Warum die Verbesserung der Produktivität mit dem Verständnis der Arbeit beginnt

David Rice: Wenn eine Führungskraft aus der obersten Führungsebene auf die Organisation blickt, sieht sie ein Organigramm und ein Prozessdokument. Rolle A erledigt etwas, übergibt es an Rolle B, B übergibt es an C. Das wirkt sauber, einfach und ist fast vollständig fiktiv. In der heutigen Sendung spreche ich mit Heidi Farris, CEO von ActivTrak, über die Lücke zwischen der Vorstellung von Führungskräften darüber, wie Arbeit abläuft, und der Art, wie sie tatsächlich abläuft.

Der tatsächliche Arbeitsablauf ist die Summe der Übergaben, der Behelfslösungen und der informellen Umleitungen, die in keinem Dokument auftauchen. Heidi nennt die gute Version davon Erfahrungswissen. Damit ist nicht die Art von Wissen gemeint, bei der jemand besonders viel über das Unternehmen weiß, sondern die kleinen täglichen Anpassungen, die dafür sorgen, dass alles funktioniert. Menschen verbessern die Arbeit jeden einzelnen Tag, sagt Heidi.

Das Problem ist, dass dies in der Dokumentation kaum sichtbar wird. Deshalb sprechen wir heute darüber, warum der dokumentierte Prozess selten dem entspricht, wie die Arbeit tatsächlich erledigt wird, über die drei Kategorien zur Entscheidung, wo KI in einer Rolle eingesetzt werden sollte, darüber, was mit dem organisatorischen Durchsatz geschieht, wenn ein Team schneller wird und seine angrenzenden Teams nicht, und über die tatsächlichen Anzeichen dafür, dass ein Unternehmen von der Einführung von KI zu deren Wirkung übergegangen ist.

Ich bin David Rice. Dies ist People Managing People. Wenn Ihre Organisation den Erfolg von KI anhand von Nutzungskennzahlen statt anhand der Frage misst, was mit der dadurch geschaffenen Kapazität geschehen ist, zeigt Ihnen dieses Gespräch, was Ihnen entgeht. Los geht's.

Also, Heidi, willkommen in der Sendung. Schön, dass du da bist.

Heidi Farris: Danke, David. Ich freue mich sehr, hier zu sein.

David Rice: Ich möchte unser Gespräch mit der Frage beginnen, was eine Führungskraft aus der obersten Führungsebene heute typischerweise missversteht, wenn sie auf die Organisation blickt und verstehen will, wie Arbeit tatsächlich erledigt wird.

Heidi Farris: Ich glaube, genau damit kämpfen heute viele Organisationen. Wenn man sich die gesamte Landschaft ansieht, sprechen alle darüber, Arbeit neu zu gestalten oder KI auf die Arbeit anzuwenden. Führungskräfte sehen jedoch ein Organigramm und ein Prozessdokument.

Rolle A erledigt etwas, übergibt es an Rolle B und dann B an C. Es soll eine schöne, saubere Übergabe sein. Wir neigen dazu, die Art und Weise, wie Arbeit in Organisationen tatsächlich erledigt wird, zu stark zu vereinfachen. Eine einzelne Person kann an einem beliebigen Tag problemlos Dutzende von Anwendungen, mehrere Genehmigungsprozesse, viele verschiedene Beteiligte und zahlreiche Behelfslösungen bewältigen.

Der tatsächliche Arbeitsablauf ist die Summe der Übergaben, Behelfslösungen und informellen Umleitungen, mit denen Menschen umgehen und die in keinem Prozessdokument oder Organigramm auftauchen. Für die Führungsebene ist das weitgehend unsichtbar, und wir verlieren sehr schnell den Bezug dazu, wie Arbeit in einer Organisation wirklich erledigt wird.

David Rice: Ja. Wenn man in der Hierarchie aufsteigt, wird alles natürlich auf Diagramme, Standardarbeitsanweisungen und Dashboards reduziert. Ich denke, es gibt einen interessanten Unterschied zwischen der Sichtbarkeit von Mitarbeitenden und der Sichtbarkeit von Arbeit. Das ist nicht dasselbe, oder?

