KI-Transformation: Warum Menschen, Teams und Veränderungskompetenz den Erfolg von KI-Initiativen bestimmen.
KI-Trans-
formation,
der blinde Fleck.
Warum Menschen den Unterschied machen.
Ein Denkanstoß für HR-, L&D-, Change- und Transformationsverantwortliche, die KI-Einführung nicht nur technisch, sondern menschlich gestalten wollen.
Was ist KI-Transformation
– kurz erklärt
KI-Transformation ist mehr als die Einführung neuer Tools. Wer sie als Technologieprojekt versteht, verändert keine Organisation. Eine Transformation gelingt nur, wenn Unternehmen den psychologischen Veränderungsprozess ernst nehmen, den jeder Mensch und jedes Team beim Umgang mit KI durchläuft. Aktuelle Studien zeigen: 93 Prozent der Investitionen fließen in Technologie, nur 7 Prozent in Menschen – ein Ungleichgewicht, das erklärt, warum bis zu 95 Prozent der KI-Pilotprojekte wirkungslos bleiben.
Mit dem Modell der Four Rooms of Change (Janssen’s Model®) lässt sich dieser Prozess auf individueller, Team- und Unternehmensebene greifbar machen – und gezielt gestalten statt dem Zufall zu überlassen.
Wenn die Technologie schneller ist
als die Organisation
Es gibt derzeit kaum ein Managementgespräch, in dem nicht irgendwann der gleiche Satz fällt: “Wir kommen kaum hinterher.” Gemeint ist damit selten ein einzelnes Projekt. Gemeint ist das Tempo selbst – die Geschwindigkeit, mit der sich Künstliche Intelligenz weiterentwickelt, verbreitet und in Arbeitsprozesse drängt, noch bevor Organisationen verstanden haben, was sie damit eigentlich anfangen sollen.
Ein Tempo, das selbst die Entwickler beunruhigt
Bemerkenswert an dieser Phase ist, dass die Unruhe nicht nur von denjenigen kommt, die KI einführen müssen, sondern zunehmend auch von denen, die sie erschaffen. Anthropic-CEO Dario Amodei hat Anfang 2026 in einem vielbeachteten Essay davor gewarnt, dass die Menschheit in eine Art “technologische Pubertät” eintritt – eine Phase, in der die Fähigkeiten der Systeme schneller wachsen, als Recht, Regulierung und Gesellschaft mithalten können. Schon 2027 oder 2028, so seine Einschätzung, könnten KI-Systeme in den meisten relevanten Bereichen leistungsfähiger sein als menschliche Spitzenkräfte.
Das ist das Dilemma, in dem Organisationen und Menschen gerade stecken: Die Technologie verspricht enorme Chancen, entwickelt sich aber schneller, als Strukturen, Kompetenzen und Sicherheiten mitwachsen können. Die Angst, die daraus entsteht, ist keine diffuse Zukunftssorge mehr – sie sitzt längst in den Führungsetagen selbst.
Mehr als Tempo: Was mit unserer Rolle und unserem Denken passiert
Doch das Dilemma reicht tiefer als die reine Geschwindigkeit.
Amodei beschreibt in seinem Essay eine Entwicklung, die “wer wir als Spezies sind” auf die Probe stellt – und trifft damit einen Nerv, der weit über Konzernstrategien hinausgeht: Es geht um unsere Identität. KI übernimmt nicht nur lästige Routineaufgaben, sie ist in vielen Bereichen bereits schneller und gründlicher als wir.
Eine Studie der SBS Swiss Business School (2025) zeigt, dass intensive KI-Nutzung mit spürbar schwächerem kritischem Denken korreliert – vermittelt über das, was Forschende “kognitives Offloading” nennen: das Auslagern von Denkarbeit an die Maschine.
Eine EEG-Studie des MIT Media Lab fand bei Menschen, die beim Schreiben durchgehend auf ein Sprachmodell zurückgriffen, die schwächste neuronale Vernetzung – und Schwierigkeiten, eigene, KI-unterstützte Texte im Nachhinein noch zu erklären.
