Warum kluge Menschen von KI nur generische Ergebnisse bekommen

Galen Low: Mal ehrlich: Wir sind alle müde vom Prüfen von Arbeitsergebnissen, Berichten und Statusupdates, aus denen der typische KI-Mief quillt. Die Technologie ist leicht als Schuldigen auszumachen, doch es steckt mehr dahinter. Die meisten Menschen erhalten von KI generische Resultate, weil sie generische Fragen stellen. Und sie stellen generische Fragen, weil sie entweder nicht verstehen, wie die Technologie funktioniert, sich nicht zutrauen, der KI zu widersprechen oder sich unter Kollegen wie Hochstapler fühlen – oder mitunter alles davon.

Dadurch gehen uns gerade die Fähigkeiten verloren, die wir jetzt am meisten benötigen: Neugier und kritisches Denken. Um das in unseren Teams zu beheben, habe ich heute einen KI-Experten und Ausbilder eingeladen, der mit aller Leidenschaft dafür sorgt, dass Hochstapler-Syndrom, lasche Prompts und generische KI-Ergebnisse bald der Vergangenheit angehören. Und damit die menschlichen Stärken wieder ins Rampenlicht rücken. Ich hoffe, Ihnen gefällt die Folge.

Willkommen beim Digital Project Manager Podcast – der Show, die Delivery-Leadern hilft, klüger zu arbeiten, reibungsloser zu liefern und ihr Team selbstbewusst im Zeitalter der KI zu führen. Ich bin Galen und jede Woche tauchen wir ein in Strategien aus der Praxis, neue Trends, bewährte Frameworks und gelegentlich Geschichten von der Projekt-Front. Egal, ob Sie große Transformationsprojekte steuern, KI-Workflows managen oder einfach nur das Chaos zügeln wollen – Sie sind hier richtig. Los geht's.

Heute geht es darum, wie das Hochstapler-Syndrom rund um KI unsere Teams auf subtile und weniger subtile Weise zurückhalten kann – und wie wir ihnen helfen, neugierig zu bleiben, dabei aber trotzdem KI-Ergebnisse strategisch zu hinterfragen.

Wir gehen heute einen Praxisrahmen durch, wie unsere Teams lernen, bessere Fragen zu stellen und die KI-Ausgaben kritisch zu prüfen – und welchen Einfluss das auf die KI-Strategie eines Unternehmens haben kann. Außerdem sprechen wir über den „Skill-Verschleiß“ und wie Teams im Wandel der Zeit Schritt halten können.

Mein heutiger Gast ist Mashhood Ahmed, Consulting Project Director bei M1 Consultants. Mashhood hilft Unternehmen bei der Entwicklung und Umsetzung von generativen KI-Enablement-Programmen, die echten Mehrwert schaffen. Mit einem bewährten Vier-Stufen-Framework für KI-Einführung – von unternehmensweiter KI-Kompetenz, über abteilungsspezifische Workflows und agentische Automatisierung bis zu Schulungsprogrammen – führt Mashhood Teams zu einer KI, bei der die menschliche Genialität im Mittelpunkt steht.

Er bringt mehr als 20 Jahre Erfahrung in Programm-, Projekt- und Change-Management ein. Für ihn ist KI weit mehr als ein Werkzeug: Es geht um die Integration in die echte Arbeitswelt.

Mashhood, schön, dass du heute hier bist.

Mashhood Ahmed: Vielen Dank. Danke, dass ich dabei sein darf.

Galen Low: Ich freue mich sehr auf das Gespräch.

Ich habe einige deiner Vorträge zu dem Thema verfolgt und finde deinen Ansatz sehr ausgewogen – und er hat mich wirklich angesprochen: deine Sichtweise darauf, wie KI implementiert und in unsere Arbeit integriert werden muss. Sehr pragmatisch, darauf freue ich mich heute.

Du hast schon oft mit uns beim Digital Project Manager zusammengearbeitet. Deine Botschaft kommt jedes Mal an. Ich dachte, wir steigen mit einer großen, haarigen Frage ein und schauen, wohin uns das Gespräch bringt. Unterwegs sprechen wir gern über die Bedeutung einer neugierigen Haltung gegenüber KI, wie Teams dieses Neugierde Gleichgewicht mit strategischer Hinterfragung kombinieren können – und was auf dem Spiel steht, wenn unsere Teams weiterhin oberflächliche Fragen stellen und generische KI-Ausgaben für bare Münze nehmen.

