Von Neugier zu Selbstvertrauen: Ein praxisnaher Rahmen für die Einführung von KI

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

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

Nicht neugierig, sicher. Das haben sie anders gemacht: Sie haben Erkundung und Erwartung voneinander getrennt. Kein Druck, fertige Ergebnisse liefern zu müssen, kein Warten auf Erlaubnis – einfach ein strukturierter Weg von Verständnis über Ausprobieren bis zum Verankern. Aber es gibt dabei einige unbequeme Themen, mit denen sich Justin aktuell beschäftigt.

Selbstvertrauen führt nicht automatisch zur Integration. Die Leute stehen immer noch an dem Punkt, durchsuchen ihren Arbeitsalltag und frieren ein. Und manchmal sind es gerade die erfahrenen Mitarbeitenden, die KI eigentlich ins Unternehmen bringen sollen, die am meisten hadern – weil ihre Identität eng mit den Arbeitsabläufen verknüpft ist, die durch KI überflüssig werden.

Heute sprechen wir also darüber, warum sie sich auf das Selbstvertrauen der Mitarbeitenden und nicht auf Nutzungs- oder Automationskennzahlen konzentriert haben. Welche wöchentlichen Übungen den Schwung gebracht haben, wie man Menschen von deterministischen Aufgaben hin zu probabilistischen Aufgaben führen kann – dort, wo der eigentliche Mehrwert entsteht. Warum Junioren teilweise „nativer“ damit umgehen als die Führungskräfte, die die Transformation leiten, und was knapp 80 % Selbstvertrauen im Alltag wirklich bedeutet.

Ich bin David Rice. Dies ist People Managing People. Und wenn Sie zwischen Neugier und Umsetzung feststecken, zeigt Ihnen dieses Gespräch genau, wie ein Unternehmen diese Lücke überbrückt hat. Also, legen wir los.

Justin, willkommen in der Sendung.

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

David Rice: Super, dass du da bist.

Ich freue mich, an unser Gespräch in Orlando anzuknüpfen. Ich habe mich seitdem darauf gefreut. Bevor wir zu tief in Coach und alles, was ihr aufgebaut habt, einsteigen – erkläre doch mal, wie eure Teams tatsächlich mit KI angefangen haben zu arbeiten. Was hat sie über das Stadium der Neugier hinausgebracht?

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

Und das war für uns schon eine wichtige Erkenntnis. Wir starteten mit den Produktteams und wanderten dann zu anderen Teams weiter. Immer mit einem Ziel, das für uns war: Selbstvertrauen der Mitarbeitenden im Umgang mit KI. Es gibt viele andere Ziele wie Nutzung, Automatisierung usw., aber für uns stand der Mensch hinter der Technik klar im Mittelpunkt.

Wir wollten das Selbstvertrauen der Mitarbeitenden beim Einsatz von KI verbessern. Einen „Aha-Moment“ kann man schwer messen. Deshalb starteten wir ein sechswöchiges Programm, das bewusst Erkundung und Erwartung trennt. Es ging ganz klar ums Lernen, Ausprobieren, einfach mal machen. Es ging nicht darum, ein perfektes Ergebnis zu liefern – das nahm viel Druck raus und sorgte dafür, dass das Team sich auf die neue Technik einlassen konnte.

David Rice: Meine Beobachtung ist, dass Neugier leicht zu wecken ist – Menschen wollen gern erkunden. Aber echte Bewegung braucht eine gewisse Struktur, Klarheit oder ein gemeinsames, frühes Erfolgserlebnis. Was hat da den Unterschied gemacht, den Übergang eingeleitet?

Justin Angsuwat: Genau das war entscheidend. Wir wussten anfangs selber nicht genau, was wir mit KI konkret machen werden.

Und das war nicht der „Aha-Moment“. Interessant war: Die „Aha-Momente“ der Menschen sehen alle unterschiedlich aus. Das zu standardisieren war schwer. Deswegen führten wir das erwähnte sechswöchige Programm „Accelerate“ durch – mit AI im Namen, versteht sich.

