KI kann einen guten Job zu klein erscheinen lassen

David Rice: Ihre Fluktuationszahlen sehen großartig aus. Die Mitarbeitenden bleiben, das Engagement ist stabil und die Führungsebene feiert. Und dabei bauen Sie das teuerste Problem auf, das Sie je hatten, denn Bleiben ist nicht dasselbe wie Beitragen. Und aktuell bleibt Ihre Belegschaft still, erscheint zur Arbeit, erfüllt ihre Zahlen und versucht, keinen Ärger zu machen. Auf dem Papier wirken sie engagiert, aber sie experimentieren nicht. Sie überschreiten keine Grenzen, gehen keine Risiken ein. Sie bewahren sich selbst.

Der heutige Gast ist Jay Caldwell. Er ist Chief Talent Officer bei ADP. Und wir werden darauf eingehen, warum niedrige Fluktuation in diesem Umfeld eher ein Warnsignal als ein Sieg sein kann. Denn eines sollten wir alle im Hinterkopf behalten – diejenigen, die sich am sichersten fühlen, gehen die wenigsten Risiken ein. Und gerade in diesem Umfeld ist das Vermeiden von Risiken wahrscheinlich das Riskanteste, was Sie tun können.

Heute besprechen wir, warum das Prinzip ‚Wenn du es baust, kommen sie schon‘ für KI-Einführung nicht funktioniert, das Problem des stillen Bleibens und wie Konformitätsdenken Innovation ersetzen könnte, wie man erkennt, ob niedrige Fluktuation Stagnation und Angst kaschiert, allgemeine KI versus gezielte Anwendungsfälle und welche davon Vertrauen schaffen. Wir werfen einen Blick auf die Krise der Karriereleiter und warum KI-native Absolvent:innen alles herausfordern werden, was Sie derzeit tun.

Ich bin David Rice. Das ist Menschen führen Menschen. Und wenn Ihre Fluktuationszahlen gesund aussehen, aber die Innovation tot scheint, dann erklärt dieses Gespräch genau, was sich unter der Oberfläche abspielt. Los geht’s.

Alles klar, Jay, willkommen in der Sendung.

Jay Caldwell: Danke, David. Ich freue mich, hier zu sein.

David Rice: Ich wollte das Gespräch damit beginnen, dass wir nun schon ein paar Jahre in dieser KI-Welle sind, und ich denke, die anfängliche Begeisterung, die viele hatten, weicht inzwischen spürbaren Konsequenzen in der realen Welt. Ich glaube, wir sind einen Tag nach der Block-Kündigungsankündigung.

Mich interessiert: Was ist Ihrer Meinung nach das größte Missverständnis, das Führungskräfte immer noch bezüglich der Integration von KI in ihre Belegschaft haben?

Jay Caldwell: Es gibt wahrscheinlich viele Missverständnisse. Ich würde auch gerne Ihre hören, aber ich glaube, eines der größten, das ich immer noch in vielen Organisationen sehe, ist, dass alle gleichermaßen begeistert von KI sind wie die Führungskräfte.

Ich glaube, eine aktuelle Zahl ist sogar in den USA, dass ca. 40 % der Menschen KI auch zu Hause nutzen, also nicht nur bei der Arbeit. In Bezug auf KI-Adoption ist das also immer noch relativ früh, auch wenn 40 % schon eine Menge ist. Ich denke, wie bei Unternehmenssoftware ist die Wahrnehmung oft: Wenn wir es bauen, kommen alle, alle nutzen es, alle lieben es so sehr wie wir.

Aber ich glaube nicht, dass das so ist. Zumindest noch nicht. Es gibt sicherlich viele wirklich interessierte und begeisterte Anwender. Vermutlich gibt es genauso viele, die der Einführung von Dingen wie KI völlig widerstehen und den Großteil Ihrer Leute irgendwo dazwischen. Es ist also nicht so einfach wie: Schalte es an, und alle kommen. Man muss sehr viel Zeit und Energie investieren, um diesen Wandel und die Transformation in der Organisation zu führen.