Das war jetzt viel Input – wie klingt das für dich?

Mashhood Ahmed: Klingt perfekt.

Galen Low: Super. Dann lass uns einsteigen. Ich beginne mit einer etwas allgemeinen Frage: Du arbeitest mit vielen Organisationen, um ihre KI-Fähigkeiten zu stärken.

Aber ich habe dich oft sagen hören, dass zu viele Leute mit generischen Fragen generische Ergebnisse erzielen – und diese dann einfach übernehmen. Meine Frage an dich: Wenn du schätzen müsstest, wie viel Prozent der Profis, die KI nutzen, nur mittelmäßige, generische Ergebnisse bekommen und denken, das ist das Beste, was möglich ist – was würdest du sagen?

Mashhood Ahmed: Das ist eine sehr gute Frage. Wie viele Menschen nutzen KI auf generische Weise und bekommen eine generische Antwort? Ich schätze etwa 40 bis 50 Prozent der Nutzer verfahren so. Ich gebe deinem Publikum gern einen kleinen Test: um zu verdeutlichen, was ich mit generischer KI-Antwort meine. Wir alle haben irgendwann im Leben schon mal ein Würfelspiel gespielt.

Und nun – ich habe dieses Experiment vor hunderten Menschen im Raum gemacht, bei zwanzig Leuten, und jedes Mal kommen ganz ähnliche Antworten heraus – die Zahlen variieren nur ganz leicht. Öffne Copilot in einem Tab, ChatGPT in einem anderen, Gemini in einem weiteren, oder was du sonst gerade hast.

Probier vier oder fünf Tools. Bei großen Gruppen mache ich das manchmal nur mit einem, aber fürs Ausprobieren ist das hier gut. Gib als Prompt ein: „Würfle mir einen sechsseitigen Würfel.“ Was passiert? Die meisten generativen KI-Tools geben dir als Antwort die Zahl vier.

Wie gesagt, ich habe das mit Hunderten von Leuten gemacht. In 85 bis 90 Prozent der Fälle kommt als Antwort die Vier. Ein paar erhalten andere Zahlen, aber das Muster bleibt. Ich habe Feedback erhalten bei ChatGPT, Gemini, Claude, Groq, Perplexity und anderen – überall das gleiche Problem.

Wenn man KI bittet, den Würfel zu werfen, weiß sie gar nicht, wie ein Würfelwurf abläuft. Statistiker und Mathematiker haben den Modellen beigebracht: „Wenn du einen Würfelwurf machen sollst, nimm die sechs Möglichkeiten, berechne den Durchschnitt und runde ggf. auf.“ Dann kommt eine mittelmäßige Antwort heraus.

Wenn also die Vier kommt: Der Mittelwert liegt bei 3,5, aufgerundet 4. Deshalb erhält man 80 bis 90 Prozent der Zeit die Vier als Antwort. Probier jetzt das nächste: Gib dem Modell als Prompt: „Würfle mir einen sechsseitigen Würfel, aber mit gleicher Wahrscheinlichkeit für jede Zahl“, oder füge noch einen Wunsch ein – etwa: „Ich will die höchste Zahl“ oder was Abgefahrenes. Ich sammle manchmal solche Prompts. Dann siehst du, dass die Antworten plötzlich ausgewogener werden – weil du das Modell gezielt lenkst.

Das zeigt: Wenn du eine generische Frage stellst („Würfle mir einen sechsseitigen Würfel“), erhältst du in 80–90% der Fälle die Vier.

Das liegt daran, dass KI ohne Kontext arbeitet. Sie kennt dein Projekt nicht, hat kein menschliches Urteilsvermögen. Deshalb ist es wichtig, Prompts und Agenten mit mehr Kontext und möglichst vielen Rahmenbedingungen auszustatten, damit die Ergebnisse besser werden.

Galen Low: Großartig! Ich habe tatsächlich eben ein paar LLMs ausprobiert und du hast völlig recht: Drei Tabs offen – zweimal kam die Vier, einmal die Sechs. Den Kontextprompt habe ich noch nicht ausprobiert, aber es passt absolut. Und, klar, keiner von uns ist Statistiker und hat da tiefgreifend geforscht, aber deine Schätzung von 40–50 Prozent teile ich. Es gibt noch sehr viele, die KI wie eine Google-Suchmaschine nutzen, mit einem simplen, vier- bis fünfwortigen Prompt – manchmal reicht das, oft aber eben nicht. Die Projekte, die wir führen, sind komplex, das Umfeld und die Erfahrung, die zwischen unseren Ohren sitzt, steht nicht im LLM-Trainingssatz...

