KI hat nicht deinen Job ersetzt – sondern dein Wertangebot. In dieser Folge sprechen wir mit Taylor Blake, SVP of AI Labs bei Degreed, über die unbequeme Wahrheit, vor der viele L&D-Teams stehen: Wenn deine Aufgabe darin besteht, Inhalte bereitzustellen, Mitarbeitern Hindernisse aus dem Weg zu räumen oder Antworten im Arbeitsfluss zu liefern, erledigt KI dies bereits jetzt besser, schneller und ganz ohne Termineinladung.
Aber genau dort, wo KI aufhört, beginnt die Zukunft von L&D. Taylor berichtet, wie ihr Team bei Degreed als „Kunde Null“ agiert – sie nutzen ihre eigenen Tools, bevor sie an Kunden ausgeliefert werden. Das heißt, sie stecken mitten im Chaos, statt nur Versprechen zu verkaufen. Von Vorbereitung statt bloßer Reaktion über die emotionale Belastung permanenter Effizienz: Dieses Gespräch beleuchtet, was es wirklich bedeutet, Kompetenzen aufzubauen in einer Welt, in der ein Mitarbeiter plötzlich die Macht – und den Druck – von zehn hat.
Das lernst du in dieser Folge
- Warum L&D sich vom Wissensvermittler zum Entwickler menschlicher Fähigkeiten wandeln muss
- Der Unterschied zwischen Just-in-Time-Lernen und echter Vorbereitung – und warum das wichtiger ist denn je
- Wie KI den Einsatz in allen Rollen erhöht, sie aber nicht verdrängt
- Die unbeabsichtigten emotionalen Nebenwirkungen von Hyper-Effizienz
- Warum kritische Skeptiker (und nicht nur KI-Optimisten) die Zukunft mitgestalten sollten
Wichtige Erkenntnisse
- Effizienz ≠ Wirkung: Ein 400-seitiges Buch auf Stichpunkte zu komprimieren spart Zeit, vernichtet aber echte Transformation. Lernen ist nicht nur Information, sondern auch Erfahrung und emotionale Resonanz.
- Vorbereitung ist ein System, kein Sprint: Entscheidungen mit hoher Tragweite brauchen tiefes Kontextwissen und Urteilsvermögen. Ohne gezielte Unterstützung – wie Simulation, Coaching und psychologische Sicherheit – werden Mitarbeitende unvorbereitet in die Komplexität entlassen.
- Content ist nicht König – Kontext ist entscheidend: KI mag oberflächliche Antworten liefern, doch gelebte Erfahrung, institutionelles Wissen und unausgesprochene Feinheiten sind unersetzlich.
- Wir designen Burn-out als Standard: Wenn KI Routinetätigkeiten entfernt, bleibt nur noch ständiges Entscheiden. Ohne Pausen, Reflexion oder menschliche Leitplanken steigen die emotionalen Kosten.
- Ethik darf kein Nachgedanke sein: In unseren Experimenten stecken echte Menschen. Entwickler von KI-Tools müssen Raum für Unsicherheit, unbeabsichtigte Folgen und seltsame Nebenwirkungen schaffen – wie das Kind, das lieber die Bestätigung der KI als die der Eltern sucht.
