Warum eure KI-Lizenz nicht genutzt wird und was du dagegen tun kannst

Du hast Copilot, Gemini oder ein internes KI-Tool ausgerollt und trotzdem bleibt die Nutzung hinter den Erwartungen zurück? Dann liegt das Problem wahrscheinlich nicht am Tool, sondern an der Adoption. KI Adoption Change Management entscheidet darüber, ob aus einer Lizenz ein produktiver Arbeitsalltag wird.

Die zentrale Verschiebung: weg von der reinen Tool-Beschaffung, hin zu Menschen, Prozessen und Workflow-Redesign. BCG beschreibt bei Unternehmen mit hohem KI-Wertbeitrag eine klare Aufteilung: 10 % Algorithmen, 20 % Technologie, 70 % Menschen und Prozessanpassung. Genau dort beginnt die eigentliche Arbeit.

KI Adoption Change Management beginnt nicht beim Tool, sondern beim Arbeitsfluss

Viele KI-Rollouts starten mit einer technisch sauberen Frage: Welches Tool erfüllt unsere Anforderungen an Sicherheit, Integration, Datenschutz und Lizenzmodell? Diese Frage ist legitim und für viele sogar Pflicht. Nur reicht sie nicht.

Wenn Mitarbeitende ein KI-Tool in denselben alten Prozess schieben, entsteht meist nur etwas mehr Tempo an der falschen Stelle. E-Mails werden schneller formuliert. Zusammenfassungen entstehen rascher. Präsentationen sehen etwas früher halbwegs brauchbar aus. Das ist angenehm, aber noch lange keine Transformation.

McKinsey identifiziert im State of AI 2025 Workflow-Redesign als stärksten Einzelhebel für EBIT-Wirkung aus KI. Gleichzeitig haben nur rund 21 % der Organisationen, die GenAI nutzen, überhaupt einen Workflow neu gestaltet. Fast 80 % legen KI also auf bestehende Prozesse.

Interessant dabei: AI High Performer tun laut McKinsey rund dreimal wahrscheinlicher genau das Gegenteil. Sie bauen Arbeitsabläufe um.

Was heisst das für dich? Ein KI-Rollout braucht zwei Spuren:

• Tool-Spur: Zugriff, Sicherheit, Berechtigungen, technische Integration, Betrieb.
• Adoption-Spur: Anwendungskompetenz, neue Routinen, Prozessanpassung, Nutzungsmessung.

Die erste Spur macht KI verfügbar. Die zweite macht KI wirksam.

Die 10-20-70-Regel: Dein Budget ist wahrscheinlich falsch gewichtet

BCG beschreibt bei Unternehmen mit dem höchsten KI-Wertbeitrag eine einfache, ziemlich unbequeme Regel: Nur 10 % des Aufwands fliessen in Algorithmen, 20 % in Technologie und 70 % in Menschen und Prozessanpassung.

Das ist kein nettes Change-Poster für den Pausenraum. Es ist eine harte Budgetlogik!

Für viele IT-Organisationen fühlt sich diese Verteilung zunächst ungewohnt an. Das Budget liegt oft dort, wo Rechnungen sichtbar sind: Lizenzen, Plattformen, Integrationsaufwand. Menschen und Prozesse verschwinden dagegen schnell in internen Meetings, PowerPoint-Folien und der Hoffnung, dass die Fachbereiche schon irgendwie mitziehen.

Hoffnung skaliert schlecht. Besonders im Enterprise-Umfeld.

Die 10-20-70-Regel zwingt dich zu einer anderen Steuerungsfrage: Wie viel Budget schützt die Investition nach dem Go-live?

Denn der Go-live ist bei KI nicht das Ziel. Er ist der Moment, in dem die eigentlichen Reibungsverluste sichtbar werden.

Der typische Rollout-Fehler: Lizenz sind aktiviert aber das Verhalten bleibt unverändert

Ein klassischer KI-Rollout sieht oft so aus:

1. IT evaluiert und beschafft das Tool.
2. Security und Legal prüfen die Leitplanken.
3. Pilotgruppen testen erste Szenarien.
4. Die Organisation erhält Zugriff.
5. Eine interne Nachricht erklärt, dass das Tool jetzt verfügbar ist.
6. Danach wartet man auf Nutzung.

