Change-Management & Akzeptanz in Teams

Lernziele

Sie wenden das ADKAR-Modell auf ein KI-Rollout-Szenario in Ihrer Organisation an und leiten für jede der fünf Stufen mindestens eine konkrete Maßnahme ab.

Sie identifizieren die vier häufigsten Widerstandsmuster bei KI-Einführungen und formulieren für jeden Widerstandstyp eine passgenaue Kommunikationsstrategie.

Sie entwickeln eine Multiplikator-Strategie (8–12 KI-Botschafterinnen und -Botschafter aus den Teams) und begründen, warum dieser Ansatz effektiver ist als reine Top-Down-Kommunikation.

Sie beschreiben, warum der Betriebsrat bzw. die Mitarbeitendenvertretung bei KI-Einführungen frühzeitig einzubeziehen ist, und benennen die relevante Rechtsnorm (§ 87 BetrVG) sowie die konkreten Mitbestimmungsrechte.

Sie erstellen einen einseitigen Kommunikationsplan für einen KI-Pilot in Ihrer Organisation mit Stakeholdern, Botschaften, Kanälen und Zeitpunkten.

Auf einen Blick

Worum geht es? — Der didaktische Einstieg

Die Technologie funktioniert. Der Use Case ist klar. Das Pilot-Design steht. Trotzdem wird der KI-Assistent nach zwei Monaten von 70 % der Mitarbeitenden nicht genutzt. Was ist schiefgelaufen?

Nach einer McKinsey-Analyse scheitern 70 % aller großangelegten Transformationsprojekte nicht an der Technologie, sondern an der menschlichen Seite der Veränderung. Bei KI-Projekten ist dieser Effekt noch verstärkt, weil KI Fragen aufwirft, die tiefer gehen als die Einführung eines neuen ERP-Systems. „Wird mein Job überflüssig?” ist eine verbreitete erste Reaktion — auch wenn die konkrete KI-Lösung die Betroffenen gar nicht ersetzen soll, sondern unterstützen.

Ignoriert man diese Fragen oder antwortet pauschal mit „Natürlich ersetzt die KI keine Arbeitsplätze”, verliert man das Vertrauen der Betroffenen. Der einzige Ansatz, der funktioniert, ist ehrliche, frühzeitige und partizipative Kommunikation — und eine strukturierte Change-Management-Strategie, die den Veränderungsprozess auf Individualebene begleitet.

Diese UE gibt Ihnen das Handwerkszeug für genau diese menschliche Dimension der KI-Einführung. Das ADKAR-Modell beschreibt, was in einer Person passieren muss, bevor sie eine Veränderung wirklich akzeptiert und aktiv nutzt. Die Widerstandsmuster zeigen, warum Ablehnung oft nicht böser Wille ist, sondern ein berechtigtes Signal. Und der Kommunikationsplan sorgt dafür, dass die richtigen Botschaften zur richtigen Zeit die richtigen Menschen erreichen.

Lerntext — Theorie und Konzepte

Das ADKAR-Modell für KI-Rollouts

ADKAR wurde von Jeff Hiatt bei Prosci entwickelt und ist heute eines der am weitesten verbreiteten Change-Management-Frameworks in Unternehmen weltweit. Es beschreibt den Veränderungsprozess nicht auf Unternehmensebene, sondern auf der Ebene der einzelnen Person — die letztlich entscheidet, ob eine Veränderung angenommen wird oder nicht.

A — Awareness (Bewusstsein): Warum ist die Veränderung notwendig? Ohne Awareness über den Handlungsdruck bleibt jede Change-Initiative abstrakt. Maßnahmen: Transparente Kommunikation über Marktentwicklungen im KI-Bereich, ehrliche Darstellung der Konsequenzen bei Nicht-Veränderung (nicht als Drohung, sondern als realistisches Lagebild), konkrete Zahlen über den Wettbewerbsdruck.

D — Desire (Motivation): Awareness reicht nicht — die betroffene Person muss auch den persönlichen Willen entwickeln, die Veränderung aktiv zu unterstützen. Die entscheidende Frage ist „WIIFM” (What’s In It For Me?). Maßnahmen: Frühzeitige Partizipation bei der Gestaltung des Systems (Mitarbeitende, die den Assistenten mitgestalten, werden seine stärksten Fürsprecher), Early-Adopter-Programm mit sichtbaren Statusvorteilen, konkrete Beispiele für Arbeitserleichterungen.

K — Knowledge (Wissen): Das Wissen, wie die neue Lösung konkret angewendet wird. Genau hier setzt diese Schulung an. Maßnahmen: Training, Dokumentation, Schritt-für-Schritt-Anleitungen, FAQs für die häufigsten Anwendungsfälle.

