Der schwierige Teil beginnt, nachdem KI funktioniert
![[OPT 1] IMG PMP – Editorial – Dinner Conversation with CHROs-14152](https://peoplemanagingpeople.com/cdn-cgi/image/format=auto,quality=82,onerror=redirect,width=792,height=446,fit=crop/wp-content/uploads/sites/3/2026/09/OPT-1-IMG-PMP-–-Editorial-–-Dinner-Conversation-with-CHROs-14152.jpg)
Mit der Arbeit beginnen: Unternehmen sollten Arbeitsabläufe zunächst um geschäftliche Probleme herum neu gestalten, bevor sie KI-Werkzeuge auswählen oder erwartete Erträge messen.
Urteilsvermögen bei Anwendungsfällen: KI-Schulungen schaffen mehr Wert, wenn Mitarbeitende lernen, lohnende Probleme zu erkennen, anstatt lediglich neue Werkzeuge zu bedienen.
Neugestaltung von Arbeitsplätzen: Eine erfolgreiche Einführung von KI zwingt Führungskräfte dazu, Verantwortlichkeiten, Fähigkeiten, Leistungsstandards und Karrierewege neu zu definieren, während sich Aufgaben verändern.
Sorgfältig skalieren: Pilotprojekte lassen sich nur selten direkt auf andere Bereiche übertragen. Organisationen müssen bewährte Verfahren standardisieren und zugleich an Arbeitsabläufe, Risiken und Daten anpassen.
Gerechter Zugang: Ungleicher Zugang zu KI kann Leistungsbeurteilungen, Entwicklungsmöglichkeiten und Produktivitätsvergleiche zwischen Mitarbeitenden mit ähnlicher Arbeit verzerren.
Letzte Woche setzte ich mich in Atlanta mit einer Gruppe von CHROs zusammen, um über die Skalierung von KI im gesamten Unternehmen zu sprechen.
Wir begannen mit dem ROI, doch das Gespräch kehrte immer wieder zur eigentlichen Arbeit zurück: Welche Probleme verdienen KI-Investitionen, was sollten Organisationen mit den dadurch entstehenden Kapazitäten tun und wann haben sich genügend Aufgaben verändert, sodass sich auch eine Stelle verändern muss?
Kia Painter gab uns den Ausgangspunkt vor. Beginnen Sie mit dem Geschäftsproblem, verstehen Sie den Arbeitsablauf, gestalten Sie den Prozess neu und entscheiden Sie dann, wo KI eingesetzt werden sollte.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Painter ging kürzlich nach 28 Jahren bei Cox Communications in den Ruhestand, zuletzt als Leiterin des Personalwesens. Ihre Reihenfolge ist entscheidend, denn Organisationen haben zahlreiche Möglichkeiten, KI einzusetzen. Die schwierigere Disziplin besteht darin, zu entscheiden, welche Einsatzmöglichkeiten Zeit, Geld und organisatorische Veränderungen verdienen.
Die Beurteilung von Anwendungsfällen könnte wichtiger sein als die Schulung zu Tools
Einige Wochen vor dem Abendessen führte ich in unserem AI-Signal-Newsletter eine informelle Umfrage durch und fragte, warum Manager mehr KI-Schulungen für ihre Teams anforderten. Der häufigste Grund: Die Menschen waren sich nicht sicher, welche Anwendungsfälle relevant waren.
Das weist auf ein Problem in der Art und Weise hin, wie viele Unternehmen an die Befähigung für KI herangehen. Menschen beizubringen, wie man Prompts formuliert, Dokumente zusammenfasst oder Inhalte generiert, schafft Vertrautheit mit der Technologie. Es hilft ihnen kaum dabei, zu entscheiden, wo KI ein bedeutsames Geschäftsergebnis verbessern kann.
Angela Cheng-Cimini, Leiterin der Personalabteilung bei The Chronicle of Philanthropy, beschrieb einen Ansatz, der sich eher an den Problemen der Beschäftigten als an den Fähigkeiten der Tools orientiert. Sie sagte, ihre Organisation plane, alltägliche Herausforderungen der Mitarbeitenden zu sammeln, mehrere mit breiter Relevanz auszuwählen und kurze Hackathons zu veranstalten, um sie zu lösen. Eine Mitarbeiterin hatte diesen Ansatz bereits selbst verfolgt und einen Agenten entwickelt, der sich um wiederkehrende Rechnungsanfragen kümmerte, die ein Kundenservice-Postfach überflutet hatten.
