AI-Tools in die eigenen Value Streams zu integrieren, kann wie eine unüberwindbare Aufgabe wirken. Die Breite an Möglichkeiten wie AI eingesetzt werden kann und die vielen Anbieter die bereits Lösungen anbieten können Entscheider*innen überfordern. Organisationen brauchen einen Plan, wie sie erfolgreich die richtigen AI-Tools identifizieren und sie sinnvoll nutzen können. Angelehnt an Kotters 8-Schritt Change Model haben wir die nötigen Schritte zur Adoption von AI hier zusammengefasst:

Zunächst sollte man eine Vision kommunizieren, wie in der Zukunft AI die Mitarbeiter*innen nicht ersetzen wird, sondern ihnen helfen wird, effizienter zu arbeiten und ihnen sogar die lästigsten Aufgaben abnehmen kann. Gleichzeitig sollte deutlich gemacht werden, dass die Einführung von künstlicher Intelligenz notwendig ist, um wettbewerbsfähig zu bleiben. Auch wenn AI die Mitarbeiter*innen nicht direkt ersetzen wird, könnten ganze Firmen ersetzt werden, wenn sie weniger produktiv arbeiten als ihre Konkurrenz. Dabei besteht die Konkurrenz sowohl aus Unternehmen, die künstliche Intelligenz erfolgreich in ihrem vertikalen Value Stream eingeführt haben sowie führende AI-Firmen, die horizontal andere Märkte angreifen.

Durch die Komplexität der Möglichkeiten, die AI bietet, ist es wichtig Mitarbeiter*innen aus diversen Bereichen zusammenzubringen, damit sie gemeinsam diverse Ideen entwickeln können, wie AI die Organisation insgesamt stärken kann. Es sollten interne Teams zusammengestellt werden, mit „Early Adopter“ Mitarbeiter*innen, die Veränderungen gegenüber offen sind sowie Mitarbeiter*innen oder externen Expert*innen, die die Möglichkeiten und Grenzen von AI verstehen. In einem offenen Umfeld können kleine Gruppen gemeinsam testen, wie die Produktivität der Value Streams des Unternehmens durch AI-Tools erhöht werden kann. Das Ziel ist es, interne Anwendungsfälle für AI zu finden, bei denen eine Steigerung der Produktivität möglich ist.

Besonders gut kann AI in der Automatisierung repetitiver Aufgaben oder kleiner Entscheidungen eingesetzt werden. Solche Arbeiten müssen intern identifiziert und definiert werden. Hierfür bietet es sich an, einen AI-Workshop zu organisieren, in dem auch Außenstehende auf die Aufgaben der verschiedenen Rollen im Unternehmen schauen. Mit mehr Abstand zum Tagesgeschäft lassen sich meistens die Potenziale besser erkennen. Die Identifizierung der besten Use Cases und die Priorisierung anhand von möglicher Produktivitätssteigerung und Schwierigkeit der Implementierung kann mithilfe einer BCG-Matrix erfolgen.

Danach kann ein geeignetes Tool gesucht werden, das die spezifischen, repetitiven Aufgaben erfüllen kann oder die kleinen Entscheidungen treffen kann. Bei der Adaption eines solchen Tools ist eine Optimierung des AI-Tools für den internen Gebrauch entscheidend, um die Akzeptanz bei den Mitarbeiter*innen zu erhöhen. Hier können Expert*innen wie die der nexum unterstützen und die Implementierung für den spezifischen Use Case beschleunigen.
Für jede Anwendung von künstlicher Intelligenz sollte ein experimentelles Team von etwa drei Personen gebildet werden, das ein Minimum Viable Product (MVP) implementiert, indem mit geringstem Aufwand ein Nutzen aus dem AI-Tool gezogen wird. Das Team legt KPIs, die die Produktivitätssteigerung messen, und ein Zeitrahmen zur Erreichung des Ziels fest. Nach Ablauf der Frist sollten die Ergebnisse verglichen werden und mit allen Stakeholdern die nächsten Schritte besprochen werden. Das Ergebnis dieser Diskussion ist dann, dass die Implementierung des Tools fortgesetzt, neu ausgerichtet oder abgebrochen wird, falls es sich für den Use Case als ungeeignet herausstellt.

Um Nutzen aus den Versuchen der experimentellen Teams zu erzeugen, sollten Unternehmen die erfolgreichsten Use Cases auswählen und sie in einem Value Stream, Bereich oder einer Gruppe von Mitarbeiter*innen als Standard implementieren. Dabei ist es wichtig, einen Change Manager zu ernennen, der für die Beantwortung aller Fragen zum neuen Prozess verantwortlich ist und den Mitarbeiter*innen bei der Einarbeitung mit dem Tool hilft und die Umsetzung des neuen Standards verfolgt.
Es ist auch ratsam, klare Richtlinien für die Verwendung von AI in dem jeweiligen Use Case festzulegen und ein Ziel zu definieren, wie die Nutzung von AI die Produktivität erhöhen wird. Nach einer Lernphase sollten die Produktivitätszuwächse bei verschiedenen Mitarbeiter*innen verglichen werden.
In dieser Phase werden Unternehmen auch auf Hindernisse in der breiten Implementierung stoßen, die entweder von den Mitarbeiter*innen, die mit dem Tool arbeiten, direkt gemeldet werden oder an einem niedrigeren Produktivitätszuwachs erkannt werden können. Damit die Erneuerung der Prozesse im Value Stream nicht an solchen Hindernissen scheitert, müssen die gefundenen Hindernisse wieder an das/die experimentelle(n) Team(s) zurückgegeben werden. Sie werden dann damit beauftragt, MVP Prozess zu wiederholen, um für dieses Hindernis eine möglichst einfach zu implementierende Lösung zu finden.

Um die Akzeptanz von AI in der Unternehmenskultur zu verankern, muss es den Mitarbeiter*innen dienen und deren Zustimmung gewinnen. Wenn es ihre Arbeit erleichtert und sie sich produktiver fühlen, führt dies zu einer offenen Kultur, in der Veränderungen angenommen werden. Wenn sich die Mitarbeiter*innen durch die Einführung von AI-Tools bedroht fühlen, werden sie sich gegen ihre Einführung aktiv und passiv wehren.
Das Ziel sollte sein, die Mitarbeiter*innen zu inspirieren und zu befähigen, indem man in der Organisation die Produktivitätssteigerung und den Erfolg transparent macht. Das Feedback der Nutzer*innen dieser Tools muss ernst genommen und auf die Bedürfnisse aller Stakeholder eingegangen werden. Change Manager müssen die eingeführten Veränderungen verfolgen und sicherstellen, dass die Mitarbeiter*innen nicht zu alten Arbeitsgewohnheiten zurückkehren.