A — Ability (Fähigkeit): Wissen ist nicht gleich Können. Viele Mitarbeitende wissen nach einer Schulung, wie etwas funktioniert — können es aber im hektischen Arbeitsalltag noch nicht routinemäßig anwenden. Maßnahmen: Begleitetes Üben im echten Arbeitskontext (kein separater „Übungs-Modus”), niedrigschwellige erste Schritte, Peer-Learning (Kolleginnen und Kollegen zeigen sich gegenseitig Tricks).

R — Reinforcement (Verfestigung): Ohne aktive Reinforcement fallen Menschen in alte Muster zurück — nicht aus Böswilligkeit, sondern weil alte Gewohnheiten stabiler sind als neue. Maßnahmen: Regelmäßige Updates über Fortschritte (z. B. monatliche Zahlen zur Zeitersparnis), öffentliche Anerkennung von Erfolgsbeispielen, Integration der neuen Arbeitsweise in offizielle Prozesshandbücher.

Abb. 92.1 — ADKAR-Modell für KI-Rollouts mit Konsequenzen bei fehlender Stufe

Merksatz

ADKAR beschreibt die Reise einer einzelnen Person durch den Veränderungsprozess — nicht den Rollout-Plan eines Unternehmens. Wenn 70 % der Mitarbeitenden das Tool nicht nutzen, liegt das Problem auf einer der fünf ADKAR-Stufen — identifizieren Sie, welcher Stufe das meiste Gewicht fehlt.

Typische Widerstandsmuster und Gegenstrategien

Muster 1 — Jobangst: „Die KI macht meinen Job überflüssig.” Diese Angst ist berechtigt zu nehmen, auch wenn sie für den konkreten Use Case nicht zutrifft. Gegenstrategie: Zeigen Sie konkret, welche Aufgaben der Assistent übernimmt und wie die freigewordene Kapazität für Höherwert-Tätigkeiten genutzt wird. Keine Generalisierungen — konkrete Beispiele aus dem eigenen Bereich.

Muster 2 — Qualitätsskepsis: „Die KI macht Fehler — ich vertraue ihr nicht.” Auch diese Skepsis ist berechtigt. Gegenstrategie: Transparenz über die tatsächliche Fehlerrate (aus dem Pilot-Monitoring), Demonstration des Human-in-the-Loop (Gelb-Klasse: KI-Output wird vor Nutzung reviewed), explizite Kommunikation der Governance-Klasse.

Muster 3 — Mehraufwand-Argument: „Ich bin schon genug beschäftigt — das kostet mich nur Zeit.” Gegenstrategie: Quick Wins in der ersten Woche des Pilots sichtbar machen. Eine Zeitersparnis von 20 Minuten am ersten Tag ist das stärkste Argument gegen das Mehraufwand-Argument.

Muster 4 — Informationslücken: „Ich weiß nicht, was die KI mit meinen Daten macht.” Gegenstrategie: Vollständige Transparenz über Datenhaltung, Verarbeitung und Governance. Die Frage ist legitim — wer sie stellt, zeigt Datenschutzbewusstsein.

Merksatz

Kein Widerstandsmuster ist grundsätzlich irrational. Jedes hat eine legitime Grundlage. Change Management bei KI-Projekten beginnt damit, die Berechtigung des Widerstands anzuerkennen — und dann konkret zu antworten, nicht zu beschwichtigen.

Betriebsrat und Mitbestimmung

Bei KI-Einführungen, die Auswirkungen auf Beschäftigte haben, besteht in Deutschland ein Mitbestimmungsrecht des Betriebsrats nach § 87 Abs. 1 Nr. 6 BetrVG (Mitbestimmung bei technischen Einrichtungen, die zur Überwachung des Verhaltens oder der Leistung der Arbeitnehmerinnen und Arbeitnehmer bestimmt sind oder geeignet sind). Die Frage, ob ein KI-System unter diese Norm fällt, muss im Einzelfall geprüft werden — tendenziell ja, wenn der Assistent Nutzungsdaten aufzeichnet oder Produktivitätsmessungen ermöglicht.

Empfehlung: Den Betriebsrat frühzeitig einbeziehen — nicht erst, wenn der Rollout beschlossen ist, sondern schon in der Canvas-Phase (UE 87). Frühe Einbindung schafft Vertrauen und verhindert formale Verzögerungen durch nachträgliche Mitbestimmungsverfahren.

Multiplikator-Strategie

Statt alle Mitarbeitenden gleichzeitig zu erreichen, ist ein mehrstufiger Ansatz mit KI-Multiplikatoren effektiver. Multiplikatoren sind freiwillige, technikaffine Mitarbeitende aus verschiedenen Teams, die in einer Vertiefungsschulung auf ihre Botschafter-Rolle vorbereitet werden und danach als erste Anlaufstelle für Fragen und Probleme in ihren Teams dienen.