Damit stellt sich für jede Rolle im Unternehmen eine unbequeme Frage: Was bleibt eigentlich für mich, wenn die Maschine das, was bisher meine Aufgabe war, schneller und gründlicher erledigt?
Diese Frage ist kein Nebenschauplatz, sondern der Kern dessen, was Menschen im Raum der Verwirrung erleben. Sie berührt Kompetenzgefühl, Status und das eigene Selbstverständnis in der Arbeit unmittelbar.
Und sie hat, das gehört ebenso dazu, eine zweite, oft übersehene Seite: Wer KI nicht nur passiv nutzt, sondern sie aktiv befragt, korrigiert, mit eigenem Urteil versieht und ihre Grenzen kennt, gestaltet mit, statt nur zu delegieren.
Genau darin liegt eine reale Chance – wir sind KI nicht nur ausgeliefert, wir können sie beeinflussen, ihre Ergebnisse einordnen und die Frage “Was bleibt für mich?” aktiv beantworten, statt sie zu verdrängen. Aber diese Chance ergreift niemand automatisch.
Sie setzt voraus, dass der innere Konflikt zwischen Aufgabenverlust und Gestaltungsmöglichkeit überhaupt benannt und bearbeitet wird – nicht mit einem Tool-Training, sondern mit echter Auseinandersetzung.
Die zweite Ebene: viel Tool,
wenig Wirkung
Auf Unternehmensebene zeigt sich das Dilemma anders, aber nicht weniger deutlich.
Copilot ist ausgerollt, ChatGPT-Zugänge sind verteilt, einzelne Teams zeigen beeindruckende Use Cases. Und trotzdem bewegt sich beim Blick aufs große Ganze erstaunlich wenig.
93 Prozent Technologie,
7 Prozent Mensch
Die Datenlage dazu ist inzwischen erdrückend. Eine vielzitierte Studie des MIT Media Lab kam 2025 zu dem Ergebnis, dass 95 Prozent der untersuchten generativen KI-Pilotprojekte in Unternehmen zu keinerlei messbaren wirtschaftlichen Effekten führten – trotz zweistelliger Milliardeninvestitionen.
Die RAND Corporation bezifferte den Anteil nicht wertschöpfender Enterprise-KI-Projekte Ende 2025 auf gut 80 Prozent, eine Einschätzung, die Gartner im April 2026 im Kern bestätigte. Auffällig dabei: In den meisten Fällen scheitert es nicht an der Technologie selbst, sondern an fehlenden Geschäftsfällen, unklaren Verantwortlichkeiten und mangelnder organisatorischer Reife.
Besonders aufschlussreich ist ein Befund aus aktuellen Analysen zu unternehmensweiten KI-Investitionen: Im Schnitt fließen rund 93 Prozent der Investitionssumme in Technologie – Modelle, Infrastruktur, Lizenzen – und nur etwa 7 Prozent in die Menschen, Arbeitsabläufe und den kulturellen Wandel, der nötig wäre, damit diese Technologie tatsächlich wirkt.
Das erklärt viel von dem, was in der Praxis zu beobachten ist: Tools werden verteilt, aber die Art, wie gearbeitet, entschieden und zusammengearbeitet wird, bleibt im Kern unverändert.
Warum ein “Change-Modul” nicht reicht
Und genau hier zeigt sich ein Muster, das aus der Trainings- und Beratungspraxis nur allzu vertraut ist:
Wenn der ausbleibende Effekt bemerkt wird, wird nicht selten ein “Change-Kompetenz-Modul” nachgeschoben – ein halber Tag, eine Session, manchmal nicht mehr als ein Foliensatz zu Kommunikation und Widerständen und die Veränderungsschritte nach Kotter.
Damit soll dann geleistet werden, wofür in der Organisationsentwicklung eigentlich Jahre an Aufmerksamkeit stehen: eine tiefgreifende, in ihrer Wirkung kaum vergleichbare Technologie in gewachsene Strukturen, Rollenbilder und Routinen zu integrieren.
