Von Neugier zu Selbstvertrauen: Ein praxisnaher Rahmen für KI-Einführung

David Rice: Ihr Team ist also neugierig auf KI. Sie haben die Demos gesehen. Sie haben die Artikel gelesen. Sie finden es interessant. Und sie machen absolut nichts damit, denn Neugier ohne Selbstvertrauen ist nur Aufschub mit besserer Optik.

Mein heutiger Gast ist Justin Angsuwat. Er ist Chief People Officer bei Culture Amp und wird uns zeigen, wie es sein Unternehmen geschafft hat, innerhalb von nur sechs Wochen fast 80 % der Mitarbeitenden den selbstbewussten Umgang mit KI zu vermitteln.

Nicht neugierig, sondern selbstbewusst. Was sie anders gemacht haben: Sie haben Entdecken von Erwartungen getrennt. Kein Druck, ausgefeilte Ergebnisse liefern zu müssen, kein Warten auf Genehmigungen – nur ein strukturierter Weg vom Verstehen über das Experimentieren bis hin zum Integrieren. Aber es gibt unangenehme Aspekte, mit denen sich Justin jetzt auseinandersetzt.

Selbstbewusstsein führt nicht automatisch zu Integration. Die Leute verharren an diesem Punkt, analysieren ihre alltäglichen Arbeitsabläufe und sind blockiert. Manchmal sind es gerade die erfahrenen Mitarbeitenden, die KI ins Unternehmen bringen sollen, die am meisten zu kämpfen haben, weil ihre Identität mit den Arbeitsprozessen verknüpft ist, die die KI gerade überflüssig gemacht hat.

Heute besprechen wir, warum sie auf Selbstbewusstsein statt auf Nutzungsmetriken oder Automatisierungsziele gesetzt haben. Die wöchentlichen Übungen, die Schwung gebracht haben, wie man Menschen von deterministischen zu probabilistischen Aufgaben bringt – dort, wo echter Mehrwert entsteht. Warum jüngere Mitarbeitende oft fortschrittlicher sind als die Führungskräfte, die die Transformation leiten, und wie knapp 80 % Selbstvertrauen in der Praxis tatsächlich aussehen.

Ich bin David Rice. Das ist People Managing People. Wenn Sie zwischen Neugier und tatsächlicher Umsetzung feststecken, zeigt Ihnen dieses Gespräch genau, wie ein Unternehmen diese Lücke überbrückt hat. Legen wir los.

Justin, willkommen in der Sendung.

Justin Angsuwat: Danke, David. Schön, hier zu sein. Freue mich auf das Gespräch.

David Rice: Schön, Sie hier zu haben.

Ich freue mich, unser Gespräch in Orlando fortzuführen. Ich habe mich schon darauf gefreut. Bevor wir ins Detail über Coach und alles, was Sie aufgebaut haben, einsteigen, erzählen Sie mir, wie Ihr Team wirklich mit KI zu arbeiten begonnen hat. Was hat sie über die Neugierde hinausgebracht?

Justin Angsuwat: Wenn wir generell mit KI im Unternehmen anfangen, dann war unser erster Schritt, diesen Aha-Moment zu schaffen.

Das war für uns schon eine wichtige Erkenntnis. Wir haben mit unseren Produktteams begonnen und sind zu weiteren Teams übergegangen, jeweils mit einem Ziel: das Selbstvertrauen der Mitarbeitenden im Umgang mit KI zu stärken. Es gibt viele Ziele, zum Beispiel Nutzung oder Automatisierung, aber für uns stand der Mensch hinter der Technologie im Mittelpunkt.

Unser Ziel war also, das Selbstvertrauen der Mitarbeitenden im Umgang mit KI zu fördern. Einen Aha-Moment zu messen, ist nämlich schwierig. Also haben wir ein sechswöchiges Programm gestartet, bei dem wir ganz bewusst Entdecken und Erwartungen getrennt haben. Es ging ums Lernen und Ausprobieren, nicht darum, gleich etwas Perfektes abzuliefern, was den Druck genommen und die Beteiligung enorm gefördert hat – zumal die Technologie zum damaligen Zeitpunkt recht neu war.

