Change Management bezeichnet das strukturierte Begleiten von Veränderungen in einer Organisation – mit dem Ziel, dass die betroffenen Menschen die Veränderung nicht nur ertragen, sondern verstehen, akzeptieren und aktiv tragen. Bei der Einführung von Künstlicher Intelligenz gewinnt diese Disziplin eine besondere Schärfe. Denn KI berührt anders als eine neue Buchhaltungssoftware unmittelbar Fragen, die tief mit Arbeit und Identität verknüpft sind: Was bleibt von meiner Aufgabe? Werde ich noch gebraucht? Traut man mir noch zu, gute Entscheidungen zu treffen – oder entscheidet jetzt eine Maschine?
Technische Projekte lassen sich planen, testen und in Betrieb nehmen. Ob ein KI-Werkzeug aber tatsächlich genutzt wird, hängt davon ab, ob die Menschen es als hilfreich, fair und beherrschbar erleben. Ein technisch exzellentes System, das im Alltag umgangen, boykottiert oder nur widerwillig bedient wird, erzeugt keinen Mehrwert – es erzeugt Frust und Fehlinvestitionen. Aus unserer Projektpraxis lässt sich ein einfacher Grundsatz ableiten: Der Nutzen einer KI entsteht nicht bei ihrer Installation, sondern bei ihrer Aneignung durch die Menschen.
Nicht jede Veränderung ist gleich. KI-Einführungen unterscheiden sich von klassischen IT-Projekten in mehreren Punkten, die das Change Management anspruchsvoller machen. Erstens ist die Technologie für viele Beschäftigte eine Blackbox: Anders als bei einer neuen Maschine ist oft nicht intuitiv nachvollziehbar, wie ein Ergebnis zustande kommt. Das erzeugt Unsicherheit und im schlimmsten Fall Misstrauen. Zweitens verändert KI nicht nur, womit gearbeitet wird, sondern häufig auch, wer welche Entscheidungen trifft – das berührt Kompetenzgefühl und informelle Hierarchien. Drittens ist KI mit einer intensiven öffentlichen Debatte über Jobverluste und Kontrolle aufgeladen, die jeder Mitarbeitende aus den Medien kennt und mit ins Unternehmen bringt.
Diese drei Besonderheiten führen dazu, dass rein sachliche Argumente selten ausreichen. Menschen reagieren auf Veränderung zuerst emotional und erst danach rational. Ein gutes Change Management nimmt diese emotionale Ebene ernst, statt sie als „Widerstand von unbelehrbaren Mitarbeitenden“ abzutun. Wer die Sorgen nicht adressiert, riskiert, dass sie im Verborgenen weiterwirken – und das Projekt still aushöhlen.
Fehlendes Change Management ist nicht kostenlos, es ist nur eine versteckte Rechnung. Wird die menschliche Seite ignoriert, zeigen sich die Folgen zeitverzögert: geringe Nutzungsquoten trotz teurer Lizenzen, Schatten-Prozesse, in denen alte Wege heimlich weiterlaufen, ein Vertrauensverlust gegenüber der Geschäftsführung und – besonders teuer – der Abgang von Leistungsträgern, die sich übergangen fühlen. Hinzu kommt ein oft unterschätzter Effekt: Ein misslungenes erstes KI-Projekt vergiftet die Bereitschaft für alle folgenden. Wer die erste Einführung „gegen die Wand fährt“, muss beim zweiten Anlauf gegen Skepsis, Zynismus und erlernte Ohnmacht ankämpfen.
Umgekehrt zahlt sich professionelles Change Management doppelt aus: Es beschleunigt die produktive Nutzung der Systeme und es baut eine Veränderungsfähigkeit auf, die dem Unternehmen bei jeder weiteren Digitalisierungswelle zugutekommt. Diese Veränderungskompetenz ist selbst ein strategisches Gut – gerade in einer Zeit, in der KI-Werkzeuge sich rasch weiterentwickeln und Anpassung zur Daueraufgabe wird.