Dass das nicht funktionieren kann, ist mittlerweile über verschiedenste Quellen hinweg Konsens. McKinsey bringt es in seinem “AI Transformation Manifesto” auf den Punkt: Der Kern der KI-Transformation liegt nicht in der Einführung von Werkzeugen, sondern in der Neugestaltung von Geschäftsprozessen, Produkten und der Organisation selbst – mit KI als Prämisse, nicht als Zusatz.
Eine treffende Beobachtung aus der Beraterpraxis bringt es noch pointierter auf den Punkt: Was in vielen Unternehmen derzeit als “Transformation” firmiert, sei in Wahrheit nur Beschaffung. Technologieprojekte, so das Fazit, verändern keine Organisationen – das tun Menschen, Prozesse und Führung.
Auch die Zahlen aus der klassischen Transformationsforschung untermauern das: Untersuchungen von BCG und McKinsey zu mehreren hundert digitalen Transformationsprojekten zeigen seit Jahren Erfolgsquoten von teils nur 4 bis 30 Prozent – und das, bevor KI überhaupt eine Rolle spielte.
Organisationen, die Mitarbeitende früh und in signifikantem Umfang einbinden, erzielen deutlich bessere Ergebnisse als jene, die Transformation top-down und technikzentriert angehen.
Das deckt sich mit einer eigenen Beobachtung aus der ifo-Erhebung: Wer frühzeitig Mitarbeitende einbezieht und gezielt weiterbildet, steigert die Erfolgswahrscheinlichkeit signifikant.
Warum das Dilemma zuerst ein inneres ist
An dieser Stelle lohnt der Blick auf das, was in den meisten Roll-out-Plänen fehlt: Bevor ein Mensch produktiv mit KI arbeitet, durchläuft er innerlich etwas, das sich mit Janssen’s Model® – den Four Rooms of Change nach Claes Janssen – sehr genau beschreiben lässt.
Bei Veränderungen durchlaufen wir alle unterschiedliche „Räume“ – und jeder reagiert anders. Manche flüchten sich in die Leugnung, „Das betrifft mich nicht wirklich“ und „das ist nur ein Hype“, andere freuen sich auf die Veränderung, etwa auf die Einführung von KI, und befinden sich im Raum der Inspiration.
Wieder andere sind frustriert, weil sie eigentlich gerne mitmachen würden, ihnen aber vieles noch zu unklar ist und es wächst die Unsicherheit im Raum der Verwirrung – Kompetenzgefühl, Status und berufliches Selbstverständnis geraten ins Wanken, begleitet von genau jener diffusen Angst, die eingangs beschrieben wurde.
Der Konflikt,
den kein Tool-Training löst
In Diskussion wird deutlich: Dieser innere Konflikt verläuft dabei häufig entlang einer zweiten, oft übersehenen Linie – dem Widerstreit zwischen dem, was für die eigene Arbeit unmittelbar sinnvoll erscheint, und den Bedenken gegenüber den gesellschaftlichen Veränderungen und Risiken, die mit KI einhergehen: Fake News und Desinformation, Cybersecurity-Risiken oder eine zunehmende Mensch-Maschine-Kommunikation auf Kosten des persönlichen Austauschs.
Dieser Konflikt bleibt oft unausgesprochen, wirkt aber als bewusste oder unbewusste Hemmung in der KI-Nutzung im Arbeitsalltag: Wer im Kleinen erlebt, wie nützlich ein KI-Tool ist, gleichzeitig aber im Großen skeptisch bleibt, ob diese Entwicklung der Gesellschaft insgesamt guttut, entwickelt eine Zurückhaltung, die sich selten offen äußert – und deshalb in Trainings kaum adressiert wird.
Rollenwandel: Vom Ausführenden zum Orchestrator
Explizit erwähnt werden sollte an dieser Stelle auch ein weiterer, leicht zu überlesender Punkt: der Wandel der Arbeitswelt hin zu einer Orchestrierungsrolle.