Heidi Farris: Genau. Uns interessiert die Arbeit selbst. Mitarbeitende geben meiner Meinung nach instinktiv immer ihr Bestes. Es geht vielmehr darum, wie wir die Arbeit in einer Organisation verbessern oder verstehen können, wie sie abläuft, damit wir sie verbessern können, oder wie Menschen ihr Urteilsvermögen und ihre Empathie auf die Arbeit anwenden können – Dinge, die KI nicht leisten kann.

David Rice: Wenn man entscheiden möchte, wo KI die Art und Weise verändern sollte, wie Arbeit erledigt wird, was muss man zuerst über diese Arbeit verstehen? Was ist dabei besonders wertvoll?

Heidi Farris: Man muss die Aufgaben verstehen, die von den einzelnen Rollen erledigt werden.

Außerdem muss man sie sinnvoll kategorisieren können, denn Berufe bestehen aus einer Sammlung von Aufgaben. KI verändert Arbeit, indem sie Aufgaben verändert, nicht unbedingt, indem sie ganze Rollen ersetzt. Für bestimmte Bestandteile jeder Rolle kann KI nützlich sein. Der erste Schritt besteht daher darin, die Aufgaben einer Rolle in wiederkehrende, strukturierte und regelbasierte Aufgaben zu unterteilen, die sich gut für KI eignen, in KI-unterstützte Aufgaben, die eine schnelle Datensynthese oder Mustererkennung erfordern und bei denen KI als Assistent des Menschen fungiert, sowie in genuin menschliche Aufgaben, die Empathie, emotionale Intelligenz und Urteilsvermögen erfordern.

Das ist der erste Schritt. Die meisten Menschen überspringen ihn vollständig und setzen einfach Technologie auf jedes Problem an.

David Rice: Das ist interessant. Ich habe kürzlich jemanden sagen hören, dass Empathie künftig das Wichtigste sein wird. Ich glaube, wir haben Empathie bisher nicht besonders gut vermittelt.

Wir haben sie oft eher als Eigenschaft denn als Fähigkeit betrachtet. Eine Gefahr bei KI besteht darin, dass ihre Nützlichkeit auf Aufgabenebene davon ablenken kann, zu fragen, ob die Aufgabe in ihrer jetzigen Form überhaupt existieren sollte. Es gibt verschiedene Ebenen des Eingriffs: Man kann die Aufgabe verbessern, sie vielleicht entfernen, den Arbeitsablauf neu gestalten oder das angestrebte Ergebnis überdenken.

Es gibt einen Unterschied zwischen der Frage „Kann KI das erledigen?“ und der Frage „Warum muss das überhaupt jemand erledigen?“ Die zweite Frage scheint weitreichender zu sein. Die am einfachsten zu automatisierenden Dinge sind in vielen Fällen nicht unbedingt die wertvollsten Dinge, die man verändern sollte.

Heidi Farris: Genau. KI lenkt derzeit den Blick auf die Arbeit, aber das, was du beschreibst, gab es schon immer. Im Laufe der Zeit sammeln wir Arbeitsschulden an, so wie sich in einem Technologiestack oder einem Produkt technische Schulden ansammeln.

Bei bestimmten Tätigkeiten muss man irgendwann neu bewerten und fragen: „Warum machen wir das überhaupt noch?“ Man sollte eine vollständige Prüfung durchführen und die verschiedenen Arten von Arbeit verstehen, um sie besser zu machen. Nicht alles ist ein Fall für KI.

KI ist nicht die Lösung für jedes Problem bei der Arbeit. Manchmal muss man den Arbeitsablauf neu gestalten, manchmal Menschen besser befähigen und manchmal ist die Technologie insgesamt die falsche. Man muss wirklich verstehen, wie Arbeit abläuft und welche Aufgaben erledigt werden, um die Arbeit auseinandernehmen und sagen zu können: „So verbessern wir das tatsächlich.“

Es kann KI sein, muss es aber nicht.