Wenn wir das nicht mitgeben, bekommen wir generische Ergebnisse. Was ich an generativer KI liebe und gleichzeitig hasse: Sie ist so überzeugend. Alle wissen das – aber sie sieht so gut aus und überzeugt, bestätigt dich, und du rennst los. "Cool, das passt schon!" Man übernimmt es, auch wenn es eigentlich nur mittelmäßig ist.

Mashhood Ahmed: Ja. Ich habe einen Trick namens Persona-Wechsel. Lies deinen fertigen Report, Produkt-Charter, was auch immer, mit einer Persona-Wechsel-Question: „Lies diese E-Mail/das Dokument aus der Sicht einer unterstützenden oder ablehnenden Person“ – gib dazu noch etwas Kontext an.

Danach bekommst du eine andere Antwort. Nun entscheidest du: Dokument überarbeiten oder dich auf die Gegenfragen vorbereiten, etwa fürs Meeting oder fürs Plenum. So kannst du dich vorbereiten.

Das ist wichtig, denn als Projektleitende werden wir oft von vielen Dingen abgelenkt. Hier kann uns die KI helfen, die Perspektive zu wechseln. Zum Beispiel: CFO-Sicht – der nicht überzeugt ist, dass 1,4 Millionen Dollar nötig sind, um das Projekt zu retten. Total anderer Kontext.

Oft denkt man als Projektleitung gar nicht darüber nach – zu beschäftigt. Wenn die KI uns Routinearbeiten abnimmt, können wir uns auf kritisches Denken und das Stellen der richtigen Fragen konzentrieren. Genau das nenne ich den „inquisitiven Mindset“, und auf den kommen wir noch zu sprechen.

Galen Low: Großartig. Lass uns darüber sprechen, denn in vielerlei Hinsicht übernimmt die KI eben nicht die Arbeit, sondern hilft, Empathie für Stakeholder zu entwickeln und Überraschungen zu vermeiden. Man wird meist überrascht, wenn man nicht vorausgesehen hat, was andere denken könnten.

Darauf gehen wir später noch ein. Ich will kurz zurückzoomen: Du hast in deinen Vorträgen öfter das „Hochstapler-Syndrom“ erwähnt – für alle, die es nicht kennen: Das ist dieses Gefühl, die eigene Karriere nicht verdient zu haben und unverdient erfolgreich zu sein.

Mit Bezug auf KI ist das vielleicht nochmal anders. Was an KI löst dieses Syndrom aus und wie beeinflusst das unseren Zugang zur KI?

Mashhood Ahmed: Es gibt vieles, was das Hochstapler-Syndrom auslösen kann, das Gefühl „Ich komme nicht mit, ich versteh das nicht wie die anderen“. Erstens: Es ist unsichtbar. Man kennt normalerweise Input – Prozess – Output. Daran sind wir gewöhnt. Bei KI variiert der Prozess je nach Kontext und Prompt-Detail.

Es ist eine Blackbox und macht unsicher. Selbst ich bin manchmal verunsichert – in Live-Demos sind bei mir drei von zehn Durchgängen anders gelaufen als erwartet. Es läuft 10-mal richtig, aber dann eben nicht – das ist unangenehm.

Es ist eine Blackbox. Dann geht man auf LinkedIn und denkt, alle anderen machen das, aber viele machen es auch falsch. Ich lerne immer noch täglich dazu. Als Projektleitung ist man daran gewöhnt, alles im eigenen Projekt zu wissen: Wo ist das Risiko, was ist das Problem, was läuft mit dem Vendor falsch. Wird man ins Meeting gerufen, kennt man alle Details. Mit KI ist alles unsichtbar und das macht unsicher, weil wir eben nicht die Kontrolle haben.

Menschen wollen Kontrolle. Kontrollverlust zugunsten von Maschinen macht uns verrückt.

Hier kommt das Hochstapler-Syndrom her: Wir wissen nicht, was die KI genau macht, müssen alles prüfen und es verursacht oft mehr Arbeit als Nutzen – die Fragen, das Rauschen, all das, worüber wir noch sprechen.