Es lohnt sich, Widerstand nicht moralisch zu bewerten, sondern funktional zu lesen. Wenn Menschen zögern, eine neue KI zu nutzen, verteidigen sie meist etwas, das ihnen wichtig ist: ihre Kompetenz, ihre Autonomie, ihre Sicherheit oder ihren Status. Die Kunst des Change Managements besteht darin, dieses „Wovor?“ zu erkennen und ernst zu nehmen. Erst dann lassen sich passende Antworten geben. Die folgenden vier Ängste sind aus unserer Erfahrung die häufigsten Treiber.
Die Sorge, durch KI ersetzt zu werden, ist die offensichtlichste und zugleich die heikelste. Zwei Fehler sind hier verbreitet. Der erste ist das beschwichtigende Dementi („Bei uns wird niemand wegen KI entlassen“) – ein Satz, der schnell zum Bumerang wird, wenn sich Rahmenbedingungen ändern, und der als Beruhigungspille durchschaut wird. Der zweite Fehler ist das Verschweigen, das Gerüchten Raum gibt. Beides untergräbt Vertrauen.
Der bessere Weg ist ehrliche, differenzierte Kommunikation: Welche Tätigkeiten wird KI voraussichtlich übernehmen oder unterstützen? Welche Aufgaben verschieben sich? Wo entstehen neue, anspruchsvollere Rollen? In vielen Mittelstandsprojekten geht es weniger um das Ersetzen ganzer Stellen als um das Verlagern von Routinetätigkeiten hin zu wertschöpfenderer Arbeit. Diese Botschaft wirkt aber nur, wenn sie glaubwürdig belegt und nicht als Marketingfloskel serviert wird. Wo tatsächlich Stellen oder Aufgabenprofile betroffen sind, gehört das offen und frühzeitig auf den Tisch – auch im Zusammenspiel mit der Mitbestimmung (siehe Kapitel 09).
Erfahrene Fachkräfte definieren sich häufig über ihr Urteilsvermögen. Wenn eine KI plötzlich Empfehlungen ausspricht, deren Zustandekommen unklar bleibt, fühlt sich das wie Entmündigung an – selbst wenn die Empfehlung gut ist. Die Antwort liegt hier in Transparenz und menschlicher Aufsicht: Menschen müssen verstehen, in welchen Grenzen ein System arbeitet, wo seine Schwächen liegen und wie sie Ergebnisse hinterfragen und übersteuern können. Das Ziel ist nicht der gläserne Algorithmus bis ins letzte Detail, sondern ein belastbares Gefühl, „das Steuer in der Hand zu behalten“. Wenn Beschäftigte erleben, dass ihr Urteil weiterhin zählt und die KI ein Werkzeug bleibt, verwandelt sich Misstrauen oft in pragmatische Neugier.
Weniger laut, aber ebenso wirksam sind die Ängste vor Überforderung und Statusverlust. Gerade langjährige, verdiente Mitarbeitende fürchten, im Umgang mit neuen Werkzeugen als unbeholfen dazustehen – ausgerechnet vor jüngeren Kolleginnen und Kollegen, die scheinbar mühelos mit Technik hantieren. Diese Angst zeigt sich selten offen; häufiger äußert sie sich als Vermeidung, Aufschieben oder betonte Distanz. Ihr begegnet man mit sicheren Lernräumen (siehe Kapitel 06) und einer Haltung, die Fragen als Zeichen von Engagement wertet, nicht als Blöße. Der Statusverlust wiederum wird gemildert, wenn die neue Rolle sichtbar gewürdigt wird: Erfahrungswissen bleibt gefragt, nur an anderer Stelle – etwa beim kritischen Prüfen von KI-Ergebnissen, das gerade Erfahrung voraussetzt.
Change-Modelle sind Landkarten, keine Gleise. Sie helfen, nichts Wichtiges zu vergessen und die Reihenfolge sinnvoll zu ordnen. Wer sie mechanisch abarbeitet, verfehlt ihren Zweck; wer sie als Orientierung nutzt, gewinnt Struktur und eine gemeinsame Sprache. Für KI-Projekte sind vor allem zwei Blickwinkel hilfreich: der organisationale Blick (Kotter) auf den Wandel als Bewegung des ganzen Unternehmens und der individuelle Blick (ADKAR) auf die Veränderung im einzelnen Menschen.
