Funkelnde Momente mit AI: Warum Akzeptanz mit Nutzen beginnt

In den vergangenen Wochen bin ich einer zentralen Frage nachgegangen: Wie schafft man zu Beginn der AI-Transformation über Kulturen und Rollen hinweg in unserer IT-Division eine spürbare Dynamik?

Neben anderen Maßnahmen führten meine Kollegin Alexandra Fahl und ich Präsenz-Workshops mit Führungskräften und ausgewählten Mitarbeitenden in Spanien, Taiwan, Indien und Deutschland durch, um einen gemeinsamen Ausgangspunkt für die AI-Adoption zu schaffen.

Auch wenn sich AI-Transformationsinitiativen auf Risiko, Compliance, Architektur oder Steuerung konzentrieren müssen, erzeugen diese Themen zu Beginn selten Energie.

Um von Anfang an den richtigen Ton zu setzen, haben wir uns für eine Variante der Sparkling Moments-Methode entschieden. Ziel war es, echte Erfahrungen sichtbar zu machen und konstruktive Energie für das Gespräch zu erzeugen.

Wir stellten den Teilnehmenden drei einfache Fragen:

• Was war Ihr wertvollster AI-Moment?
• Was hat sich dadurch verändert?
• Welche Voraussetzungen haben das ermöglicht?

Mit echten Erfahrungen zu beginnen, verlagert den Fokus auf gelebten Nutzen. Es ermöglicht den Menschen, über das zu sprechen, was bereits funktioniert hat und in ihrer täglichen Arbeit einen Unterschied gemacht hat. Das Teilen dieser Momente inspiriert zudem andere im Raum.

Welche Momente und welche Themen traten zutage?

Über alle Workshops hinweg teilten die Teilnehmenden eine große Bandbreite an Beispielen. Trotz unterschiedlicher Rollen und Länder zeichneten sich jedoch klare Muster ab. Einige Momente verdeutlichen das:

• Ein Teilnehmer, ohne Vorerfahrung in einem bestimmten Frontend-Framework, erstellte unter Zeitdruck mit Hilfe eines AI-Coding-Assistenten in weniger als einer halben Stunde einen funktionierenden UI-Prototyp. Der eigentliche Effekt lag nicht im Code selbst, sondern im gewonnenen Selbstvertrauen, unbekanntes Terrain zu erkunden.
• Mehrere Teilnehmende beschrieben, AI zu nutzen, um große Legacy-Systeme zu verstehen und sicher zu verändern, wenn kein Experte verfügbar war. AI ersetzte nicht das Urteilsvermögen, senkte aber die Hürde, sich damit auseinanderzusetzen.
• Außerhalb der Arbeit erwähnten Menschen die Planung komplexer Reiserouten oder die Unterstützung von Kindern bei den Hausaufgaben. Diese Beispiele zeigen, dass Vertrautheit mit AI oft durch alltäglichen Nutzen entsteht, eher als durch formale Schulungen.

Blickt man über alle Sitzungen hinweg, waren die Themen bemerkenswert konsistent:

• Coding, Debugging und Refactoring, insbesondere in großen oder unbekannten Codebasen
• Dokumentation und Zusammenfassung, von Meetings bis zu Onboarding-Unterlagen
• Lernen und Onboarding, beschleunigter Einstieg in neue Technologien oder Bereiche
• Automatisierung repetitiver oder kognitiv anspruchsvoller Aufgaben, zum Beispiel Testfallgenerierung oder Environment-Setup

Die Themen an sich waren nicht besonders überraschend, da die Teilnehmenden vor allem praktische, handfeste Erfahrungen beschrieben. Auffällig war jedoch ihre Konsistenz über Länder und Kontexte hinweg. Zudem verbanden Führungskräfte dies häufig mit systemischen Einsichten: Vertrauen ist oft entscheidender als Motivation; die Qualität der Tools prägt das Verhalten stärker als Richtlinien; und Mitarbeitende setzen sich bereits bedacht und kritisch mit AI auseinander.

Was hat sich tatsächlich verändert?

Als die Teilnehmenden darüber reflektierten, was sich verändert hat, zeigten sich durchgängig vier Effekte:

• Zeitersparnis, oft erheblich
• Qualitätsverbesserungen, insbesondere in Struktur und Vollständigkeit
• Risikoreduktion, insbesondere in unbekannten Kontexten
• Geringere kognitive Belastung, wodurch der Fokus auf höherwertige Entscheidungen möglich wird

Interessanterweise wurde die reduzierte mentale Anstrengung oft als die bedeutsamste Veränderung beschrieben, obwohl sie am schwersten zu messen ist.

Welche Faktoren ermöglichen das?

Bei der Frage, was diese Momente möglich gemacht hat, zeigten sich wiederkehrende Muster:

• AI wurde auf reale, unmittelbare Probleme angewendet
• Es wurde ausreichend Kontext bereitgestellt
• Outputs wurden überprüft und verfeinert
• Tools waren in die täglichen Workflows eingebettet
• Experimentieren war kulturell unterstützt

Für viele Führungskräfte war diese Perspektive ausschlaggebend. Sie machte deutlich, dass ihre Rolle weniger darin besteht, Nutzung zu pushen, sondern vielmehr darin, die Bedingungen zu gestalten, unter denen Wert entstehen und skalieren kann.

Ein weiteres wiederkehrendes Thema war die Verfügbarkeit und Qualität konformer Tools. Dort, wo sichere, organisationsseitig freigegebene Lösungen wirklich hilfreich und gut integriert sind, beschleunigt sich die Adoption. Bleiben sie in Usability oder Performance hinter öffentlichen Alternativen zurück, entsteht bei den Teilnehmenden häufig das Gefühl, dass das vorhandene Potenzial nicht voll ausgeschöpft wird.

Was bedeutet das für die AI-Transformation?

Eine Erkenntnis wurde im Laufe der Workshop-Reihe zunehmend klar:

Die AI-Adoption ist nicht in erster Linie ein Überzeugungsproblem. Sie ist ein Nutzenproblem.

Adoption beginnt, wenn Nutzen greifbar wird. Wenn Menschen in ihrer täglichen Arbeit echten Mehrwert erfahren, sinkt die Skepsis und die Experimentierfreude steigt. Nutzung wird selbstgetrieben statt verordnet.

Sparkling AI Moments sind oft der Ausgangspunkt bedeutender Transformation, weil gelebter Nutzen Vertrauen schafft - und Vertrauen führt zu Handeln.