Unternehmenswissen bei KI-Transformationen schützen

Ein Unternehmen kann einen Teil seiner Softwareentwickler aus Produktteams in Teams versetzen, die KI-Modelle weiterentwickeln. Dort gibt ein Entwickler dem Modell eine Softwareaufgabe, prüft den erzeugten Code und benennt seine Schwächen. Damit ist hier Modellevaluierung gemeint. Das Beispiel beschränkt sich nicht auf Software. Einen Vertriebsmitarbeiter nach der Einführung von Chatbots in den Kundensupport zu versetzen oder Teile des Finanzteams wegen zusätzlicher Automatisierungskapazität in den Vertrieb zu verlagern, kann eine ähnlich tiefgreifende Veränderung sein.

Auch die Weiterentwicklung von KI-Modellen verlangt Softwarewissen und Urteilsvermögen. Ein Produkt zu entwickeln und zur Entwicklung eines Modells beizutragen, sind für den Arbeitsalltag und die berufliche Entwicklung eines Mitarbeiters aber unterschiedliche Erfahrungen. Wenn ein Unternehmen Beschäftigte für eine neue strategische Initiative einsetzt, muss es diesen Unterschied, die Erwartungen der Beschäftigten und berücksichtigen, welche Verantwortung im bisherigen Team liegen bleibt.

In seinem Bericht über Abgänge nach der Umstrukturierung bei Meta schreibt Gergely Orosz, dass einige erfahrene Ingenieure nach einer unerwünschten Versetzung in KI-Aufgaben andere Stellen suchten. Einige der von ihm befragten Beschäftigten gingen trotz zusätzlicher Aktienangebote zur Bindung ans Unternehmen. Der Bericht stützt sich auf Mitarbeiterinterviews und Beispiele, die der Autor nach eigener Aussage überprüft hat. Er ist keine umfassende Messung der unternehmensweiten Abgänge oder der Gründe für jede einzelne Kündigung.

Ein Aufgabenwechsel verändert auch die berufliche Perspektive

Wer jahrelang an einem Produkt gearbeitet hat, kann die Evaluierung von Modellen spannend finden. Eine andere Person kann sich von Produktentscheidungen abgekoppelt fühlen. Dieselbe Versetzung bedeutet für beide nicht dieselbe berufliche Chance.

Eine ähnliche Spannung beschreibt Pascal Bornet in seinem Bericht über ein Gespräch mit einer erfahrenen Kundenbetreuerin, deren Rolle nach einer Automatisierung kleiner wurde. Sie hatte keine Schwierigkeiten, die neue Technologie zu nutzen. Ihr fiel es schwer zu erkennen, welcher Teil der Arbeit noch ihr gehörte. Das Beispiel zeigt, warum ein Produktivitätsgewinn nicht dasselbe ist wie das Gefühl, weiterhin einen eigenen Beitrag zu leisten und eine berufliche Perspektive zu haben.

Beschäftigte wollen wissen, wie sie ihr vorhandenes Wissen in der neuen Rolle einsetzen, was sie lernen und wie ihre Arbeit bewertet wird. Ebenso wichtig ist, welchen Platz diese Rolle in ihrer beruflichen Zukunft hat. Ein unverändertes Gehalt löst nicht alle Sorgen, wenn diese Fragen offenbleiben.

Wenn sich die Prioritäten eines Unternehmens ändern, können Beschäftigte neue Verantwortlichkeiten übernehmen müssen. Das Unternehmen sollte aber erklären, warum gerade diese Person ausgewählt wurde und wie der Übergang abläuft. Ist noch unklar, wie lange die Aufgabe dauert, sollte auch diese Unsicherheit offen benannt werden.

Es ist nachvollziehbar, Menschen aufzufordern, neue Fähigkeiten zu erlernen. Etwas anderes ist es, von ihnen zu erwarten, dass sie sich Zeit und Unterstützung dafür selbst beschaffen. Damit trägt der Mitarbeiter die Kosten des Übergangs.