John Kotter beschreibt Wandel als Abfolge von acht Phasen, die von einem Gefühl der Dringlichkeit bis zur Verankerung in der Kultur reichen. Auf KI-Einführungen übertragen ergibt sich ein anschauliches Bild: Am Anfang steht, ein geteiltes Verständnis dafür zu schaffen, warum KI jetzt relevant ist – nicht als Panikmache, sondern als nüchterne Standortbestimmung. Dann braucht es eine tragfähige Führungskoalition aus Geschäftsführung, Fachbereichen und – wo vorhanden – Betriebsrat. Eine klare, verständliche Vision übersetzt das abstrakte Thema KI in ein konkretes Zielbild für den Arbeitsalltag.
In der Umsetzung sind zwei Kotter-Elemente für KI besonders wertvoll: das Ausräumen von Hindernissen (etwa unklare Regeln, fehlende Zeit zum Lernen oder Datenschutzbedenken) und das gezielte Erzeugen von kurzfristigen Erfolgen. Gerade sichtbare, schnelle Erfolge – ein kleiner Anwendungsfall, der spürbar Arbeit erleichtert – sind für die Akzeptanz Gold wert, weil sie den abstrakten Nutzen erlebbar machen. Die letzten Stufen, das Konsolidieren und das Verankern in der Kultur, verhindern, dass die Veränderung nach dem ersten Enthusiasmus wieder verpufft.
Während Kotter die Organisation betrachtet, richtet das ADKAR-Modell den Blick auf den einzelnen Menschen. Sein Grundgedanke: Veränderung gelingt nur, wenn jede betroffene Person fünf Zustände nacheinander durchläuft. Das Akronym steht für Awareness (Bewusstsein für die Notwendigkeit), Desire (der persönliche Wille mitzumachen), Knowledge (das Wissen, wie), Ability (die Fähigkeit, es tatsächlich zu tun) und Reinforcement (das Verankern, damit man nicht zurückfällt).
Für KI-Projekte ist ADKAR deshalb so hilfreich, weil es typische Fehler sichtbar macht. Der häufigste: Unternehmen springen direkt zu Knowledge – sie schulen Werkzeuge –, ohne vorher Awareness und vor allem Desire aufgebaut zu haben. Menschen, die nicht verstehen warum und nicht wollen, lernen das Wie nur widerwillig. Ebenso wird Ability unterschätzt: Wissen aus einer Schulung wird erst durch Übung im geschützten Rahmen zur echten Fähigkeit. Und ohne Reinforcement – Erfolge sichtbar machen, dranbleiben, Rückfälle auffangen – kehren alte Gewohnheiten zurück.
In der Praxis ergänzen sich Kotter und ADKAR gut. Kotter liefert die Choreografie für das Gesamtvorhaben, ADKAR die Diagnose auf der Ebene des einzelnen Menschen. Wenn ein Rollout stockt, hilft ADKAR bei der Frage: An welcher Stufe hängen die Leute? Fehlt das Warum, das Wollen, das Wissen, das Können – oder das Dranbleiben? Diese Diagnose ist wertvoller als pauschale Appelle. Wichtig bleibt: Modelle sind Werkzeuge, keine Wahrheit. Passen Sie sie an Ihre Kultur an, statt Ihre Kultur an das Modell.
Ein KI-Projekt hat viele Beteiligte mit unterschiedlichen Interessen: die Geschäftsführung, die Fachbereiche, die IT, den Datenschutz, gegebenenfalls den Betriebsrat und – im Zentrum – die Menschen, die täglich mit der neuen KI arbeiten sollen. Der erste Schritt ist eine nüchterne Stakeholder-Analyse: Wer ist betroffen? Wer hat Einfluss? Wer ist Befürworter, wer skeptisch? Wessen Zustimmung ist erfolgskritisch? Diese Landkarte hilft, Energie dorthin zu lenken, wo sie den größten Unterschied macht.