Statt Aufgaben selbst auszuführen, besteht Arbeit zunehmend darin, KI-Systeme anzuleiten, ihre Ergebnisse zu prüfen und auf dieser Basis Entscheidungen zu treffen.
Dieser Rollenwandel geht unmittelbar mit dem oben genannten inneren Konflikt einher – denn je mehr Arbeitsalltag aus Mensch-Maschine-Kommunikation statt aus persönlichem Austausch mit Kolleginnen und Kollegen besteht, desto stärker rückt die Frage nach Sinn, Zugehörigkeit und beruflichem Selbstverständnis in den Vordergrund.
Das Amodei’sche Unbehagen an der Spitze der Branche und das Zögern einer Sachbearbeiterin vor dem ersten Copilot-Prompt sind im Kern dieselbe Bewegung durch dieselben vier Räume – nur auf unterschiedlichen Bühnen.
Ein Modul, das Werkzeuge erklärt und Ängste “abholt”, überspringt den Zero Point, der individuellen Entscheidung, die Vergangenheit loszulassen.
Genau deshalb verpufft es.
Mehr als Tool-Kompetenz: Transformation im sicheren Lernraum
Es braucht stattdessen integrierte Entwicklungsprogramme für KI- und Transformationskompetenz, die diesen inneren Prozess ernst nehmen: die einen sicheren Rahmen bieten, um Kontrollverlust, Kompetenzsorgen und Statusfragen tatsächlich zu bearbeiten, statt sie mit einem Tool-Tutorial zu überdecken.
Erst wer den Zero Point bewusst durchschritten hat, entwickelt sich die Bereitschaft und das Können, KI-Anwendungen wirklich in die eigene Arbeit zu integrieren – nicht nur zu bedienen.
Die Teamebene: nicht alle betreten den Raum der Inspiration gleichzeitig
Was für den Einzelnen gilt, gilt verschärft für Teams – und genau hier wird es in der Praxis oft unterkomplex gedacht. “Wir arbeiten jetzt mit KI” klingt nach einer einheitlichen Umstellung. Tatsächlich trifft ein Team-Rollout auf so viele unterschiedliche Ausgangspunkte, wie es Teammitglieder gibt. Die eine probiert am ersten Tag zehn Prompts aus. Der nächste testet vorsichtig an einer unkritischen Aufgabe. Ein Dritter wartet erst einmal ab, beobachtet, wie es den anderen ergeht, bevor er sich überhaupt herantraut.
Claes Janssen hat dieses Phänomen empirisch fundiert: Den vier Räumen liegt ein innerer Yes/No-Konflikt zugrunde, der auf zwei grundlegend unterschiedlichen Sichtweisen auf das Leben beruht. Manche Menschen brauchen mehr Stabilität, Sicherheit und Zugehörigkeit – sie bewegen sich vorsichtiger durch Veränderung und suchen zuerst Orientierung, bevor sie handeln. Andere sind stärker von einem Drang nach Freiheit und dem eigenen Anspruch, “das Richtige zu tun”, geprägt – sie preschen eher voran und probieren aus. Beides sind keine besseren oder schlechteren Haltungen, sondern unterschiedliche, gleichermaßen legitime Weisen, mit Wandel umzugehen.
Genau das erklärt, warum in ein und demselben Team, konfrontiert mit derselben KI-Anwendung, zur selben Zeit völlig unterschiedliche Reaktionen sichtbar werden – und warum es wenig hilft, alle über einen Kamm zu scheren oder die Zurückhaltenden pauschal als Bremser zu behandeln.
Teamentwicklung im KI-Kontext bedeutet deshalb, diese Unterschiedlichkeit sichtbar und besprechbar zu machen: eine Art Landkarte, wer im Team gerade in welchem Raum steht und mit welcher Grundhaltung an die Veränderung herangeht.
Erst darauf aufbauend lässt sich echte Zusammenarbeit mit KI gestalten – bei der die Ausprobierenden ihre Erfahrungen einbringen, ohne die Abwartenden unter Druck zu setzen, und bei der die Abwartenden ihre berechtigte Vorsicht einbringen können, ohne als Verweigerer zu gelten.