David Rice: Was ich bisher so beobachte: Neugier ist in Unternehmen ziemlich einfach zu erzeugen, Leute wollen erkunden. Aber um wirklich voranzukommen, braucht es Struktur, Klarheit oder im Idealfall einen schnellen gemeinsamen Erfolg. Mich interessiert, wie dieser Übergang bei Ihrem Team ausgesehen hat – Sie haben den Aha-Moment erwähnt. Gab es ein Schlüsselerlebnis oder einen Erfolg, der geholfen hat, vom Lernen ins Tun zu kommen?

Justin Angsuwat: Ja, das war entscheidend, wie Sie sagen. Uns war auch nicht sofort klar, was wir konkret mit KI machen würden.

Das war nicht der Aha-Moment. Interessant war, dass diese Aha-Momente bei allen sehr unterschiedlich aussahen. Es war sehr schwer, das zu standardisieren. Also haben wir – wie schon erwähnt – dieses sechswöchige Programm gestartet, das wir "Accelerate" genannt haben. Wir haben den Namen extra mit "AI" in der Mitte geschrieben, immerhin braucht jedes Programm ein bisschen KI im Namen.

Wir haben Phasen aufgesetzt, die den Leuten geholfen haben, sich auf dieser Reise zu bewegen – vom Verstehen zum Experimentieren bis zum Verankern im Arbeitsalltag. Der letzte Schritt ist am schwierigsten und wir versuchen immer noch, dafür die passende Lösung zu finden. Es war nicht perfekt, aber es hat unseren Mitarbeitenden das Gefühl gegeben, unterstützt zu werden, statt gehetzt oder bloßgestellt, etwa wenn andere schon Ergebnisse liefern und man selbst nicht weiterweiß. Gleichzeitig haben wir aber auch darauf geachtet, die Komfortzone nicht zu bequem werden zu lassen.

Wir sind also ständig von Verstehen zu Experimentieren, zum Integrieren gewechselt. Dafür gab es viele Inhalte und Lernsessions, in denen die Leute einfach loslegen und ausprobieren konnten – von Computerspielen über Videos bis zu anderen kreativen Anwendungen. Kleine Erfolge wurden geteilt, um ein Momentum zu schaffen.

Ich habe wöchentliche Übungen und Wettbewerbe im ganzen Unternehmen gestartet, etwa einen KI-generierten Clip für das Employer Branding zu erstellen oder unser Spiel Gandalf, bei dem man versucht, Gandalf das Passwort zu entlocken – wer kommt am weitesten und was haben wir daraus gelernt?

Es war großartig, das mitzuerleben. Ein Mitarbeiter war total stolz, in wenigen Minuten einen Agenten erstellt zu haben, erzählte das zuhause weiter und hat damit nicht nur das eigene Selbstvertrauen, sondern das ganze Team angesteckt. Es war essenziell, diese Dynamik durchzurollen: immer wieder die Phasen Verstehen, Experimentieren, Verankern – und hauptsächlich im letzten Abschnitt Relevanz für den Alltag herstellen.

Wie schon gesagt, ist auf diesem Feld noch viel zu tun, aber unser Ausgangspunkt war, die Tools zu nutzen, die im Arbeitsalltag ohnehin schon verwendet werden – Miro, Glean, Gemini, Copilot usw. Wir haben Partner eingeladen, sind einfach losgelaufen, ohne auf Erlaubnis zu warten.

Ich habe darüber kürzlich auf LinkedIn geschrieben. Ein Kommentar brachte es auf den Punkt: Viele Unternehmen wollen schnelle Ideen für die KI-Nutzung sehen, statt zuerst die Grundlage, nämlich das Selbstvertrauen aufzubauen – unser Hauptaugenmerk am Anfang.

David Rice: Der andere Punkt ist, Menschen zu helfen, zu erkennen, was tatsächlich hilfreich ist. Warum hat Ihr Ansatz so gut funktioniert, wo andere Ansätze meistens ins Stocken geraten? Viele stehen scheinbar vor einer leeren Seite und wissen gar nicht, wo sie anfangen sollen oder ob sie es überhaupt brauchen. Wie haben Sie Ihr Team dazu gebracht, die richtigen Fragen zu stellen und das Beste herauszuholen?

Justin Angsuwat: Ja, das ist herausfordernd. Es geht darum, die KI in den täglichen Ablauf zu integrieren – da sind wir noch nicht am Ziel. Was uns erfolgreich gemacht hat, war unser Fokus auf den ersten Schritt: Die Leute mit KI vertraut und selbstbewusst zu machen – und zwar auch ohne schon alle Anwendungsfälle geklärt zu haben. Viele hatten die mentale Hürde: "Das ist zu kompliziert."

