KI für Führungskräfte - Eine Verantwortung
- Manuela Machner
- 3. Sept.
- 3 Min. Lesezeit
Aktualisiert: 3. Sept.
OpenAI hat einen eigenen Leifaden veröffentlicht indem sie beschreiben welche 5 Prinzipien, bei der Nutzung und Einführung von KI für Führungskräfte eine Rolle spielen. Ich denke, dass das auch eine Reaktion auf die Studie der MIT, die kürzlich veröffentlicht wurde und die besagt, dass 95% der generativen KI-Pilotprojekte keinen nennenswerten Einfluss auf Umsatz oder Profibilität gebracht hat.
Meine persönlichen Erfahrungen findet ihr am Ende ;-)
Hier geht es zum OpenAI Leitfaden
Zahlen zur KI-Entwicklung seit 2022
KI ist grundsätzlich aus der digitalen Welt nicht mehr wegzudenken, laut OpenAI sieht man anhand folgender Zahlen sehr gut die Entwicklung:
5,6-fache Zunahme leistungsfähiger Modelle seit 2022
280-fache Kostensenkung für den Betrieb von GPT-3.5-Klassenmodellen innerhalb von 18 Monaten
4-mal schnellere Adaption als beim Desktop-Internet
Diese Dynamik bedeutet: AI ist heute schon ein entscheidender Wettbewerbsvorteil.
Die 5 Prinzipien: KI für Führungskräfte
1. Align – Klarheit schaffen und vorleben
MitarbeiterInnen nehmen Veränderungen schneller an, wenn sie verstehen, welchen Nutzen AI für ihre Arbeit hat.
Executive Storytelling: Führungskräfte erklären, warum AI wichtig ist (z. B. um mit Wettbewerbern mitzuhalten oder neue Kundenerwartungen zu erfüllen).Beispiel: Der CEO von Moderna forderte MitarbeiterInnen auf, ChatGPT 20 Mal am Tag zu nutzen – das machte AI-Nutzung zur Norm.
Unternehmensweite AI-Ziele: Messbare Vorgaben, z. B. wie oft AI-Tools eingesetzt oder wie viele neue Use Cases getestet werden.
Führungskräfte als Vorbilder: Wenn Senior Executives offen zeigen, wie sie AI nutzen, wirkt das motivierend.
Fachbereichs-Sessions: AbteilungsleiterInnen übersetzen AI-Visionen (wenn es diese gibt ;-) in konkrete Arbeitsrealitäten.
2. Activate – Lernen ermöglichen und Begeisterung fördern
Fast die Hälfte der MitarbeiterInnen fühlt sich ohne Training unsicher im Umgang mit AI. Deshalb zählt Unterstützung doppelt.
AI-Skills-Programme: Rollenspezifische Schulungen statt theoretischer Vorträge.Beispiel: Die San Antonio Spurs steigerten ihre AI-Fluency von 14 % auf 85 %, indem Training in den Arbeitsalltag integriert wurde.
AI-Champions-Netzwerk: Motivierte MitarbeiterInnen werden zu MentorInnen und MultiplikatorInnen.
Experimente ermöglichen: Fixe Zeiträume, um AI zu testen – etwa ein monatlicher „AI-Friday“ oder Hackathons.Beispiel: Notion entwickelte durch ein AI-Hackathon die Idee, die später zu „Notion AI“ wurde.
AI in Karrierepfade integrieren: Nutzung von AI wird bei Beförderungen oder Leistungsbewertungen berücksichtigt.
3. Amplify – Erfolge sichtbar machen und teilen
Erkenntnisse bringen nur dann echten Nutzen, wenn sie für alle zugänglich sind.
Zentrale Wissensplattform: Einen Ort (Cloud, Plattform, Notion, ...) mit allen Ressourcen, Best Practices und Richtlinien.
Erfolgsgeschichten teilen: Von großen Durchbrüchen bis zu kleinen Alltags-Verbesserungen.
Interne Communities: Austausch in Teams-Gruppen, Peer-to-Peer-Lernen und schnelle Hilfestellung.
Team-Erfolge anerkennen: ManagerInnen sollen regelmäßig kleine und große AI-Erfolge hervorheben – das stärkt Motivation und Normalität.
4. Accelerate – Tempo halten und Reibung verringern
AI-Initiativen dürfen nicht im Genehmigungsprozess steckenbleiben.
Schneller Zugang zu Tools und Daten: Lange Wartezeiten bremsen die Dynamik.
Transparente Priorisierung von Ideen: Einfache Verfahren für Einreichung, Feedback und Auswahl.Beispiel: Estée Lauder richtete ein „GPT Lab“ ein, das über 1.000 MitarbeiterInnen-Ideen prüfte und die besten prototypisierte.
Cross-funktionales AI-Council: Kleine, befugte Gruppe, die Blockaden löst und Projekte beschleunigt.Beispiel: BBVA baute ein zentrales AI-Netzwerk auf, das Proof-of-Concepts schneller in Produktion brachte.
Erfolge belohnen: Wer Effizienzgewinne erzielt, bekommt Ressourcen für weitere Innovationen. Beispiel: Promega investierte gezielt in die Teams, die AI am stärksten nutzten.
5. Govern – Verantwortung und Geschwindigkeit verbinden
Governance soll nicht blockieren, sondern Orientierung geben.
Leitfaden: Einfache Regeln, die festlegen, was „safe to try“ ist und wann Eskalation nötig ist.
Regelmäßige Reviews: Quartalsweise Überprüfung, ob Richtlinien aktuell und sinnvoll sind.
Praxisnähe im Vordergrund: Leitlinien sollen helfen, nicht bremsen. Beispiel: Unternehmen nutzen Custom GPTs, die Richtlinien integriert haben, sodass MitarbeiterInnen direkt Fragen stellen können.
Deine Checkliste zum Ausdrucken
Meine Erfahrungen von der Einführung von KI im Unternehmen
Wenn Führungskräfte nicht technisch affin sind glauben sie sehr oft, dass ist ein Thema, das kann die Abteilungsleitung oder die IT übernehmen, sehr oft ist der Chef-Etage gar nicht bewussst, dass der Einsatz der KI ein Change Management bedeutet, weil die Führungsebene auch Grundsatzentscheidungen treffen muss "Werben wir mit KI-Bildern", "Übergeben wir die Schichteinteilung einer KI", "Was passiert mit dem Inhalt der Beschwerde, wenn die KI die Antwort schreibt, wie wird mit dem Inhalt umgegangen.", "Was ist die Konsequenz bei Fehlern der KI", "Wenn die Förderabrechnung mit KI berechnet wird, wer kontrolliert.", "Die Zugriffszahlen auf den WebSites brechen ein, warum?", usw.
Daher ist so wichtig, dass auch die Führungsebene versteht was KI jetzt schon kann, was technisch möglich ist und wohin der strategische Fokus gesetzt werden muss. Denn die Erwartungshaltung der Gäste wird sich den Möglichkeiten anpassen und dann ist die Frage ob und wie können die Betriebe diese noch erfüllen.
Dieser Leitfaden von OpenAI ist definitiv eine tolle Orientierung, vor allem für größere Betriebe, aber auch kleinere Betriebe können sich hier einzelne Punkte herausnehmen.
Über die Autorin:
Dieser Beitrag wurde von Manuela Machner, Expertin für Künstliche Intelligenz im Tourismus, verfasst. Sie unterstützt Unternehmen dabei, KI-gestützte Tools effektiv einzusetzen und datengetriebene Entscheidungen zu treffen.
Kommentare