KI-Einführung: Bleibt sichtbar, wem die Arbeit dient?

Im Programm «Die Einführung von KI im eigenen Team gestalten» von SHR — Swiss Human Resources lohnt es sich, die Einführung als Veränderung der Arbeit und nicht bloss als Werkzeugwechsel zu betrachten. Daraus ergibt sich eine präzise Führungsfrage: Wie bleibt das Verständnis für den Nutzen der eigenen Arbeit für ihre Empfänger erhalten, wenn KI einzelne Arbeitsschritte übernimmt?

Was die Literatur belegt

John Richard Hackman und Greg Oldham (1976, Organizational Behavior and Human Performance) untersuchten ein Modell, das Arbeitsmerkmale mit psychologischen und motivationalen Ergebnissen verknüpft. Die Bedeutsamkeit der Aufgabe — ihr Einfluss auf das Leben oder die Arbeit anderer Menschen — trägt neben der Anforderungsvielfalt und der Ganzheitlichkeit der Aufgabe zur erlebten Sinnhaftigkeit bei. Dieser Ansatz unterscheidet somit zwischen effizienter Ausführung und dem Erleben, eine bedeutsame Arbeit zu leisten.

Der Mechanismus: erkennen, wem die eigene Arbeit nützt

Adam Grant (2008, Journal of Applied Psychology) untersuchte experimentell die Auswirkungen der Bedeutsamkeit von Aufgaben auf die Leistung. Seine Ergebnisse verdeutlichen unter anderem die Rolle des wahrgenommenen Nutzens für andere und des Gefühls, dass andere die eigene Arbeit wertschätzen, sowie Bedingungen, welche die beobachteten Effekte beeinflussen. Für Führungskräfte legt dies nahe, jene Rückmeldungen zu prüfen, die den Beitrag der Mitarbeitenden sichtbar machen, statt anzunehmen, ein höherer Output allein wirke motivierend.

Der vorschnelle Schluss

Daraus könnte man schliessen, dass die Delegation eines Teils der Arbeit an KI zwangsläufig Sinn entzieht. Das belegen diese Studien nicht: Automatisierung kann auch Zeit freisetzen, um ein Anliegen zu verstehen oder einen Kunden zu begleiten. Entscheidend ist weniger der Umfang der automatisierten Arbeit als die Frage, wie sichtbar ihre Folgen für andere in der neuen Arbeitsorganisation bleiben. (unsere Weiterbildungen für Führungskräfte und Mitarbeitende)

Was diese Daten nicht belegen

Diese Artikel behandeln weder generative KI noch Unternehmen in Lugano; eine lokale Wirkung auf die Einführung lässt sich daraus nicht vorhersagen. Der erste prüft ein Modell der Arbeitsgestaltung, während die Experimente des zweiten bestimmte berufliche Kontexte betreffen. Eine steigende Zahl erstellter Dokumente oder eine allgemeine Zufriedenheitsbefragung reichen deshalb nicht aus, um zu überprüfen, ob der Bezug zu den Empfängern erhalten bleibt.

Eine überprüfbare Praxis in Lugano

In einer Bank, einem Modeunternehmen, einer Handelsfirma oder einem italienischsprachigen Familien-KMU in Lugano einen einzelnen KI-gestützten Arbeitsablauf auswählen und eine zweiwöchige Erfassung vorschlagen, ohne vertrauliche Daten aus den zugelassenen Systemen zu übertragen. Für jedes Arbeitsergebnis auf Italienisch festhalten, für wen es bestimmt ist, welchen Nutzen es haben soll und ob eine Rückmeldung dieser Person den Nutzen bestätigt. Anschliessend den Anteil der Arbeitsergebnisse mit einer solchen Rückmeldung berechnen und die Fälle ohne Rückmeldung im Team besprechen: Diese Quote misst die Sichtbarkeit des Nutzens, nicht den Nutzen selbst, und bietet im SHR-Programm einen konkreten Ausgangspunkt, um Rückmeldeschleifen anzupassen. Weiterführend: entdecken Sie die KI-Einführung im Team gestalten-Weiterbildung in Lugano im Kanton Tessin, oder durchstöbern Sie unsere Weiterbildungen für Führungskräfte und Mitarbeitende in der Schweiz.

In Bildern: KI-Einführung im Team gestalten in Lugano

• ki-einführung im team gestalten
• Lugano
• forschung
• Weiterbildung lugano