Auch während des Programms: Manche haben die kleinen Kreativ-Aufgaben gemacht, aber im echten Arbeitsalltag standen sie beim leeren Blatt wieder davor. Deshalb haben wir für einige Teams kleine Hackathons veranstaltet, als geschützten Rahmen. Dort schoben sich die Teammitglieder gegenseitig an: "Gut, jetzt bin ich schon mal am Bildschirm, versuche ich es mal." Der Aha-Moment: Es war am Ende gar nicht so schwer.

Wir haben das nach dem Programm gemessen: Fast 80 % des gesamten Unternehmens fühlten sich im Umgang mit KI im Alltag sicher, negativer Wert nur 4 %. Die Zustimmung zur Aussage "Wir probieren neue Technologien wie KI aus und übernehmen sie" lag nach einem Plus von 24 Prozentpunkten bei 84 %. Das Momentum und der Glaube an KI waren also wirklich stark. Der nächste Schritt ist jetzt, die Nutzung im Alltag wirklich tief zu verankern – darüber haben Sie und ich ja auch in Orlando gesprochen, es geht nicht nur darum, ein besserer Taschenrechner zu sein, sondern um etwas ganz Neues.

David Rice: Es gibt derzeit so viel Trubel, alle sind überfordert mit den Möglichkeiten, wissen aber nicht, was für sie sinnvoll ist. Viele sind dann enttäuscht, weil der Anfang fehlt oder sie nicht wissen, welche Informationen man KI gibt. Was die meisten brauchen, ist ein sinnvoller Startpunkt – dann bewegen sie sich von selbst weiter. Ihr Framework scheint Menschen die Erlaubnis zu geben, nicht auf den idealen Anwendungsfall warten zu müssen.

Justin Angsuwat: Absolut richtig. Online sieht man viele beeindruckende KI-Anwendungen, das kann einschüchternd wirken: "Ich kann nicht mal ganz einfache Prompts... wie haben andere das geschafft?" Uns war wichtig, den Lärm auszublenden und mit unserem Sechs-Wochen-Programm einen geschützten Raum zu bieten. Hauptsache, das Selbstvertrauen wächst – selbst wenn noch nicht klar ist, wofür KI genutzt werden kann.

David Rice: Sie sprachen vorhin vom Taschenrechner – dass KI viel mehr kann. Was ändert sich eigentlich, wenn Leute die mentale Schwelle überschritten haben – wie war Ihr Erlebnis dabei?

Justin Angsuwat: Es gibt viele Reifegradmodelle und Frameworks, aber mein Modell ist sehr einfach: In Organisationen, in denen KI die Menschen und die Arbeit verändert, sehe ich zwei Ebenen von KI-Veränderung. Erstens: Dinge schneller oder besser machen. Zweitens: Neues ermöglichen.

Mein Beispiel: Mit der Einführung von Tabellenkalkulationen war das erste Aha "besser rechnen", alles wurde effizienter. Früher mussten Buchhalter per Hand alles neu berechnen, jetzt dauert das Minuten statt Stunden. Viele erleben das heute mit KI – Automatisieren, was wiederholt wird.

Der Durchbruch ist aber, dass auf einmal neue Fragen möglich sind. Buchhalter werden damit zu Szenarien-Planern. Neue Möglichkeiten entstehen: "Was passiert, wenn wir Preise senken und gleichzeitig den Absatz steigern?" KI geht von reiner Effizienzsteigerung zur Lösung für ganz neue, zuvor unbekannte Probleme über. Diesen Übergang muss man erlebt haben, um den Mehrwert voll zu begreifen.

David Rice: Es gibt gerade im Personalbereich große Unsicherheit: Nach dem Aha-Moment fragt man sich gleich, wie sieht es rechtlich aus? Hatten Sie selbst Bedenken, als Sie losgelegt haben?

Justin Angsuwat: Sie sprechen da einen wichtigen Punkt an – rechtliche Aspekte. Man muss mit KI vorsichtig umgehen.

