So schaffen Sie echte KI-Kompetenz in Ihrem gesamten Team

Galen Low: Heutzutage haben fast alle die richtigen Dinge über KI zu sagen. Sie verfügen über das richtige Vokabular, die richtigen Werkzeuge auf ihrem Startbildschirm und all die richtigen Zertifizierungen an der Wand ihres virtuellen Hintergrunds. 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 überhaupt? Um diese Frage zu beantworten, habe ich einen Vordenker und Ausbilder im Projektmanagement eingeladen, der über einen Doktortitel im Operations Management verfügt. Er wird uns erklären, welchen ROI echte KI-Kompetenz bietet und wie man sie entwickelt.

Wir sprechen darüber, warum es so wichtig ist, eine von Menschen geführte operative Ebene über der Ausführungsebene zu schaffen, die zunehmend von KI übernommen wird. Außerdem geht es darum, was eine Karriere heute nachhaltig macht, da technische Fähigkeiten zunehmend zur Massenware werden. Ich hoffe, Ihnen gefällt diese Folge.

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

Ganz gleich, ob Sie riesige Transformationsprojekte steuern, KI-Arbeitsabläufe organisieren oder einfach versuchen, das Chaos unter Kontrolle zu halten – Sie sind hier richtig. Wenn Ihnen gefällt, was Sie bisher von uns gehört haben, folgen Sie uns bitte auf der Plattform, auf der Sie zuhören oder zuschauen, und hinterlassen Sie vielleicht auch eine Bewertung. Gut, dann legen wir los.

Heute sprechen wir darüber, was KI-Kompetenz im Projekt- und Operationsmanagement wirklich bedeutet und warum Arbeitgeber nicht einfach darauf hoffen sollten, dass ihre besten Talente in ihrer Freizeit KI lernen. Wir sprechen über den Wert praxisnaher, von Experten geleiteter Schulungen beim Aufbau von KI-Kompetenz. Außerdem geht es um den ROI von KI-kompetenten Managern, die zugleich das geschäftliche Zusammenspiel verstehen, und darum, wie Führungskräfte wirklich KI-kompetente Talente von denjenigen unterscheiden können, die nur so tun, als wären sie kompetent.

Heute bei mir ist Justin Bateh, CEO und Gründer von AI Operators Lab sowie Chefredakteur von Tactical Memo. Justin führt seit über zwei Jahrzehnten Teams, managt Projekte und operative Abläufe und leitet die Einführung von KI. Er war nicht nur als Chief Operating Officer und Executive Director tätig, sondern besitzt tatsächlich einen Doktortitel im Operations Management. Als Professor mit 16 Jahren Unterrichtserfahrung hat er mehr als 13.000 Studierenden und Berufstätigen beigebracht, wie man führt, arbeitet und nachhaltige Karrieren aufbaut.

Jede Woche liefert sein kostenloser Newsletter Tactical Memo taktische Leitfäden zu KI, Projektführung und beruflichem Wachstum an mehr als 18.000 Führungskräfte im Operationsbereich bei Unternehmen wie Amazon, Deloitte und Google. Wenn Ihnen gefällt, was Sie heute hören, ist dies der beste Ort, um jede Woche mehr von Justin in Ihrem Posteingang zu erhalten.

Justin, vielen Dank, dass du heute dabei bist.

Justin Bateh: Hey, Galen. Danke für die Einladung. Ich weiß das zu schätzen. Ich verfolge schon lange, was du hier beim Digital Project Manager machst, und ich weiß, dass ich in der Vergangenheit einige Artikel beigesteuert habe. Ich glaube, das wird eine unterhaltsame Folge für mich.

Galen Low: Ja, ich freue mich ebenfalls sehr.

Ich spreche auch immer gern mit anderen Lehrenden. Ich finde, das hebt ein Gespräch und das Handwerk auf eine ganz andere Ebene. Du bist jemand, der uns – wie du gesagt hast – bereits Beiträge geliefert hat. Ich liebe alles, was du mit uns machst. Du bist für den Digital Project Manager ein äußerst wertvoller Partner und bringst ehrlich gesagt sehr viel mit.

Justin Bateh: Ich muss dich nur vorwarnen: Ich bin Pädagoge und bin es gewohnt zu unterrichten. Du musst mich vielleicht unterbrechen, denn manchmal kann ich über Themen, die ich wirklich mag, immer weiter und weiter reden. Aber ich wäre nicht beleidigt, wenn du sagst: „Okay, Justin, das reicht. Gehen wir zum nächsten Punkt über.“

Galen Low: Ich schätze dich sehr, aber ich glaube, ich freue mich sogar darauf, dass du dich in einem Thema verlieren kannst, weil du Informationen so gut aufbereitest, dass ich dich wahrscheinlich gar nicht unterbrechen muss. Ich kann mich vermutlich einfach zurücklehnen und meinen Kaffee trinken.

Justin Bateh: Das werden wir sehen.

Galen Low: Gut. Beginnen wir mit einer etwas kontroversen Frage. Aus den heutigen Schlagzeilen wird zunehmend deutlich, dass die Kosten von KI-Werkzeugen – sowohl Lizenzen als auch Tokens – ein wesentlicher Faktor dafür sind, dass Unternehmen ihre Pläne für deutliche Personalreduzierungen beschleunigen.