David Rice: Nehmen wir an, KI gibt einem Team 15 Prozent seiner Kapazität zurück. Wir haben viele Produktivitätssteigerungen gesehen, etwa bei administrativen Tätigkeiten. Wenn Menschen Kapazität zurückerhalten, welche Entscheidung muss als Nächstes getroffen werden?

Was ist der erste Schritt, um diese Kapazität mit Blick auf den Geschäftswert neu einzusetzen? Wenn man das den Mitarbeitenden überlässt, kann es ziemlich interessant werden.

Heidi Farris: Zuerst muss man jemanden in der Organisation dazu befähigen, Entscheidungen zu treffen.

Kapazität setzt sich nicht von selbst neu ein. Wenn niemand ausdrücklich dafür verantwortlich ist, wird sie stillschweigend wieder von der Organisation aufgenommen – vielleicht für geringwertige Arbeit oder für Aufgaben, die irgendwo in Slack verschwinden. Es gibt eine Liste von Arbeitsschulden, die sich im Laufe der Zeit angesammelt haben. Das ist möglicherweise nicht die wertvollste Arbeit, auf die Menschen automatisch zurückgreifen sollten.

Als Zweites muss man entscheiden, in welche Kategorie die Kapazität fällt. Geht es um Kostensenkung und darum, die Funktion zu verkleinern? Geht es um Reinvestition und darum, die frei gewordenen Stunden auf höherwertige Arbeit zu lenken? Oder geht es um Expansion, also darum, ein völlig neues Projekt oder eine neue Art von Arbeit zu übernehmen?

Jede dieser Möglichkeiten hat ein anderes finanzielles Ergebnis. Manche lassen sich mit dem EBITDA verbinden, andere mit Wachstum und wieder andere mit einer stärkeren Differenzierung im Markt. Wenn man nur die Einführungskennzahl feiert und nie prüft, in welcher Kategorie die Kapazität gelandet ist, kann man keine Verbindung zur Gewinn- und Verlustrechnung herstellen und sagen: „So haben wir es geschafft.“

Arbeit besser zu machen ist nur die eine Hälfte der Gleichung. Die andere Hälfte besteht darin, zu zeigen, wo sich dieses Ergebnis im Finanzprofil der Organisation niederschlägt.

David Rice: Ich stimme dir besonders darin zu, dass die Kapazität zu geringwertiger Arbeit werden kann. Ich habe kürzlich mit einer Führungskraft aus einem anderen Medienunternehmen gesprochen. Dort wurden durch den Einsatz von KI in der kreativen Planung viele Stunden frei. Anschließend wurde diese Person jedoch gebeten, alles in verschiedenen Tabellenkalkulationen zu verwalten. Die Zeit wurde also durch die Verwaltung von Tabellen absorbiert.

Ich fragte mich: Ist das eine gute Nutzung der geschaffenen Kapazität? KI könnte wahrscheinlich auch die Tabellen verwalten. Das bedeutet aber nicht automatisch, dass man diese Person nicht mehr braucht. Wir verlieren uns in der Diskussion zu häufig in Personalabbau und vergessen, dass die Kapazität auch in viele andere Dinge fließen kann.

Es scheint, als fehle zwischen „Wir sparen Zeit“ und „Wir schaffen Wert“ eine Managemententscheidung. Jemand muss entscheiden, wofür diese Zeit verwendet wird. Sollten Führungskräfte also bereits vor der Automatisierung entscheiden, wie die Kapazität neu eingesetzt werden soll?

Heidi Farris: Ja, denn man sollte mit den eigenen Zielen beginnen. Wenn das Ziel beispielsweise EBITDA und der Abbau von Rollen ist, muss man zuerst verstehen, wo in der Organisation die größten Chancen für KI-Automatisierung liegen.

Wenn in einer Organisation viele Rollen zu 80 Prozent aus Aufgaben bestehen, die KI-Unterstützung oder viel menschliches Urteilsvermögen erfordern, wird man diese Rollen nicht abschaffen. Wenn man es doch tut, wird man sie wieder besetzen müssen, weil man erkennt, dass menschliches Urteilsvermögen, Empathie und die Fähigkeit, die Aussagen der KI kritisch zu prüfen, wichtig sind.

