Warum KI nicht die erwarteten Produktivitätsgewinne liefert

David Rice: Führungskräfte glauben, dass ihre Mitarbeitenden rund fünfunddreißig Anwendungen nutzen. Die tatsächliche Zahl könnte Sie überraschen. Diese Transparenzlücke steht im Zentrum dafür, warum die KI-Investitionen immer weiter steigen, während die Produktivität der Beschäftigten stagniert. Und Ofir Bloch von WalkMe glaubt, dass wir über den Punkt hinaus sind, an dem man es noch als kurzfristige Einführungsphase abtun könnte. Wir müssen es einfach zugeben. Die Einführung von Tools, ohne die Arbeit neu zu gestalten, ist keine Strategie.

In der heutigen Folge spreche ich mit Bloch über den „State of Digital Adoption Report“ von WalkMe und was fünf Jahre Daten darüber aussagen, wo Organisationen tatsächlich Fehler machen. Es liegt nicht am Modell. Es geht um alles drum herum: die fragmentierten Systeme, die Reibungen, die Diskrepanz zwischen dem, was Führungskräfte meinen, und dem, was Mitarbeitende tatsächlich tagtäglich erleben.

Organisationen, die heute darin erfolgreich sind, haben nicht die fortschrittlichste KI. Sie reduzieren Reibung am schnellsten. Mitarbeitende mit kontextueller Echtzeit-Unterstützung berichten fast viermal häufiger von vollem Selbstvertrauen in ihrer Arbeit – nicht weil sie besser geschult wurden, sondern weil die Hilfe genau dann kam, als sie gebraucht wurde, und nicht sechs Wochen früher.

Wir beleuchten heute, warum die Lücke zwischen den 35 angenommenen und den tatsächlich hunderten Anwendungen die Diskrepanz zwischen Führungskräften und Mitarbeitenden erklärt, warum herkömmliche Trainings mit dem Wandel in Echtzeit nicht Schritt halten können, worin sich Tool-Nutzung und tatsächlicher Mehrwert unterscheiden und warum Orchestrierung aktuell wichtiger ist als Modell-Sofistikation.

Ich bin David Rice, dies ist People Managing People. Und falls Ihr Unternehmen KI-Erfolg noch immer an Lizenznutzung misst, werden Sie in diesem Gespräch erfahren, was Ihnen entgeht. Steigen wir ein.

Ofir, willkommen. Schön, dass du da bist.

Ofir Bloch: Danke, David. Schön hier zu sein.

David Rice: Ich möchte unser Gespräch heute an einem der größten Widersprüche aus Eurem Bericht starten: Die KI-Investitionen steigen immer weiter, während die Produktivität und Erfahrung der Mitarbeitenden scheinbar eher abnimmt.

Mich interessiert, wann wir aufhören sollten, das als temporäre Einführungsphase zu sehen und vielleicht zugeben müssen, dass etwas grundlegend falsch läuft bei der Implementierung von KI?

Ofir Bloch: Ehrlich gesagt denke ich, wir sind schon über diesen Punkt hinaus. Sie haben völlig recht – wir müssen das Problem einfach benennen und uns ihm stellen. Die Zahlen liegen auf dem Tisch. Wir sehen Unternehmen, die mehr und mehr Geld in Technologie und natürlich auch in den aktuellen KI-Hype stecken – letztes Jahr waren es rekordverdächtige 54 Millionen Dollar. Aber wie Sie wissen, bringen die Investitionen einfach nicht die erwarteten Ergebnisse.

Wir haben also ein Problem. Die Daten bestätigen das. Unser Bericht bringt viele dieser Punkte ans Licht, und ich freue mich, heute darüber zu sprechen.

David Rice: Es scheint, als würden wir einfach annehmen, dass KI automatisch Produktivität schafft – allein schon durch ihre Existenz. Nach dem Motto: Jetzt ist sie da, jetzt werden alle zehnmal so produktiv.

Aber Technologieeinführung und Transformation der Arbeitsabläufe sind zwei völlig verschiedene Dinge, und einige Unternehmen verwechseln Aktivität mit tatsächlicher Befähigung. Tools einführen, ohne die Arbeit selbst zu überdenken, führt eben dazu, dass wir den ROI nicht messen können.

