Die Geschäftsführung ist überzeugt. Das neue KI-Tool wurde ausgewählt, Lizenzen sind verteilt, vielleicht gab es sogar eine Schulung. Und trotzdem passiert erstaunlich wenig?
Einige Mitarbeitende experimentieren begeistert mit den neuen Möglichkeiten. Andere nutzen das Tool gelegentlich. Wieder andere arbeiten weiter wie bisher. Woran liegt das?
Schnell fällt das Wort „Widerstand“. Mitarbeitende seien zu skeptisch, nicht offen genug oder hätten Schwierigkeiten mit Veränderungen. Diese Erklärung entspricht jedoch selten der Realität. Wenn Menschen eine neue Technologie nicht nutzen, bedeutet das nicht automatisch, dass sie sich gegen Veränderung wehren. Manchmal gibt es gute Gründe dafür. Gerade bei der Einführung künstlicher Intelligenz lohnt es sich deshalb, genauer hinzusehen.
KI-Nutzung, Akzeptanz und Widerstand: Warum die Unterscheidung wichtig ist
Wenn ein Unternehmen KI einführt, wird der Erfolg häufig daran gemessen, wie viele Mitarbeitende die neuen Anwendungen tatsächlich nutzen. Doch die reine Nutzungshäufigkeit erzählt nur einen Teil der Geschichte.
Eine Person kann KI grundsätzlich positiv bewerten, sie aber kaum verwenden, weil das Tool nicht zu ihren Aufgaben passt oder die notwendige Zeit fehlt. Umgekehrt kann jemand KI regelmäßig nutzen, obwohl er der Technologie skeptisch gegenübersteht, beispielsweise, weil die Nutzung vorgeschrieben ist.
Und manchmal entscheiden sich Mitarbeitende bewusst gegen eine Anwendung, weil die Ergebnisse unzuverlässig sind oder Risiken nicht ausreichend geklärt wurden.
Es ist daher wichtig, drei Aspekte zu unterscheiden:
Nichtnutzung: Eine KI-Anwendung wird selten oder gar nicht verwendet. Die Ursache ist zunächst unbekannt.
Geringe Akzeptanz: Mitarbeitende nehmen beispielsweise keinen ausreichenden Nutzen wahr, haben Vorbehalte oder beabsichtigen nicht, die Technologie einzusetzen.
Widerstand: Mitarbeitende lehnen eine geplante Veränderung aktiv ab, hinterfragen sie oder versuchen, ihre Umsetzung zu verhindern.
Diese Phänomene können zusammenhängen, sind aber nicht gleichbedeutend.
Die Forschung zur Technologieakzeptanz beschäftigt sich seit Jahrzehnten mit der Frage, warum Menschen Technologien annehmen oder ablehnen. Im Technology Acceptance Model (TAM) beschreibt Davis (1989) insbesondere den wahrgenommenen Nutzen und die wahrgenommene Benutzerfreundlichkeit als wichtige Einflussfaktoren. Das spätere UTAUT-Modell von Venkatesh und Kollegen (2003) berücksichtigt zusätzlich unter anderem soziale Einflüsse und unterstützende Rahmenbedingungen.
Für Unternehmen ergibt sich daraus eine wichtige Konsequenz: Bevor wir versuchen, Widerstand zu überwinden, sollten wir zunächst verstehen, warum KI tatsächlich nicht genutzt wird.
7 Gründe, warum Mitarbeitende KI nicht nutzen
Grund #1: Der konkrete Nutzen ist nicht erkennbar
Eine neue Technologie wird selten allein deshalb genutzt, weil die Geschäftsführung sie für wichtig hält. Entscheidend ist, ob Mitarbeitende einen Mehrwert für ihre eigene Arbeit erkennen. Wenn KI zusätzliche Schritte verursacht, umständlich zu bedienen ist oder keine spürbare Entlastung bringt, gibt es wenig Anlass, bestehende Arbeitsweisen zu verändern.
Deshalb sollte die Einführung neuer Technologie mit der Frage beginnen: Welche konkreten Aufgaben oder Probleme möchten wir dadurch verbessern?