Unternehmenswissen reicht weiter als Dokumentation

Kehren wir zu dem Entwickler zurück, der in die Modellevaluierung wechselt. Der Personalbestand bleibt gleich, weil niemand das Unternehmen verlassen hat. Hat diese Person aber keine Kapazität mehr für ihr früheres Team und übernimmt niemand ihre Verantwortlichkeiten, kann das Team bestimmte Aufgaben schlechter bewältigen.

Aus Code und Dokumentation lässt sich lernen, wie ein System funktioniert. Warum es so aufgebaut wurde, ist oft schwerer zu verstehen.

In einem Softwareteam weiß eine erfahrene Person vielleicht, welches Kundenproblem eine scheinbar überflüssige Prüfung früher verhindert hat. Jemand anderes erkennt, warum eine technisch saubere Änderung dem Betrieb zusätzliche Arbeit verschafft. Dieses Wissen liegt nicht immer in einem eigenen Dokument vor. Es steckt in täglichen Entscheidungen.

Bei der Beurteilung des Beitrags eines erfahrenen Entwicklers sollte ein Unternehmen dieses Urteilsvermögen neben dem geschriebenen Code berücksichtigen. Ein Team davon abzuhalten, das falsche Problem zu lösen, die Wirkung einer Änderung auf ein anderes System zu erkennen oder einem weniger erfahrenen Kollegen zu zeigen, welche Frage entscheidend ist, gehört ebenfalls zur Arbeit.

Diese Art von Wissen ist nicht auf Softwareteams beschränkt. Ein erfahrener Mitarbeiter im Kundenservice weiß, welcher Einwand sich nicht mit einer Standardantwort lösen lässt. Eine Person in der Produktion kann erkennen, dass eine gewöhnlich wirkende Abweichung auf ein größeres Problem hinweist.

Wenn sich die Aufgaben dieser Menschen ändern, brauchen sie weiterhin die Möglichkeit, ihr Wissen einzusetzen und weiterzugeben. Besteht die Übergabe nur aus Dateien, können die Gründe hinter Entscheidungen verlorengehen. Ein KI-System mit Zugriff auf die Dokumente kann Begründungen, die nie festgehalten wurden, nicht von selbst wiederherstellen.

Dieser Verlust setzt keine Kündigung voraus. Wenn niemand die Person mehr einbezieht oder die neue Rolle keine Zeit dafür lässt, kann das Unternehmen ihr Wissen nicht mehr nutzen.

Unsicherheit verändert die Arbeit des verbleibenden Teams

Die Folgen einer Umstrukturierung betreffen nicht nur Menschen, die ihre Rolle wechseln oder gehen. Auch die verbleibenden Beschäftigten ziehen aus dem, was sie beobachten, Schlüsse über ihre eigene Zukunft.

Wer den Eindruck gewinnt, dass die Bedeutung der eigenen Arbeit ohne Erklärung entwertet werden kann, übernimmt langfristige Verantwortung vielleicht vorsichtiger. Wer nicht weiß, welche Rolle er nach der nächsten Veränderung spielt, kann sich vernünftigerweise nach anderen Stellen umsehen. Das Unternehmen riskiert dann, gerade die Menschen zu verlieren, die es halten wollte.

Die Sorgen der Beschäftigten sollten nicht allein auf Produktivität reduziert werden. Arbeitsplatzsicherheit, Einkommen und berufliche Zukunft betreffen ihr Leben unmittelbar. Ob die Führung diese Sorgen ernst nimmt, prägt auch das Vertrauen in ihre Zusagen.

Wenn Vertrauen schwindet, kann sich der Charakter der täglichen Arbeit ändern. Statt Probleme früh anzusprechen, Zeit für Kollegen zu schaffen oder eine Verbesserung anzustoßen, deren Ergebnis unsicher ist, konzentrieren sich Menschen möglicherweise darauf, sich selbst abzusichern.