Der Vorteil: Mitarbeitende lernen lieber von Kolleginnen und Kollegen als von externen Trainern. Die Glaubwürdigkeit eines Peer-Multiplikators ist höher als die einer Top-Down-Kommunikation. Für ein Unternehmen mit 80–150 Mitarbeitenden genügen 8–12 Multiplikatoren, die je ca. 8–15 Personen begleiten.

Vertiefung — ADKAR in der Praxis: Typische Stolpersteine je Stufe

Vertiefung — ADKAR in der Praxis: Branchen-spezifische Change-Strategien

Die ADKAR-Kurve sieht in verschiedenen Organisationstypen sehr unterschiedlich aus. Drei Kontexte und ihre typischen Change-Management-Herausforderungen:

Kontext 1 — Produzierendes Unternehmen mit gewerblichen Mitarbeitenden: Die häufigsten Blockaden liegen auf den Stufen A (Awareness) und D (Desire). Gewerbliche Mitarbeitende in der Fertigung oder Logistik haben oft wenig Erfahrung mit digitalen Tools und begegnen KI mit erheblicher Skepsis — insbesondere wenn KI als Instrument zur Leistungsüberwachung wahrgenommen wird. Change-Strategie: Direkte und häufige Kommunikation durch Vorgesetzte (nicht durch HR-Mails), Fokus auf konkrete Erleichterungen im Arbeitsalltag (weniger monotone Schreibarbeit, schnellere Antworten), klare Zusicherung, dass keine Überwachungsfunktion eingesetzt wird.

Kontext 2 — Professionelles Dienstleistungsunternehmen (Beratung, Recht, Steuer): Die häufigste Blockade liegt auf Stufe A (Awareness) — aber aus einem anderen Grund: Hochqualifizierte Fachkräfte unterschätzen häufig, wie viel ihrer Routinearbeit automatisierbar ist. Sie identifizieren sich mit ihrer Expertise und sehen KI-Assistenten als Gefahr für ihr professionelles Selbstbild. Change-Strategie: KI als Expertenassistent positionieren (nicht als Expertenersatz), erste Einsatzszenarios auf unbeliebte Routineaufgaben (Protokolle, Standardberichte) konzentrieren, Piloten mit besonders aufgeschlossenen Fachkräften als interne Multiplikatoren starten.

Kontext 3 — Öffentliche Verwaltung: Die grösste Herausforderung liegt auf Stufe K (Knowledge) und A (Ability): Mitarbeitende in Behörden haben oft wenig Erfahrung mit neuen digitalen Werkzeugen und fühlen sich mit neuen Systemen unsicher. Zudem ist der politische Kontext (Datenschutz, Transparenz, Mitbestimmung) besonders komplex. Change-Strategie: Ausreichende Schulungszeiten einplanen (deutlich mehr als im privaten Sektor), Peer-Learning-Gruppen (erfahrene Kolleginnen schulen ihre Abteilung), iterativer Rollout mit regelmäßigen Feedback-Schleifen, frühzeitige Einbindung des Personalrats.

Ein unterschätzter Faktor — Führungskräfte als Change-Agenten: Die stärkste Determinante für den Erfolg einer KI-Einführung ist nicht das Tool — es ist das Verhalten der direkten Führungskraft. Wenn die Teamleitung das KI-Tool selbst sichtbar nutzt und positiv darüber spricht, steigen Adoption und Akzeptanz dramatisch. Wenn die Teamleitung das Tool ignoriert oder kritisiert, sinken sie. Change-Management-Programm ohne Führungskräftetraining ist deshalb unvollständig.

Obwohl das ADKAR-Modell klar und logisch klingt, gibt es auf jeder Stufe typische Stolpersteine, die Change-Management-Vorhaben zum Scheitern bringen:

Stolpersteine auf der Awareness-Stufe: Das häufigste Problem — Awareness wird mit einer einmaligen Kommunikationsmaßnahme gleichgesetzt. „Wir haben eine E-Mail geschickt” ist kein Awareness-Programm. Awareness erfordert Wiederholung (Menschen verarbeiten neue Informationen erst nach dem dritten bis fünften Kontakt tiefgründiger), verschiedene Formate (Text, Gespräch, visuelle Darstellung) und echte Überzeugungsarbeit — nicht nur Informationsübermittlung.