Deshalb wissen wir auch häufig nicht, wie wir weitermachen sollen. Und da spielt auch der Psychologie des schon getätigten Aufwands und der Investitionen („sunk cost“) eine Rolle – je mehr Geld ausgegeben wird, desto schwerer ist es zuzugeben, dass die Umsetzung nicht funktioniert.

Ofir Bloch: Ja, vollkommen richtig. Das Problem hat viele Schichten und Ebenen.

Wer ist verantwortlich für den Wandel im Verhalten? Wer stellt sicher, dass neue Tools auch angenommen werden? Es gibt hier das Missverständnis: Wird ein Tool eingeführt, wird es schon genutzt, doch in der Realität ist das Gegenteil der Fall. Wir beobachten eine wachsende Produktivitäts- bzw. Akzeptanzlücke.

Das Innovationstempo ist überwältigend! Jeden Tag gibt es ein neues Modell – gerade habe ich gehört, dass Sonnet 5 morgen erscheint, und wir haben uns eben erst an Opus 4.7 mit Claude gewöhnt. Täglich neue Modelle – jedes besser als das andere. Doch letztlich werden sie meist nur dazu genutzt, E-Mails zusammenzufassen oder simple Aufgaben zu erledigen – das schöpft das Potenzial solcher Tools nicht aus.

David Rice: Mir gefällt auch die Referenz zu „Field of Dreams“. Wenn man sich aber die Kommentare in Social-Media zu KI ansieht, ist es eher ein „Field of Screams“. Euer Bericht zeigt eine riesige Wahrnehmungslücke zwischen Managern und Mitarbeitenden, korrekt? Das merkt man deutlich, wenn man einfach länger zuhört.

Es geht dabei nicht nur um Vertrauen, sondern auch um Bereitschaft, Training und ob die Tools im Arbeitsalltag wirklich unterstützen. Meine Frage an dich – wie schaffen es Führungskräfte, sich so weit von der Realität der Arbeit zu entfernen?

Und wie können sie das schnell überwinden?

Ofir Bloch: Das war eine der klarsten Beobachtungen aus dem Bericht, übrigens schon zum fünften Mal in Folge. Ein Hauptgrund ist die enorme Lücke zwischen der Zahl der Anwendungen bzw. Tech-Stacks, die Führungskräfte glauben, dass ihre Leute nutzen, und der Realität.

Gefragt, wie viele Tools ihre Beschäftigten nutzen, schätzen Führungskräfte meist eine Handvoll – etwa 30 bis 35 Anwendungen. In Wirklichkeit liegt der Wert in Unternehmen oft bei rund 700 Anwendungen.

Es gibt also eine massive Transparenzlücke. Und heute ist es einfach, Tools zu kaufen – Kreditkarte gezückt, 20 Dollar im Monat, und schon ist ein Tool gebucht. Mit Low-Code/No-Code ist es noch einfacher, neue Tools zu basteln – viele probieren das längst aus. Dadurch wissen Führungskräfte häufig gar nicht, was wirklich genutzt wird. Oft fehlen schlicht die Tools, um das überhaupt sichtbar zu machen.

Jahr für Jahr wird das in unserem Bericht deutlich. Was hilft? Kommunikation – zuhören, was die Leute bei der Arbeit wirklich brauchen, was genutzt und was vermisst wird. Es gibt allerdings auch Tools, die sichtbar machen, welche Anwendungen tatsächlich genutzt werden.

David Rice: Das mit dem Zuhören finde ich gut. Interessant ist doch, dass Führungskräfte und Mitarbeitende in derselben Organisation tätig sind und dennoch so unterschiedliche Erfahrungen machen.

Manager sehen meist das Potenzial, Mitarbeitende erleben die Reibungen. Viele Führungsteams unterschätzen, wie schnell Vertrauen verloren geht, wenn die Belegschaft das Experimentieren mittragen soll, aber keinen spürbaren Nutzen empfindet. Da ist durchaus auch ein Mangel an Empathie im Spiel.

Viele Führungskräfte sehen bei Problemen nur Technik. Man liest es überall – auf LinkedIn, in Podcasts… Aber: Es ist kein Technologieproblem, sondern ein Menschenproblem. Das kommt bei manchen offenbar einfach nicht an.

