Warum kluge Menschen mit KI generische Ergebnisse erzielen

Galen Low: Seien wir ehrlich: Wir sind es alle leid, Ergebnisse, Berichte und Statusaktualisierungen zu prüfen, die allesamt nach generischer KI riechen. Es ist zwar leicht, der Technologie die Schuld zu geben und es dabei zu belassen, aber hier passiert noch etwas anderes. Die meisten Menschen erhalten generische Ergebnisse von KI, weil sie generische Fragen stellen. Und die meisten Menschen stellen generische Fragen, weil sie entweder nicht verstehen, wie die Technologie funktioniert, nicht das nötige Selbstvertrauen haben, die KI herauszufordern, oder sich unter ihren Kollegen wie Hochstapler fühlen – oder manchmal alles zusammen.

Dadurch verlieren viele Menschen genau die Fähigkeiten, die wir im Moment am dringendsten brauchen: Neugier und die Fähigkeit, kritisch zu denken. Um uns dabei zu helfen, das in unseren Teams zu ändern, habe ich einen KI-Experten und Ausbilder eingeladen, der unbedingt dafür sorgen will, dass alle davon profitieren, damit Hochstapler-Syndrom, schwache Prompts und generische KI-Ausgaben der Vergangenheit angehören. Und damit die Dinge, die Menschen einbringen, wieder ins Rampenlicht rücken. Ich hoffe, dir gefällt diese Episode.

Willkommen beim Podcast des Digital Project Managers – der Sendung, die Führungskräften im Delivery-Bereich 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, neuen Trends, bewährten Frameworks und gelegentlich auch mit einer wilden Geschichte von den Projektfronten. Ganz gleich, ob du riesige Transformationsprojekte steuerst, KI-Workflows koordinierst oder einfach nur versuchst, das Chaos unter Kontrolle zu halten – du bist hier richtig. Legen wir los.

Okay, heute sprechen wir darüber, wie das Hochstapler-Syndrom im Zusammenhang mit KI unsere Teams auf subtile und weniger subtile Weise zurückhalten kann und welche praktischen Schritte wir unternehmen können, um ihnen dabei zu helfen, das Gleichgewicht zwischen einer neugierigen Haltung und der strategischen Prüfung der Ergebnisse ihrer KI-Tools zu finden.

Wir werden ein praktisches Framework durchgehen, mit dem unsere Teams bessere Fragen stellen und Ergebnisse kritisch bewerten können, und wir sprechen darüber, welche Auswirkungen das auf die gesamte KI-Strategie eines Unternehmens haben kann. Außerdem geht es um den Abbau von Fähigkeiten und darum, wie wir unsere Teams weiterentwickeln können, während sich die Welt um sie herum verändert.

Heute bei mir ist Mashhood Ahmed, Consulting Project Director bei M1 Consultants. Mashhood unterstützt Unternehmen bei der Entwicklung und Umsetzung von Programmen zur Einführung generativer KI, die greifbare Wirkung erzielen. Mit einem bewährten vierstufigen Framework für die Einführung generativer KI, das unternehmensweite KI-Kompetenz, abteilungsspezifische Workflows, agentische Automatisierung und Schulungsprogramme umfasst, hilft Mashhood Teams, mit KI voranzukommen und dabei menschlichen Einfallsreichtum in den Mittelpunkt zu stellen.

Damit das gelingt, bringt Mashhood seine mehr als 20 Jahre Erfahrung im Programm-, Projekt- und Veränderungsmanagement ein. Für ihn geht es bei KI um mehr als Tools. Es geht darum, KI in die tatsächliche Arbeitsweise zu integrieren.

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

Mashhood Ahmed: Vielen Dank. Danke für die Einladung.

Galen Low: Ich freue mich sehr darauf, einzusteigen.

Ich habe einige deiner Vorträge zu diesem Thema gesehen, und ich finde einfach, dass der Blickwinkel sehr ausgewogen ist. Deine Sichtweise darauf, wie wir KI bei ihrer Implementierung und Integration in unsere Arbeit betrachten müssen, hat mich wirklich angesprochen. Ich finde sie sehr pragmatisch, deshalb freue ich mich auf unser Gespräch heute.

Du hast natürlich schon mehrfach mit uns beim Digital Project Manager zusammengearbeitet. Deine Botschaft kommt immer gut an. Deshalb dachte ich, wir könnten mit einer großen, komplexen Frage beginnen und dann einfach sehen, wohin uns das Gespräch führt. Dabei würde ich gerne darauf eingehen, was eine neugierige Denkweise im Umgang mit KI bedeutet und warum sie wichtig ist, welche Schritte wir mit unseren Teams unternehmen können, um diese Neugier durch eine strategische Prüfung unserer KI-Ausgaben auszugleichen, und was für die Zukunft der KI-Technologie auf dem Spiel steht, wenn unsere Teams weiterhin nur auf der Grundlage oberflächlicher Fragen arbeiten und generische Ausgaben bei der Interaktion mit KI für bare Münze nehmen.

Also ja, ich weiß, das war eine Menge. Wie klingt das?

Mashhood Ahmed: Klingt perfekt.

Galen Low: Alles klar. Großartig. Legen wir los. Ich beginne mit einer etwas weit gefassten Frage, denn du arbeitest mit zahlreichen Organisationen und hilfst ihnen, im Umgang mit KI sicherer zu werden, damit sie KI in ihre Arbeitsweisen integrieren können.

Ich habe dich jedoch davon sprechen hören, dass Menschen generische Fragen stellen, generische Ausgaben erhalten und dann einfach unverändert damit weiterarbeiten. Wenn du schätzen müsstest: Wie viel Prozent der Menschen, die KI im beruflichen Kontext nutzen, erhalten lediglich durchschnittliche, generische Ergebnisse von KI und glauben, dass es nicht besser geht?

Mashhood Ahmed: Ja, das ist eine sehr gute Frage. Wie viele Menschen verwenden KI auf generische Weise und erhalten generische Antworten? Ich würde schätzen, dass etwa 40 bis 50 Prozent der Menschen das tun. Und ich möchte deinem gesamten Publikum einen kleinen Test geben, okay? Damit ihr überprüfen könnt, was ich mit der generischen Antwort meine, die ihr von KI bekommt. Die meisten von uns haben irgendwann in ihrem Leben ein Spiel mit einem Würfel gespielt.

Was ich gerne machen würde – und ich habe dieses Experiment schon mit Hunderten von Menschen in einem Raum und auch mit zwanzig Menschen in einem Raum durchgeführt –, ist Folgendes: Jedes Mal erhalte ich dieselbe oder zumindest eine sehr ähnliche Antwort, richtig? Die Zahlen variieren ein wenig. Öffnet Copilot in einem Tab, ChatGPT in einem anderen, Gemini in einem weiteren und noch etwas anderes in einem weiteren Tab, okay?

Ich möchte, dass ihr vier oder fünf ausprobiert. Normalerweise würde ich das in einem größeren Raum mit einem Tool machen, aber probieren wir es einfach aus, damit ihr es selbst erlebt. Gebt einen einfachen Prompt ein. Der Prompt lautet: „Wirf für mich einen sechsseitigen Würfel.“ Wenn ihr diesen Prompt ausführt, wird die generative KI euch meistens die Antwort vier geben, okay?

Wie gesagt, ich habe das mit Hunderten von Menschen in einem Raum durchgeführt. Normalerweise erhalten 85 bis 90 Prozent der Menschen die Vier. Einige wenige erhalten eine andere Zahl. Ich habe Rückmeldungen von ChatGPT, Gemini, Claude, Groq, Perplexity und anderen erhalten. Sie alle machen denselben Fehler, richtig?

Wenn ihr die KI bittet, einen Würfel zu werfen, weiß sie nicht, wie man einen Würfel wirft. Statistiker und Mathematiker haben der KI in einem Modell beigebracht: Wenn du einen Würfel werfen sollst, nimm die Eins von sechs – das sind die sechs Optionen –, bilde den Durchschnitt, runde ihn bei Bedarf und gib diese mittelmäßige Antwort aus.