Sowohl erstklassige, teure und kostspielige Talente – nun ja, Talente im Allgemeinen – als auch Werkzeuge werden einfach zu teuer. Gleichzeitig stoße ich immer wieder auf Widerstand: Berufstätige am Anfang, in der Mitte und sogar am Ende ihrer Karriere weigern sich entweder, KI einzusetzen, oder sie umgehen und behindern teilweise sogar aktiv die KI-Transformationsstrategie ihres Unternehmens.

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

Justin Bateh: Wow. Ich verstehe, warum du das eine brisante Frage nennst. Aber ich sage es dir gleich: qualifizierte Menschen ohne Werkzeuge – und ehrlich gesagt ist es nicht einmal knapp.

Werkzeuge ohne qualifizierte Menschen werden einfach ein weiterer Kostenblock sein, den wir verwalten müssen und der wahrscheinlich auf einem großen Abonnementmodell basiert. Man zahlt also doppelt: einmal für die Lizenzen und einmal für das Chaos. Du hast erwähnt, dass ich Dinge gut verpacke. Eine meiner liebsten Beschreibungen dafür ist folgende: Es ist, als würde man einen Schwimmer ins Wasser werfen, damit er an einem Rennen teilnimmt.

Ein guter Schwimmer kann allein gut leisten, richtig? Ein schlechter Schwimmer 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 einfach 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 damit beginnen, das Budget bereitzustellen, werden sie erkennen, dass die menschliche Arbeit der entscheidende Faktor ist, und die Werkzeuge kommen danach ganz natürlich. Deshalb ist die Frage „Werkzeuge oder Menschen?“ meiner Meinung nach falsch gestellt.

Die Gewinner werden diejenigen sein, die nicht einfach Werkzeuge kaufen oder Schulungen absolvieren, sondern eine operative Ebene aufbauen. Das ist die Kombination aus Menschen und Urteilsvermögen.

Galen Low: Das gefällt mir sehr. Und ich mag die Schwimmanalogie wirklich, denn die Frage ist bewusst provokant und hat wahrscheinlich keine eindeutige richtige Antwort.

Was du über einen starken Schwimmer mit den richtigen Werkzeugen gesagt hast – mit der richtigen Schwimmbrille, der richtigen Badebekleidung und den Flossen –, bringt ihn direkt ins Rennen. Er 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 Zubehör zu beschaffen.

Und weißt du was? Vielleicht werden sie irgendwann ganz passable Schwimmer. Vielleicht liegt das nicht an der Ausrüstung, aber sie kann ihnen helfen. Allerdings ist das teuer. Es könnte sogar teurer sein als die Alternative, denn man zahlt wieder doppelt oder vielleicht sogar dreifach: für das eigenständige Herausfinden, für die Lizenzkosten und für die Tokens.

Justin Bateh: Ja. Ich habe eine Zeit lang ehrenamtlich ein Schwimmteam geleitet, und der schwierigste Teil dabei waren die Eltern. Jeder, der schon einmal mit Jugendsport zu tun hatte, wird das verstehen. Im Grunde musste ich sagen: „Seht mal, ihr kauft eurem Kind all diese ausgefallene Ausrüstung, aber es kann trotzdem keine 25 Yards durch das Becken schwimmen.“

Nichts davon wird helfen. Man muss Wiederholungen und Übung sammeln. Ich wollte nur etwas Kontext geben, woher die Analogie stammt.

Galen Low: Nein, ich mag sie. Es ist sogar lustig, weil die Analogie weiter funktioniert, wenn man einen Vorstand oder ein ähnliches Gremium hat und der Druck des Vorstands auf die Führungsteams übertragen wird.

Die Führungsteams versuchen, ihre Mitarbeitenden dazu zu bringen, sehr gut zu schwimmen. Die Erwartung von oben lautet jedoch: „Warum habt ihr das Team noch nicht dazu gebracht, hervorragend zu schwimmen?“ Sie wissen, dass die Leute gestern noch nicht schwimmen konnten, aber inzwischen sollten sie 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 einen Doktortitel im Operations Management hast und aktiver Professor bist. Was ich an dir jedoch am interessantesten finde, ist, dass du dir die Zeit nimmst, ein kohortenbasiertes Lernprogramm zu leiten, das Projektleitenden, Operations-Fachleuten und Managern hilft, KI-Kompetenz sowie die Führungskompetenzen zu entwickeln, mit denen sie Wirkung erzielen können.

Als wir diese Folge planten, kam die Idee einer operativen Ebene auf: die Vorstellung, dass ein sinnvoller ROI durch 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 also nicht nur um Schulungen zu den Werkzeugen, sondern auch um das geschäftliche Verständnis dafür, wie man KI so mobilisiert, dass sie tatsächlich Geschäftswert schafft.

Kannst du uns erklären, wie echte KI-Kompetenz diese operative Ebene schafft, die gewissermaßen über den Werkzeugen liegt? Was können menschliche Projektmanager, Operations-Fachleute und Manager leisten, was ein vollständiges Orchester aus KI-Werkzeugen vielleicht nicht kann?

Justin Bateh: Ja, absolut. Galen, ich denke darüber so nach:

KI ist das, was ich die Ausführungsebene nenne. Sie wird Entwürfe erstellen, zusammenfassen, Risiken markieren und eine große Zahl von Optionen erzeugen, aus denen wir auswählen können. Darin ist sie wirklich hervorragend – im Grunde besser als wir alle. Und sie wird mit jedem Tag günstiger.

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

Zweitens: Zielkonflikte verantworten. Zum Beispiel Umfang gegenüber Zeitplan und gegenüber der politischen Realität. KI kann nicht an dem Gespräch teilnehmen, das nach dem eigentlichen Meeting stattfindet und in dem die tatsächlichen Entscheidungen getroffen werden.