Ofir Bloch: Ja. Es gibt das Konzept der digitalen Empathie. Heute, mit Remote- und Hybridarbeit, besteht das Arbeitserlebnis zu großen Teilen aus digitalen Berührungspunkten und der Art, wie wir Tools erleben. Das beeinflusst massiv den Alltag.

Vieles am „Employee Experience“ hat heute mit technologischen Reibungen, wechselnden Abläufen und ständigem Lernen zu tun. Wären Führungskräfte näher an den tatsächlich genutzten Tools und deren Komplexität dran und hätten ein besseres Gespür für digitale Empathie, wäre die Arbeit insgesamt angenehmer und die digitale Mitarbeitererfahrung deutlich besser.

David Rice: Volle Zustimmung. Du argumentierst, dass die eigentliche Begrenzung von KI momentan weniger im Modell liegt, sondern im fehlenden Kontext? Das ist doch ein systemischeres Problem, als viele Unternehmen begreifen. Warum wird Kontext zum entscheidenden Engpass?

Ofir Bloch: Das hängt viel von der Implementierung der Tools ab. Überall ist KI integriert – Copilots in jedem Programm. Meist sind diese Lösungen aber auf eine einzige Anwendung beschränkt. Unsere Arbeitsabläufe laufen aber über viele Applikationen. Die KI-Modelle haben darauf oft keinen Zugriff.

Manche Modelle kommen etwa über APIs oder technische Schnittstellen an Daten. Aber nicht jede Anwendung unterstützt das. Unsere Daten zeigen: Nur 29% der Abläufe sind über solche Wege für KI-Modelle erreichbar – 71% nicht.

Und Kontext ist viel davon, was ein Mitarbeiter auf seinem Bildschirm sieht. Ein Mensch erkennt mit einem Blick eine Vielzahl an Zusammenhängen, eine KI aber eben nicht. Kurzes Beispiel (gerade für die Personalexperten im Publikum): Ich will David eine Spot-Prämie von 5000 Dollar geben.

Wenn ich das einem Chatbot oder Copilot im Tool sage: „Ich möchte David 5000 Dollar Prämie geben“, gibt es Dutzende Rückfragen: Welcher David? Der in London oder San Francisco? Ist David in meinem Team? Darf ich überhaupt so viel vergeben? Muss der CFO zustimmen? Statt dass man einfach die KI beauftragt, wird man selbst mehrfach gefragt, weil sie den Kontext nicht kennt. Im HR-System wäre auf einen Blick alles sichtbar – aber die KI sieht den Bildschirm nicht. Das ist wieder eine zentrale Erkenntnis aus der Befragung.

David Rice: Das ist spannend – denn so viel Arbeit ist hochgradig kontextabhängig und diese Systeme sehen das meist nicht.

Wir diskutieren seit zwei Jahren Modellintelligenz, aber zu wenig Organisationsintelligenz. Ohne Kontext bleibt KI erstaunlich limitiert. Die Berichte der KI fühlen sich dann oft losgelöst davon an, wer wir als Organisation sind und was wir erreichen wollen.

Ofir Bloch: Noch eine Zahl dazu: 37% der Arbeitnehmer lassen KI komplett links liegen und probieren sie nicht mal aus – wegen der vielen Rückfragen oder weil sie der KI nicht vertrauen. Sie umgehen sie einfach.

David Rice: Früher haben wir immer davon gesprochen, wie viel Zeit eingespart werden kann, aber im Endeffekt stopfen wir mehr Aufgaben in den Tag. Vielleicht wäre es sinnvoll, vor allem in HR, genau diese Zeit für Systems-Learning und bessere Verknüpfung der Tools zu nutzen, damit die Technik am Ende mehr Nutzen entfaltet. Die meisten Unternehmen sehen Schatten-KI als Governance- oder Compliance-Thema. Euer Bericht sagt aber: Meist ist es ein Zeichen dafür, dass die offiziellen Systeme an der realen Arbeit vorbeigehen. Werden diese Probleme oft falsch diagnostiziert?

Ofir Bloch: Meistens ja. Ich mag den Begriff Schatten-KI auch gar nicht. Ich spreche lieber von „Business-getriebener KI“, weil es das treffender beschreibt. Die Standardreaktion vieler Firmen lautet: „Sicherheitsproblem, verbotene Tools, alles abschalten.“ Das ist aus Risikosicht verständlich, greift aber zu kurz. Denn im Kern heißt das: Die Mitarbeitenden sagen: „Mit den bereitgestellten Werkzeugen komme ich nicht weiter.“ 45% der Befragten nutzen nicht genehmigte Tools, 36% setzen diese auch für vertrauliche Infos ein.