Einbindung ist ein Spektrum. Am unteren Ende steht das reine Informieren („Wir führen ein, entschieden ist entschieden“), am oberen Ende das echte Mitgestalten. Für Akzeptanz entscheidend ist, dass Beteiligung nicht zur Alibiveranstaltung verkommt. Menschen merken sehr genau, ob ihre Meinung wirklich zählt oder ob eine Befragung nur die vorab getroffene Entscheidung legitimieren soll. Solche „Pseudo-Partizipation“ ist schädlicher als gar keine, weil sie Vertrauen verbrennt.
Praktisch bewährt hat sich, die Menschen dort einzubinden, wo sie tatsächlich Gestaltungsspielraum haben: bei der Auswahl konkreter Anwendungsfälle, bei der Frage, welche Routineaufgaben sinnvoll unterstützt werden sollen, bei der Ausgestaltung von Spielregeln für den Umgang mit der KI und beim Testen und Verbessern der Werkzeuge. Wer die Alltagsexpertise der Betroffenen nutzt, bekommt nicht nur mehr Akzeptanz, sondern auch bessere Lösungen – denn die Menschen an der Front kennen die realen Abläufe oft besser als jede Projektleitung.
Ein besonders wirksames Muster ist die Arbeit mit Multiplikatoren – oft „Key User“, „KI-Botschafter“ oder „Champions“ genannt. Das sind Kolleginnen und Kollegen aus den Fachbereichen, die früh eingebunden, gut geschult und mit Zeit ausgestattet werden, um andere zu unterstützen. Ihr Vorteil: Sie sprechen die Sprache der Belegschaft, kennen die konkreten Arbeitsabläufe und genießen als „eine von uns“ oft mehr Glaubwürdigkeit als externe Berater oder die IT-Abteilung. Multiplikatoren senken die Hemmschwelle, Fragen zu stellen, und tragen eine positive Grundhaltung in die Fläche.
Wichtig ist, diese Rolle nicht als zusätzliche Belastung „nebenbei“ zu verteilen, sondern sie sichtbar zu würdigen, mit Zeit zu hinterlegen und die Menschen bewusst auszuwählen – nach Offenheit und sozialem Rückhalt, nicht allein nach technischem Können. Ein gutes Netz aus Multiplikatoren ist über den Projektzeitraum hinaus wertvoll, weil es Veränderungsfähigkeit dauerhaft in der Organisation verankert.
Vertrauen ist die Währung jeder Veränderung. Es entsteht nicht durch einen einzelnen Kick-off oder ein Hochglanz-Video, sondern durch die Erfahrung, dass Aussagen und Handlungen übereinstimmen. Wenn die Geschäftsführung Transparenz verspricht, dann aber Entscheidungen hinter verschlossenen Türen trifft, zerbricht das Vertrauen schneller, als es aufgebaut wurde. Deshalb gilt: Kommunizieren Sie lieber ehrlich über Unsicherheiten, als falsche Gewissheit zu verbreiten.
Menschen folgen einem überzeugenden Grund leichter als einer bloßen Anweisung. Bevor über Werkzeuge und Prozesse gesprochen wird, muss das Warum stehen: Welchen Anlass gibt es? Welches Problem lösen wir? Was verspricht sich das Unternehmen davon, und was haben die Menschen selbst davon? Ein häufiger Fehler ist, das Warum nur aus Unternehmenssicht zu formulieren („Effizienzsteigerung“, „Wettbewerbsfähigkeit“). Für die Akzeptanz ist die persönliche Perspektive entscheidend: weniger lästige Routine, mehr Zeit für anspruchsvolle Aufgaben, Entlastung vom Fehlerdruck. Übersetzen Sie den Nutzen in die Sprache des Arbeitsalltags.
Ebenso wichtig ist, ehrlich über Grenzen und Risiken zu sprechen. Eine KI, die als Wundermittel angepriesen wird, enttäuscht zwangsläufig, sobald sie Fehler macht – und Fehler macht jede KI. Wer von Anfang an einordnet, was das System kann und was nicht, wo Vorsicht geboten ist und warum menschliche Kontrolle bleibt, baut belastbares Vertrauen auf. Überzogene Versprechen erzeugen kurzfristig Begeisterung und langfristig Zynismus.