Drittens: Verantwortung. Das ist sehr einfach: KI kann nicht entlassen werden und kann deshalb nicht mit der endgültigen Entscheidung betraut werden. Der Name einer Person muss unter der Entscheidung stehen.

Und viertens geht es auf dieser operativen Ebene um Übersetzung: eine kryptische Anfrage einer Führungskraft in echte Arbeit zu übersetzen und diese Arbeit anschließend wieder in eine Geschichte zu verwandeln, die die Führungskraft nach oben weitergeben kann. Das ist bereits die Hälfte des Projektmanagements.

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 könnte. In 60 Sekunden erhält man ein großartiges Risikoregister. Aber zu wissen, welches dieser 15 Risiken das Projekt tatsächlich zerstören wird, weil man beobachtet hat, wie sich dieser bestimmte Stakeholder in den vergangenen zwei Jahren verhalten hat – das ist die operative Ebene.

Die Werkzeuge werden also in jedem Quartal günstiger. Die operative Ebene wird in jedem Quartal wertvoller. Unternehmen und Einzelpersonen sollten entsprechend investieren.

Galen Low: Besonders die Opportunitätskosten davon gefallen mir. Wenn du über die Werkzeuge sprichst, hast du meiner Meinung nach recht. In manchen Anwendungsfällen ist die Ausführungsebene auf einem bestimmten Niveau besser als die meisten Menschen. Selbst ich denke dann schnell: „Okay, dann ist sie jetzt wohl in allem besser als ich.“

Dabei vergesse ich oft, dass es noch sehr viel Kontext aus der realen Welt gibt. Menschen sprechen von Nuancen, aber eigentlich geht es um all die 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 verwenden ihre großen Sprachmodelle und sagen: „Handle als mein sehr harter CTO-Stakeholder und zerlege das.“ Aber das ist nicht dasselbe, wie mehrere Monate oder Jahre mit dieser Person gearbeitet zu haben, ihre Persönlichkeit und die anderen Prioritäten im Unternehmen zu kennen.

Was bei mir besonders hängen geblieben ist, war das Wissen darüber, was sich zu tun lohnt, sowie das Kuratieren, Auswählen und Verstehen der Zielkonflikte. Wenn man es so formuliert, ist das für eine Organisation enorm wichtig. Wie wir bereits gesagt haben: Wenn man zwei Dutzend Menschen, die nicht schwimmen können, mit der gesamten Schwimmausrüstung der Welt in ein Becken wirft, kommt man irgendwann durch all das Herumprobieren weniger weit, als wenn man sich dafür entschieden hätte, eine einzige Sache mit den richtigen Talenten und den richtigen Werkzeugen schnell umzusetzen, statt alles gleichzeitig anzugehen und am Ende kaum Fortschritte zu machen.

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

Galen Low: Wenn wir über KI-Kompetenz und diese operative Ebene sprechen, geht es bei manchen Dingen, die du genannt hast, gar nicht darum, KI zu kennen. Natürlich haben wir darüber gesprochen, worin KI gut ist und worin Menschen gut sind. Vieles davon kann man aber nicht in einem Einführungskurs zu KI lernen.

Ich kann mir kaum vorstellen, eine Gelegenheit zu finden, bei der ich einfach die Technologie lerne und gleichzeitig den Kontext der Menschen, mit denen ich arbeite, die Geschäftsmechanik und unsere Prioritäten verstehe.

Der Markt für KI-Schulungen ist inzwischen vermutlich ziemlich gesättigt. Selbst in sehr spezifischen Nischen wie Projektmanagement oder Operations Management gibt es zahlreiche Angebote. Du hast dieses kohortenbasierte Programm, und ich erwähne es nicht, um Werbung dafür zu machen. Ich mag einfach die Idee des gemeinsamen Lernens, statt allein auf Plattformen wie Udemy zu lernen.

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

Justin Bateh: Behalte bei meiner Antwort Folgendes im Kopf: Kompetenz hinterlässt Belege. Vertrautheit verfügt über Vokabular. Das ist der gesamte Test. Es gibt eine einzige Antwort auf eine meiner Lieblingsfragen in diesem Bereich: Belege.

Ein Zertifikat sagt, dass jemand an etwas teilgenommen hat. Ein Beleg zeigt, dass die Person ihre Arbeitsweise tatsächlich verändert hat. Eine kompetente Person kann dir einen Arbeitsablauf zeigen, den sie neu aufgebaut hat. Wenn du sie danach fragst, antwortet sie sofort und konkret. Sie kann sagen: „Das habe ich an die KI übergeben, das habe ich behalten und das ist kaputtgegangen, als ich es ausprobiert habe.“ Der letzte Teil ist wichtig.

Denn wenn nichts schiefgegangen ist, ist es möglich, dass die Person es gar nicht wirklich umgesetzt hat. Menschen, die nur Zertifikate sammeln, beschreiben Werkzeuge allgemein. Sie sagen Dinge wie: „Ich nutze KI, um Effizienzsteigerungen zu erzielen.“ Als Arbeitgeber wäre dieser Satz für mich ein Warnsignal.

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

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

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

Das wird in der gegenwärtigen KI-Landschaft nicht ausreichend hervorgehoben, besonders nicht in meinem LinkedIn-Feed. Eine Zeit lang hieß es dort nur: „So habe ich die Sache verzehnfacht.“ Alles war voller Schlagwörter und erweckte den Eindruck, dass am ersten Tag mit KI alles jedes Mal perfekt funktioniert.