Ich glaube nicht, dass das böse Absicht ist – die Leute wollen einfach ihren Job machen und die offiziellen Tools liefern nicht das gewünschte Ergebnis. Vielleicht mag jemand Claude lieber zum Texten und ChatGPT nicht – dann wird eben Claude genutzt. Schatten-KI ist also keine Verhaltensstörung, sondern zeigt nur: Das offizielle System ist schwerer als Alternativen. Es ist ein Signal: „Hört uns zu! Ihr gebt uns die falschen Tools.“

David Rice: Gute Umdeutung! „Schatten-KI“ klingt immer wie im Agentenfilm. Dabei wollen die meisten Mitarbeitenden ja nicht absichtlich ein Risiko eingehen, sondern Reibung vermeiden. Oft entstehen Umwege, wo die Systeme an der Realität vorbeigehen. Die bessere Frage ist dann: Warum helfen die offiziellen Systeme nicht ausreichend?

Ich fand auch spannend, dass Beschäftigte KI gar nicht ablehnen, weil sie gegen Technik wären. Es geht um Unterbrechungen, Fragmentierung, Unsicherheit. Unterschätzen Führungskräfte den kognitiven Aufwand, den KI ins moderne Arbeiten bringt?

Ofir Bloch: Oh ja, stark sogar. In unseren Zahlen sehr deutlich: 81% der Manager sagen, KI habe die Produktivität gesteigert – sie sehen nur das Ergebnis. Die Beschäftigten hingegen berichten viel von Reibung.

Nur 9% der Mitarbeitenden vertrauen KI für komplexe Aufgaben. Weil es Halluzinationen gibt oder man unendlich oft Daten zwischen Anwendungen kopieren muss. Die eigentliche Arbeit läuft eben über zahlreiche Anwendungen, und jede hat ihren eigenen KI-Assistenten. Das sorgt für viel Reibung. Außerdem: Muss ich auf Datenschutz achten? Darf ich das Dokument hochladen? Ist das Ergebnis eine Halluzination? All diese Unsicherheiten belasten zusätzlich – aber Führungskräfte sehen einfach nur das finale Ergebnis.

David Rice: Ich höre oft von Führungskräften, dass sie KI kaum nutzen – meist, weil sie ihr für komplexe Aufgaben nicht trauen. Häufig liegt das aber daran, dass die Eingaben nicht passen und damit auch die Ergebnisse nicht stimmen. Es gibt also einen Mentalaufwand, der oft verdrängt wird – man managt ein System, das man selbst oft nicht versteht.

Ofir Bloch: Genau, es ist zusätzliche Arbeit. Menschen sind Gewohnheitstiere – und Veränderungen schwer. Viele Manager kennen das: Eine App auf dem Smartphone hält nicht, was sie verspricht – sie wird sofort gelöscht und nicht wieder ausprobiert. Ähnlich bei KI: Vor 12 Monaten hat sie vielleicht nicht funktioniert – also nutzt man sie nie wieder, obwohl sie heute womöglich besser ist. AI entwickelt sich rasant; wir müssen neu lernen, laufend zu experimentieren – aber das ist eine ständige Verhaltensänderung.

David Rice: Allein das Validieren von Ergebnissen bedeutet ständiges Kontextwechseln; das ist geistig anstrengend. Ja, wir arbeiten schneller, aber insgesamt ist die kognitive Belastung oft höher – am Tagesende fühle ich mich trotzdem erschöpft.

Ofir Bloch: Weil man mehr macht, mehr erreichen will. Genau.

David Rice: Im Bericht steht, dass klassisches Training nicht mehr mit der Geschwindigkeit in der Arbeit mithalten kann. Wie können Organisationen die Menschen ähnlich gut vorbereiten, wie es klassische Schulungen mal konnten?

Ofir Bloch: Viele Unternehmen versuchen weiterhin, neue Probleme mit alten Mitteln zu lösen: Häufigere Trainings, Klassenraum, Videos – aber das funktioniert einfach nicht mehr. Klassische Ansätze sind ungeeignet für 2026. Menschen vergessen Gelerntes schnell wieder, und die geistige Überforderung ist riesig – besonders angesichts ständig neuer Tools und Modelle und verschiedener Arbeitsgenerationen.