Galen Low: Interessant, es sind also zwei Aspekte. Erstens, ganz klassisch: Man fühlt sich wie ein Betrüger, weil alle anderen scheinbar cleverer sind (LinkedIn ist ein absoluter Selbst-Zweifler, was KI angeht: "Sieben Fehler bei deinen Prompts", "Warum deine Agents immer versagen", ... Man denkt, macht alles falsch.) Zweitens: Die menschliche Neigung, Ergebnisse nicht zu kritisieren, weil diese so fertig aussehen – will man da inhaltlich rückkoppeln? Projektleitung erhält oft 98%-fertige Ergebnisse, ein Tag vor Deadline, wenn man jetzt noch Feedback gibt, schmeißt es wieder alles um.

Mit KI: Blackbox, scheinbar fertige Ergebnisse und mangelndes Selbstvertrauen. "Die KI ist doch schlauer; was weiß ich schon gegenüber einem System, das auf dem ganzen Internet basiert?"

Aber wie du sagst: Der blinde Fleck ist der Kontext! Die KI weiß nicht, was in Meetings gesagt wurde oder welcher Stakeholder gegen das Projekt ist. All das steckt im Kopf – und genau das ist wichtig für die Zusammenarbeit.

Mashhood Ahmed: Es gibt das alte Sprichwort: „Der Teufel steckt im Detail.“ Es sieht manchmal wie ein fertiges Produkt aus, aber die Details sind entscheidend. Als PM weißt du zum Beispiel: Die Transkription kann alles niederschreiben, aber du erkennst, wenn ein Stakeholder zwar zustimmt, aber eigentlich skeptisch ist.

Manchmal ist der wirkliche Entscheider auch eine andere Person (z.B. Analyst) – nicht der Director, der das Papier unterschreibt. Du musst dessen Vertrauen gewinnen. Das kommt alles aus Erfahrung und kritischem Denken.

Warum kritisches Denken heute wichtiger denn je ist: Du kennst interne Politik, die Leute, die Dynamik. Was bei dir funktioniert, muss noch lange nicht beim nächsten Unternehmen klappen. Es gibt Standard-Templates, Prozesse des PMI, aber wirklich kein Projekt ist je nach Kochbuch gelaufen. Es ist immer individuell und darauf kommt es an: „Was ist für mich relevant? Ich kenne mein Risiko, meine Stakeholder, mein Team.“ Oft steht die entscheidende Gefahr irgendwo unter Punkt 15 im Risikoregister, aber sie kann alles kippen. Das ist menschlicher Einblick.

Galen Low: Finde ich super! Genau das, glaube ich, müssen viele Projektleitungen hören, gerade die, die Teams führen, die ohnehin politisch und komplex arbeiten, oft mit Hochstapler-Gefühlen. Manche sind eher zufällig PM geworden, haben nie ein Lehrbuch 100% durchgezogen und glauben, sie improvisieren. Doch genau das ist der Mehrwert! Genau das ist der Kontext, der gebraucht wird.

Das ist eure Spezialität. KI ist ein Werkzeug, das zur Kooperation dient, um das eigene Wissen produktiv einzusetzen. Lass uns in das „Yin und Yang“ von Neugier und strategischer Hinterfragung einsteigen – den Schlüssel für erfolgreichen KI-Einsatz.

Vielleicht beginnen wir mit „Neugier“. Was bedeutet für dich eine neugierige Haltung – und weshalb ist sie für KI so wichtig?

Mashhood Ahmed: Früher galt das Mantra: „Daten sind Macht.“ Je mehr Daten, desto weiter voraus ist man technologisch. Heute denke ich: Das Gegenteil ist wahr. Zu viele Daten und zu viel Wissen können ein Fluch sein. Es geht um relevante Daten und relevante Informationen.

Alles findet man im Internet, generative KI hat alles gecrawlt. Man schreibt einen Prompt mit drei, vier Zeilen – und erhält fünf Seiten Text, die man studieren und herauspicken muss. Es gibt extrem viel Rauschen; das muss man erkennen.

Die strategische Hinterfragung besteht darin: „Was ist die relevanteste Frage, die ich der KI jetzt stellen sollte? Warum ist sie wichtig?“ Wenn man nicht die richtigen Fragen stellt, kommt von der KI immer ein Ja. Persönlichkeitswechsel machen: „Was passiert in dieser Situation? Was wäre, wenn...?“ All diese Was-Wäre-Wenn-Szenarien kosten Denkarbeit. Aus Erfahrung: Zwei oder drei Stunden konzentrierte Arbeit mit einer KI – ich bin platt. Dann brauche ich eine Pause.