Ein Tabellenkalkulations-Ergebnis lässt sich leicht prüfen, auf ein KI-Ergebnis verlässt man sich eher – das kann risikoreich sein. Über Illusion versus Wirkung haben wir gesprochen: Eindruck schinden vs. echter Mehrwert. Dazu passt das Thema deterministische vs. probabilistische Aufgaben. Deterministisch: Es gibt eine richtige Antwort, z. B. eine Rechenaufgabe. Probabilistisch: Es gibt viele gute Antworten, z. B. eine E-Mail formulieren oder ein Meeting zusammenfassen.

Setzt man KI nur bei klaren Aufgaben ein, bleibt sie unter ihren Möglichkeiten und kann auch Fehler machen ("Halluzinationen"). Daher: KI sollte vor allem bei Aufgaben eingesetzt werden, wo viele Lösungen denkbar sind („Was sind die drei größten Frustrationen in diesen 500 Mitarbeiter-Feedbacks?“), nicht bei stumpfen Rechenaufgaben. Gerade dort entfaltet sich die Stärke von KI. Und bei kritischen, eindeutig lösbaren Aufgaben braucht es immer noch doppelte Kontrolle, vor allem wegen rechtlicher Aspekte.

David Rice: Das ist ein wichtiger Tipp. Dem kann ich nur zustimmen.

Ein globales Team aufzubauen sollte nicht bedeuten, fünf verschiedene Systeme für HR, Gehaltsabrechnung und IT zu jonglieren. Deel vereint alles, damit Sie überall Leute einstellen, einarbeiten, bezahlen und ausstatten können – ohne das übliche Chaos.

Ob Sie Angestellte in zehn Ländern einstellen oder mit Auftragnehmern weltweit arbeiten: Deel sorgt für Compliance, Sozialleistungen und Lohnabrechnung an einem Ort. Weniger Toolwirrwarr, weniger Kopfschmerzen, mehr Fokus auf Ihre Mitarbeitenden. Möchten Sie sehen, wie Einstellen ohne Ländergrenzen aussieht?

Dann besuchen Sie deel.com/pmp. Das ist deel.com/pmp, um eine Demo zu buchen. Deel. Beschäftigen, verwalten und bezahlen Sie jeden, überall.

Sie haben jetzt einen KI-Coach entwickelt. Erzählen Sie uns, welches Ziel Sie damit verfolgen.

Justin Angsuwat: Das Ziel war, einen stets verfügbaren KI-Coach oder einen "People Scientist" in der Tasche zu haben.

Wir haben in Orlando mit Leuten gesprochen, die sagten, sie brauchen keinen Coach, Coaches seien teuer. Ich sage, ein Coach ist eher ein Wissenschaftler im Bereich Personal, den man jederzeit ansprechen kann: "Wie gebe ich dieses schwierige Feedback?" oder "David muss dir eine kritische Rückmeldung geben und ist nervös, weil du nicht gut darauf reagierst – was hilft?" Auf diese Weise unterstützt der Coach nicht nur HR, sondern ganze Organisationen, indem er Führungskräften kontextbasiert Rat gibt.

Das Entscheidende ist, dass der Coach kontextbezogen arbeitet. Fragt man ein generisches KI-Modell, bekommt man den Durchschnitt des Internets serviert: technisch richtig, aber im Einzelfall wenig hilfreich. Es gibt drei Kontextebenen, die einen KI-Coach wirklich nützlich machen:

Die Basisebene: Wie wird der Coach trainiert? Wir schulen ihn nicht mit Internetdaten, sondern mit Erkenntnissen und einer Milliarde Datensätze aus dem Bereich HR, Kultur und Leistung aus zehn Jahren – kuratiert von promovierten People Scientists. Das ist die Grundlage.

Darauf folgt die Organisationsebene: Der Coach kennt Ihr Unternehmen, Vision, Strategie, Werte, Feedback-Frameworks usw. Dann kommt die individuelle Ebene: Engagementdaten, Leistungsdaten, Feedback. Der Coach kennt Ihre Teams und Sie persönlich.

Ergebnis: Statt Allgemeinplätzen wie "Du solltest mehr zuhören" gibt es konkrete Hinweise wie: "Basierend auf den niedrigen Engagementwerten, dem neuen Ziel radikaler Offenheit und der Expansion Ihres Unternehmens empfehle ich folgendes..." Und dann stellt der Coach Rückfragen, gibt maßgeschneiderte Skripte – genau wie ein echter Coach.

David Rice: Wir alle kennen Tools, die technisch gesehen funktionieren, aber uns nicht kennen – das ist wie Selbstgespräche.