Wenn ihr also eine Vier erhaltet, liegt der Durchschnitt bei 3,5, aufgerundet auf vier. Deshalb erhaltet ihr in 80 bis 90 Prozent der Fälle die Antwort vier. Jetzt möchte ich, dass ihr noch etwas ausprobiert. Gebt im selben Fenster einen weiteren Prompt ein: „Wirf für mich einen sechsseitigen Würfel, wobei jede Seite die gleiche Wahrscheinlichkeit hat.“ Und fügt vielleicht voreingenommene Kommentare hinzu, zum Beispiel: „Ich möchte die höchste Zahl oder die niedrigste Zahl“ oder etwas Verrücktes.

Ich habe gesehen, wie Menschen ganz unterschiedliche Arten von Prompts eingegeben haben, und manchmal sammle ich diese. Dann werdet ihr sehen, dass ihr jedes Mal eine ausgewogene Antwort erhaltet, weil ihr die KI gebeten habt, einen gut ausgewogenen, gut geschüttelten Würfel zu verwenden oder etwas in dieser Art. Das zeigt: Wenn ihr eine generische Frage stellt wie „Wirf für mich einen sechsseitigen Würfel“, erhaltet ihr in 80 bis 90 Prozent der Fälle die Zahl vier.

Der Grund dafür ist, dass KI den Kontext nicht versteht. Sie kennt weder den Hintergrund eures Projekts noch eure Einschätzung oder das menschliche Urteilsvermögen, das wir anwenden. Deshalb ist es wirklich wichtig, euren Prompts oder euren Agenten so viel Kontext und so viele Einschränkungen und Leitplanken wie möglich zu geben, um eine gute Antwort zu erhalten.

Galen Low: Das gefällt mir. Ich habe gerade tatsächlich ein paar LLMs geöffnet, und du hast absolut recht. Ich hatte nur drei Tabs offen. Zwei davon haben eine Vier gewürfelt, einer eine Sechs. Ich bin noch nicht dazu gekommen, den Kontext zu verändern, aber ich denke, das passt sehr gut. Und wenn wir darauf zurückkommen: Weder du noch ich haben gründliche Forschungen dazu durchgeführt, und keiner von uns ist im engeren Sinne Statistiker.

Aber bei den 40 bis 50 Prozent, dieser von dir genannten Spanne, würde ich dir zustimmen. Es gibt so viele Menschen, die KI noch immer wie die Google-Suche verwenden – mit einem einfachen Prompt aus vier oder fünf Wörtern. Das ist in manchen Kontexten vielleicht nicht das Schlechteste. Aber ich stimme dir zu, dass die Komplexität der Projekte, die wir durchführen, und der Menschen, mit denen wir arbeiten, sowie die große Menge an Geschichte und Wissen, die zwischen unseren Ohren sitzt, nicht in den Trainingsdaten des LLM enthalten ist.

Wenn wir das nicht mitteilen, wird die KI generische Ergebnisse liefern. Und das, was ich an der generativen KI derzeit am meisten liebe und hasse, ist, dass sie so überzeugend ist. Die Menschen veröffentlichen diese Ergebnisse. Das ist nichts Neues. Aber es sieht so gut und überzeugend aus, und dann sagt die KI dir, dass du großartig bist, und du willst damit weitermachen.

Du denkst: „Cool, ich bin fertig.“ Das ist viel ausgefeilter, als ich es selbst gemacht hätte, also nehme ich es einfach und mache weiter. Wir werden noch auf einige Gründe eingehen, warum wir das tun. Aber ich denke, der andere Punkt ist, dass es unabhängig von der Qualität immer so überzeugend aussieht, selbst wenn es eigentlich nur mittelmäßig ist.

Mashhood Ahmed: Ja. Ich verwende einen Trick, den ich „Perspektivwechsel“ nenne. Du erstellst deinen Bericht, deine Projektcharta oder irgendein anderes Dokument oder eine E-Mail. Dann kannst du einfach einen Prompt für einen Perspektivwechsel eingeben, etwa: „Lies diese E-Mail oder dieses Dokument jetzt aus der Perspektive einer Person, die dieses Projekt unterstützt oder nicht unterstützt“, und gib etwas mehr Kontext zu dieser Person.

Dann siehst du die Antwort. Anschließend kannst du entscheiden, ob du das Dokument überarbeitest, oder du sagst: „Weißt du was? Ich behalte diese Frage und bereite mich darauf vor. Wenn mich jemand in meinem nächsten Meeting oder bei meiner nächsten Präsentation vor einem großen Publikum oder vor dem Vorstand zu diesem Projekt danach fragt, habe ich die Antworten vorbereitet.“

Das ist sehr wichtig, denn bei der Arbeit an einem Projekt werden wir von sehr viel Lärm abgelenkt. Wir können KI nutzen, um die Perspektive zu wechseln. Zum Beispiel: „Betrachte dies aus der Perspektive des CFO, der nicht davon überzeugt ist, dass wir 1,4 Millionen Dollar ausgeben müssen, um dieses Projekt zu retten.“ Das ist ein anderer Kontext.

Manchmal denken wir als Projektmanager nicht einmal über solche Dinge nach, weil wir beschäftigt sind. Wenn KI uns bei vielen anderen Aufgaben helfen kann, kann sich der Projektmanager auf kritische Denkfähigkeiten und das Stellen der richtigen Fragen konzentrieren. Das ist eine der wichtigsten Fähigkeiten. Ich nenne sie eine neugierige Denkweise, und darüber werden wir heute ebenfalls sprechen.

Galen Low: Großartig. Ja, lass uns darauf eingehen. Ich mag diesen Gedanken, denn in vielerlei Hinsicht erledigt die KI die Arbeit nicht für dich. Sie hilft dir vielmehr, Empathie für deine Stakeholder aufzubauen, damit du nicht überrascht wirst. Dass du überrascht wirst, ist normalerweise darauf zurückzuführen, dass du die Denkweise einer anderen Person nicht vorhergesehen hast.

Darauf kommen wir noch zurück. Zunächst möchte ich etwas herauszoomen, denn ich habe dich in deinen Vorträgen und Beiträgen häufig den Begriff Hochstapler-Syndrom verwenden sehen. Für diejenigen, denen das vielleicht nicht bekannt ist: Es handelt sich um ein Phänomen, bei dem erfolgreiche Fachkräfte das Gefühl haben, ihre Kollegen getäuscht zu haben und ihre Erfolge möglicherweise nicht zu verdienen.

Im Zusammenhang mit KI ist das meiner Meinung nach etwas anders als nur das Gefühl, keinen Erfolg verdient zu haben. Was löst beim Thema KI unser Hochstapler-Syndrom aus, und wie beeinflusst es unseren Umgang mit KI?

Mashhood Ahmed: Es gibt eine Reihe von Dingen, die das Hochstapler-Syndrom auslösen und das Gefühl vermitteln: „Oh, ich komme nicht hinterher. Ich verstehe das nicht wirklich, während alle anderen es zu verstehen scheinen.“ Erstens ist es unsichtbar. Wir sind an Eingabe, Verarbeitung und Ausgabe gewöhnt. So verbringen wir im Grunde unsere berufliche Laufbahn. Wir geben etwas ein, etwas verarbeitet es, und wir verstehen den Prozessablauf. Im Zeitalter der KI variiert der Prozessablauf jedoch je nach Kontext und je nach den Details des Prompts, den du bereitstellst.

Dadurch wird es zu einer Blackbox, und das macht uns unwohl. Manchmal fühle ich mich selbst unwohl, denn bei Live-Demonstrationen ist es mir schon dreimal passiert, dass die Demo nicht so funktioniert hat, wie ich es erwartet hatte. Zehnmal hat sie funktioniert, aber einmal nicht. Das macht uns unbehaglich.

Es ist eine unsichtbare Box. Hinzu kommt, dass du auf LinkedIn oder in den sozialen Medien den Eindruck bekommst, alle würden es tun – aber nicht alle tun es richtig. Ich lerne selbst noch. Ich lerne ständig etwas Neues. Als Projektmanager oder PMO-Manager sind wir außerdem darin geschult oder daran gewöhnt, alles zu wissen, was in einem Projekt passiert.

Warum gibt es dieses Risiko? Was ist das Problem? Was stimmt mit diesem Anbieter nicht? Wenn mich jemand zu einem bestimmten Meeting hinzuzieht, kann ich erklären, was mit diesem Anbieter passiert ist. Ich kenne die gesamte Geschichte. Hier ist jedoch alles unsichtbar. Das macht uns sehr, sehr unwohl, und genau das verursacht das Hochstapler-Syndrom, weil wir nicht die Kontrolle haben.