Immer weiter Fragen stellen, sonst bekommt man Ja-Antworten und bleibt an der Oberfläche. Und dann gibt es diese Führungskräfte: Die stellen immer genau eine oder zwei Fragen, die wirklich ins Schwarze treffen. Wenn ich sie beantworten kann, habe ich Respekt gewonnen. Wenn nicht: "Mashhood ist nicht mein Lieblings-Projektleiter". Diese Leute steigen auf, weil sie in entscheidenden Momenten die richtige Frage stellen.

Jetzt ist es wichtiger denn je, die richtige Frage zu stellen – weil die KI alles andere übernehmen kann. Stellt man die richtigen Fragen, kann man das Beste aus ihr herausholen. Was macht man mit den Informationen im Report? Änderst du irgendwas? Wenn nicht: Warum liest du ihn dann? Wer wirkliche Verbesserung will, gräbt tiefer. Überlegt in euren Meetings: Welche Kernfragen müsste ich stellen? Falls keine, dann sagt das Meeting doch ab. Niemand liebt Meetings.

Galen Low: Das gefällt mir. Könnten wir ein Szenario dazu durchgehen? Denn die Fähigkeit, bessere Fragen zu stellen, ist entscheidend und oft schwer zu greifen: Manche führen lange Dialoge mit dem LLM – was könnte man da fragen?

Mashhood Ahmed: Typische Fragen: Ich arbeite an einem neuen Projekt? Dann gebe ich der KI Zugang zu meinen Dokumenten (z. B. via Copilot – viele Unternehmen haben den, aber nutzen ihn nicht effizient). Begrenze den Zugang, dann frage: „Was ist unvollständig? Wo sind Lücken? Wo gibt es Widersprüche? Was könnten andere kritisieren?“ Persona-Wechsel: „Was würde der CFO fragen?“ (Dem ist egal, ob das Projekt im Zeitplan liegt – ihn interessiert das Budget). Business Owner/Wirtschaftliche Leitung? Hauptsache, der Go-Live-Termin wird gehalten. CIO? Datensicherheit!

Jeder hat andere Perspektiven. Das hilft auch beim Persona-Wechsel. Beispiel: Ich entwickle gerade neuen Content, frage die KI gezielt nach Widersprüchen oder Redundanzen. Man neigt dazu, zu wiederholen – manchmal sinnvoll, manchmal zu viel.

Eine weitere Technik: Lass die KI ein Interview mit dir führen – stelle mir Fragen eine nach der anderen. Grund: Halluzinationen entstehen durch fehlenden Kontext. Die KI trifft Annahmen – wenn die stimmen, ist das Ergebnis toll, wenn nicht, kommt Blödsinn raus.

Wir müssen KI trainieren wie einen Praktikanten: Einsteiger, klug, aber noch unerfahren. Prompt: „Stelle mir nacheinander Rückfragen.“ Sonst stellt die KI vier Fragen auf einmal und nimmt an, du beantwortest sie alle, dabei antwortest du nur auf eine. Gehst du aber einzeln vor, steigen Qualität und Wert der Antworten erheblich.

Wichtig ist außerdem: Rahmen/Constraints setzen. Menschen sind großartig darin, sich To-dos zu merken, aber schlecht im „Was darf ich nicht tun“-Listen. Beim Scrollen in Social Media wissen wir, dass es schlecht ist, wir tun es dennoch. Selten führen wir „Not-To-Do“-Listen. Doch im KI-Zeitalter braucht es das: Gib deiner KI auch Vorgaben, was sie keinesfalls tun soll.

Auch Constraint-Stacking erwähnte ich: „Antwort in drei Bulletpoints“, „Antworte in einer Tabelle mit fünf Spalten“, „Antwort in 50/200/1000 Wörtern“. Ich bevorzuge kleine Häppchen und baue dann darauf auf.

Copilot hat ein Feature "Lass mich editieren", damit kann man Word- oder PowerPoint-Dokumente gezielt ändern lassen. Nicht blind freigeben – immer genau anweisen, sonst weiß man nicht, was verändert wird. Am Ende steht dein Name auf dem Report! Die KI warnt: „Von KI generiert, bitte überprüfen.“ Das kannst du bei einem Bericht mit deinem Namen nicht drunterschreiben.

