Wie echte KI-Kompetenz aussieht – und wie man dorthin gelangt

David Rice: Was sind die Risiken im Zusammenhang mit KI, die Führungskräfte unterschätzen, einfach weil es heutzutage für viele Menschen einfach geworden ist, zu verstehen, wie man sie benutzt?

Kenneth Corrêa: Ich denke, der größte Fehler, den ich bei Unternehmen sehe, ist nicht die Nutzung des Tools selbst. Vielmehr geht es darum, private und vertrauliche Dateien zu teilen. Jemand hat gerade eine Idee und verwendet dann sein eigenes Handy, um eine Tabellenkalkulation mit den Finanzergebnissen des Quartals in die kostenlose Version von ChatGPT hochzuladen.

David Rice: Sie haben erwähnt, dass Ihr eigenes Unternehmen einen Produktivitätszuwachs von 15 % verzeichnete, ohne das Personal aufzustocken. Warum setzen nicht mehr Unternehmen das um?

Kenneth Corrêa: Die Menschen lehren und sprechen über KI, als ob es sich um eine 70 Jahre alte Technologie handelt, die noch Unmengen an Daten, Datenbanken und Data Scientists benötigt. Jetzt ist generative KI etwas ganz Einfaches, sehr leicht einzusetzen, sehr leicht umzusetzen, sehr leicht zu verstehen. Einfach mal schnell 20 % oder 40 % mehr Produktivität.

David Rice: Was sind typische Stolperfallen bei Unternehmen, die KI-kompetent werden wollen? Wie vermeidet man unzuverlässige und übertriebene Ergebnisse?

Willkommen beim People Managing People Podcast, die Sendung, die Führungskräften hilft, Arbeit im Zeitalter der KI menschlich zu halten. Ich bin Ihr Gastgeber, David Rice. In der heutigen Folge begrüße ich Kenneth Corrêa, einen globalen KI-Dozenten, Redner und Autor des Buches „Cognitive Organizations: Leveraging the Full Power of Generative AI and Intelligent Agents“.

In diesem Gespräch zeichnet Kenneth einen Weg für Unternehmen auf, von KI-Neugierde zur echten KI-Kompetenz zu gelangen. Er erläutert, was das bedeutet, warum viele Führungskräfte noch zögern und wie man der „Frankenstack“-Falle aus Tool-Überladung entkommt. Wir sprechen über den Wandel von prädiktiver zu generativer KI, was bei der Implementierung häufig falsch gemacht wird und warum Teamführung in Zukunft eher Workflow-Orchestrierung als Aufgabenverteilung bedeuten könnte.

Wenn Sie Ihre Mitarbeitenden befähigen und nicht ersetzen möchten und einen ganzheitlichen Ansatz für KI auf Systemebene suchen, ist das Ihre Folge. Also, legen wir los.

Also Ken, willkommen!

Kenneth Corrêa: Vielen Dank, David. Es ist mir eine Freude, hier zu sein.

David Rice: Absolut. Sie sind in Brasilien, richtig?

Kenneth Corrêa: Ja, definitiv in São Paulo, der größten Stadt Südamerikas.

David Rice: Oh wow, das klingt spannend. Ich kenne einige Kolleg*innen in der Gegend. Ich wollte schon immer mal hin.

Kenneth Corrêa: Es ist eine große Stadt, nicht so groß wie New York, aber unser eigenes „New York“ hier im Süden.

David Rice: Wir sprechen heute also über KI-Kompetenz und den Weg dorthin, weil ich denke, viele von uns befinden sich schon auf diesem Weg, wissen aber gar nicht, was die einzelnen Schritte sind – und wie misst man eigentlich Kompetenz?

Kenneth Corrêa: Wir bauen die Treppe eigentlich immer noch. Es werden also Schritte dazukommen, die uns erst während des Gehens bewusst werden – das Flugzeug wird gebaut, während es schon fliegt.

Das sind die Metaphern, die wir heute nutzen, weil alles so schnell passiert.

David Rice: Absolut. Eine Sache ist hier völlig anders: Wenn man an das moderne KI-Interface denkt, sind viele Hemmschwellen fürs Ausprobieren weggefallen. Man muss kein Computeringenieur sein, um es auszuprobieren oder zu testen.

Wenn man zurückschaut: Als Excel rauskam, musste man erst Kurse besuchen, um es zu nutzen. Heute kann es fast jeder – spätestens nach dem Studium hat man einen Bezug dazu. Das hat aber auch zu Missbrauch geführt.