Ein spezifisches Problem bei KI-Projekten: Awareness über den Handlungsdruck ist häufig asymmetrisch. Die Führungsebene sieht den Wettbewerbsdruck und versteht die Dringlichkeit. Die operative Ebene sieht nur zusätzliche Arbeit und veränderte Prozesse. Eine wirksame Awareness-Kampagne überbrückt diese Asymmetrie — nicht durch Angst-Kommunikation, sondern durch konkrete, relevante Marktbeispiele.

Stolpersteine auf der Desire-Stufe: Das WIIFM-Prinzip (What’s In It For Me?) ist bekannt — aber in der Praxis oft falsch umgesetzt. Teams kommunizieren die Unternehmensvorteile der KI-Einführung (Effizienz, Wettbewerbsfähigkeit), ohne die individuellen Vorteile für die betroffene Person zu adressieren. Diese Asymmetrie ist der Hauptgrund für geringe Motivation.

Stolpersteine auf der Ability-Stufe: Der häufigste Fehler — Schulung als Einmal-Event. Eine 45-minütige Einführungsschulung vermittelt Wissen — aber nicht die Fähigkeit, das Werkzeug routinemäßig im hektischen Arbeitsalltag anzuwenden. Ability erfordert wiederholtes Üben in echten Arbeitsszenarien, schnell verfügbare Hilfe bei Blockaden und niedrigschwellige erste Erfolge in der ersten Woche.

Die Rolle der Führungskräfte: Führungskräfte spielen beim KI-Rollout eine doppelte Rolle — sie müssen überzeugend vertreten, was sie möglicherweise selbst noch nicht vollständig verstehen, und eine Vorbildrolle einnehmen, die authentisch ist. Sichtbare Eigennutzung des Assistenten, offene Kommunikation über die eigene Lernkurve und klare Erwartungen ohne Zwang sind die wirksamsten Führungsverhaltensweisen.

Change-Management-Messung: Drei einfache Metriken messen den Change-Fortschritt: (1) ADKAR-Fortschritts-Pulse: Monatliche 5-Fragen-Umfrage (eine Frage je ADKAR-Stufe, 1–5-Skala). (2) Multiplikatoren-Aktivitätsrate: Anzahl der im Multiplikatoren-Kanal gestellten und beantworteten Fragen. (3) Sentiment-Tracking: Qualitative Stimmungseinschätzung im monatlichen Governance-Meeting auf einer 1–10-Skala.

Vertiefung — Betriebsrat und Mitbestimmung: Der rechtliche Rahmen für KI-Einführungen

Die Einführung von KI-Systemen, die das Verhalten oder die Leistung von Mitarbeitenden ueberwachen oder beeinflussen, unterliegt in Deutschland dem Mitbestimmungsrecht des Betriebsverfassungsgesetzes (BetrVG). Paragraph 87 Abs. 1 Nr. 6 BetrVG gibt dem Betriebsrat ein erzwingbares Mitbestimmungsrecht bei der Einfuehrung und Anwendung technischer Einrichtungen, die geeignet sind, das Verhalten oder die Leistung der Arbeitnehmer zu ueberwachen.

Welche KI-Systeme fallen darunter? Die Antwort ist breiter als viele Unternehmen annehmen: - KI-gestuetzte Schreibassistenten, die Texte protokollieren oder analysieren: Mitbestimmungspflichtig, wenn Nutzungsdaten je Mitarbeitenden erfasst werden. - Automatische Meeting-Transkription: Mitbestimmungspflichtig, wenn die Transkripte personenbezogen gespeichert werden. - KI-Recruiting-Screening-Tools: Mitbestimmungspflichtig, wenn sie Bewerbungsunterlagen von internen Kandidaten pruefen. - Produktivitaets-Tracking-Dashboards mit KI-Analyse: Haeufig mitbestimmungspflichtig.

Strategische Empfehlung: Binden Sie den Betriebsrat frühzeitig ein — nicht erst, wenn das Tool bereits ausgewaehlt oder konfiguriert ist. Eine gemeinsame Betriebsvereinbarung (BV) für KI-Tools schafft Rechtssicherheit und fördert die Akzeptanz erheblich. Idealerweise wird die BV generisch formuliert (KI-Tools-Rahmenvereinbarung), sodass sie nicht für jedes neue Tool neu ausgehandelt werden muss.