Der Mensch bleibt also nötig – auch bei agentischer KI braucht es an Gates und Stationen manuelles Prüfen.

Galen Low: Kommen wir zum strategischen Hinterfragen. Vorab noch: Die Neugier, gute Fragen zu stellen, ist auch Lernen. Wir wollen Dinge schnell erledigen („KI sollte alles in 15 Minuten schaffen/uns schneller machen“), aber was du beschreibst, ist ein Lernprozess: Mehr Kontext einbeziehen, nach Lücken suchen, anders feedbacken. Menschen achten oft nicht auf das, was fehlt, sondern nur auf das, was da ist.

Wenn du biefst: "Tu diese Dinge NICHT", schaffst du Rahmenbedingungen. Kleine Schritte, Häppchen, das baut auf. Es geht also nicht um schnelleres Abarbeiten, sondern um Lernen und Kontext.

Eine Frage: Verrätst du deinem LLM diese Nuancen? Zum Beispiel: "Der Stakeholder sagt Ja, meint aber eigentlich Nein; der Entscheider sitzt ganz woanders."

Mashhood Ahmed: Ja! Im PMP-Vorbereitungskurs lernen wir das Influencer-Grid. Ich rate, für jedes Projekt Stakeholder-Personas zu bauen. Man kann die Meeting-Transkription analysieren lassen: "Was weiß ich über diese Person?" Validieren, abspeichern, dann beim Persona-Wechsel verwenden: "Das ist mein Sponsor, analysiere das Gespräch – welcher Persönlichkeitstyp ist er/sie?" Das ist wie DISC-Profiling per KI. Immer weiter trainieren, dann wird die KI darin besser.

Galen Low: Spannender Ansatz. Ich selbst würde das nie manuell durch Meeting-Transkripte machen, dazu fehlt mir die Zeit. Aber die KI kann diese Arbeit leisten und daraus Empfehlungen ableiten – das beeinflusst wiederum meine Entscheidungen und die KI-Entscheidungen. Super Überleitung zur strategischen Hinterfragung!

Ihr seid als Mensch verantwortlich – ein Disclaimer wie „kann Fehler enthalten“ zieht bei der eigenen Arbeit eben nicht. Also: Was bedeutet es, strategisch zu hinterfragen? Wie ergänzt das die neugierige Haltung?

Mashhood Ahmed: Es passt perfekt zusammen. Strategie bedeutet: Fokussierung, Wesentliches erkennen, Lärm ausblenden. In einer Strategie gibt es meist 3–5 Punkte, weil das menschliche Gehirn das aufnehmen kann.

Was ist in diesem Kontext wirklich wichtig – was ist unwichtig, was ist nur Rauschen? KI kann die Fleißarbeit übernehmen, aber du sortierst, was in Dokument, Knowledge Bank, Stakeholder-Persona gehört oder im Meeting taugt. Du stehst vor dem Board, präsentierst, KI tut es nicht.

Zwei Projekte? Unterschiedliche Fragen. Entscheidend: Was ist jetzt die richtige Frage? Das ist heute die wichtigste Fähigkeit. KI kann fast alles, aber nutzt du das zum richtigen Zeitpunkt für das Richtige?

Galen Low: Interessant: Man könnte fast den Begriff KI durch „direkte Mitarbeitende“ ersetzen, und es würde vieles weiter stimmen. Wir investieren derzeit mehr Energie in Kontexterklärung und Feedback bei Maschinen als bei Menschen – dabei hätte es beiden geholfen, Details und Nuancen mitzuteilen.

Du unterstützt Organisationen, diese Fähigkeiten zu entwickeln: neugierig Fragen stellen, Outputs hinterfragen, strategisch auswählen. Gibst du der KI Feedback dazu („Danke für diese Antwort, das kommt nicht in die Folien, weil…“), oder entscheidest du selbst und trainierst sie nicht weiter? Und wie holst du Teams ab, die noch nicht in der Lage sind, diese Fragen zu stellen und die Ergebnisse zu hinterfragen?

Mashhood Ahmed: Gute Frage! Erstens: Man sollte der KI immer Feedback geben. Wir sollten die Begriffe System Prompt, Custom Instructions und Memory kennen (nicht im Detail hier, einfach mal googeln). In Copilot, ChatGPT oder Claude kannst du diese Einstellungen nutzen und Regeln definieren. Dennoch passieren Fehler – du brauchst ein gutes Auge und musst das trainieren.

