Erklärt ist noch nicht genutzt Markus Spiegel Managing Partner Contact Markus Hannah Flachberger Beraterin Contact Hannah Bernhard Vierbauch Berater Contact Bernhard 6 Learnings aus unserer eigenen KI-Einführung – und was sie für Ihre Organisation bedeuten Die Lizenzen sind verteilt, die Schulungen absolviert, die Richtlinie ist veröffentlicht. Ein paar Monate später zeigt sich in vielen Organisationen dasselbe Bild: Einige nutzen KI täglich, viele gelegentlich, manche gar nicht. Wer den Rollout verantwortet, fragt sich, woran es liegt und was als Nächstes zu tun ist. Spoiler: am Tool liegt es selten. Was wir selbst erlebt haben: Bei ICG haben wir KI organisationsweit eingeführt, für Beratung und Backoffice, und sind dabei vorgegangen wie in unseren Kundenprojekten: mit einer Change Story, einer Change-Architektur und vielen Formaten für gemeinsames Lernen. Manches lief nach Plan, manches hat uns überrascht, und nicht jedes Experiment ist aufgegangen. Hier sind die sechs wichtigsten Learnings. Zu jedem finden Sie eine Frage, mit der Sie den Stand in Ihrer eigenen Organisation prüfen können. 1. Strategie und Experiment gehören zusammen Viele Organisationen wollen zuerst eine fertige KI-Strategie, bevor sie loslegen. Das ist verständlich: Investitionen wollen begründet, Risiken abgewogen sein. Bei uns standen ebenfalls von Anfang an strategische Fragen im Raum: Wie verändert KI unsere Beratungsarbeit? Wie beurteilen wir die Qualität von KI-Ergebnissen? Wie gehen wir mit sensiblen Daten um? Was erwarten Kund:innen künftig von uns? Beantworten konnten wir viele davon aber erst, nachdem wir Erfahrungen gesammelt hatten. Deshalb haben wir früh Räume für Exploration geschaffen, etwa ein AI-Lab bei unserem internen Summer Camp. Dort ging es sowohl ums Ausprobieren konkreter Werkzeuge als auch um Rollen, Qualität, Wissen und Zusammenarbeit. Erst aus diesen Gesprächen und Experimenten wurde klar, welche Fragen für uns wirklich entscheidend sind – und wo wir einen gemeinsamen Rahmen brauchen. Learning: Eine tragfähige KI-Strategie entsteht im Wechselspiel von klaren Leitfragen und gemeinsamem Ausprobieren. Frage für Ihre Organisation: Welche Fragen zu KI müssten Sie beantworten können, und wo sammeln Sie die Erfahrungen dafür? 2. Erklärt ist noch nicht genutzt Basistrainings für alle, Demos, gute Beispiele: Wir haben alles gemacht, und das war wichtig für eine gemeinsame Sprache und ein Grundverständnis. Verstanden hieß trotzdem noch lange nicht angewendet. Den größten Effekt hatten Formate, in denen Menschen KI an ihren eigenen Aufgaben ausprobiert haben. In kurzen „Nugget Sessions“ zeigten Kolleg:innen einen einzelnen Anwendungsfall, den sie selbst erprobt hatten. Das Backoffice hatte eigene Fokusgruppen, weil dort andere Abläufe im Vordergrund stehen. Und in Mini-Sprints haben kleine Teams einen Arbeitsablauf mit KI neu gestaltet. Unser Leitprinzip dabei: Praxis vor Theorie. Wer erlebt, wie eine Kollegin mit KI eine Interviewauswertung in einem Bruchteil der Zeit vorbereitet, versucht es eher selbst als nach jeder Funktionsübersicht. Learning: KI-Kompetenz entsteht im Tun. Lernen muss organisiert werden, entlang echter Aufgaben und über einen längeren Zeitraum. Frage für Ihre Organisation: Wo können Menschen bei Ihnen KI an ihren eigenen Aufgaben ausprobieren, mit Zeit dafür und mit jemandem, den sie fragen können? KI-Kompetenz entsteht dort, wo Menschen an ihren eigenen Aufgaben ausprobieren dürfen. 