David Rice: Ja, das trifft definitiv zu. Aus unserer Sicht ist es so: Führungskräfte behandeln es wie ein zu implementierendes Tool, wie eine Software. Aber ich komme immer wieder darauf zurück, dass jemand mal schrieb, es sei eher so, als würde man gleichzeitig ein neues Teammitglied in alle Teams einführen.

Das verändert Dynamiken, Machtstrukturen, wer sich kompetent fühlt, wer sich bedroht fühlt. Es ist wirklich eher ein Kulturprojekt. Ich glaube nicht, dass die Leute grundsätzlich gegen KI sind. Manche vielleicht ethisch gesehen, aber viele sind eher neugierig, nur wurde ihnen bisher noch nicht klar erklärt, welche Rolle sie in der Zukunft einnehmen – das ist eine Lücke in der Argumentation des C-Levels, die sagt: KI wird dich für höherwertige Arbeit freimachen.

Was die Menschen wirklich erleben, steht oft nicht im Einklang dazu und jetzt haben wir eine Situation, in der das Arbeitstempo einfach gestiegen ist. Es ist weniger klar, was jetzt eigentlich gut ist. Das schafft eine echte Anspannung.

Ein weiteres Missverständnis, das ich oft beobachte, ist, dass Akzeptanz gleich Integration ist. Das wird häufig so wahrgenommen. Man rollt die Tools aus und alle wissen schon, wie sie zu nutzen sind – wunderbar. Aber eigentlich müssen wir umdenken, wie Menschen über ihre Arbeit nachdenken.

Was ist ihr Wert und was bedeutet Karriere jetzt? Das ist jetzt die eigentliche Aufgabe vieler Führungskräfte, und die meisten Organisationen sind damit noch nicht richtig durchgestartet.

Jay Caldwell: Absolut. Auch die Statistiken über die generelle Nutzung von KI zeigen: Die meisten nutzen KI als Suchmaschine. Übrigens, es ist eine wirklich gute Suchmaschine.

David Rice: Ja, das stimmt.

Jay Caldwell: Ich will diese Nutzung nicht schlechtreden, aber ich denke nicht, dass KI dafür gedacht ist. Wie Sie schon sagen: Es braucht Kulturwandel. Aber auch auf individueller Ebene ist es eine Gewohnheitsänderung. Es ist toll, diese Tools zu haben, aber ich zum Beispiel arbeite viel mit Outlook, wie viele im Unternehmen, aber ...

... es dauert eine Weile, bis ich daran denke, vielleicht sollte ich vor dem nächsten E-Mail erst mal das KI-Tool konsultieren und kreativer nachdenken, was ich sagen möchte und wie. Das ist ein Gewohnheitswechsel, den nicht jeder sofort mitmacht.

Es ist eine Sache der Kultur, der Fähigkeiten, des Mindsets. Da steckt viel drin.

David Rice: Manchmal denke ich, oh, ich könnte die KI mal fragen, nur um zu sehen, was sie sagt.

Jay Caldwell: Ich mag die Analogie – wie ein neues Teammitglied, das manchmal vergessen wird. Man muss sich also daran erinnern.

Ja. Wenn wir diese neue Expertise im Team haben, sollte ich sie gezielt ansprechen.

David Rice: Vielleicht liegt es daran, dass ich kürzlich gelesen habe, dass Remote-Beschäftigte eher geneigt sind, KI zu nutzen. Wahrscheinlich deshalb, weil sie weniger auf die physische Präsenz angewiesen sind.

Jay Caldwell: Ja, ich habe etwa fünf Jahre im Homeoffice gearbeitet. Ein Buddy zu haben war oft hilfreich. Wahrscheinlich gibt es deshalb auch gute Anwendungsfälle für KI im Bereich Begleitung und Unterstützung von Menschen, die sich körperlich isolierter fühlen.

David Rice: Sie haben gesagt, dass starke KI-Nutzer tendenziell eher nach anderen Möglichkeiten suchen – auf den ersten Blick klingt das wie ein einfaches Angebot-Nachfrage-Thema: Sie haben nun wertvolle Fähigkeiten, mehr Optionen. Mich interessiert, ob da mehr dahinter steckt. Verändert intensive KI-Nutzung das eigene Selbstbild oder die Erwartungen an den Arbeitgeber?

