Die Technik ist nicht das Problem: KI einfuehren, ohne Ihr Team zu verlieren

Ein neues Tool ist installiert, die Lizenzen sind bezahlt, der Anbieter hat eine saubere Demo geliefert. Drei Monate spaeter nutzt es niemand. Das ist das haeufigste Bild bei gescheiterten KI-Projekten in KMU, und der Grund liegt fast nie in der Software. Die Technik funktioniert. Was nicht funktioniert, ist die Einfuehrung bei den Menschen, die damit arbeiten sollen. Wer KI einfuehren und seine Mitarbeiter dabei behalten will, muss zuerst die Akzeptanz loesen, nicht die Architektur.

Warum KI-Projekte an Akzeptanz scheitern, nicht an Technik

Die viel zitierte MIT-Studie “The GenAI Divide: State of AI in Business 2025” untersuchte 150 Fuehrungsgespraeche, eine Befragung von 350 Mitarbeitenden und 300 oeffentliche KI-Einfuehrungen. Das Ergebnis: Nur rund 5 Prozent der untersuchten Generative-KI-Pilotprojekte beschleunigten messbar den Umsatz, die grosse Mehrheit blieb ohne erkennbaren Ergebnisbeitrag. Entscheidend ist die Begruendung der Forscher: Der Kern des Problems sei nicht die Qualitaet der Modelle, sondern eine Lernluecke bei Werkzeugen und Organisationen.

Das deckt sich mit dem, was wir bei Vollmer Labs in der Praxis sehen. Ein Sprachmodell, das eine E-Mail entwirft oder eine Rechnung vorprueft, ist heute selten das Nadeloehr. Das Nadeloehr ist die Frage, ob das Team dem Ergebnis vertraut, den Nutzen versteht und sich nicht ueberrumpelt fuehlt. Dieselbe MIT-Studie nennt als Erfolgsfaktor ausdruecklich, nicht nur ein zentrales KI-Labor, sondern die Fuehrungskraefte an der Linie zu befaehigen, die Einfuehrung zu treiben. Akzeptanz entsteht dort, wo gearbeitet wird, nicht im Sitzungszimmer.

Die vier Aengste Ihrer Mitarbeitenden

Hinter dem Wort “Widerstand” stecken meistens konkrete, nachvollziehbare Sorgen. Wer sie nicht ernst nimmt, bekaempft Symptome. In Schweizer Zahlen sind diese Sorgen gut belegt: Laut dem EY European AI Barometer 2025 (500 Befragte in der Schweiz, 4’942 in neun europaeischen Laendern) sorgen sich 43 Prozent der Arbeitnehmenden in der Schweiz um negative Auswirkungen von KI auf ihren Arbeitsplatz, und 76 Prozent erwarten, dass KI zu Arbeitsplatzabbau fuehrt. Gleichzeitig nutzen bereits 86 Prozent KI-Werkzeuge.

Die vier wiederkehrenden Aengste:

1. Angst um den Job. “Wenn die Maschine das kann, brauchen sie mich dann noch?” Diese Sorge ist die lauteste und blockiert am staerksten.
2. Angst vor Kompetenzverlust und Blamage. “Ich verstehe das nicht und werde alt aussehen.” Gerade erfahrene, geschaetzte Mitarbeitende fuerchten, als rueckstaendig zu gelten.
3. Misstrauen gegenueber den Ergebnissen. “Kann ich mich darauf verlassen, oder erfindet das Ding etwas?” Diese Sorge ist berechtigt und sollte nicht weggeredet werden.
4. Das Gefuehl, uebergangen zu werden. “Niemand hat mich gefragt, jetzt soll ich es einfach benutzen.” Eine Entscheidung von oben ohne Einbindung erzeugt fast zwangslaeufig Trotz.

Diese Aengste sind nicht irrational und auch nicht “typisch Schweiz”. Sie sind die normale Reaktion von Menschen, die nicht wissen, was eine Veraenderung fuer sie bedeutet. Ihre Aufgabe als Geschaeftsfuehrer ist nicht, sie wegzudiskutieren, sondern sie zu beantworten.

Transparenz und “unterstuetzen, nicht ersetzen” als Fundament

Der wirksamste Hebel ist banal und wird trotzdem selten genutzt: ehrlich sagen, was Sache ist. Praktische Erfahrung baut Aengste nachweislich ab; mit 86 Prozent Nutzungsrate gehoeren Schweizer Arbeitnehmende laut EY zu den europaeischen Vorreitern, und genau diese Naehe wandelt Skepsis in Routine. Transparenz heisst konkret:

• Sagen, was die KI tun soll und was nicht. “Sie entwirft die Antwort, Sie entscheiden und senden” ist eine andere Botschaft als “Sie macht Ihren Job”.
• Sagen, was mit den Daten passiert. Welche Informationen gehen wohin, wer hat Einsicht, was bleibt im Haus. Datenschutzsorgen gehoeren laut den Schweizer Befragungen zu den meistgenannten Vorbehalten.
• Sagen, was Sie noch nicht wissen. Ein ehrliches “Wir testen das, und wenn es nichts taugt, lassen wir es” schafft mehr Vertrauen als jede geschoente Demo.

