Warum die KI-Transformation mit organisatorischer Klarheit beginnt

David Rice: Die Voraussetzungen dafür, mit KI einen ROI zu erzielen, haben sehr wenig mit der Technologie zu tun. Das ist keine Ausweichformulierung. Das hat unser heutiger Gast gelernt, als er bei Zapier Strukturen aufgebaut und mit mehr als 150 Führungskräften aus verschiedenen Branchen gesprochen hat. Alle stellen dieselbe Frage: Was lohnt sich mit KI am meisten? Und diese Frage kann man nicht ohne organisatorische Klarheit beantworten. Was wollen wir hier eigentlich erreichen? Was erfordert herausragende Leistung? Wenn ein Team bei diesen Fragen nicht vollständig klar ist, dann ist genau dort der Ausgangspunkt – nicht bei den Werkzeugen.

In der heutigen Sendung spreche ich mit Zapier’s Chief People and AI Transformation Officer Brandon Sammut darüber, was Organisationen unterscheidet, die tatsächlich einen Nutzen aus KI ziehen, von denen, die weiterhin auf der Stelle treten. Immer wieder geht es um die Grundlagen. Menschen beobachten, wie Wettbewerber Mitarbeitende entlassen. Überall herrschen Angst und Unsicherheit. Und die Führungskräfte, die Bedingungen schaffen, unter denen gute Arbeit entsteht, sind diejenigen, die das offen benennen – ohne es schönzureden und ohne so zu tun, als gäbe es eine perfekte Antwort.

Heute sprechen wir also darüber, warum Klarheit über den Zweck wichtiger ist als eine KI-Strategie, was echte Experimente erfordern und warum sie immer wieder scheitern, wie KI-Coaching die Art verändert, wie Menschen Feedback annehmen, und warum die besten Arbeitgeber des nächsten Jahrzehnts dafür bekannt sein werden, wie sie Menschen entwickeln.

Ich bin David Rice. Das ist People Managing People. Und wenn Ihre Organisation noch immer mit der Technologie beginnt, statt mit der Klarheit dahinter, zeigt dieses Gespräch, was dabei im Weg steht. Legen wir los.

Brandon, willkommen in der Sendung.

Brandon Sammut: Hallo, David. Schön, bei dir zu sein.

David Rice: Es wird viel darüber gesprochen, dass KI Organisationen transformiert, aber manchmal frage ich mich, ob wir der Technologie nicht fast zu viel Anerkennung geben.

In vielen Fällen scheint KI Dinge offenzulegen, die über ein Unternehmen bereits vorher zutrafen. Gleichzeitig hilft sie dabei, neue Formen der Zusammenarbeit zu entwickeln, ohne dass Menschen einen Großteil der Neugestaltung selbst übernehmen müssen. Wenn du dir Organisationen ansiehst, die bei der KI-Transformation erfolgreich sind: Was verändern sie an der Zusammenarbeit, was andere übersehen?

Brandon Sammut: David, ich würde dir zustimmen, dass viele der Voraussetzungen für einen ROI durch KI wenig mit der Technologie zu tun haben. Dort können wir anfangen. Was ich damit meine – und das ergibt sich teilweise aus dem, was wir bei Zapier lernen, und teilweise aus Gesprächen mit mehr als 150 anderen Führungskräften, die Unternehmen unterschiedlichster Art auf der ganzen Welt aufbauen, nicht nur im Technologiebereich.

Ich habe Anfang dieser Woche mit einem Kollegen aus einem Holzverarbeitungsunternehmen gesprochen. Die KI-Chance steht allen offen, aber was nötig ist, um sie Wirklichkeit werden zu lassen, beginnt mit Dingen, die nichts mit der Technologie zu tun haben. Eine der grundlegendsten Voraussetzungen ist, wenn man wirklich darüber nachdenkt, dass Führungskräfte Klarheit darüber haben, was sie und ihre Unternehmen überhaupt erreichen wollen.

Der Grund, warum ich das nicht mehr übersehen kann, ist, dass KI eine Technologie ist und als Technologie ein Mittel ist, um etwas zu erledigen. Man kann also sehr viel mit KI tun, und bis zu einem gewissen Grad ist das nebensächlich. Die Frage, über die viele Führungskräfte gerade nachdenken, lautet: Was lohnt sich mit KI am meisten?

Um diese Frage zu beantworten, braucht man viel organisatorische Klarheit darüber, was wir als Team hier eigentlich wirklich erreichen wollen und was herausragende Leistung erfordert. Wenn ein Team in diesem Moment nicht vollkommen klar auf diese Frage antworten kann, dann ist genau dort der Ausgangspunkt.

David Rice: Interessant, dass du das sagst, denn ich glaube, das ist für viele Organisationen ein großer Teil der Herausforderung.

Das Führungsteam wollte diese Technologie. Es will die Wettbewerbsvorteile, weiß aber in vielen Fällen nicht, was es tatsächlich damit anfangen soll. Mich interessiert, ob du beobachtest, dass sich das verändert. Wir sind inzwischen dreieinhalb Jahre in diesem Gespräch. Offensichtlich hat sich die Technologie in dieser Zeit erheblich verändert.

Siehst du, dass Führungskräfte allmählich ein klareres Bild davon bekommen, was einen hohen Wert hat und welche Arbeit mit KI notwendig ist?

Brandon Sammut: Ich glaube, das beginnt gerade. Ja. Und wenn du es glauben kannst, David: Inzwischen sind es fast vier Jahre – noch nicht ganz, drei Jahre und neun Monate –, seit ChatGPT 3.5 veröffentlicht wurde, also eine der ersten Versionen, die wirklich öffentliche Aufmerksamkeit erregt hat.

Es ist also tatsächlich fast vier Jahre her. Und ja, ich sehe, was du siehst. Die Nutzung von KI beginnt mit Klarheit über den Zweck, wie wir bereits besprochen haben. Sie erfordert außerdem das, worauf du hinweist: Man könnte es eine Vorstellung vom Möglichen nennen, weil sie einem ein Gefühl für Angebot und Nachfrage gibt.