Kapitel
- 00:00 — Die KI hat deine Stellenbeschreibung übernommen
- 02:00 — Degreed als Kunde Null
- 05:00 — Der schwindende Wertbeitrag von L&D
- 07:30 — Vorbereitung vs. Just-in-Time
- 09:00 — Die Kosten der Effizienz
- 12:30 — Werkzeuge für Wandel, nicht nur Content
- 15:30 — Hochriskante Aufgaben, wenig Vorbereitung
- 18:00 — Tiefe, Kontext und der Verlust von Lehre durch Nachahmung
- 20:00 — Menschen halten den wahren Kontext
- 23:00 — Unbewusstes Entwerfen von Burn-out
- 25:00 — Verantwortungsvolles Experimentieren
- 28:00 — KI mit Achtsamkeit entwickeln
Unser Gast

Taylor Blake ist Senior Vice President für Neue Initiativen & AI Labs bei Degreed. Er leitet dort Innovationsprojekte an der Schnittstelle von Lernen, Talententwicklung und künstlicher Intelligenz, um Organisationen dabei zu unterstützen, ihre Arbeitskräfte zukunftssicher aufzustellen. Mit fundierter Expertise in People Strategy, digitaler Transformation und KI-getriebener Produktentwicklung setzt sich Taylor für Lösungen ein, die Kompetenzentwicklung, Engagement und Leistung im sich rasant verändernden Arbeitsumfeld fördern. Er ist eine anerkannte Führungspersönlichkeit, wenn es darum geht, wie Unternehmen Daten und intelligente Systeme für personalisierte Lernerfahrungen und strategische Talententwicklung nutzen.
Verwandte Links:
- Treten Sie der People Managing People Community bei
- Abonnieren Sie unseren Newsletter, um unsere neuesten Artikel und Podcasts zu erhalten
- Vernetzen Sie sich mit Taylor auf LinkedIn
- Schauen Sie sich Degreed an
Verwandte Artikel und Podcasts:
David Rice: Künstliche Intelligenz hat nicht deine Stellenbeschreibung gestohlen, sondern die Tätigkeitsbeschreibung, die du in den letzten zehn Jahren beschrieben hast. KI erledigt diese Aufgaben schneller, günstiger und genau im Moment des Bedarfs. Wenn du im Bereich L&D tätig bist und deine Arbeit darin gesehen hast, Schulungen zu liefern oder Inhalte zu produzieren oder den Menschen Antworten im Arbeitsfluss zu geben – dann hat Taylor Blake, Senior Vice President von AI Labs und neuen Initiativen bei Degreed, schlechte Nachrichten für dich.
Du hast ein Problem, denn KI kann all das übernehmen und braucht dabei keine Hilfe. Aber es gibt Dinge, die sie nicht kann. Sie kann die Fähigkeiten von Menschen nicht für Entscheidungen mit weitreichenden Konsequenzen erweitern. Sie kann sie nicht auf Situationen vorbereiten, die noch gar nicht eingetreten sind, oder Bereitschaft im Voraus schaffen statt nur auf Situationen zu reagieren. Sie kann Menschen nicht dabei unterstützen, die strategischen Komplexitäten zu meistern, wenn nun eine einzelne Person sehr viel bewirken kann.
Und genau diese Chance verpassen L&D-Abteilungen, während sich einige Branchenvertreter darauf fokussieren, die Inhaltsbereitstellung zu verteidigen. Das Team von Taylor baut nicht nur KI-Tools für Unternehmen. Sie nutzen diese auch intern und sind sozusagen ihr eigener erster Kunde – das bedeutet, sie leben unmittelbar mit den Konsequenzen ihrer Entscheidungen. Und was sie dabei entdecken, ist oft unangenehm.
Die Lücke zwischen KI-Demo und KI-Praxis ist gewaltig. Der Effizienzdruck flacht die emotionale Kapazität der Menschen ab. Und manchmal treten Effekte auf, mit denen niemand gerechnet hat – zum Beispiel, dass Taylors zehnjährige Tochter Bestätigung nicht mehr bei ihren Eltern, sondern bei der KI sucht. Heute besprechen wir, warum L&D umdenken muss, sonst wird es ersetzt.
Wir sprechen über den Unterschied zwischen „just in time learning“ und Einsatzbereitschaft – und warum beides heute wichtig ist, wie KI die Arbeit aller strategischer und bedeutender macht. Das Effizienz-Paradoxon, bei dem wir mit KI alle mehr erledigen, uns aber ausgelasteter fühlen als je zuvor. Und warum es besonnenen, kritischen Menschen braucht, um KI-Tools zu bauen, nicht nur Optimisten.
