Warum kluge Menschen von KI nur generische Ergebnisse bekommen

Galen Low: Seien wir ehrlich, wir sind alle müde davon, Ergebnisse, Berichte und Status-Updates zu überprüfen, die alle nach generischer KI klingen. Es ist zwar leicht, der Technologie die Schuld zu geben und es dabei zu belassen, aber es steckt mehr dahinter. Die meisten Menschen erhalten von KI generische Ergebnisse, weil sie generische Fragen stellen. Und die meisten Menschen stellen generische Fragen, weil sie entweder nicht verstehen, wie die Technologie funktioniert, nicht das Selbstvertrauen haben, KI herauszufordern, oder sich unter ihren Kollegen wie ein Hochstapler fühlen – oder manchmal alles davon.

Dadurch verlieren viele Menschen die Fähigkeiten, die wir gerade jetzt am dringendsten brauchen: Neugier und die Fähigkeit, kritisch zu denken. Um uns dabei in unseren Teams zu helfen, habe ich einen KI-Experten und Pädagogen eingeladen, der mit aller Macht dafür sorgt, dass das Imposter-Syndrom, schwache Prompts und generische KI-Ausgaben der Vergangenheit angehören. Damit das, was Menschen einbringen, wieder im Mittelpunkt steht. Ich hoffe, euch gefällt die Episode.

Willkommen beim Podcast für digitale Projektmanager – der Show, die Führungskräfte im Delivery smarter arbeiten lässt, für reibungslosere Abläufe sorgt und Teams mit Selbstvertrauen durch das Zeitalter der KI führt. Ich bin Galen, und jede Woche tauchen wir in praxisnahe Strategien, neue Trends, bewährte Frameworks und gelegentlich eine Kriegsgeschichte von der Projekt-Front ein. Ob ihr riesige Transformationsprojekte steuert, KI-Workflows bändigt oder einfach nur das Chaos im Griff behalten wollt – ihr seid hier richtig. Los geht’s.

Heute sprechen wir über das Imposter-Syndrom rund um KI – wie es unsere Teams subtil und auch ganz offensichtlich zurückhält und welche praktischen Schritte wir unternehmen können, um das Gleichgewicht zwischen Neugier und gezieltem, strategischem Hinterfragen der KI-Ergebnisse zu finden.

Wir gehen einen praxisnahen Rahmen durch, wie wir unsere Teams dazu bringen, bessere Fragen zu stellen und die Resultate kritisch zu bewerten – und welche Auswirkungen das auf die gesamte KI-Strategie eines Unternehmens haben kann. Außerdem sprechen wir über Kompetenzabbau und wie wir Teams in einer sich verändernden Welt weiterqualifizieren.

Heute bei mir ist Mashhood Ahmed, Consulting Project Director bei M1 Consultants. Mashhood hilft Unternehmen, Programme zur Generativen KI-Einführung zu entwickeln, die messbare Wirkung zeigen. Mit einem bewährten vierstufigen GenAI-Adoptions-Framework, das organisationsweite KI-Kompetenz, abteilungsspezifische Workflows, agentische Automatisierung und Trainingsprogramme abdeckt, hilft Mashhood Teams, KI so einzuführen, dass menschliche Kreativität im Mittelpunkt steht.

Um das alles zu ermöglichen, bringt Mashhood über 20 Jahre Erfahrung in Programm-, Projekt- und Veränderungsmanagement ein. Für ihn ist KI mehr als nur ein Werkzeug – es geht darum, KI in die Arbeitsabläufe einzubetten.

Mashhood, vielen Dank, dass du heute hier bei mir bist.

Mashhood Ahmed: Vielen Dank. Schön, hier zu sein.

Galen Low: Ich freue mich richtig darauf, einzusteigen.

Ich habe ein paar deiner Vorträge zu diesem Thema gehört und finde, dass der Ansatz wirklich ausgewogen ist. Deine Sichtweise zur KI-Implementierung und darauf, wie wir sie in unsere Arbeit integrieren, hat wirklich mit mir resoniert. Deshalb freue ich mich sehr, heute tiefer einzusteigen.

Du hast natürlich öfter schon mit uns beim „Digital Project Manager“ zusammengearbeitet. Deine Botschaft hat immer Wirkung. Deshalb dachte ich, wir fangen mit einer großen, haarigen Frage an und schauen dann, wohin das Gespräch führt. Unterwegs möchte ich gerne auf folgende Fragen eingehen: Was heißt es, eine neugierige Haltung gegenüber KI zu haben und warum ist das wichtig? Welche Schritte können wir mit unseren Teams gehen, um Neugier und strategisches Hinterfragen der KI-Ausgaben auszubalancieren? Und vor allem: Was steht für die Zukunft der KI-Technologie auf dem Spiel, wenn unsere Teams weiterhin nur oberflächliche Fragen stellen und generische Ergebnisse ungeprüft akzeptieren?

War jetzt viel, aber wie klingt das?

Mashhood Ahmed: Klingt perfekt.