Das ist ein weitaus nützlicheres Modell für KI-Schulungen, weil es das Lernen mit der Arbeit verknüpft, mit der die Menschen bereits vertraut sind. Die Fähigkeit, die Unternehmen entwickeln müssen, ist die Beurteilung von Anwendungsfällen: Kann ein Manager einen Arbeitsablauf betrachten, erkennen, wo Zeit oder Qualität verloren gehen, und feststellen, wo KI einen Unterschied machen könnte?
Diese Beurteilung verbessert auch die Chancen auf einen ROI. Eine technisch erfolgreiche Einführung, die auf ein Problem mit geringem Wert abzielt, bleibt dennoch eine schlechte Investition.
Kapazitäten erzwingen Entscheidungen über die Arbeit
Die nächste Frage lautet, was zu tun ist, wenn der Anwendungsfall erfolgreich ist.
KI kann administrative Arbeit beseitigen, Durchlaufzeiten verkürzen und Menschen Kapazitäten verschaffen, die ihnen zuvor nicht zur Verfügung standen. Führungskräfte müssen dann entscheiden, wofür diese Kapazitäten eingesetzt werden.
Am Tisch führte das zu einer Diskussion über die Verdichtung von Stellen und breitere Rollen. Kesi Dorner, AGM für Personalwesen bei der Metro Atlanta Regional Transit Authority (MARTA), sprach darüber, Aufgaben, die derzeit auf verschiedene spezialisierte HR-Positionen verteilt sind, in umfassenderen Geschäftspartnerrollen zu bündeln.
Meine Frage, wann sich eine Stelle so stark verändert hat, dass sie vollständig neu gestaltet werden sollte, blieb unbeantwortet.
Bei diesen Entscheidungen werden eingesparte Stunden zu einer betrieblichen Weichenstellung. Ein Unternehmen kann die Kapazitäten nutzen, um die Leistung zu steigern, den Service zu verbessern, den künftigen Einstellungsbedarf zu reduzieren, Verantwortlichkeiten auszuweiten oder Aufgaben anzugehen, die bisher zu kurz gekommen waren. Jede Entscheidung bringt eine andere Art von Wert hervor.
Das verändert auch, wofür die Mitarbeitenden verantwortlich sind.
Das wurde noch deutlicher, als sich die Diskussion der Personalstärke zuwandte. Painter beschrieb Gespräche mit ihrem CFO darüber, ob KI die Arbeitskosten senken könnte. Ihre Antwort bestand darin, zur Arbeit zurückzukehren.
Nehmen wir die Kreditorenbuchhaltung. Was tun die Menschen tatsächlich? Welche Aufgaben kann KI übernehmen? Was bleibt übrig? Welches Geschäftsergebnis muss weiterhin erreicht werden?
Ihr Fazit war, dass KI anhand des Betriebsmodells und der Gestaltung der Arbeit geprüft werden muss, bevor Führungskräfte beginnen, Annahmen über die Belegschaft zu treffen.
Das ist eine wertvolle Aufgabe für HR, weil KI Jobs oft schrittweise verändert. Wenn eine Aufgabe wegfällt, wird eine andere schneller erledigt. Routinetätigkeiten können abnehmen, aber die verbleibende Arbeit erfordert mehr Urteilsvermögen. Neue Verantwortlichkeiten können dann den entstandenen Freiraum ausfüllen.
Irgendwann führen die angesammelten Veränderungen zu einem anderen Job.
HR sollte auf das Erreichen dieser Schwelle achten. Stellenbeschreibungen, Kompetenzanforderungen, Vergütung, Karrierewege und Leistungserwartungen hängen alle von einem genauen Verständnis dessen ab, was die Rolle nun erfordert. Wenn Führungskräfte KI weiterhin in bestehende Rollen integrieren, ohne diese Grundlagen zu überprüfen, können Beschäftigte letztlich andere Arbeit unter einer alten Jobgestaltung leisten.
Dasselbe Problem betrifft die Leistungserwartungen an Teams. Wenn ein Team mit KI produktiver wird, werden Führungskräfte natürlich fragen, ob das neue Leistungsniveau zum Standard werden sollte.
Diese Entscheidung erfordert mehr als den Nachweis, dass die Technologie funktioniert hat. Sie setzt das Vertrauen voraus, dass der erzielte Vorteil nachhaltig ist, dass Beschäftigte vergleichbaren Zugang zu den Tools haben und dass die Arbeit ähnlich genug ist, um dieselbe Erwartung auf die gesamte Organisation anzuwenden.
Über das Pilotprojekt hinaus skalieren
Hier wird ein erfolgreiches Pilotprojekt zu einer Herausforderung für das gesamte Unternehmen.