Wo verlangen wir von uns selbst herausragende Leistungen, obwohl wir darin noch nicht gut sind? Und welches Angebot an Ideen oder neuen Arbeitsweisen können wir zusammenstellen, um tatsächlich von gut zu außergewöhnlich zu gelangen? In manchen Fällen bekommen Menschen ein besseres Gefühl dafür, indem sie einfach verfolgen, was andere teilen, mit Kollegen sprechen und Ähnliches tun.

Ich glaube, dies ist eine dieser Zeiten, in denen sich die Art und Weise, wie Arbeit funktioniert, so schnell verändert, dass es für Führungskräfte, die Dinge aufbauen wie du und ich und viele der Zuhörerinnen und Zuhörer, noch wertvoller ist, die vier Wände der eigenen Organisation zu verlassen, mit Kollegen zu sprechen und nachzulesen, was andere tun oder denken. Wir können enorm viel von dem lernen, was außerhalb unseres Unternehmens passiert.

David Rice: Absolut. Jedes Führungsteam wird sagen, dass es Innovation will. Jedes Unternehmen sagt, dass es möchte, dass Menschen mit KI experimentieren. Aber ich spreche mit Führungskräften, die Schwierigkeiten damit haben, dass Mitarbeitende zögern, Dinge auszuprobieren, Fehler zu teilen und die bestehende Arbeitsweise infrage zu stellen.

Warum ist Experimentieren deiner Meinung nach in all diesen Fällen so schwierig, wenn die Organisation behauptet, es zu schätzen?

Brandon Sammut: Dafür gibt es ein paar Gründe. Erstens, und damit kommen wir auf den Ausgangspunkt von vorhin zurück: Großartige Experimente erfordern eine starke Hypothese, und eine starke Hypothese sollte auf einer Frage beruhen, die die Organisation wirklich beantworten muss.

Manchmal scheitert das Experimentieren aus meiner Sicht daran, dass entweder die Frage, um die herum eine Hypothese gebildet werden sollte, unklar ist. Es geht also darum: In welche Richtung soll das Experiment führen? Das muss wirklich präzise sein. Und die Bedeutung des Erfolgs muss ziemlich groß sein. Es gibt alle möglichen Dinge. Im People-Team von Zapier zum Beispiel haben wir ein unglaublich talentiertes People-Team.

Wir könnten uns auf Experimente zur Lösung nahezu jedes denkbaren Problems im Bereich Talent oder Unternehmenskultur ausrichten. Aber nicht all diese Dinge sind besonders gute Verwendungen der Zeit und Energie des Teams. Es geht also um Klarheit nicht nur darüber, welche Fragen beantwortet werden können, sondern auch darüber, welche Fragen am meisten beantwortet werden müssen.

Dort beginnt es, denn diese Klarheit stärkt die Hypothese und die Fähigkeit, weiterzumachen. Ich glaube, viele Organisationen tun sich gerade mit KI schwer, weil sie eine Kluft überqueren müssen. Man versucht, eine Brücke von der einen Seite einer Schlucht zur anderen zu bauen.

Der Bau dieser Brücke erfordert viel Arbeit, und anschließend muss man sie überqueren. Gleichzeitig muss man auf dieser Seite der Schlucht das Unternehmen weiterhin so führen, wie man es heute tut. Dadurch entstehen konkurrierende Prioritäten. Alles, was nicht wirklich die höchste Priorität hat nach dem Motto „Wir müssen das gemeinsam herausfinden“, wird deshalb am Ende nebenbei erledigt.

Eine Möglichkeit, wie Organisationen im Rahmen einer starken Experimentierkultur helfen können, besteht darin, Menschen und Ressourcen für Experimente abzugrenzen. Statt ein ganzes Team vage zum Experimentieren aufzurufen – selbst wenn man Klarheit geschaffen hat –, nehmen wir ein Beispiel: In einem zehnköpfigen Team für Talentgewinnung sagen wir: „Wir haben ein großes Problem. Die Zahl der Bewerbungen steigt stark, weil alle KI verwenden, um sich auf Stellen zu bewerben. Dadurch können wir keinen nennenswerten Anteil der Bewerbungen prüfen.

Wir befürchten, dass uns geeignete Kandidatinnen und Kandidaten entgehen. Wir antworten den Bewerbenden nicht so schnell, wie wir es zugesagt haben. Dieses Problem müssen wir lösen.“ Vielleicht kann KI dabei eine Rolle spielen. Das ist gut. Wenn ich aber als Leiter der Talentgewinnung diese Aussage einfach an meine zehn Teammitglieder richte, bekomme ich einen chaotischen Haufen.

Alle laufen unabhängig voneinander herum und versuchen, das Problem zu lösen. Ein besserer Ansatz wäre vielleicht: „Wir brauchen zwei Personen aus dieser Gruppe von zehn, die sich 30 Tage lang zusammenschließen und uns den neuen Weg zeigen. Zeigt uns, wie wir dieses Problem lösen können. Wir stellen dafür jeweils zwanzig Stunden pro Woche frei, also insgesamt vierzig Stunden pro Woche.

Das ist die Investition, die wir als Team bereit sind zu leisten. Statt euch alle damit zu beschäftigen, wodurch niemand wirklich tief darüber nachdenkt, bitte ich zwei Personen darum.“ Man könnte die Personen anhand ihrer Fähigkeiten auswählen. Man könnte Freiwillige nehmen, was manchmal großartig ist – außer es gibt große Kompetenzlücken, denn dann bekommt man Menschen, die einfach besonders motiviert sind, herauszufinden, wie dieses Problem gelöst werden kann.