Wir haben Phasen definiert, die den Weg abstecken und Menschen dabei helfen, den Weg von Verstehen über Ausprobieren bis zum festen Einbinden zu gehen. Dieser letzte Schritt ist der schwierigste und da sind wir noch dran.

Wir versuchen, diese letzte Hürde zu knacken. Es war nicht perfekt, hat aber den Mitarbeitenden sehr geholfen, sich unterstützt und nicht überfordert oder bloßgestellt zu fühlen. Es ging nicht darum, dass „alle schon was produzieren“ – sondern auch darum, nicht im Komfort steckenzubleiben.

Wir haben die Leute stets weiter in Richtung Ausprobieren und dann Einbetten geführt – mit viel Content, vielen Lernsessions, bei denen die Teilnehmenden in die Tools gehen und selbst Dinge erschaffen konnten. Vom Computerspiel bis zum Video war alles dabei und kleine Erfolge wurden geteilt, um Momentum zu erzeugen.

Ich habe unternehmensweite wöchentliche Übungen oder Wettbewerbe gestartet, z. B. ein KI-generiertes Video für unser Arbeitgeber-Marketing zu erstellen, oder das Spiel „Gandalf“, bei dem es galt, ein Passwort zu knacken und Gandalf davon zu überzeugen, es herauszugeben. Wer kam bis zum Ende – und was hat sie/er dabei gelernt?

Es war schön zu sehen: Ein Mitarbeiter war so begeistert, dass er zu Hause seinen Partner davon erzählte – der fragte: Das hast DU gemacht? Ja, das habe ich! – und plötzlich wuchs das Selbstvertrauen nicht nur bei ihm, sondern im ganzen Team.

Das war entscheidend für den Schwung, Woche für Woche: Stetig durch Verstehen, Ausprobieren, Einbetten – und: Wie macht man es für die tägliche Arbeit relevant?

Da gibt es noch viel zu tun, aber wir haben als Ausgangspunkt genommen, wirklich dieselben Tools zu nutzen, die alle am Arbeitsplatz kennen – Miro, Glean, Gemini, Copilot, was auch immer. Partnerschaften geschlossen, eingeladen, gestartet – ohne auf Erlaubnis zu warten.

Spannend war bei LinkedIn, als ich das kürzlich teilte, das jemand sinngemäß kommentierte: „Ich sehe, wie viele Firmen sofort nach Ideen suchen, wie KI die Arbeit verbessern kann, aber die Basis an Selbstvertrauen wurde nie gelegt.“ – Das ist unser Ausgangspunkt gewesen.

David Rice: Ein weiterer Punkt ist, den Leuten zu helfen zu verstehen, was eigentlich nützlich ist. Warum hat dieser Ansatz so gut funktioniert? Viele andere Modelle geraten da ins Stocken, weil man vor lauter Möglichkeiten gar nicht weiß, wo anfangen.

Wie bringt ihr die Leute dazu, die richtigen Fragen zu stellen, denn das braucht viel Kontext und Feingefühl – man muss wissen, was man der KI gibt, damit die Ergebnisse nützen.

Justin Angsuwat: Das ist tatsächlich unsere letzte Etappe: Wie nutze ich es in meinen täglichen Abläufen?

Wir arbeiten noch daran. Entscheidend war unser Fokus auf den ersten Schritt: Menschen so fit in KI zu machen, dass sie auch ohne alle Anwendungsfälle loslegen wollen. Viele – das war mental ein Hindernis – fanden es zu schwierig.

Auch im Programm folgten manche zwar brav den kleinen Prompt-Übungen (Computerspiel entwickeln), standen aber im Alltag dann wieder vor dem leeren Bildschirm und waren eingeschüchtert.

Für manche Teams haben wir dann kleine Hackathons gemacht. Auch dort gab es Unsicherheit: Soll ich am Prompt arbeiten oder ein anderer? Wo soll ich anfangen? Aber im kleinen Team war es viel geschützter, das hat geholfen.