Ein Anwendungsfall kann in einem Team gut funktionieren, weil der Arbeitsablauf strukturiert, die Daten sauber, die Führungskraft mit der Technologie vertraut ist oder die Beschäftigten Zeit zum Experimentieren hatten. Einer anderen Funktion kann keiner dieser Vorteile zur Verfügung stehen.
Painter beschrieb, wie sie mit der KI-Leitung ihrer Organisation an einer Zielbild-Roadmap arbeitete, die Technologieentscheidungen mit dem künftigen Betriebsmodell verknüpfte.
Das Unternehmen gründete außerdem einen funktionsübergreifenden KI-Rat, an dem HR, Technologie, Finanzen und Recht beteiligt waren. Ziel war es, Investitionen und Governance an den Geschäftsprioritäten auszurichten, anstatt jeder Funktion zu erlauben, ihre eigene Sammlung von Tools und Projekten aufzubauen.
Das ist ein entscheidender Teil der Skalierung, denn man kann nicht einfach kopieren, was anderswo funktioniert hat. Führungskräfte müssen ermitteln, welche Teile eines erfolgreichen Ansatzes standardisiert werden können und welche von der Arbeit, der Belegschaft oder dem Risikoprofil einer bestimmten Funktion abhängen.
Das sollte auch allgemeine Produktivitätsannahmen dämpfen. Ein starkes Pilotprojekt kann Erkenntnisse über einen Anwendungsfall liefern. Es liefert nicht automatisch Erkenntnisse über eine gesamte Belegschaft.
Der Zugang zu Tools ist Teil der Leistungsformel
Die Skalierung schafft außerdem ein Fairnessproblem.
Die Teilnehmenden beschrieben Organisationen, in denen Beschäftigte je nach Funktion, Budget oder Richtlinie Zugang zu unterschiedlichen KI-Tools haben. Einige Beschäftigte ergänzen das Angebot ihres Arbeitgebers durch kostenpflichtige Tools, die sie zu Hause oder auf persönlichen Geräten nutzen. Andere haben diese Möglichkeit nicht.
Sobald KI die Menge oder Qualität der Arbeit beeinflusst, die jemand leisten kann, sind diese Unterschiede für das Leistungsmanagement relevant.
Kara Miller, ehemalige Vizepräsidentin für Talent, Lernen und Transformation der Belegschaft bei Visa, brachte einen weiteren Aspekt zur Sprache: Wenn zwei Beschäftigte am gleichen Leistungsstandard gemessen werden, eine Person jedoch Zugang zu einem leistungsfähigeren Tool hat, wie viel des Leistungsunterschieds ist dann auf die individuelle Fähigkeit zurückzuführen und wie viel auf das Umfeld, das die Organisation für sie geschaffen hat?
Dasselbe Problem kann Entwicklung und berufliche Mobilität beeinträchtigen, wenn einige Rollen den Beschäftigten deutlich mehr Möglichkeiten bieten, KI-Kompetenzen aufzubauen, als andere.
Die Unternehmen müssen nicht allen Beschäftigten identische Tools bereitstellen, darin war sich die Gruppe einig. Sie müssen jedoch verstehen, wann ein ungleicher Zugang beginnt, die Standards zu beeinflussen, anhand derer sie Menschen beurteilen.
Ein besseres Maß für KI-Reife
Gegen Ende des Abends fragte ich, was sich im kommenden Jahr ändern müsste, damit Führungskräfte zuversichtlich sein könnten, dass ihre Organisationen herausgefunden haben, wie sich KI skalieren lässt.
Die Antworten konzentrierten sich auf ein besseres Urteilsvermögen in der gesamten Organisation: Führungskräfte, die über ein gewisses Maß an Vertrautheit mit der Technologie sprechen konnten, Beschäftigte, die eine verantwortungsvolle Nutzung verstanden, Manager, die lohnenswerte Einsatzmöglichkeiten erkennen konnten, und klarere Entscheidungen über den Zugang.
Das bietet HR-Führungskräften eine hilfreiche Perspektive auf die nächste Phase der KI-Einführung.
Wenn Sie mehr Wert aus KI schöpfen wollen, müssen Sie besser darin werden, die richtigen zu lösenden Probleme auszuwählen, die Arbeit neu zu gestalten, wenn diese Probleme gelöst sind, und zu entscheiden, welche Vorteile sich anderswo reproduzieren lassen.
HR muss außerdem bewusster damit umgehen, was neue Kapazitäten für Jobs und Leistungserwartungen bedeuten.