Ich kenne Menschen, die Listen in Tabellen führen, um die Putzmittel im Schrank zu erfassen. Zurück zur KI: Was sind Risiken, die Führungskräfte unterschätzen, wenn sie denken, es sei für alle so einfach geworden?

Kenneth Corrêa: Point and Click – oder du redest einfach mit dem Tool, und es antwortet in natürlicher Sprache.

Ja, und ich mag Ihre Sicht: Man könnte das eigentlich als Feature bewerben, aber vielleicht steckt auch ein Fehler drin – weil der Einstieg so leicht fällt. Ich finde ein gutes Interface großartig für den Einstieg. Der Hauptfehler vieler Firmen liegt aber nicht in der Nutzung an sich, sondern darin, vertrauliche Dateien zu teilen.

Wir reden hier von Firmeninformationen, die geheim bleiben sollten und normalerweise hinter vielen Firewalls, Passwörtern und Nutzer-Authentifizierung liegen. Und dann hat jemand eine Idee und weil der Zugang zu ChatGPT im Unternehmen gesperrt ist, nutzt er oder sie das Privathandy, um die Tabelle mit den Finanzergebnissen zum Quartal in der kostenlosen ChatGPT-Version hochzuladen.

Das größte Risiko liegt wohl darin, dass vertrauliche Infos verbreitet werden, ohne dass der Nutzende das merkt.

David Rice: Gibt es Möglichkeiten, zu prüfen, wie die Leute es nutzen, also etwa eine Compliance-Checkliste oder ein Rahmenwerk, damit die Leute wissen, wie man es nicht nutzen sollte? Was hat sich dort bewährt?

Kenneth Corrêa: Ich sehe keine Welt, in der wir die Prompts oder Gespräche der Leute kontrollieren und lesen – das hat in 2025 keinen Platz mehr. Was ich in meinem eigenen wie auch für andere Unternehmen mache, ist vor allem: Aufklärung. Das ist wie bei IT-Sicherheit.

Wir können nicht alles blockieren. Es gibt immer neue Tricks, URLs usw. zum Hacken von Accounts. Wir hoffen also, dass Aufklärung über die Nutzungsgrenzen des Tools, dass z. B. die Nutzung der Gratisversion auf dem eigenen Handy und die Unternehmensversion mit ihren Schutzmechanismen erklärt werden.

Informationen bleiben so hinter „Zäunen“. Bildung muss also der Hauptweg sein, weil man nicht alles prüfen kann. Manche Firmen bauen zudem eigene Assistenten auf Basis von GPT, Gemini usw., in deren Namen – und die können dann mit Sperren und Sicherheitsmaßnahmen versehen werden.

Der Assistent gibt zum Beispiel bestimmte Antworten nicht oder teilt bestimmte Infos gar nicht erst mit, sodass hier extra Schutz gewährleistet wird.

David Rice: Interessant, dass Sie den IT-Sicherheitsaspekt aufgreifen.

Kenneth Corrêa: Bei Innovationen knüpfen wir an Bekanntes an. Wenn ich mit etwas völlig Neuem komme, werden Leute es nicht adaptieren. Das haben wir schon in den 1960ern gelernt: Raymond Lowy erfand das Konzept von „Maya“ – most advanced yet acceptable. Beim Entwickeln neuer Produkte strebt man das Fortschrittlichste an, aber muss auch Vertrautes schaffen, um Akzeptanz zu erleichtern.

Ich war neulich in San Francisco und bin mit Waymo-Autos gefahren. Wird gefragt, was ist Waymo? Sage ich: Ein Uber ohne Fahrer. Das macht’s greifbar. Z. B. App aufrufen, Fahrt buchen, Kreditkarte angeben, wie gewohnt. Aber der Fahrer fehlt. Der Rest ist gleich. Diese Vertrautheit erleichtert Akzeptanz neuer Ideen.

David Rice: Wir haben jetzt Waymo in Atlanta, aber ich glaube, sie sind für die Stadt nicht bereit. Bleiben dauernd stecken.

Kenneth Corrêa: Ja, stecken fest. Ich sah auch Berichte über Gewalt gegen sie, z. B. Los Angeles …

David Rice: Ja, da wurden welche in Brand gesteckt.

Kenneth Corrêa: Vielleicht ist das Auto nicht bereit für die Stadt, oder die Stadt nicht bereit fürs Auto. Paradox, oder?

David Rice: Vermutlich beides. Unternehmen wollen, dass Teams mehr schaffen. Produktivität ist einer der Hauptfaktoren für KI-Einsatz – und es klappt offenbar oft. 20 bis 40 % Leistungsschub sind normal laut Studien, und auch bei Ihnen: 15 % mehr Produktivität, kein zusätzliches Personal.