Galen Low: Super. Dann lass uns loslegen. Ich stelle dir jetzt erstmal eine eher breite Frage, weil du mit vielen Unternehmen arbeitest, um ihnen KI-Kompetenz zu vermitteln und sie beim Aufbau neuer Arbeitsweisen unterstützt.

Ich habe dich öfter darüber sprechen hören, dass Leute generische Fragen stellen, generische Antworten erhalten und diese dann einfach übernehmen. Deshalb möchte ich dich fragen: Wenn du schätzen müsstest, wie groß der Anteil der Menschen ist, die KI im beruflichen Umfeld nutzen, aber nur durchschnittliche, generische Ergebnisse bekommen und denken, das sei das Maximum, was herauszuholen ist?

Mashhood Ahmed: Ja, das ist eine sehr gute Frage. Wieviel Prozent der Menschen nutzen KI generisch und bekommen dementsprechend generische Antworten? Ich würde schätzen etwa 40 bis 50 Prozent. Ich mache mit eurem Publikum gerne einen kleinen Test, um zu zeigen, was ich mit einer generischen KI-Antwort meine. Die meisten von uns haben irgendwann im Leben schon mal ein Würfelspiel gespielt.

Ich mache dazu immer ein Experiment: Öffnet Copilot in einem Tab, in einem anderen ChatGPT, in einem dritten Gemini, dann vielleicht noch ein anderes Tool.

Geht rein, testet ruhig vier oder fünf Tools. Meistens mache ich das in einem großen Raum mit nur einem Tool, aber probiert es ruhig mit mehreren – dann macht ihr die Erfahrung selbst. Gebt folgenden Prompt ein: "Würfle für mich mit einem sechsseitigen Würfel." In den meisten Generativen KI-Systemen bekommt ihr dann als Antwort die Zahl Vier.

Wie gesagt, ich habe das mit hunderten Menschen ausprobiert. 85 bis 90 % bekommen dabei in der Regel die vier. Es gibt hier und da Ausnahmen. Ich habe Rückmeldungen zu ChatGPT, Gemini, Claude, Groq, Perplexity und anderen. Alle machen sie denselben „Fehler“.

Was passiert? Jedes Mal, wenn ihr die KI bittet, einen Würfel zu werfen, weiß sie eigentlich nicht, wie ein Würfelwurf funktioniert. Statistiker und Mathematiker haben das Modell so trainiert, dass, wenn es einen Würfelwurf simulieren soll, es die Werte von eins bis sechs nimmt, davon den Durchschnitt bildet, eventuell aufrundet – und das als Antwort zurückgibt.

Das ergibt durchschnittlich 3,5, aufgerundet ergibt das vier. Darum bekommt ihr in 80 bis 90 % der Fälle die Antwort vier. Jetzt macht folgendes Experiment: Gebt im selben Chatfenster einen neuen Prompt ein: "Würfle für mich mit einem sechsseitigen Würfel, wobei jede Seite die gleiche Wahrscheinlichkeit haben soll", oder macht absichtlich eine Bemerkung wie: „Ich will unbedingt die höchste oder tiefste Zahl“, etwas Ausgefallenes also.

Ich habe schon die verrücktesten Prompts erlebt. Ihr werdet sehen: Dann werden die Antworten viel ausgeglichener, weil ihr die KI zu einem richtig durchgemischten Würfel zwingt. Das zeigt euch: Wenn ihr eine generische Frage stellt wie „Würfle mit einem sechsseitigen Würfel“, bekommt ihr zu 80 bis 90 % die vier.

Der Grund: KI versteht den Kontext nicht. Sie kennt nicht euer Projekt, euren Kontext, euer Urteilsvermögen, so wie wir Menschen es tun. Deshalb ist es so wichtig, euren Prompts und Agenten möglichst viel Kontext und Rahmenbedingungen (Guardrails) zu geben, um gute Antworten zu erhalten.

Galen Low: Das gefällt mir. Tatsächlich habe ich gerade mehrere LLMs geöffnet, und du hast recht: Zwei davon haben die vier geworfen, einer die sechs. Ich bin noch nicht auf die Kontext-Variante eingegangen, aber das ist sehr treffend. Natürlich: Weder du noch ich haben tiefgreifend dazu geforscht, und wir sind auch keine Statistiker.

Aber der Bereich 40, 50 Prozent, den du nennst, kommt mir sinnvoll vor. Viele Menschen nutzen KI immer noch wie eine Google-Suche: Einfach ein kurzer Prompt mit vier, fünf Wörtern. Das kann manchmal reichen, ist aber oft zu wenig. Ich stimme zu: Angesichts der Komplexität unserer Projekte brauchen wir mehr Kontext. Vieles von unserem Wissen steht ja gar nicht im Modell.

Wenn wir das nicht zufügen, bekommen wir generische Resultate. Was ich liebe und gleichzeitig hasse an generativer KI: Sie klingt so überzeugend! Und Menschen veröffentlichen das. Das ist nichts Neues. Aber es sieht so gut und überzeugend aus, dass man es unüberprüft durchwinkt.

