Gilt die 70-20-10-Regel für KI-Transformationen unabhängig von der Unternehmensgröße?
Unternehmen A gab im letzten Jahr 8 Millionen Dollar für die KI-Transformation aus. Unternehmen B gab die Hälfte davon aus. Doch bei allen entscheidenden Kennzahlen – Einführungsquoten, Produktivitätssteigerungen, Mitarbeiterzufriedenheit und Kapitalrendite – ist Unternehmen B seinem besser finanzierten Konkurrenten weit voraus.
Der Unterschied liegt nicht in der Technologie. Beide Unternehmen haben die gleichen LLMs für Unternehmen lizenziert. Beide haben Berater engagiert. Beide haben ihre KI-Initiativen mit dem von Führungskräften geliebten Pomp angekündigt. Der Unterschied lag in einer einzigen Entscheidung am Anfang: wie sie ihre Budgets zugewiesen haben.
Unternehmen A folgte dem altbekannten Schema: 60 % für Technologie, 15 % für Schulungen, 25 % für "alles andere". Unternehmen B kehrte die Pyramide komplett um: 70 % für Menschen und Prozesse, 20 % für Infrastruktur, 10 % für Algorithmen.
Lesen Sie weiter – und führen Sie weiterhin intelligenter
Erstellen Sie ein kostenloses Konto, um diesen Beitrag fertigzulesen und Teil einer Community zukunftsorientierter Führungskräfte zu werden, die Werkzeuge, Leitfäden und Einblicke für den Erfolg im Zeitalter der KI erschließen.
Have an account? Log In
Das von Unternehmen B gewählte Muster wurde nicht im luftleeren Raum entwickelt. Es entstand durch Forschung der Boston Consulting Group und des MIT Sloan, die Hunderte von KI-Transformationen untersuchten. Ihre Erkenntnis war deutlich: Die Unternehmen, die echte Ergebnisse durch KI erzielten, waren nicht diejenigen, die die ausgefeiltesten Tools kauften. Es waren diejenigen, die am meisten in ihre Mitarbeitenden investierten.
Wie immer kommt es jedoch auf den Kontext an. Diese Forschung untersuchte Unternehmen mit KI-Budgets von über 10 Millionen Dollar, also Firmen mit eigenen Transformationsteams, ausgereifter Dateninfrastruktur und Heerscharen von Spezialisten.
Für mittelständische Unternehmen mit 5.000 oder weniger Mitarbeitenden sehen die Rahmenbedingungen grundlegend anders aus. Viele verfügen nicht einmal über eine grundlegende Dateninfrastruktur. Sie beziehen KI über SaaS-Abonnements, bei denen die Kosten für Algorithmen in den monatlichen Gebühren enthalten sind. Die gleichen Dollarbeträge haben eine ganz andere Wirkung, wenn man mit 2 Millionen statt 20 Millionen arbeitet.
Gilt das 70-20-10-Modell also immer noch? Oder benötigen mittelständische Unternehmen ein völlig anderes Vorgehen?
Das Framework entschlüsseln
Die 70-20-10-Regel beschreibt im Kern, wofür erfolgreiche KI-Transformationen tatsächlich Geld und Energie aufwenden. Die Zahlen stehen für die Verteilung auf drei grundlegende Bereiche:
- Die 70 %: Menschen und Prozesse. Das umfasst Change-Management-Programme, rollenspezifische Weiterbildung, Neugestaltung von Arbeitsabläufen, Governance-Rahmenwerke, Kommunikationsinfrastruktur, Führungskräftetraining und Anwenderunterstützung. Es ist die unspektakuläre Arbeit, Klarheit darüber zu schaffen, wer was verantwortet, wie sich Entscheidungswege mit KI verändern und welche Anreize angepasst werden müssen.
- Die 20 %: Technologische Infrastruktur. Dazu gehören Datenaufbereitung, Integrationsschichten, Sicherheitskonzepte, Überwachungssysteme und Architektur für Skalierbarkeit. Es ist all das, was funktionieren muss, bevor die KI-Tools überhaupt nutzbar werden.
- Die 10 %: Algorithmen und Modelle. Das sind die KI-Tools selbst – Lizenzen, API-Kosten, Modellanpassungen und die Auswahl der Anbieter.