Menschen wollen die Kontrolle haben. Das ist etwas, woran wir gewöhnt sind: Wir wollen alles kontrollieren. Wir sind eine Spezies voller Kontrollfreaks. Und wenn die Kontrolle an eine Maschine übergeht, macht uns das nervös.

Hier kommt das Hochstapler-Syndrom ins Spiel, denn wir wissen nicht, was die Maschine sagen wird. Wir müssen alles doppelt prüfen und verifizieren, und manchmal erzeugt das für mich zu viel Lärm.

Es erzeugt mehr Arbeit, als es tatsächlich Nutzen bringt. Genau hier kommen die neugierigen Fragen, der Lärm und einige andere Themen ins Spiel, die wir heute besprechen werden.

Galen Low: Das ist wirklich interessant, denn gewissermaßen hat es zwei Seiten. Einerseits denke ich, dass die verbreitete Definition des Hochstapler-Syndroms darin besteht, sich wie ein Betrüger zu fühlen, weil alle um dich herum scheinbar viel mehr leisten als du. Der LinkedIn-Feed ist meiner Meinung nach der denkbar schlechteste Ort, um Selbstvertrauen im Umgang mit KI aufzubauen. Dort steht dann: „Sieben Dinge, die du mit deinem Prompt falsch machst“ oder „Warum deine Agenten weiterhin scheitern.“

Und ich denke: „Oh mein Gott, ich mache das alles falsch. Ich bin schrecklich.“ Die andere Seite ist, was du bereits angesprochen hast: Es ist leicht, manche dieser Ergebnisse anzusehen und sie nicht kritisieren zu wollen. Das ist ein weiteres menschliches Verhalten: „Okay, es sieht vollständig aus.“

Wenn ich jetzt Feedback dazu geben würde – genauso wie ein Projektmanager Ergebnisse erhält, die zu 98 oder 100 Prozent fertig sind –, denke ich: „Wenn ich jetzt Feedback gebe und die Deadline morgen ist, geraten wir in eine Spirale, müssen alles wieder auseinandernehmen und anschließend neu aufbauen.“

In diesem Fall ist es erstens die Blackbox, wie du gesagt hast, zweitens sieht es ziemlich fertig aus, und drittens denkst du, wenn du dich nicht sicher fühlst: „Na ja, die KI ist vermutlich schlauer als ich. Ich mache einfach weiter. Was weiß ich schon im Vergleich zu diesem Ding, das auf dem gesamten Internet und der gesamten Geschichte der Menschheit seit dem Informationszeitalter trainiert wurde?“

Aber wie du sagst, ihr blinder Fleck ist der Kontext. Sie weiß nicht unbedingt, was in diesem Meeting gesagt wurde, welcher Stakeholder gegen dieses Projekt ist oder wo Risiken liegen. Es gibt so viel Wissen in deinem Kopf, das die KI nicht kennt. Deshalb ist diese Partnerschaft meiner Meinung nach so wichtig.

Mashhood Ahmed: Mir kommt gerade ein altes Sprichwort in den Sinn: „Der Teufel steckt im Detail.“ Es sieht also immer wie ein fertiges Produkt aus, aber wir müssen auf den Teufel im Detail achten. Als Projektmanager hast du beispielsweise die Besprechungsaufzeichnung, in der festgehalten wird, was gesagt wurde. Du weißt jedoch, dass der Stakeholder, der „Ja“ gesagt hat, vielleicht eigentlich „Vielleicht“ meinte.

Er ist nicht vollständig von deiner Idee oder der jeweiligen Situation überzeugt. Du weißt, dass dieser Direktor die Projektcharta, dieses Dokument, den Abnahmetest oder das Go-Live-Dokument unterschreiben wird. Aber nicht diese Person wird später alles mit dir umsetzen.

Es gibt noch eine andere Person mit dem Titel Analyst oder einer ähnlichen Funktion, die zuhören wird. Das ist dein indirekter Stakeholder. Du musst die Zustimmung dieser Person gewinnen, nicht nur die des Direktors. Das ergibt sich aus Erfahrung und kritischem Denken.

Wir werden heute auch darüber sprechen, warum kritisches Denken wichtig ist. Ich glaube, kritisches Denken ist wichtiger denn je. Du verstehst die Politik, die Menschen und die Dynamik. Was in deiner Organisation funktioniert, muss in einer anderen Organisation nicht funktionieren. Es gibt PMOs und PM-Vorlagen, und PMI stellt zahlreiche Richtlinien bereit.

Kein einziges Projekt, das ich in meinem Leben durchgeführt habe, konnte einer einzigen Methodik oder einem einzigen Ansatz folgen, denn jedes Projekt ist für die jeweilige Situation einzigartig. Genau hier kommt der Mensch ins Spiel und sagt: „Ja, das ist auf meine Situation anwendbar. Ich kenne meine Stakeholder, meine Sponsoren, mein Team und meine Risiken.“

Du weißt, dass ein Risiko irgendwo in deinem Risikoregister vergraben ist, vielleicht in Zeile 14 oder 15. Aber genau dieses Risiko kann später eintreten. Das alles ergibt sich aus menschlicher Einschätzung.

Galen Low: Das gefällt mir. Schon dieser kurze Abschnitt ist etwas, das viele Projektmanager hören müssen. Ich versuche, das aus der Perspektive zu betrachten: Was ist, wenn du Teams von Projektmanagern führst – eine Rolle, die ohnehin politisch und komplex ist und mit dem Hochstapler-Syndrom verbunden sein kann?

Viele Menschen sind eher zufällig in diese Rolle geraten. Sie haben nicht das Gefühl, es richtig zu machen, weil sie nicht zu 100 Prozent dem Lehrbuch folgen. Es wirkt, als würden sie ihrem Bauchgefühl folgen und improvisieren. Aber genau das, was du gerade gesagt hast, ist der wertvolle Teil. Das ist der zusätzliche Kontext, der benötigt wird.

Das ist deine besondere Fähigkeit. KI ist das Tool, mit dem du partnerschaftlich zusammenarbeitest, und du nutzt damit dein Wissen so, dass du produktiver wirst – zumindest vermutlich produktiver. Lass uns darauf eingehen, denn der Vortrag, den ich von dir gesehen habe, handelte von der Yin-und-Yang-Beziehung zwischen Neugier und strategischer Prüfung – also kritischem Denken. Das ist der Schlüssel zum effektiven Einsatz von KI.

Beginnen wir vielleicht mit dem neugierigen Teil. Was bedeutet eine neugierige Denkweise für dich? Und warum ist sie im Zusammenhang mit KI wichtig?

Mashhood Ahmed: Wir haben früher Begriffe gehört wie „Daten sind Macht“ oder „Wissen ist Macht“. Wer die meisten Daten hat, ist der Technologie und allem anderen voraus.

Ich glaube, dass derzeit das Gegenteil der Fall ist. Je mehr Daten und Wissen man hat, desto eher können sie zum Fluch werden. Man braucht relevante Daten und relevante Informationen, die einen Mehrwert schaffen. Ich kann heute im Internet Unmengen von Daten zu praktisch jedem Thema finden. Die generative KI hat all diese Daten durchsucht, sodass man sie bitten kann, ganz bestimmte Informationen bereitzustellen.

Und es gibt sehr viel Lärm. Du schreibst einen Prompt mit drei oder vier Zeilen und erhältst ein fünfseitiges Dokument, das du lesen, verstehen und auf die wirklich wichtigen Punkte reduzieren musst. Es gibt also sehr viel Lärm. Man muss verstehen, dass dieser Lärm nur der Input ist. Die strategische Prüfung bedeutet für mich, die richtige Frage zu stellen.

Kurz gesagt: Was ist die relevanteste Frage, die ich der KI stellen muss, damit sie mir hilft? Und ich muss genau verstehen, warum sie wichtig ist. Wenn du nicht die richtige Frage stellst, wird die KI dir zustimmen. Sie wird dir eine bejahende Antwort geben. Du musst die Perspektive wechseln und fragen: „Betrachte dies jetzt aus dieser Perspektive. Was passiert in dieser Situation?“

Denke an Was-wäre-wenn-Szenarien. Diese Szenarien zu entwickeln, erfordert viel kognitive Energie. Aus meiner Erfahrung kann ich sagen: Zwei oder drei Stunden konzentrierter Arbeit mit generativer KI sind so anstrengend, dass ich danach müde bin.