Man denkt: „Super, erledigt.“ Das ist besser formuliert, als ich es je gekonnt hätte – also nehme ich es einfach. Wir werden noch über die Gründe dafür sprechen. Aber das andere ist: Es sieht immer überzeugend aus – selbst wenn es Mittelmaß ist.

Mashhood Ahmed: Ja. Ich nutze einen Trick namens Persona-Wechsel. Dabei macht ihr etwa Folgendes: Bericht oder E-Mail liegt vor, dann bringt ihr einen Persona-Wechsel, etwa mit dem Prompt: „Lies diese E-Mail/diesen Bericht aus der Sicht dieser Person, die das Projekt befürwortet oder ablehnt“, ggf. mit Kontext zu dieser Person.

Dann bekommt ihr die Antwort und überlegt: Spreche ich das nochmal an, bereite ich mich auf Gegenfragen vor? Zum Beispiel, falls mich später jemand im Vorstand oder in großer Runde dazu befragt.

Das ist wichtig, weil wir im Projektalltag viel übersehen vor lauter Lärm. KI kann uns helfen, die Perspektive zu wechseln, etwa auf den CFO, der nicht überzeugt ist, 1,4 Millionen für ein Rettungsprojekt auszugeben. Das ist ein anderer Kontext.

Manchmal denken wir als Projektmanager gar nicht daran, weil wir beschäftigt sind. Aber: Wenn KI uns Routineaufgaben abnimmt, können wir uns auf kritisches Denken und die richtigen Fragen konzentrieren. Ich nenne das neugierige, forschende Haltung – und das besprechen wir heute.

Galen Low: Super. Lass uns darauf eingehen. Ich mag den Ansatz, denn: Es geht nicht darum, die Arbeit für uns zu machen, sondern Empathie für Stakeholder zu entwickeln, damit uns nichts überrascht. Überrumpelt werden wir oft, weil wir die Denkweise anderer nicht antizipiert haben.

Darüber sprechen wir gleich, aber ich möchte zuvor noch eine Stufe zurücktreten. Ich habe bei dir den Begriff „Imposter-Syndrom“ gelesen und gehört. Für alle, die es nicht kennen: Das beschreibt das Gefühl, anderen etwas vorzumachen und Erfolge nicht verdient zu haben.

Im KI-Kontext ist das etwas anders. Meine Frage an dich: Was genau triggert das Imposter-Syndrom beim Thema KI und wie beeinflusst das unseren Umgang damit?

Mashhood Ahmed: Da gibt es viele Aspekte, durch die das Imposter-Syndrom ausgelöst wird, etwa das Gefühl, nicht mitzukommen.

Man denkt: Ich verstehe es nicht so gut; alle anderen bekommen es hin. Erstens: Es ist unsichtbar. Wir sind gewöhnt: Input, Prozess, Output. Das ist unser Arbeitsleben: Man gibt Input, es wird verarbeitet, und wir verstehen den Prozess. Im KI-Zeitalter variiert der Prozess je nach Kontext und Prompt, den man gibt.

Es wird zur Black-Box und macht uns unsicher. Auch mir ist das manchmal unangenehm – in Live-Demos haben drei von vier nicht wie erwartet funktioniert. 10 Mal klappt es, einmal nicht – das macht einen nervös.

Eine unsichtbare Box. Zudem: Auf LinkedIn und anderen Plattformen scheint es, als würden alle anderen es perfekt machen – aber kaum einer macht es wirklich richtig. Ich lerne auch jeden Tag dazu. Außerdem sind wir als Projektmanager gewohnt, alles im Blick zu haben: Risiken, Probleme mit Lieferanten etc. Werden wir in ein Meeting geholt, wissen wir stets, was mit den Stakeholdern los ist. Aber bei KI ist vieles unsichtbar – und das gibt die Kontrolle ab.

Menschen lieben Kontrolle. Wir sind regelrechte Kontrollfreaks. Wenn die Kontrolle an Maschinen geht, macht uns das Angst.

Da entsteht das Imposter-Syndrom, weil wir nicht wissen, wie die Maschine reagiert. Wir müssen alles prüfen, und das erzeugt viel Zusatzarbeit.

Oft entsteht mehr Aufwand als Nutzen – Stichwort Lärm. Darüber sprechen wir heute noch ausführlich.

Galen Low: Das ist spannend, denn es gibt zwei Seiten. Erstens: Das klassische Stereotyp des Imposter-Syndroms – sich wie ein Betrüger fühlen, weil alle scheinbar viel besser sind. LinkedIn ist meiner Meinung nach der schlechteste Ort, um Selbstvertrauen in puncto KI zu gewinnen. Dort heißt es: „Sieben Fehler in deinen Prompts“, „Warum deine Agenten scheitern“. Da denkt man schnell: „Ich mache alles falsch – ich bin schlecht.“ Zweitens: Was du schon gesagt hast – es ist leicht, sich von den KI-Ergebnissen blenden zu lassen. Zusätzlich diese menschliche Eigenschaft: „Wenn ich jetzt noch Feedback gebe, obwohl es aussieht wie ein fertiges Produkt, dann bringe ich Unruhe ins System.“

Hier im KI-Fall: A) Black Box, B) sieht fertig aus, und C) fehlt das Selbstvertrauen, es trotzdem zu hinterfragen: „KI ist wohl klüger als ich. Die weiß das sicher besser als ich, schließlich ist sie auf Daten von fast der gesamten Menschheitsgeschichte trainiert.“

Was ich weiß, ist dagegen wenig – aber genau da liegt der blinde Fleck der KI: Kontext. Sie weiß nicht, was im Meeting besprochen wurde, welche/r Stakeholder gegen ein Projekt ist etc. Viele Dinge trägt nur der Mensch im Kopf – darum ist diese Partnerschaft so wichtig.