Jay Caldwell: Sehr interessant, ja. Wir bei ADP haben das in eigenen Untersuchungen zum Thema Bindungsrisiko und KI-Adoption beobachtet. Es ist in der Tat faszinierend zu überlegen, warum das so ist. Einerseits ist es, wie Sie sagen: Man hat jetzt die gefragte Fähigkeit und überlegt, wo man diese einsetzen kann.

Das steigert natürlich die Beschäftigungsfähigkeit. Das ist sicherlich ein großer Teil. Aber ich denke auch, da steckt mehr dahinter. Wenn man genauer hinsieht, fühlen sich Power-User von KI vielleicht durch die Organisation ausgebremst, was deren Tempo und Prozesse betrifft. Wer die Zukunft und Chancen erkennt und Prozesse schnell ändern will, wird als Einzelner oft vom Rest des Systems gebremst. Frust entsteht, wenn das Unternehmen nicht schnell genug mitzieht – woanders könnte man vielleicht mehr bewirken.

Ein weiterer Aspekt ist Unsicherheit. Wenn Unternehmen die Ziele von KI nicht gut kommunizieren, erzeugt das Angst. Vielleicht mache ich mir dann Sorgen um meinen Arbeitsplatz, wenn ich sehe, welche Macht diese Tools theoretisch haben.

Es kann so zu einer reinen Überlebensfrage werden: Es geht nicht nur um die heiße neue Fähigkeit, sondern darum, weiterhin angestellt zu bleiben – und die Unsicherheit ist groß, angesichts der vorhandenen Tools. Das führt wieder auf das Veränderungsmanagement zurück, das man beim Rollout begleiten muss.

David Rice: Das ist ein unangenehmer Mix. Aus Talentperspektive: Die Leute, die KI wirklich engagiert nutzen, sind nicht vom Job entfremdet – sie schauen sich aber dennoch um. Vielleicht sind sie aus ihrer Rolle oder gar der Organisation herausgewachsen.

Wer mit KI arbeitet, erlebt eine Art Horizonterweiterung: Man erkennt, was alles möglich ist und wenn das Unternehmen nur mit halber Geschwindigkeit agiert, wird diese Schere zwischen Potenzial und Umfeld irgendwann untragbar.

Jay Caldwell: Das kann gut sein. Und was wichtig ist – Engagement führt zu Bindung. Im Großen und Ganzen ist das Engagement der Beschäftigten aber niedrig – schwankend je nach Unternehmen, aber etwa 19 bis 20 % der US-Belegschaft sind voll engagiert.

David Rice: Historische Tiefstände, habe ich gelesen.

Jay Caldwell: Es braucht nicht viel, damit die Leute umdenken und neue Karrieremöglichkeiten suchen.

KI ist da sicher für viele ein Auslöser, die eigenen Optionen zu prüfen.

David Rice: Absolut, vor allem, wenn man eh schon am Rand steht. Viele merken, da ist viel Bürokratie, lange Freigabewege, starre Rollenbeschreibungen. Wer sich fähiger fühlt mit der neuen Technologie, empfindet sich plötzlich in einem Entwicklungskäfig – während draußen die Möglichkeiten winken.

Jay Caldwell: Ganz genau. Sie stoßen gegen den Deckel an. Noch etwas: Es geht auch um die Geschwindigkeit der eigenen Kompetenzen. Viele hoffen, dass KI produktiver macht – das ist das Ziel –, aber Daten zeigen auch, dass Menschen mit KI nicht notwendigerweise mehr Freizeit haben. Sie arbeiten stattdessen mehr und härter, denn alles geht schneller, das Umfeld zieht mit. Die Arbeit wird intensiver, was zusätzlich das Bindungsrisiko erhöht.

David Rice: Ich erlebe das oft: Leute brennen aus, kündigen ohne Plan, weil sie mit dem Tempo nicht mehr mithalten können. Neulich sagte ein Gast: Wir machen einfach mehr, nicht unbedingt besser oder produktiver – einfach mehr. Viele sehen das ähnlich. Sinkende Fluktuation, aber kein gestiegenes Engagement: Ist unsere Belegschaft einfach aus Angst geblieben, in einer KI-getriebenen Umgebung, in der Experimentierfreude und Anpassungsfähigkeit wichtig wären?

