Das KI-Reifephasenmodell von der Haufe Akademie im Jahr 2024 publiziert und von Dr. Marcus Disselkamp entwickelt bietet zur Planung und zum Monitoring von KI-Initiativen die 6 Phasen Awareness (1), Strategie (2), Governance (3), Experiment (4), Integration (5) und Skalierung (6) an.
In den beiden Artikeln KI Einführung heißt Change Management und Mit dem Stage Gate Prinzip zur KI Implementierung habe ich Good Practices für den Einstieg in KI-Initiativen beschrieben (Unfreeze-Phase). Nun geht es in der Move-Phase mit den Phasen 3-6 um die Umsetzung der bisherigen Planung mit ersten Schritten in der Organisation. Ein wichtiger Meilenstein darin ist die Datenreife, sie bekommt unter Governance (3) einen besonderen Fokus. Am Ende der Move Phase kann ein Gate 2 als wichtiger Lessons Learned Rahmen helfen, wichtige Change Management-Erfolgsfaktoren wie Story Telling, Stärkung der KI-Community mit Champions oder auch Widerstände und noch hinderlichen Verhaltensmustern zu identifizieren. Im Gate-Format können verbindliche Vereinbarungen getroffen werden, um den Sprung vom ersten Use Case in die weitere Skalierung abzusichern.
John Kotters Leading Change Konzept ist dafür auch heute noch Top aktuell!
Daten Readyness und Story Telling
Für die Governance-Phase (3) “Rahmenbedingungen schaffen“ betont Dr. Marcus Disselkamp in seinem Whitepaper, dass
- Vor der KI-Integration die Qualität und Menge der Daten sichergestellt sein muss,
- Crossfunktionale Teams aus IT und Fachabteilung geschaffen werden sollen und
- Die Promotoren-Rollen aktiviert werden müssen (siehe auch Erfolgreiche KI Einführung durch 6 Reifephasen)
Da die Daten eine wichtige Grundlage für die weitere KI-Implementierung spielen und in vielen Unternehmen genau hier die Problematik von Unordnung und ungepflegten Rohdaten herrscht, ist in der Governance Phase (3) der richtige Zeitpunkt zur Absicherung der oben genannten Rahmenbedingungen als “Daten Readyness- + 3-fach Check“, z.B. als Meilenstein zwischen 2 Gate-Formaten oder z.B. als einzelner Gate-Termin. Wichtige Leitfragen sind hier:
Daten Readyness: Vollständig, genau, aktuell oder veraltet, unvollständig und falsch?
Geschätzter Aufwand zur Datenaufbereitung?
3-fach Check Budget/Security/Ethik: Versteckte Kosten, z.B. durch späteres fortlaufendes Training der KI oder Datenaufbereitung durch Dienstleister etc.?
Anforderungen DSGVO, EU AI Act; Risikoeinstufung?
Compliance und Datenschutz?
Erklärbare KI bei Entscheidungswegen?
Diese Liste ließe sich noch weiter fortsetzten. Können die o.g. Fragen positiv beantwortet werden, ist die Startbasis für KI solide. Jetzt ist ein guter Moment für die Promotoren die KI-Vision und die Strategie zu kommunizieren (Entsprechend John Kotter: “Using every vehicle possible to constantly communicate the new vision and strategies“) und als Vorbild zu agieren, z.B. als Führungskraft selbst KI zu nutzen etc. (Ebenso Kotter: “Having the guiding coalition role model the behavior expected of employees“). Gutes Storytelling braucht hier noch gar keine Erfolge, es geht ggf. immer noch darum, zunächst das Vorgehen und den erhofften Mehrwehrt darzustellen.
Betroffene dazu befähigen, nach der Vision zu handeln
Im Bezug auf Change Management ist das Timing entscheidend: Wichtig ist es, nicht vorzugreifen und zu viel Aktivitäten zu starten: Aus dem vorangegangenen Meilenstein “Datenreadyness- und 3-fach Check“ gilt es die entstandenen Hausaufgaben abzuarbeiten. Zusätzlich ist es nun wichtig, diejenigen Stakeholdergruppen zu vernetzen und Dialogformate anzubieten, die in der bevorstehenden Experimentierphase betroffen sind.
Laut John Kotter ist es nach der Kommunikation von Vision und Strategie nun essentiell die Betroffenen zu befähigen, im Sinne der Vision zu handeln und Widerstände aus dem Weg zu räumen (“Getting rid of obstacles, changing systems or structures that undermine the change vision, encouraging risk taking and nontraditional ideas, activities and actions“).
Kurzfristig sichtbare Erfolge planen: Einstieg in die Experimentierphase mit Pilot und Quick Wins
In der nun folgenden Phase Experiment (4) postuliert Disselkamp “klein anfangen und testen, um Erfahrungen zu sammeln und die KI-Aktivitäten iterativ weiterzuentwickeln“. Im Bezug auf Change Management nennt er das Generieren von Quick Wins, um die Akzeptanz im Unternehmen zu fördern. Disselkamp führt hier explizit die Darstellung von wirtschaftlichem Erfolg als Argument für Skeptiker an. Deshalb ist es wichtig, in der Experimentierphase “Influencer“ zu aktivieren, im Promotorenmodell sind es nun neben den Machtpromoten v.a. die Fachpromotoren wie langjährige IT Experten und die potentiellen Prozesspromotoren, die die KI-Story authentisch und überzeugt verbreiten sollen. Dies gilt es zu unterstützen durch das Nutzen von z.B. internen Social Media Kanälen, vorbereiteten Erfolgsgeschichten als Posts oder Artikel oder Kurzvorträgen. Genau das ist in Kotters (1996) Stufenmodell die Stufe 6 “Genarting short term wins: planning for visible improvements in performance, or „wins“; Creating those wins; Visibly recognize and rewarding people who made the wins possible“. Kotters (1996) o.g. letzter Aspekt, das Würdigen und Auszeichnen von Mitarbeitenden, die im KI-Prozess entscheidende Beiträge oder sogar Durchbrüche erzeugt haben, ist eine wichtige Führungsaufgabe.