Dabei merkt man erst am nächsten Schritt, ab dem zweiten Tag oder wenn die Komplexität zunimmt, dass man sich wirklich hineinarbeiten muss und es nicht mehr so leicht ist, ein zufriedenstellendes Ergebnis zu erhalten. Man stößt auf Probleme. Selbst wenn jemand sagt: „Ich habe es noch nicht richtig zum Laufen gebracht, weil diese Dinge schiefgegangen sind. Ich löse diese Probleme noch immer“, ist das als Beleg besser als die Aussage: „Ich optimiere meine Effizienz jeden Tag.“

Justin Bateh: Genau.

Galen Low: Es geht also um Belege und nicht nur um Vokabular. Wie du gesagt hast, gilt das für mehr als nur KI. Es gilt auch für die Einschätzung und Bewertung der Fähigkeiten einer Person.

Während ich das sage, wird mir bewusst, dass ich die Frage sehr negativ formuliert habe: „die Blender gegenüber denjenigen, die wirklich wissen, was sie tun“. Es gibt aber auch Menschen, die unsicher sind. Jeder wird behaupten, KI zu beherrschen – manche aus Prahlerei, weil sie befördert werden wollen, andere einfach, weil sie nicht entlassen werden möchten.

Was würdest du Führungskräften raten, die erkennen, dass manche Menschen sagen: „KI macht mich effizienter“, aber gleichzeitig eine Wissenslücke haben und sich unsicher fühlen? Vielleicht versuchen sie nicht, besser als ihre Kollegen dazustehen, sondern nur, Schritt zu halten und nicht zurückzufallen.

Wie können Führungskräfte in dieser Situation dabei helfen, aus Vokabular Belege zu machen? Vielleicht gibt es ja Lernbedarf.

Justin Bateh: Ich glaube, viele Unternehmen zögern, weil sie der Datensicherheit nicht vertrauen. Organisationen, Manager und Führungskräfte sagen häufig: „Ihr müsst KI lernen. KI ist die Zukunft, aber ihr dürft sie bei unserer Arbeit nicht einsetzen.“

Das sehe ich oft. In meinen Kohorten und Kursen gibt es Unternehmen, die Mitarbeitende zur Teilnahme anmelden und die Kosten erstatten, ihnen aber nicht erlauben, etwas über ihre Arbeit zu teilen.

Deshalb stellen wir Szenarien und Testdaten bereit, damit sie die Fähigkeiten lernen können. Danach hoffen wir, dass sie diese Fähigkeiten auf ihre individuelle Situation übertragen. Ich weiß nicht, ob dieses Vertrauen früher oder später entstehen wird, aber es ist definitiv ein wichtiger Faktor.

Was die Person betrifft, die nicht entlassen werden und lernen möchte: In diesem Fall muss man meiner Meinung nach selbstständig lernen. Man sollte nicht darauf warten, dass der Arbeitgeber Schulungen anbietet. Vor einigen Jahren war ChatGPT am Arbeitsplatz nicht erlaubt. In den Hochschulen, an denen ich derzeit unterrichte, ist KI ebenfalls nicht erlaubt. Einige Jahre später ist KI nun im Einsatz. Das wird sich weiter verändern. Wenn du Copilot heute nicht verwenden darfst, wirst du es in ein paar Jahren wahrscheinlich können. Wenn du ein Werkzeug heute nicht verwenden darfst, wirst du es später verwenden können. Lerne also jetzt und lerne selbstständig.

Galen Low: Das ist interessant und ein guter Punkt: Vertrauliche Daten und unklare Richtlinien am Arbeitsplatz können die Lernfähigkeit eines Teams stark einschränken.

Ich stoße weiterhin auf Branchen und Arbeitskontexte, in denen KI entweder nicht erlaubt oder – abgesehen von einigen Anwendungsfällen – nicht erwünscht ist, bis Vertrauen und entsprechende Richtlinien geschaffen wurden. Viele Menschen sagen zwar: „Ich bin gut in KI“, hatten aber noch keine Übung, weil unklar ist, was sie damit tun dürfen.

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

Gleichzeitig ist selbstständiges Lernen wichtig, weil es einen zum Üben bringt und ermöglicht, Werkzeuge und Technologien außerhalb der Einschränkungen der eigenen Organisation einzusetzen. Man investiert damit in sich selbst, denn die Dinge werden sich verändern. Vielleicht arbeitet man künftig nicht mehr im selben Unternehmen und erhält am Ende keine goldene Anstecknadel und keine Uhr. Es herrscht derzeit viel Bewegung. Es ist besser, die Technologie dort einzusetzen, wo es möglich ist, Übung zu sammeln, Selbstvertrauen aufzubauen und Belege dafür zu schaffen, was man tatsächlich entwickelt hat.

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

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. Ein großer Teil besteht also darin, die Fähigkeiten zu erkennen. Natürlich innerhalb der jeweiligen Einschränkungen: Ich würde sagen, dass 70 Prozent meiner Studierenden aus eingeschränkten Umgebungen kommen. Die Hälfte der Aufgabe besteht darin, herauszufinden, welche Regeln gelten – und niemand weiß es wirklich. Sie dürfen es einfach nicht.