Das Muster stammt aus harten Daten. Die Forschung von BCG zeigte, dass Unternehmen, die diesem Verteilungsschlüssel folgten, deutlich höhere Einführungsquoten und messbare Produktivitätsgewinne erzielten. Das MIT Sloan stellte fest, dass 70 % des Wertes von KI von zusätzlichen Investitionen in Menschen und Prozesse abhängen – und nicht vom technischen Entwicklungsstand der Technologie.
Der Grund: KI-Modelle werden schnell zu einer austauschbaren Ware. Jedes mittelständische Unternehmen kann auf die gleichen Spitzentechnologien von OpenAI, Anthropic oder Google zugreifen. Aber die Fähigkeit, organisatorische Veränderungen zu schaffen? Die kann man nicht kaufen.
Die Fähigkeit, Arbeitsabläufe neu zu gestalten, Führungskräfte für die Umsetzung von KI zu qualifizieren und Governance-Rahmen zu schaffen, die ermöglichen statt einzuschränken, ist der entscheidende Unterschied.
Doch wenn Führungskräfte im Mittelstand auf dieses Framework schauen, stellt sich eine berechtigte Frage: Können Unternehmen ohne ausgereifte Dateninfrastruktur wirklich nur 20 % dafür einplanen? Und was ist mit Organisationen, die KI als SaaS-Lösung nutzen, bei denen die Algorithmenkosten im Abo enthalten sind? Geht diese Rechnung auf?
Whitney Munro, Gründerin von FLEX Partners, einem Unternehmen, das Firmen durch KI-Transformationen begleitet, erlebt diese Spannung immer wieder.
„Die 70-20-10-Einteilung ist im Großen und Ganzen richtig“, sagt sie, „aber der Schaden entsteht dann, wenn es an Reihenfolge und Zielgerichtetheit fehlt. Wenn die unspektakuläre Arbeit, Zuständigkeiten, Ziele, Anreize und Prozesse zu klären, übersprungen wird – bevor man sich überhaupt um die Tools kümmert.“
Das Framework ist nicht als starres Vorgehen gedacht, sondern als Prinzip. KI-Transformation ist in erster Linie eine Aufgabe für Menschen und Organisationen, nicht primär für die Technik. Für mittelständische Unternehmen gilt dieses Prinzip weiterhin, jedoch müssen die genauen Prozentsätze je nach Ausgangslage angepasst werden.
Warum Unternehmen die Verteilung falsch machen
Der Druck, zuerst in Technologie zu investieren, kommt von allen Seiten. KI-Anbieter verkaufen selbstverständlich Technologie. Vorstandsmitglieder wollen Dashboards und Tools sehen, einen sichtbaren Beweis, dass das Unternehmen „etwas mit KI macht“. Investoren fragen bei Quartalszahlen nach KI-Initiativen. IT-Abteilungen sprechen die Sprache der Infrastruktur und Modelle.
Was schwerer zu erkennen, schwerer zu messen und schwerer zu verkaufen ist, ist die langsame Arbeit des Kompetenzaufbaus. Schulungsprogramme machen sich nicht gut in spannenden Präsentationen vor dem Vorstand. Die Neugestaltung von Arbeitsabläufen sieht im Jahresbericht nicht fotogen aus. Governance-Rahmenwerke klingen eher bürokratisch als innovativ.
Gerade für mittelständische Unternehmen gibt es mehrere Fallen, die den technologiegetriebenen Ansatz noch verlockender erscheinen lassen:
- Ressourcenknappheit suggeriert eine falsche Abkürzung. "Wir können uns kein eigenes KI-Transformationsteam leisten, also kaufen wir einfach das Tool und schauen dann weiter." Die Logik klingt vernünftig, bis einem auffällt, dass das Tool ungenutzt bleibt, weil niemand die Arbeitsabläufe um das neue Tool herum angepasst hat.
- Geschwindigkeitsdruck verdrängt durchdachte Planung. Gerade wachsende Unternehmen haben das Gefühl, schnell handeln zu müssen. Drei Monate zu investieren, um Führungskräfte zu schulen und Prozesse neu zu gestalten, erscheint langsam im Vergleich dazu, nächste Woche ein neues KI-Tool einzuschalten.