Ist dieses stille Bleiben vielleicht schädlicher als Kündigungen, weil es auf dem Papier stabil aussieht?

Jay Caldwell: Das beunruhigt mich derzeit stark, angesichts der vielen neuen Tools und Technologien und der aktuellen Lage am Arbeitsmarkt. Der Markt ist je nach Branche und Funktion sehr unterschiedlich, aber es tauchen immer neue Begriffe auf, wie Quiet Quitting oder Job Hugging. Der Trend bleibt derselbe: Wenn in der Organisation keine Fluktuation entsteht, wird das problematisch. Das ist ein anderes Problem als beim „Great Resignation“ vor ein paar Jahren – da ging es darum, Leute zu halten, was für die Arbeitgeber schmerzhaft war, für die Mitarbeitenden aber auch viele Chancen bot.

Mehr Fluktuation bedeutet mehr Chancen, im Unternehmen aufzusteigen oder neue Aufgaben zu übernehmen. Wenn weniger interne Wechsel stattfinden, droht Stagnation und das Gefühl, festzustecken.

Das große Risiko ist dann, dass nachlassendes Engagement auch Innovation und Kreativität abwürgt – und das ist meiner Meinung nach das wahre Versprechen von KI. Wenn die mentale Energie fehlt, diesen Wandel zu treiben, fehlt auch der eigentliche Sinn. Jedes Unternehmen sollte in dieser Situation nicht zu selbstzufrieden auf geringe Fluktuation schauen, weil derzeit vieles im Verborgenen schlummert.

David Rice: Volle Zustimmung. Wir sind so darauf fixiert, Bindung und Fluktuation zu messen, dass wir kaum noch fragen, ob Bleiben gleichbedeutend ist mit Beitragen. Niedrige Fluktuation im aktuellen Umfeld kann tatsächlich eher eine Gefahr als ein Erfolgssignal sein.

Jay Caldwell: Absolut. Der Wert, neue externe Leute ins Unternehmen zu holen und neue Ideen, Sichtweisen und Denkmuster zu gewinnen, ist immens. Es ist entscheidend, die Talent-Pipeline offen zu halten – und auch wenn die Leute intern nicht wechseln, muss man sie emotional binden und zu voller Leistung motivieren.

David Rice: Das ist ein guter Punkt. Das stille Bleiben kann sehr teuer werden, wenn Leute zwar keinen Ärger machen, ihre Zahlen erfüllen, aber nicht experimentieren, die Arbeitsweise nicht hinterfragen und keine Risiken eingehen.

Wir wissen, dass die größten Belohnungen bei KI daraus resultieren, etwas auszuprobieren; aber wenn die Leute nur aus Angst bleiben – sei es die Angst vor dem Jobmarkt, vor notwendigem Lernen oder im Falle vieler Mid-Career-Profis, dass sie von vorne anfangen müssten –, dann bauen wir eine Belegschaft mit Compliance-Denken statt Innovationsspirit. Das ist der eigentliche Preis: Die, die sich sicher fühlen, gehen die wenigsten Risiken ein – aber im aktuellen Umfeld ist das das größte Risiko.

Jay Caldwell: Ein guter Punkt: Wenn man erfolgreiche Karrieren anschaut, sieht man oft mutige Schritte, Seitenwechsel oder Sprünge in ganz andere Funktionen. Das kann jetzt gefühlt riskanter sein.

David Rice: Wenn Unternehmen breit angelegte KI-Tools ausrollen, wirkt es oft so wie „Jeder soll es einfach mal probieren“. Bei gezielten Anwendungsfällen ist es strukturierter und ergebnisorientierter.

Wie unterscheiden sich diese Ansätze Ihrer Meinung nach in Bezug auf Selbstvertrauen, Lernkurven und Leistungsdruck der Mitarbeitenden?

Jay Caldwell: Gute Frage. Ich habe unterschiedliche Strategien in Unternehmen erlebt: Manche beginnen breit, manche gezielt.