Wirklich. Nach zwei Stunden kontinuierlicher Arbeit mit generativer KI an einem bestimmten Thema bin ich erschöpft und mein Kopf ist überlastet. Ich brauche eine Pause. Gut, dann mach eine Pause. Stelle weiterhin Fragen, denn wenn du nicht die richtige Frage stellst, bekommst du eine Ja-Antwort.

Als Projektmanager haben wir in unserer Laufbahn mit CIOs, CFOs, CEOs, Direktoren, Vizepräsidenten und vielen anderen Führungskräften gearbeitet. Manchmal frage ich mich, wie diese Person auf diese Ebene gelangt ist. Eine Gemeinsamkeit all dieser Führungskräfte ist, dass sie mir ein oder zwei Fragen stellen, die wirklich wichtig sind und tief in die Sache eindringen.

Wenn ich diese Fragen richtig beantworte, gewinne ich ihren Respekt. Wenn nicht, denken sie: „Weißt du was? Ich wende mich nicht an Mashhood. Er ist nicht mein bevorzugter Projektmanager, PMO-Manager oder Direktor.“ Diese Menschen entwickeln sich beruflich weiter, weil sie zum richtigen Zeitpunkt die richtige Frage stellen.

Es wird jetzt noch wichtiger, die richtige Frage zu stellen, denn KI kann viel für dich erledigen. Wenn du deine KI-Agenten richtig einrichtest, können sie im Hintergrund viel Arbeit übernehmen. Aber der entscheidende Punkt ist: Stellst du zu diesem Zeitpunkt die richtige Frage, die wirklich zählt, und weißt du, was du als Nächstes tun wirst?

Was machst du mit diesen Informationen? Du hast diesen oder jenen Bericht erhalten. Was wirst du nach dem Lesen des Berichts tun? Wirst du etwas verändern? Großartig. Wenn du aber nur sagst: „Der Bericht ist gut. Er zeigt mir diese Zahl“, dann ist die Frage: Was verändert sich dadurch? Das sind die Fragen, die wirklich in die Tiefe gehen. Ich möchte alle, die diesen Podcast hören, bitten, hier kurz innezuhalten und sich zu fragen: „Welche tiefgehenden Fragen muss ich in meinem nächsten Meeting stellen, die wirklich zum Kern vordringen?“

Und sollte ich dieses Meeting absagen, wenn ich diese tiefgehenden Fragen nicht stelle? Dann sag das Meeting einfach ab. Menschen hassen Meetings.

Galen Low: Das gefällt mir sehr. Können wir vielleicht ein Szenario durchgehen, damit die Menschen nach diesem Moment der Reflexion wieder einsteigen können? Ich mag die Vorstellung, bessere Fragen zu stellen.

Viele Menschen, die wir als erfolgreich betrachten oder die in einer Organisation einen hohen Rang erreicht haben, scheinen über den Instinkt zu verfügen, zum richtigen Zeitpunkt die richtige Frage zu stellen. Du hast davon gesprochen, manchmal ein, zwei oder drei Stunden mit einem LLM zu arbeiten und die richtigen Fragen zu stellen. Aber vielleicht setzt sich nicht jeder, der zuhört, auf diese Weise mit seinem LLM auseinander.

Können wir trotzdem ein Szenario durchgehen, wie ein 30- oder 45-minütiges Gespräch mit einem LLM aussehen könnte und welche Fragen man stellen könnte?

Mashhood Ahmed: Ich würde zum Beispiel Folgendes fragen: Angenommen, ich arbeite an einem neuen Projekt. Dann würde ich der KI Zugriff auf meine Dokumente geben. Viele Unternehmen haben heutzutage Copilot eingeführt, aber die meisten nutzen ihn nicht effektiv und effizient. Sei also die Person in deinem Team, die das richtig macht. Teile deine Dokumente und lege die Grenzen fest: „Nur diese Dokumente.“ Dann beginne mit Fragen wie: „Was ist unvollständig? Wo muss ich eine Lücke schließen? Welche Widersprüche gibt es in diesen Dokumenten? Welche Punkte könnte jemand hinterfragen?“ Das sind Fragen zum Perspektivwechsel.

Wir bitten um ein größeres Budget. Welche Fragen würde der CFO stellen? Dem CFO ist es egal, ob dein Projekt planmäßig läuft. Ihn interessiert, ob es innerhalb des Budgets liegt. Der Business Owner oder Business Manager möchte dagegen wissen, ob das Projekt pünktlich live geht. Dein CIO interessiert sich vielleicht für die Integration und dafür, ob die Daten sicher und geschützt sind. Jeder hat also eine andere Perspektive. Der Perspektivwechsel hilft dabei sehr.

Bitte die KI, die Perspektive zu wechseln. Ich arbeite beispielsweise gerade an neuen Inhalten und frage die generative KI: „Welche Widersprüche gibt es hier? Was ist redundant und wurde bereits behandelt?“ Man wiederholt sich manchmal, und gelegentliche Wiederholungen sind sinnvoll. Zu viel Redundanz ist jedoch nicht gut.

Du kannst außerdem sagen: „Hilf mir Schritt für Schritt.“ Eine weitere Prompt-Technik, die mir sehr hilft, besteht darin, die generative KI aufzufordern, mich zu interviewen oder mir nacheinander Fragen zu stellen. Warum? Wir müssen verstehen, warum Halluzinationen entstehen. Sie entstehen, weil wir der KI nicht genügend Kontext geben.

Die KI stellt Annahmen an. Sind diese Annahmen richtig, erhalten wir eine gute Antwort. Sind sie falsch, erfindet die KI Daten, trifft falsche Annahmen und gibt eine Ausgabe zurück, bei der wir sagen: „Das ist völlig falsch.“ Wir müssen die KI also so trainieren, wie wir einen Praktikanten trainieren würden.

Stell dir vor, die KI wäre jemand, der deinem Team beigetreten ist, einen MBA hat oder gerade die PMP-Prüfung bestanden hat. Sehr klug und kompetent, aber mit einigen Anfängerfehlern. Sie wird immer wieder Anfängerfehler machen. Verwende einen Prompt wie: „Stelle mir nacheinander klärende Fragen.“ Dadurch überprüft die KI die Annahmen, die sie im Hintergrund trifft, mit dir.

Warum nacheinander? Wenn du nur sagst: „Stelle mir klärende Fragen“, wird sie dir vier Fragen auf einmal stellen. Du beantwortest eine davon, und sie nimmt an, du hättest alle vier beantwortet. Wenn du sie zwingst, eine Frage nach der anderen zu stellen und auf deine Antwort zu warten, kannst du in Ruhe antworten. Dann wirst du feststellen, dass die Qualität deiner Antworten und der Wert, den du von der KI erhältst, deutlich höher und nützlicher sind.

Ein weiterer Punkt ist das Festlegen von Einschränkungen oder Leitplanken. Wir Menschen sind sehr gut darin, zu wissen, was wir tun sollen, aber sehr schlecht darin, zu wissen, was wir nicht tun sollen. Wir wissen, dass endloses Scrollen nicht gut für uns ist, verbringen aber trotzdem viel mehr Zeit damit, als wir sollten.

Das ist wie eine Liste von Dingen, die man nicht tun sollte. Die meisten von uns haben jedoch keine solche Liste. Im Zeitalter der KI ist es sehr wichtig, eine Liste von Dingen zu erstellen, die die KI nicht tun soll, und diese als Leitplanke in deinen Agenten oder Prompts zu hinterlegen. So kannst du überprüfen, ob bestimmte Dinge ausdrücklich berücksichtigt wurden. Alles, worum du die KI nicht bittest, wird sie tendenziell trotzdem tun.

Deshalb sind Leitplanken wichtig. Ich habe auch über das Stapeln von Einschränkungen gesprochen. Du kannst sagen: „Ich brauche die Ausgabe in drei Aufzählungspunkten. Ich möchte sie als Tabelle mit fünf Spalten. Ich möchte eine Antwort mit 50, 200 oder 1.000 Wörtern.“ Ich bevorzuge normalerweise eine kürzere Antwort und baue dann darauf auf.