Galen Low: Was mir daran gefällt: Wenn man sich mit anderen austauscht, wird deutlich, dass man leicht isoliert dasitzen kann – besonders mit meinem LinkedIn-Feed – und denken könnte: „Bin ich zurückgefallen?“ Manche Menschen scheinen so weit voraus zu sein.

Der Austausch mit anderen zeigt, dass die Bandbreite derzeit sehr groß ist, und zwar aus gutem Grund. Manche Unternehmen haben es noch nicht herausgefunden. Andere sagen: „Verwendet es noch nicht, wir müssen das erst klären.“ Wieder andere haben beschlossen, KI derzeit überhaupt nicht einzusetzen. Dadurch entsteht ein Gefälle zwischen Branchen und Rollen. Da sich alles so schnell verändert, wird nicht jeder auf demselben Stand sein.

Ich mag die Idee, gemeinsam darüber zu sprechen und Tipps auszutauschen. Was fehlt Menschen, die gerade erst Claude öffnen, während andere bereits ihre Markdown-Dateien und Arbeitsabläufe eingerichtet haben? Oder anders gefragt: Was ist für dich am kohortenbasierten Lernen so wertvoll?

Justin Bateh: Ich habe jahrelang auf Udemy unterrichtet und dort mehr als 35.000 Studierende. Ich habe die Plattform inzwischen vollständig verlassen, aber einige Inhalte laufen dort automatisch weiter. Ich habe kurze Videotutorials erstellt, für die Menschen neun Dollar bezahlen, und die Abschlussquote liegt fast bei null. Sie sammeln einfach Kurse.

Man kann die Funktionen von Werkzeugen durchaus allein lernen. Videos und Prompt-Bibliotheken sind in Ordnung, wenn das Ziel darin besteht, zu wissen, welche Schaltflächen was tun. Für dieses Ziel braucht man keine praktische Schulung. Aber Funktionen sind keine Kompetenz, und wir müssen diese beiden Dinge unterscheiden.

Kompetenz bedeutet Urteilsvermögen, und Urteilsvermögen entwickelt sich nur auf eine Weise: durch Wiederholungen mit Feedback. Allein Lernende erhalten dieses Feedback nicht und verpassen dadurch mehrere wichtige Dinge.

Galen Low: Wiederholungen mit Feedback – das passt sehr gut. Es geht nicht nur darum, die Fähigkeiten der Technologie zu lernen und mit allen Modellaktualisierungen Schritt zu halten.

Es geht darum, in einem KI-Kontext führen zu können, der sich ständig verändert. Ein Teil des Weges zu den Belegen besteht darin, Fehler zu beheben, Dinge scheitern zu sehen und weiterzumachen. Eine Einzelperson kann ohne Gruppe sehr viel lernen. Aber mit anderen zu lernen und während der Übung Feedback zu erhalten, ist eine großartige Möglichkeit, schneller voranzukommen und nicht nur die eigene Perspektive einzunehmen.

Justin Bateh: Ich möchte ergänzen, dass Menschen, die selbstgesteuerte Lernmethoden nutzen und Kurse sowie Prompt-Bibliotheken herunterladen, oft drei Dinge vermissen: Kontext, Kalibrierung und Verbindlichkeit.

Eine Prompt-Bibliothek kann man überall kostenlos herunterladen. Aber was bewirkt sie? Sie beantwortet die Fragen einer anderen Person, nicht unbedingt die eigenen. In einer Kohorte oder einer praktischen Live-Schulung arbeitet man am tatsächlichen eigenen Projekt.

Bei KI liegt eine Falle darin, dass sie immer etwas liefert und dieses Ergebnis immer gut aussieht. Man weiß nicht, ob die Ausgabe wirklich gut ist, bis jemand, der sie hundertmal gesehen hat, es einem sagt. Genau dafür ist eine Lehrkraft da: nicht nur für Informationen, sondern für Kalibrierung.

Dann gibt es noch die Verbindlichkeit. Menschen beenden Live-Kohorten, weil Menschen für andere Menschen erscheinen. Diejenigen, die lernen, haben nicht immer die besten Materialien. Sie machen Wiederholungen und erhalten Feedback. Und ich mag Sportanalogien: Ich bin miserabel im Basketball. Wenn ich LeBron James beim Basketballspielen beobachte und anschließend das beste Paar Basketballschuhe bekomme, löst das mein Problem nicht. Wenn man mich aber in ein dreiwöchiges Basketballcamp schickt, komme ich vielleicht etwas besser zurück.

Galen Low: Das ist eine sehr passende Analogie. Man sammelt tatsächlich Übung. Mir gefällt auch dein Punkt zur Verbindlichkeit. Mein Kurs war früher kohortenbasiert, und das hat den Menschen sehr geholfen, dranzubleiben. Es ging nicht um mich oder das Material, sondern um ihre gegenseitige Verpflichtung, das Erscheinen und den Aufbau von Beziehungen, um auch Feedback von Gleichrangigen zu erhalten.

Übung macht Fortschritte möglich. Es geht nicht nur um die besten Materialien, sondern um die beste Umgebung, in der Menschen sich verbessern können. Auch die Kalibrierung gefällt mir. Die Ausgabe von KI sieht so überzeugend aus, dass viele Menschen zweifeln. Sie denken: „Das muss wohl gute Qualität sein. Ich weiß gar nicht, ob ich dazu Feedback geben kann, weil es so ausgearbeitet aussieht. Ich schicke es einfach weiter.“

Man muss Feedback erhalten und die Fähigkeit zum kritischen Denken entwickeln, um die Ausgabe eines Modells zu beurteilen: Trifft sie im Hinblick auf die eigenen Ziele, die gewünschte Wirkung und den Wert, der am eigenen Arbeitsplatz zählt, tatsächlich den Punkt? Ist sie wirklich gut oder nur eine Ansammlung gut klingender Wörter?