Warum machen das nicht mehr Unternehmen? Ist es Unwissen, ein Verständnisproblem? Verzettelung, Tool-Overload? Was ist das größte Hindernis aus Ihrer Sicht?

Kenneth Corrêa: Klingt verrückt, dass nicht alle aufspringen, denn ich mache das ja selbst in meiner Firma und sehe die Ergebnisse: Geld auf dem Tisch, wie ich sage. Aber es gibt viele Faktoren. Einer ist, dass KI immer noch wie eine 70 Jahre alte Technik gelehrt wird – mit Daten-Lakes, riesigen Datenmengen, Data Science. Das schreckt alle ohne technischen Hintergrund ab. Wir machen noch nicht klar, dass KI vor November 22 eine andere war als heute. Klassische prädiktive KI ist technisch top, aber teuer und langwierig. Generative KI jetzt: Einfach, wie schon gesagt. So einfach, dass Leute Daten hochladen, die sie nicht sollten.

Sehr einfach umzusetzen, schnell 20-40 % Produktivitätsplus – das entspricht 1 Tag in der Woche weniger Arbeit. Führungskräfte nutzen es aber oft nicht persönlich.

Mein erster Tipp an Ihr Publikum und Führungskräfte weltweit: Hand anlegen! Sie sehen den Wert erst, wenn Sie Apps wie ChatGPT, DeepSeek, Gemini, Claude selbst nutzen, auch zu Hause – z. B. am Sonntagabend Foto vom Kühlschrank machen, Zutaten analysieren lassen, KI-Dinner-Vorschläge erhalten.

Das weckt neue Ideen. Und erstmals kann eine Technologie sich selbst erklären. Man kann ChatGPT sagen: „Ich habe 14 Leute im Vertrieb. Wie kann mir ChatGPT helfen?“ Mit exakter Teambeschreibung gibt das Tool wertvolle Hinweise für echte Anwendungsfälle.

Fangen Sie also an! Natürlich dreht sich die mediale Debatte meist um Angst, Risiken, AGI, Skynet, SciFi-Szenarien. Aber das sind nur die Schlagzeilen. In Wahrheit ist KI ein Tool mit Grenzen. Es gibt Limitationen, etwa Halluzinationen: Inhalte, die nicht realitätsbasiert sind – ein No-Go! Deshalb empfehle ich Perplexity parallel zu ChatGPT zu nutzen, dann sind die Antworten zumindest mit Quellen unterlegt. Nur so kann man reifen, Best Practices entwickeln – und dabei sein.

David Rice: Ja, interessant, was Sie sagen zur Unsicherheit und Hemmschwelle – manche, etwa in HR, haben Angst davor, weil Sie sich nicht als Technikexperten sehen. Sie sind geprägt vom alten, vorhersagenden KI-Bild. Andere experimentieren vorsichtig mit GenAI, trauen ihr aber noch nicht. Wo könnten HR oder Betriebsteams Ihrer Meinung nach den größten Nutzen haben?

Kenneth Corrêa: Tolle Frage. Aber vorab: Wissen Sie, warum HR oft so skeptisch ist?

David Rice: Warum?

Kenneth Corrêa: 2016 erschien ein Paper, das durch alle Medien ging: Algorithmische Voreingenommenheit. Unternehmen nutzten prädiktive KI, um Lebensläufe zu filtern. Die KI sah in IT-Jobs fast nur Männer und schloss: Nur Männer sind dafür geeignet. Schrecklich, aber KI hat weder Moral noch Ethik – sie arbeitet nur mit vorliegenden Daten. Das Problem ist bis heute nicht gelöst. Es braucht daher Maßnahmen für verantwortungsvolle KI. Der Begriff „KI“ löst gerade bei HR noch Abwehr aus, weil er mit Bias assoziiert wird. Jede von Menschen trainierte Software übernimmt menschliche Vorurteile – egal in welchem System.

Bei einem HR-Event mit 3.000 Teilnehmenden habe ich Anwendungsfälle gezeigt, z. B. eine Studie mit meinem Team (95 Personen), die Performance und Wohlbefinden misst – 360°-Feedback. 95 beurteilen 95, das sind 9.000 Texte zur Auswertung. Praktisch unmöglich von Hand; das würde ewig dauern.

Wir haben Gemini mit seinem großen Kontextfenster genutzt (2 Mio Tokens), was bedeutete, dass wir die 9.000 Antworten auf einmal analysieren lassen konnten. Gemini zeigte Muster, Ausreißer und wies uns auf dringende Themen hin. HR hat meist Daten, aber manchmal fehlen Analysekompetenzen – Gemini kann die Einordnung und Visualisierung übernehmen.