Jemanden im Unternehmen zu halten und von seinem Wissen und Beitrag zu profitieren, sind deshalb zwei getrennte Fragen. Eine zusätzliche Vergütung kann bei der ersten helfen. Für die zweite braucht es auch sinnvolle Verantwortung, faire Bewertung und eine Stimme, die gehört wird.

Niedrigere Personalkosten zeigen nicht die gesamten Kosten

KI kann den Arbeitsaufwand für einige Aufgaben senken. Das kann sich auf den Personalbedarf auswirken. Eine belastbare Rechnung muss aber auch erfassen, wie die verbleibende Arbeit erledigt wird.

Wenn erfahrene Personen aus einem Team abgezogen werden, kann mehr Prüfung, Rücksprache oder erneutes Lernen nötig sein. Ein Problem, das früher in einem kurzen Gespräch gelöst wurde, kann zu Besprechungen mit mehreren Teams werden. Werden Fehler später entdeckt, kann ihre Korrektur teurer sein.

Das sind keine Verluste, die nach jedem Personalabbau zwingend eintreten. Es sind Annahmen, die in den erwarteten Einsparungen geprüft werden müssen. Warum sich der Wert von KI nicht allein daran messen lässt, ob mehr Arbeit erledigt wird, habe ich in Wie können Unternehmen mit KI Wert schaffen? untersucht.

Neben Personalkosten sollten daher Bearbeitungszeit, Nacharbeit und Servicequalität gemessen werden. Außerdem sollte das Unternehmen prüfen, wie viele Personen kritische Themen verstehen und ob die Arbeit ohne sie weiterlaufen kann.

Sinken die Kosten heute, während zugleich die Fähigkeit des Unternehmens zur Problemlösung nachlässt, sind die Kosten der nächsten Phase möglicherweise noch nicht eingerechnet.

Den Übergang mit den Menschen gestalten, die die Arbeit kennen

Eine verantwortungsvolle Transformation macht nicht nur deutlich, welche Aufgaben sich verändern. Sie erklärt auch, welches Wissen und welche Verantwortlichkeiten geschützt werden. Dafür braucht das Unternehmen das Wissen der Menschen, die die Arbeit tatsächlich erledigen.

Vor einem Rollenwechsel lassen sich bestehende Verantwortlichkeiten sichtbar machen. Die Gründe hinter kritischen Entscheidungen können festgehalten werden. Wenn der neue Verantwortliche eine Zeit lang mit der Person zusammenarbeitet, die die Aufgabe kennt, zeigt sich an konkreten Fällen, welches Wissen noch fehlt.

Auch Beschäftigte in einer neuen Rolle brauchen einen konkreten Übergangsplan. Erwartungen, Lernzeit und Unterstützung sollten klar sein. Wer während sie eine neue Aufgabe lernen weiter nach den bisherigen Leistungskriterien beurteilt wird, gerät in eine schwierige Lage, bevor der Übergang überhaupt begonnen hat.

Die Führung kann vielleicht nicht jede Unsicherheit sofort beantworten. Sie kann aber ehrlich sagen, welche Entscheidungen feststehen, welche noch offen sind und wann sie erneut geprüft werden.

Bei einer KI-Initiative sollte auch erhalten bleiben, dass Beschäftigte sich als Teil der Zukunft des Unternehmens sehen können. In Wo muss der Mensch bleiben, wenn KI die Arbeit erledigt? habe ich erläutert, warum Menschen Teil der Lernschleife sein müssen und nicht nur die letzte Kontrollinstanz. Das Wissen erfahrener Menschen kann zu einer besseren Arbeitsweise beitragen. Diese Menschen aus Entscheidungen auszuschließen und dieses Wissen später wieder zusammensuchen zu müssen, kann ein teurer Lernweg sein.

Wenn ein Transformationsplan genehmigt wird, genügt es nicht zu beschreiben, was das neue System tun soll. Das Unternehmen muss auch wissen, wer dieses Wissen weiterhin trägt, das nötig ist, um das System richtig zu nutzen, seine Fehler zu erkennen und es weiterzuentwickeln.