Der „Aha-Moment“ war: Es ist gar nicht so schwer wie gedacht. Ich glaube nicht, dass wir schon am Ziel sind. Aber Stufe 1 war das Selbstvertrauen, und das haben wir erreicht. Nach Abschluss des Programms haben wir gemessen: Knapp 80 % der Belegschaft fühlten sich sicher im praktischen KI-Einsatz.

Nur etwa 4 % sahen es negativ. Wir haben auch eine zweite Frage verfolgt: „Wir erforschen und übernehmen neue Technologien wie KI.“ Hier gab es einen Sprung von 24 Prozentpunkten auf 84 %. Es herrscht Momentum und eine grundsätzliche Offenheit für KI. Jetzt geht es darum, wie sie die Technik wirklich in den Arbeitsalltag integrieren können.

Das war ja unser Thema in Orlando: KI nicht nur als besseren Taschenrechner nutzen, sondern für ganz andere Dinge.

David Rice: Es ist einfach irre viel Auswahl da draußen, viele fühlen sich davon überfordert und oft sind die Ergebnisse dann enttäuschend – weil man schlicht nicht weiß, wie man die Technik am effektivsten nutzt.

Meine These ist: Der Rahmen, den ihr geschaffen habt, hat die Leute davon abgehalten, auf das perfekte Anwendungsbeispiel zu warten und einfach mal loszulegen. Ihr habt so Schwung aufgebaut.

Justin Angsuwat: Ganz genau – und im Netz sieht man sehr viel Beeindruckendes, das einschüchtern kann. Da denkt man, „Ich kann das noch gar nicht so …“, statt sich einfach auf unser sechs Wochen Programm zu konzentrieren und damit Selbstvertrauen aufzubauen, selbst wenn die besten KI-Anwendungen erst später kommen.

David Rice: Du hast vorhin die Analogie vom Taschenrechner benutzt. Was passiert eigentlich, wenn Menschen diesen Sprung im Kopf machen? Was war dein Erlebnis in dem Moment?

Justin Angsuwat: Es gibt viele Frameworks zur KI, viele Reifestufen. Ich mache es für mich einfach: Es gibt zwei Ebenen der Veränderung mit KI. Die erste: Sachen schneller oder besser machen. Die zweite: Etwas ganz Neues ermöglichen.

Damals, als die Tabellenkalkulation aufkam, war das erst mal ein besserer Taschenrechner. Vorher mussten Buchhalter Zahlen per Hand nachrechnen, mit Bleistift und Papier. Ändert man einen Wert, mussten alle verknüpften Berechnungen manuell neu gerechnet werden – stundenlange Arbeit.

Mit der Tabelle dauerte das fünf bis zehn Minuten, statt fünf Stunden. Das ist die Effizienzsteigerung, die man jetzt mit KI auch sieht. Aber der eigentliche „Aha-Moment“ kommt erst, wenn das Werkzeug etwas ermöglicht, das man vorher gar nicht kannte: Szenarien durchspielen, statt nur zurückzublicken.

Aus Buchhaltern werden so am Ende strategische Planer, die „Was-wäre-wenn“-Fragen stellen können, von denen sie vorher gar nicht wussten, dass sie sie brauchen. Das ist der mentale Quantensprung: Erst macht man Altes besser, dann erkennt man frühere Grenzen nicht mehr und fragt sich, was es alles Neues ermöglichen kann.

David Rice: Darum gibt es ja auch diese Unsicherheit gerade bei People & Culture. Beim „Aha“ denkt man: „Oh, das kann alles Mögliche“, und gleich darauf hat man Sorgen wegen Legal oder Datenschutz ... Hattest du Momente, wo du gezögert hast?

Justin Angsuwat: Absolut, das Thema Legal ist real, da gibt es wirklich Vorsicht. Es ist viel leichter, eine Excel-Formel zu überprüfen als sich völlig auf eine KI-Antwort zu verlassen.

Wir haben über „beeindruckendes Theater“ gesprochen – also Schein versus echter Effekt. Gerade bei deterministischen Aufgaben (eine richtige Antwort) ist KI manchmal sogar kontraproduktiv, weil sie eigentlich ein probabilistisches System ist (z. B. wie formuliere ich eine E-Mail?).

