Einblicke, Fallstudien und Leitfäden möchtest, erstelle ein kostenloses Konto bei thedigitalprojectmanager.com. Bis zum nächsten Mal – danke fürs Zuhören.