KI-Projekte umsetzen: Von Pain zu Pain au Chocolat mit Tim Schleicher

Warum der Copilot-Rollout oft nicht zündet

Viele HR-Verantwortliche kennen das Gefühl: Irgendwie müssen wir lernen, mit KI umzugehen, aber so ganz klappt es nicht. Schleicher beschreibt die typische Situation: Die IT-Abteilung rollt Copilot aus, die Mitarbeitenden finden das ganz nett, beißen aber nicht an. Dann kommt eine neue Version, und wieder passiert wenig.

Laut Studien, die Schleicher zitiert, glauben drei Viertel aller Europäer, dass ihr Leben durch KI schlechter wird. In China und den USA sieht das anders aus. Wenn in deiner Organisation drei Viertel so denken, wundert es nicht, dass manche Gruppen nichts mit KI zu tun haben wollen. Dazu kommt ein Diversity-Thema: Frauen nutzen Sprachmodelle wie Copilot tendenziell weniger als Männer. Und Produkte, auf denen KI steht, werden sogar weniger gekauft. Die Frage ist also, wo du anfängst und wie du das Narrativ gestaltest.

Das KI-ABC: Agenten, Daten, Verteilung

One Thousand baut seit 2019 KI-Anwendungsfälle, bisher 247, das Ziel sind 1.000, daher der Name. Schleicher ordnet KI entlang von sechs Buchstaben ein. A steht für Agenten, also Sprachmodelle, die selbst handeln, etwa eine Buchung abschließen und bezahlen. B steht für Big Data: Immer weniger Menschen erzeugen neue Daten, etwa in Code-Foren. Für Recruiting stellt Schleicher eine konkrete Frage: Wie kommt deine Firma in die Datenbasis der Sprachmodelle, damit sie genannt wird, wenn jemand nach einem interessanten Arbeitgeber in Berlin fragt? C steht für Cloud und Rechenleistung.

D steht für Distribution, also wie KI in die Breite kommt. Davon profitieren laut Schleicher derzeit vor allem große Beratungshäuser, die Rollouts und Enablement übernehmen. Neue Rollen entstehen, etwa Forward Deployed Engineers, die programmieren, aber auch sprechen und Schmerzpunkte verstehen. E steht für Energie, weil Data Center viel Strom und Wasser brauchen. F steht für Flaws: KI kann Menschen sehr gut von einer anderen Meinung überzeugen, und Sprachmodelle nennen gern jede Idee fantastisch.

Warum KI-Projekte so schwer umzusetzen sind

KI-Projekte sind laut Schleicher aus fünf Gründen schwer: Sie sind experimentell, hängen von der eigenen Datenbasis ab, ihre Ergebnisse sind offen für Interpretation, kein Bereich kann sie allein stemmen, weder Business noch HR noch Legal, und das Thema ist angstbehaftet. Deshalb gilt: KI braucht Führung, und Führung braucht KI. Schleicher nennt einen Mittelständler, der 200 Stellen in Deutschland abbaut und 30 in Malaysia aufbaut, die den Job der 200 machen.

Die typische deutsche Logik dreht die Reihenfolge falsch herum: erst Beratung holen, dann Data Scientists rekrutieren, dann experimentieren. Schleicher rät zum Gegenteil: Bring erst ein, zwei, drei Anwendungen auf die Straße und sammle Erfahrung. Dann weißt du, wen du brauchst. Für Führungskräfte zitiert Schleicher Ethan Mollick, Professor in Wharton: Erst wer drei schlaflose Nächte vor dem PC verbracht hat, versteht, was gerade los ist. Das ist eine Einladung, selbst hands-on auszuprobieren.

Sechs Regeln, damit KI-Projekte nicht an die Wand fahren

Regel eins ist eine Formel, für deren Entwicklung One Thousand sieben Jahre gebraucht hat: Pain mal Data. Es braucht einen Schmerz und eine Datenbasis, aus der KI lernen kann. Erst wenn beides da ist, macht es richtig Spaß. Das Amtsgericht Königs Wusterhausen musste mit wenigen Leuten 10.000 Klagen auf Flugentschädigung vom Berliner Flughafen bearbeiten. Der Schmerz war so groß, dass das Gericht zum Minister ging: Entweder wir dürfen KI nutzen, oder wir sind raus. Das Projekt hat funktioniert, auch in der Justiz.

Regel zwei: Always invite AI to the table. Für einen schwäbischen Werkzeugmaschinenhersteller baute One Thousand einen Assistenten, der das Wissen von Fachkräften vor der Rente sichern sollte. Die Antworten waren schlecht, weil sich Schulungsmaterialien und Bedienungsanleitungen widersprachen. Das ließ sich nur im Tun entdecken. Regel drei: Treat AI like a person. Ein auf extreme Freundlichkeit eingestellter Service-Chatbot fand die Idee eines Kunden, zur Konkurrenz zu wechseln, fantastisch. KI ist wie ein Prakti auf Speed: kann sehr viel, braucht aber Orientierung.

Regel vier: KI wird nur besser. Die Bauer Media Group dachte, KI könne nur Texte schreiben, kein Design. Inzwischen zeigt sich, dass KI extrem gut Layouts bauen kann. Regel fünf ist eine Hypothese: Viele Durchbrüche kommen bei sehr menschlichen Themen, etwa beim Coachen und Begleiten in schwierigen Situationen. Regel sechs: Neugier statt Expertenmodus. Für die Berliner Stadtreinigung hat das Team selbst Müll gesammelt und verstanden, dass Gesundheit der größte Schmerzpunkt ist. Die KI schlägt nun vor, wer welche Tour fährt, um möglichst lange gesund zu bleiben.

So kannst du KI-Projekte im HR umsetzen

Im Gespräch mit Gero Hesse beschreibt Schleicher den Druck: Bei KI kann man sich nie zurücklehnen, die Karten werden jeden Tag neu gemischt. One Thousand führe durch eine Technologierevolution, die das Team selbst nicht genau versteht. Gerade eine expertengetriebene Kultur wie in Deutschland braucht dafür ein neues Narrativ.

Für HR heißt das: Probier KI selbst aus, bevor du Enablement-Maßnahmen planst. Nur so weißt du auch, wen du recruiten willst. Dein erster Schritt: Such in deinem Bereich die Stelle, an der der Schmerz am größten ist und Daten vorliegen, und bring dort einen ersten Anwendungsfall auf die Straße.