Europaeische Dimension: Der EU AI Act (Art. 26) verpflichtet Deployer-Unternehmen zur Sicherstellung ausreichender KI-Kompetenz — was implizit auch die Information und Schulung von Betriebsratsmitgliedern umfasst. Ein Betriebsrat, der die KI-Systeme im Unternehmen nicht versteht, kann seine Mitbestimmungsrechte nicht effektiv wahrnehmen. ### Branchen-Anwendungen

IT-Dienstleistung & Beratung

Ein IT-Beratungsunternehmen (ca. 90 MA) führt einen KI-Assistenten für die Angebotserstellung ein. Die Early-Adopter-Gruppe zeigt starke Adoption — aber im Berater-Team der Systemintegration gibt es erheblichen Widerstand: Die erfahrenen Senior-Berater sehen den Assistenten als Bedrohung ihrer Expertise. ADKAR-Analyse: Awareness vorhanden (sie wissen, warum das Unternehmen KI einführt), Desire fehlt (kein persönlicher WIIFM identifiziert). Maßnahmen: Zwei Senior-Berater werden gezielt eingeladen, den Assistenten für komplexe Ausschreibungen zu testen — nicht für Routine-Angebote. Der Framing-Wechsel: „Der Assistent übernimmt die Recherche, Sie formulieren die Strategie” trifft die Bedürfnislage der Expertengruppe deutlich besser als „KI macht Angebote schneller”.

Industrie & Fertigung

Ein Maschinenbauunternehmen (ca. 800 MA) führt einen KI-Assistenten für Servicetechniker-Dokumentation ein. Widerstandsmuster: Mehraufwand-Argument (Techniker im Außendienst sehen das Tablet als zusätzliche Belastung neben der physischen Arbeit). Change-Management-Antwort: Zunächst werden die drei Techniker, die bereits routinemäßig das Tablet für Checklisten nutzen, als Early Adopters identifiziert. Sie führen einen informellen Pilot durch und berichten dem Rest des Teams nach zwei Wochen über ihre Erfahrungen — Peer-Learning funktioniert in diesem Kontext erheblich besser als ein Trainer-geleitetes Schulungssetting. Multiplikatoren-Ansatz: je ein Multiplikator pro Serviceniederlassung (6 Niederlassungen = 6 Multiplikatoren).

Finanzdienstleistung & Versicherung

Ein Versicherungsunternehmen (ca. 400 MA) führt einen KI-Assistenten für die Vertragsdaten-Zusammenfassung ein. Besonderheit: Das Compliance-Team hat Bedenken bezüglich DSGVO und Datenweitergabe an externe KI-Systeme. Widerstandsmuster: Informationslücken (DSGVO-Unsicherheit). Maßnahme: Gemeinsame Workshop-Session mit KI-Beauftragtem, Datenschutzbeauftragtem und Compliance-Team — alle Datenflusskarten werden gemeinsam entwickelt und Entscheidungen dokumentiert. Dieser partizipative Ansatz macht das Compliance-Team vom Kritiker zum Governance-Partner. Der Betriebsrat wird im gleichen Termin eingebunden — informell zunächst, formal in der zweiten Session. Resultat: Compliance und Betriebsrat werden zu Co-Designern des Governance-Rahmens, nicht zu nachträglichen Vetospielern.

Öffentliche Verwaltung

Eine Stadtverwaltung (ca. 600 MA) führt einen internen Wissens-KI-Assistenten für Mitarbeiterfragen ein. Kultureller Widerstand: Ältere Mitarbeitende im Bürgerservice befürchten, dass KI-Nutzung von der Verwaltungsleitung als Überwachungsinstrument eingesetzt werden könnte (Widerstandsmuster: Informationslücken + kultureller Widerstand). Maßnahme: Der Personalrat wird frühzeitig eingebunden und erhält alle technischen Spezifikationen — insbesondere die Bestätigung, dass keine Nutzungsdaten auf Einzelperson-Ebene ausgewertet werden. Eine schriftliche Vereinbarung zwischen Verwaltungsleitung und Personalrat wird vor Pilot-Start unterzeichnet. Diese Transparenz löst den kulturellen Widerstand — nicht weil die Angst unberechtigt war, sondern weil sie ernst genommen wurde.

Vertiefung — Kommunikationsformate und -kanäle für KI-Einfuehrungen

Neben der Botschaft ist der Kanal entscheidend. Die folgenden fünf Kommunikationsformate haben sich in der Praxis bei KI-Einführungen bewährt:

Format 1 — Lunch-and-Learn (monatlich, 45 Min.): Informelles Lernformat ohne Pflichtteilnahme. Ein Team zeigt, was es mit einem KI-Tool macht — praktische Demo, ehrliche Einschätzung der Stärken und Grenzen. Dieses Format reduziert Hemmungen und erzeugt organisches Interesse. Vorteil: Niedrigschwellig, keine formale Weiterbildungs-Infrastruktur nötig. Nachteil: Erreicht nur Interessierte — nicht die Change-kritische Mehrheit.