Wichtig ist bei beiden Wegen, nicht zu wenig in Kommunikation und Schulung zu investieren – nicht nur in technisches „How-to“, sondern auch in Mindset und Arbeitsansatz. Gerade bei General-Purpose-Tools ist das essenziell. Es ist wie ein Schweizer Taschenmesser: Ich hatte eines als Kind, kannte aber nur drei Funktionen – viel davon blieb mir ein Rätsel. Genauso verhält es sich mit allgemeinen KI-Tools: Es gibt unzählige Möglichkeiten, aber die muss man erst entdecken.

Wenn man das Tool einfach freischaltet und die Leute machen lässt, geht das meist schief. Erfolgreiche Unternehmen fördern offenes Lernen: Beschäftigte in ähnlichen Rollen tauschen sich aus, teilen Erfolge und auch das, was nicht funktionierte. Die gezielten Anwendungsfälle ermöglichen dagegen sehr konkrete Schulungen: Es geht direkt um die Veränderung des eigenen Workflows und wie KI in den Arbeitsfluss integriert werden kann.

Kritisch ist, dass die Interpretation der Auswirkungen bei gezielten Use Cases sehr unmittelbar ist – etwa wenn KI viele Aufgaben automatisiert: Dann muss man besonders auf die Betroffenen achten und sie in ihrer Job-Sicherheit unterstützen.

David Rice: Intuit QuickBooks Payroll weiß: HR besteht aus vielen beweglichen Teilen, die zu Chaos führen können. Daher bündeln sie Payroll, HR, Zeiterfassung und Finanzen auf einer Plattform. Diesen Sommer entwickelt sich QuickBooks Payroll weiter, um den gesamten Team-Lebenszyklus zu unterstützen – bald können Unternehmen neue Mitarbeitende nahtlos an Bord nehmen, automatisierte Workflows für Beförderungen oder Offboarding konfigurieren und Performance, Urlaub und Benefits direkt neben der Payroll abbilden.

Finden Sie heraus, welchen Unterschied QuickBooks Payroll für Ihr Unternehmen machen kann. Mehr unter quickbooks.com/workforce.

Ihr Schweizer-Taschenmesser-Vergleich gefällt mir – jetzt frage ich mich, was das KI-Pendant zur kleinen Schere mit der ständig brechenden Feder ist ...

Jay Caldwell: Oh ja, die Feder – die war immer kaputt. Unglaublich.

David Rice: Das „Jeder wird’s schon herausfinden“-Prinzip ist eigentlich ein Eingeständnis „Wir glauben, es wird wichtig, aber wir haben keine Strategie“.

Jay Caldwell: Ja.

David Rice: Sie geben allen ein Klavier und erwarten eine Sinfonie.

Jay Caldwell: Es ist halt so aufregend und die Tools sind so intuitiv – z.B. Chat-Interfaces –, dass jeder sie bedienen kann. Die eigentliche Kreativität liegt aber darin, sich zu fragen: Was kann ich damit machen, das ich mir allein nicht erschließen würde?

David Rice: Die gezielten Anwendungsfälle sind gerade deshalb psychologisch wichtig für den KI-Einstieg, weil sie schnelle Erfolgserlebnisse vermitteln. Man löst ein konkretes Problem, fühlt sich kompetent – Selbstvertrauen steigt. General-Purpose-Tools hingegen können Angst auslösen, weil es kein Ziel gibt: Man ist nie „fertig“ und nie „gut genug“, irgendwer auf LinkedIn ist immer noch besser.

Bei allgemeinen Tools weiß der Chef nicht, wie er den Erfolg misst und fragt: Nutzt du es überhaupt? Das ist aber kein sinnvoller Messwert. Bei gezielten Rollouts kann man hingegen Ergebnisse statt bloßer Aktivitäten messen. Auch die Lernkurve ist ein echtes Thema.

Jay Caldwell: Absolut. Managementseitig sind das große Investitionen – der Vorteil des gezielten Vorgehens ist, dass man ein spezifisches Problem löst und ganz genau den Return messen kann. Es geht nicht nur darum, das Tool zu nutzen, sondern wirklich um den Mehrwert.