Justin Bateh: Lehrkräfte sind normalerweise erfahrener in einem Thema als ihre Lernenden. Wenn ich einen Coach engagiert oder einen Kurs bei einer echten Person besucht habe, um in einem unbekannten Bereich sehr gut zu werden, konnte ich den Prozess durch externe Unterstützung enorm beschleunigen. Genau dafür ist Kalibrierung da. Möchtest du meine jahrelange Erfahrung nutzen und innerhalb weniger Wochen davon profitieren, oder möchtest du selbst jahrelange Erfahrung sammeln und warten?

Galen Low: Das ist ein echter Beschleuniger. Man könnte es in den nächsten zwei Jahrzehnten selbst herausfinden, indem man 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 euch vielleicht nur zwei Jahre voraus.“ Das Ganze gibt es noch nicht so lange. Im Projektmanagement bin ich euch vielleicht 20 Jahre voraus. Im KI-Bereich bin ich aber nur ein paar Jahre voraus.

Galen Low: Gut, dass du das ansprichst. Das war tatsächlich meine nächste Frage. Wie viele Jahre Erfahrung kann man überhaupt verlangen? In Stellenbeschreibungen steht manchmal: „Mindestens 15 Jahre Erfahrung mit generativer KI.“ Die meisten von uns können das nicht erfüllen, außer 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: Selbst ein Vorsprung von sechs Monaten, einem Jahr oder zwei Jahren kann also vermittelt werden und Menschen beschleunigen, die früher oder an einem anderen Punkt ihrer Lernreise stehen. Wir suchen derzeit keine KI-Expertinnen und -Experten mit jahrzehntelanger Erfahrung. Wir sprechen über generative und agentische KI im Arbeitsumfeld sowie über konkrete Werkzeuge für konkrete Anwendungsfälle.

Justin Bateh: Anwendungsfälle ist das richtige Wort. Als ich den Kurs „KI-gestütztes Projektmanagement“ zum ersten Mal unterrichtete, war die erste Kohorte im Wesentlichen ein Projektmanagementkurs mit generativer KI. Die nächsten Kohorten waren ähnlich. Später verlagerten sich die Themen stärker auf Agenten, weil alle einen Agenten für sich selbst bauen wollten. Für kurze Zeit wurde der Kurs beinahe zu einem Ingenieurskurs.

Dann nahmen Systemingenieure teil und stellten Fragen, auf die ich keine Antwort hatte. Ich habe diesen technischen Hintergrund nicht. Ich helfe Menschen dabei, KI auf ihre Projekte oder ihre Operations-Arbeit anzuwenden, damit sie diese besser erledigen können.

Deshalb ist der Schwerpunkt inzwischen wieder vollständig auf Projektmanagement und nicht auf KI-Werkzeugen. Wir bauen hier keine KI-Werkzeuge. Wir verwenden die auf dem Markt verfügbaren Werkzeuge und finden heraus, wie wir sie einsetzen können, um unsere Arbeit besser zu erledigen.

Wir haben dadurch viele Bedenken von Menschen reduziert, die noch nicht so weit sind. Außerdem bleiben Systemingenieure außen vor, die erkennen, dass dies nicht der passende Kurs für sie ist. Wir haben auch aufgehört, den Werkzeugen hinterherzulaufen. Anfangs behandelten wir ungefähr zwei Dutzend Werkzeuge; etwa die Hälfte davon existiert ein Jahr oder anderthalb Jahre später nicht mehr.

Deshalb konzentrieren wir uns auf Claude, ChatGPT, Copilot und Gemini – nur auf diese vier. Wir gehen davon aus, dass sie auch in einem Jahr noch existieren werden. Sie verfügen über Rückhalt, Finanzierung und laufende Entwicklung. Außerdem haben die meisten Menschen bereits Zugang zu einem dieser Werkzeuge. Wenn sie besser werden, wirst auch du besser.

Ich möchte mich lieber an ein Werkzeug binden, von dem ich weiß, dass es in zwei oder drei Jahren noch existiert und weiter verbessert wird, als dem jeweils neuesten Objekt hinterherzulaufen. Viele Aufgaben, für die man früher spezielle Werkzeuge brauchte, kann man inzwischen auf diesen vier großen Plattformen erledigen.

Galen Low: Das gefällt mir. Die Kohorte ist ein Mikrokosmos der Arbeitswelt: Die Werkzeuge verändern sich schnell, aber ihnen allen hinterherzulaufen ist nicht das Ziel. Ziel ist es, die Technologie konsequent und sinnvoll anzuwenden, um für sich selbst, für das eigene Projekt und für die Organisation mehr Wert zu schaffen.

Ich sehe auch die Frage nach der Systemtechnik. Müssen wir jetzt alle Programmierer und Architekten werden? Vielleicht. Wenn wir uns aber zu weit vom eigentlichen Handwerk entfernen – Operations, gute Projektabwicklung und Menschenführung –, verlieren wir die Kunst der Projektleitung. Führung in einem Zeitalter der KI und die Fähigkeit, sich an Veränderungen anzupassen, sind wichtiger, als das eine glänzende Werkzeug zu beherrschen, das nächstes Jahr vielleicht schon nicht mehr existiert.