- Herstellerdynamiken verschleiern die wahren Kosten. Beim Kauf eines Enterprise SaaS KI-Produkts sind die Algorithmus-Entwicklung und ein Großteil der Infrastruktur in ein monatliches Abo gepackt. Das lässt es so aussehen, als würde man weniger für Technologie ausgeben, als es tatsächlich der Fall ist – und man spart gleichzeitig leichtfertig am wichtigen Faktor Mensch.
- Rollenüberlastung schafft eine unmögliche Lage. In mittelständischen Unternehmen wird oft von den gleichen Mitarbeitenden erwartet, die aktuellen Abläufe zu betreiben und gleichzeitig zu transformieren. Ohne dedizierte Ressourcen für das Veränderungsmanagement wird Transformation zum Nebenprojekt, das nie die nötige Aufmerksamkeit genießt.
Clint Riley, COO bei Globe Midwest, hat die Leitung des Kundenerlebnisses durch mehrere Technologierollouts geführt. Er erlebt, wie sich das Muster wiederholt.
"Führungskräfte stecken häufig Geld in KI-Infrastruktur und sehen nur begrenzte Resultate. Die Tools bleiben ungenutzt, weil Teams nicht vorbereitet sind, ihnen nicht vertrauen oder an alten Gewohnheiten festhalten. Der wirkliche Unterschied entsteht, wenn man zuerst in Menschen und Prozesse investiert", sagt er.
Das Kostenmissverständnis sitzt tief. Schulungen wirken zunächst teuer—300.000 $ für gezieltes KI-Training für 500 Mitarbeitende klingt nach einer großen Summe. Diese Investition kann aber die Routinefehler im ersten Jahr um 40 % senken.
Nochmals 200.000 $ für die Neugestaltung zentraler Arbeitsabläufe mit integrierter KI liefern messbare Effizienzsteigerungen von Quartal zu Quartal. Im Vergleich dazu stehen 800.000 $, die für KI-Tools ausgegeben werden, die jedoch nur 15 % Nutzung erreichen, weil niemand in die Leitung und Begleitung des Wandels investiert hat.
Das Phänomen des „Shadow AI“, das aufgekommen ist, belegt am deutlichsten, dass technologiezentrierte Ansätze genau die Probleme erzeugen, die sie eigentlich lösen sollen. Untersuchungen zeigen, dass 90 % der Mitarbeitenden KI-Tools nutzen, aber nur 40 % der Unternehmen diese offiziell bereitstellen.
Diese Lücke entsteht, weil Unternehmen Technologie ohne ausreichende Unterstützung eingeführt haben und Beschäftigte auf sich allein gestellt waren – was genau jene Sicherheits- und Governance-Risiken erzeugt, vor denen die Führungskräfte sich sorgen.
Wie 70 % für Menschen tatsächlich aussehen
Das 70-20-10-Modell klingt einfach – bis man versucht, es praktisch umzusetzen. Was bedeutet es wirklich, 70 % des KI-Budgets für „Menschen und Prozesse“ zu verwenden?
Für ein mittelständisches Unternehmen mit einem KI-Transformationsbudget von 2 Mio. $ im ersten Jahr könnte eine menschenzentrierte Budgetverteilung so aussehen:
1,2 Mio. $ (60 %) für Menschen & Prozesse:
- 400.000 $: Dedizierte Transformationsressourcen (2–3 Vollzeitkräfte, die sowohl Veränderungsmanagement als auch KI-Kompetenz verstehen)
- 300.000 $: Externe Expertise für Veränderungsmanagement, Prozessdesign und Governance-Rahmen
- 200.000 $: Entwicklung und Durchführung von Trainingsprogrammen (keine Einmal-Veranstaltungen, sondern kontinuierliche Befähigung)
- 150.000 $: Infrastruktur für Führungskräfte-Weiterbildung und Coaching
- 150.000 $: Kommunikationssysteme, Feedback-Mechanismen und Iterationszyklen
600.000 $ (30 %) für Infrastruktur:
- 300.000 $: Datenaufbereitung, Integration und Qualitätsverbesserung
- 150.000 $: Systeme für Sicherheit, Compliance und Überwachung
- 150.000 $: Analyse-Infrastruktur zur Nachverfolgung technischer und menschlicher Ergebnisse
200.000 $ (10 %) für KI-Tools/Algorithmen:
- Enterprise-LLM-Abos
- Spezialisierte KI-Anwendungen
- API-Kosten und Nutzungsgebühren
Hinweis zur Anpassung an den Mittelstand: Das Beispiel zeigt eine 60-30-10-Aufteilung statt des reinen 70-20-10-Modells. Warum? Mittelständische Unternehmen haben oft größere Infrastrukturlücken als Großunternehmen. Altsysteme, Datensilos und technologische Altlasten führen dazu, dass in Infrastruktur relativ mehr investiert werden muss als bei Konzernen mit modernen Datenbasen.