Change-Kommunikation ist keine Einbahnstraße. Neben den sendenden Formaten (Betriebsversammlung, Intranet, Mail, Team-Meetings) braucht es empfangende: Sprechstunden, Feedback-Runden, offene Fragerunden, in denen Sorgen unzensiert geäußert werden dürfen. Das Zuhören ist oft wichtiger als das Senden – nicht nur, weil es wertvolle Hinweise liefert, sondern weil ernst genommen zu werden selbst schon Widerstand abbaut. Ein wirksames Prinzip ist die Regel, keine Frage unbeantwortet zu lassen, auch wenn die Antwort lautet: „Das wissen wir noch nicht, wir klären es bis nächste Woche.“
Zur Glaubwürdigkeit gehört auch die richtige Absenderwahl. Strategische Botschaften wirken aus dem Mund der Geschäftsführung, konkrete Alltagsfragen beantwortet die direkte Führungskraft glaubwürdiger. Und über allem steht Kontinuität: Ein einmaliger großer Auftakt verpufft, wenn danach Funkstille herrscht. Verlässliche, regelmäßige Updates – auch wenn es nur kleine Fortschritte zu berichten gibt – signalisieren, dass das Thema ernst gemeint ist und drangeblieben wird.
Zwischen Wissen und Können liegt die Übung. Eine Schulung vermittelt Wissen, doch erst die geschützte Anwendung im Alltag macht daraus echte Fähigkeit. Das ist der Kern der ADKAR-Stufen Knowledge und Ability: Viele Qualifizierungsprogramme scheitern nicht am Vermitteln, sondern am fehlenden Raum zum Üben. Menschen brauchen Gelegenheiten, mit einem neuen Werkzeug herumzuprobieren, Fehler zu machen und Fragen zu stellen, ohne dass gleich Konsequenzen drohen.
Nicht alle brauchen dasselbe. Eine Fachkraft, die täglich intensiv mit einem KI-Assistenten arbeitet, benötigt eine andere Tiefe als eine Führungskraft, die vor allem einordnen und Prioritäten setzen muss, oder als Kolleginnen, die nur gelegentlich mit KI-Ergebnissen in Berührung kommen. Eine rollenbasierte Qualifizierung vermeidet zwei Fehler zugleich: die Überforderung derer, die zu viel bekommen, und die Unterforderung derer, die zu wenig erhalten. In der Praxis bewährt sich ein Stufenmodell: eine breite Grundlage für alle, die ein gemeinsames Verständnis schafft, und darauf aufbauende Vertiefungen für intensive Nutzer und sensible Rollen.
Inhaltlich geht es nicht nur um Knöpfe und Funktionen. Mindestens ebenso wichtig ist ein realistisches Verständnis davon, was KI kann und was nicht: dass Ergebnisse fehlerhaft oder verzerrt sein können, dass menschliche Prüfung nötig bleibt, dass bestimmte Daten nicht eingegeben werden dürfen und welche internen Regeln gelten. Diese „Urteilskompetenz“ ist wertvoller als reines Bedienwissen – sie befähigt Menschen, die KI verantwortungsvoll und souverän einzusetzen, statt ihr blind zu vertrauen oder sie pauschal abzulehnen.
Damit aus Wissen Können wird, braucht es sichere Lernräume. Bewährt haben sich geschützte Testumgebungen (Sandboxes), in denen ohne Risiko experimentiert werden kann, sowie eine niedrigschwellige Begleitung im Alltag – etwa durch die bereits erwähnten Multiplikatoren, kurze „Lern-Häppchen“ am Arbeitsplatz oder feste Ansprechpartner für Fragen. Wichtig ist ein Klima, in dem Fragen als Zeichen von Engagement gelten und nicht als Eingeständnis von Unwissen. Gerade langjährige, verdiente Mitarbeitende fürchten oft, sich vor jüngeren Kolleginnen zu blamieren; hier hilft es, das Lernen bewusst als gemeinsamen, generationenübergreifenden Prozess zu gestalten.