Zweites Beispiel: Im HR-Workflow braucht es Stellenbeschreibungen, Lebensläufe, Auswahlprozesse. Vorsicht wegen Bias – aber fällt eine gute Prompt mit Aufgabe und JD, kann jedes Tool (ChatGPT, Gemini, DeepSeek, Claude, Copilot) beim Screening helfen. Man kann Interviews transkribieren, das Gespräch plus Lebenslauf und JD eingeben und sich Stärken und Schwächen der Person im Kontext auflisten lassen. So kann man viel gezielter auswählen und sogar KI-Vorschläge für passende Rückfragen erhalten.

In den USA, Brasilien, Chile und Indien laufen schon viele Projekte dieser Art – gerade im HR-Bereich.

David Rice: In vielen Unternehmen mit KI – vor allem generativer KI – wurde bisher meist Kommunikation und Content automatisiert. Operationales, Planung, interne Entscheidungsworkflows: da gehen viele Führungskräfte noch nicht ran. Welche internen Prozesse bieten sich hier besonders an?

Kenneth Corrêa: Super Punkt. Der Name meiner Firma ist 80/20 – nach dem Paretoprinzip. Priorisierung ist essenziell: Wo wirkt KI am schnellsten? Ich habe in meinem Buch eine Matrix entworfen: Es gibt simple und komplexe Aufgaben, einzigartige und wiederkehrende Aufgaben. Starten Sie immer bei den einfachen, wiederkehrenden Tätigkeiten – nicht bei strategischer Planung. Beginnen Sie z. B. bei der Kreditoren-/Debitorenbuchhaltung, Kundentelefonaten, Interview-Transkriptionen.

Hier bringen schon 5-10 % Effizienzgewinn sofort messbare Ergebnisse. Das gilt für klassische Automatisierung generell – mit LLMs (großen Sprachmodellen) kann KI Text, Tabellen und Bilder analysieren; sie kann Dashboards erfassen, die sonst niemand so genau betrachtet. Viele Mitarbeitende wissen mit KPIs wenig anzufangen; KI kann Dashboards „vorlesen“ und erklären, mit Copilot etwa sogar durch Foto.

Ich habe 45 Vertriebsleute in einem Healthtech in Brasilien, die durch 17 Bundesstaaten fahren, vier bis fünf Minuten pro Praxis haben. Es ist schwer, in so großen Organisationen stets den Überblick zu behalten. KI hat damit kein Problem – sie ist nie faul und sieht jedes Detail im Dashboard.

David Rice: Fluency (Kompetenz) bedeutet für mich zu verstehen, wo Tools in die Prozesse passen und wie man Workflows baut. Viele springen auf Tool XY auf, vergessen aber die Verbindung zwischen Teams, Tools und Aufgaben. Was ist ein funktionaler AI-Stack für Firmen unter 100 Mitarbeitenden? Wie entkommt man dem „Frankenstack“?

Kenneth Corrêa: Gutes Thema! Viele Unternehmen haben einen Frankenstack aus 10, 20 Tools, jedes davon anders zu bedienen. Große Unternehmen reduzieren auf ein oder zwei Tools: Nutzt man Microsoft, setzt man auf Copilot; bei Google auf Gemini; Techfirmen gehen vielleicht auf Anthropic (Claude) oder OpenAI.

Mein Rat: Starten Sie mit einem Tool – trainieren Sie die Belegschaft systematisch, alle auf dasselbe Tool. Aktuell (diese Sekunde) gibt es etwa sieben State-of-the-Art-Tools, und sie bieten ähnliche Power und Bedienung: Copilot, ChatGPT, Gemini, Grok 4 (X), Lama (Meta), DeepSeek, Perplexity. Für kleinere Unternehmen ist das überschaubar, Risiken und Management sind einfach.

Wenn es um Backend-Automatisierung oder Agenten-Netzwerke geht, braucht es mehr als einen Anbieter, aber beim einfachen „User Copilot“ reicht oft eines davon. CTOs können später verschiedene Modelle je nach Innovationsbedarf kombinieren.

David Rice: Die große Frage derzeit: Welche Skills brauchen Teams für die KI-Zukunft? Viele müssen Effizienz neu denken – nicht weniger Menschen, sondern besser eingesetzte. Die Führungskraft wird eher Validierer und Orchestrierer als Aufgabenverteiler. Welche Rollen und Skills braucht Führung in Zukunft?