Justin Angsuwat: Genau. Sie arbeiten auch mit HR-Leitung, bauen Anwendungen – begegnen Sie dem häufig?

David Rice: Ja, ich habe selbst auch schon Tools gebaut, wo ich am Ende dachte: "Was erzählt mir dieses Ding da?" – und dann gibt man einfach auf.

Wirklich spannend wird es, wenn der Coach Kontext aufgreift – Teamdynamik, Unternehmensgeschichte, Stärken einzelner Personen. Was sind da Ihrer Meinung nach die wichtigsten Faktoren, damit die KI-Ratschläge wirklich relevant werden?

Justin Angsuwat: Einige Dinge:

Er basiert auf People Science und kennt den organisatorischen Kontext, d. h. als Führungskraft müssen Sie nicht ständig neu Kontexte liefern. Manchmal ist man genervt, weil man dem Coach dauernd den Ton und die Vorgeschichte erklären muss. Ideal wäre: Der Coach erinnert sich, welche Person Thema ist, welcher Stil gebraucht wird usw.

Außerdem: Wie im Unterschied zwischen SaaS und KI-Unternehmen – der Coach lernt fortlaufend dazu, wertet Lücken zwischen Nutzen und Nichtnutzen aus und bildet sich genau daran weiter. Das ist ein feiner, aber entscheidender Unterschied. Negative Rückmeldungen führen zu Verbesserungen – der Coach wird damit stetig besser.

David Rice: Jemand sagte jüngst, er wolle, dass sein Unternehmen wie ein KI-Unternehmen funktioniert, nicht einfach wie ein SaaS-Unternehmen. Aber was bedeutet das praktisch im Büroalltag?

Justin Angsuwat: Es heißt nicht, massenhaft Lizenzen zu kaufen. Es geht weniger um die Software, sondern wie gebaut und gearbeitet wird. Was ich besonders spannend finde, ist der Wechsel von explizitem zu implizitem Feedback.

Im SaaS-Bereich fragt man Nutzer explizit: "Wie fanden Sie diese Funktion? War dieser Artikel hilfreich?" Die meisten antworten nur im Extremfall. Man bekommt also wenig Feedback.

Das KI-Denken dagegen sucht nach impliziten Hinweisen: Wenn jemand Text löscht, ist das kein gewöhnlicher Fehler, sondern ein wertvoller Hinweis – das Modell hat im Kontext falsch vorhergesagt. Die Lücke zwischen KI-Text und finalem Ergebnis ist Trainingsmaterial; was falsch ist, ist nützlicher als was richtig war. KI-Unternehmen freuen sich, solche Lücken zu entdecken, weil die KI so immer besser Sie persönlich versteht.

David Rice: Genau deshalb habe ich gefragt – viele träumen zwar davon, wie ein KI-Unternehmen zu arbeiten, aber das muss sich in echten Verhaltensweisen zeigen. Ihr Coach ist da ein gutes Beispiel.

Für mich macht bei KI-Unternehmen Experimentierfreude, Echtzeitentscheidungen und Geschwindigkeit den Unterschied – weniger Perfektionismus. Wann wirkt sich diese Haltung für Teams wirklich aus?

Justin Angsuwat: Es ist nicht nur das Thema Feedback. Auch die gesamte Produktentwicklung ändert sich: Nicht mehr klassisches Wasserfallprinzip, sondern iteratives, schnelles Prototyping. Für unsere Entwickler war der Aha-Moment: Ein Feature, das früher Monate gebraucht hätte, war in einer Woche da. Schnell bauen, testen, anpassen. Nicht mehr lange Konzepte schreiben. Auch das ist ein Wandel, den wir bei der Software-Entwicklung merken. Sehen Sie das bei anderen KI-Unternehmen ähnlich?

David Rice: Ja. Sie haben mal gesagt: "Illusion versus Wirkung – technische Raffinesse allein bringt noch keinen echten Mehrwert." Ich war oft in der Falle, beeindruckende Prozesse zu schaffen, ohne echte Probleme zu lösen. Manche Dinge dürfen auch komplex bleiben – das ist Arbeitsalltag. Führungskräfte stehen vor der Herausforderung: Fokus auf Wert, nicht Show um der KI willen.