Schließlich gehört zur Befähigung, dass Lernen Zeit bekommt. Wenn Qualifizierung „zusätzlich zum Tagesgeschäft“ passieren soll, gerät sie unweigerlich unter die Räder. Wer ernsthaft befähigen will, plant Lernzeit ein und macht deutlich, dass sie zur Arbeit gehört. Diese Investition zahlt sich aus: Kompetente, souveräne Anwender nutzen KI nicht nur mehr, sondern auch besser und sicherer.
Menschen orientieren sich stark am Verhalten ihrer Vorgesetzten. Wenn eine Führungskraft KI selbst nutzt, offen über eigene Lernkurven spricht und Neugier vorlebt, wirkt das stärker als jede Anweisung. Umgekehrt untergräbt eine Führungskraft, die KI im Gespräch propagiert, sie selbst aber meidet oder belächelt, jede offizielle Botschaft. Diese Vorbildwirkung ist kein weicher Faktor, sondern einer der härtesten Hebel für Akzeptanz. Das oft zitierte Prinzip „Walk the talk“ trifft im KI-Wandel den Kern.
In vielen Change-Projekten wird die mittlere Führungsebene übersehen – und genau dort entscheidet sich der Erfolg. Teamleiterinnen und Abteilungsleiter stehen in einer anspruchsvollen Doppelrolle: Sie sind selbst Betroffene der Veränderung und sollen sie zugleich in ihren Teams vorantreiben. Nicht selten haben sie eigene Sorgen – etwa, dass KI ihre Steuerungsfunktion verändert oder ihre fachliche Autorität relativiert. Wer diese Ebene nicht abholt und befähigt, darf sich nicht wundern, wenn Veränderung auf dem Weg nach unten steckenbleibt.
Praktisch bedeutet das, das mittlere Management früher und intensiver einzubinden als die Belegschaft: mit eigenen Informationen, mit Antworten auf ihre spezifischen Fragen, mit Handreichungen, wie sie Sorgen im Team aufgreifen können, und mit der Erlaubnis, auch Unsicherheit zuzugeben. Führungskräfte müssen nicht alle Antworten haben; sie müssen aber ansprechbar sein und ehrlich mit offenen Fragen umgehen. Dieser Rückhalt „von der Seite“ ist für die mittlere Ebene oft wichtiger als jede Schulung.
Der Reflex, Veränderung über Druck und Zielvorgaben zu erzwingen, ist verständlich, aber kontraproduktiv. Nutzungszahlen als reines Kontrollinstrument erzeugen Scheinnutzung und Abwehr. Wirksamer ist es, psychologische Sicherheit zu schaffen: ein Klima, in dem Menschen Fehler machen, Fragen stellen und Bedenken äußern dürfen, ohne Nachteile zu fürchten. Gerade beim Umgang mit einer fehleranfälligen Technologie wie KI ist diese Sicherheit essenziell, denn nur wer offen über Fehler spricht, kann aus ihnen lernen und die Systeme sicher einsetzen.
Gute Führung im KI-Wandel bedeutet auch, realistische Erwartungen zu setzen und Geduld zu haben. Kompetenzaufbau und Gewohnheitsänderung brauchen Zeit; ein zu enger Zeitplan produziert Stress und Widerstand. Führungskräfte, die kleine Fortschritte anerkennen, Erfolge sichtbar machen und Rückschläge als normalen Teil des Lernens einordnen, halten die Energie im Prozess aufrecht. Anerkennung ist dabei ein unterschätztes Werkzeug: Wer sichtbar wertschätzt, dass jemand sich auf Neues einlässt, verstärkt genau das Verhalten, das der Wandel braucht.
Der Mittelstand muss das Rad nicht so groß aufziehen wie ein Großkonzern, aber er darf die menschliche Seite auch nicht ignorieren. Die gute Nachricht: Vieles, was in Konzernen mühsam über Programme hergestellt werden muss, ist im Mittelstand von Natur aus vorhanden – direkter Kontakt zwischen Führung und Belegschaft, überschaubare Teams, in denen jeder gehört werden kann, und eine Kultur, in der man Dinge unkompliziert ausprobiert. Nutzen Sie diese Stärken bewusst, statt schwere Change-Methoden aus dem Konzernkontext zu kopieren.