Format 2 — Q&A-Session mit der Geschäftsführung (einmalig, zu Beginn): Eine 30-minütige Frage-Antwort-Runde mit Geschäftsführenden, in der alle Fragen zur KI-Einführung gestellt werden können — anonym via Umfrage-Tool. Dieses Format sendet ein wichtiges Signal: Die Führungsebene nimmt die Bedenken ernst. Kritische Erfolgsbedingung: Die Fragen müssen ehrlich beantwortet werden — beschönigende Antworten machen das Format zum Bumerang.

Format 3 — Pilot-Showcase (nach Woche 6 des Piloten): Pilot-Teilnehmende präsentieren ihre Erfahrungen — positiv und negativ — im Team oder abteilungsübergreifend. Diese Form der authentischen Peer-Kommunikation ist überzeugender als jede Management-Präsentation. Vorteil: Glaubwürdigkeit durch Peer-Perspektive. Herausforderung: Pilot-Teilnehmende müssen gut vorbereitet werden und ermutigt werden, auch kritische Erfahrungen zu teilen.

Format 4 — Governance-Update im Team-Meeting (quartalsweise, 5 Min.): Eine kurze Aktualisierung in regulären Team-Meetings: Welche neuen KI-Tools wurden freigegeben? Welche Richtlinie hat sich geändert? Welche Ergebnisse gibt es aus den laufenden Piloten? Dieser kurze, reguläre Anker verhindert, dass KI-Themen in Vergessenheit geraten.

Format 5 — Individuelles Onboarding für neue Mitarbeitende (ab Tag 1): Ein 30-minütiger Block im Onboarding-Programm: Welche KI-Tools sind im Unternehmen zugelassen? Welche sind verboten? Welche Datenschutzregeln gelten? Wo kann man Fragen stellen? Dieses Format stellt sicher, dass neue Kolleginnen und Kollegen nicht durch die Hintertür unkontrollierte KI-Tools einschleppen.

Übung 1 — ADKAR-Analyse einer Fallsituation

Übung 1 — ADKAR-Analyse: Widerstand verstehen und adressieren

Aufgabe: Ein Fachteam in Ihrer Organisation lehnt den neuen KI-Assistenten für einen operativen Prozess ab, weil es befürchtet, dass die KI-generierten Outputs die bisherigen Qualitätsstandards nicht einhalten. Analysieren Sie die Situation mit dem ADKAR-Modell: Auf welcher Stufe liegt das Hauptproblem? Welche drei Maßnahmen würden Sie ergreifen?

Schritt-für-Schritt: 1. Lesen Sie die Fallsituation sorgfältig. 2. Prüfen Sie jede ADKAR-Stufe: Ist sie bei diesem Team erfüllt? 3. Identifizieren Sie die Hauptstufe, auf der das Problem liegt. 4. Formulieren Sie drei konkrete Maßnahmen, die auf dieser Stufe ansetzen. 5. Diskutieren Sie Ihre Analyse in einer Kleingruppe (10 Min.).

Bearbeitungszeit: 15 Minuten.

Musterlösung: Das Problem liegt primär auf den Stufen Desire und Knowledge. Das Team hat prinzipiell kein Widerstandsmotiv aus Jobangst, aber es fehlt das Vertrauen in die KI-Qualität (Desire-Teilkomponente: Confidence) und die konkrete Erfahrung mit dem System (Knowledge/Ability). Maßnahmen: (1) Demo-Session mit realen Beispielen aus dem Pilot — zeigen, wie der Assistent arbeitet und wo er mit Gelb-Klassifikation einen menschlichen Review erfordert. (2) Gemeinsame Qualitätsdefinition: Welche Qualitätskriterien muss der KI-Output erfüllen — und wer prüft das? Diese Partizipation gibt dem Team Kontrolle zurück. (3) Einen erfahrenen Mitarbeitenden aus dem Team als Early Adopter gewinnen, der nach zwei Wochen Nutzung dem Team von seinen Erfahrungen berichtet — Peer-Glaubwürdigkeit ist höher als externe Versicherung.

Übung 2 — Kommunikationsplan erstellen

Übung 2 — Kommunikationsplan für einen KI-Pilot

Aufgabe: Erstellen Sie einen einseitigen Kommunikationsplan für den Rollout eines KI-Assistenten (Ihrer Wahl) in Ihrer Organisation.

Schritt-für-Schritt: 1. Definieren Sie alle relevanten Stakeholder-Gruppen. 2. Formulieren Sie für jede Gruppe die zentrale Botschaft (WIIFM-Perspektive). 3. Wählen Sie den geeigneten Kommunikationskanal (E-Mail, Meeting, Intranet, Slack/Teams). 4. Planen Sie den Zeitpunkt: Wann soll welche Gruppe wie informiert werden? 5. Definieren Sie: Wer ist für die Kommunikation mit welcher Gruppe verantwortlich?

