AI-Readiness: Technologie und Verhalten zusammen denken 

Effizienz, Produktivität, Kostenvorteile – die Erwartungen an KI sind hoch. Doch der große Effekt bleibt oft aus. Warum das so ist und was wirklich zählt, erklären Dr. André Bojahr, Head of Data & AI bei Exxeta, und Dr. Markus Domeier, Manager Digital Transformation, im Interview. Sie zeigen, wie KI-Readiness gelingt und welche Hebel Unternehmen jetzt setzen sollten.

Markus und André, ihr habt eine Formel für AI-Readiness aufgestellt. Wie lautet die und was steckt dahinter?  

André: Wir sagen ganz plakativ: AI-Readiness = Technologie x Mensch. Wenn ein Faktor null ist, ist das Ergebnis null. Das heißt konkret: Unserer Erfahrung nach gehören zur AI-Readiness in Unternehmen zwei wesentliche Faktoren: gute Technologie und ein gut begleiteter Change-Prozess, sodass alle Mitarbeitenden die neuen Tools auch annehmen und wie gedacht nutzen. Nur dann kann KI ihr Potenzial entfalten.  

Markus: Genau. Wenn diese beiden Faktoren gegeben sind, haben Unternehmen den idealen Rahmen geschaffen, damit sich positive Effekte wie höhere Produktivität, steigende Effizienz oder sinkende Kosten einstellen können.  

Was beobachtet ihr aktuell in Unternehmen, wenn es um KI-Einführung geht? 

André: Viele Unternehmen starten mit einem Tool für einen spezifischen Use Case in der Hoffnung, dass es ihr Problem schnell und einfach löst. Häufig deckt diese Einführung dann aber erst die wahren Probleme der Company auf. Das Ding ist: KI kann nur so gut arbeiten wie der Kontext, den sie vorfindet. Und dieser Kontext ist in vielen Unternehmen nicht sauber strukturiert oder zugänglich. 

Markus: Auf der menschlichen Seite passiert etwas Ähnliches: Ein AI-Tool kann nur Mehrwert bringen, wenn es optimal beziehungsweise überhaupt genutzt wird. Aber: Gerade bezüglich KI haben manche Mitarbeitenden einfach Respekt oder gar Angst. Angst vor Veränderung, Angst um ihren Status oder gar Angst um ihren Job.  

Entscheidend sind also sowohl die technologische als auch die menschliche Komponente. Schauen wir zuerst mal auf die technischen Aspekte: Was sind die häufigsten Gründe, warum KI nicht so wirkt wie erwartet? 

André: Ganz grob heruntergebrochen sind das zwei Themen.  

Erstens: Datenchaos und Silos. Ein KI-Tool braucht Zugriff auf Daten. Unternehmensdaten, Daten zu Prozessen, Abläufen, Zuständigkeiten, und viele mehr. Diese Daten liegen oft verteilt in SharePoints, Legacy-Systemen, ERP-Welten, Fachbereichstools. Solche Systeme sind oft nicht dafür gemacht, dass ein KI-Layer sauber darauf zugreifen kann. Aber: Wenn KI keinen Zugriff auf relevante Daten hat, bleibt sie oberflächlich. Das ist dann so, als würde man einem neuen Mitarbeitenden das Onboarding verwehren und auf keine einzige Frage antworten. Sein Foodprint im Unternehmen? Gering!  

Zweitens: implizites Wissen in Köpfen. Hier kommen Unternehmen noch schwerer ran. Häufig schlummert in den Köpfen der Mitarbeitenden sehr viel wertvolles Wissen. Wie treffen Teams Entscheidungen? Wer braucht wann welche Freigabe? Welche Regeln gelten? Welche Begriffe verwenden die Kolleg:innen?  

Was heißt das für Unternehmen ganz konkret? 

André: Um eine KI sinnvoll zu nutzen, muss dieses explizite und implizite Wissen dokumentiert werden – am besten schriftlich, so konkret wie möglich und in einer einheitlichen Struktur. Das ist wie ein großer Frühjahrsputz. Nicht als Selbstzweck, sondern damit KI überhaupt sinnvoll in Prozesse hineinwirken kann. Ich muss vermutlich nicht erwähnen, dass das eine Mammutaufgabe ist! 

Du sprichst oft vom ‚semantischen Layer‘. Was ist damit gemeint? 

André: Nehmen wir an, die Grundvoraussetzung ist geschaffen und die KI hat bspw. über ein Data Lakehouse Zugriff auf alle wichtigen Daten und Informationen. Dann muss sie diese im nächsten Schritt noch verstehen und einordnen können. Dabei hilft der semantische Layer. Das ist wie ein Unternehmenshandbuch für Daten und Prozesse. Er macht explizit, was sonst implizit bleibt: Begriffe, Business Objektives, Regeln, Zusammenhänge, Abhängigkeiten. 