Mashhood Ahmed: Mir fällt dazu der alte Spruch ein: „Der Teufel steckt im Detail.“ Es sieht oft fertig aus, aber die kritischen Details fehlen. Als Projektleiter weißt du zum Beispiel, dass der Stakeholder, der Ja gesagt hat, eigentlich vielleicht meint.

Er steht nicht wirklich hinter der Idee oder dem Projekt. Oder: Die Person mit zeichnungsberechtigtem Titel unterschreibt, aber um wirklich etwas bewegt zu bekommen, brauchst du das Commitment vom Analysten oder ähnlichen – ein indirekter Stakeholder. Das erkennst du durch Erfahrung und kritisches Denken.

Deshalb ist kritisches Denken heute wichtiger denn je. Du verstehst die Politik, die Personen, die Dynamik. Was in deiner Organisation funktioniert, klappt woanders nicht. Es gibt PMOs, PM-Vorlagen, und PMI gibt viele Richtlinien vor.

Doch kein einziges Projekt, das ich gemacht habe, lief komplett nach einem Schema. Es ist immer situativ und individuell. Da kommt der Mensch ins Spiel: „Das ist in meiner Situation relevant und anwendbar. Ich verstehe meine Stakeholder, Sponsoren, Team, Risiken.“ Viele Risiken stehen irgendwo in der Risikoliste als Punkt 14 oder 15, sind aber die entscheidenden. Das ist die menschliche Erfahrung.

Galen Low: Genau das – das müssen viele Projektmanager hören. Und wenn du Teams mit Projektleitenden führst, ist das eine ohnehin politische, komplexe Rolle mit viel Imposter-Syndrom. Viele rutschen zufällig in diese Rolle und haben das Gefühl, alles „aus dem Bauch“ und nicht lehrbuchmäßig zu machen. Doch gerade das, was du gesagt hast, ist der eigentliche Wert: Dein Spezialwissen ist der Kontext, und KI ist das Werkzeug zur Zusammenarbeit. So kannst du produktiver werden – vielleicht sogar produktiver, als du es dir gedacht hättest. Lass uns tiefer einsteigen – das Yin-Yang zwischen Neugier und strategischem Hinterfragen, das ist der Schlüssel für effektiven KI-Einsatz.

Beginnen wir mit dem neugierigen Teil: Was bedeutet es für dich, ein neugieriges Mindset zu haben – und warum ist das bei KI wichtig?

Mashhood Ahmed: Früher galt: Wissen ist Macht, Daten sind Macht. Wer die meisten Daten hat, ist technologisch vorn.

Ich glaube, heute ist das Gegenteil richtig: Zu viele Daten und Wissen können auch Fluch sein. Relevante Information ist entscheidend. Ich kann heute fast alle Daten im Internet finden – generative KI hat das alles gescannt. Gibst du einen Prompt mit drei, vier Sätzen ein, bekommst du fünf Seiten Text, die du lesen und die wichtigsten Punkte herausfiltern musst. Viel Lärm – Noise.

Im Kern stellt sich die Frage: Was ist die relevanteste Frage an die KI? Und warum ist diese wichtig? Denn stellst du nicht die richtige Frage, stimmt dir die KI einfach zu. Sie gibt dir immer ein Ja. Durch Persona-Wechsel kannst du z.B. sagen: „Betrachte es jetzt aus der Sicht dieser Person“ und arbeitest mit „Was-wäre-wenn“-Szenarien.

All diese Überlegungen brauchen kognitive Kraft. Nach zwei, drei Stunden intensiver Arbeit mit generativen KIs bin ich wirklich erschöpft.

Das ist anstrengend! Zwei Stunden volle Konzentration mit Gen-KI, dann brauche ich Pause. Wichtig: Frag immer weiter. Wenn du die richtige Frage nicht stellst, kriegst du nur Bestätigung. Als Projektmanager kennst du viele kritische Stakeholder. Die Führungskräfte, die wirklich Eindruck machen, sind oft die, die mit nur einer gezielten Frage wirklich in die Tiefe gehen. Antwortest du überzeugend, hast du viel gewonnen. Tust du es nicht, bist du aus dem Rennen.

Diese Spitzenkräfte kommen deshalb weiter, weil sie zur richtigen Zeit die richtige Frage stellen. Im Zeitalter der KI ist das noch kritischer, denn die KI nimmt dir viel Arbeit ab – aber bist du in der Lage, genau das Richtige zu fragen und darauf strategisch zu reagieren?