Erwartetes Ergebnis: Ausgefüllte Kommunikationsplan-Tabelle (Stakeholder | Botschaft | Kanal | Zeitpunkt | Verantwortliche/r).

Bearbeitungszeit: 15 Minuten.

Musterlösung:

Cheatsheet — Change Management: Die wichtigsten Punkte

ADKAR-Stufen: | Stufe | Symptom wenn fehlend | Maßnahme | |—|—|—| | Awareness | „Wir haben doch kein Problem” | Marktlage, Wettbewerb, Zahlen kommunizieren | | Desire | „Klingt gut, aber ich mache das nicht” | WIIFM, Partizipation, Early Adopter | | Knowledge | „Ich weiß nicht, wie das geht” | Schulung, Dokumentation, FAQs | | Ability | „Ich weiß es, schaffe es aber nicht im Alltag” | Begleitetes Üben, Peer-Learning | | Reinforcement | „Rückfall in alte Muster” | Erfolge sichtbar machen, Integration in Prozesse |

Rechtliches: § 87 BetrVG: Betriebsrat bei KI mit Überwachungseignung frühzeitig einbinden — nicht nach dem Rollout.

Multiplikatoren: 8–12 Botschafterinnen und Botschafter für ein Unternehmen mit 80–150 Mitarbeitenden genügen. Peer-Glaubwürdigkeit > externe Trainer.

WIIFM: What’s In It For Me? — Unternehmensnutzen allein reicht nicht. Individuelle Nutzenformulierung je Zielgruppe ist zwingend.

Change scheitert: Am häufigsten auf der Ability-Stufe (Schulung war vorhanden, aber kein begleitetes Üben im Alltag).

Reflexionsfragen

Welche ADKAR-Stufe wird bei KI-Einführungen in Ihrer Branche am häufigsten übersprungen — und was sind die Konsequenzen?

Wie würden Sie vorgehen, wenn ein erfahrener Senior-Mitarbeitender trotz gutem Pilot-Ergebnis den Assistenten ablehnt — und durch informellen Widerstand das Team beeinflusst?

Wann ist der richtige Zeitpunkt für die Betriebsratseinbindung — und welche Risiken entstehen, wenn man diesen Schritt nach dem Rollout nachholt?

Wie messen Sie den Fortschritt Ihres Change-Management-Programms? Welche zwei Metriken würden Sie wählen?

Prompt-Vorlage — Kommunikationsbotschaft zur KI-Einführung formulieren

Prompt für einen KI-Assistenten:

Wir führen in unserer Organisation [KI-Tool oder KI-Prozess beschreiben] ein. Zielgruppe dieser Kommunikation: [Beschreibung, z. B. Sachbearbeitung Versicherung, 80 Personen, überwiegend 40–55 Jahre”]. Formuliere eine interne Kommunikationsbotschaft, die folgende Fragen beantwortet: (1) Warum führen wir diese KI ein? (Nutzenargument — kein Technologie-Hype) (2) Was ändert sich für die Mitarbeitenden konkret? (3) Was ändert sich nicht? (4) Wie werden die Mitarbeitenden vorbereitet und eingebunden? (5) An wen können sie sich mit Fragen wenden? Verwende einen sachlichen, respektvollen Ton. Keine Marketingsprache.”

Erwartetes Ergebnis: Eine vollständige interne Kommunikationsbotschaft (ca. 200–300 Wörter), die direkt als Basis für eine Team-E-Mail, ein All-Hands-Meeting oder einen Intranet-Beitrag verwendet werden kann. Hinweis: Lassen Sie den Entwurf von einer Person aus der Zielgruppe gegenlesen und auf Basis des Feedbacks anpassen — besonders die Abschnitte zu Änderungen und Einbindung.

Quellen & Weiterlesen

Trainer-Hinweise

Übung 3 — Widerstandslandkarte: Wo wird Widerstand entstehen?

Übung 3 — Widerstandslandkarte für eine KI-Einführung

Aufgabe: Erstellen Sie eine Widerstandslandkarte für die KI-Einführung in Ihrer Organisation — und entwickeln Sie für jeden Widerstandspunkt eine proaktive Intervention.

Hintergrund: Widerstand gegen KI-Einführungen entsteht selten aus Böswilligkeit, sondern aus unerfüllten Informationsbedürfnissen, Kontrollverlustängsten oder konkreten Bedenken über Jobveränderungen. Diese Ängste sind legitim — und sie lassen sich durch proaktive Kommunikation und Einbindung erheblich reduzieren.