In Copilot gibt es eine Funktion, mit der du sagen kannst: „Nimm diese Änderungen vor und erlaube die Bearbeitung.“ Damit kann Copilot deine Dokumente bearbeiten. In einer PowerPoint-Präsentation oder einem Word-Dokument kann ich zum Beispiel sagen: „Überprüfe das und korrigiere dieses Layout oder diesen Abschnitt.“ Ich muss es nicht mehr manuell erledigen.

Das dauert vielleicht etwas länger, aber es funktioniert gut. Sei sehr präzise, wenn du Copilot bittest, dein Dokument zu bearbeiten. Gib ihm keinen Freibrief, dein gesamtes Dokument zu verändern, denn du weißt nicht, was es ändern wird. Und denk daran: Wenn du einen Bericht einreichst, steht dein Name darauf.

Unter meinem Namen steht dann Mashhood Ahmed und mein Titel in der Organisation. Wenn du eine Antwort von einer generativen KI erhältst, steht dort: „Von KI generiert. Bitte prüfen. KI kann Fehler machen.“ Du kannst diesen Haftungsausschluss jedoch nicht in einen Bericht schreiben, auf dem dein Name steht: „Von Mashhood entwickelt, aber von KI generiert. Bitte auf Richtigkeit prüfen.“ Das wäre doch großartig, oder? Du kannst es nicht tun, denn dein Name steht dafür ein.

Das sind die Dinge, die wir verstehen müssen: Es gibt einen menschlichen Anteil. Wir dürfen ihn nicht ignorieren. Der Mensch wird immer Teil des Prozesses bleiben. Auch bei agentischer KI brauchen wir an verschiedenen Kontrollpunkten und in verschiedenen Phasen Menschen, die überprüfen, ob ein Agent das Richtige tut, und anschließend nachfassen.

Galen Low: Ja. Lass uns auf die strategische Prüfung eingehen. Aber vorher gefällt mir, dass Neugier und das Stellen der richtigen Fragen mit Lernen zu tun haben. Wir sind gut darin, Dinge zu erledigen. Wir versuchen, eine Aufgabe möglichst schnell abzuschließen, weil wir glauben, dass genau das die KI leisten soll.

Oder zumindest fühlen wir vielleicht den Druck, dass jetzt, wo wir Copilot und diese LLMs haben, alles nur noch 15 Minuten dauern sollte. Was mir an deiner Aussage aber besonders gefällt, ist, dass du ein Gespräch beschrieben hast, das Zeit benötigt: um Fragen zu stellen, die vielleicht nicht offensichtlich sind; um Leitplanken für Dinge einzubauen, die man nicht tun sollte; und um nach fehlenden oder widersprüchlichen Informationen zu fragen.

All das sind Fähigkeiten, die viele Projektmanager und Projektfachleute gut beherrschen. Als ich ein Team geführt habe, habe ich mich stark darauf konzentriert: Gib nicht nur Feedback zu dem, was vorhanden ist. Gib auch Feedback zu dem, was fehlt.

Menschen sind nicht besonders gut darin, das Nichtvorhandene zu erkennen. Wir konzentrieren uns sofort auf das, was da ist, und geben dazu Feedback. Wenn wir nichts finden, kritisieren wir vielleicht ein falsch platziertes Satzzeichen oder ein fehlendes Komma, nur um einen Mehrwert zu liefern.

Tatsächlich geht es aber darum, herauszuzoomen und zu sagen: „Wenn ich dich zunächst über die Aufgabe informiere, dann tue diese Dinge nicht, denn das sind unsere Einschränkungen.“ Mir gefällt auch dein Gedanke, sich schrittweise einem Ergebnis anzunähern. Manchmal erhältst du sieben Seiten Ausgabe von deinem LLM und verbringst den Rest des Tages damit, sie zu lesen und auseinanderzunehmen. Stattdessen könntest du in kleineren Abschnitten gemeinsam daran arbeiten und diese direkt in die Datei einarbeiten.

Mir gefällt außerdem die Idee, die zusätzliche Zeit nicht unbedingt dafür zu nutzen, Aufgaben schneller zu erledigen, sondern mehr zu lernen und intensiver über den eigenen Kontext nachzudenken. Eine Frage, bevor wir weitermachen: Informierst du dein LLM über einige dieser Feinheiten, die du zuvor erwähnt hast?

Dieser Stakeholder wird „Ja“ sagen, meint aber vielleicht etwas anderes. Der eigentliche Entscheidungsträger sitzt in Wirklichkeit dort drüben.

Mashhood Ahmed: Ja. Bei der PMP-Vorbereitung lernen wir, eine Einflussmatrix zu erstellen. Ich empfehle zusätzlich, für jedes Projekt eine Einflussbewertung zu erstellen und für jeden Stakeholder eine eigene Persona zu entwickeln.

Du kannst buchstäblich einen Agenten einrichten, der alle Besprechungsaufzeichnungen liest und sagt: „Was weiß ich über diese Person, die an meinen Meetings teilnimmt?“ Anschließend überprüfst du das und sagst: „Ja, merke dir das“ oder „Merke dir das nicht. Das stimmt oder stimmt nicht.“ Das hilft, weil die KI den Kontext besser versteht.

Das hilft dir auch beim Perspektivwechsel. Du kannst sagen: „Das ist mein Sponsor. Lies diese Besprechungsaufzeichnung und sag mir, welchen Persönlichkeitstyp er oder sie hat.“ Eine weitere Idee für einen Vortrag von mir ist die DISG-Profilanalyse. Dabei handelt es sich um ein Konzept von John Maxwell, bei dem man die Stakeholder analysiert. Die Idee ist, mithilfe generativer KI DISG-Profile für die Stakeholder zu erstellen und diese über einen längeren Zeitraum weiterzuverwenden. Du wirst sehen, dass die KI darin immer besser wird.

Galen Low: Das gefällt mir sehr. Es ist eine gute Idee. Wieder geht es darum, dass wir den Kontext bereitstellen müssen, damit die KI eine gute Einschätzung liefern kann. Ich war allerdings nie der Typ, der jede Besprechungsaufzeichnung durchliest und für jeden Stakeholder in meinem Stakeholder-Ökosystem ein eigenes DISG-Profil erstellt.

Das würde einfach zu viel Zeit kosten. Genau hier kann KI einen Teil der Arbeit übernehmen und Entscheidungen unterstützen, die du triffst. Das könnte ein guter Übergang zur strategischen Prüfung sein.

Wir haben bereits angesprochen, dass du als Mensch verantwortlich und rechenschaftspflichtig bist. Du kannst nicht einfach sagen: „Entschuldigung, meine Arbeit kann Fehler enthalten, aber bitte bezahlt mich weiter.“ Aus irgendeinem Grund funktioniert das nicht.

Was bedeutet es für dich, die Ausgaben der KI strategisch zu prüfen, und wie lässt sich das mit einer neugierigen Denkweise verbinden?

Mashhood Ahmed: Das lässt sich sehr gut verbinden, denn strategisch bedeutet: Was ist das eine, worauf ich mich konzentrieren muss? Für mich bedeutet Strategie, sich auf das Wesentliche zu konzentrieren und den gesamten Lärm zu entfernen.

Wenn du dir ein Strategiedokument ansiehst, enthält es normalerweise drei oder fünf Punkte, weil das der Umfang ist, den unser menschliches Gedächtnis gut behalten kann. Überlege also: Was ist in diesem Kontext wirklich wichtig? Was ist nicht wichtig? Was ist bloß Lärm? Dieses Verständnis schafft echten Mehrwert, denn die KI kann die Routinearbeit für dich übernehmen, während du die Dinge auswählst, die wirklich wertvoll sind.

Du entscheidest, was in ein Dokument gehört, was in die Wissensbasis der KI aufgenommen wird, was in die Stakeholder-Persona gehört und worauf du dich vorbereiten musst. Vielleicht möchtest du etwas nicht in eine Präsentation aufnehmen, weil du weißt, in welche Richtung die Präsentation sonst gehen würde. Du weißt aber, dass eine bestimmte Person am Meeting teilnimmt und dich mit großer Wahrscheinlichkeit genau danach fragen wird. Dann bittest du die KI, dich darauf vorzubereiten.

Genau hier treffen strategische Prüfung und neugierige Denkweise aufeinander: die richtige Frage stellen, entscheiden, was auf die Folien gehört und was nicht. Das ist deine Entscheidung, weil du deine Stakeholder kennst. Du kannst den Raum lesen.