Justin Angsuwat: Richtig. Das hängt auch von der Organisation ab, was Schein und was Nutzen ist. Viele automatisieren deterministische Aufgaben und holen so aus KI nicht das Beste heraus; das ist im Grunde nur ein schnelleres Spreadsheet. Stattdessen sollten wir die wirklich komplexen, probabilistischen Aufgaben angehen – das ist neu und noch weitgehend unerforscht. Viele bauen schöne Frontends oder Chatboxen, ohne einen echten Engpass zu lösen. Der eigentliche Wert entsteht dort, wo KI Aufgaben übernimmt, für die bisher keine Technik geeignet war.

Beispiel: Interne Kommunikation – KI analysiert Hunderte CEO-Ansprachen und erkennt Muster: "Bei guten Nachrichten beginnen Sie direkt damit, bei schlechten betonen Sie zuerst die Werte des Unternehmens." Ein Mensch hätte das nie erfassen können. Echte Wirkung entsteht dort, wo KI Unvorstellbares möglich macht – nicht, wenn Remix von Vorhandenem betrieben wird.

David Rice: Viele verwechseln Komplexität mit Effektivität. Führungskräfte werden eine ihrer großen Aufgaben darin sehen, Wert zu erzeugen, statt der Versuchung zu erliegen, KI nur zu zeigen. Ich glaube nicht, dass uns diese Herausforderung die nächsten Jahre verlässt.

Justin Angsuwat: Der Schlüssel ist, das eigentliche Problem zu lösen – und manchmal findet man neue Probleme erst beim Experimentieren. Wie ein CEO mal sagte: "Wer keine 100 KI-Prompts ausprobiert hat, sollte bei KI-Themen lieber zunächst zuhören." Deshalb war uns von Anfang an das Selbstvertrauen so wichtig: Nur, wenn man ausprobiert, erkennt man ungeahnte Potenziale und kann sie nutzen.

David Rice: Sie entwickeln nicht nur KI-Reifemodelle für Kunden, sondern auch für Ihr eigenes Unternehmen. Was hat Sie am meisten überrascht – und wo stehen Sie gerade?

Justin Angsuwat: Wir sind noch am Anfang, alles ändert sich rasant. Was mich nicht völlig überrascht, aber doch auffällt: Es wird oft angenommen, die erfahrenen und leistungsstarken Mitarbeitenden würden als Erste KI meistern. Das stimmt selten. Wissen verlernen ist schwerer als neu lernen. Wer gerade erst anfängt, will nur das Ziel erreichen und hat keine liebgewonnenen Abläufe, an denen man hängt. Wer seit 20 Jahren dabei ist, identifiziert sich mit dem "Wie" und ist ungern bereit, dieses Know-how aufzugeben.

So kommt es, dass neue Mitarbeitende fortschrittlicher mit KI umgehen als Erfahrene. Führungskräfte bekommen auf einmal eine neue Rolle: Sie bieten Skalierung und Architektur, weniger technisches Coden. Die richtige Kultur zu schaffen, ist extrem schwierig – wir sind hier noch im Umbruch. Viele Organisationen müssen lernen, wie sich junge, KI-affine Beschäftigte und erfahrene Kollegen sinnvoll ergänzen.

David Rice: Das ist tatsächlich eine Herausforderung.

Schön zu hören, dass Sie selbst sehr offen damit umgehen – wir stehen selbst oft ratlos vor der unbekannten Lernkurve.

Justin Angsuwat: Plötzlich ist man ganz allein auf der Kurve – und fragt sich: Wo sind die anderen?

David Rice: Ich höre gerne von anderen, die das auch erleben. Danke für Ihre Offenheit und die Einblicke heute.

Justin Angsuwat: Danke, David. Hat mir viel Spaß gemacht.

Ich habe mich auch schon auf unser letztes Gespräch gefreut und freue mich immer, unsere Erfahrungen – Gutes, Schlechtes und Hässliches – zu teilen.

David Rice: Ganz genau. Jeden Tag neu anpassen. Nochmals danke fürs Dabeisein.

Justin Angsuwat: Danke David. Bis bald.

David Rice: Und an alle Hörer: Wenn Sie es noch nicht getan haben, melden Sie sich für unseren Newsletter an: peoplemanagingpeople.com/subscribe. Und schauen Sie sich unseren KI-Transformationsexplorer an.

Bis zum nächsten Mal – bleiben Sie neugierig, wir finden den Weg gemeinsam.