Zweitens: Skepsis im Team – das gab es schon beim Internet vor 25, 30 Jahren. Manche sagten: "Ich weiß, wo alles im Lager liegt", aber wenn sie urlauben, läuft nichts. Damals kam die Online-Datenbank. Und jetzt? Die gleiche Frage: "Ist mein Job gefährdet?" Antwort: Jein. Jobs verändern sich – die IT-Welt von heute gab es vor 15 Jahren nicht. Cloud-Engineer? Ein neuer Beruf. Früher dauerte der Aufbau eines Rechenzentrums Monate, heute wenige Tage mit AWS/Azure.

Das Entscheidende: Die Projekte von morgen sind nicht die von heute. Wie bleibt man wettbewerbsfähig? Indem man lernt, eigene blinde Flecken und Tool-Schwächen zu erkennen. KI-Modelle entwickeln sich weiter (Stichwort Prompt/Model-Drift). Man braucht immer einen kritischen Blick – heute mehr denn je, bei all dem Rauschen. Prompt mit fünf Zeilen – ein Bericht mit sieben Seiten, Lesezeit mind. 25–30 Minuten. Korrigiere ich alles, kostet es den ganzen Tag. Also: Bleib kritisch und aufmerksam.

Galen Low: Sehr interessant. Darf ich dich um eine kurze Geschichte bitten, sozusagen von Anfang bis Ende? Wie erkennst du Teams, die noch generisch arbeiten, und wie bringst du sie in Strategien neugieriger Fragen und kritischer Hinterfragung – was ändert sich?

Mashhood Ahmed: Am besten zeigt man ihnen ganz einfache Experimente – wie am Anfang den Würfeltest. Das wirkt manchmal fast wie Magie, ist aber nur Statistik und Mustererkennung der KI.

Wie bringe ich Teams voran? Es gibt intern KI-Champions – die sollten eingebunden werden. Sie leiten kleine Workshops oder Lunch & Learn-Sessions. Einfach, nicht zu komplex. Gerade führe ich für eine US-Universität eine KI-Enablement-Beratung durch: Wir vermitteln die Basics, einfache Prompts, Grundverständnis. Feedback: 70% fühlen sich nach einer Zwei-Stunden-Session sicherer, die Weiterempfehlungsrate liegt bei 90%.

Warum? Weil wir das Niveau der KollegInnen wie Suzy aus HR oder Dan aus dem Einkauf aufgreifen. Kein zu komplexer Einstieg. Kleine Schritte, Feedback aufnehmen – z.B. via kurzer Umfrage. Die Admins sollten den Copilot-Einsatz beobachten, Nutzungsdaten und Kosten kontrollieren.

Galen Low: Richtig.

Mashhood Ahmed: Denn ein hoher Nutzungsgrad kann das Limit sprengen und teuer werden – auf Governance und Policies achten! Oft entstehen Negativbeispiele (wie bei Air Canada und dem Chatbot, der eigenmächtig Rabatte vergibt), weil es an klaren Vorgaben fehlt. Also: Erst überlegen, „Was kann schiefgehen?“, restriktiv starten und die Teams individuell entwickeln lassen. Jedes Unternehmen, jedes Problem ist anders – also langsam, in kleinen Schritten starten.

Galen Low: Das finde ich gelungen: Balance finden, gemeinsam trainieren, sich als Team weiterentwickeln – das nimmt den Druck des Hochstapler-Syndroms weg. Die Kombination aus Neugier und kritischer Hinterfragung fördert auch unser eigenes Lernen. Das braucht Zeit, aber erzeugt Selbstvertrauen und bessere Ergebnisse, die unseren Jobwert zeigen. KI ist in manchen Dingen stark – in anderen nicht. Das Gleichgewicht entscheidet.

Mashhood Ahmed: Absolut. In einem früheren Vortrag über KI habe ich stets betont: Wichtigster Skill ist das Verlernen und Neulernen.

Wir halten an alten Gewohnheiten fest – wie oft wird gesagt: „Wir machen das seit zwanzig Jahren so.“ Das ist klassische Change-Management-Aufgabe. Aber vor allem steckt dahinter: Verlernen können! Was vor zehn oder fünfzehn Jahren geholfen hat, ist aktuell nutzlos. Also: Welche Skills brauche ich künftig? Es gibt Leute, die offen sind, andere weniger – so ist das Leben. Mein Vater ist Architekt, als AutoCAD kam, hat er es nicht anfassen wollen, sondern einen jungen Kollegen damit beauftragt. Heute passiert ähnliches: Manche steigen ein, andere nicht. Entscheidend: Was muss ich verlernen, was sollte ich lernen? Das ist schwer. Wer Lust hat, liest am besten ein Buch über Gewohnheiten.