Das entscheidende Prinzip aber bleibt: Die Investition in Menschen muss mindestens ebenso hoch sein wie die Technologieinvestition. Wenn Sie insgesamt 60 % für Tools und Infrastruktur und nur 40 % für Menschen und Prozesse ausgeben, deuten die Daten darauf hin, dass Sie erheblichen Wert verschenken.
Was die Investition in „Menschen“ tatsächlich bewirkt:
Wenn Führungskräfte "$400K für Transformationsressourcen" sehen, fragen sie oft: Was machen diese Leute eigentlich?
Dedizierte Transformationsressourcen:
- Durchführung von Prozessanalysen vor dem Einsatz neuer Technologien
- Entwicklung von rollenbasierten Schulungen (ein Finanzanalyst benötigt andere KI-Kompetenzen als ein Kundenservice-Mitarbeiter)
- Erstellung von Governance-Rahmenwerken, die unterstützen statt blockieren
- Aufbau von Feedback-Schleifen, um basierend auf tatsächlicher Nutzung nachzusteuern
- Koordination zwischen IT, Personalabteilung und Geschäftsbereichen
Manager-Befähigung:
- Vorbereitung der Führungskräfte, Teams beim Einsatz von KI-Tools zu coachen (nicht nur selbst anzuwenden)
- Führungskräften helfen zu verstehen, wie sich Leistungsbewertungen verändern, wenn KI die Arbeit unterstützt
- Unterstützung der Führungskräfte beim eigenen Rollenwandel, da sich die Arbeit verändert
- Schaffung von Manager-Communities zum Austausch von Herausforderungen und Lösungen
Struktur für Kommunikation und Feedback:
- Regelmäßige unternehmensweite Kommunikation zum Fortschritt der Transformation
- Kanäle, über die Mitarbeitende Anliegen und Probleme melden können
- Systeme, um festzuhalten, was funktioniert und was nicht
- Transparente Entscheidungen darüber, welche KI-Tools eingesetzt werden und warum
Wirksame Schulung:
- Nicht einmalige Workshops, sondern fortlaufende Lernprogramme
- Praxiserprobte Umgebungen, in denen Fehler erlaubt sind
- Lernen genau dann, wenn es für die Arbeit gebraucht wird
- Peer-Support-Netzwerke zur gegenseitigen Hilfe bei Problemen
Wird bei diesen Investitionen gespart, sind die Folgen vorhersehbar: geringe Akzeptanz, Widerstand bei den Mitarbeitenden, Schatten-KI verbreitet sich und letztlich werden Technologiebudgets verschwendet. Für Geschäftsleitungen oder Vorstände, die dies als „Firlefanz“ oder zu mitarbeiterfreundlich abtun, ist die entscheidende Botschaft: Es geht darum, den Wert zu erschließen, den die Technologie zwar ermöglicht – aber nicht von allein liefert.
„Vorstände sehen gerne neue Technologien eingeführt“, bestätigt Riley. „Präsentieren Sie daher den Fokus auf die Mitarbeiter als clevere Risikosteuerung mit starken, kumulierenden Erträgen: höhere Produktivität, bessere Mitarbeiterbindung und nachhaltige Geschäftserfolge. Technologie allein erreicht schnell ihr Maximum und stagniert dann.“
Realitätscheck für den Mittelstand
Dieser Verteilungsschlüssel setzt jedoch einen relativ reifen Startpunkt voraus. Wie sieht es bei Unternehmen aus, bei denen die Zahlen deutlich anders verteilt werden müssen?
Alix Gallardo, Chief Product Officer bei Invent, begleitet mittelständische Unternehmen genau durch solche Szenarien. Ihr Blick auf SaaS-KI verändert die Kalkulation.