Von der Gießkanne zur bewussten Auswahl
Auf Unternehmensebene braucht es eine ebenso grundlegende Kurskorrektur. Der bisherige Reflex – Zugänge für alle, Schulungen für alle, in der Hoffnung, dass sich aus der Breite schon irgendwo Wirkung ergibt – ist genau die Gießkannen-Logik, die hinter den eingangs genannten 93 Prozent Technologieinvestition und den 95 Prozent wirkungslosen Pilotprojekten steckt. Viele Werkzeuge, verteilt an viele Menschen, ohne dass irgendwo eine kritische Masse entsteht, die einen Prozess wirklich neu denkt.
Der Gegenentwurf ist die bewusste Auswahl: Statt zehn beliebigen Use Cases in zehn Abteilungen ein bisschen Aufmerksamkeit zu geben, wenige Use Cases zu identifizieren, die einen echten Hebel darstellen – und diese dann konsequent team- und, wo sinnvoll, bereichsübergreifend auszurollen, mit der gleichen Ernsthaftigkeit, die man einem strategischen Projekt widmen würde.
Das deckt sich mit dem, was die Transformationsforschung seit Jahren zeigt: Nicht die Zahl der verteilten Lizenzen entscheidet über Erfolg, sondern die Konsequenz, mit der ein ausgewählter Anwendungsfall bis in den echten Arbeitsalltag hinein begleitet wird – fachlich, organisatorisch und menschlich.
Drei Antworten auf ein Dilemma:
Was jetzt zu tun ist
Damit schließt sich der Kreis auf drei Ebenen und sollte in Entwicklungsprogramme integriert bearbeitet werden.
- Auf individueller Ebene braucht das Durchschreiten der vier Räume – bis zum Zero Point – tatsächlich „ermöglichen“, statt es zu überspringen. Kein Tool-Tutorial, sondern echte Auseinandersetzung mit der Frage, was von der eigenen Rolle bleibt – und was neu entsteht.
- Auf Teamebene braucht es die Bereitschaft, den Yes/No-Konflikt und die unterschiedlichen Tempi der Einzelnen als legitim anzuerkennen, statt Einheitlichkeit zu erzwingen. Die Unterschiedlichkeit und Kompetenzen zu nutzen. Wer sichtbar macht, wer im Team gerade wo steht, schafft die Grundlage für echte Zusammenarbeit statt für Druck in die eine oder andere Richtung.
- Und auf Unternehmensebene braucht es den Mut, ihre Organisation zu befähigen die Transformation mit KI zu gestalten – mit den Menschen. Weg von der Gießkanne zur sinnvollen Anwendung. Wenige Anwendungsfälle mit echtem Hebel, konsequent begleitet – fachlich, organisatorisch und menschlich – statt vieler Lizenzen ohne Wirkung.
Die Geschwindigkeit der Technologie werden wir nicht drosseln können, und auch nicht, dass sie Aufgaben übernimmt, die bisher unsere waren.
Aber wie wir mit dieser Verschiebung umgehen, wie bewusst wir KI mitgestalten, statt uns ihr nur auszuliefern, und wie ernst wir die menschliche Seite dieser Bewegung nehmen – das lässt sich gezielt entwickeln.
Genau darin liegt der Unterschied zwischen Unternehmen, die ihre Menschen in ihrer Organisation befähigen, und denen, die KI als Technologie sehen und weiter Pilotprojekte sammeln.
5 Reflexionsfragen
zur eigenen KI-Transformation
- Wo stehe ich gerade? Zufriedenheit, Leugnung, Verwirrung oder Inspiration – in welchem der vier Räume bewege ich mich bei KI aktuell, und woran merke ich das?
- Was steckt hinter meiner Zurückhaltung? Ist es Kompetenzsorge, Statusfrage – oder eher die Sorge vor gesellschaftlichen Folgen (Fake News, Cybersecurity, weniger persönlicher Austausch)? Beides braucht eine andere Antwort.
