Worum es geht
Viele Umfragen unter Beschäftigten fragen, wie bereit die Menschen für KI sind, und melden eine einzige Zahl. Stellen Sie stattdessen zwei Gruppen von Fragen: was Menschen bereit macht und was sie zurückhält. Berichten Sie beide Ergebnisse nebeneinander und fassen Sie sie nie zu einem zusammen.
Was die Evidenz zeigt
- Bereitschaft und Widerstand sind keine Gegensätze. Eine Übersicht der Forschung zu Bereitschaft und Widerstand argumentiert, dass beides getrennt ist. Ein Mensch kann bei beidem hoch liegen. Widerstand zeigt sich zudem auf zwei Arten: in dem, was Menschen denken, und in dem, was sie tun.
- Beide Reaktionen gibt es in derselben Belegschaft. In einer Umfrage, die dieselben 301 Beschäftigten dreimal befragte, wurden Menschen, die die zusätzlichen Anforderungen durch KI als Herausforderung sahen, eher bereit, KI zu nutzen. Menschen, die die Anforderungen als Hindernisse sahen, wurden ängstlich und weniger bereit.
- Eine Messung reicht nicht. Eine Übersicht über 47 Studien fand, dass Bereitschaft auf viele Arten definiert und meist nur einmal gemessen wird. Ihr Zusammenhang mit einer erfolgreichen Einführung bleibt unklar.
Ein Team mit hoher Bereitschaft und hohem Widerstand braucht etwas anderes als ein Team, das bei beidem niedrig liegt. Beim ersten müssen Sie auf die Sorgen eingehen. Das zweite braucht einen Grund, sich überhaupt dafür zu interessieren.
So gehen Sie vor
- Trennen Sie in Ihrer Umfrage unter Beschäftigten Fragen zur Bereitschaft von Fragen zu Bedenken. Für beides gibt es kurze Fragebögen. ATAI liefert mit fünf Fragen getrennte Werte für Akzeptanz und Angst.
- Fragen Sie bei den Bedenken nach konkreten Dingen: Sicherheit des Arbeitsplatzes, Verlust von Fähigkeiten, zusätzliche Arbeit, Überwachung, Qualität des Werkzeugs.
- Fragen Sie nach dem Verhalten, nicht nur nach der Meinung: Nutzen die Menschen das Werkzeug, meiden sie es oder umgehen sie es?
- Berichten Sie zwei Werte je Team, dazu die häufigsten Bedenken.
- Teilen Sie die Teams in vier Gruppen ein: hoch oder niedrig bei jedem Wert. Planen Sie für jede Gruppe eine andere Antwort.
- Messen Sie vor der Einführung und noch einmal währenddessen.
Was Sie messen
- Bereitschaft und Bedenken als zwei getrennte Werte je Team.
- Die tatsächliche Nutzung im Vergleich zur erklärten Bereitschaft.
Woran es scheitert
- Bedenken als Fehler behandeln. Manche Bedenken sind berechtigt. Die Beschäftigten haben vielleicht gesehen, dass das Werkzeug für die Aufgabe nicht passt.
- Nur Umfragen. Menschen geben Widerstand nicht immer an. Achten Sie darauf, was sie tun.
- Kein Handeln. Wer Bedenken misst und dann übergeht, verstärkt sie.
Nach Unternehmensgröße
- Mittlere Unternehmen: Eine kurze anonyme Umfrage und ein Gespräch im Team genügen.
- Gehobener Mittelstand und Großunternehmen: Ergebnisse je Team zählen mehr als der Durchschnitt des Unternehmens. Geben Sie die Ergebnisse an die direkten Führungskräfte, mit Hinweisen, was zu tun ist.
Diagnoseinstrumente für diese Praktik
Dies sind vorhandene Fragebögen, Tests und Leitfäden, die Sie nutzen können. Jede Karte nennt die Frage, die es beantwortet, wer es ausfüllt und ob Sie es frei nutzen dürfen. Alle Diagnoseinstrumente.
- Stehen die Beschäftigten hinter dieser Veränderung, und glauben sie, dass sie gelingen kann? Organizational Readiness for Implementing Change (ORIC) Beschäftigte, über ihre Organisation oder ihr Team · 12 Fragen Nicht geklärt
- Wie positiv sehen die Beschäftigten KI im Allgemeinen? AI Attitude Scale (AIAS-4) Beschäftigte, jeweils zu ihrer eigenen Sicht · 4 Fragen Frei nutzbar und anpassbar
- Welche positiven und negativen Sichtweisen auf KI haben die Beschäftigten? General Attitudes towards Artificial Intelligence Scale (GAAIS) Beschäftigte, jeweils zu ihrer eigenen Sicht · 20 Fragen, oder 10 in der Kurzfassung Frei nutzbar, vor Änderungen fragen
- Wie weit akzeptieren die Beschäftigten KI, und wie sehr fürchten sie sie? Attitude Towards Artificial Intelligence scale (ATAI) Beschäftigte, jeweils zu ihrer eigenen Sicht · 5 Fragen Frei nutzbar und anpassbar
Quellen
- Repovš, Drnovšek and Kaše (2019). Change Ready, Resistant, or Both? Exploring the Concepts of Individual Change Readiness and Resistance to Organizational Change. Economic and Business Review, 21(2). Was diese Studie untersucht und gefunden hat
- Chang, Zhang, Cai and Guo (2024). Does AI-Driven Technostress Promote or Hinder Employees’ Artificial Intelligence Adoption Intention? A Moderated Mediation Model of Affective Reactions and Technical Self-Efficacy. Psychology Research and Behavior Management, 17, 413–427. Was diese Studie untersucht und gefunden hat
- Caci, Nyantakyi, Blum, Sonpar, Schultes, Albers and Clack (2025). Organizational readiness for change: A systematic review of the healthcare literature. Implementation Research and Practice, 6. Was diese Studie untersucht und gefunden hat
Verwandte Praktiken
- Ermitteln Sie die KI-Bereitschaft aus mehreren Quellen, nicht aus der Einschätzung einer einzigen Führungskraft Ein Bereitschafts-Check, den eine einzige Person aus der Leitung ausfüllt, spiegelt deren Sicht. Fragen Sie auch Beschäftigte und Führungskräfte und vergleichen Sie die Antworten mit dem, was Sie beobachten können. Als Nächstes · Aufwand: mittel (Wochen, einige Personen)
- Schützen Sie die psychologische Sicherheit während einer KI-Einführung KI-Projekte können dazu führen, dass Beschäftigte sich nicht mehr trauen, etwas anzusprechen, und ihr Wissen nicht mehr teilen. Sagen Sie früh, was KI für die Arbeitsplätze bedeutet, und beziehen Sie die Betroffenen ein. Zuerst · Aufwand: mittel (Wochen, einige Personen)
- Behandeln Sie einen Reifegradwert nicht als Prognose Ein Wert für KI-Reifegrad oder KI-Bereitschaft beschreibt, wo Sie nach eigener Angabe stehen. Die Evidenz, dass ein höherer Wert zu besseren Ergebnissen führt, ist dünn und umstritten. Nutzen Sie ihn als Anstoß für ein Gespräch, nicht zur Vorhersage von Erträgen. Als Nächstes · Aufwand: gering (Tage, eine Person)