Ich bin David Rice. Das ist People Managing People. Und falls du aktuell noch versuchst, deinen bestehenden Wertbeitrag zu verteidigen, statt ihn neu zu denken, wird dieses Gespräch dein Weckruf sein. Steigen wir ein.
Hallo Taylor, willkommen! Wie geht es dir?
Taylor Blake: Mir geht es gut, David. Danke, dass ich hier sein darf.
David Rice: Wir hatten Gelegenheit, auf der Gartner-Konferenz miteinander zu sprechen.
Es war sehr spannend zu hören, was ihr alles bei Degreed macht. Ich wollte mit der Idee von Degreed als „Kunde null“ starten – ihr experimentiert nicht nur für die Produktentwicklung, sondern nutzt eure eigenen KI-Tools auch selbst. Mich interessiert: Was sind die größten Vorteile, die ihr daraus gezogen habt, und wie hat das euren Ansatz im Lauf der Zeit verändert?
Taylor Blake: Ja, absolut. Der Grund, warum wir diese Experimente durchführen und warum wir die AI Labs haben, ist, weil so viele neue Technologien und Fähigkeiten mit KI entstehen, dass wir erst einmal verstehen müssen, wie sie Sinn ergeben – und das ist wirklich schwer. Es gibt keine einfachen Vorgaben, aus denen man direkt adaptieren kann, wie etwas auf L&D-Anwendungsfälle oder die Nutzererfahrung übertragbar ist.
Man muss das wirklich selbst ausprobieren. Wir können diese Dinge intern testen. Das hat uns einiges gebracht. Erstens hilft es uns sehr, abzuschätzen, was tatsächlich einsatzbereit ist und was nicht. KI durchläuft ihre eigenen Hype-Phasen, aber jede einzelne KI-Fähigkeit und jeder Use Case – manches ist bereit, anderes noch nicht.
Dass wir selbst testen können, gibt uns Überzeugung, wenn Technologien reif sind, und wir erkennen, wenn etwas noch nicht so weit ist. Aber viele Lernerfahrungen sind auch sehr individuell. Indem wir selbst als Kunde null aktiv werden, setzen wir den Maßstab hoch und wollen sicherstellen, dass es wirklich großartige Erfahrungen sind – erst, wenn wir etwas so weit gebracht haben, dass wir es für uns selbst nutzen würden, bauen wir darauf auf.
Und machen daraus eine Fähigkeit, die unsere Unternehmenskunden einsetzen können.
David Rice: Was mir an diesem Modell gefällt – du kannst gern widersprechen – aber ich habe das Gefühl, es erzwingt eine gewisse Verantwortung, oder? Ihr verkauft nicht nur eine Idee am Markt und lasst es dann dabei, sondern lebt mit den Folgen eurer Entscheidungen.
Das ist ziemlich selten, denke ich. Und ich kann mir vorstellen, dass dadurch Spannungen aufgedeckt werden, die man sonst nicht bemerkt, wie etwa die Diskrepanz zwischen dem, was Menschen von KI erwarten, und dem, was sie tatsächlich im Arbeitsalltag nutzen.
Taylor Blake: Ja, absolut. Es gibt so viele Ebenen dabei. Die Differenz zwischen einer KI-Demo und KI im Alltag kann enorm sein, und man weiß es erst, wenn man praktisch arbeitet.
Man muss diese Probleme tatsächlich erleben und sehen, welche Schwierigkeiten entstehen und wie man damit umgeht oder sie abmildert. Ja, wir spüren definitiv diese Verantwortung. Wenn wir die Tools zuerst aus eigener Erfahrung nutzen, erleben wir alle Probleme selbst, aber wir erkennen auch: Wir sind nicht immer repräsentativ für unsere Kunden.
Selbst wenn es bei uns funktioniert, ist das nur das Fundament. Es gibt immer noch viele Schritte, um sicherzustellen, dass die Lösungen für große Unternehmenskunden bereit sind.