Wir haben gesehen: Wenn Unterstützung kontextuell im Arbeitsfluss geboten wird (anstelle von einmaligen Trainings), also eine Funktion den Ablauf begleitet oder erinnert, wie etwas im Moment des Bedarfs funktioniert, steigen Produktivität und Selbstvertrauen massiv. Unsere Daten zeigen: Mitarbeitende mit dieser Art der Unterstützung sind 1,9- bis 3,7-mal wahrscheinlicher völlig sicher in ihrer Arbeit. Das ist der beste Weg für den Umgang mit neuen Technologien.

David Rice: Mir gefällt die Idee der kontextuellen Unterstützung für den Moment. Arbeiten fühlt sich heute oft chaotisch an. Ab einem gewissen Punkt der Karriere wird ständig etwas Neues gefordert, klassisches Training geht immer von stabilen Bedingungen aus. Aber mit KI ändert sich alles so schnell, dass erworbenes Wissen schnell veraltet. Die Zukunft ist also weniger Tool-Schulung, sondern mehr Anpassungsfähigkeit und „Lernen im Tun“.

Ofir Bloch: Genau.

David Rice: In dem Bericht steht auch, dass die Gewinner nicht die mit der fortgeschrittensten KI sein werden, sondern die, die Menschen, Systeme und Abläufe am besten orchestrieren. Sind wir an einem Punkt, an dem Integration wichtiger ist als Modell-Komplexität?

Ofir Bloch: Absolut. Es ist ein riesiger Unterschied zwischen Nutzung und tatsächlichem Mehrwert. Ein Anstieg in den Nutzungszahlen heißt nicht automatisch, dass das Potenzial der teuren Modelle ausgeschöpft wird. Wirklich produktiver sind Organisationen, die die Brücke zwischen Mensch und Technik schlagen: Unterschiedliche Generationen, verschiedene digitale Fähigkeiten, Widerstand gegen Veränderung. Nur durch Kontextualisierung und Personalisierung erreicht man, dass alle Mitarbeitenden dieselben Ergebnisse erzielen können.

Orchestrierung ist auf mehreren Ebenen wichtig: Zum einen die Verbindung zwischen Menschen und Tools, zum anderen die Frage, wie Mitarbeitende die richtigen Tools im richtigen Moment nutzen können, ohne dafür alles lernen zu müssen. Eigentlich sollte es egal sein, welches System für welche Aufgabe benötigt wird. Ich habe ein Ziel, eine Aufgabe, und wenn die KI den Prozess unterstützt, ohne dass ich 12 Anwendungen durchprobieren muss, ist das echte Orchestrierung – und darauf sollten Organisationen sich konzentrieren, statt nur das intelligenteste Modell einzuführen.

David Rice: Ja, das ist wirklich ein wichtiger Umschwung. Im Markt geht es fast immer nur um Modellvergleiche. Aber die meisten Unternehmen scheitern nicht daran, dass das Modell zu wenig kann, sondern an fragmentierten Systemen und mangelnder Integration. Wer die Reibung am schnellsten reduziert, wird aktuell den größten Vorteil haben.

Ofir Bloch: Absolut. Besser könnte man es kaum sagen.

David Rice: Ofir, das war ein sehr aufschlussreiches Gespräch. Vielen Dank an dich.

Ofir Bloch: Danke für die Einladung. Ich bin sicher, ihr verlinkt den Bericht irgendwo. Für alle, die ihn lesen möchten: Es handelt sich um WalkMe's State of Digital Adoption 2026. Ich bin gespannt auf euer Feedback.

David Rice: Ja, lohnt sich auf jeden Fall! Ich habe ihn gelesen, war sehr spannend – ich werde dazu auch noch etwas posten, aber schaut euch den Bericht unbedingt an.

Und liebe Zuhörer:innen, wenn ihr es noch nicht getan habt, besucht peoplemanagingpeople.com/subscribe, abonniert den Newsletter – dann bekommt ihr diesen Podcast und alles Weitere direkt ins Postfach.

Bis zum nächsten Mal: Kontext, Kontext, Kontext.