3. Die eigentliche Herausforderung ist menschlich Über Tools zu diskutieren ist leicht. Schwieriger ist es, im vollen Arbeitsalltag Zeit und Raum zum Lernen zu finden, Gewohnheiten zu verändern, Unsicherheit auszuhalten und dranzubleiben. Schnell war klar: Eine Info-Mail ändert noch keine Arbeitsgewohnheit, und eine gelungene Demo noch keinen Arbeitsablauf. Auch bei uns lief nicht alles rund. Online-Austauschrunden, die den Erfahrungstransfer erleichtern sollten, blieben spärlich besucht. Im Kalender verloren sie gegen Kundentermine, und ohne konkreten Anlass fehlte die Verbindlichkeit. Besser funktioniert hat Lernen, das an bestehende Anlässe andockt, die mit höherer Verbindlichkeit Raum und Zeit bereitstellen, etwa an internen Entwicklungstagen oder an konkrete Projektsituationen die Ergebnisse verlangen. Dazu kommt, dass Menschen sehr unterschiedlich betroffen sind. Für die einen ist KI ein willkommenes Werkzeug, für andere berührt sie Fragen der eigenen Rolle und Kompetenz. Beides braucht Raum. Learning: KI-Einführung ist vor allem eine Lern- und Verhaltensveränderung. Sie braucht Zeit, Wiederholung und Anlässe, die im Alltag verankert sind. Frage für Ihre Organisation: Wann haben Ihre Mitarbeitenden zuletzt ausdrücklich Zeit und Raum bekommen, um KI auszuprobieren? 4. Klare Leitplanken schaffen Freiheit Mit der Nutzung wachsen die Fragen: Welche Daten dürfen wir verwenden? Welche Werkzeuge sind freigegeben? Was erwarten Kund:innen? Wer ist für ein Ergebnis verantwortlich? Wer darauf keine Antworten bekommt, wird entweder übervorsichtig oder sucht sich eigene Wege, mit allen Risiken einer unkontrollierten „Schatten-KI“. Wir haben eine verbindliche KI-Richtlinie entwickelt, die sich an der DSGVO und am EU AI Act orientiert, und sie bewusst knapp gehalten damit man sich an die wichtigsten Dinge gut erinnern kann. Einige beispielhafte Grundsätze daraus lauten z.B.: Menschen tragen die Verantwortung – KI-Ergebnisse sind für uns Arbeitshilfen. Unsere Berater:innen prüfen sie fachlich, ordnen sie ein und verantworten sie. Daten bleiben geschützt – Für ICG und Kundeninformationen nutzen wir ausschließlich freigegebene KI-Werkzeuge in unserer abgesicherten ICG-Umgebung. Wo nötig, anonymisieren wir – insbesondere für personenbezogene und vertrauliche Daten. Vertraulich und zweckgebunden. Was uns Kunden anvertrauen, verwenden wir nur für den vereinbarten Zweck. Wir sagen wo wir KI einsetzten – Wir sprechen den Einsatz von KI gegenüber unsren Kund:innen und Kolleg:innen aktiv an. . Regeln allein reichen allerdings nicht. Mit KI muss sich auch die Kultur der Zusammenarbeit weiterentwickeln. Wie offen sprechen wir darüber, wo KI mitgearbeitet hat? Wie teilen wir, was funktioniert? Und wie setzen wir KI so ein, dass statt „KI-Slop“ (Mehrarbeit durch mittelmäßige KI-Ergebnisse) tatsächlicher Mehrwert entsteht? Und wann ist KI schlicht nicht die richtige Wahl, etwa in heiklen Gesprächen? Über diese Fragen braucht es Verständigung im Team. Leitplanken wirken dann am besten, wenn Menschen ihren Sinn verstehen und gemeinsam leben. Learning: Klare Regeln geben Sicherheit. Wirksam werden sie erst mit einer Kultur, in der offen über den Einsatz von KI gesprochen wird. Frage für Ihre Organisation: Könnten Ihre Mitarbeitenden die wichtigsten KI-Regeln in drei Sätzen wiedergeben, und sprechen Teams offen darüber, wo KI mitgearbeitet hat? 5. Die KI-Transformation ist noch lange nicht abgeschlossen KI entwickelt sich in einem Tempo, das klassische Projektlogik sprengt. Neue Modelle und Funktionen erscheinen im Monatstakt, und was heute nicht geht, kann morgen Standard sein. Für Organisationen heißt das: Erfahrungen haben ein