Das sind zwei Dinge. Der letzte Punkt betrifft die Frage, was passiert, wenn das Experiment nicht funktioniert. Das gehört stärker zur psychologischen Sicherheit innerhalb des Experimentierens. Organisationen, die auf diese Frage keine vertrauensbildenden Antworten haben, können auch auf der letzten Meile des Experimentierens Schwierigkeiten bekommen: bei der Berichterstattung über die Ergebnisse.

Es muss sich weniger als extrem riskant anfühlen, über Dinge zu sprechen, die nicht funktioniert haben. Selbst wenn das Experiment insgesamt ein relativer Erfolg war, muss man über die fünf problematischen Kanten sprechen können, die das Team kennen muss, wenn wir diese Praxis skalieren wollen.

David Rice: Ich bin froh, dass du die Bedeutung der Ergebnisse erwähnt hast, denn manche denken: Wenn wir das richtig machen, werden unsere Experimente erfolgreich sein. Aber das ist nicht das einzige Maß, oder?

Wenn man feststellt, dass man sehr viele erfolgreiche Experimente durchführt, würde ich fragen: Experimentiert ihr wirklich in ausreichender Größenordnung? Denn ich glaube, da gibt es einen Unterschied. Innovation feiern wir im Rückblick, richtig? Im Moment wirkt Experimentieren oft ineffizient, chaotisch und gelegentlich verschwenderisch.

Wenn Führungskräfte weiterhin Vorhersagbarkeit stärker belohnen als Lernen, werden Mitarbeitende dann mit der Zeit Sicherheit statt Lernen optimieren?

Brandon Sammut: Ich glaube, es ist sehr wichtig, dass Führungskräfte diese Frage ausdrücklich beantworten und dass unser Verhalten in diesen Momenten das widerspiegelt, was wir sagen. Wenn jemand aus meinem Team einen Prototypen entwickelt, und zwar in einem Bereich, bei dem wir bereits festgestellt haben, dass wir ihn wirklich verstehen wollen, und der Versuch nicht funktioniert: Wie treten dann unser People-Leadership-Team und ich auf?

Wie verhalten wir uns? Was wird gesagt? Was tun wir? Was tun wir nicht? Wie fühlt sich diese Person anschließend? Das Interessante daran ist: Es gibt Dinge, die man beachten muss, damit man eine Experimentierkultur nicht gefährdet. Aber auch das Gegenteil ist wahr. Jedes Mal, wenn so etwas passiert, bietet sich die Gelegenheit, eine wirklich positive Kultur in diesem Bereich zu stärken.

David Rice: Wenn ich etwa ein Jahr zurückdenke, erinnere ich mich an einige Veranstaltungen, die wir damals durchgeführt haben. Viele Menschen sagten, dass sie Probleme mit Vertrauen hatten, insbesondere nach Entlassungen oder anderen Ereignissen. Es gab viele Faktoren, die zu innerer Kündigung führten.

Vertrauen, Wissensaustausch und Entscheidungsfindung waren schon vor der KI ein Schwerpunkt. Was geschieht also, wenn man diese Technologie einführt, die von allen drei Dingen abhängt? Welche Folgen hat es, KI in einer Organisation zu skalieren, die ihre grundlegenden betrieblichen Herausforderungen noch nicht gelöst hat?

Brandon Sammut: Hier gilt in vielerlei Hinsicht: Was alt ist, ist wieder neu. Du hast mich gerade daran denken lassen, David, dass es schwierig ist, fast alles im Leben auf einem instabilen Fundament zu skalieren. Auf einem instabilen Fundament lässt sich nichts leicht skalieren. Viele unserer Kollegen aus der Führungsebene stellen fest, dass diese gesamte KI-Welle im Grunde ein Belastungstest für die Gesundheit der Organisation ist – sei es hinsichtlich organisatorischer Klarheit, einer Kultur des Experimentierens, psychologischer Sicherheit oder des Vertrauens in das Management.

Wenn wir in einem dieser Bereiche schwach oder instabil waren, kommt das jetzt wirklich zurück. Es wirkt offensichtlicher, weil wir zusätzlich versuchen, die Arbeitsweise in so vielen Teilen unserer Organisation neu zu gestalten.

David Rice: Ja, lustig. Du hast das instabile Fundament erwähnt, und ich musste an letzte Woche denken. In den sozialen Medien sah ich einen Ausschnitt von Mom Dani, in dem sie über das Gebäude in New York sprach, bei dem das Fundament nie richtig gebaut wurde und das langsam umzukippen beginnt.

Ich dachte, das ist eigentlich eine ganz gute Analogie für Organisationen. Sie beginnen zu skalieren, aber wenn man nicht gleichzeitig die Dinge tut, die auf einer grundlegenden Ebene für das Funktionieren sorgen, endet man wie dieses Gebäude.

Brandon Sammut: Ist es nicht genau so? Wir können so viele Lehren und Beispiele aus anderen Epochen der Geschichte, aus großen technologischen Wellen oder einfach aus dem Versuch, irgendwo etwas Bedeutendes zu schaffen, ziehen – auch aus Bereichen wie dem Bauwesen.

David Rice: Ja. Ich finde es auch interessant, denn zwei Organisationen können exakt dieselben Werkzeuge kaufen und am Ende völlig unterschiedliche Ergebnisse erzielen. Im Grunde geht es wieder um die Grundlagen und um Dinge, die sie möglicherweise jahrelang hinsichtlich ihrer betrieblichen Infrastruktur ignoriert haben.

Ich glaube, wir sehen das jetzt tatsächlich, weil die ROI-Debatte für viele Führungskräfte immer intensiver wird. Zumindest sehen wir deshalb immer mehr Analysen dazu.

Brandon Sammut: Ja. Die Kosten kommen zur Sprache, nicht wahr? Oder besser gesagt: Die ROI-Debatte nimmt gerade Fahrt auf, teilweise weil zumindest der Nenner der ROI-Gleichung – also die Kosten – für viele Unternehmen schnell steigt.