David Rice: Ob groß oder klein: L&D verändert sich, oder? Auf der Konferenz sagtest du, KI übernimmt allmählich die Rolle von L&D ein bisschen.
Sie hilft schneller, Blockaden im Arbeitsfluss zu lösen, als es L&D-Teams können. Das ist ein riesiger Umbruch. Wie bleibt L&D relevant in einer Welt, in der das „Deblockieren“ nicht mehr die zentrale Wertstiftung ist?
Taylor Blake: Das ist eine spannende Herausforderung für L&D. Wenn wir unseren Job als Bereitstellung von Schulungen, Produktion von Inhalten oder Beantwortung von Fragen im Arbeitsfluss definieren, geraten wir in Schwierigkeiten.
Denn KI kann vieles davon erledigen. Ja, KI braucht Unterstützung, Steuerung und Leitplanken. Aber vieles kann sie. Das bietet L&D aber auch die Möglichkeit, breiter zu denken. Nicht jedes Leistungsproblem ist ein Trainingsproblem, aber viele Leistungsprobleme hängen von den Menschen ab.
L&D sollte eine umfassendere Sichtweise einnehmen: Wir sind da, um Menschen zu helfen, sich zu verändern, ihre Fähigkeiten auszuweiten und besser zu arbeiten. Wenn wir uns allein auf Schulung und Inhalt konzentrieren, werden wir überholt. Aber wenn wir uns breiter aufstellen, ergeben sich jede Menge Chancen, denn für unsere Kunden sind Technologie und Möglichkeiten nicht mehr das Nadelöhr – es hängt alles von den Menschen ab.
Es geht darum, wie schnell Menschen sich verändern können, wie schnell sie Veränderungen annehmen, wie rasch sie in die richtige Richtung gelenkt werden. Die Herausforderungen sind menschzentriert – L&D muss sagen: Wir können dabei helfen. Aber wir müssen unser Instrumentarium erweitern, wie wir helfen. Es geht nicht mehr nur um Inhalte oder klassische Trainings.
David Rice: Starker Punkt – es steckt so viel Potenzial drin. Wenn wir daran denken, Menschen im Moment ihres Bedarfs zu unterstützen, wenn sie wirklich etwas ändern wollen oder ein Problem lösen müssen – dabei reicht es nicht, nur Inhalte zu liefern. L&D weiß das: Jeder Mensch lernt anders. So können wir individualisieren und neugestalten, wie wir etwas vermitteln, egal ob Training oder Microlearning.
Da liegt endloses Potenzial.
Taylor Blake: Ja. Und es gibt nicht nur im Moment des Bedarfs Chancen, sondern auch davor – für die Einsatzbereitschaft. Zu oft wurde das zu negativ dargestellt: „Just in time“ versus „just in case“ – Letzteres gilt als unnötige Versicherung, also Zeitverschwendung.
Dabei wurde so stark auf „just in time“ gesetzt, weil es so effizient und relevant ist. Aber wir müssen die Idee von Bereitschaft wiedergewinnen. Es gibt Dinge, die man vorbereiten oder ermöglichen muss, bevor ein Bedarf entsteht.
Wie können wir Menschen darauf vorbereiten – insbesondere jetzt, wo KI Aufgaben strategischer macht und die Entscheidungen bedeutungsvoller werden? Wir alle haben mehr Hebelwirkung durch neue Tools und Möglichkeiten: Eine Person kann nun sehr viel bewegen.
Wie bereiten wir Menschen darauf vor? Vorbereitung, Einsatzbereitschaft – das ist heute genauso wichtig wie früher.
David Rice: Du hast das Wort Effizienz erwähnt. Wir reden viel darüber, erleben aber zugleich einen Wandel davon, Lernen effizienter zu gestalten, hin dazu, Menschen im Wandel zu unterstützen.
Welche Infrastruktur braucht das im Unternehmen? Was erwarten diese Anforderungen von den Menschen?