Justin Bateh: Genau das haben wir erlebt. Zur Halbzeit stellten wir fest, dass der Kurs zu technisch geworden war. Es ging mehr darum, KI-Werkzeuge zu bauen, statt sie als Manager, Geschäftsmensch oder Führungskraft einzusetzen.

Wir haben den Kurs deshalb neu ausgerichtet und passendere Personen in die Kohorte aufgenommen. Das Leben ist jetzt etwas einfacher, weil ich nicht mehr jede einzelne Spezifikationsänderung verfolgen muss und der Kurs mich nicht durch technisch überlegene Systemingenieure vor Rätsel stellt. Ich mache klar, worin meine Stärken liegen, und wir haben das in den vergangenen Monaten neu kalibriert.

Galen Low: Ich möchte noch einmal auf das selbstständige Lernen zurückkommen. Viele Arbeitgeber sagen derzeit: „Kümmere dich selbst um KI.“ Du hattest einen LinkedIn-Beitrag mit der Überschrift „Niemand kommt, um dich zu schulen“. Darin ging es um einen Artikel, in dem beschrieben wurde, dass Arbeitgeber von ihren Mitarbeitenden erwarten, KI in ihrer Freizeit zu lernen.

Was sollten Arbeitgeber tun, damit KI-Kompetenz nicht dem Zufall überlassen wird? Ist das ein Problem, das jetzt gelöst werden muss, oder erst später? Könnten Arbeitgeber mehr tun, um die Entwicklung von KI-Kompetenz zu fördern, statt Mitarbeitende einfach Videos ansehen und Zertifikate sammeln zu lassen?

Justin Bateh: Ich erinnere mich an den Beitrag. Beide Seiten können gleichzeitig recht haben. Erstens sollten Mitarbeitende nicht auf Erlaubnis warten, um ihre Fähigkeiten auszubauen – unabhängig davon, ob es um KI geht. Zweitens begehen Arbeitgeber, die KI-Kompetenz dem Zufall überlassen, derzeit einen mathematischen Fehler.

Arbeitgeber sollten in Arbeitsabläufen und nicht in Werkzeugen schulen. Das gescheiterte Modell, das ich bei Unternehmensschulungen sehe, besteht darin, Lizenzen zu kaufen und Mittagsschulungen zu veranstalten.

Dieses Modell funktioniert für etwas Konzeptuelles, nicht für praktische Arbeit. Für KI funktioniert ein anderes Modell: Man nimmt die fünf teuersten wiederkehrenden Arbeitsabläufe und baut sie gemeinsam mit den Mitarbeitenden neu auf, die diese Abläufe tatsächlich ausführen. Man schult also die Arbeit und nicht die Software.

Außerdem sollte man Belege und nicht Abschlüsse messen. Eine Kursabschlussquote bestätigt die Einhaltung einer Vorgabe, nicht die Kompetenz. Die relevante Kennzahl lautet: „Galen, wie viele Arbeitsabläufe hast du in diesem Quartal verändert?“

Und wenn ich höre: „Du musst eine Schulung absolvieren, aber wir bezahlen dich dafür nicht“, ärgert mich das. Schulungen müssen bezahlte Arbeitszeit sein, keine Hausaufgabe. Wer erwartet, dass Menschen abends und an Wochenenden lernen, wählt diejenigen aus, die freie Abende und Wochenenden haben – nicht diejenigen mit dem größten Potenzial. Die besten Mitarbeitenden werden diese Hausaufgaben nicht für den Arbeitgeber erledigen. Sie werden still anfangen, sich anderswo zu bewerben.

Der Verlierer in diesem Patt ist garantiert die Seite, die wartet. Die Person oder das Unternehmen, die zuerst handeln, werden ihren Mitbewerbern voraus sein.

Galen Low: Mir gefällt, dass es nicht entweder das eine oder das andere sein muss. Wenn du selbst vorangehen und lernen möchtest, ohne auf ein Schulungsprogramm deines Arbeitgebers zu warten, dann tu das. Wenn du Arbeitgeber bist und dich auf Anwendungsfälle und praktische Arbeitsabläufe konzentrierst, ihren Wert misst und die Entwicklung finanzierst, ist das ebenfalls gut.

Es geht darum, die Denkweise über Arbeit neu zu kalibrieren – nicht nur die Werkzeuge und ihre Schaltflächen zu schulen, sondern die Arbeit selbst: wie sie Wert schafft und welche Arbeitsabläufe verändert werden, um die versprochene KI-Zukunft zu erreichen.

Justin Bateh: Ich sage den Menschen immer, dass schon eine Verbesserung um ein Prozent in Ordnung ist. Man möchte natürlich keine 100.000 Dollar für eine Schulung ausgeben, die jährlich nur 5.000 Dollar einspart. Aber gerade am Anfang sollten Unternehmen und Mitarbeitende schnelle Erfolge finden. Etwas, das innerhalb der eigenen Befugnisse und Einschränkungen mit KI besser funktioniert.

Diese Erfolge kann man sammeln. Dadurch entsteht Schwung, und dieser Schwung kann schließlich zu etwas Größerem führen.

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

Justin Bateh: Auf jeden Fall.

Galen Low: Zum Abschluss möchte ich noch über die einzelne Person sprechen. Was macht eine Karriere heute nachhaltig, wenn technische Fähigkeiten so schnell an Wert verlieren? Was nimmt an Wert zu oder wächst mit der Zeit?

