Ethan Mollick, Professor an der Wharton School und Autor des einflussreichen Substack-Newsletters „One Useful Thing“, veröffentlicht eine forschungsbasierte Analyse der Muster der organisatorischen KI-Akzeptanz und deckt dabei eine erhebliche Lücke zwischen Experimentieren und dauerhafter Nutzung auf. Gestützt auf Befragungen tausender Wissensarbeiter aus verschiedenen Branchen liefert er umsetzbare Erkenntnisse für Führungskräfte, die den KI-Wandel steuern, und dokumentiert dabei gängige Fallstricke und Erfolgsfaktoren.

Die Akzeptanzlücke: 70/20

Die Forschung zeigt ein auffälliges Muster: rund 70 % der Beschäftigten in wissensbasierten Organisationen haben mit KI-Werkzeugen (ChatGPT, Claude, Copilot usw.) experimentiert, doch nur 20 % sind zu regelmäßigen Nutzern geworden, die KI in ihren täglichen Arbeitsablauf integrieren. Dieser Rückgang um 50 Prozentpunkte stellt ein massiv ungenutztes Potenzial dar: Organisationen investieren in KI-Zugang, ohne die für Produktivitätsgewinne nötige dauerhafte Akzeptanz zu erreichen.

Warum aus Experimenten keine Gewohnheiten werden

Die Analyse identifiziert kumulative Hindernisse: unklare Anwendungsfälle, Reibungsverluste bei der Integration von KI in Arbeitsabläufe, Zweifel an der Ausgabequalität, den nötigen Zeitaufwand zum Erlernen, organisatorische Trägheit, Skepsis unter Kollegen und fehlende Anerkennung für KI-Kompetenzen. Diese Hindernisse summieren sich und verwandeln anfängliche Begeisterung in Aufgabe.

Top-down-Vorgaben versus Bottom-up-Erkundung

Der Vergleich der Einführungsansätze zeigt, dass Bottom-up-Akzeptanz deutlich wirksamer ist: Der explorationsorientierte Ansatz (Werkzeuge, Zeit, Ermutigung) erreicht eine dauerhafte Akzeptanz von rund 40 %, gegenüber rund 15 % beim vorgabebasierten Ansatz, der Widerstand und Umgehungsverhalten hervorruft. Ein kontraintuitiver Befund: weniger Vorgabe führt zu besseren Ergebnissen. Beschäftigte, die echten Mehrwert entdecken, sind intrinsisch motiviert; auferlegte Nutzung erzeugt Compliance ohne Verständnis, die aufgegeben wird, sobald die Kontrolle nachlässt.

Kritische Erfolgsfaktoren

Organisationen, die erfolgreich sind, teilen Folgendes: Vorbildfunktion der Führungsebene (Führungskräfte nutzen KI sichtbar), psychologische Sicherheit (KI-Fehler eingestehen können), fest eingeplante Lernzeit, klare Leitplanken, eine Kultur des Teilens (Prompts und Anwendungsfälle), Messung ohne Bestrafung sowie die Auswahl wertschöpfungsstarker Anwendungsfälle.

Kompetenzen, Messung und Widerstand

KI-Kompetenz erfordert echte Kompetenzentwicklung, nicht nur Werkzeugzugang: das Verständnis der Fähigkeiten und Grenzen der Modelle, das Iterieren von Prompts, die kritische Bewertung der Qualität. Die Quantifizierung der Gewinne bleibt schwierig (selbstberichtete Gewinne, der Beitrag der KI ist schwer zu isolieren, verdeckte Überprüfungskosten); Mollick empfiehlt gemischte Methoden, die quantitative Kennzahlen mit qualitativen Fallstudien kombinieren. Widerstand (Angst vor Arbeitsplatzverlust, berufliche Identität, ethische Bedenken) muss emotional angegangen werden, nicht nur technisch.

Empfohlenes Vorgehen: klein anfangen (Pilotprojekte), rigoros messen, Erfolge teilen, in Schulung investieren, Praxisgemeinschaften aufbauen, realistische Erwartungen setzen und iterieren. Eine evidenzbasierte Roadmap für die menschliche Dimension des KI-Wandels, die oft schwieriger ist als die technische Umsetzung.