Taylor Blake: Der Effizienzdrang ist spannend. Nehmen wir als Beispiel ein Buch: Viele von uns könnten ein Buch benennen, das ihre Sichtweise grundlegend verändert hat. Wenn man aber dieses Buch – sei es 400 Seiten lang – auf ein paar Sätze kürzt, auf maximale Effizienz reduziert, verliert es die transformative Wirkung.
Man erkennt: Alles bis zum Minimum zu destillieren und Menschen nur transaktionsweise Information zu geben, reicht nicht. Veränderung ist kein reines Informations- oder Anleitungsproblem. Man muss Menschen Zeit und Raum geben. Dazu gehört auch, wie man Veränderungen ermöglicht.
Wir brauchen Dialog, Werkzeuge, um im Unternehmen allen nicht nur Input zu liefern, sondern sie auch an Veränderungen teilhaben zu lassen: Was denken und fühlen sie? Welche Herausforderungen sehen sie? Die Organisation muss diese Rückmeldungen aufnehmen, sich anpassen und wandeln.
So wird Veränderung möglich – nicht bloß durch eine Anweisung der Geschäftsleitung oder das Aktivieren von Microsoft Co-Pilot. KI bietet uns neue Werkzeuge, die offenen Dialog ermöglichen und Wandel zur beidseitigen Aufgabe machen: Alle machen mit.
David Rice: Interessant. Corporate Learning hat sich jahrelang darum bemüht, Inhalte billiger, schneller, leichter konsumierbar zu machen. Aber Veränderung – Menschen zu helfen, sich anzupassen – ist eine emotionale Reise. Es braucht Reflexion, Feedback, Kontext – lauter Dinge, die komplex und einzigartig menschlich sind.
Man könnte fast sagen, wir haben das falsche Gerüst für das Lernen gebaut, das wir heute brauchen, oder siehst du das anders?
Taylor Blake: Es ist ein Beispiel für sich ändernde Rahmenbedingungen. Früher war Information der limitierende Faktor.
Also: Information verfügbar machen. Doch heute lässt sich Information leicht erzeugen, bereitstellen, verteilen. Jetzt ist Information nicht mehr das Nadelöhr. Veränderung ist eine Reise, es geht darum, wie Menschen denken und fühlen und wie wir sie durch diesen Prozess begleiten. Das erfordert ganz andere Methoden und Interventionen.
KI ist gerade deshalb ein so interessantes Beispiel, weil jedes Unternehmen darüber nachdenkt. Menschen haben Ängste, Unsicherheiten, manche sind begeistert, manche haben Angst. KI als Veränderungsprojekt zeigt das deutlich: Die Menschen bringen alle möglichen Erfahrungen, Emotionen und Sorgen mit. Dafür brauchen wir neue Wege, um damit umzugehen.
David Rice: Du hast neue KI-basierte Toolkits für Wandel und Alignment entwickelt, wie Sprachschnittstellen oder Coaching- und Echtzeit-Guidance. Bei welchen Anwendungsfällen funktioniert dieser Ansatz besser als der alte?
Denn dies sind nicht nur Produktentscheidungen, sondern auch Überlegungen dazu, welchen Typ Mensch wir mit unserer Arbeit fördern wollen.
Taylor Blake: Ich komme zurück zum Thema KI-Transformation, das hören wir ständig. Es bewegt sich extrem schnell, das KI-Umfeld verändert sich so rasant, dass das alte Change-Playbook nicht mehr funktioniert. Man hat keinen einzelnen abgegrenzten Wandel mehr, den man exakt durchplant und abarbeitet.
Jetzt braucht es Systeme, die kontinuierlich mit den Menschen agieren, sie auf Wandel vorbereiten und anpassen helfen.
Wir wollen Menschen für KI gewinnen – KI bietet neue Werkzeuge. Aber wir müssen Menschen in den Vordergrund stellen. Das bedeutet: mehr Dialog, mehr Kommunikation. Organisationen müssen wissen, wo die Mitarbeitenden stehen, was sie beschäftigt, welche Probleme es gibt. Die Interventionen können aus Coaching bestehen, vom Manager begleitet oder von einer KI.