Ablaufdatum, und Einschätzungen müssen regelmäßig auf den Prüfstand. Wir haben das an einem eigenen Experiment erlebt. Wir wollten Präsentationen mit KI direkt im eigenen Corporate Design erstellen. Weil die schnellen Erfolge ausblieben, haben wir das Experiment beendet und wieder ins Backlog verschoben. Ein halbes Jahr später sieht das mit neuen Werkzeugen bereits anders aus – was damals noch unzufriedenstellend war funktioniert heute oft schon problemlos und bietet für Berater:innen und Back-Office Mitarbeiter:innen zugleich echte Arbeitserleichterung. Ein Learning von vor drei Monaten kann heute überholt sein. Eine KI-Einführung hat deshalb kein Enddatum. Sie braucht einen festen Rhythmus, in dem Erfahrungen gesammelt, geteilt und neu bewertet werden. Learning: Dran bleiben und Experimente nach einiger Zeit wieder angehen. Es braucht Formate, in denen Lernen, Überprüfen und gemeinsames Weiterentwickeln zur Routine werden. Frage für Ihre Organisation: Welches KI-Experiment, das Sie verworfen haben, wäre es wert, heute noch einmal angeschaut zu werden? Ein gescheitertes KI-Experiment ist oft nur eines, das zu früh kam. 6.Der Hebel liegt in den Arbeitsabläufen: Schmetterling statt schneller Raupe Wenn einzelne Personen KI nutzen, werden sie schneller. Bessere Abläufe für alle entstehen dadurch noch nicht. Ein Konzept ist rascher entworfen, ein Protokoll schneller geschrieben, doch Übergaben, Abstimmungsschleifen und Doppelarbeit bleiben, wie sie waren. Das zeigte sich, sobald wir vom individuellen Ausprobieren dazu übergingen, häufig wiederkehrende Arbeitsabläufe gemeinsam und aus mehreren Perspektiven neu zu denken. Dann ging es plötzlich weniger um Prompts und mehr um die Frage, wer welchen Schritt übernimmt und wo Wissen so abgelegt wird, dass andere darauf aufbauen können. Richtig deutlich wurde es, als wir die Implikationen von KI entlang unseres Digitalisierungsmodells durchgespielt haben. Es lohnt sich, die Abhängigkeiten mitzudenken: vom Prozess über die Infrastruktur und die Befähigung der Mitarbeitenden bis zur Kommunikation, im Team ebenso wie mit Kund:innen. Spätestens hier wird KI zu einem Thema der Organisationsentwicklung. Sie berührt Rollen, Schnittstellen, Wissensmanagement und die Art, wie wir zusammenarbeiten. Unser Lieblingszitat dazu stammt von George Westerman: „When digital transformation is done right, it’s like a caterpillar turning into a butterfly, but when done wrong, all you have is a really fast caterpillar.” (George Wsterman, Keynote am MIT Sloan Executive Education 2014) Learning: Individuelle Produktivität ist ein guter Anfang. Den eigentlichen Mehrwert hebt, wer Arbeitsabläufe gemeinsam neu gestaltet und KI als Aufgabe der Organisationsentwicklung versteht. Frage für Ihre Organisation: Wer ist bei Ihnen dafür zuständig, Arbeitsabläufe mit KI neu zu denken, und wer sitzt dabei mit am Tisch? Was Führung dazu beitragen kann Die sechs Learnings haben eines gemeinsam: Sie lassen sich nicht an eine IT-Abteilung delegieren. Führungskräfte prägen, ob Menschen sich trauen auszuprobieren, ob sie Zeit dafür bekommen und ob Erfahrungen geteilt werden. Am wirksamsten ist dabei das eigene Beispiel: eine Führungskraft, die offen zeigt, wofür sie KI nutzt, wo sie an Grenzen stößt und was sie gerade lernt. Ebenso wichtig ist, dass Führung Lernzeit legitimiert. Solange Ausprobieren als Privatsache gilt, die neben dem eigentlichen Job passieren muss, bleibt KI ein Thema für die ohnehin Begeisterten. Erst wenn Lernzeit eingeplant, Erfahrungen im Team besprochen und auch Fehlversuche wertgeschätzt