Das unterscheidet sich deutlich von einem klar definierten, datengetriebenen Prozess, der sich gut automatisieren lässt. Wenn eine Rolle zu 80 Prozent aus den zuerst genannten Tätigkeiten besteht, wird man das gewünschte EBITDA ohnehin nicht erreichen.

Das Ziel vor Beginn zu verstehen, ist daher entscheidend. Andernfalls kann man viel Arbeit investieren, ohne das eigentliche Ziel zu erreichen.

David Rice: KI-Einführung und KI-Wert sind also nicht dasselbe. Die eine führt nicht automatisch zur anderen. Was sollten Führungskräfte messen, um zu erkennen, ob KI tatsächlich sinnvolle Kapazität schafft und ob diese Kapazität zu besseren Geschäftsergebnissen führt?

Heidi Farris: Nutzungskennzahlen messen die Einführung. Man braucht jedoch eine Vorher-Nachher-Messung. Man muss verstehen, wie Zykluszeit, Durchsatz oder andere relevante Kennzahlen vor der Einführung einer Verbesserung aussahen – und diese Verbesserung kann KI sein – und wie die Arbeit danach aussah.

Ohne dieses Vorher-Nachher-Bild ist es sehr schwer zu beurteilen, wie die neue Lösung den Arbeitsablauf tatsächlich beeinflusst hat. Hat sie Kapazität geschaffen? Hat sie den Durchsatz verbessert? Wo wurde etwas gewonnen?

Fast niemand verfolgt heute, wohin diese Kapazität tatsächlich fließt. Wenn man nicht beantworten kann, was ein Team mit der von KI zurückgegebenen Zeit tut, hat man keine Geschichte über den Kapitalertrag, sondern nur eine Geschichte über die Einführung. Man hat Geld ausgegeben und mehr Werkzeuge eingesetzt, diese aber nicht mit etwas Bedeutungsvollem im Unternehmen verbunden.

David Rice: Du hast gerade gefragt: Was macht das Team? Ich glaube, genau darauf muss der Fokus liegen. Individuelle Produktivität ist verführerisch, weil sie leicht zu demonstrieren ist: „Das hat früher 40 Minuten gedauert, jetzt dauert es 10.“

Aber profitiert die Organisation tatsächlich davon, dass der Prozess einer Person etwas schneller wird? Man kann 30 Prozent produktiver werden, ohne dass die Organisation 30 Prozent produktiver wird. Wenn ich meine Arbeit doppelt so schnell erledige, sie dann aber drei Tage in der Warteschlange einer anderen Person als Engpass liegen bleibt, haben wir dann wirklich etwas verbessert?

Es gibt eine nützliche Unterscheidung zwischen Aufgabeneffizienz, Arbeitsablaufdurchsatz und Geschäftsergebnis. Warum besteht oft eine so große Lücke zwischen der Vorstellung von Führungskräften darüber, wie ein Arbeitsablauf funktioniert, und der Art, wie er tatsächlich abläuft?

Heidi Farris: Das Prozessdokument ist eine Momentaufnahme, während Arbeit ein bewegliches Ziel ist. Arbeit verändert sich ständig. Ein Prozessdokument überlebt die Belegschaft selten.

Das bedeutet nicht, dass Menschen nicht die richtigen Dinge tun. Es bedeutet lediglich, dass ein Prozessdokument in der Anwendung nicht alle Feinheiten zeigt. Die Menschen, die der Arbeit am nächsten sind, nehmen jede Woche Dutzende kleiner Anpassungen vor, um sie besser zu machen.

Wenn diese Anpassungen nur sehr selten in irgendein Dokument zurückfließen und man das auf Hunderte oder Tausende von Rollen und viele Jahre hochrechnet, wird die Lücke zwischen dokumentiertem Prozess und tatsächlichem Arbeitsablauf sehr schnell größer. Führungskräfte brauchen einen klaren, kontinuierlichen Blick darauf, wie Arbeit erledigt wird, damit sie Organisationen im KI-Zeitalter agil führen können.