David Rice: Ja. Ich habe neulich gelesen, dass die KI-Kosten vieler Unternehmen inzwischen höher sind als ihre Ausgaben für Mitarbeitende. Und ich dachte: Das ergibt nicht besonders viel Sinn. Sicher wird es irgendwann günstiger werden, aber im Moment weiß ich nicht, ob es sich lohnt.

Brandon Sammut: Was hältst du von Ranglisten zur KI-Nutzung oder vielleicht von einer maximalen Token-Nutzung?

David Rice: Token-Maximierung?

Brandon Sammut: Token … Ja, es gibt Token-Maximierung, und dann gibt es das Gegenteil davon: harte Obergrenzen für die KI-Nutzung. Wir sehen derzeit Unternehmen an beiden Enden des Spektrums.

David Rice: Ich glaube, das zeigt, wie viel Kontext in dieser Debatte fehlt. Würde ich die Nutzung einer Person unbedingt begrenzen wollen, die etwas wirklich Kreatives und Ungewöhnliches tut? Jemand, der über den Tellerrand hinausdenkt, neue Aufgaben übernimmt oder vielleicht neue Geschäftsmöglichkeiten eröffnet? Nein, diese Person möchte ich nicht begrenzen.

Aber wie soll ich das in einer Organisation mit beispielsweise 25.000 Mitarbeitenden überwachen und bewerten? Das ist eine enorme Herausforderung. Ich frage mich also, was wir dabei beobachten werden. Ich bin froh, dass das Thema Token-Maximierung so viel Aufmerksamkeit bekommen hat, denn ich denke: Das ist keine produktive Nutzung dieser Technologie. Es bringt uns in eine Situation, in der viele Menschen möglicherweise passiv loslassen, was sie tun oder wie sie ihren Wertbeitrag verstehen, und sich an diese Umgebung gewöhnen.

Brandon Sammut: Faszinierend. Möchtest du hören, wie wir bei Zapier darüber nachdenken?

David Rice: Auf jeden Fall.

Brandon Sammut: Dafür möchte ich Carly Gilardi Anerkennung zollen. Carly Gilardi ist unsere Leiterin für KI-Betrieb und Infrastruktur bei Zapier und leitet im Grunde unser Kompetenzzentrum für KI-Transformation innerhalb von Zapier.

Ich arbeite eng mit ihr zusammen. Sie begann vor mehr als vier Jahren im People-Team und hat jetzt diese große Aufgabe. Das war eines der Themen, die sie und die Arbeitsgruppe in der ersten Jahreshälfte bearbeiteten. Auch bei uns stiegen die Kosten. Gleichzeitig stiegen aber auch die Ergebnisse, die wir mit KI erzielten.

Die steigenden Kosten waren also für sich genommen kein Warnsignal. Wir hatten jedoch Fragen zur Modellauswahl. Irgendwann – auch im Zapier-Produkt selbst – möchten wir natürlich einen Zustand erreichen, in dem die KI abhängig von der Investitionshöhe, die man in einem bestimmten Zeitraum tätigen möchte, und von der jeweiligen Arbeit die Aufgabe automatisch dem effizientesten Modell zuordnet.

Effizient hinsichtlich Geschwindigkeit und Kosten oder hauptsächlich hinsichtlich der Kosten, der Geschwindigkeit oder der Qualität – je nachdem, wie die jeweilige Optimierungsfunktion aussieht. Aber heute verfügen wir noch nicht darüber. Derzeit müssen die Einzelnen die relativen Vor- und Nachteile verschiedener Modelle verstehen und sicherstellen, dass sie für die jeweilige Aufgabe das richtige Modell verwenden.

Genau das wollten Carly und ihr Team in der ersten Jahreshälfte lösen. Wir haben deshalb keine Ranglisten und auch keine Obergrenzen eingeführt. Stattdessen haben wir KI-Nutzungsdaten aus allen Bereichen gesammelt, in denen Menschen im Unternehmen KI verwenden – darunter Zapier, Produkte von Anthropic, Produkte von OpenAI und einige weitere Produkte – und alles in einen einzigen Datenspeicher überführt.

Anschließend haben wir eine Reihe automatisierter Dashboards erstellt. Zu Beginn jedes Monats erhält jeder eine Direktnachricht in Slack: den persönlichen Bericht zur eigenen KI-Nutzung. Daran sind zwei Dinge besonders interessant. Erstens ist der Bericht nicht öffentlich, und es gibt keine Ranglisten. Niemand wird mit anderen verglichen. Das halte ich für sehr wichtig.

Zweitens beschreibt der Bericht nicht nur die Nutzung des vergangenen Monats, sondern gibt auch Empfehlungen. Nehmen wir an, ich bin Benefits-Analyst bei Zapier und erhalte meinen monatlichen Nutzungsbericht. Vielleicht habe ich aus irgendeinem Grund nicht genau hingesehen und im vergangenen Monat für alles Fable verwendet.

Der Nutzungsbericht enthält Kontext zu den Aufgaben im Unternehmen. Er könnte also sagen: „Baust du im Rahmen deiner Tätigkeit im Bereich Benefits eine Rakete zum Mars? Falls nicht, brauchst du Fable wahrscheinlich nicht für viele Teile deiner Arbeit als Benefits-Analyst. Unserer Erfahrung nach wird Sonnet gut funktionieren.

Du probierst vielleicht Sonnet aus, und wir sehen uns die Ergebnisse in einem Monat an.“ Das System verfolgt die Empfehlungen, die es ausspricht, und kann die Empfehlungen des nächsten Monats entsprechend anpassen. Es ist also sowohl beschreibend als auch vorschreibend, ohne harte Obergrenzen festzulegen.

Wir haben inzwischen tatsächlich eine Nutzungsobergrenze, aber sie dient dem Schutz vor unkontrollierten Ausgaben. Wenn jemand die Obergrenze anheben lassen möchte, genügt eine kurze Nachricht in einem Slack-Kanal.