Grund #2: Mitarbeitende wissen nicht, wie sie KI sinnvoll einsetzen können
Zwischen einem grundsätzlichen Verständnis von KI und ihrer produktiven Anwendung im Arbeitsalltag liegt ein erheblicher Unterschied. Eine allgemeine Schulung vermittelt vielleicht, wie ein Sprachmodell funktioniert. Sie beantwortet jedoch nicht automatisch, wie Mitarbeitende damit Angebote vorbereiten, Informationen auswerten oder Arbeitsprozesse verbessern können. Hinzu kommt, dass unterschiedliche Tätigkeiten unterschiedliche Kompetenzen erfordern. Eine Person, die KI für die Ideenfindung verwendet, benötigt andere Kenntnisse als jemand, der KI-generierte Analysen überprüft oder automatisierte Prozesse verantwortet.
Wirksame Qualifizierung sollte deshalb an konkreten Aufgaben ansetzen und nicht bei allgemeinen Tool-Funktionen enden.
Grund #3: Es fehlt an Zeit und Raum zum Ausprobieren
Neue Arbeitsweisen entstehen nicht von heute auf morgen. Menschen müssen ausprobieren, Erfahrungen sammeln, Fehler erkennen und ihre Vorgehensweise anpassen. Wenn der Arbeitsalltag vollständig ausgelastet ist, bleibt dafür kaum Raum. Das kann zu einem paradoxen Effekt führen: Eine Technologie soll langfristig Zeit sparen, doch für ihre Einführung wird keine Zeit bereitgestellt. Unternehmen sollten deshalb bewusst Lern- und Experimentiermöglichkeiten schaffen. Dazu gehört auch, dass erste Versuche nicht sofort denselben Effizienzansprüchen genügen müssen wie etablierte Prozesse. Sicherheits- und Datenschutzanforderungen bleiben dabei selbstverständlich bestehen.
Grund #4: Die Ergebnisse der KI werden nicht als zuverlässig wahrgenommen
KI kann überzeugende Antworten liefern, die fachlich unvollständig oder falsch sind. Mitarbeitende, die solche Erfahrungen machen, entwickeln möglicherweise Skepsis gegenüber der Technologie. Das ist nicht grundsätzlich problematisch. Kritisches Prüfen ist bei KI-generierten Ergebnissen sogar notwendig. Problematisch wird es, wenn diese Skepsis dazu führt, dass sinnvolle Anwendungen grundsätzlich abgelehnt werden oder wenn umgekehrt Ergebnisse ungeprüft übernommen werden. Beides kann die Qualität der Arbeit beeinträchtigen.
Unternehmen benötigen deshalb nicht nur Anwendungskompetenz, sondern auch die Fähigkeit, KI-Ergebnisse angemessen zu beurteilen. Dazu gehören Fachwissen, kritisches Denken und klare Regeln dafür, wann menschliche Kontrolle erforderlich ist.
Grund #5: Die Auswirkungen auf die eigene Rolle sind unklar
KI verändert nicht nur die Art, wie Aufgaben erledigt werden. Sie kann auch die Bedeutung einzelner Tätigkeiten und Kompetenzen infrage stellen. Wenn Aufgaben automatisiert werden können, entstehen naheliegende Fragen: Welche Tätigkeiten übernehme ich künftig? Welche Kompetenzen werden weiterhin gebraucht? Wird mein Wissen an Bedeutung verlieren? Welche Auswirkungen hat das auf meine berufliche Zukunft?
Solche Fragen sollten nicht vorschnell als irrationaler Widerstand abgetan werden. Veränderung betrifft nicht nur Prozesse, sondern auch Selbstverständnis, berufliche Identität und das Bedürfnis nach Sicherheit und Orientierung.
Wer Akzeptanz schaffen möchte, muss deshalb auch darüber sprechen, was die Einführung der Technologie für die betroffenen Menschen bedeutet.
Grund #6: Führungskräfte schaffen keine ausreichende Orientierung
Führungskräfte spielen eine wichtige Rolle bei der Einführung neuer Technologien. Sie beeinflussen, welche Erwartungen vermittelt werden, wie offen über Unsicherheiten gesprochen wird und ob Mitarbeitende neue Arbeitsweisen ausprobieren können. Wenn die Geschäftsführung KI als strategische Priorität kommuniziert, die unmittelbaren Führungskräfte jedoch weiterhin ausschließlich etablierte Arbeitsweisen einfordern, entstehen widersprüchliche Signale. Ähnlich problematisch ist es, wenn Führungskräfte selbst nicht wissen, welche Anwendungen sinnvoll, zulässig oder erwünscht sind.
Führung bedeutet in diesem Zusammenhang nicht, jede technische Frage beantworten zu können. Es geht vielmehr darum, Orientierung zu geben, Lernen zu ermöglichen und gemeinsam mit dem Team geeignete Anwendungsfälle zu entwickeln.