Das kann in Textform beginnen – idealerweise aber in einer strukturierten Form, die Verknüpfungen sichtbar macht, z. B. als Wissensgraph. Entscheidend ist nicht das Format, sondern dass die Logik und Bedeutung explizit werden. 

Ein Beispiel macht es denke ich nochmal deutlicher, warum das wichtig ist: Wenn eine Organisation zum Beispiel „Kunde“, „Fall“, „Anfrage“ oder „Produkt“ sagt, dann meinen verschiedene Teams oft unterschiedliche Dinge. Menschen kriegen das im Gespräch durch den Kontext schnell mit. Für Systeme ist das ein Problem. Der semantische Layer schafft eine gemeinsame Sprache und macht Kontext maschinenlesbar.

Die Antwort: Das AI Operating System (AI OS) als Plattform

Wieso stiftet KI ausgerechnet in der Softwareentwicklung schon so großen Mehrwert – in anderen Bereichen aber weniger? 

André: Weil dort vieles bereits maschinenlesbar ist. Entwicklungsarbeit ist durch Artefakte dokumentiert: Requirements, Tickets, Code, Tests, CI, Versionshistorie, Traceability. Prozesse sind strukturiert und digital abgebildet. 

In vielen anderen Unternehmensbereichen ist Arbeit dagegen fragmentiert: Mails, PDFs, Excel-Tabellen, Abstimmungen, implizite Routinen. Das ist für Menschen handhabbar. Für die KI jedoch nicht ohne zusätzliche Struktur. 

Wenn Unternehmen es geschafft haben, die technologischen Voraussetzungen für die Nutzung von KI-Tools zu schaffen: Wie bringen Unternehmen Mitarbeitende dazu, diese auch zu nutzen?  

Markus: Hier kommt der zweite Teil unserer Gleichung ins Spiel: der Mensch. Ich schaue da tatsächlich aus einer verhaltenstheoretischen Brille drauf. Meiner Meinung nach müssen Unternehmen es nämlich schaffen, das Verhalten der Mitarbeitenden in Bezug auf die KI-Nutzung positiv zu beeinflussen. Damit meine ich, dass gerade Skeptiker:innen und Verweiger:innen dazu gebracht werden, das neue Tool zu nutzen.  

Oft heißt es, Mitarbeitende brauchen einfach ein “AI Mindset”. Aber was ist denn das eigentlich? Das ist total schwer greifbar und zentrale Fragen bleiben offen: Woran erkenne ich es? Wie messe ich Fortschritt? Wie steuere ich Veränderung damit? 

Deshalb schauen wir auf Verhalten. Also: Was soll im Arbeitsalltag konkret anders werden? Wann und wie nutzen Mitarbeitende KI? Wie werden Ergebnisse geprüft? Wie werden Prozesse angepasst? Wie werden Verantwortlichkeiten gelebt? 

Wenn Verhalten klar beschrieben ist, kann man den Rahmen gestalten, damit dieses wahrscheinlicher wird. 

Und wie genau können Unternehmen diesen Rahmen gestalten?  

Wenn Unternehmen das Zielverhalten definiert haben, gibt es drei Rahmenbedingungen, die gegeben sein müssen. Wir verwenden da gerne den COM-B-Ansatz (nach Michie, van Stralen & West (2011)), um das zu beschreiben. C für Capability, O für Opportunity und M für Motivation. Gehen wir es mal durch.  

Beim Thema ‘Capability’ stehen Fragen im Raum wie: Können Mitarbeitende das Tool überhaupt nutzen? Haben sie die Fähigkeiten dazu? Es geht als darum, Trainings anzubieten, Übungen zu machen und generelle Unterstützung anzubieten. Das Ziel: Mitarbeitende sollen alle Fähigkeiten haben, das Tool zu nutzen.  

Beim Thema ‘Opportunity’ schauen wir auf Fragen wie: Haben sie die Möglichkeit dazu? In Systemen und im Alltag? Ist Zugang einfach? Passt es in Prozesse? In diesem Bereich ebnet man den Weg für die Nutzung, in dem man Mitarbeitenden Zeit einräumt für die Nutzung, Prozesse und gewisse Regeln definiert, Governance festlegt oder Anreize schafft. 

Beim Thema ‘Motivation’ wird es deutlich komplexer: Hier steht die Frage „Wollen Mitarbeitende das Tool nutzen?“ im Fokus.  