Die Obergrenze soll die Nutzung also nicht einschränken. Sie soll lediglich die geringe, aber relevante Wahrscheinlichkeit unkontrollierter Agenten oder sogar böswilliger Akteure verhindern, die einen Schlüssel erhalten haben und nun eine große Menge eigener Prozesse ausführen.

David Rice: Mir ist aufgefallen, dass einzelne Mitarbeitende mit KI unglaublich produktiv werden.

Aber diese Gewinne verbreiten sich nicht immer über Teams oder die gesamte Organisation. Wenn wir über Lernen unter Kollegen oder gemeinsames Lernen nachdenken, scheint das in mancher Hinsicht schwieriger zu sein als individuelles Lernen. Es ist also wirklich eine Kulturfrage. Was habt ihr getan, um das aufzubauen und wirklich zu fördern?

Brandon Sammut: Wir sind jetzt ungefähr zwei Wochen in der zweiten Hälfte des Jahres 2026. Unser wichtigster Schwerpunkt außerhalb bestimmter neuer Arbeitsweisen – wir konzentrieren uns auf drei neue Arbeitsweisen mit KI – besteht darin, von einer großartigen individuellen KI-Nutzung zu teamweiten, standardisierten Arbeitsweisen mit KI zu gelangen.

Wir haben inzwischen umfangreich experimentiert, Prototypen entwickelt und Ähnliches getan. Fast jedes Team beginnt zu erkennen: Das ist der optimale Weg, wie wir KI in der Personalgewinnung, im Wachstumsmarketing oder im Kundensupport einsetzen.

In der zweiten Jahreshälfte wird sich der Großteil von Zapier darauf konzentrieren, diese optimalen neuen Arbeitsweisen mit Menschen und KI zu bündeln. Anschließend stellen wir sicher, dass alle Mitarbeitenden, die diese Arbeit im Unternehmen ausführen, den richtigen Kontext haben, die passenden Werkzeuge eingerichtet sind und jede zusätzlich erforderliche persönliche oder teambasierte Talententwicklung stattfindet, damit ganze Teams auf diese Weise arbeiten können.

David Rice: Das ist interessant, denn wenn KI-Arbeitsabläufe im Notizbuch oder in den Slack-Notizen einer einzelnen Person verbleiben, anstatt zu institutionellem Wissen zu werden, hast du zwar eine Person weiterentwickelt, aber es gibt noch Folgearbeit, damit sich das Wissen verbreitet. Beobachtest du, dass viele Organisationen inzwischen über die Messung der Einführung hinausgehen?

Das gehört meiner Meinung nach zu dieser Debatte. Wir haben so viel über Einführung und Nutzung gemessen. Welche Kennzahl interessiert dich besonders – und was sagt sie dir?

Brandon Sammut: Zapier investiert seit dreieinviertel Jahren erheblich in KI. Dabei habe ich Folgendes über Einführung im Vergleich zu Wirkung gelernt: Für Zapier war es am Anfang sehr hilfreich, sich auf die Einführung zu konzentrieren, weil die Einführung die Voraussetzung für Experimente und Lernen war.

Die Einführung ist also als Frühindikator für Tiefe und Breite des Experimentierens und Lernens wichtig – dafür, eine Vorstellung vom Möglichen zu entwickeln und bestimmte Fähigkeiten innerhalb der Organisation aufzubauen.

Deshalb lohnt es sich, die Einführung zu messen. Aber sie ist nur die eine Hälfte der Gleichung, denn letztlich dienen all diese Einführung, all diese Experimente und dieses Lernen dazu, die Organisation außergewöhnlich zu machen. Wir wollen große Fortschritte bei unserer Wirksamkeit erzielen, wie auch immer wir sie definieren. Das führt zurück zu unserem Punkt von vorhin: Wir müssen klar sein, was wir als Unternehmen hier wirklich erreichen wollen.

Heute erstellt Zapier keine regelmäßigen Berichte zur Einführung mehr. Wir wissen, dass wir eine Einführungsrate von 100 Prozent haben. Bei Einstellungen achten wir auf KI-Kompetenz. Wir konzentrieren uns im Onboarding darauf, das wir vor etwa anderthalb Jahren neu gestaltet haben. Wir sind bei der Einführung verwöhnt. Davon haben wir mehr als genug.

Unser Fokus liegt inzwischen fast vollständig auf der Wirkung. Die Kennzahlen oder Messgrößen für diese Wirkung sind fast ausnahmslos bereits bestehende Erfolgskennzahlen innerhalb der Organisation. Dazu gehört etwa, wie schnell wir Kundenfragen beantworten und wie zufrieden die Kunden mit den Antworten sind.

Wie hoch ist der durchschnittliche oder mittlere Erfolgsgrad einer neuen Person nach 90 und 180 Tagen? Wie zuverlässig ist das Produkt? Wie hoch ist die Betriebszeit der verschiedenen kundenorientierten Produktbereiche? Wie hoch ist die durchschnittliche oder mittlere Zielerreichung eines Vertriebsmitarbeiters? Wenn man darüber nachdenkt, sagt man: „Moment, all das war uns doch schon vor der KI wichtig“, richtig?

Damit kommen wir wieder zu unserem früheren Punkt: KI ist ein Mittel, um etwas zu erledigen. Sie verändert normalerweise nicht, worin wir großartig sein wollen. Sie beeinflusst aber unsere Vorstellung davon, wie gut wir in diesen Dingen sein können.

David Rice: Wir hatten bereits Gäste in der Sendung, die darüber gesprochen haben, dass Fachwissen historisch oft damit verbunden war, Antworten zu haben. Nun gibt KI plötzlich allen Zugang zu Antworten. Ob diese vollständig korrekt oder im jeweiligen Kontext passend sind, ist eine andere Frage.

Aber sie gibt jedem auf eine andere Weise Zugang zu Informationen. Wie verändert das deiner Meinung nach Einfluss, Glaubwürdigkeit und Status innerhalb von Organisationen – nicht nur für Führungskräfte, sondern auch dafür, wie einzelne Mitarbeitende im Laufe der Zeit ihren Einfluss aufbauen?