Grund #7: KI wird eingeführt, ohne bestehende Prozesse zu hinterfragen
Ein Tool kann technisch funktionieren und trotzdem schlecht zur bestehenden Arbeitsweise passen. Vielleicht müssen Informationen mehrfach eingegeben werden. Vielleicht werden Ergebnisse erzeugt, die niemand benötigt. Oder die durch KI eingesparte Zeit geht anschließend in zusätzlichen Abstimmungen verloren. Das Problem liegt dann nicht unbedingt bei den Mitarbeitenden oder der Technologie, sondern bei ihrer Integration in die Organisation.
KI in einen bestehenden Prozess einzubauen, bedeutet noch nicht, diesen Prozess sinnvoll verbessert zu haben.
Manchmal ist es deshalb notwendig, zunächst Aufgaben, Verantwortlichkeiten und Abläufe zu überprüfen, bevor weitere KI-Anwendungen eingeführt werden.
KI-Akzeptanz verstehen: Eine einfache Diagnose-Matrix
Nicht jede Form geringer KI-Nutzung erfordert dieselbe Maßnahme. Um unterschiedliche Ausgangssituationen besser einzuordnen, können Unternehmen zwei Fragen miteinander kombinieren:
Wahrgenommener Nutzen: Erkennen Mitarbeitende einen konkreten Mehrwert der KI für ihre Arbeit?
Anwendungsmöglichkeiten: Haben sie die notwendigen Kompetenzen, Ressourcen, Zugänge und organisatorischen Voraussetzungen, um KI sinnvoll einzusetzen?
Daraus ergeben sich vier typische Konstellationen:
Situation 1: Hoher Nutzen, gute Anwendungsmöglichkeiten
Mitarbeitende erkennen den Mehrwert und verfügen über die notwendigen Voraussetzungen zur Nutzung. Hier geht es vor allem darum, erfolgreiche Anwendungen weiterzuentwickeln, Erfahrungen auszutauschen und deren tatsächlichen Nutzen zu überprüfen. Eine hohe Akzeptanz bedeutet allerdings nicht automatisch, dass die Ergebnisse qualitativ gut oder wirtschaftlich sinnvoll sind.
Situation 2: Hoher Nutzen, eingeschränkte Anwendungsmöglichkeiten
Mitarbeitende würden KI gerne einsetzen, werden aber durch fehlende Zeit, unzureichende Kompetenzen, technische Einschränkungen oder unklare Regeln daran gehindert. Zusätzliche Überzeugungsarbeit wäre hier fehl am Platz. Stattdessen sollten Unternehmen die konkreten Hindernisse beseitigen, passende Lernangebote schaffen und organisatorische Voraussetzungen verbessern.
Situation 3: Geringer Nutzen, gute Anwendungsmöglichkeiten
Die technischen und organisatorischen Voraussetzungen sind vorhanden, doch Mitarbeitende erkennen keinen ausreichenden Mehrwert. Hier sollte zunächst untersucht werden, ob die gewählten Anwendungen tatsächlich relevante Probleme lösen. Möglicherweise fehlen passende Anwendungsfälle, die Ergebnisse sind unzureichend oder die bestehenden Arbeitsweisen funktionieren bereits besser. Die richtige Reaktion ist nicht zwingend mehr Kommunikation. Manchmal ist es sinnvoller, die Anwendung zu verändern oder ganz darauf zu verzichten.
Situation 4: Geringer Nutzen, eingeschränkte Anwendungsmöglichkeiten
Mitarbeitende erkennen weder einen ausreichenden Nutzen noch verfügen sie über geeignete Voraussetzungen. Hier wäre es wenig sinnvoll, die Nutzung einfach stärker einzufordern. Stattdessen sollte die Organisation grundsätzlicher ansetzen: Welche Probleme sollen gelöst werden? Ist KI dafür überhaupt die passende Lösung? Was müsste sich an Aufgaben, Prozessen oder Rahmenbedingungen ändern? Erst danach lässt sich beurteilen, ob und wie eine Einführung sinnvoll ist.
Wie können Unternehmen die KI-Akzeptanz verbessern?
Statt auf eine allgemeine Akzeptanzkampagne zu setzen, empfiehlt es sich, die konkreten Hürden im eigenen Unternehmen systematisch zu untersuchen.