Und was genau muss ein Unternehmen tun, Mitarbeitende dazu zu bringen ein Tool zu nutzen, das sie einfach nicht nutzen wollen?  

Hier ist eine Sache besonders wichtig zu verstehen: Widerstand ist nicht automatisch „Unwillen“. Häufig ist es ein Schutzmechanismus. 

Zum Beispiel haben viele Menschen über Jahre Kompetenz und Status in bestimmten Arbeitsweisen aufgebaut. Auf eine Person, die jahrelang dafür bekannt war, die besten Präsentationen zu bauen, die besten Texte zu schreiben oder super effizient Software zu entwickeln, kann so ein neues KI-Tool durchaus bedrohlich wirken. Da kommen Gedanken auf wie: „Wird meine Kompetenz abgewertet? Bin ich noch relevant?“ Und diese Gedanken führen zu Abwehrreaktionen – oft rational begründet („Das ist fehlerhaft“, „Das taugt nicht“), aber emotional getrieben.  

Wenn Unternehmen diese Dynamik verstehen, können sie darauf reagieren: mit Befähigung, sicheren Lernräumen, klaren Erwartungen und einer Kommunikation, die stabilisiert und den Wert der Mitarbeitenden in den Mittelpunkt stellt. 

Welche Rolle spielen Führungskräfte in all diesen Prozessen? 

Markus: Eine zentrale. Vor allem das Middle Management steht hier besonders stark in der Verantwortung und auch im Spannungsfeld: Es bekommt strategische Vorgaben “von oben”, spürt aber gleichzeitig die Reibung und Unsicherheit in den Teams. Das heißt, bei Führungskräften bündeln sich auf einmal ganz viele Aufgaben: übersetzen, priorisieren, Unsicherheit aushalten und Rahmenbedingungen gestalten. 

Wichtig ist: Teams sollten nicht nur „betroffen“ sein, sondern mitgestalten. Wer Veränderung gemeinsam entwirft, reduziert Widerstand und erhöht Ownership. 

Zum Abschluss: Habt ihr noch Tipps für Unternehmen in Bezug auf die Einführung von KI? Wo liegen eurer Meinung nach die Fallstricke?  

Markus: Unternehmen fangen oft an, KI auf Use-Case-Ebene einzuführen, um sich heranzutasten. Das ist per se auch in Ordnung. Es braucht aber eine gute Priorisierung, sonst verzettelt man sich schnell.  

Deswegen schauen wir gern auf Entscheidungen: Welche Entscheidungen, die in Unternehmen getroffen werden müssen, haben den größten Hebel auf Strategie und Wertschöpfung? 

Sind diese zentrale Entscheidungsprozesse identifiziert, kann man KI gezielt dort einsetzen, wo Wirkung messbar wird und wo man auch sauber definieren kann, wie Mensch und KI zusammenspielen (Human-in-the-Loop, Freigaben, Auditierbarkeit). So kommt man schneller raus aus dem Prototyp-Modus und hin zu skalierbarer Umsetzung. 

André: Das sehe ich ganz genauso. In vielen Unternehmen bleibt KI auf der Ebene von Recherche und Textunterstützung. Sprich, Mitarbeitende nutzen ein GPT und das wars. Das ist sinnvoll, aber es kratzt an der Oberfläche. So kann KI nicht über Prozesse hinweg in der Organisation skalieren und die wirklichen, business-relevanten Mehrwerte bleiben aus.  

Der große Mehrwert entsteht erst, wenn KI in Prozesse integriert ist: 

• mit Zugriff auf relevante Daten, 

• mit klaren Regeln und Verantwortlichkeiten, 

• mit Schnittstellen in die Systemlandschaft, 

• und mit der Fähigkeit, Arbeitsschritte anzustoßen (nicht nur zu antworten).

Was sollten Unternehmen aus eurer Sicht mitnehmen? 

André: KI wird dann besonders wirksam, wenn sie auf einem festen Fundament steht. Das heißt: Daten sind zugänglich, Silos abgebaut, Kontext ist explizit beschrieben und Prozesse so modelliert, dass Systeme damit arbeiten können. 

Markus: Und gleichzeitig muss die Organisation den Rahmen schaffen, damit Menschen KI wirklich nutzen – nicht nur können. Hierbei sehe ich ganz klar das Verhalten als wichtigsten Hebel. Wer Veränderung nur über Tools und „Mindset“-Appelle steuert, verschenkt Potenzial. 

AI-Readiness ist keine Tool-Frage. Es ist eine Systemfrage. 

Bleibe auf dem Laufenden: Folge uns auf LinkedIn und abonniere unseren Newsletter