Galen Low: Das gefällt mir sehr: Vieles dreht sich um „negativen Raum“: nicht nur um das, was da ist, sondern das, was fehlt. Nicht nur um das, was wir gefragt haben, sondern um das, was wir NICHT gefragt haben; nicht nur ums Lernen, sondern ums Verlernen. Ein zentrales Thema ist kritisches Denken – viele warnen davor, dass wir das im KI-Zeitalter verlernen. KI nimmt uns Versuch und Irrtum ab – oft fehlt dann die Motivation, kritisch nachzudenken oder neugierig zu bleiben. Dabei ist das genau die Chance, besser zu werden, wie die leitenden Persönlichkeiten im Raum, mit „dem Auge“ für Details und dem Mut zur Verantwortung.

Mashhood Ahmed: Richtig. Im Kontext Risikomanagement mit KI: Übermäßiges Verlassen auf KI schadet unserer kognitiven Problemlösungsfähigkeit. Das sind Grundfähigkeiten, die kein MBA vermittelt – man muss sie frühzeitig entwickeln, schon bevor Kinder in die Schule kommen. Wie denkt man kritisch, wie erkennt man Lücken, wie agiert man bewusst? Das hat nichts mit Technik zu tun – sondern mit Beziehung und Eigenverantwortung. Leider verlassen sich zu viele auf KI; selbst ich habe schon versehentlich KI-generierte Sätze in LinkedIn-Posts stehen lassen.

Galen Low: Richtig.

Mashhood Ahmed: Solche Fehler passieren. Wichtig ist die Reflexion und Korrektur, denn der eigene Ruf steht auf dem Spiel. Was bringe ich an Wert ein, das eine KI nie leisten kann?

Galen Low: Schönes Schlusswort. Eine letzte, knifflige Frage: Was hast du persönlich verlernt?

Mashhood Ahmed: Akzeptieren, dass die KI Dinge kann, die ich früher getan habe, sogar besser. Englisch ist nicht meine Muttersprache – früher habe ich viele Fehler gemacht, hatte bis vor kurzem ein Grammarly-Abo. Jetzt: Akzeptieren, die eigenen Grenzen zu sehen und nicht zwanghaft zu verbessern. Man kann Prompts formulieren: „Das ist mein Schreibstil, bitte beachte ihn!“ – aber stets prüfen. Es geht darum, Unbequemes zu akzeptieren, Schritt für Schritt zu lernen, zu verlernen, zu hinterfragen – was ist für meinen Fall relevant? Das sind die Skills, die ich am wichtigsten finde.

Galen Low: Auch das: Sich davon lösen, als Mensch überall der Beste sein zu „müssen“.

Mashhood Ahmed: Definitiv.

Galen Low: Großartig. Mashhood, danke für deine Zeit heute – es war sehr bereichernd. Wer mehr über dich erfahren möchte – wo findet man dich?

Mashhood Ahmed: Sucht meinen Namen auf LinkedIn. Da findet ihr mich – einfach vernetzen. Ich mache dort regelmäßig Posts. Meine Website ist mashhood.net. Am besten folgt ihr mir bei LinkedIn. Ich poste auch ab und zu bei TikTok, aber nicht regelmäßig – wenn ihr mich dort findet, gern abonnieren.

Und schaut gern meine kurzen Videos von Konferenzen und Podcasts an – dort gibt's Snacks für die Praxis.

Galen Low: Perfekt! Die Links zu LinkedIn, TikTok und Website gibt es in den Show Notes.

Vielen Dank nochmal für das tolle Gespräch.

Mashhood Ahmed: Danke dir, ich freue mich schon auf die Veröffentlichung.

Galen Low: Das war's mit der heutigen Folge des Digital Project Manager Podcasts! Wenn euch das Gespräch gefallen hat, abonniert uns, wo immer ihr hört. Noch mehr Insights, Best Practices und Playbooks gibt's kostenlos auf thedigitalprojectmanager.com.

Bis zum nächsten Mal – danke fürs Zuhören.