Schritt #1: Die Ausgangssituation diagnostizieren
Bevor zusätzliche Schulungen oder Kommunikationsmaßnahmen geplant werden, sollte geklärt werden, welche Ursachen tatsächlich vorliegen. Dafür eignen sich beispielsweise kurze Mitarbeiterbefragungen, Interviews oder gemeinsame Reflexionsrunden.
Hilfreiche Fragen sind:
Ich erkenne konkrete Aufgaben, bei denen KI meine Arbeit verbessern könnte.
Ich weiß, wie ich KI sinnvoll für meine Aufgaben einsetzen kann.
Ich habe ausreichend Zeit, neue KI-Anwendungen auszuprobieren.
Die verfügbaren KI-Anwendungen passen zu meinen Arbeitsabläufen.
Ich weiß, welche KI-Anwendungen im Unternehmen erlaubt sind.
Die Antworten liefern erste Hinweise darauf, ob vor allem der wahrgenommene Nutzen oder die Anwendungsvoraussetzungen verbessert werden müssen.
Schritt #2: Mitarbeitende frühzeitig einbeziehen
Menschen, die täglich mit bestimmten Prozessen arbeiten, kennen deren Schwierigkeiten häufig besonders gut. Dieses Wissen ist wertvoll, wenn geeignete KI-Anwendungsfälle identifiziert werden sollen. Statt Lösungen ausschließlich von oben vorzugeben, können Unternehmen Mitarbeitende daran beteiligen, relevante Probleme zu identifizieren, Anwendungsmöglichkeiten zu bewerten und neue Arbeitsweisen zu erproben.
Auch OECD-Untersuchungen zu KI am Arbeitsplatz zeigen einen positiven Zusammenhang zwischen der Beteiligung von Beschäftigten beziehungsweise Schulungen und besseren Ergebnissen für Mitarbeitende (Lane, Williams & Broecke, 2023).
Das bedeutet nicht, dass Beteiligung allein eine erfolgreiche KI-Einführung garantiert. Sie ist jedoch ein wichtiger Bestandteil einer menschenorientierten Implementierung.
Schritt #3: Mit konkreten Anwendungsfällen beginnen
Nicht jede Aufgabe eignet sich gleichermaßen für KI. Für erste Experimente sind häufig Anwendungen sinnvoll, deren Nutzen gut erkennbar ist und deren Risiken beherrschbar bleiben. Dazu können beispielsweise die Strukturierung von Informationen, die Vorbereitung interner Dokumente oder die Unterstützung bei wiederkehrenden administrativen Aufgaben gehören.
Wichtig ist, nicht nur die Zeitersparnis zu betrachten. Auch Ergebnisqualität, notwendiger Prüfaufwand und Auswirkungen auf die Zusammenarbeit sollten berücksichtigt werden.
Schritt #4: Lernen und Experimentieren ermöglichen
Neue Kompetenzen entstehen nicht allein durch Präsentationen oder einmalige Schulungen. Mitarbeitende benötigen Gelegenheiten, neue Anwendungen selbst zu erproben und Erfahrungen auszutauschen.
Hilfreich können sein:
Aufgabenbezogene Lernformate
Geschützte Experimentierumgebungen
Austausch über gelungene und weniger gelungene Anwendungen
Ansprechpersonen bei fachlichen und technischen Fragen
Zeit für die Anpassung bestehender Arbeitsabläufe
Entscheidend ist, dass Lernen Teil der Arbeit wird und nicht ausschließlich zusätzlich zur eigentlichen Tätigkeit stattfinden muss.
Schritt #5: Klare Regeln und Verantwortlichkeiten schaffen
Unsicherheit entsteht auch dann, wenn Mitarbeitende nicht wissen, welche KI-Anwendungen erlaubt sind und wie sie mit deren Ergebnissen umgehen sollen. Deshalb braucht es transparente Regeln zum Datenschutz, zu zulässigen Anwendungen, zur Überprüfung von Ergebnissen und zu Verantwortlichkeiten. Solche Regeln sollten praktikabel und für die jeweiligen Aufgaben verständlich sein. Governance und Experimentierfreiraum sind dabei keine Gegensätze: Klare Grenzen können die Voraussetzungen für eigenständiges und sicheres Ausprobieren schaffen.
Schritt #6: Nicht nur die Nutzung, sondern den tatsächlichen Mehrwert bewerten
Eine hohe Anzahl an Logins oder KI-generierten Dokumenten sagt noch wenig darüber aus, ob die Einführung erfolgreich war. Unternehmen sollten vielmehr prüfen, ob sich die Arbeit tatsächlich verbessert.