Schritt-für-Schritt: 1. Identifizieren Sie die drei Personengruppen, die am stärksten vom KI-Use-Case betroffen sind. 2. Benennen Sie für jede Gruppe die wahrscheinlichste Widerstandsursache (Angst vor Jobverlust / Kontrollverlust / Mehraufwand / Qualitätsbedenken / Datenschutzbedenken). 3. Entwickeln Sie für jede Widerstandsursache eine proaktive Interventionsmaßnahme aus dem ADKAR-Modell. 4. Priorisieren Sie die drei Interventionsmaßnahmen nach Dringlichkeit.

ADKAR-Referenz: Awareness (Wissen über die Notwendigkeit) → Desire (Wunsch zu verändern) → Knowledge (Fähigkeit zur Veränderung) → Ability (Tatsächliche Anwendung) → Reinforcement (Verankerung).

Erwartetes Ergebnis: Eine Widerstandslandkarte für drei Personengruppen mit je einer priorisierten ADKAR-basierten Interventionsmaßnahme.

Hinweise für AI Champions — So vermitteln Sie das Thema — UE 92

Timing (45 Min): 12 Min Input ADKAR + Widerstandsmuster, 5 Min Betriebsrat/Mitbestimmung (rechtliche Dimension), 5 Min Multiplikator-Strategie, 15 Min Übung 1 (ADKAR-Analyse in Kleingruppen), 8 Min Übung 2 (Kommunikationsplan, vereinfacht).

Methodische Empfehlung: Starten Sie mit der Einstiegsfrage: „Zeigen Sie mir durch Handzeichen — wie viele von Ihnen haben schon erlebt, dass ein neues Tool im Unternehmen eingeführt wurde und nach drei Monaten kaum jemand es nutzte?” Erfahrungsgemäß heben in fast jeder Gruppe alle die Hand. Das schafft sofort Relevanz für das Thema Change Management, bevor eine einzige Folie gezeigt wird.

Häufige Stolpersteine: Das ADKAR-Modell wird als sequenzieller Prozess missverstanden (erst Awareness komplett, dann Desire etc.). Klarstellen: Stufen überlappen sich zeitlich, und verschiedene Personen in der Organisation können sich gleichzeitig auf verschiedenen Stufen befinden. Zum Betriebsrat-Thema: Häufig kommt die Frage „Was passiert, wenn wir keinen Betriebsrat haben?” — Antwort: In diesem Fall empfiehlt sich trotzdem frühzeitige Mitarbeiterinformation und -einbindung, auch ohne formelle Mitbestimmungspflicht.

Diskussionsfragen für Plenum: „Warum ist Peer-Learning durch Multiplikatoren wirksamer als externe Trainer?” — Die Gruppe sollte selbst auf Glaubwürdigkeit, Verfügbarkeit im Alltag und Kontextnähe kommen. „Welches Widerstandsmuster ist am schwierigsten zu adressieren — und warum?” — Kultureller Widerstand ist die tiefste Schicht; das verdient eine ausführlichere Diskussion.

Tafelbild-Vorschlag: ADKAR als vertikale Treppe (5 Stufen), mit je einer Farbe für Symptom (wenn fehlend) und Maßnahme. Daneben: vier Widerstandsmuster als vier Kärtchen. Dieses visuelle Schema bleibt den Teilnehmenden am besten in Erinnerung.

Differenzierung Power-User ↔ Einsteiger: Einsteiger fokussieren auf ADKAR-Grundstruktur und je eine Maßnahme pro Stufe. Power-User: ADKAR-Fortschritts-Pulse als Messinstrument, und die Frage, wie man Change-Management-Fortschritt operationalisiert.

Materialliste: ADKAR-Übersichtsblatt (eine Seite), Kommunikationsplan-Template (Tabelle mit 5 Spalten), ggf. Fallbeschreibungskarte für Übung 1.

Übergang zur nächsten UE: „Change Management adressiert die Menschen in Ihrer Organisation. Aber wie stellen Sie sicher, dass alle KI-Anwendungen kontrolliert, dokumentiert und rechtskonform betrieben werden? Das ist die Governance-Frage — und die beantwortet UE 93.”

Tipp zur Branchenauswahl: In der öffentlichen Verwaltung ist die Betriebsrats/Personalrats-Dimension zentral — hier mehr Zeit einplanen. In IT-Unternehmen ist Qualitätsskepsis das häufigste Muster — die Demo-Session als Maßnahme ist hier besonders wirksam. In der Industrie und Fertigung liegt der Fokus auf Multiplikatoren vor Ort (Schichtführer, Servicetechniker) — kein Trainer erreicht diese Gruppe effektiver als ein Peer aus dem gleichen Arbeitskontext.

Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung mit Anhängen und Musterlösungen: als PDF anfordern.