„Wenn Sie SaaS-KI kaufen, hat der Anbieter bereits die harte Arbeit erledigt, das aufwendige und teure Modell gebaut und viel Infrastruktur geschaffen. Daher sollte die Frage lauten: 'Nachdem all das erledigt ist, worauf fokussieren wir unsere begrenzte interne Zeit und unser Budget?'“
Auch bei vorwiegend fertigen SaaS-Lösungen stehen die Menschen für sie weiter im Mittelpunkt, wobei sie den Realitäten begegnet, dass Infrastrukturprobleme im Mittelstand oft besonders groß sind.
„Mittelstands-Setups sind oft chaotisch“, stellt Gallardo fest. „Viele voneinander getrennte SaaS-Produkte, Altsysteme, eigene Integrationen, lückenhafte Datenflüsse und kleine IT-Teams. Es ist also normal, dass zu Beginn bis zu 25–35 % auf Infrastruktur entfallen.“
Betrachten wir drei Szenarien, in denen die Verteilung angepasst werden muss:
Szenario 1: Das infrastruktur-arme Unternehmen
Ein Fertigungsunternehmen mit 2.000 Mitarbeitenden existiert seit 30 Jahren. Die Daten liegen in Silos in verschiedenen Systemen. Kundendaten in einer Datenbank, Produktionsdaten in einer anderen, Qualitätskennzahlen in Tabellen. Das IT-Team besteht aus fünf Personen.
Für dieses Unternehmen könnte die Verteilung anfangs 50 % Menschen, 40 % Infrastruktur, 10 % Algorithmen betragen. Ohne grundlegende Dateninfrastruktur können KI-Tools nicht effektiv arbeiten. Doch selbst hier darf die Investition in die Menschen nicht gestrichen werden. Sie muss gezielt eingesetzt werden, um die Fähigkeit im Unternehmen auszubauen, bessere Infrastrukturentscheidungen treffen zu können und die Belegschaft auf die Veränderungen vorzubereiten, sobald die Infrastruktur steht.
Szenario 2: Das agile Scale-Up
Ein Softwareunternehmen mit 800 Mitarbeitenden ist von Beginn an cloud-basiert. Die Systeme sind miteinander vernetzt. Das Team verfügt über hohe technische Kompetenz. Die Infrastruktur stellt kein Nadelöhr dar.
Hier könnte die Aufteilung 75 % für Menschen, 15 % für Infrastruktur und 10 % für Algorithmen betragen. Das rasche Wachstum des Unternehmens bedeutet, dass Kultur und Prozesse zusätzliche Investitionen benötigen, um zu skalieren. Mit einer soliden technischen Grundlage liegt die Einschränkung im organisatorischen Bereich und nicht in der Technologie.
Szenario 3: Das risikoscheue mittelständische Unternehmen
Ein Finanzdienstleister mit 4.500 Mitarbeitenden arbeitet in einer stark regulierten Branche. Die Unternehmenskultur ist widerstandsfähig gegenüber Veränderungen, Risikomanagement hat höchste Priorität und die Anforderungen an Compliance sind umfangreich.
Dieses Unternehmen könnte 65 % für Menschen, 20 % für Infrastruktur und 15 % für Algorithmen aufwenden. Der höhere Algorithmus-Anteil dient nicht der Jagd nach den neuesten Modellen – es geht um Investitionen in KI-Tools mit integrierten Governance-Funktionen, Prüfpfaden und Transparenzmechanismen, die das Compliance-Risiko reduzieren.
Die Diagnose ist nicht kompliziert. Bewerten Sie Ihr Unternehmen auf vier Dimensionen von 1 bis 10:
- Aktuelle Qualität der Dateninfrastruktur
- Veränderungsfähigkeit der Organisation
- Dichte technischer Talente
- Komplexität von Regulatorik und Compliance
Niedrigere Bewertungen bei Infrastruktur und Talent weisen darauf hin, dass Sie hier mehr investieren müssen. Höhere Veränderungsfähigkeit bedeutet, Sie können mehr in Menschen und Prozesse investieren. Hohes regulatorisches Umfeld kann größere Investitionen in fortschrittliche Tools mit eingebauter Steuerung rechtfertigen.
Doch in allen Szenarien gilt ein Grundsatz: Die Investition in Menschen muss mindestens gleichauf oder höher sein als die Investition in Technologie.