Mögliche Kriterien sind:
Wie verändert sich der Zeitaufwand für bestimmte Aufgaben?
Wie zuverlässig sind die Ergebnisse?
Werden Mitarbeitende entlastet oder entstehen neue Anforderungen?
Wo schafft KI einen nachweisbaren Mehrwert und unter welchen Bedingungen?
Häufige Fragen zur KI-Einführung
Wie kann ich KI im Unternehmen ohne Widerstand einführen?
Widerstand lässt sich nicht vollständig vermeiden, und das sollte auch nicht das Ziel sein. Entscheidend ist, die Ursachen von Bedenken zu verstehen, Mitarbeitende frühzeitig einzubeziehen, konkrete Anwendungsmöglichkeiten zu entwickeln und die notwendigen Rahmenbedingungen zu schaffen.
Warum nutzen Mitarbeitende bereitgestellte KI-Tools nicht?
Mögliche Ursachen sind fehlender Nutzen, mangelnde Kompetenzen, ungeeignete Arbeitsabläufe, fehlende Zeit, Unsicherheit bezüglich der Ergebnisse oder Sorgen über Veränderungen der eigenen Tätigkeit. Welche Faktoren ausschlaggebend sind, muss im jeweiligen Unternehmen untersucht werden.
Bedeutet geringe KI-Nutzung automatisch geringe Akzeptanz?
Nein. Mitarbeitende können KI positiv bewerten und sie dennoch nicht verwenden, wenn beispielsweise geeignete Anwendungsfälle, Zeit oder technische Voraussetzungen fehlen. Umgekehrt kann regelmäßige Nutzung auch durch organisatorische Vorgaben entstehen.
Wie kann man die KI-Akzeptanz von Mitarbeitenden messen?
Eine Mitarbeiterbefragung kann beispielsweise den wahrgenommenen Nutzen, die Benutzerfreundlichkeit, das Vertrauen in KI-Ergebnisse, die vorhandenen Kompetenzen und die verfügbaren Lernmöglichkeiten erfassen.
Ergänzend sollten tatsächliche Nutzungsmuster und konkrete Arbeitsergebnisse betrachtet werden. Akzeptanz und tatsächliche Nutzung sind dabei nicht dasselbe.
Was ist wichtiger: KI-Schulungen oder Change Management?
Beides erfüllt unterschiedliche Aufgaben. Schulungen können fehlende Kompetenzen adressieren. Change Management betrachtet zusätzlich Führung, Kommunikation, Beteiligung und organisatorische Rahmenbedingungen.nWelche Maßnahmen notwendig sind, hängt davon ab, worin die tatsächlichen Einführungshürden liegen.
Erfolgreiche KI-Einführung beginnt nicht beim Tool
Wenn Mitarbeitende KI nicht nutzen, liegt die Lösung nicht automatisch in mehr Überzeugungsarbeit oder einer weiteren Schulung. Vielleicht fehlt ein erkennbarer Mehrwert. Vielleicht sind Verantwortlichkeiten unklar. Vielleicht passen die neuen Anwendungen nicht zu bestehenden Prozessen oder es fehlt schlicht die Zeit, neue Arbeitsweisen zu entwickeln. Und manchmal ist die Entscheidung, eine bestimmte KI-Anwendung nicht einzusetzen, durchaus begründet.
Wer KI nachhaltig integrieren möchte, sollte deshalb nicht nur die Technologie betrachten, sondern auch die Menschen, Aufgaben und organisationalen Bedingungen.
Es ist unerheblich, ob KI eingeführt wurde, sondern ob sie die Arbeit tatsächlich verbessert.
Bei Truelutions betrachten wir KI-Einführung als Teil organisationaler Veränderung. Wir unterstützen Unternehmen dabei, Einführungshürden zu verstehen und Bedingungen zu schaffen, unter denen neue Technologien sinnvoll in die tägliche Arbeit integriert werden können.
Ihr möchtet herausfinden, warum die KI-Einführung in eurem Unternehmen nicht wie erwartet vorankommt? Lasst uns darüber sprechen!
Wissenschaftliche Referenzen
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540
Lane, M., Williams, M., & Broecke, S. (2023). The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers. OECD Social, Employment and Migration Working Papers, No. 288. https://doi.org/10.1787/ea0a0fe1-en