David Rice: Wir erleben zunehmend, dass Einstiegsjobs schrumpfen und die Basis der Talentpyramide erodiert. Das gefährdet die künftige Führungskräfte-Entwicklung, den Wissenstransfer, die Nachfolgeplanung und die soziale Mobilität. Sehen Sie einen Schwenk weg von kurzfristiger Produktivitätsmaximierung hin zur Förderung langfristiger Fähigkeiten?

Jay Caldwell: Das ist ein sich entwickelndes Thema. Anfangs wurden KI-Use-Cases oft genutzt, um vermeintlich „überflüssige“ Aufgaben zu identifizieren – z.B. nach dem Examenserfolg einer KI im Anwaltsbereich wurde gefragt: Brauchen wir künftig überhaupt noch Paralegals? Deshalb wurden Einstellungen teils zurückgefahren. Inzwischen erkennen Unternehmen: Das geht nicht komplett. Ansonsten fehlt eine ganze Stufe der Karriereleiter, Leute fallen durchs Raster.

Außerdem zeigen sich Unterschiede bei der Adoptionsgeschwindigkeit. Gerade Berufserfahrene sind oft weniger bereit oder schnell, Prozesse zu verändern. Neue Absolvent:innen hingegen sind KI-nativ und bringen wertvolle Kenntnisse mit. Sie fordern etablierte Unternehmen heraus: Warum nutzt ihr KI nicht dafür?

Man verliert also auch die Chance auf moderne Perspektiven und Skills, wenn man keine Nachwuchskräfte einstellt. Gleichzeitig gilt es, sie in Bezug auf Urteilsvermögen und Anwendung der Tools zu befähigen. Das Volumen an Einstellungen am unteren Ende könnte etwas sinken, weil weniger Nachfrage besteht, aber die Bedeutung bleibt hoch. Zu Beginn wurde zu heftig reagiert – aber jetzt verstehen Unternehmen, dass sie die Talent-Pipelines offen halten müssen.

David Rice: Im KI-Kontext gibt es vieles, das C-Level-Leaders nicht technisch verstehen – aber sie wissen: Sie haben alle unten angefangen, machten Fehler in geschützten Umfeldern, lernten die Organisationsrealität von Grund auf kennen.

Klar ist allen: Wer diese Einstiege abschafft, beraubt sich der Entwicklungsmöglichkeiten. Viele Vorstände möchten nicht öffentlich über die soziale Dimension sprechen, wissen aber, dass weiße-Kragen-Einstiegsjobs jahrzehntelang die wichtigste Form der sozialen Mobilität waren. Wenn die verschwinden, braucht es Alternativen. Hier gibt es einen gesellschaftlichen Vertrag, den auch der Vorstand berücksichtigen muss – etwa, ob Unternehmen Menschen noch ermöglichen, hineinzuwachsen und sich weiterzuentwickeln.

Jay Caldwell: Das Stichwort sind Werte. Organisationen müssen sich fragen: Was sind unsere Werte? Lassen wir die Strategie davon leiten? Bei ADP sind wir zum Beispiel eine werteorientierte Organisation. Einer unserer Werte ist: Jeder Mitarbeitende zählt. Uns ist wichtig, bei allen Veränderungen den Menschen ins Zentrum zu stellen und unsere Leute zu unterstützen – egal, wo sie auf ihrer Karriere stehen.

Gerade in Zeiten des Wandels muss man überlegen, wie man Mitarbeitende behandelt, denn mit Plattformen wie Glassdoor oder Reddit wird alles schnell öffentlich. Ein langfristiger Blick ist deshalb entscheidend.

David Rice: Viele propagieren, dass Neugier und Anpassungsfähigkeit wichtiger sind als Fachexpertise – klingt super, aber unser Einstellungsprozess ist meist noch auf Abschlüsse und Tiefe ausgerichtet. Viele tun sich schwer, wirklich skills-basiert zu rekrutieren. Was muss sich grundlegend an der Bewertung von Talenten ändern, damit wir nicht aus Gewohnheit wieder auf Spezialistentum setzen?