Bei diesen Aufgaben (z. B. Umsatz Q4 berechnen) ist ein normaler SQL-Befehl oft schneller und sicherer. Die eigentliche Stärke der KI liegt darin, unstrukturierte Daten (wie 500 Feedbacks) in echte, emotionale Erkenntnisse zu verwandeln – das kann kein Spreadsheet.

Also: Wirklicher Mehrwert entsteht besonders dort, wo es viele gute Antworten statt nur einer gibt, denn da kann KI interpretieren.

Vor allem bei den deterministischen Aufgaben sollte man aufpassen und alles doppelt checken, bevor man voll darauf vertraut.

David Rice: Ein guter Hinweis. Das kann ich nicht genug betonen.

Ein globales Team aufzubauen sollte nicht bedeuten, fünf Systeme für HR, Lohnabrechnung und IT zu jonglieren. Deel bringt alles zusammen – Mitarbeiter einstellen, einarbeiten, bezahlen und ausstatten, egal wo sie sind.

Egal, ob Sie in zehn Ländern Personal einstellen oder Freelancer rund um den Globus betreuen: Deel übernimmt Compliance, Benefits und Gehalt in einem System. Das heißt weniger Tools, weniger Kopfschmerzen und mehr Zeit für Ihre Leute. Wie sich Recruiting ohne Grenzen anfühlt?

Besuchen Sie deel.com/pmp. Das ist deel.com/pmp, um eine Demo zu buchen. Deel. Einstellen, verwalten und bezahlen, überall.

Jetzt habt ihr einen KI-Coach gebaut. Was war das Ziel dabei?

Justin Angsuwat: Das Ziel war, einen immer verfügbaren KI-Coach oder so etwas wie einen People Scientist in der Tasche zu haben.

Wir hatten Gespräche mit Leuten aus Orlando, die meinten, sie bräuchten keinen Coach – Coaches sind teuer –, aber letztlich ist es wie ein People Scientist, den man fragen kann, wie man ein schwieriges Feedbackgespräch führt.

In gewisser Weise unterstützt es HR-Partner und People Teams, indem es Führungskräften jederzeit gezielt Rat gibt, und zwar im Unternehmenskontext.

Und Kontext ist entscheidend: Fragt man ein generisches KI-Modell, bekommt man Durchschnittsantworten aus dem Internet. Wir haben aber mit einer Datenbasis von 1,5 Milliarden People & Culture-Daten aus über zehn Jahren und tausenden Unternehmen trainiert – maßgeschneidert von People Scientists, also echten promovierten Fachleuten.

Auf der Basis kommt dann der Unternehmenskontext dazu: Vision, Strategie, Ziele, Werte, Frameworks für Feedback (z. B. Radical Candor, SBI usw.). Und darüber als dritte Schicht: Performance-Ebene wie Engagementdaten, Feedback, 1:1 Gespräche usw. Die KI kennt Ihre Teams, Ihre Organisation, Sie selbst.

Mit diesem Kontext bekommt man keine 08/15-Ratschläge wie „Hören Sie mehr zu“, sondern ganz konkrete Hinweise wie: „Auf Basis der niedrigen Engagementwerte im Team, der neuen Zielsetzung Radical Candor und der Expansion ins Ausland – sprechen wir über das anstehende Feedback. Hier ein konkretes Skript auf wissenschaftlicher Grundlage. Lassen Sie uns das durchspielen!“

Das unterscheidet den KI-Coach massiv von einem schlichten LLM oder einem generativen KI-Ratgeber.

David Rice: Wir kennen alle die Erfahrung: Das Tool funktioniert technisch, kennt mich aber nicht – und man fragt sich, warum man überhaupt mit ihm spricht.

Justin Angsuwat: Das erleben viele HR-Leiter und -Teams – und wir selbst manchmal auch! Ständig alles neu erklären, die richtige Tonalität einfordern, alles neu einrichten ... Schön wäre es, wenn der Coach gleich erkennt: „Du hast dieselbe Diskussion schon mehrmals mit Person XY geführt – lass uns das gezielt angehen."