Aus der Projektpraxis kennen wir wiederkehrende Fallen. Die verbreitetste ist das Unterschätzen der menschlichen Seite zugunsten der Technik – ein Tool wird eingeführt, der Rest soll sich „schon einspielen“. Ebenso häufig ist der Ressourcenmangel: Weil niemand explizit für Change zuständig ist, macht es niemand richtig. Hier hilft es, die Verantwortung klar zu benennen, auch wenn es keine eigene Abteilung gibt. Drittens die Ungeduld: Der Wunsch nach schnellen Ergebnissen kollidiert mit der Zeit, die Menschen zum Lernen und Umgewöhnen brauchen.
Ein vierter Stolperstein ist die Abhängigkeit von einzelnen Personen. Gerade in kleineren Unternehmen hängt der Erfolg oft an einem engagierten Treiber. Fällt diese Person aus oder wechselt sie, droht der Prozess zu erlahmen. Dem beugt man vor, indem man Wissen und Verantwortung auf mehrere Schultern verteilt – etwa durch ein kleines Team aus Multiplikatoren statt eines einsamen Champions.
Die Einführung von KI berührt in vielen Fällen Themen, bei denen Arbeitnehmervertretungen nach deutschem und österreichischem Recht Beteiligungsrechte haben können – etwa wenn technische Einrichtungen geeignet sind, das Verhalten oder die Leistung von Beschäftigten zu überwachen, wenn sich Arbeitsabläufe und Arbeitsplätze wesentlich ändern oder wenn Qualifizierungsmaßnahmen berührt sind. Ob und in welchem Umfang Beteiligungsrechte im konkreten Fall greifen, hängt von der jeweiligen Rechtslage, der konkreten Ausgestaltung und dem Einzelfall ab und sollte mit fachkundiger arbeitsrechtlicher Unterstützung geklärt werden.
In der Praxis erleben wir immer wieder zwei Extreme, die beide schaden. Das eine ist die Konfrontationshaltung, in der Geschäftsführung und Betriebsrat sich als Gegner begreifen und jede Information zum Verhandlungsgegenstand wird. Das andere ist das Übergehen, bei dem die Arbeitnehmervertretung erst spät oder unvollständig informiert wird – was fast zwangsläufig zu Misstrauen und Verzögerungen führt. Beide Muster kosten Zeit, Vertrauen und Akzeptanz.
Der produktive Weg ist die frühe, transparente Zusammenarbeit. Ein Betriebsrat, der von Anfang an eingebunden wird, versteht die Ziele des Vorhabens, kann Sorgen der Belegschaft bündeln und vermitteln und wird häufig zum glaubwürdigen Fürsprecher gegenüber den Beschäftigten. Denn viele Mitarbeitende vertrauen der Einschätzung ihrer eigenen Vertretung mehr als den Botschaften des Managements. Ein gut eingebundener Betriebsrat kann so die Akzeptanz eines KI-Projekts erheblich stärken – er ist ein Verbündeter im Change, nicht sein Gegner.
Ein bewährtes Instrument ist die Betriebsvereinbarung zum Einsatz von KI. Sie kann – je nach Ausgestaltung und Rechtslage – klare Spielregeln festhalten: zu welchen Zwecken KI eingesetzt wird, wie mit Daten umgegangen wird, dass keine unzulässige Leistungs- und Verhaltenskontrolle stattfindet, welche Rolle die menschliche Aufsicht behält und wie Qualifizierung sichergestellt wird. Solche Regeln geben nicht nur dem Unternehmen Rechtssicherheit, sondern auch der Belegschaft eine verlässliche Grundlage – und wirken damit unmittelbar vertrauensbildend.
Wichtig ist die Verzahnung mit den benachbarten Regelwerken: Datenschutz (DSGVO) und der EU AI Act stellen eigene Anforderungen, die sich mit Mitbestimmungsfragen überschneiden können. Diese Themen sollten nicht isoliert, sondern gemeinsam betrachtet werden. Wie eine konkrete Betriebsvereinbarung auszugestalten ist und welche Beteiligungsrechte im Einzelfall bestehen, ist eine juristische Frage, die mit Fachjurist:innen und dem Betriebsrat zu klären ist – dies ist keine Rechtsberatung.