Jay Caldwell: Zuerst muss sich die Denkweise ändern – vor allem bei den Führungskräften, die Talente identifizieren und auswählen. Auf Abschlüsse oder formale Nachweise zu schauen ist einfach und objektiv. Aber man sollte alternative Formen von Nachweisen und Assessment nutzen – etwa Tests zu Fähigkeiten (Technologie, Kommunikation, Kreativität), die KI sehr gut skalieren könnte – jedoch unter Berücksichtigung rechtlicher Rahmenbedingungen.

Es geht auch um das Mindset und die Kriterien, die Führungskräften helfen, Entscheide nicht nur auf einen Abschluss auf dem Lebenslauf zu stützen. Viele Führungskräfte sind keine Profis im Interview, tun sich schwer, Kreativität oder Erfahrung zu messen. Hier muss man helfen, z.B. mit verhaltensorientierten Methoden, um Kreativität, Innovationsgeist oder Vielseitigkeit zu erkennen. Im Grunde könnte es eine Rückkehr zu klassischen, bewährten Interviews sein, die in der Vergangenheit eher vernachlässigt wurden.

David Rice: Manchmal ist die Lösung ganz altmodisch.

Jay Caldwell: Genau, ja.

David Rice: Ich sprach dazu mit einem Professor der Universität Michigan – der macht jetzt wieder Aufsichtsarbeiten ohne digitale Hilfsmittel, um wirklich zu prüfen, was die Studierenden wissen. Fand ich fair, auch wenn ich solche Tests hasste.

Jay Caldwell: Es gibt auch diesen „Alternative Uses Test“ – kennen Sie den?

David Rice: Ja, habe ich schon mal gehört.

Jay Caldwell: Die Idee: David, hier ist ein Kugelschreiber. Nennen Sie mir in 3 Minuten so viele Verwendungsmöglichkeiten wie möglich. Das ist ein Test für divergentes Denken, ein Proxy für Neugier – klassische Tests aus den 50ern/60ern! Auch hier kann KI Lösungen liefern, aber spannend bleibt die menschliche Kreativität.

David Rice: Mich interessiert Ihre Meinung dazu als ADP-Verantwortlicher: Ist das eine Infrastrukturfrage – etwa wie und wofür wir unser ATS nutzen, wie wir Recruiter oder Interviewstrukturen schulen? Vieles ist ja noch auf Abschlüsse ausgerichtet. Skills-basiertes Hiring ist keine einfache Richtlinienänderung, sondern ein Infrastrukturwechsel – viele versuchen, neue Software auf alter Hardware laufen zu lassen …

Jay Caldwell: Wichtig ist: Was meint skills-basiert konkret und was ändert sich dadurch entlang der gesamten Prozesskette? Wenn der Abschluss für Einstiegsrollen nicht mehr verlangt wird, aber für Führungsrollen weiterhin: Wie schließt man später diese Lücke? Oder sollte man beides ändern? Man muss es systemisch sehen und langfristig statt nur punktuell denken.

David Rice: Wir reden alle über Neugier und Anpassungsfähigkeit als Kernkompetenzen. Aber wie erkennt man sie? Man kann Anpassungsfähigkeit nicht einfach im Lebenslauf „beweisen“, und in 30 Minuten Vorstellungsgespräch geht das auch kaum. KI könnte helfen, Potenziale besser einzuschätzen, Arbeitsproben zu analysieren, Problemlösefähigkeiten zu bewerten oder übertragbare Skills zu erkennen. Stattdessen nutzen viele sie nur, um alte Prozesse zu beschleunigen …

Jay Caldwell: Man kann vieles auch für Entwicklung statt nur für Einstellung nutzen – z.B. durch KI-gestützte Führungskräftetrainings mit vielen Simulationen schwieriger Gespräche, um mehr Anpassungsfähigkeit zu trainieren. Das ist großes Potenzial: Wir wollen nicht nur für Neugier einstellen, sondern sie entwickeln.

David Rice: Wenn KI Tiefenanalyse und teils Entscheidungsfindung übernimmt, verschiebt sich der menschliche Wert von Ausführung zu Urteilsvermögen. Wie müssen Performance-Frameworks angepasst werden?