Wir brauchen Flexibilität, jede Organisation hat verschiedene Bedürfnisse. Aber im Zentrum steht: Wir brauchen ein System, das hilft, Wandel zu spüren, anzupassen und mit den Menschen im Gespräch bleibt. Man kann den Wandel nicht einfach „von oben herab“ erwarten, sondern muss die Menschen mitnehmen.
David Rice: Es ist nicht einfach Produktinnovation, sondern auch eine Annahme über das menschliche Verhalten. Ich vermute, du begegnest oft Fragen: Welche Reibung wollen wir wirklich mindern? Wie viel Autonomie sollen Menschen im Job haben? Denn die Tools beeinflussen ja auch die Arbeitsgestaltung.
Taylor Blake: Ja, es gibt viele Fragen, ehrlich gesagt. Deshalb glauben wir an Experimente – kleine, schnelle Tests, um schnell Klarheit zu gewinnen.
Etwas mag heute als gute Lösung erscheinen, aber in neun Monaten kann alles anders aussehen. Es geht mehr um die Metakompetenzen: Agilität, schnelle Orientierung und Anpassung statt ein fertiges Paket oder Programm; denn der Wandel beschleunigt sich weiter.
David Rice: Du sagtest vorhin, dass KI „low stakes“-Arbeiten wegräumt und was bleibt, ist Urteilskraft, Strategie. Das klingt gut, aber es heißt auch, dass Menschen schneller als früher mit komplexen Entscheidungen konfrontiert werden und weniger Zeit zur Entwicklung haben. Wie denkst du über Einsatzbereitschaft in diesem Umfeld?
Taylor Blake: Absolut. Ich habe neulich einen Freakonomics-Podcast über Fluglotsen gehört.
Ich wusste gar nicht, wie komplex dieser Job ist – sie steuern viele Variablen, treffen laufend komplexe Entscheidungen. Das ist ein enorm fordernder, stressiger Job. Die einfache Optimierung übernehmen Maschinen; die schwierigen, entscheidenden Urteile bleiben übrig.
Das ist wirklich fordernd, manchmal überwältigend. Die Fluglotsen absolvieren sehr viel Training, investieren in technische wie psychologische Vorbereitung. Sie haben vorgeschriebene Pausen und kennen die kognitive Komplexität ihres Jobs.
Ein anderes Beispiel – Nikki Helmer, unsere Chief Product Officer, nimmt die Städte in Europa: Dort kann man vieles zu Fuß erledigen. Im Vorort, wo wir auf das Auto angewiesen sind, brauchen wir dagegen künstlich geschaffene Anlässe, um uns zu bewegen – ins Fitnessstudio gehen, ein Laufband zuhause anschaffen. Was früher selbstverständlich war, muss heute aktiv geschaffen werden. Genauso ist es mit anspruchsvoller Arbeit.
David Rice: Genauso verhält es sich beim Verständnisaufbau. Mit der Automatisierung von Einstiegsarbeiten gehen oft die Gelegenheiten verloren, Hintergrundwissen über die Abläufe zu sammeln. Wir werden das bewusster und gezielter schaffen müssen.
Taylor Blake: Genau. Vielleicht ist das ein schlechtes Beispiel, aber: Wir hatten Heizungsprobleme zu Hause. Man merkt direkt, wer oberflächlich trainiert wurde und nur die gängigen Standardlösungen kennt – passt das Problem da nicht rein, heißt es gleich: „Neue Heizung nötig.“
Findet man aber den alten Hasen, der das System in- und auswendig kennt, wird die Ursache schnell identifiziert und repariert. Solches Systemverständnis geht uns immer mehr verloren. Wir werden aktiv Gelegenheiten schaffen müssen, dieses Wissen zu bewahren.