werden, entsteht die Breite, die eine Organisation wirklich verändert. KI-Projekte sind Change-Projekte Ob eine KI-Einführung gelingt, entscheidet sich im Alltag: dort, wo Menschen ausprobieren, Erfahrungen teilen und gemeinsam bessere Arbeitsweisen entwickeln. Dabei helfen die Instrumente, die sich in jedem Veränderungsprozess bewährt haben. Eine Change Story erklärt, warum und wohin, und sagt auch, was gleich bleibt. Eine Change-Architektur legt Phasen und Verantwortlichkeiten fest. Dazu kommen Lernformate, die an den Alltag andocken. Deshalb lohnt sich im nächsten Steuerungsmeeting eine unbequeme Frage: Wo wird bei uns aus individuellen KI-Erfahrungen gerade etwas Gemeinsames, das unsere Zusammenarbeit und unsere Prozesse tatsächlich besser macht? Und falls die Antwort „nirgends“ lautet: Wer kümmert sich darum? Wir sind für uns nun den nächsten Schritt in unserer Entwicklung gegangen und haben neben einer KI-Governance beschlossen einen KI-Kreis zu etablieren der auch als offizielle Aufgabe hat weiter zu Experimentieren, Impulse zu setzten, gemeinsames Lernen zu organisieren und so Mehrwert für unsere Kunden und uns selbst in einer verantwortungsvollen Art und Weise zu unterstützen. FAQ zur KI-Einführung Warum wird KI nach dem Rollout oft wenig genutzt? Häufig fehlt nicht das Wissen über Funktionen, sondern Zeit, Übung und ein konkreter Anlass im Arbeitsalltag. Einmalige Trainings schaffen Grundverständnis, verändern aber selten Gewohnheiten. Wirksamer sind kurze, praxisnahe Formate entlang echter Aufgaben und Führungskräfte, die Ausprobieren aktiv ermöglichen. Braucht es vor der KI-Einführung eine fertige KI-Strategie? Es braucht klare Leitfragen und Leitplanken, aber nicht alle Antworten im Voraus. Viele strategische Fragen lassen sich erst beantworten, wenn Erfahrungen vorliegen. Bewährt hat sich ein Wechselspiel aus strategischem Rahmen und gezielten Experimenten, die regelmäßig ausgewertet werden. Welche Regeln braucht es für den Einsatz von KI im Unternehmen? Wichtig sind wenige, verständliche und verbindliche Regeln. Sie sollten festlegen, welche Werkzeuge freigegeben sind, wie mit personenbezogenen und vertraulichen Daten umzugehen ist und dass Menschen KI-Ergebnisse prüfen und verantworten. Orientierung geben dabei die DSGVO und der EU AI Act. Entscheidend ist, dass Mitarbeitende den Sinn der Regeln verstehen und sie im Alltag anwenden können. Wie lange dauert eine KI-Einführung? Eine erste Phase mit Grundlagen, Pilotierung und Leitplanken lässt sich in einigen Monaten umsetzen. Abgeschlossen ist die KI-Einführung damit aber nicht. Weil sich Werkzeuge und Möglichkeiten laufend verändern, braucht es dauerhafte Formate für Lernen, Überprüfen und Weiterentwickeln. Warum ist KI-Einführung ein Thema für Change Management? KI verändert Arbeitsabläufe, Rollen und Zusammenarbeit und berührt Fragen von Kompetenz und Selbstverständnis. Ob sie im Alltag ankommt, hängt daher stark davon ab, wie der Veränderungsprozess gestaltet wird. Change-Instrumente wie Change Story, Change-Architektur und begleitende Lernformate machen den Unterschied zwischen Rollout und gelebter Nutzung. The central leadership challenge after a transformation is not organizational redesign – it is momentum creation. Und wie sieht es bei Ihnen aus? Macht KI Ihre Organisation bereits grundlegend besser – oder vor allem schneller? Wenn Sie nicht nur eine schnellere Raupe, sondern einen Schmetterling entwickeln wollen, lassen Sie uns darüber sprechen, wie Sie den nächsten Schritt gestalten können. Kontaktieren Sie uns. Legen wir los