Brandon Sammut: David, das ist eine interessante Frage. Ich glaube, das hat mich noch niemand gefragt.

Ich möchte aber nach deinen Gedanken dazu fragen, nachdem ich noch ein paar Dinge geteilt habe. Für mich ist bei diesem Thema sehr klar, dass Organisationen von dieser Entwicklung profitieren. Für Organisationen war es schon immer ein Risiko, wenn Fachwissen in Silos eingeschlossen war und im Grunde nur bei wenigen Personen lag, die wussten, wie etwas funktioniert.

In meinem letzten Unternehmen hatten wir ein paar Ingenieure, die als Einzige in der gesamten Organisation wussten, wie ein bestimmter Teil der Produktarchitektur funktionierte. Dadurch waren sie praktisch unantastbar. Das ist für niemanden in dieser Gleichung besonders gesund oder leistungsfähig.

Es gibt also eine gewisse Demokratisierung. Das Internet hat viel dazu beigetragen, den Zugang zu Wissen zu demokratisieren, und KI beschleunigt diese Entwicklung enorm.

David Rice: Ich glaube, beim Thema Fachwissen ging es teilweise um den Zugang zu knappen Informationen. Wie du sagst, hat das Internet vieles möglich gemacht.

Informationen sind schon seit einiger Zeit im Überfluss vorhanden. Aber bei Informationen oder Interpretationen, die sonst niemand besitzt, sieht man die Dinge durch die eigene Perspektive oder aus einem anderen Blickwinkel. Ich glaube, an diesem Punkt verschiebt sich vielleicht auch der Einfluss.

Das sehe ich in meiner eigenen Arbeit häufig. Es geht weniger darum, dass ich sage: „Das sind die Dinge, die wir erstellen müssen.“ Es geht für mich inzwischen stärker darum, andere Fragen zu stellen, um zu einem Punkt zu gelangen, an dem ich über neue Ideen, neue Arbeitsweisen und Dinge, die wir noch nie getan haben, urteilen kann – und anschließend diese Ideen über verschiedene Fachgebiete hinweg zu verbinden.

Ich komme immer wieder auf die Rolle des Orchestrators zurück. Ich glaube, die wird noch eine Weile bestehen, weil alle darüber sprechen: „Werden wir alle unsere Arbeitsplätze verlieren?“ Und ich sage: „Nein, jedenfalls nicht sofort – zumindest nicht, wenn du weißt, wie man orchestriert.“ Dann kann man beobachten, wohin sich das entwickelt.

Ich rate all meinen Kollegen, darauf zu achten, denn ja, Wissen wird dadurch zur Handelsware. Aber was tatsächlich passiert, ist, dass der Wert von Weisheit steigt. Und das wird meiner Meinung nach so bleiben.

Diese Weisheit bezieht sich nicht nur auf die Arbeit, sondern auch auf die Menschen, mit denen man arbeitet, darauf, wie man das Beste aus ihnen herausholt und wie man ihnen hilft, Chancen zu erkennen, die sie bisher noch nicht erkundet haben.

Brandon Sammut: Wow. Das sollten sich die Leute aufschreiben.

Mir gefällt, wie du das formuliert hast, David. Es ist der Unterschied zwischen Wissen und Weisheit. Man könnte eine ganze Folge allein darüber machen. Wissen und Weisheit sind nicht dasselbe.

Du bringst mich außerdem dazu, über etwas nachzudenken, das in Organisationen ebenfalls alt und zugleich neu ist: Was wird oder sollte am meisten geschätzt werden? Neben echter Weisheit, Urteilsvermögen oder Geschmack – wie man es manchmal nennt – gibt es enorme Vorteile für eine Organisation, wenn Menschen vertrauenswürdig, zuverlässig und rechenschaftspflichtig sind und ohne formale Autorität Einfluss nehmen können, um eine Gruppe zusammenzubringen und gemeinsam eine große, beängstigende Aufgabe zu erledigen.

In einer Zeit, in der sich die Dinge so schnell verändern, werden diese Eigenschaften wichtiger, nicht weniger wichtig – unabhängig davon, ob KI eine Rolle spielt.

David Rice: Da stimme ich dir zu. Lange Zeit waren Manager hauptsächlich dafür verantwortlich, Arbeit zu steuern. Jetzt erleben wir flachere Organisationsstrukturen, und Mitarbeitende entwickeln in vielen Fällen ihre eigenen Arbeitsabläufe oder bauen Automatisierungen.

Sie arbeiten auf eine Weise mit KI zusammen, die Führungskräfte nicht immer sehen können. Wie sieht effektives Management in einer solchen Umgebung aus? Und welche großen Herausforderungen hat diese Gruppe, wenn es darum geht, mehr aus Menschen herauszuholen – auf eine nachhaltige Weise mit langfristiger Wirkung und nicht nur im Sinne von: „Wir haben diesen Prozess automatisiert, großartig“, obwohl das wahrscheinlich ohnehin unvermeidlich gewesen wäre?

Brandon Sammut: Oh, absolut. Das ist wirklich interessant. Ich war schon immer der Meinung, dass People-Manager drei einzigartige Aufgaben oder Verantwortlichkeiten haben. Die erste besteht darin, dem Team Klarheit zu geben: Was tun wir hier? Wie sieht großartige Leistung aus? Die zweite ist die Zuteilung von Ressourcen – Entscheidungen darüber, wer was tut oder in welchem Umfang in eine Technologie investiert wird.

Die dritte einzigartige Verantwortung von Managern ist das Coaching und die Entwicklung des Teams selbst. People-Manager können KI heute bei allen drei Verantwortlichkeiten einsetzen. Aber ich habe noch kein Beispiel gesehen, in dem KI die besondere Rolle des Managers bei der Erfüllung einer dieser drei Aufgaben ersetzen kann.