David Rice: Ich muss da an Heimwerkermärkte wie Obi denken – früher dachte ich immer, man findet dort für alles eine Analogie. Da gibt es den jungen Mitarbeiter, der weiß, wo welche Ware liegt – aber der „alte Hase“ erklärt einem alles, weiß wozu welches Ventil gut ist. Dieses breite Praxiswissen – so werden viele unserer Jobs. Und Forschung zeigt: Je mehr Kontext und Wissen Senior-Mitarbeiter haben, desto wertvoller werden sie.
Wenn KI komplexe Aufgaben übernehmen soll, muss man ihr sehr viel Kontext geben. Das ist interessant, dass du das erwähnst.
Taylor Blake: Kontext ist für KI wichtig – wir reden über große Kontextfenster für KI-Modelle, Dokumente, Daten. Aber vergleicht man das mit den Menschen: Der Mitarbeitende mit langjähriger Erfahrung besitzt extrem viel Kontext, oft unsichtbar, nicht dokumentiert. Wir sollten menschliches Wissen und Fähigkeiten wertschätzen und passende Wege finden, es sichtbar und nutzbar zu machen – es ist extrem wertvoll.
David Rice: Ich stimme zu – das gelebte Erfahrungswissen ist kostbar. Vielleicht liegt es am Alter (lacht), aber wir unterschätzen es oft, obwohl es der größte Lehrmeister ist.
KI kann vieles, aber keine Lebenserfahrung erwerben. Sie versteht nicht die stillen Hinweise, Mimik des CEOs, Reaktionen der Menschen in Meetings. All das kann eine KI nicht so erfassen. Menschliches Kontextwissen ist um ein Vielfaches wertvoller.
Denke auch an das Gleichgewicht zwischen einfachen und anspruchsvollen Aufgaben. Früher hatten wir von beidem etwas; durch KI fallen leichte Aufgaben weg, Pausen entfallen. Kontextwechsel nervt oft, aber er kann auch erholsam sein.
Glaubst du, dass wir ungewollt das Burnout-Problem verstärken? Wie steuern wir gegen?
Taylor Blake: Wir müssen anerkennen, wie sehr sich Arbeit verändert. In einer Netflix-Dokumentation über Politik hieß es: Oben in der Hierarchie entscheiden Führungskräfte oft zwischen Optionen im 51:49-Verhältnis – ist etwas klar 80:20, wird es weiter unten entschieden. Die echten Führungskräftefragen sind selten eindeutig, dafür umso strategischer und emotional belastender.
Klare Entscheidungen werden künftig automatisiert, bleiben werden die komplexen, die man auch erklären, rechtfertigen und aushalten muss – inklusive Kritik der Betroffenen. Der Druck steigt.
Wie gehen wir damit um? Wir brauchen wie gesagt Vorbereitung, passende neue Tools wie Simulationen und Coachings. Aber auch mehr Teamunterstützung – wie Fluglotsen im Team. Kollektive Verantwortung kann entlasten. Ansonsten riskieren wir Burnout – und das möchte niemand.
David Rice: Wir müssen uns eigene Freiräume im System schaffen – spüren, wann das Maß voll ist, und beim Thema Führung auch darauf achten, die emotionale Belastbarkeit nicht zu nivellieren. Wenn Arbeit immer nur aus Hochdruck-Entscheidungen besteht, bleibt das eine Dauerausforderung. Aber wir führen heute gesündere Diskussionen über Themen wie Work-Life-Balance und mentale Gesundheit. Das sollten wir jetzt nutzen.
Taylor Blake: Wir werden beide Seiten erleben: Effizienz und „mehr mit weniger“. Oberflächlich kann KI vieles übernehmen, aber das macht die Arbeit nicht unbedingt leichter. Die Komplexität und der Entscheidungsdruck wachsen. Zu viel Optimierung beschädigt das System, weil unsichtbare Variablen nicht berücksichtigt werden – bis sie brechen und das System nachgebessert werden muss.