Jay Caldwell: Ich wünschte, ich hätte eine einfache Antwort. Wie bewertet man die Leistung eines Künstlers, wenn Erfolg sich oft erst posthum zeigt? Es ist schwierig. Zuerst muss man das eigene Leistungsverständnis überdenken.

Viele empfinden es als Erfolg, wenn der Posteingang leer ist. KI nimmt einem das ab – also geht ein klarer Erfolgsbeweis verloren. Kreative Jobs haben ohnehin weniger messbare Meilensteine. Wer also von Produktion auf Kreativität umschwenkt, muss Leistung neu denken.

Messung ist noch mal eine andere Baustelle. Ziele müssen anpassungsfähiger, Messpunkte häufiger und leichter für Führungskräfte dokumentierbar werden. Nicht nur Ergebnisse, auch Inputs (Verhalten, Skills) werden wichtiger – also der „Wie“-Aspekt der Arbeit – weil dieser die Voraussetzung für kreative, kollaborative Leistung ist.

Individuell sollte man reflektieren, was Leistung wirklich ausmacht; als Organisation müssen Performance-Indikatoren in Reviews etc. neu gedacht werden, um auf die Folgen der KI vorbereitet zu sein.

David Rice: Absolut. Sie sagen: Von Produktion zu Kreativität, ich sage oft: Von Ausführung zu Urteil. Aber wie misst man Urteilskraft? In meinem Job erstelle ich viel Content und nutze KI oft für Rohfassungen; manches klingt plausibel, aber ich bin immer skeptisch, prüfe Fakten, entdecke Fehler oder Fantasiezahlen. Wie soll ich das messen, z.B. „27 Fehler verhindert“? Das ist schwer in einen Performance-Report zu überführen. Oft rahmt KI Daten anders, und meine Aufgabe ist nicht Neurahmung, sondern möglichst korrekte Zitation – das kann KI häufig nicht leisten. Mit Erfahrungswerten erkenne ich Unstimmigkeiten.

Jay Caldwell: Das ist genau der Punkt für Nachwuchstalente: Wie bauen wir diese Urteilskraft auf? Sie haben Erfahrung, aber ein Berufseinsteiger kann das nicht einfach so leisten.

David Rice: Genau. Ich bin geübt darin, aber frisch aus dem Studium würde ich einfach akzeptieren, was die KI ausspuckt. Vielleicht recherchiere ich noch nach, aber dann bin ich nur noch Faktenchecker – ist das wirklicher Mehrwert? Es gilt, Tools sinnvoll und mit Urteilsvermögen einzusetzen und Kompetenzen weiterzuentwickeln.

Jay Caldwell: Auch Performance-Messung muss das berücksichtigen: Es gibt drei Phasen – Eingabe/Prompt, KI-Magie, Bewertung und Nutzung des Outputs durch den Menschen. Die menschliche Leistung liegt in der Qualität der Fragen und der Beurteilung/Einschätzung der Ergebnisse. Das Dazwischen automatisiert die KI, aber der menschliche Input und das Urteil bleiben zentral.

David Rice: Das ist ein Machtwechsel: Die besten Beurteiler sitzen nicht immer auf den höchsten Posten; sie können Hierarchien auch stören. Es bleibt schwer festzulegen, wo Urteilskraft sitzen und welches Erfahrungsniveau nötig ist, um die richtigen Fragen zur rechten Zeit zu stellen.

Jay, es war ein tolles Gespräch mit Ihnen.

Jay Caldwell: Ja, ich ebenso. Über das Thema könnten wir noch ewig reden. Es ist eine spannende Zeit, in der wir alle gemeinsam lernen, und Plattformen wie diese sind wichtig für den Austausch – gemeinsam kommen wir weiter. Danke, David.

David Rice: Danke auch. Und an die Zuhörer:innen: Meldet euch für den Menschen führen Menschen Newsletter auf der Website an – dann bekommt ihr jede Folge und alle Inhalte direkt ins Postfach.

Bis zum nächsten Mal: Urteilskraft – darauf kommt es an.