Das klingt super, nur verwechselst du Verfügbarkeit mit Adoption. Mitarbeitende nutzen ein neues Werkzeug nicht automatisch, nur weil es in der Seitenleiste auftaucht. Sie nutzen es, wenn drei Dinge zusammenkommen:

• Sie verstehen, wo KI in ihrer Arbeit hilft.
• Sie trauen sich, KI sicher und sinnvoll einzusetzen.
• Ihr Team akzeptiert neue Arbeitsweisen als Teil des normalen Prozesses.

Fehlt einer dieser Punkte, entsteht die bekannte Lücke zwischen Lizenz und Nutzung. Genau diese Lücke ist kein Tool-Problem. Sie ist ein Change-Management-Problem.

Was du vor dem Rollout klären musst

Ein gutes KI Adoption Change Management beginnt vor der grossen Kommunikation. Wenn du erst nach dem Rollout mit Enablement startest, räumst du später auf, was du vorher hättest gestalten können.

Vorab brauchst du fünf Entscheidungen.

1. Welches Verhalten soll sich ändern?

„Mehr KI nutzen" ist kein Ziel. Besser formulierst du konkrete Verhaltensänderungen:

• Projektleitende lassen Sitzungsnotizen automatisch strukturieren und prüfen sie danach kritisch.
• Support-Teams erstellen Antwortentwürfe mit KI und verbessern Tonalität sowie Vollständigkeit.
• HR oder Kommunikation bereiten erste Textversionen mit KI vor, statt bei null zu starten.
• Führungskräfte nutzen KI zur Vorbereitung von Entscheidungsgrundlagen, nicht als Ersatz für Beurteilung.

Das Wichtige: Du definierst nicht nur das Tool, sondern eine neue Arbeitsroutine. Erst dann kannst du trainieren, messen und verbessern.

2. Welche Workflows lohnen sich wirklich?

Nicht jeder Prozess verdient sofort ein KI-Projekt. Manche Abläufe sind zu selten, zu riskant oder schlicht nicht reif genug. Andere wiederholen sich täglich und fressen still Zeit.

Eine einfache Auswahlmatrix hilft:

Starte dort, wo KI sichtbar entlastet und gleichzeitig wenig Schaden anrichtet, wenn die erste Version nicht perfekt ist. Der Satz klingt unspektakulär. Gute Adoption ist oft unspektakulär. Doch genau deshalb funktioniert sie.

3. Wer besitzt den Prozess?

IT kann ein KI-Tool betreiben. IT kann Leitplanken definieren. IT kann Schulungen ermöglichen.

Aber IT besitzt selten den fachlichen Arbeitsprozess.

Darum brauchst du pro Use Case eine klare Prozessverantwortung im Fachbereich. Diese Person entscheidet mit, wie der neue Ablauf aussieht, welche Qualität genügt und welche Regeln gelten. Ohne diese Rolle bleibt KI ein Zusatzwerkzeug neben dem echten Prozess.

4. Wie misst du Adoption?

Completion Rates sind gut aber sie sagen wenig darüber aus, ob sich Arbeit verändert. 

Für KI-Adoption brauchst du andere Signale:

• aktive Nutzung pro Zielgruppe
• wiederkehrende Nutzung statt Einmaltests
• Nutzung in priorisierten Workflows
• qualitative Rückmeldungen aus Teams
• Anzahl verbesserter oder neu gestalteter Abläufe
• Anteil der Teams mit klaren KI-Routinen

Du musst nicht alles am ersten Tag perfekt messen. Aber du solltest vermeiden, den falschen Erfolg zu feiern. Eine Organisation kann sehr viele Completion Rates produzieren und trotzdem kaum produktiver arbeiten.

5. Wann eskalierst du Budget vom Tool ins Enablement?

Ein klares Eskalationskriterium: Wenn die Pilot-Erfolgsquote unter 10 % liegt, solltest du Budget vom Tool zum Enablement verlagern. Das ist ein nützlicher Prüfpunkt, weil er die Budgetdiskussion entemotionalisiert. Wenn Lizenzen laufen, aber Pilot-Erfolge ausbleiben, kaufst du vermutlich nicht das falsche Werkzeug. Du finanzierst zu wenig Verhaltensänderung.

