KI: Was sagen die Erfahrungen der Pionierteams allein aus?

Die Einführung von KI wird häufig anhand einiger interner Erfahrungen vorbereitet, die als vielversprechend gelten. Die konkrete Führungsfrage lautet: Lässt sich eine breitere Einführung beschliessen, wenn nur jene Teams Ergebnisse präsentieren, die ihre Versuche fortsetzen?

Was die Forschung belegt

Jerker Denrell (2003, Organization Science) zeigt anhand einer theoretischen Analyse und von Simulationen, dass die Unterrepräsentation von Misserfolgen das Lernen aus den Erfahrungen anderer verzerren kann. Die Beobachtung fortbestehender Organisationen kann Praktiken vorteilhaft erscheinen lassen, die in der Gesamtpopulation keinen solchen Vorteil bieten. Auf Erfahrungsberichte zu KI übertragen, legt dieser Mechanismus nahe, die Auswahl der vorgestellten Fälle zu prüfen und nicht nur die Überzeugungskraft ihrer Darstellung.

Wie erste Ergebnisse den weiteren Verlauf prägen

James G. March (1991, Organization Science) untersucht das Spannungsverhältnis zwischen der Erkundung neuer Möglichkeiten und der Nutzung bereits vorhandenen Wissens. Sein Modell zeigt, wie die zeitlich näheren und vorhersehbareren Erträge der Nutzung dazu führen können, dass diese zulasten des längerfristigen Lernens übermässig bevorzugt wird. Bei einer KI-Einführung wäre daher zu prüfen, ob die ersten sichtbaren Anwendungen Ressourcen anziehen, während weniger eindeutige Versuche aus dem Vergleich verschwinden.

Der vorschnelle Schluss

Daraus abzuleiten, dass Pionierteams zwangsläufig ein irreführendes Bild von KI vermitteln, wäre überzogen. Ihre Erfahrungen können wertvolle Erfolgsbedingungen dokumentieren, ohne nachzuweisen, dass diese Bedingungen anderswo ebenfalls vorliegen. Entscheidend ist die Unterscheidung zwischen dem Nachweis, dass eine Anwendung möglich ist, und dem Nachweis ihrer Übertragbarkeit auf andere Teams. (unsere Weiterbildungen für Führungskräfte und Mitarbeitende)

Was die verfügbaren Daten nicht aussagen

Die beiden Artikel untersuchen weder generative KI noch Organisationen in Lausanne: Sie beschreiben Mechanismen des organisationalen Lernens, schätzen aber nicht den Erfolg einer lokalen Einführung. In der Praxis lassen sich Erfahrungsberichte schwer einordnen, wenn die Gesamtzahl der Versuche, die Abbrüche und die eingesetzten Ressourcen nicht dokumentiert sind. Selbst eine vollständige Bestandsaufnahme erlaubt es nicht, Ergebnisse dem Werkzeug zuzuschreiben, wenn sich die Teams hinsichtlich Zeit, Fachwissen oder Unterstützung unterscheiden.

Eine überprüfbare Praxis in Lausanne

Im Rahmen des SHR-Programms « Manager à l'ère de l'intelligence artificielle » lässt sich in Lausanne folgende Übung durchführen: Für einen vorab festgelegten Zeitraum werden sämtliche Versuche mit einem bestimmten Anwendungsfall erfasst, sowohl fortgeführte als auch abgebrochene. Ob Medtech-Unternehmen, Hochschule, internationale Sportorganisation oder Scale-up im Genferseeraum: Das Register sollte Aufgabe, eingesetzte Ressourcen, Ergebnis und Grund für die Fortsetzung oder den Abbruch festhalten. Eine überprüfbare Kennzahl ist der Abdeckungsgrad des Dossiers für das Entscheidungsgremium: die Zahl der darin dokumentierten Versuche geteilt durch die Gesamtzahl der erfassten Versuche, abgeglichen mit Zugangsanträgen und Projektregistern. Diese Kennzahl belegt nicht die Wirksamkeit der KI; sie zeigt, ob die Entscheidung ausschliesslich auf Erfahrungen beruht, die weiterhin sichtbar präsentiert werden. Weiterführend: entdecken Sie die Führen im Zeitalter der künstlichen Intelligenz-Weiterbildung in Lausanne im Kanton Waadt, oder durchstöbern Sie unsere Weiterbildungen für Führungskräfte und Mitarbeitende in der Schweiz.

In Bildern: Führen im Zeitalter der künstlichen Intelligenz in Lausanne

• führen im zeitalter der künstlichen intelligenz
• Lausanne
• forschung
• Weiterbildung lausanne