Was machst du aus dem Bericht, den du erhältst? Änderst du hinterher etwas? Oder ist es nur ein weiteres Dokument für die Ablage? Die entscheidenden Fragen sind die, die wirklich einen Unterschied machen. Ich rate allen, die zuhören: Überlege dir für dein nächstes Meeting, was wirklich tiefe, relevante Fragen sind. Wenn es keine gibt, dann sage das Meeting lieber ab – die meisten hassen sowieso Meetings.

Galen Low: Sehr gut. Können wir – für alle, die jetzt ihren Gedanken nachgehangen haben – ein Szenario gemeinsam durchspielen, wie das funktioniert? Ich finde den Ansatz des besseren Fragens super. Und dass erfolgreiche Führungskräfte oft einfach zur richtigen Zeit die richtigen Fragen stellen. Du hast vom längeren Dialog mit einer LLM gesprochen – vielleicht sitzen nicht alle Zuhörer stundenlang am Stück davor, aber auch 30, 45 Minuten tiefes Nachfragen mit der KI bringt viel. Magst du ein Beispiel-Szenario erläutern, wie du dabei vorgehst?

Mashhood Ahmed: Angenommen, ich arbeite an einem neuen Projekt. Dann gebe ich der KI Zugang zu meinen Dokumenten – etwa mit Copilot in Office. Viele Firmen haben Copilot eingeführt, aber die wenigsten nutzen es effektiv. Sei in deinem Team die Person, die es richtig macht. Teile deine Dokumente, lege Rahmen fest: Nur die relevanten Dateien. Dann stelle Fragen wie: „Was ist unvollständig? Wo habe ich Lücken? Wo gibt es Inkonsistenzen? Was könnte mir jemand kritisch vorhalten?“ Also Persona-Wechsel-Fragen.

Wenn es z.B. um Budgeterhöhungen geht: „Welche Frage würde der CFO stellen?“ Dem ist es egal, ob dein Projekt im Zeitplan liegt – nur, ob das Budget stimmt. Dein Business Owner interessiert sich für den Go-live-Termin. Der CIO blickt auf die Integration und Datensicherheit. Jeder Stakeholder denkt anders – da hilft Persona-Wechsel wirklich weiter.

Ich arbeite z.B. gerade an neuem Content und frage Gen-KI: „Wo gibt es Inkonsistenzen? Was ist redundant?“ Denn Wiederholungen können hilfreich sein, aber zu viele sind von Nachteil. Dann: „Hilf mir Schritt für Schritt.“ Eine weitere Technik: Bitte die KI, dich zu interviewen – stelle mir nacheinander Klärungsfragen. Denn Halluzinationen entstehen, wenn die KI zu wenig Kontext erhält. Dann trifft sie Annahmen, die oft falsch liegen.

Sehe die KI wie einen neuen Praktikanten: Sehr klug, aber noch mit Anfängerschwächen. Sage ihr: „Stelle mir nacheinander Klärungsfragen.“ Antwortet sie auf vier Fragen gleichzeitig, dann beantwortest du womöglich nur eine, KI nimmt aber an alle beantwortet zu haben. Daher besser wirklich Schritt für Schritt – das erhöht die Qualität signifikant.

Ein weiterer Punkt: Setze klare Constraints und Guardrails, z.B. „Antwort in drei Bullet Points“, „Antwort in 50–200 Wörtern“, „Gib mir eine Tabelle mit fünf Spalten“. Kleine Schritte sind oft sinnvoller. Besonders bei Copilot kannst du z.B. sagen „Bearbeite mein Dokument, aber nur in diesen Abschnitten“. So musst du nicht alles manuell machen.

Aber: Sei sehr konkret, wenn du Änderungen anforderst, gib nie einen Blankoscheck für das gesamte Dokument. Denn am Ende steht dein Name als Verantwortlicher darunter, und du kannst nicht den Disclaimer „Von KI erstellt“ darunter setzen.

Deshalb: Die menschliche Komponente bleibt immer wichtig. „Human in the loop“ wird auch bei agentischer KI nie komplett verschwinden. Immer wieder prüfen – das bleibt unser Job.

Galen Low: Lass uns jetzt zum „strategischen Hinterfragen“ kommen. Vorher noch ein Hinweis: Das Fragenstellen und Nachbohren ist ein Lernprozess. Oft wollen wir Dinge so schnell wie möglich abhaken, aber die eigentliche Wertschöpfung liegt darin, auch das zu sehen, was fehlt, und Guardrails (Verbote, Constraints) mitzugeben, in kleinen Schritten zu arbeiten – nicht im Überstürzen. Dadurch entstehen tiefere Erkenntnisse, größere Sicherheit und kontrollierte Weiterentwicklung. Noch eine Frage: Beschreibst du deiner LLM auch diese feinen sozialen Nuancen? Zum Beispiel, welcher Stakeholder in Wirklichkeit Entscheider ist?