Wie du die KI-Adoption steuerst: Die drei Ebenen der Adoption

Wenn du KI-Adoption steuerst, hilft eine einfache Dreiteilung in Kompetenz, Prozess und Beweis.

Kompetenz: Können die Menschen das Tool sinnvoll nutzen?

Kompetenz umfasst mehr als Prompt-Tipps. Mitarbeitende müssen verstehen:

• welche Aufgaben sich eignen
• wie sie gute Eingaben formulieren
• wie sie Ergebnisse kritisch prüfen
• welche Daten sie verwenden dürfen
• wann KI nicht der richtige Weg ist

Das Ziel ist nicht, aus allen Prompt Engineers zu machen. Das Ziel ist Arbeitsfähigkeit.

Prozess: Hat sich der Ablauf wirklich verändert?

Hier liegt der Hebel beim Workflow-Redesign. Er erzeugt Wirkung, weil KI nicht neben dem Prozess steht, sondern in den Ablauf eingebaut wird.

Frage pro priorisiertem Workflow:

• Gibt es einen neuen Standard?
• Kennen Teams diesen Standard?
• Nutzen Führungskräfte ihn selbst?
• Entfernt der neue Ablauf unnötige Schritte?
• Entsteht ein besseres Ergebnis oder nur ein schnelleres altes Ergebnis?

Beweis: Kannst du Adoption nachvollziehbar zeigen?

Du brauchst einen Nachweis gegenüber GL, Risk, Compliance und Fachbereichen. Je nach Organisation zählen andere Signale. Wichtig ist, dass du nicht nur auf Gefühl argumentierst.

Ein praktikables Dashboard kann diese Elemente enthalten:

So verschiebst du die Diskussion von „Wie viele Lizenzen haben wir?" zu „Wo verändert KI bereits Arbeit?".

Was tun, wenn die Nutzung schwach bleibt?

Ein paar klare Warnsignale zeigen, wann eure Adoption strukturell schwächelt:

• Pilotgruppen finden das Tool interessant, nutzen es aber nach kurzer Zeit kaum noch.
• Fachbereiche nennen viele Ideen, setzen aber keine Routinen um.
• Schulungen erklären Funktionen, aber keine konkreten Arbeitsabläufe.
• Führungskräfte delegieren KI an Einzelne, statt Teamstandards zu setzen.
• Erfolgsmessung endet bei Zugriffen oder Kursabschlüssen.
• Prozesse bleiben unverändert, obwohl das Tool verfügbar ist.

Wenn du drei oder mehr dieser Punkte erkennst, brauchst du wahrscheinlich kein weiteres Tool-Modul. Du brauchst ein Adoption-Programm mit Prozessfokus. Wie ein solches Programm konkret aufgebaut ist, von der Diagnose bis zur 30-60-90-Tage-Roadmap, zeigen wir im nächsten Beitrag. 

Häufige Fragen

Was bedeutet KI Adoption Change Management konkret?

KI Adoption Change Management beschreibt alle Massnahmen, die aus einem verfügbaren KI-Tool eine regelmässig genutzte Arbeitsweise machen. Dazu gehören Training, Kommunikation, Führung, Governance, Messung und vor allem Workflow-Redesign. Der Kern liegt nicht im Toolzugriff, sondern in neuen Routinen.

Warum reichen KI-Lizenzen und ein Einführungstraining nicht aus?

Lizenzen schaffen Zugang, ein Einführungstraining schafft erstes Verständnis. Beides verändert noch keinen Prozess. Strukturierte Adoption-Programme können die Nutzung um 22–40 % erhöhen, während McKinsey Workflow-Redesign als stärksten Einzelhebel für EBIT-Wirkung aus KI beschreibt.

Wie viel Budget gehört in Enablement statt Technologie?

BCG beschreibt bei Unternehmen mit hohem KI-Wertbeitrag eine 10-20-70-Logik: 10 % Algorithmen, 20 % Technologie, 70 % Menschen und Prozessanpassung. Das ist keine starre Buchhaltungsregel, aber ein guter Gegencheck. Wenn fast alles Budget in Tools fliesst, fehlt wahrscheinlich die Adoption-Schicht.