David Rice: Ich kann mir keinen Arbeitsplatz vorstellen, an dem es nicht irgendeine wiederholbare Behelfslösung gab, die wir als Mitarbeitende entwickelt hatten. Der formale Prozess entspricht oft nicht der Realität vor Ort. Eine Gefahr bei KI besteht darin, dass wir versuchen, den offiziellen Arbeitsablauf zu automatisieren, ohne die Behelfslösung zu verstehen, die den Prozess möglicherweise überhaupt funktionsfähig gemacht hat.

Wenn wir diese Dinge entfernen, müssen wir beantworten, wie viel vom Prozess dadurch zusammenbricht.

Heidi Farris: Als Führungskräfte würdigen wir meiner Meinung nach nicht ausreichend, dass Menschen die Arbeit jeden Tag besser machen. Sie nutzen ihr Urteilsvermögen und ihre Erfahrung.

Als neue Mitarbeitende folgt man einem Prozessdokument und klickt sich durch die vorgesehenen Schritte. Dann stößt man auf ein Problem. Die Person neben einem, im Nachbarbüro oder in Slack sagt vielleicht: „Du musst die Umschalttaste gedrückt halten, zu Excel gehen, die Daten hier kopieren und dort einfügen. Dann funktioniert alles wieder.“

Wir würdigen nicht ausreichend, dass Menschen solche Dinge herausfinden. Sie stehen nirgendwo in einem Dokument. Oft wird das als Erfahrungswissen bezeichnet. Viele verstehen darunter jedoch, dass jemand besonders viel über die Arbeit weiß. Das ist nicht das Erfahrungswissen, das eine Organisation funktionsfähig macht.

Das entscheidende Erfahrungswissen besteht aus all den kleinen Feinheiten und Behelfslösungen – daraus, wie man etwas jeden Tag zum Funktionieren bringt, damit das Unternehmen weiterarbeiten kann.

David Rice: Was geschieht also mit der Personalplanung, wenn KI die Kapazität verschiedener Funktionen verändert? Das geschieht in unterschiedlichem Tempo. Für eine Analystin oder einen Analysten wird es anders aussehen als für jemanden im Marketing oder in der Buchhaltung. Verschiedene Bereiche wenden dieselbe Technologie an, aber sie hat nicht überall dieselbe Wirkung.

Was müssen wir bei der Personalplanung berücksichtigen?

Heidi Farris: Wir hatten dafür intern ein sehr gutes Beispiel. Unser Entwicklungsteam führte KI-gestützte Programmierwerkzeuge ein und fand eine sehr wirkungsvolle Arbeitsweise. Die Zykluszeiten sanken, die Einreichungen wurden beschleunigt und der Durchsatz in der Entwicklung hat sich mehr als verdoppelt.

Zunächst war das ein Erfolg. Dann stellten wir schnell fest, dass unsere Entwicklerinnen und Entwickler nun schneller programmieren konnten, als unser Produktmanagementteam Anforderungen für sie neu entwickeln konnte. Wir hatten den Engpass also lediglich von einer Funktion in unserer Gruppe in eine andere verschoben. Insgesamt hatte sich der Durchsatz der Organisation nicht verbessert.

Vorübergehend gab es eine Verbesserung, weil die bereits vorliegenden Anforderungen schneller erledigt werden konnten. Danach wurde es jedoch zum Problem, neue Anforderungen bereitzustellen, die mit der höheren Geschwindigkeit der Entwicklung Schritt hielten.

Organisationen müssen daher ganzheitlich auf die Arbeit blicken. Alle Arbeit in einer Organisation ist auf irgendeine Weise miteinander verbunden. Wenn eine Abteilung ihren Durchsatz steigert oder ihre Zykluszeit verkürzt, müssen sich die angrenzenden Teams ebenfalls anpassen, um mit dieser Veränderung Schritt zu halten.

David Rice: Das klingt nach einem guten Beispiel für das Problem der Personalplanung. Es geht nicht darum, wie viele Menschen wir brauchen, sondern darum, wohin sich der Engpass verschiebt. Isolierte Produktivitätsgewinne können neue Engpässe schaffen, anstatt alte zu beseitigen.