Das könnte in bestimmten Fällen bedeuten, dass ein einzelner People-Manager im Laufe der Zeit mehr Menschen führen kann, teilweise durch die Unterstützung von KI. Eines der besten Entwicklungstrainings, die ich in der ersten Jahreshälfte erhalten habe, kam beispielsweise von einem Coach, den Courtney Hickey, unsere Leiterin für Executive Operations bei Zapier, für unser Führungsteam entwickelt hat.

Dieser Coach hört bei unseren Führungsteam-Meetings zu und verwendet ein bestehendes Modell: Patrick Lencionis Modell der fünf Dysfunktionen eines Teams. Unser Führungsteam arbeitet seit fünf Jahren damit. Wir sind mit diesem Modell vertraut, glauben daran und verwenden es, um uns gegenseitig zu coachen und die Gesundheit unseres Führungsteams zu verbessern.

Courtney entwickelte also einen Coach, der unseren Führungssitzungen zuhört und unmittelbar danach in Slack eine Coaching-Zusammenfassung bereitstellt.

Diese enthält eine allgemeine Zusammenfassung darüber, wie wir als Team aufgetreten sind, wobei das Modell der fünf Dysfunktionen als zentrale Perspektive dient. Anschließend gibt sie individuelles Feedback dazu, wie jede und jeder von uns aufgetreten ist. Danach dokumentiert sie all das Woche für Woche, sodass sie mit der Zeit Muster erkennen kann: Dinge, bei denen wir als Team besser werden, und Dinge, bei denen wir noch keine Fortschritte machen.

Das Feedback ist spezifisch und zugleich allgemein. Niemand wird herausgegriffen. Es enthält Feedback und Empfehlungen für alle. Außerdem stelle ich fest – auch in Gesprächen mit Kollegen und bei der Betrachtung meiner eigenen Erfahrung mit diesem Coach –, dass dieses Feedback sehr direkt formuliert ist.

Es gehört zu dem direktesten Feedback, das ich in einem Monat bekomme. Ich nehme es von einem Coach, der auf einem Modell oder einer Reihe von Werten trainiert wurde, an die ich bereits glaube, viel leichter an als wenn Wade, mein Vorgesetzter, jede Woche zu mir sagen würde: „Hm, ja, ja.“ Das ist einfach menschliches Verhalten.

Es ist dasselbe Feedback. Es verdient meine Aufmerksamkeit, unabhängig davon, wer es gibt. Aus irgendeinem Grund stellen wir aber fest, dass Menschen besonders empfänglich für konstruktives Feedback sind, wenn es von einem Coach kommt, der auf etwas trainiert wurde, von dem sie bereits überzeugt sind.

David Rice: Das habe ich ebenfalls gehört. Man muss transparent damit umgehen, wie man es verwendet.

Das ist ein wesentlicher Teil davon, wie man die Wahrnehmung dessen prägt, was daraus entstehen wird. Die Veränderungen für Manager bestehen meiner Meinung nach darin, dass sie Arbeit nicht mehr so stark steuern. Sie versuchen vielmehr, die Bedingungen zu schaffen, unter denen gute Arbeit entstehen kann. Das ist ein deutlich weniger kontrollierendes Modell von Führung und Management, was die meisten Mitarbeitenden vermutlich begrüßen.

Für manche Kulturen wird es allerdings ein größerer Übergang sein. Er wird länger dauern, wenn man etwas jahrzehntelang auf dieselbe Weise getan hat. Gewohnheiten lassen sich nur schwer ändern. Das Werkzeug kann einem viele Möglichkeiten geben, etwas zu tun, aber die eingeübte Gewohnheit bleibt.

Wenn du nach vorn blickst und davon ausgehst, dass KI die Art und Weise beeinflussen wird, wie Organisationen Arbeit strukturieren: Gibt es etwas, worauf die meisten Führungskräfte derzeit im Hinblick auf unsere Situation und die sich verändernde Arbeitswelt nicht genug achten?

Brandon Sammut: Ja. Und das ist für mich selbst ebenso eine Orientierung wie für alle anderen. Ich glaube daran, dass KI die Art und Weise verbessern kann, wie wir arbeiten, die Qualität der Arbeit und hoffentlich auch die Erfahrung der Menschen, die diese Arbeit erledigen.

Aber das wird nicht von selbst geschehen. Es erfordert ein außergewöhnliches Maß an Umsicht, Demut und Experimentierfreude, um herauszufinden, wie das gelingen kann.

Das ist die interessante Seite der KI. Meine eigene Rückmeldung zu diesem Thema lautet jedoch: Unabhängig von der KI brauchen unsere Teams gerade viel Unterstützung bei den Dingen, über die du und ich vorhin gesprochen haben. Sie brauchen Hilfe dabei, den Überblick darüber zu behalten, was wir erreichen wollen.

Das Tempo der Veränderungen ist in vielen Organisationen derzeit sehr hoch. Auch der Wettbewerb in den Branchen, in denen wir tätig sind und Unternehmen aufbauen, ist ungewöhnlich stark.

Unsere Mitarbeitenden wissen das ebenfalls. Sie sehen, wie einige Unternehmen aus unserem Wettbewerbsumfeld Mitarbeitende entlassen. Es gibt dort draußen viel Angst, Unsicherheit und Zweifel. Das beeinflusst zwangsläufig, wie Menschen über ihre Arbeit in unseren Organisationen denken.

Ich glaube daher zutiefst an alles, was wir über die KI-Chance und darüber besprochen haben, wie sie Arbeit für Menschen verbessern kann. Aber es gibt einige grundlegende Dinge, auf die Führungskräfte wie du und ich in diesem Moment unglaublich konzentriert bleiben müssen.

Dazu gehört, für jede einzelne Person in unserer Organisation den Fokus und ein Gefühl für den Zweck aufrechtzuerhalten. Dazu gehört auch, sehr klar über die Herausforderungen zu sprechen, vor denen unsere Organisation steht.