Erfolge konsolidieren, um in die Skalierung (6) zu gehen
Die Integrations-Phase (5) hat den Schwerpunkt der Umsetzung. Das bedeutet, dass die ersten KI-Aktivitäten in die vorhandenen Prozesse und Systeme integriert werden. Disselkamp benennt z.B. “Interoperationalität und Anpassung an Legacy-Systeme, fortlaufendes Training der KI-Systeme, Monitoring und Fehlerbehandlung, Skalierung und Weiterentwicklung sowie die Integration von Feedbackschleifen“. Der letzte Punkt kann Change Management sehr gut unterstützen, indem die bisherigen KI-Nutzer nicht nur Feedback zur bisherigen KI-Leistung geben, sondern auch im Sinne einer KI-Community vernetzt werden und für die weiteren Schritte der Skalierung aktiviert werden. Es gilt nun die Fachexperten / Fachporomotoren weiter zu befähigen und zu motivieren. Das Widerspiegeln von bisher erreichten Erfolgen ist ein wichtiger Beitrag dazu. Neben dem Rückblick geht der Blick nach vorne: Wer sind die Multiplikatoren und Champions für die Skalierungsphase nach Gate 2?
Das Gate 2 als Meilenstein vor der Skalierung
Für eine erfolgreiche Skalierung von KI im Unternehmen benennt das Reifephasenmodell der Skalierungsphase (6): Ausbau und Weiterentwicklung folgende Themenfelder: “Architektonische Flexibilität, Entwicklung robuster KI-Systeme, Automatisierung zur Effizienzsteigerung, Skalierung der KI-Lösungen durch Nutzung von Frameworks und Plattformen sowie Kontinuierliche Weiterentwicklung“ und “Optimierung und Integration neuster KI-Technologien“. Genau diese fachlichen Aspekte sollten in einem 2 Gate von den verschiedenen Fraktionen – Experten und Promotoren - nochmals geprüft werden.
Leitfragen können z.B. sein:
- Ist die IT-Architektur im Bezug auf KI skalierbar?
- Wie gut ist unser Testen, was müssen wir verbessern?
- Was können wir noch automatisieren (z.B. Datenbereinigung, KI-Training)?
- Wie ist unsere Strategie mit Frameworks und Plattformen?
- Wie benutzerfreundlich sind die bisherigen Ergebnisse und was gilt es weiterzuentwickeln?
- Welchen aktuellen Technologien sind noch interessant für unsere KI-Strategie?
Auch das Change Management kann nochmals reflektiert und aktualisiert werden:
- Welche Erfahrungen haben wir in der Kommunikation und Führung gemacht?
- Was bedeutet es für die anstehende Skalierungsphase?
- Worauf müssen wir besonders achten? Welche Barrieren gilt es noch auszuräumen?
- Wie nah sind wir dran an der formulierten KI-Strategie?
Refreeze-Phase, Stabilisierung von neun Rollen und Prozessen
Diese Phase ist nach dem eigentlichen Veränderungsprozess, also z.B. nach einer weiteren Ausweitung einer begonnenen KI-Initiative mit Prozessautomatisierungen oder der Einführung neuer oft digitaler Geschäftsmodelle besonders wichtig zur Stabilisierung. Eine Kultur mit kontinuierlichem “Review-Mindset“ hilft, um Rückfall in alte Muster zu vermeiden. Es geht darum, auch nach der Move-Phase genug Energie für immer weitere Optimierung zu haben bzw. frei zusetzten. Dies gilt besonders für KI-Einführungen im Sinne einer permanenten Transformation. Welche weiteren Anreize gibt es für die Mitarbeitenden, das Neue zu tun?
Jan Ahrend beschreibt die bevorstehenden Veränderungen in seinem Buch “KI braucht Führung“ als “permanent und radikal“. In seiner Zukunftsperspektive empfiehlt er “nicht nachlassen und durchhalten; es wird ganz sicher nicht schnell gehen“. Kotter betont in seinem Stufenmodell in der 8. Stufe “Anchoring new approches in the culture“ immer wieder die Bedeutung von mehr und besserer Führung sowie auch den Aspekt von Führungskräfteentwicklung für erfolgreiches Change Management.
Eric Bernhard beschreibt in seinem Buch “Unternehmensweite KI-Transformation“ die Herausforderung für Unternehmen die neu entstehenden, eher koordinierenden Arbeitsplätze zu besetzen. Nach Bernhard geht es für die Mitarbeitenden zunehmend darum, “neben den technischen Abläufen auch die neuen Technologien zu beherrschen und zudem die betriebswirtschaftlichen Auswirkungen zu verstehen“. Er hebt außerdem hervor, dass Change Management durch die Vorgesetzten in Zeiten kontinuierlicher Unternehmenstransformation zum Dauerzustand geworden ist. Es müssen also nicht nur die Mitarbeitenden prozess- und teamübergreifende, steuernde Aufgaben übernehmen, auch die Führungskräfte müssen KI erklären und permanent die Rahmendbedingungen für den KI-Wandel schaffen.