Die zweite Saeule ist die Haltung “unterstuetzen, nicht ersetzen”. Das ist kein Marketingsatz, sondern eine Designentscheidung. Eine KI, die Routine vorbereitet und dem Menschen die Entscheidung laesst, nimmt die Jobangst auf eine Weise, die kein Beruhigungsversprechen je erreicht. Unsere produktiven Bausteine sind genau so gebaut: Die CPA-Buchhaltungs-Agenten, die taeglich in einer US-Treuhandkanzlei laufen, bereiten Buchungen vor, der Mensch gibt frei. Das RFQ-Werkzeug rfqbuddy.com strukturiert Anfragen, ersetzt aber nicht die Entscheidung, ob und wie man offeriert. Wer so einfuehrt, muss niemandem versprechen, dass kein Job verschwindet, weil die Aufgabe sichtbar beim Menschen bleibt.

Quick Wins: klein anfangen, wo es weh tut

Der zweite Fehler nach fehlender Transparenz ist der Grossangriff: KI soll gleich das Kerngeschaeft umkrempeln. Das ueberfordert, erzeugt maximalen Widerstand und maximales Risiko. Der bessere Weg ist ein Quick Win, eine kleine, sichtbare Verbesserung an einer Aufgabe, die ohnehin niemand gern macht.

Gute Kandidaten fuer einen ersten Quick Win:

• Eine laestige, repetitive Aufgabe, kein heikler Kernprozess.
• Eine Aufgabe, deren Ergebnis sich leicht ueberpruefen laesst, damit Vertrauen entstehen kann.
• Eine Aufgabe, bei der ein Fehler nicht teuer ist.
• Eine Aufgabe, deren Entlastung die Mitarbeitenden selbst spueren, nicht nur die Buchhaltung.

Wenn die Belastung wegfaellt und der Job bleibt, kippt die Stimmung. Aus “das nimmt mir etwas weg” wird “das nimmt mir etwas ab”. Wichtig ist, die Leute einzubeziehen, die die Arbeit taeglich machen: Forschung und Praxis zu Veraenderungsprozessen zeigen, dass Akzeptanz steigt, wenn Mitarbeitende neue Werkzeuge testen, Rueckmeldung geben und mitgestalten duerfen, statt eine Vorgabe von oben umzusetzen. In manchen Branchen haben wir produktive Cases, in anderen laufen die Bausteine, aber noch nicht in genau dieser Branche, etwa in der Gastronomie, wo unser auf Kuechenstudios ausgerichtetes Werkzeug jeffri.ch im Schweizer Pilot steht. Diese Ehrlichkeit gehoert dazu.

Ein realistischer Fahrplan in vier Schritten

Kein Big-Bang, sondern ein nuechterner Ablauf, der Vertrauen aufbaut, bevor er Tempo aufnimmt:

1. Zuhoeren und Ziel klaeren. Wo verlieren die Leute taeglich Zeit? Was soll die KI loesen, und woran messen Sie Erfolg? Vorab definierte, klare Erfolgskriterien erhoehen die Trefferquote laut den Auswertungen zu KI-Projekten deutlich.
2. Einen Quick Win waehlen und transparent ankuendigen. Eine Aufgabe, ein kleines Team, ein klarer Rahmen, was die KI macht und was der Mensch entscheidet.
3. Pilot fahren, Rueckmeldung einholen, anpassen. Im Kleinen lernen, bevor breit ausgerollt wird. Die Mitarbeitenden des Pilots werden zu Botschaftern oder zu Bremsern, je nachdem, wie ernst ihre Rueckmeldung genommen wird.
4. Ausweiten, wo es sich bewaehrt hat, und stoppen, wo nicht. Ein abgebrochener Versuch ist kein Scheitern, sondern eine guenstige Lektion. Das offen zu kommunizieren, schuetzt die Glaubwuerdigkeit fuer den naechsten Schritt.

Ein Wort zum rechtlichen Rahmen, damit Transparenz nicht nur Goodwill ist: Der Bundesrat hat am 12. Februar 2025 entschieden, die KI-Konvention des Europarats zu ratifizieren und bis Ende 2026 eine Vernehmlassungsvorlage vorzubereiten, die unter anderem Transparenz, Datenschutz, Nichtdiskriminierung und Aufsicht abdeckt. Schon heute gelten beim Bearbeiten von Personendaten die Pflichten des Datenschutzrechts. Transparenz gegenueber dem Team ist also nicht nur klug, sondern bewegt sich in Richtung dessen, was ohnehin erwartet wird. Wer so vorgeht, fuehrt KI ein, ohne die Mitarbeiter zu verlieren, und genau das entscheidet ueber Erfolg oder Stillstand, nicht die Wahl des Modells.