Justin Bateh: Das ist wahrscheinlich meine Lieblingsfrage. Alles, was wir über Karrieren gelernt haben, drehte sich um eine einzige Ressource: Fähigkeiten. Man sollte gut werden, hart arbeiten, Fähigkeiten erwerben und darauf vertrauen, dass sich die Karriere von selbst entwickelt.

Aber die leistungsstärkste Person auf der Entlassungsliste steht trotzdem auf der Entlassungsliste. Fähigkeiten waren nie das gesamte Spiel. Heute sind sie der Eintrittspreis. Die am schnellsten an Wert verlierende Ressource sind die eigenen Fähigkeiten, weil KI grundlegende Kompetenz nahezu kostenlos macht. Gut in einer Aufgabe zu sein, ist kein Unterscheidungsmerkmal mehr.

Was wächst also mit der Zeit? Beziehungen wachsen. Heute wäre ich überrascht, wenn jemand allein durch eine Onlinebewerbung eingestellt würde. Niemand stellt einen Lebenslauf ein. Man stellt einen Namen ein, den jemand ausgesprochen hat. Künftige Chancen werden wahrscheinlich über eine Person zu dir gelangen.

Auch dein Ruf wächst. Was über dich in Räumen gesagt wird, in denen du nicht anwesend bist, ist entscheidend. Eine Beförderung wird oft in einem Meeting beschlossen, zu dem du nicht eingeladen bist. Du kannst deine Geschichte selbst gestalten oder sie dem Zufall überlassen.

Auch deine Optionen wachsen: Ersparnisse, Marktkenntnis und die Fähigkeit, für Recruiter interessant zu bleiben. Man kann nichts verhandeln, von dem man sich nicht lösen könnte. Und auch deine Geschichte wächst: die Fähigkeit, deine Wirkung in einem klaren Satz auszudrücken. Unsichtbare hervorragende Leistung wird genauso bezahlt wie gar keine hervorragende Leistung.

Mein Rat lautet deshalb: Halte deine Fähigkeiten selbstverständlich aktuell. Verstehe aber, dass Fähigkeiten die Ressource sind, von der dir bereits alle erzählt haben. Eine Karriere, die die nächsten drei bis fünf Jahre übersteht, basiert auf den anderen Ressourcen: Beziehungen, Ruf, Optionen und Geschichte.

Galen Low: Du hast recht, auch wenn es schwer zu hören ist, weil wir so erzogen wurden, dass wir uns auf harte Fähigkeiten konzentrieren. Unsichtbare hervorragende Leistung wird genauso bezahlt wie gar keine Leistung – viele Zuhörer können sich damit identifizieren, weil Operations, Projektleitung und Teamführung oft unsichtbare und undankbare Aufgaben sind.

Beziehungen, Ruf und die eigene Geschichte hängen miteinander zusammen. Es geht nicht darum, ein schmutziges politisches Spiel zu spielen. Es geht um Beziehungen, Reputation und das Erzählen der eigenen Geschichte. Das ist einfach das aktuelle Spiel: menschliche Beziehungen, den eigenen Wert sichtbar machen und stolz auf ihn sein.

Justin Bateh: Im Kurs „KI-gestütztes Projektmanagement“ behandeln wir das nur in einem kleinen Abschnitt. Ich habe aber weitere Inhalte in Vorbereitung, über die ich derzeit noch nicht genau sprechen kann. Dabei wird es um die anderen Ressourcen gehen.

Und du hast den Nagel auf den Kopf getroffen: Reputation, Beziehungen und die eigene Geschichte. Vergiss auch deine Optionen nicht. Du brauchst Verhandlungsmacht. Das ist die Art, wie das Spiel funktioniert – zumindest im Berufsleben, wenn du dich weiterentwickeln möchtest.

Galen Low: Das gefällt mir. Und ich mag diesen Ausblick. Ich muss dich wieder einladen, sobald du über die neuen Projekte sprechen kannst. Bis dahin muss ich sagen: Tactical Memo ist für mich eine echte Lebensader.

Justin Bateh: Das weiß ich zu schätzen. Als du mir erzählt hast, dass du meine E-Mails liest und dich 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, zu hoffen und nur die Öffnungsraten zu betrachten.

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

Galen Low: Justin, vielen Dank, dass du dir heute die Zeit genommen hast. Es hat viel Spaß gemacht. Wo können die Menschen mehr über dich erfahren?

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-Projektführung und den Aufbau von Karrieren, deren Wert mit der Zeit wächst.

Du kannst tacticalmemo.com/subscribe aufrufen, nach Tactical Memo suchen oder mich auf LinkedIn unter Justin Bateh finden und mir eine Direktnachricht schicken. Der Newsletter ist kostenlos, und ich denke, du wirst viel daraus mitnehmen.

Galen Low: Er ist wirklich gut. Ich werde alle Links in den Shownotes für die Zuhörenden und Zuschauenden aufnehmen, einschließlich eines Links zu deinem LinkedIn-Profil. Vielen Dank noch einmal. Das war großartig.

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

Galen Low: Das war die heutige Folge des Podcasts The Digital Project Manager. Wenn Ihnen dieses Gespräch gefallen hat, abonnieren Sie den Podcast auf der Plattform, auf der Sie zuhören.

Wenn Sie noch mehr taktische Einblicke, Fallstudien und Leitfäden möchten, erstellen Sie ein kostenloses Konto bei thedigitalprojectmanager.com. Bis zum nächsten Mal. Vielen Dank fürs Zuhören.