Wie Munro sagt: "Die meisten Organisationen scheitern nicht an der KI selbst, sondern daran, dass sie in Prompts investieren und von KI eine magische Lösung erwarten, anstatt das zu tun, was sie wirklich tun sollten: sicherzustellen, dass ihre Mitarbeitenden wissen, was KI ist, was möglich ist, wie sie KI nutzen können, welche Werkzeuge für ihre Aufgaben geeignet sind und wie man KI mit Integrität einsetzt."
Das versteckte Kostenproblem
Ein Grund, warum Unternehmen die Aufteilung falsch machen, ist, dass viele tatsächlich nicht wissen, wie viel sie in jedem Bereich ausgeben. Die Kosten verteilen sich über verschiedene Abteilungen und verstecken sich in unterschiedlichen Budgetposten.
Technologiekosten sind meist sichtbar: Softwarelizenzen, Cloud-Computing-Gebühren, Verträge mit Anbietern. Diese tauchen klar in IT-Budgets auf.
Infrastrukturkosten sind manchmal versteckt. Die Zeit der Dateningenieure verschwindet im Betriebsbudget der IT. Integrationsarbeit passiert im Rahmen der "Systempflege." Sicherheitsprüfungen laufen als Nebenprojekt mit. Überwachungssysteme sind oft nur ein nachträglicher Gedanke.
Aber die Kosten für Menschen und Prozesse sind meist völlig unsichtbar. Die Zeit der Mitarbeitenden in Schulungen stellt Opportunitätskosten dar (Arbeit, die nicht erledigt wird, während sie lernen). Coachings für Führungskräfte erscheinen in keinem Budget. Prozessneugestaltung geschieht in Besprechungsräumen ohne klare Zuordnung. Kommunikationsaufwand ist überall und nirgends. Governance-Meetings kosten Zeit, werden aber selten als KI-Transformationskosten erfasst.
Gallardo nennt drei Warnsignale dafür, dass Ihre Aufteilung nicht stimmt, unabhängig davon, was Ihr offizielles Budget sagt:
"Einige Power-User lieben das KI-Tool, aber die meisten ignorieren es. Es gibt keine sichtbaren Veränderungen in Entscheidungen oder Arbeitsabläufen wegen KI – nur coole Features, aber keinen wirklichen Einfluss darauf, wie die Arbeit erledigt wird. Neue KI-Experimente sind überall verstreut, ohne gemeinsame Standards, Handbücher, Metriken, Fallstudien oder Governance."
Wenn Sie diese Symptome erkennen, "bringt eine Budgetverschiebung hin zu Produktmanagement, Betrieb, Change Management und der Förderung von 'KI-Champions' viel mehr als noch ein weiteres Integrationsprojekt", sagt sie.
Riley sieht das gleiche Muster: "Selbst wenn Mitarbeitende still und heimlich KI-Tools eigenständig nutzen, ist die Antwort nicht strengere Kontrolle. Es geht darum, diese Energie mit praxisnahen Schulungen und klaren Leitlinien zu lenken. Eine Überinvestition in Menschen ist selten; tatsächlich tun die meisten Unternehmen hier zu wenig, nicht zu viel."
Um Ihren wahren Ressourceneinsatz zu verstehen, brauchen Sie einen ehrlichen Audit. Rechnen Sie für das letzte Quartal ab:
- Alle KI-bezogenen Softwarelizenzen, Cloud-Kosten und Anbietergebühren
- Aufwand von IT- und Datenteams für KI-Infrastruktur, Integration und Sicherheit
- Zeit, die Mitarbeitende in KI-Schulungen verbringen (Stunden multipliziert mit durchschnittlichem Stundenlohn)
- Zeit des Managements für Coaching beim KI-Einsatz
- Besprechungszeit für Governance, Prozessneugestaltung und KI-Initiativenplanung
- Kosten für externe Berater und Beratung
Ordnen Sie alles in die drei Bereiche ein: Algorithmen, Infrastruktur oder Menschen und Prozesse. Die meisten Unternehmen entdecken dabei, dass sie viel mehr für Technologie und viel weniger für Menschen ausgeben, als sie dachten.
Warum die richtige Aufteilung wichtig ist
Der Leistungsunterschied zwischen Unternehmen, die die Allokation richtig machen, und denen, die es nicht tun, ist eklatant.
Studien zeigen: Organisationen mit menschenzentrierten Ansätzen haben 2,3-mal engagiertere Mitarbeitende und erreichen eine 1,5-mal höhere Leistungsfähigkeit.