Denk daran: Die KI sitzt nicht vor dem Vorstand, dem PMO oder deinen Stakeholdern und beantwortet Fragen. Du sitzt dort, denn du bist am Steuer. All das ist wichtig. Je nach Projekt stellst du unterschiedliche strategische Fragen.

Bei zwei unterschiedlichen Projekten wirst du zwei völlig unterschiedliche Fragen stellen. Zu wissen, was man wann fragen muss, ist entscheidend. Das ist eine der wichtigsten Fähigkeiten, die wir meiner Meinung nach entwickeln müssen, denn KI kann alles Mögliche tun. Aber bittest du sie gerade darum, das Richtige für dich zu tun?

Galen Low: Es ist interessant: Ich könnte dieses Gespräch noch einmal durchgehen, die KI herausnehmen und sie durch direkte Mitarbeiter ersetzen. Wahrscheinlich würde alles weiterhin stimmen. Das Lustige daran ist, dass wir all diese Zeit investieren, um Maschinen Kontext zu geben, ihre Ergebnisse zu hinterfragen und Feedback zu liefern – und genau das hätte uns vermutlich auch zu besseren Führungskräften für Menschen gemacht.

Manchmal ist mein Prompt detaillierter als ein Briefing, das ich einem Menschen geben würde, weil ich annehme, dass dieser Mensch den Zusammenhang selbst versteht oder sich den Kontext besorgt. Tatsächlich könnten wir unsere Mitarbeiter besser über Dinge informieren, so wie wir unsere LLMs informieren: über spezifische Projektdetails, politische Zusammenhänge, strategische Prioritäten und Dinge, die nicht wichtig sind.

Du hilfst vielen Organisationen dabei, diesen Schritt zu gehen, ihre Neugier zu nutzen, Ergebnisse zu prüfen und strategisch zu handeln. Du hast etwas sehr Wichtiges erwähnt: Letztlich bist du es, der entscheidet, was du deinen Stakeholdern und dem Vorstand präsentierst.

Meine erste Frage ist: Gibst du dieses Feedback an dein LLM zurück und sagst: „Danke. Ich nehme das aus diesem Grund nicht auf. Jetzt erstelle ich einfach die Präsentation“, oder gehst du einfach weiter? Das ist schließlich deine Entscheidung. Du musst die KI nicht unbedingt dazu bringen, anders zu denken.

Und danach könnten wir vielleicht durchgehen, wie du Menschen in diese Denkweise bringst, woran du erkennst, dass sie diese Kombination aus den richtigen Fragen und dem Hinterfragen von Ergebnissen noch nicht anwenden, und wie du sie an einen Punkt führst, an dem sie wissen, was sie fragen müssen.

Das sind vermutlich zwei sehr unterschiedliche Fragen, aber dennoch.

Mashhood Ahmed: Um deine erste Frage zu beantworten: Ja, es ist sehr wichtig, der generativen KI Feedback zu ihren Antworten zu geben. Ich möchte alle, die diesen Podcast hören, bitten, sich mit System-Prompts, benutzerdefinierten Anweisungen und dem Erinnerungsvermögen auseinanderzusetzen.

Ich werde das nicht alles erklären. Sucht danach, fragt eine KI, wie man es einrichtet, was es ist und worin der Unterschied zwischen diesen drei Dingen besteht: benutzerdefinierte Anweisungen, System-Prompts und Erinnerungen.

Anschließend könnt ihr diese Erinnerungen und benutzerdefinierten Anweisungen in Outlook, Copilot, ChatGPT oder Claude aktualisieren. Das hilft euch, Grenzen festzulegen und Regeln zu definieren. Wenn bestimmte Dinge passieren, soll die KI bestimmte Aktionen ausführen. Diese Regeln müsst ihr durchsetzen.

Selbst wenn ihr Erinnerungen, benutzerdefinierte Anweisungen, System-Prompts und andere Einstellungen eingerichtet habt, wird die KI weiterhin Fehler machen. Ihr müsst also aufmerksam bleiben.

Eine weitere Fähigkeit besteht darin, diesen Blick zu entwickeln, mit dem man Probleme erkennt. Das ist eine Fähigkeit, die wir stärker aufbauen müssen. Deine zweite Frage bezog sich auf Menschen, die noch unentschlossen sind. Das passiert immer wieder. Es geschah auch vor 25 oder 30 Jahren, als das Internet eingeführt wurde.

Die Menschen sagten: „Ich weiß genau, wo alles in meinem Lager liegt.“ Ja, das weißt du. Aber wenn du im Urlaub bist, können deine Mitarbeiter nicht arbeiten. Wie kannst du das so gestalten, dass es ausfallsicher ist? Die Lösung war eine Online-Datenbank. Heute akzeptieren wir das ohne Frage.

Eine weitere Frage lautet: Wird KI meinen Arbeitsplatz beeinflussen? Ist mein Arbeitsplatz gefährdet? Ich würde sagen: ja und nein. Wir haben keine eindeutige Antwort darauf, ob ein Arbeitsplatz gefährdet ist. Es hängt vom Kontext ab.

Was wir aus der Geschichte wissen, ist, dass sich Berufe verändern. Neue Berufe, Werkzeuge und Technologien entstehen. Denk 25 Jahre zurück: Hat damals jemand von Cloud- oder Virtualisierungsingenieuren gesprochen? Nein. Diese Begriffe kannten wir nicht.

Auch die Projekte, die wir durchführen, verändern sich. Vor 15 Jahren habe ich ein Projekt umgesetzt, bei dem ein Rechenzentrum in einem Bürogebäude eingerichtet wurde. Heute machen wir solche Projekte nicht mehr auf dieselbe Weise. Wir fragen: „Du brauchst ein Rechenzentrum? Welche Server brauchst du? Wie viele?“ Dann nutzt du Amazon Web Services, Azure oder Google Cloud.

Wenn du weißt, was du bauen musst, kannst du ein Data Warehouse, ein Rechenzentrum oder Server innerhalb weniger Stunden oder Tage aufbauen – verglichen mit sechs Monaten vor 15 oder 16 Jahren.

Es ist wichtig zu verstehen, dass die Projekte, an denen wir heute arbeiten, nicht dieselben sein werden wie morgen. Die Frage lautet also: Wie kann ich mich auf diese Projekte vorbereiten? Die einzige logische Antwort ist, die neuesten Tools zu erlernen, die eigenen Wissenslücken und persönlichen blinden Flecken zu kennen – ebenso wie die blinden Flecken des verwendeten Tools.

Die KI-Modelle werden sich weiter verändern. In einigen Bereichen werden sie besser, in anderen möglicherweise schlechter. Es gibt technische Begriffe wie Prompt-Drift oder Modell-Drift. Das wird passieren. Deshalb braucht man immer ein wachsames Auge für Qualitätssicherung.

Ein Prompt mit fünf Zeilen kann ein Dokument mit sieben Seiten erzeugen. Das zu lesen dauert mindestens 25 oder 30 Minuten, wenn es gut gemacht ist. Wenn es nicht gut gemacht ist, verbringst du einen ganzen Tag damit, das Dokument zu bearbeiten. Sei dir bewusst, dass all das Zeit kostet und weiterhin menschliche Einschätzung erfordert.

Wir sitzen vor dem Vorstand und führen Menschen. Wir verstehen die Komplexität des menschlichen Denkens. Auch wenn KI alles Mögliche tun kann, bleiben Unterschiede zwischen Kulturen und Menschen bestehen. Der Umgang mit Menschen, Konflikten und all diesen Dynamiken wird wichtiger und erfordert eine andere Denkweise.

Das steht definitiv fest.

Galen Low: Das gefällt mir sehr. Darf ich dich vielleicht um eine Geschichte bitten, möglichst von Anfang bis Ende? Wir haben mit generischen Fragen und generischen Ausgaben begonnen, sind dann zu einer neugierigen Denkweise und strategischen Prüfung übergegangen und haben dadurch bessere Ergebnisse erhalten.

Welche Symptome beobachtest du bei Teams, die am Anfang KI sehr generisch einsetzen, Ergebnisse einfach kopieren und verwenden und dann Probleme bekommen, wenn das Ergebnis nicht stimmt? Wie erkennst du, dass sie sich weiterentwickeln müssen?