Sehr hilfreich also, wenn der Kontext schon vorhanden ist. Außerdem lernt unser Coach weiter: Negative Rückmeldungen werden genutzt, um ihn zu verbessern – das ist ein entscheidender Unterschied zu Standard-Software.

David Rice: Ich hörte kürzlich jemanden sagen: „Wir sollten wie ein KI-Unternehmen arbeiten, nicht bloß wie ein SaaS-Unternehmen.“ Aber was heißt das eigentlich am ganz normalen Dienstag im Büro?

Justin Angsuwat: Sicher nicht, einfach massenhaft Co-Pilot-Lizenzen kaufen. Es ist nicht die Software, sondern die Arbeitsweise. Ein wesentlicher Unterschied, der sich im Coach-Projekt zeigt: SaaS verlässt sich auf explizites Feedback (1–5 Sterne, „War dieser Artikel hilfreich?“) – und die wenigsten antworten darauf.

KI-Unternehmen aber analysieren implizites Feedback, z. B. wie Nutzer E-Mails überarbeiten oder Sätze löschen. Daraus erkennt die KI, wo sie falsch lag – und das ist oft die wertvollste Information für das Training.

SaaS-Firmen wollen Ihre Aufmerksamkeit, KI-Firmen Ihre Delegation. Sie wollen überflüssig für Sie werden – also streben sie sehr gezielt danach, aus dem Negativraum, also Ihren Korrekturen, maximal zu lernen.

David Rice: Das finde ich spannend. Viele bleiben an dem Punkt hängen, wo man das in Verhaltensänderungen übersetzt – Tools wie Coach helfen, das auf die Straße zu bringen.

Meiner Meinung nach ist im KI-Bereich mehr Experimentieren, mehr Geschwindigkeit, weniger Perfektionierung gefragt. Aber was ändert sich wirklich für Teams?

Justin Angsuwat: Ein weiterer Aspekt: Feature-Entwicklung wird agiler – weg vom Wasserfallmodell, hin zu mehr Tempo und schnellem Prototyping. Manche Engineers waren überrascht, wie schnell sie jetzt Dinge bauen können – manchmal in einer Woche, statt Monaten.

Mein Eindruck: Schneller zu Prototypen, direktes Testen mit Nutzern, weniger langwieriges Planen und Scope-Dokumente, sondern: Machen, probieren, ausrollen. Ist das auch deine Erfahrung mit AI-Firmen?

David Rice: Ja, durchaus. Und wie du schon sagtest: Illusion ist nicht gleich Impact. Bloß weil ein Workflow technisch beeindruckend ist, ist er nicht zwangsläufig sinnvoll.

Gerade jetzt gibt es überall schicke, coole KI-Workflows. Aber bringen sie echten Wandel? Es ist okay, wenn manche Aufgaben weiter komplex bleiben – das Arbeitsleben ist ja keine Selbstbedienung. Es bleibt die Führungsaufgabe, auf echten Mehrwert zu achten, statt bloß zu zeigen, was KI (scheinbar) alles kann.

Justin Angsuwat: Genau, Unternehmen müssen definieren, was für sie beeindruckendes Theater und was echter Impact ist. Oft werden deterministische Aufgaben von KI bearbeitet, was nett aussieht, aber nicht das Potenzial ausschöpft. Da ist KI lediglich ein schnelleres Spreadsheet – obwohl sie für sowas meist gar nicht optimal ist.

Deshalb: Die eigentliche Kraft liegt im Lösen probabilistischer Aufgaben, für die es traditionell wenig Technikeinsatz gab – was kann man hier noch alles freisetzen? Ein Beispiel: Interne Kommunikation. KI kann nicht bloß Skripte erstellen, sondern die Kommunikation von CEOs über Jahre analysieren und Vorschläge machen, wie Nuancen die Wahrnehmung von Nachrichten verändern.