David Rice: Absolut.
In eurem Bereich ist schnelles Scheitern oft erwünscht. Doch in echten Unternehmen hat Experimentieren reale Folgen für Menschen. Wie hältst du die Balance zwischen Ambition und Verantwortung? Gab es kürzlich so eine Spannung bei euch?
Taylor Blake: Genau deshalb experimentieren wir bevorzugt intern – nicht in Kundenorganisationen, wo Menschen einfach nur ihre Arbeit machen möchten. Wir versuchen, Risiken zu begrenzen, indem wir in kleinen, abgrenzbaren Rahmen testen.
Die Spannung zwischen Tempo, Ehrgeiz und Auswirkungen ist deutlich. Privat betrifft das sogar meine Kinder: Meine älteste Tochter, zehn Jahre alt, hat letzten Sommer im Garten ein Schmetterlingsbeet angelegt, alles recherchiert. Sie durfte KI nutzen, um den Garten zu zeigen und Tipps zu bekommen. Doch eines Tages sagte sie: „Kann ich dein Handy haben? Ich möchte wieder mit der KI reden.“ Auf meine Frage nach dem Grund meinte sie: „Die sagt immer so nette Dinge zu mir – ich habe gar keine konkrete Frage.“
Da schrillten bei mir die Alarmglocken – sie sucht Bestätigung nicht mehr bei den Eltern, sondern bei der KI. Das war ein völlig unerwarteter Nebeneffekt, der mir zeigt: Auch scheinbar harmlose Anwendungsfälle haben viele nicht vorhersehbare Folgen. Mein Team und ich lernen, neue Ideen zu hinterfragen und aus vielen Blickwinkeln zu prüfen, bevor wir sie veröffentlichen. Das ist ein anspruchsvoller, aber notwendiger Prozess.
David Rice: Ich finde es gut, dass ihr diesen ethischen Prüfpfad aktiv lebt. Wir müssen schwierige Fragen stellen.
Beim Entwickeln neuer Dinge können wir unphilosophisch oder philosophisch vorgehen – vermutlich ist Letzteres besser. Denn mit dem, was wir bauen, verändern wir den Alltag von Menschen. Das Beispiel mit deiner Tochter ist bezeichnend – ich begegne solchen Entwicklungen zunehmend. Es ist gut, dass ihr intern fragt: Was übersehen wir dabei eigentlich? Das müssen wir alle viel mehr tun.
Taylor Blake: Und sicher gibt es Blind Spots. Wenn jemand uns sagt, welche Nebenwirkungen oder unerwünschten Effekte ein Produkt hat, müssen wir das offen annehmen und in den Designprozess integrieren.
Ich finde: Die besonnenen, kritischen Menschen müssen mitentwickeln. Wenn nur Optimisten KI-Tools gestalten, die ausschließlich Chancen sehen, wird das zum Desaster. Wir brauchen die nachdenklichen, kritischen Stimmen, die mögliche Risiken ernst nehmen – nicht durch Ablehnung der Technologie, sondern durch aktive Mitwirkung, damit am Ende verantwortungsvolle Lösungen entstehen.
David Rice: Taylor, vielen Dank für deinen Besuch heute – ich habe das Gespräch sehr genossen.
Taylor Blake: Vielen Dank für die Gelegenheit. Auch für mich ist das hilfreich – wie angesprochen, es ist eine Möglichkeit, über das nachzudenken, was mir im Kopf herumgeht. Ich weiß das zu schätzen.
David Rice: Liebe Zuhörerinnen und Zuhörer, falls ihr es noch nicht getan habt: Geht auf peoplemanagingpeople.com/subscribe, tragt euch für den Newsletter ein. Dort gibt es alle Neuigkeiten – von Veranstaltungen über Podcasts bis hin zu neuen Content-Serien. Schaut gerne vorbei.
Und bis zum nächsten Mal: Testet, aber stellt euch die schwierigen Fragen.