Und wie bringst du sie in diesen Raum aus neugieriger Denkweise und strategischer Prüfung? Was ist danach anders? Was ist das Ergebnis?

Mashhood Ahmed: In meiner Erfahrung hilft es, den Menschen etwas sehr Einfaches zu zeigen. Führt zu Beginn dieses Podcasts das Würfel-Experiment durch. Es zeigt, dass generische Eingaben generische Ausgaben erzeugen.

Ich habe dieses Experiment schon oft gezeigt. Einmal sagte jemand: „Das ist Magie. Du hast das System gehackt.“ Ich hacke eure generative KI nicht. In Wirklichkeit handelt es sich einfach um Statistik und Mathematik.

KI arbeitet mit Mustern. Wie bringen wir ein Team also auf ein höheres Niveau? Es gibt Teammitglieder, die der Entwicklung voraus sind. Das sind eure internen KI-Botschafter. Holt sie ins Boot. Lasst sie Workshops, Technik-Dienstage oder Mittagessen-und-Lernen-Sitzungen durchführen und jeweils eine kleine Sache besprechen.

Nichts Großes. Geht langsam vor. In einem meiner aktuellen Beratungsprojekte zur Einführung generativer KI arbeite ich mit einer Universität in den USA. Wir vermitteln dort zunächst die Grundlagen der KI, grundlegende Prompt-Erstellung und einfache Anwendungen. 70 Prozent der Teilnehmer berichten danach von mehr Selbstvertrauen als zuvor.

Wir sind mit 19 Prozent gestartet und nach einer zweistündigen Sitzung auf über 70 Prozent gekommen. 90 Prozent würden diese Art von Schulung einem Kollegen empfehlen. Man muss die Menschen auf ihrem jeweiligen Niveau abholen. Denke an Suzy aus der Personalabteilung, die technisch nicht besonders versiert ist. Denke an Dan aus dem Einkauf, der technisch ebenfalls nicht versiert ist, aber sehr viel über Lieferantenmanagement weiß.

Du musst aus ihrer Perspektive denken. Gib ihnen einfache Beispiele. Verwende keine komplizierten Beispiele und versuche nicht, am ersten Tag einen kompletten End-to-End-Prozess durchzuführen. Fang klein an. Lass sie experimentieren. Gib ihnen einen Monat Zeit. Zeige beim nächsten Technik-Dienstag oder der nächsten Mittagessen-und-Lernen-Sitzung etwas anderes.

Hole ihr Feedback ein. Feedback ist sehr wichtig. Für diesen Kunden haben wir eine einfache Umfrage eingerichtet: „Wie sicher fühlst du dich nach dieser Sitzung?“ und „Was möchtest du als Nächstes lernen?“ So erhältst du Rückmeldungen.

Wenn du auf der Seite der Systemadministration arbeitest oder IT-Direktor beziehungsweise CIO bist, überprüfe die Copilot-Nutzung und beobachte die Muster. Nimmt die Nutzung jeden Monat zu? Achte außerdem darauf, wie viel das Ganze kostet.

Du wirst überrascht sein: Wenn die Menschen das Tool sehr intensiv nutzen, erreichst du möglicherweise schnell dein Limit. Denke also an den Kontext, die Governance und die Richtlinien. Denke an die Liste der Dinge, die nicht getan werden sollen, und daran, was im Hinblick auf die Richtlinien und Strategie deiner Organisation schiefgehen könnte.

Es gibt zahlreiche Nachrichten darüber, dass KI Dinge getan hat, die sie nicht hätte tun sollen. Der einzige Grund ist, dass keine geeigneten Leitplanken gesetzt wurden.

Ein Beispiel, das mir immer wieder in den Sinn kommt, ist Air Canada. Es liegt zwei Jahre zurück, ist aber weiterhin relevant. Ein Kunde schrieb auf der Website von Air Canada: „Meine Großmutter ist verstorben. Ich muss dringend reisen. Gibt es bei euch einen Rabatt im Trauerfall?“ Der Chatbot dachte: „Das ist eine gute Idee. Wir sollten unseren treuen Kunden einen Trauerrabatt gewähren.“

Er antwortete, dass der Kunde einen bestimmten Prozentsatz Rabatt erhalten würde. Der Kunde machte Screenshots, kam zurück und beantragte den Rabatt. Air Canada sagte, dass es eine solche Richtlinie nicht gebe. Der Kunde legte die Screenshots vor, focht die Entscheidung an und zog vor Gericht. Das Gericht entschied, dass Air Canada den Rabatt gewähren musste.

Der Rabatt betrug vielleicht einige hundert Dollar, aber daraus wurde eine Geschichte, über die noch Jahre später gesprochen wird. Der Grund war, dass Air Canada keine geeigneten Leitplanken, keine angemessene Governance und keine passenden Richtlinien für Menschen und Agenten eingerichtet hatte.

Es ist daher sehr wichtig, vor dem Start darüber nachzudenken, was schiefgehen kann, wenn wir diese Tür öffnen. Geht langsam und schrittweise vor und beobachtet, wie sich euer Team entwickelt. Jedes Team ist anders, jedes Unternehmen ist anders und jedes Geschäftsproblem ist einzigartig. Fangt klein an.

Galen Low: Das gefällt mir. Es geht darum, ein Gleichgewicht zu finden. Ich möchte außerdem sagen, dass mir sehr gefällt, was du in der Schulung an dieser Universität machst. Wir haben mit dem Hochstapler-Syndrom begonnen und mit dem Gegenteil dessen, was wir in unseren LinkedIn-Feeds sehen.

Unsere Feeds vermitteln: „Diese Person macht es besser als jene. Diese Menschen wissen mehr als andere. Das ist falsch. Das wird scheitern.“ Du bringst alle zusammen, ihr lernt gemeinsam und teilt eure Erfahrungen. Dadurch werden alle sicherer, weil die Menschen nicht mehr unter diesem Aspekt des Hochstapler-Syndroms leiden. Sie wissen, wo die anderen stehen, und entwickeln sich dort weiter, wo es nötig ist.

Die neugierige Denkweise und die strategische Prüfung bedeuten auch, dass wir selbst lernen. Das braucht Zeit, stärkt aber unser Selbstvertrauen. Dadurch können wir nicht nur widerstehen, generische Fragen zu stellen, sondern auch der Versuchung widerstehen, eine polierte Ausgabe unseres LLM einfach zu übernehmen und zu sagen: „Das wird schon gut sein. Ich schaue es mir nicht einmal an. Die Überprüfung dauert 25 Minuten, also verschicke ich es einfach.“

Stattdessen können wir hochwertige Ergebnisse erzeugen, auf die wir stolz unseren Namen setzen, die zeigen, dass wir unsere Arbeit beherrschen, und die gleichzeitig anerkennen, dass KI zwar sehr leistungsfähig, aber nicht in allem gut ist. Manche Menschen glauben, du führst einen Zaubertrick vor. Andere glauben, KI könne jedes Problem lösen. In Wirklichkeit sind Menschen in manchen Dingen gut, KI in anderen. KI ist in manchen Bereichen schlecht, und Menschen sind es ebenfalls. Genau dieses Gleichgewicht müssen wir finden.

Mashhood Ahmed: Das erinnert mich an etwas, das ich in meinen früheren Vorträgen über KI erwähnt habe: Eine wichtige Fähigkeit ist das Verlernen und Neulernen.

Wir sind an bestimmte Vorgehensweisen gewöhnt. In Lean Six Sigma hören wir zum Beispiel, dass Menschen am Status quo festhalten oder sagen: „Das machen wir seit 20 Jahren so.“ Ja, du machst es seit 20 Jahren so, aber es ist vielleicht nicht die effektivste oder effizienteste Vorgehensweise. Es liefert ein Ergebnis. Das ist Veränderungsmanagement.

Darunter liegt jedoch eine sehr wichtige Fähigkeit: das Verlernen. Wir müssen erkennen, dass eine bestimmte Fähigkeit vielleicht nicht mehr hilfreich ist. Was mir vor zehn oder 15 Jahren geholfen hat, hilft mir heute möglicherweise nicht mehr. Danach müssen wir eine Strategie oder einen Plan entwickeln, welche anderen Fähigkeiten wir lernen müssen.