Heidi Farris: Ein Teil davon wird zwangsläufig passieren, weil man nicht alles gleichzeitig erledigen kann. Deshalb muss man überlegen, welchen Teil man zuerst beschleunigt und wie viel Zeit dadurch gewonnen wird, bevor man an anderer Stelle auf einen Engpass stößt.

Ein kontinuierlicher Blick auf die Arbeit in der gesamten Organisation hilft dabei, diese Schwankungen und Veränderungen zu verstehen.

David Rice: Wenn du einen Arbeitsablauf findest, der mehr Kapazität verbraucht, als er deiner Meinung nach sollte, wie entscheidest du, ob die Antwort KI, eine Neugestaltung des Prozesses, eine andere Technologie oder einfach bessere Befähigung ist?

Heidi Farris: Die erste Frage lautet: Was verursacht die Belastung tatsächlich? Wenn die Arbeit wiederholbar, klar definiert und von hohem Volumen ist, eignet sie sich für Automatisierung oder KI. Wenn jedoch die Abfolge selbst falsch ist – zu viele Genehmigungen, unnötige Übergaben oder doppelte Schritte –, handelt es sich um ein Problem der Prozessneugestaltung.

Wenn Prozess und Werkzeuge in Ordnung sind, die Menschen aber nicht wissen, wie die Arbeit am besten erledigt wird, oder ihnen die nötigen Fähigkeiten fehlen, handelt es sich um ein Befähigungsproblem.

Die Lösung muss also zur tatsächlichen Ursache dafür passen, warum die Arbeit nicht so effizient oder gut ist, wie sie sein sollte. Die meisten Organisationen kaufen stattdessen einfach weitere Technologie, ohne zuerst zu prüfen, welches dieser drei Probleme tatsächlich vorliegt.

David Rice: Vielleicht gibt es hier ein Anreizproblem. Wir haben KI-Budgets bereitgestellt, Führungskräfte haben KI-Verpflichtungen abgegeben und alle aufgefordert, „KI zuerst“ zu denken. Dadurch wirkt es attraktiver, etwas als KI-Anwendungsfall zu bezeichnen, als es als gewöhnliches Management- oder Prozessproblem zu erkennen.

Wenn man beschließt, dass KI strategisch wichtig ist, besteht dann nicht die Gefahr, dass jede Ineffizienz plötzlich wie eine KI-Chance aussieht, obwohl es vielleicht nur eine wiederkehrende manuelle Aufgabe ist, die automatisiert werden sollte, eine uneinheitliche Aufgabe, die klarere Standards braucht, oder eine verwirrende Aufgabe, für die Schulungen erforderlich sind?

Heidi Farris: KI ist ein tiefgreifender Wandel und wird die Art und Weise verändern, wie wir alle arbeiten. Anfangs ist es für das Veränderungsmanagement oft schwierig, wenn man nicht sehr entschieden vorgeht. Deshalb verstehe ich, warum Organisationen einen großen KI-Schwerpunkt gesetzt haben. Um Gewohnheiten und Arbeitsweisen zu verändern und Menschen dazu zu bringen, außerhalb gewohnter Denkmuster zu denken, muss man manchmal bewusst sehr weit gehen.

Jetzt ist die Veränderung jedoch bereits in Gang. Man sieht, dass Organisationen zu schnell entlassen haben und Mitarbeitende zurückholen müssen oder dass Menschen dafür belohnt wurden, möglichst viele Token zu verwenden, während inzwischen Ausgaben begrenzt werden.

Deshalb braucht es langfristig einen durchdachteren Ansatz für den Einsatz von KI. Ein Rahmenmodell sollte Rollen und Aufgaben unterscheiden und festlegen, welche Aufgaben rein menschlich, menschlich unterstützt oder ausschließlich durch KI erledigt werden. Die Frage lautet: Wo gehört KI hin, und wie erzielt man langfristig Nutzen aus ihr, nachdem man alle davon überzeugt hat, dass KI der richtige Weg ist?