Mashhood Ahmed: Ja. In der PMP-Ausbildung lernt man, Einflussmatrizen zu bauen. Mein Tipp: Entwickle pro Stakeholder ein Persona-Profil. Du kannst z.B. einen Agenten damit beauftragen, alle Meetingtranskripte durchzugehen und Zusammenfassungen zu erstellen: „Was weiß ich über diese Person?“ Du prüfst das nochmal und entscheidest, was davon gespeichert werden soll. Das hilft ungemein. Später kann die KI mit diesen Persona-Informationen arbeiten und etwa ein DISC-Profil für wichtige Stakeholder erstellen. Über die Zeit wird die KI darin immer besser.

Galen Low: Das gefällt mir sehr. Wirklich spannend: Man muss der KI den Kontext liefern, damit sie wirklich gute Beurteilungen abgeben kann. Ich selbst hätte nie die Zeit, für jeden Stakeholder alle Transkripte zu scannen und ein Profil manuell zu bauen. Aber hier kann KI helfen – und in der Folge Entscheidungen der KI und auch meine eigenen beeinflussen. Das ist eine schöne Überleitung zum strategischen Hinterfragen.

Das Menschliche bleibt entscheidend: Am Ende tragen wir die Verantwortung – nicht die KI. Wir können nicht einfach „Sorry, meine Arbeit hat Fehler, aber bezahlt mich bitte trotzdem“ sagen. Was bedeutet für dich strategisches Hinterfragen von KI-Ergebnissen – und wie balanciert sich das mit dem neugierigen Mindset?

Mashhood Ahmed: Es passt sehr gut zusammen, denn Strategie bedeutet, auf das Wesentliche zu fokussieren – und alles Überflüssige auszublenden.

Strategiedokumente enthalten meist maximal fünf zentrale Punkte, weil das unserem Arbeitsgedächtnis entspricht. Frage dich also: Was ist in diesem Kontext wirklich wichtig, und was ist Lärm? Diese Klarheit verschafft echten Mehrwert. KI erledigt Routinearbeit, aber du entscheidest, was in Dokumente, die Wissensdatenbank oder das Stakeholder-Profil aufgenommen wird, was in der Präsentation stehen darf – und was bewusst nicht.

Das ist deine Entscheidung, weil du den Raum und die Menschen kennst. Du sitzt im „Fahrerhaus“ – du präsentierst beim Board oder PMO, nicht die KI. Für jedes Projekt und jeden Kontext musst du andere Fragen stellen. Das ist eine der wichtigsten Fähigkeiten, die wir entwickeln müssen: Zu wissen, WAS gefragt werden soll, WANN gefragt werden soll – und ob es einen Unterschied macht.

Galen Low: Lustig: Man könnte das ganze Gespräch führen, alle Begriffe „KI“ durch „Mitarbeiter“ ersetzen und es würde genauso passen. Wir investieren unglaublich viel in Anleitung und kritisches Feedback bei Maschinen – wahrscheinlich würden wir auch als Führungskräfte von Menschen noch viel gewinnen, wenn wir ähnlich vorgehen würden. Ich merke, dass meine Prompts oft detaillierter sind als Briefings an menschliche Mitarbeitende, von denen ich gleich mehr Eigenständigkeit erwarte. Dabei könnte man vermutlich viel gewinnen, Mitarbeitende wie auch KI an die Feinheiten, die Politik oder strategisch Relevantes besser heranzuführen.

Du hilfst sehr vielen Unternehmen, genau diesen Schritt zu gehen – Neugier plus strategisches Hinterfragen. Und du hast vorhin angesprochen, dass letztlich du entscheidest, was ins Board-Deck kommt und was nicht. Gibst du deiner LLM auch gezielt Feedback: „Danke, aber das nehme ich nicht auf – aus Grund xy“? Oder triffst du die Entscheidung nur für dich? Und wie gehst du mit Teams um, die noch am Anfang stehen und bisher keine tiefen Fragen stellen – wie bekommst du sie in die richtige Haltung?

Mashhood Ahmed: Zur ersten Frage: Ja, Feedback an die KI ist wichtig. Prüft die Konzepte „System Prompt“, „Custom Instructions“ und „Memory“. Ich erkläre das hier nicht im Detail – fragt ChatGPT oder eure KI. Diese Einstellungen helfen, Regeln und Rahmen festzulegen. Da kann man zum Beispiel festlegen, wie auf bestimmte Situationen zu reagieren ist. Aber Achtung: Egal, wie perfekt alles aufgesetzt ist – Fehler passieren weiter, deshalb brauchst du gezielte Aufmerksamkeit und Fertigkeit im präzisen Gegenprüfen.

Zweite Frage: Menschen, die noch zögern. Das war schon beim Beginn des Internets vor 25-30 Jahren so: „Ich weiß alles über mein Lager auch ohne Computer.“ Doch was, wenn du im Urlaub bist? Ziel war damals die zentrale Online-Datenbank, heute ist das Standard. Die Frage „Ist mein Job bedroht?“ ist verständlich – Ja und Nein. Der Job verändert sich, neue Berufe entstehen laufend. Gab es vor 25 Jahren Berufe wie Cloud Engineer oder Virtualization Engineer? Oder Storage- und Desktop-Profis? Nein, sie entstanden durch technischen Wandel.