- Wie verändert sich meine Rolle wirklich? Orchestriere ich zunehmend KI-Ergebnisse, statt Aufgaben selbst auszuführen – und was bedeutet das für mein Selbstverständnis?
- Wo stehen die anderen in meinem Team? Wer prescht vor, wer wartet ab – und behandle ich Zurückhaltung vorschnell als Verweigerung?
- Investieren wir ins Werkzeug oder in die Menschen? Wie sieht bei uns das Verhältnis zwischen Technologie-Budget und Zeit für echte Auseinandersetzung aus – eher 93:7 oder bewusster verteilt?
Weitere Infos
Autorin & Ansprechpartnerin
Dr. Angelika Schrand ist Geschäftsführerin der CONTUR. Mit ihrer weitreichenden HR- und Changemanagement Expertise aus Tätigkeiten in verschiedenen Branchen und Unternehmensgrößen nimmt das Thema Veränderungen und Transformation einen besonderen Stellenwert bei ihr ein.
Als Beraterin in Veränderungsprozessen nutzt sie vielfach Janssens Model® und ist von dessen Wirkung so überzeugt, dass sie Certified Global Program Leader ist und für die CONTUR die exklusive Partnerschaft für Deutschland und China erwarb.
Dr. Angelika Schrand ist gemeinsam mit Anna Wilson Autorin des Buches: „The Four Rooms of Change – The Changing Formula“.
FAQ’s
KI-Transformation
KI-Transformation bezeichnet den grundlegenden Wandel, den Künstliche Intelligenz in Organisationen auslöst – auf drei Ebenen gleichzeitig: individuell (Rollenverständnis, Kompetenzgefühl), im Team (unterschiedliche Veränderungstempi) und im Unternehmen (Prozesse, Strukturen, Investitionslogik). Anders als reine Tool-Einführung erfordert sie einen echten kulturellen und psychologischen Wandel.
Studien von MIT Media Lab und RAND zeigen, dass 80-95 Prozent der KI-Pilotprojekte keine messbaren wirtschaftlichen Effekte erzielen. Der Hauptgrund: Im Schnitt fließen rund 93 Prozent der Investitionen in Technologie und nur 7 Prozent in Menschen, Arbeitsabläufe und kulturellen Wandel. Tools werden verteilt, aber die Art der Zusammenarbeit bleibt unverändert.
Ein von Claes Janssen entwickeltes Modell, das vier psychologische „Räume“ beschreibt, die Menschen bei Veränderungen durchlaufen: Zufriedenheit, Leugnung, Verwirrung und Inspiration. Der Übergang erfolgt über den sogenannten „Zero Point“ – die bewusste Entscheidung, Altes loszulassen. Im Kontext von KI-Einführung hilft das Modell zu verstehen, warum reine Tool-Trainings oft wirkungslos bleiben.
Weil es den psychologischen Prozess überspringt, den Menschen vor einer echten Verhaltensänderung durchlaufen müssen. Ein Training, das nur Funktionen erklärt und Ängste „abholt“, adressiert nicht den inneren Konflikt zwischen Kompetenzverlust und Gestaltungsmöglichkeit – und verpufft deshalb häufig wirkungslos.
Statt Lizenzen breit zu verteilen („Gießkannen-Prinzip“), empfiehlt sich die bewusste Auswahl weniger Use Cases mit echtem Hebel, die konsequent und mit Ernsthaftigkeit ausgerollt werden – begleitet von Entwicklungsformaten, die den individuellen und teambezogenen Veränderungsprozess ernst nehmen statt zu überspringen.
Laut Janssen liegt dem ein grundlegender Yes/No-Konflikt zugrunde: Manche Menschen suchen zuerst Sicherheit und Orientierung, andere handeln aus Freiheitsdrang heraus und probieren voran. Beide Haltungen sind legitim – Teams sollten diese Unterschiedlichkeit sichtbar machen statt sie zu nivellieren.