Dafür muss man offen sein. Manche Menschen sind offen dafür, andere nicht. Das ist vollkommen in Ordnung. Jeder Mensch ist anders und befindet sich an einem anderen Punkt und in einer anderen Lebensphase.

Mein Vater ist Architekt. Als AutoCAD vor 25 Jahren aufkam und alle begannen, es zu verwenden, weigerte er sich zunächst. Er sagte: „Ich werde das nicht anfassen.“ Stattdessen stellte er jemanden ein, der ihm bei AutoCAD-Zeichnungen und anderen Aufgaben half. Er unterschrieb die Ergebnisse. Das funktionierte damals.

Etwas Ähnliches wird auch hier passieren. Manche Menschen werden sagen: „Ich probiere es aus“, andere: „Ich werde es nicht ausprobieren.“ Das ist in Ordnung. Wichtig ist, zu verstehen, was wir verlernen und was wir lernen müssen. Die eigenen alten Gewohnheiten zu verlernen, ist sehr schwierig. Bücher über Gewohnheiten können helfen, aber es ist leichter gesagt als getan. In diesen beiden Wörtern – Verlernen und Neulernen – steckt sehr viel Tiefe.

Galen Low: Das gefällt mir sehr. Was mir an unserem gesamten Gespräch besonders gefällt, ist, dass es teilweise um den negativen Raum geht. Nicht nur darum, was vorhanden ist, sondern auch darum, was fehlt. Nicht nur darum, was wir gefragt haben, sondern auch darum, was wir nicht gefragt haben. Nicht nur darum, was wir wissen, sondern auch darum, welche Annahmen wir treffen.

Und es geht nicht nur ums Lernen, sondern auch darum, was wir verlernen müssen, um in einem anderen Bereich mehr lernen zu können. Du hast einige sehr wichtige Punkte genannt. Beim kritischen Denken geht es meiner Meinung nach genau um das, worüber viele Menschen sprechen, wenn sie den Abbau von Fähigkeiten thematisieren.

Sie sagen: „KI und vielleicht auch die Medien verringern die Bedeutung der Fähigkeit, kritisch zu denken. Wir verlieren einige dieser Fähigkeiten.“ Wenn unsere KI-Tools oder LLMs die Antwort haben, glauben wir manchmal, dass wir nicht neugierig sein, keine Fragen stellen oder die Sache selbst lernen müssen, weil die KI bereits alles gelöst hat.

Wenn man die Perspektive jedoch umkehrt, erkennt man: Das ist unsere Chance, mehr zu lernen, kritischer zu denken, eine erfahrene Führungskraft im Raum zu sein und – wie dein Vater – das geschulte Auge zu haben, um etwas kritisch zu prüfen und anschließend dafür einzustehen. Das ist in der Architektur wichtig, im Projektmanagement und in der gesamten Arbeitswelt.

Wir müssen Verantwortung für Entscheidungen übernehmen, die von den Menschen getroffen wurden, die für uns arbeiten. Es geht nicht darum, unsere gesamte Zeit damit zu verbringen, KI zu lernen, damit wir nichts anderes mehr lernen müssen.

Mashhood Ahmed: Das erinnert mich an etwas, worüber ich beim Risikomanagement von KI gesprochen habe: die übermäßige Abhängigkeit von KI. Sie beeinträchtigt unsere Fähigkeit, kognitive Fähigkeiten aufzubauen, zu denken und Probleme zu lösen. Das sind grundlegende Dinge.

Kein MBA kann dir das beibringen. Diese Fähigkeiten müssen wir unseren Kindern von Anfang an vermitteln, noch bevor sie in den Kindergarten kommen: kritisch zu denken, Probleme zu lösen und ihre Umgebung wahrzunehmen. Das hat nichts mit Technologie zu tun, sondern mit menschlicher Beteiligung.

Die übermäßige Abhängigkeit von KI ist heute ein größeres Problem, weil Menschen ihre Berichte, LinkedIn-Beiträge und andere Inhalte veröffentlichen. Auch ich habe diesen Fehler schon einige Male gemacht. Ich habe etwas veröffentlicht und dann gedacht: „Oh nein, ich habe vergessen, diese zwei Zeilen zu entfernen.“

Galen Low: Genau.

Mashhood Ahmed: Das wird passieren. Entscheidend ist, sich dessen bewusst zu sein und die Korrektur vorzunehmen. Der Fehler selbst ist für mich in Ordnung. Schlimmer wäre es, den Fehler nicht zu bemerken und nicht zu korrigieren, denn meine Reputation steht auf dem Spiel, wenn jeder LinkedIn-Beitrag solche Fehler enthält.

Ich muss darüber nachdenken, welchen Wert ich einbringe, den keine KI leisten kann.

Galen Low: Das gefällt mir. Welchen Wert bringen wir ein? Darf ich dich noch kurz auf die Probe stellen? Was ist eine Sache, die du verlernt hast?

Mashhood Ahmed: Ich habe gelernt, damit in Ordnung zu sein, dass KI Dinge erledigen kann, die ich früher selbst gemacht habe – und dass sie manche Dinge besser erledigen kann als ich.

Englisch ist nicht meine Muttersprache. Früher habe ich sehr viele Fehler gemacht. Vor einigen Jahren hatte ich ein Grammarly-Abonnement, das ich inzwischen gekündigt habe. Ich habe gelernt, damit in Ordnung zu sein, meine Grenzen zu verstehen und nicht zu versuchen, alles zu stark zu korrigieren.

Ich könnte all diese Kurse besuchen. Du hast das Oxford-Komma erwähnt, und ja, das gibt es. Wo setzt man das Komma? Manche Menschen sagen: „Du musst hier ein Komma setzen, du musst dort einen Punkt setzen.“ Gut. Entscheide dich für eine Variante und bleib dabei.

Du kannst die KI fragen: „Das ist mein Schreibstil. Halte dich daran. Ich bevorzuge das Oxford-Komma – oder ich möchte es nicht verwenden.“ Dann wird sie dieser Vorgabe folgen.

Trotzdem musst du aufmerksam bleiben. Es geht darum, mit diesen unangenehmen Dingen umgehen zu können, Schritt für Schritt weiterzumachen, zu lernen, zu verlernen und neu zu lernen, ständig kritische Fragen zu stellen und zu prüfen, was im eigenen Fall relevant ist. Das sind einige der wichtigsten Fähigkeiten und Erkenntnisse aus diesem Gespräch.

Galen Low: Das gefällt mir. Ich lerne daraus, dass du als Mensch nicht in allem besser sein musst.

Mashhood Ahmed: Definitiv.

Galen Low: Das gefällt mir. Mashhood, vielen Dank, dass du dir heute die Zeit für mich genommen hast. Es hat sehr viel Spaß gemacht. Wo können Menschen mehr über dich erfahren?

Mashhood Ahmed: Sie können meinen Namen auf LinkedIn suchen. Dort werden sie mich finden und sich mit mir verbinden können. Ich veröffentliche LinkedIn-Beiträge, die interessant sein könnten. Meine Website ist mashhood.net. LinkedIn ist der beste Ort, um mir zu folgen. Wenn du TikTok nutzt, veröffentliche ich dort gelegentlich Inhalte. Folge mir dort, wenn du mich findest.

Sieh dir auch einige meiner Videos von verschiedenen Veranstaltungen an. Ich veröffentliche ein- bis zweiminütige Ausschnitte aus verschiedenen Podcasts und Konferenzen – kurze, leicht verdauliche Impulse, die zeigen, was man anders machen kann.

Galen Low: Großartig. Das gefällt mir. Ich werde die Links zu deinem LinkedIn-Profil, deinem TikTok-Konto und deiner Website in den Shownotes für alle Interessierten aufnehmen.

Und ich möchte mich noch einmal bedanken. Das war ein sehr schönes Gespräch.

Mashhood Ahmed: Großartig. Wunderbar. Vielen Dank, und ich freue mich darauf, dass dieser Podcast bald veröffentlicht wird.

Galen Low: Alles klar, Leute. Das war die heutige Episode des Podcasts des Digital Project Managers. Wenn euch dieses Gespräch gefallen hat, abonniert den Podcast dort, wo ihr ihn hört. Wenn ihr noch mehr praxisnahe Einblicke, Fallstudien und Playbooks möchtet, erstellt ein kostenloses Konto bei thedigitalprojectmanager.com.

Bis zum nächsten Mal und vielen Dank fürs Zuhören.