Unternehmen, in denen CHROs und CIOs als echte Partner zusammenarbeiten, berichten, dass sie 15-mal produktiver in ihren KI-Initiativen sind. Doch dies geschieht nicht so häufig, wie man meinen könnte. Das Problem beginnt mit einer grundlegenden Verwirrung darüber, wofür CIOs im Gegensatz zu CHROs bei der KI-Transformation verantwortlich sein sollten.
„Bemerkenswert ist, dass dem CIO nicht nur das Design, der Test und die Implementierung der Tools zugewiesen wurden, sondern auch deren Einführung“, stellt David Swanagon, Gründer des Machine Leadership Journal, auf Basis seiner Forschung zur organisatorischen KI-Bereitschaft fest. „Und ich denke, eines der Argumente, die wir durch unsere Forschung machen, ist, dass die Einführung in den Verantwortungsbereich des CHRO fallen sollte, weil es hier um Kultur, Vertrauen, Autonomie und Kompetenzen geht. Der CIO sollte das Design, Testing und Deployment übernehmen, doch dann soll Schluss sein und dann eine Partnerschaft mit dem CHRO eingehen, um die Einführung zu steuern.“
HÖREN SIE DIE GESAMTE EPISODE MIT DAVID SWANAGON
Diese Unterscheidung ist strukturell. Wenn CIOs sowohl für die Implementierung als auch die Einführung verantwortlich sind, resultieren vorhersehbare, technisch solide Lösungen, die niemand nutzt oder die organisatorische Reibungen erzeugen, weil sie nicht im Hinblick auf Kultur und Kompetenzen entwickelt wurden.
Die Kosten einer fehlerhaften Ressourcenzuteilung summieren sich schnell. Klarna sorgte mit Effizienzsteigerungen durch KI für Schlagzeilen, kehrte jedoch stillschweigend um, als die Auswirkungen auf Menschen und Unternehmenskultur deutlich wurden.
Shadow AI verbreitet sich, wenn Unternehmen keine unterstützten Tools und Schulungen bereitstellen, wodurch genau die Sicherheitsrisiken entstehen, vor denen Führungskräfte Angst haben. Branchendaten zeigen, dass 80 % der KI-Projekte nicht skalieren, häufig weil sie ohne die notwendige organisatorische Unterstützung für die Adoption eingeführt wurden—was manchmal dazu führt, dass KI zum Sündenbock für größere organisatorische Probleme wird.
Mitarbeiter-Burnout und Widerstand werden zur unsichtbaren Steuer bei technologiegetriebenen Ansätzen. Wenn Tools ohne geeignete Schulung und Überarbeitung von Arbeitsabläufen eingeführt werden, erleben die Mitarbeiter KI als etwas, das über sie hinweg entschieden wird, nicht für sie. Die Tools erhöhen dann die Arbeitsbelastung statt sie zu verringern. Der Widerstand verfestigt sich.
„Es ist äußerst dysfunktional und besorgniserregend zu sehen, dass die meisten Unternehmen, die uns um Hilfe bitten, glauben, dass nach dem bloßen ‚Einschalten‘ eines Tools magisch alles besser wird“, sagt Munro. Diese Dysfunktion ist nicht nur verschwenderisch, sie schadet aktiv der Transformationsfähigkeit der Organisation.
Dennoch haben mittelständische Unternehmen, die die richtige Zuteilung treffen, strukturelle Vorteile gegenüber Großunternehmen. Kürzere Kommunikationswege bedeuten, dass Veränderungen schneller weitergegeben werden. Schnellere Entscheidungszyklen ermöglichen raschere Iterationen. Engere Verbindung zwischen Führung und Belegschaft erlauben authentischere Veränderungsprozesse. Eine flexiblere Prozessanpassung sorgt dafür, dass Arbeitsabläufe sich weiterentwickeln, während die Organisation dazulernt.