Früher war der Aufbau eines Rechenzentrums ein großes Projekt. Heute mietest und konfigurierst du einfach alles in AWS, Azure oder GCP – was früher Monate dauerte, geht nun in Tagen oder Stunden. Die Projekte ändern sich – deshalb ist die einzige kluge Strategie, die neuesten Tools zu lernen, eigene blinde Flecken (und die der KI) kennen. Die KI-Modelle werden besser und schlechter in bestimmten Bereichen, technischer Fachbegriff dafür: Prompt-Drift oder Modell-Drift. Entscheidend ist also, dass du ein kritisches Qualitätsbewusstsein aufbaust. Heutzutage ist da viel Lärm – mit kurzem Prompt kriegst du gleich seitenlang Output, für die Prüfung musst du enorm viel Zeit aufwenden.

Das alles erfordert menschliche Kontrolle, weil am Ende wir im Board sitzen, Menschen führen und die Komplexität interkultureller Zusammenarbeit ganz praktisch erleben. Genau das sind die neuen Anforderungen im Zeitalter der KI.

Galen Low: Super. Vielleicht kannst du abschließend für unsere Zuhörenden ein End-to-End-Beispiel geben: Am Anfang stellen Teams generische Fragen, übernehmen die Ergebnisse ungeprüft und bekommen dann irgendwann Schwierigkeiten. Wie erkennst du, dass ein Team genau an diesem Punkt steht – und wie bringst du sie in die neugierige, kritisch-hinterfragende Haltung? Wie sieht danach der Unterschied aus?

Mashhood Ahmed: Ich zeige den Teams meist etwas Kleines: Das bereits besprochene Würfel-Experiment. Viele glauben dann, ich hätte die KI „gehackt“. Aber es ist nur Mathematik und Statistik. Das öffnet die Augen für das Problem generischer Fragen und Antworten.

Wie entwickelt man Teams weiter? Manche gehen schon voraus – sie sind die internen KI-Botschafter. Binde sie ein, organisiere kleine Workshops oder informelle Formate wie „Tech Tuesday“ oder „Lunch & Learn“. Schritt für Schritt, nichts Großes. Aktuell begleite ich eine US-Universität bei einer GenAI-Enablement-Initiative. Wir starten nur mit den Basics und mit einfachem Prompting. Schon nach einer zweistündigen Einführung fühlen sich 70 % sehr viel sicherer als vorher (Anstieg von 19 auf über 70 %). 90 % würden die Schulung empfehlen. Man muss die Leute da abholen, wo sie stehen: Suzy aus der Personalabteilung, Dan aus dem Einkauf – beide keine Technik-Cracks, aber Experten in ihrem jeweiligen Bereich. Gib einfache Beispiele, nicht gleich komplexe Lösungen. Lass sie einen Monat üben. Beim nächsten Tech Tuesday bringst du Neues rein, holst Feedback ein. Das ist sehr wichtig: Kurze Umfragen nach dem Training. Und als Admin oder IT-Leitung: Schau dir die Copilot-Nutzung regelmäßig an, tracke das Nutzungsverhalten und auch die Kostenentwicklung.

Galen Low: Klar.

Mashhood Ahmed: Sonst kann das schnell teuer werden, wenn alle es intensiv nutzen. Governance, Richtlinien und ein festes „Not-To-Do“ sind unverzichtbar – es gibt genug Negativbeispiele. Ein Fall, der mir sofort einfällt, ist Air Canada: Ein Nutzer fragte im Chatbot nach einem Trauerrabatt, die KI vergab den Rabatt – obwohl es keine offizielle Policy gab. Der Kunde klagte und bekam Recht, der Schaden war zwar finanziell klein, der Imageschaden aber groß. Fazit: Fehlende Guardrails, Policies und Governance rächt sich, sobald KI aktiv wird. Also: Vorher klar abwägen, was schiefgehen kann. Jede Firma, jedes Team, jedes Problem ist anders – Schritt für Schritt starten!

Galen Low: Das gefällt mir sehr. Nicht nur wegen des Gleichgewichts zwischen Kontrolle und Fortschritt, sondern weil ihr mit so niedrigschwelligen Formaten startet. Und das Gegenteil von dem, was man auf LinkedIn sieht: Dort scheint immer alles Wettkampf und Überlegenheit. Wenn man gemeinsam lernt, gibt’s keinen Grund mehr für das Imposter-Syndrom und alle kommen gemeinsam weiter. Der Aufbau von Neugier und kritischem Hinterfragen stärkt unser Selbstbewusstsein – und macht uns unabhängiger von polierten, aber inhaltlich mittelmäßigen KI-Outputs. Die Wahrheit ist: Menschen und KI haben beide Stärken und Schwächen, es kommt auf die Kombination an.