Manchmal denken wir als Führungskräfte, dass dies die Menschen nervös oder ängstlich machen wird. Aber unsere Mitarbeitenden wissen im Allgemeinen, welche Risiken und Probleme existieren. Es kann Vertrauen schaffen und tut das häufig auch, wenn Menschen sehen, dass ihre Führungskräfte diese Dinge offen benennen, darüber sprechen, wie sie darüber denken und fühlen, und wie sie die Chancen des Unternehmens innerhalb all dieser Herausforderungen sehen.

Das ist eine klassische Führungsaufgabe, und ich bin immer wieder in diese Falle getappt. Ich arbeite daran und werde besser darin: Wenn du eine schwierige Sache siehst, sei der Erste, der sie benennt. Rede sie nicht schön. Tu nicht so, als gäbe es eine perfekte Antwort, wenn du nicht wirklich glaubst, dass es eine gibt.

Es kann sehr gesund sein, das im Team zu benennen. Dann sprechen die Menschen eher darüber, wie es aussieht oder ob sie eine Idee haben. Das ist das genaue Gegenteil davon, sich in Unsicherheit zu verlieren. Es ist gesund, die Unsicherheit zu benennen. Das bringt einen näher an einen Plan, mit dem man die Hürde überwinden kann. Das wäre eine meiner wichtigsten Empfehlungen für alle, die gerade etwas aufbauen.

David Rice: Ich habe dich darüber sprechen hören, dass wir bei der Mitarbeitererfahrung häufig davon sprechen, dass Organisationen sie ihren Mitarbeitenden bieten. Aber du scheinst hier anzudeuten, dass die überzeugendsten Organisationen der kommenden Jahre nicht einfach nur Arbeitgeber sein werden.

Sie werden Menschen tatsächlich verändern. Das ist offensichtlich eine deutlich höhere Messlatte als Engagement oder Zufriedenheit. Aber wenn man betrachtet, was die Generation Z erlebt, was Hochschulabsolventen durchmachen – die Schwierigkeiten, Arbeit zu finden, und die ständige existenzielle Frage: „Was soll ich tun?“ oder „Was ist mein Zweck?“ –, dann glaube ich, dass du recht hast.

Wir müssen darüber nachdenken, Menschen auf eine andere Weise zu prägen, denn das wird sie relevant, herausgefordert und engagiert halten. Vielleicht sind die besten Arbeitgeber der Zukunft also nicht für ihr Gehalt oder dafür bekannt, dass sie gut im Lebenslauf aussehen.

Sie sind dafür bekannt, dass sie Menschen helfen. Wenn Menschen sie verlassen, sind sie bessere Versionen ihrer selbst. Sie sind kompetenter und selbstbewusster.

Brandon Sammut: Ich glaube, das stimmt. Eine weitere sehr reale Tatsache in diesem Moment ist, dass der Ort, an dem Menschen die nächsten Jahre ihrer Karriere verbringen, großen Einfluss auf ihre Chancen in vielen, vielen Jahren danach haben wird.

Für diejenigen von uns, die Unternehmen aufbauen, möchte ich dieser Verantwortung wirklich gerecht werden können. Ich möchte aufwachen und sagen können: „Ich glaube wirklich, dass Zapier ein großartiger Ort ist, an dem Menschen die nächsten Jahre ihrer Karriere verbringen können, weil wir so stark in diese neuen Arbeitsweisen investieren.“

Ich sehe, wie sich jede einzelne Person im People-Team von Zapier zu einer absoluten Spitzenkraft entwickelt – in der zukunftsorientierten Talentgewinnung, bei Strategien für die Gesamtvergütung, bei People-Technologie und People-Analytics. Das ist bemerkenswert. Es gibt mir ein sehr gutes Gefühl, aber darum geht es eigentlich nicht.

Ich glaube, wir als Führungskräfte sollten diese Frage beantworten können. Es ist nicht nur eine großartige Sache, die man tun oder mit dem Team ermöglichen kann. Für Unternehmen, die dafür bekannt werden, dass sie zu den Orten gehören, an denen stark in Menschen investiert wird und an denen die persönliche Entwicklung besonders schnell voranschreitet, wird das auch Teil des Arbeitgeberversprechens und ein Anziehungspunkt für neue Mitarbeitende.

Das gilt besonders – zumindest aus Sicht der Softwarebranche – im Moment. Software zu entwickeln ist derzeit unglaublich anspruchsvoll und schwierig. Ich glaube, die Menschen wissen das. Ich glaube nicht, dass die meisten nach einem einfachen Weg oder einem einfachen nächsten Arbeitsplatz suchen.

Ich glaube vielmehr, dass Menschen verlangen, dass der nächste Ort, an dem sie arbeiten, oder auch die nächste Aufgabe in ihrem aktuellen Unternehmen ihnen die Möglichkeit gibt, viel über die Dinge zu lernen, die für die nächsten zehn oder mehr Jahre ihrer Karriere wichtig sein werden.

David Rice: Absolut. Ich könnte dir nicht mehr zustimmen. Brandon, es war großartig, dich heute in der Sendung zu haben. Ich habe unser Gespräch sehr genossen.

Brandon Sammut: Wie immer, David. Lass uns das bald wiederholen.

David Rice: Liebe Zuhörerinnen und Zuhörer, falls Sie es noch nicht getan haben, besuchen Sie peoplemanagingpeople.com/subscribe und melden Sie sich für den Newsletter an.

Melden Sie sich für AI Signal an. Jede Woche erscheint eine Executive-Zusammenfassung, die Ihnen Denkanstöße gibt. Nicht, dass Sie noch mehr zum Nachdenken bräuchten, aber sie enthält auch Werkzeuge, Ratschläge und ähnliche Dinge. Melden Sie sich unbedingt dafür an.

Bis zum nächsten Mal: Denken Sie daran, dass Sie eine Erfahrung und möglicherweise auch Menschen auf diesem Weg prägen.