KI-Transformation bezeichnet den grundlegenden Wandel, den Künstliche Intelligenz in Organisationen auslöst – auf drei Ebenen gleichzeitig: individuell (Rollenverständnis, Kompetenzgefühl), im Team (unterschiedliche Veränderungstempi) und im Unternehmen (Prozesse, Strukturen, Investitionslogik). Anders als reine Tool-Einführung erfordert sie einen echten kulturellen und psychologischen Wandel.
Studien von MIT Media Lab und RAND zeigen, dass 80-95 Prozent der KI-Pilotprojekte keine messbaren wirtschaftlichen Effekte erzielen. Der Hauptgrund: Im Schnitt fließen rund 93 Prozent der Investitionen in Technologie und nur 7 Prozent in Menschen, Arbeitsabläufe und kulturellen Wandel. Tools werden verteilt, aber die Art der Zusammenarbeit bleibt unverändert.
Ein von Claes Janssen entwickeltes Modell, das vier psychologische „Räume“ beschreibt, die Menschen bei Veränderungen durchlaufen: Zufriedenheit, Leugnung, Verwirrung und Inspiration. Der Übergang erfolgt über den sogenannten „Zero Point“ – die bewusste Entscheidung, Altes loszulassen. Im Kontext von KI-Einführung hilft das Modell zu verstehen, warum reine Tool-Trainings oft wirkungslos bleiben.
Weil es den psychologischen Prozess überspringt, den Menschen vor einer echten Verhaltensänderung durchlaufen müssen. Ein Training, das nur Funktionen erklärt und Ängste „abholt“, adressiert nicht den inneren Konflikt zwischen Kompetenzverlust und Gestaltungsmöglichkeit – und verpufft deshalb häufig wirkungslos.
Statt Lizenzen breit zu verteilen („Gießkannen-Prinzip“), empfiehlt sich die bewusste Auswahl weniger Use Cases mit echtem Hebel, die konsequent und mit Ernsthaftigkeit ausgerollt werden – begleitet von Entwicklungsformaten, die den individuellen und teambezogenen Veränderungsprozess ernst nehmen statt zu überspringen.
Laut Janssen liegt dem ein grundlegender Yes/No-Konflikt zugrunde: Manche Menschen suchen zuerst Sicherheit und Orientierung, andere handeln aus Freiheitsdrang heraus und probieren voran. Beide Haltungen sind legitim – Teams sollten diese Unterschiedlichkeit sichtbar machen statt sie zu nivellieren.
Quellen
Wie es sich für einen Artikel über KI-Transformation gehört: KI hat uns beim Schreiben unterstützt – Idee, Haltung und fachliche Substanz sind menschlich, von Dr. Angelika Schrand. Weitere Quellen sind:
- Dario Amodei, Essay zur “technologischen Pubertät” der KI-Entwicklung: euronews.de, t3n.de
- CEOs sehen KI als größtes Geschäftsrisiko (The Conference Board, Davos 2026): CFO Dive
- PwC 29th Global CEO Survey 2026: pwc.com
- MIT-Media-Lab-Studie zu wirkungslosen GenAI-Pilotprojekten: taz.de
- RAND Corporation (2025) / Gartner (April 2026) zu Enterprise-KI-Fehlschlägen: mybusinessfuture.com
- ifo-Erhebung Juni 2025 zu KI-Einsatz in deutschen Unternehmen: leadersnet.de
- 93/7-Verteilung von Technologie- vs. Menschen-Investition: nextfutures.substack.com
- McKinsey, “The AI transformation manifesto” (2026): mckinsey.com
- BCG/McKinsey-Erfolgsquoten digitaler Transformationen: Elmhurst University Blog
- Janssen’s Model® / Four Rooms of Change, Originalbeschreibung der vier Räume, des Zero Point und des Yes/No-Konflikts: CONTUR Four Rooms of Change, CONTUR – Abgrenzung zum “House of Change”, CONTUR – Introduction-Zertifizierung
Dazu passende Blogbeiträge