So hat Claude einmal einem CEO geraten: „Gute Nachrichten leiten Sie direkt ein, schlechte mit den Unternehmenswerten – das fiel Ihnen nicht mal selbst auf.“ Das Freilegen solcher bisher unsichtbarer Muster ist echter Impact.

Beeindruckendes Theater wäre dagegen, bestehende Aufgaben immer weiter KI-isiert zu wiederholen, während der eigentliche Fortschritt bei probabilistischen, oft vergessenen Themen entsteht.

David Rice: Es ist leicht, Komplexität mit Wirksamkeit zu verwechseln. Einer der Führungsjobs wird sein, den Fokus auf Wertschöpfung zu halten, statt nur die technischen Show-Elemente von KI zu präsentieren. Herausforderungen werden 2026 nicht weniger.

Justin Angsuwat: Es geht darum, echte Geschäftsprobleme zu lösen. KI kann aber auch Probleme lösen, von denen man vorher nicht einmal wusste, dass sie existieren.

Ein CEO sagte mal zu seinem Führungsteam: „Wer keine 100 KI-Prompts ausprobiert hat, dessen Meinung zu KI zählt für mich nicht – man muss es erleben.“ Deshalb konzentrieren wir uns auf Selbstvertrauen als Basis. Erst durch das eigene Ausprobieren erkennt man, welche neuen Möglichkeiten KI bietet und welche Probleme sich plötzlich lösen lassen.

David Rice: Ihr mappt den KI-Reifegrad, nicht nur für Kund:innen, sondern intern. Was überrascht dich dabei – und was fällt anderen Unternehmen schwer?

Justin Angsuwat: Wir sind noch am Anfang und die Entwicklung geht in Riesenschritten voran – neue Papers, neue Tools, ständig Veränderungen.

Was mir – nicht nur bei uns – auffällt, ist die Fehleinschätzung, dass die erfahrensten oder leistungsstärksten (also Seniors) bei KI vorangehen. Tatsächlich ist das „Verlernen“ alter Muster oft viel schwerer als das Neulernen.

Wer frisch im Job ist, interessiert sich meist nicht so sehr für den Weg, sondern für das Ziel: Wie komme ich schnell von A nach B? Wer aber 20 Jahre lang denselben Ablauf perfektioniert hat, dessen Identität hängt an diesem Workflow. Wird der durch KI überflüssig, ist das oft ein Schock.

Deshalb sieht man häufig, dass Jüngere die Technik natürlicher und mutiger einsetzen als Führungskräfte. Die bringen aber wiederum andere, wertvolle Skills mit, wie Architektur und Skalierung statt Coding im engen Sinn. Der Kulturwandel ist da noch nicht abgeschlossen – wir alle sind mitten im Prozess.

David Rice: Wirklich eine Herausforderung.

Aber schön zu hören, dass ihr den Wandel selbst lebt – das ist sehr ehrlich und macht Mut. Auch wir sind manchmal unsicher, wie weit wir wirklich sind – die Lernkurve ist steil, aber nicht immer klar erkennbar.

Justin Angsuwat: Die Kurve ist manchmal ziemlich einsam – man fragt sich, wo die anderen sind ...

David Rice: Ich finde es wertvoll, von anderen zu hören, die mit ähnlichen Dynamiken ringen. Danke fürs Teilen!

Justin Angsuwat: Danke, David! Mir hat das Gespräch sehr gefallen, und auch wir arbeiten uns Tag für Tag voran – ohne festen Jahresplan, sondern im Lernmodus. Wir teilen gern alles, was wir lernen.

Das Gute, das Schlechte und das Hässliche.

David Rice: Absolut. Hauptsache, man bleibt anpassungsfähig. Danke nochmal, dass du da warst!

Justin Angsuwat: Danke, David. Bis bald.

David Rice: Und an alle Zuhörer:innen: Meldet euch zum Newsletter an (peoplemanagingpeople.com/subscribe) und schaut euch unseren AI Transformation Explorer an.

Bis zum nächsten Mal – wir wachsen gemeinsam ins Ungewisse.