David Rice: Es ist fast wie ein Städtebauspiel. Die erste Stadt ist eine saubere Karte, aber später muss man eine viel detailliertere, komplexere und ausgefeiltere Stadt bauen. Genauso muss unser Verständnis davon, was bei der Arbeit geschieht, immer genauer werden.

Wir sind inzwischen weit in der Entwicklung und KI verändert Arbeitsabläufe in verschiedenen Funktionen. Die Personalabteilung war traditionell für Stellen, Talentmanagementsysteme und Personalplanung zuständig. Der Betrieb kümmert sich um Prozesse, die IT um Technologie und die Finanzabteilung um das Geld.

Wenn sich Arbeitsabläufe über diese Funktionen hinweg verändern, wer muss dann für die Neugestaltung der Arbeit selbst verantwortlich sein? Wenn alle Funktionen die Arbeit unterschiedlich gestalten, weiß ich nicht, ob das noch so zusammenpasst wie früher.

Heidi Farris: Die Neugestaltung der Arbeit braucht eine verantwortliche Person mit zwei Dingen, die den meisten KI-Initiativen heute fehlen. Erstens braucht sie Sichtbarkeit über den gesamten Arbeitsablauf, nicht nur über den Teil einer einzelnen Funktion. Nur so versteht man, wo sich Arbeit verbindet und wo Schwankungen entstehen.

Zweitens braucht diese Person die tatsächliche Befugnis, die Struktur der Arbeit zu verändern. Ohne diesen zweiten Punkt ist man eingeschränkt. Man kann auf alle Stellen in einer Organisation zeigen, aber ohne die Autorität zu sagen „Wir überdenken jetzt wirklich, wie die Arbeit in dieser Funktion, Rolle oder Abteilung strukturiert ist“, kann man nichts grundlegend verändern.

Führungskräfte einzelner Funktionen stehen der Arbeit sehr nahe. Gerade deshalb sind sie manchmal an eine bestimmte Vorgehensweise gebunden und werden nervös, wenn sich diese ändern soll.

Es kann daher nicht ausschließlich das KI- oder IT-Team sein, weil ihm die Feinheiten der jeweiligen Funktionen fehlen. Es können aber auch nicht allein die funktionalen Führungskräfte sein, weil ihnen möglicherweise das Verständnis dafür fehlt, welche Möglichkeiten KI der Organisation eröffnet.

Oft braucht es daher eine Person in einer COO-ähnlichen Rolle, die Ergebnisse durchgängig verantwortet und die Neugestaltung als konkrete Aufgabe der gesamten Organisation behandelt. KI ist dabei nur eine mögliche Lösung, nicht automatisch die Lösung.

David Rice: Ich stimme dir zu. Im vergangenen Jahr haben wir viel darüber gesprochen, dass sich der Verantwortungsbereich von CHROs erweitern muss – weg von der Gestaltung von Stellen und Organisationen hin zur Gestaltung der Verbindung von menschlicher und maschineller Kapazität, um Arbeit zu erzeugen.

Für diejenigen, die diesen Schritt gegangen sind, hat das jedoch zu mehr Verantwortung für den Betrieb geführt. Die Rolle fühlt sich nicht mehr ausschließlich nach Personal- oder People Operations an. Sie hat sich weiterentwickelt. Ich weiß allerdings nicht, ob das langfristig die richtige Lösung ist, denn die Herausforderungen im Personalbereich sind bereits groß genug.

Heidi Farris: Ich stimme zu. KI bringt Personalverantwortliche und operative Führungskräfte näher zusammen. Viele Organisationen behandeln die Personalabteilung noch immer als getrennten Bereich: Die Personalabteilung erledigt ihre Aufgaben, während der Rest das Unternehmen führt. Sie bringt Compliance-Themen ein und arbeitet mit eigenen Daten, während der operative Bereich andere Daten nutzt.

Nun müssen alle Daten zu einem gemeinsamen Bild der Arbeit zusammengeführt werden. Wenn Rollen betrieben und neu gestaltet werden, ist die Personalabteilung ein wichtiger, wenn nicht sogar der zentrale Beteiligte. Das hat Auswirkungen auf Vergütung, Titel, Strukturen und vieles mehr.