Mashhood Ahmed: Ein Gedanke, den ich in meinen Vorträgen oft wiederhole: Die wichtigste Fähigkeit ist „Verlernen und neu lernen“. Wir sind oft geneigt, am Status quo festzuhalten – „Das machen wir seit 20 Jahren so“. Ja, aber oft ist das nicht mehr der effektivste Weg. Was vor 10 oder 15 Jahren geholfen hat, bringt mich heute nicht weiter. Der Schlüssel liegt darin, offen zu sein – zum Verlernen, zum Neulernen, zur Strategieanpassung. Manche gehen mit, andere nicht, das ist okay. Beispiel: Mein Vater ist Architekt und hat sich damals geweigert, AutoCAD zu nutzen. Er hat stattdessen jemanden eingestellt, der für ihn gezeichnet hat. So ähnlich läuft es auch heute: Manche probieren KI aus, andere nicht. Entscheidend ist zu verstehen, was man verlernen und was man lernen muss – das ist wirklich schwer. Bücher über Gewohnheiten und Lernprozesse helfen hier weiter.

Galen Low: Das gefällt mir. Vieles hier dreht sich um das „Negative Space“: Worauf kommt es nicht an, was fehlt? Woran müssen wir nicht arbeiten oder was müssen wir bewusst verlernen, um neue Chancen zu bekommen? Ein wichtiges Thema ist kritisches Denken: Viele haben Angst vor Kompetenzverlust, verlieren aber vielmehr die Fähigkeit, zu hinterfragen. Das ist die Gelegenheit, mehr zu lernen, tiefer zu fragen und die hohe Entscheidungsverantwortung zu entwickeln, die auch Väter wie deiner als Architekt brauchen. Das ist im Projektmanagement genauso entscheidend. Verantwortung zu übernehmen, ist wichtiger denn je – nicht alles über KI zu lernen, damit man sonst nichts mehr lernen muss.

Mashhood Ahmed: Mir fällt dazu das Risiko „Übermäßiges Vertrauen in KI“ ein. Unsere Fähigkeit zu kritischem Denken und Problemlösung ist damit gefährdet. Das sind Grundfertigkeiten, die kein MBA lehrt, sondern die man Kindern am besten schon vor dem Kindergarten vermittelt: Umgebung bewusst wahrnehmen, kritisch denken, Probleme lösen. Das hat erstmal nichts mit Technik zu tun, sondern mit menschlichem Miteinander. Übermäßige KI-Nutzung wird zum Risiko, wenn man Berichte, LinkedIn-Posts oder Ähnliches übernimmt, ohne selbst zu prüfen. Auch ich habe manchmal was gepostet, ohne Kleinigkeiten zu prüfen, und mich geärgert.

Galen Low: Ja, logisch.

Mashhood Ahmed: Fehler passieren – aber entscheidend ist, daraus zu lernen und den Fehler auszubessern, statt weiterzumachen. Schließlich steht mein Ruf auf dem Spiel, wenn alle LinkedIn-Posts Fehler enthalten. Ich muss mir bewusst machen: Was kann ich bieten, was keine KI ersetzen kann?

Galen Low: Genau. Was ist der menschliche Wert? Zum Abschluss: Gibt es etwas, das du selbst bewusst verlernt hast?

Mashhood Ahmed: Ich habe akzeptiert, dass KI Dinge kann, die ich früher selbst gemacht habe – und zwar oft besser. Englisch ist nicht meine Muttersprache, daher habe ich früher oft Grammarly genutzt, das brauche ich nun nicht mehr. Ich habe gelernt, meine Schwächen zu akzeptieren und nicht zwanghaft alles zu korrigieren – z.B. Oxford Komma, Schreibstil, usw. Ich kann der KI meinen Stil geben. Wichtig ist: Mit Unbequemlichkeit umgehen, lernen/neulernen und immer die relevanten Fragen stellen – das ist die Essenz.

Galen Low: Richtig. Man muss sich nicht in allem selbst übertreffen.

Mashhood Ahmed: Genau.

Galen Low: Super. Mashhood, vielen Dank für deine Zeit. Es hat große Freude bereitet. Wo kann man mehr über dich erfahren?

Mashhood Ahmed: Sucht einfach meinen Namen bei LinkedIn, da findet ihr mich. Dort teile ich interessante Beiträge. Und meine Website ist mashhood.net. LinkedIn ist am besten, aber auf TikTok veröffentliche ich auch ab und zu ein paar Clips. Schaut euch auch meine kurzen Videos von Konferenzen oder Podcasts an – vielleicht ist ein guter Tipp für euch dabei.

Galen Low: Super, die Links zu deinem LinkedIn, TikTok und Website packe ich in die Shownotes für alle Interessierten.

Danke nochmal für das tolle Gespräch!

Mashhood Ahmed: Klasse, danke und ich freue mich auf die Veröffentlichung dieses Podcasts!

Galen Low: Das war’s für die heutige Folge vom Podcast für digitale Projektmanager. Wenn euch das Gespräch gefallen hat, abonniert uns überall, wo ihr Podcasts hört. Und wenn ihr noch mehr praktische Einblicke, Fallstudien und Playbooks wollt, erstellt kostenlos einen Account auf thedigitalprojectmanager.com.

Bis zum nächsten Mal und danke fürs Zuhören.