„Als COO, die CX-Operationen durch mehrere Technologie-Einführungen geführt hat, gehe ich KI genauso an: Die Menschen stehen an erster Stelle, dann starke Prozesse zu ihrer Unterstützung, und die Technologie ist der Enabler“, erklärt Riley. „Wenn der Mensch im Mittelpunkt steht, bleibt die Transformation und liefert die nachhaltigen Ergebnisse, die wirklich zählen.“
Der ROI ist transformativ. Diese $300.000, die zielgerichtet in KI-Schulungen investiert werden und Fehler um 40 % reduzieren? Das ist kein einmaliger Benefit. Es ist eine Fähigkeit, die sich vierteljährlich verbessert, wenn die Menschen kompetenter werden. Die $200.000 in der Neugestaltung von Arbeitsabläufen? Diese Verbesserungen summieren sich, weil Sie eine Innovationskultur für Prozesse aufgebaut haben.
Von der Regel zum Prinzip
Die 70-20-10-Regel ist keine starre Formel, die blind befolgt werden muss. Sie ist ein Prinzip, das auf Beobachtungen basiert, welche Unternehmen mit KI tatsächlich erfolgreich sind, und auf der Erkenntnis, dass Transformation in erster Linie eine Herausforderung für Menschen und Organisationen ist, keine technologische.
Für mittelständische Unternehmen erfordert dieses Prinzip eine Übersetzung, aber kein Aufgeben. Ihre Infrastruktur-Lücken könnten 25–35 % des Budgets statt 20 % benötigen. Ihre SaaS-KI-Tools könnten Algorithmuskosten in die Abogebühr einpreisen und damit die Rechnung der 10 % verschieben. Ihre branchenspezifischen Randbedingungen verlangen vielleicht Anpassungen.
Aber die Kernaussage bleibt: Wenn Sie mehr für Technologie als für Menschen ausgeben, lassen Sie mit großer Sicherheit erheblichen Mehrwert ungenutzt.
Rileys Ansatz ist pragmatisch: „Bei einem Startbudget von $2 Mio. würde ich rund 65 % für die gezielte Qualifizierung von Menschen und für Change-Management-Unterstützung ausgeben. Etwa 25 % sollten für essenzielle Dinge wie Datenzugang und grundlegende Cloud-Einrichtung verwendet werden, nur 10 % für Algorithmen, wobei ich meist auf starke SaaS-Lösungen statt auf Eigenentwicklungen setzen würde.“
Gallardos Sichtweise berücksichtigt die SaaS-Realität, mit der die meisten mittelständischen Unternehmen konfrontiert sind: „Ja, die Verteilung bleibt gleich, auch wenn Sie niemals selbst das Modell anfassen. Für eine überwiegend standardisierte Lösung gehen etwa 10 % an Algorithmen, 20 % an die Infrastruktur und 70 % an Menschen und Prozesse. Hier sollten Sie den Großteil Ihres Budgets investieren.“
Die Erkenntnis, die beide teilen, ist: Erfolg zeigt sich in Übernahmeraten, Mitarbeiterselbstvertrauen und in den Ergebnissen des Alltags, nicht nur in ausgegebenen Dollar. Die Technologie, die Sie kaufen, ist weniger entscheidend als das, was Sie tun, um Menschen zur effektiven Nutzung zu befähigen.
Die Exekutivmaßnahme ist einfach: Machen Sie diesen Monat Ihr Audit der Ressourcenallokation. Rechnen Sie zusammen, was Sie wirklich für Algorithmen, Infrastruktur und Menschen ausgeben, auch unter Berücksichtigung versteckter Kosten. Ist der Technologieanteil größer als der für Menschen, haben Sie Ihr Problem gefunden.
Dann machen Sie es richtig.
- Investieren Sie in die ungeliebte Aufgabe des Change Managements, bevor Sie das nächste Tool einführen.
- Entwickeln Sie rollenbasierte Schulungsprogramme.
- Etablieren Sie KI-Botschafter.
- Befähigen Sie Ihre Führungskräfte, die Einführung zu unterstützen.
- Gestalten Sie Arbeitsabläufe neu, bevor Sie Technologie implementieren.
- Erstellen Sie Governance-Rahmenwerke, die befähigen statt einschränken.
Denken Sie an Munros Warnung: „Wo Sie beginnen, den Schaden zu sehen, ist ein Mangel an Reihenfolge und Zielsetzung. Das 'ungeliebte' Klären von Zuständigkeiten, Ziel, Anreizen, Abläufen usw. zu überspringen, bevor überhaupt an die Tools gedacht wird.“
Die Technologie ist da, wenn Sie bereit dafür sind. Ihre Mitarbeitenden werden jedoch nicht ewig warten.