Ich halte KI daher für Personalverantwortliche für sehr spannend. Sie ist einerseits belastend, ermöglicht ihnen aber andererseits, an der täglichen Führung des Unternehmens mitzuwirken, anstatt lediglich als Compliance-Zentrum am Rand der Organisation zu stehen.

David Rice: Du hast zuvor Nutzungskennzahlen erwähnt. Aktivierte Lizenzen, wöchentlich aktive Nutzer und gestartete Anwendungsfälle zeigen uns, dass die Technologie eingesetzt wird. Sie zeigen aber nicht unbedingt, dass die Organisation über die Einführung hinausgegangen ist und sich operativ verändert hat.

Woran erkennt man, dass dies geschehen ist und das Unternehmen nun anders arbeitet?

Heidi Farris: Eine Organisation hat die Einführung hinter sich gelassen, wenn die Führung oder eigentlich jede Person in der Organisation erklären kann, welche Arbeit neu gestaltet wurde, welches Ergebnis daraus entstanden ist und wo dieses Ergebnis in den Zielen sichtbar wird.

Für die Führung ist das die Gewinn- und Verlustrechnung. Für Teams können es untergeordnete Ziele sein. Es reicht nicht zu sagen: „Unser Kundenservice-Team spart jetzt Zeit.“ Früher wurden beispielsweise Geschäftsüberprüfungen manuell erstellt, Daten für Kundinnen und Kunden gesammelt und Präsentationen vorbereitet. Nun dauert etwas, das früher vier Stunden gebraucht hat, fünf Minuten.

Das ist ein Ergebnis, aber die entscheidende Frage lautet: Wo zeigt es sich in einem Ziel oder in der Gewinn- und Verlustrechnung? Wenn die gewonnene Zeit dazu genutzt wird, den Kundenbestand pro Person um 50 Kunden zu erhöhen, sodass ein Verhältnis von einer Kundenbetreuungskraft zu 75 Kunden statt zu 25 möglich ist, zeigt sich die Wirkung tatsächlich in den Zielen und Geschäftsergebnissen.

Das sind die entscheidenden Anzeichen dafür, dass eine Organisation von der Einführung zur Wirkung übergeht. Man sollte nicht nur sagen, was man mit KI getan hat, sondern auch, was man mit dem daraus entstandenen Nutzen erreicht hat.

David Rice: Je mehr ich diese Gespräche führe, desto mehr komme ich zu dem Schluss, dass die Wirkung irgendwann sichtbar werden muss. Sie kann nicht nur in einem Dashboard stehen. Sie muss sich in der Gestaltung von Rollen, Kundenergebnissen, der Organisationsstruktur oder den Fähigkeiten zeigen.

Wenn KI die Organisation tatsächlich verändert, sollte ich Belege dafür sehen können, ohne eine Kennzahl zu betrachten. Vielleicht ist das letztlich das Zeichen für KI-Reife: Wir sprechen nicht mehr über KI, sondern darüber, wie das Unternehmen arbeitet.

Heidi Farris: Dem stimme ich vollkommen zu. Personalabteilung und Betrieb werden zusammenarbeiten, und KI wird eine von vielen Lösungen sein, wenn wir untersuchen, wie Arbeit heute erledigt wird.

David Rice: Absolut. Heidi, das waren alle Fragen, die ich heute hatte. Vielen Dank, dass du in der Sendung warst und deine Einblicke mit uns geteilt hast.

Heidi Farris: Danke dir, David, dass du mich eingeladen hast.

David Rice: Liebe Zuhörerinnen und Zuhörer, falls Sie es noch nicht getan haben, besuchen Sie peoplemanagingpeople.com/subscribe und melden Sie sich für unsere Newsletter an. Es gibt drei Ausgaben pro Woche. Sie erhalten all diese Inhalte übersichtlich zusammengestellt direkt in Ihren Posteingang.

Bis zum nächsten Mal: Menschen verändern die Arbeit bereits jeden Tag zum Besseren. Vergessen Sie das nicht.