Kenneth Corrêa: KI-Kompetenz im generativen Bereich heißt: Die Tools nutzen können. Führungkräfte aber brauchen – und das ist schwer – Urteilsvermögen! Also klug entscheiden: Soll diese Aufgabe von einem Mensch oder einer Maschine erledigt werden?

Manche Aufgaben kann KI schon besser: Checklisten abarbeiten, Dokumente durchsuchen, Bilder analysieren, Texte zusammenfassen. All das kann und sollte KI machen. Menschliche Stärken sind Kreativität, Entscheidungsfindung, das Akzeptieren und Verstehen von Komplexität, Verantwortung tragen – Dinge sehen, Paradoxien erkennen.

Hier sind Menschen klar besser. KI kann Pläne entwerfen, aber im Detail sind sie schlechter als Menschenarbeit. Zu wissen, wem welche Aufgabe gehört, wird eine Kernkompetenz der Führung sein.

Das hat mich zum Buch „Cognitive Organizations“ motiviert: Ich wollte einen Leitfaden, wie Manager Schritt halten, während Maschinen immer besser werden. Die Technik ist im Wandel, Innovation non-stop, man kann nicht alles nachverfolgen. Aber ein Produktivitätsplus von 20-40 % ignorieren geht einfach nicht – die Konkurrenz nutzt es schon. Die Diskussion über Arbeitsplatzverlust läuft überall, aber in der Realität klagen Firmen oft über Fachkräftemangel.

Was ich gemacht habe: Mein Team (95 Leute) in den letzten drei Jahren um je 15 % Wachstum pro Jahr verstärkt, aber mit derselben Mannschaft, indem ich sie durch KI-Tools stärkte. Manche stiegen voll ein, andere wollten wie vorher weiterarbeiten – aber das ist 2025 kaum mehr möglich. Wer seine Talente mit KI-Tools befähigt, holt das Beste heraus.

David Rice: Viele tun sich schwer mit der Umstellung, aber unsere Aufgabe ist es nicht, Aufgaben abzuarbeiten, sondern unsere Fähigkeiten, unser Wissen, das Menschliche einzubringen. Vielleicht muss man sich von Aufgaben als Selbstzweck lösen. Was sind gängige Fehler bei Unternehmen auf dem Weg zur KI-Kompetenz, vor allem im Experimentierstadium? Wie vermeidet man „den Boden unter den Füßen zu verlieren“, z. B. durch unzuverlässige Outputs und zu viel Versprechen?

Kenneth Corrêa: Das ist ein großes Problem. Oft reden wir über „die KI“ – als wäre sie eine alles umfassende Entität. Aber es gibt viele verschiedene Anbieter, Modelle, Datenbasen, Guardrails – jede Firma entscheidet individuell, was KI tun darf und was nicht. KI ist nur ein Werkzeug, das eine Revolution ermöglicht, mehr nicht.

Echte Kompetenz entsteht durch Anwendung, Übung, Fehler machen. Nur weil KI etwas empfiehlt, muss man es ja nicht übernehmen; Urteilsvermögen ist gefragt. Mit jedem Anwendungsfall wächst das Verständnis, z. B. das Unternehmen CH Robinson: 3.000 Mails pro Stunde zu Logistik, viele Routinefälle werden direkt von KI bearbeitet, 10 % leitet KI an Menschen weiter.

Es gibt aber auch „Rollback“-Fälle wie bei Klarna in Schweden: Sie stellten alles auf GenAI um und entließen viele, merkten aber, dass KI nicht alles leisten kann und stiegen auf einen Mix zurück: 80 % KI, 20 % Mensch für Sonderfälle. Das zeigt: Kompetenz erwirbt man nicht durch Lesen eines Buchs, sondern durchs TUN. Sprachkompetenz wächst beim Sprechen, KI-Kompetenz beim Anwenden.

David Rice: Exzellent. Kenneth, danke fürs Kommen und die Einblicke.

Kenneth Corrêa: Sehr gerne. Ich habe Ihre komplexen Fragen geliebt! Es mag manchmal euphorisch klingen, als gäbe es keine Limits oder Risiken. Doch – die gibt es, und man lernt sie nur durch eigene Erfahrung kennen. Der Produktivitätsgewinn von 20 % ist jedenfalls zu gut, um ihn zu ignorieren.

David Rice: Nochmals danke! Ich freue mich auf die weiteren Entwicklungen Ihrer Arbeit in den kommenden Jahren.

Kenneth Corrêa: Vielen Dank!

David Rice: Wer das Buch von Kenneth lesen möchte: Es heißt „Cognitive Organizations: Leveraging the Full Power of Generative AI and Intelligent Agents“, bei Amazon erhältlich. Bis zum nächsten Mal – und: ran an die Tools!