Interview: „Es lohnt sich für Unternehmen, KI früh zu erproben“

Vergrößern

Generative KI, die Texte, Bilder oder Analysen erzeugt, ist längst in der Arbeitswelt angekommen. Florian Englmaier, Professor für Organisationsökonomik an der LMU, erforscht, wie Unternehmen diese Technologie sinnvoll einführen können, ohne sich zu verzetteln. Im Interview erklärt er, warum ein strukturiertes Vorgehen entscheidend ist, welche Fehler man vermeiden sollte – und wie Mitarbeitende von der Zusammenarbeit mit KI profitieren können.

Warum sollten sich Unternehmen mit generativer KI beschäftigen – wenn sie bislang gut ohne ausgekommen sind?

Florian Englmaier: Generative KI ist eine neue Allzwecktechnologie, ähnlich wie einst die Elektrizität. Auch damals war nicht absehbar, welche Produkte später daraus entstehen würden. Heute stehen wir erneut vor einer Technologie, deren Potenziale wir erst ansatzweise verstehen. Für Unternehmen bedeutet das: Es lohnt sich, den Umgang damit früh und vor allem strukturiert zu lernen – und zu klären, welche Rolle KI konkret für die eigene Wertschöpfung spielen kann.

Wie wird generative KI heute schon eingesetzt?

Besonders sichtbar ist ihr Einsatz in der Softwareentwicklung, wo sich Programmieraufgaben mit KI-Unterstützung deutlich schneller erledigen lassen. Auch in der Produktion eröffnen sich neue Möglichkeiten: Ein großer Technologiekonzern etwa integriert KI-Interfaces in Produktionsmaschinen, die sich in natürlicher Sprache bedienen lassen. Damit können Mitarbeitende Probleme lösen, für die früher Experten gebraucht wurden – was klassische Produktionsberufe aufwertet und die Zusammenarbeit effizienter macht.

Auch in der internen Organisation zeigt sich das Potenzial. Ein großer Markenartikelhersteller verglich die Leistung klassischer Brainstorming-Teams mit Mensch-KI-Paaren – sie erzielten mindestens ebenso gute Ergebnisse. Manche Beteiligten fühlten sich in der Zusammenarbeit mit der KI sogar wohler, weil sie sich eher trauten, vermeintlich einfache Fragen zu stellen.

Welche Veränderungen sehen Sie dadurch in Arbeits- und Organisationsstrukturen?

KI kann Routinetätigkeiten übernehmen und damit Raum für anspruchsvollere Aufgaben schaffen. Gleichzeitig können Hierarchien flacher werden, wenn weniger erfahrene Mitarbeitende mithilfe von KI spezialisierte Tätigkeiten ausführen können. Hinzu kommt, dass KI Wissen im Unternehmen sichtbarer macht. Denn in vielen Organisationen steckt entscheidendes Know-how in einzelnen Köpfen. Wird dieses Wissen strukturiert und zugänglich gemacht, verbessert das Lernen, die Zusammenarbeit und die Qualität von Entscheidungen.

Sie forschen dazu, wie Unternehmen systematisch mit generativer KI experimentieren können. Wie kann das gelingen?

Der Einsatz generativer KI sollte als fortlaufendes, strukturiertes System von Experimenten verstanden werden. Es geht dabei nicht nur um die Frage, ob KI wirkt, sondern auch darum, wie, für wen und unter welchen Bedingungen. Am Anfang steht stets ein klar definiertes Problem: Welche Verbesserungen werden erwartet – und woran sind sie zu erkennen? In der Softwareentwicklung etwa lässt sich gut messen, wie sich Bearbeitungszeiten oder Fehlerraten verändern, wenn Entwicklerinnen und Entwickler mit einem KI-Copiloten arbeiten.

Darauf folgt das methodische Design. Unternehmen benötigen überprüfbare Hypothesen, geeignete Vergleichsgruppen und eine Laufzeit, die auch mittel- und längerfristige Effekte sichtbar macht. Wo formale Kontrollgruppen schwer umzusetzen sind, helfen zeitlich gestaffelte Einführungen. Produktionsstraßen eines Technologiekonzerns können etwa nacheinander mit neuen KI-Interfaces ausgerüstet werden – so entstehen automatisch Vergleichsmöglichkeiten. Dadurch wird sichtbar, wie sich Störungen, Stillstandzeiten oder die Zahl benötigter Experteneinsätze verändern.

Zuletzt sollten die Effekte systematisch erfasst werden – mit harten Kennzahlen, aber auch durch Befragungen der Mitarbeitenden, etwa zu ihrer Zufriedenheit mit dem neuen KI-Werkzeug. Solche Rückmeldungen ergänzen quantitative Daten und zeigen, wie die Technologie im Arbeitsalltag tatsächlich wirkt.

Welche typischen Fehler sollten Unternehmen vermeiden?

Ein häufiger Fehler ist, die sogenannte Produktivitäts-J-Kurve zu unterschätzen. Sie beschreibt das Phänomen, dass die Produktivität bei Einführung einer neuen Technologie zunächst sinkt, bevor sie steigt – weil Prozesse komplexer werden und Beschäftigte sich erst orientieren müssen. Wird das nicht berücksichtigt, kann es schnell zu Enttäuschung und Frustration kommen.

Ohne systematische Schulung aller Mitarbeitenden entstehen zudem Spannungen – zwischen jenen, die KI intensiv nutzen, und denen, die skeptisch bleiben. Und ohne geeignete Vergleichsgruppen lässt sich kaum beurteilen, ob ein vermeintlicher Erfolg tatsächlich auf die neue Technologie zurückgeht oder lediglich auf besonders motivierte „Early Adopter“.

Fehlen gesicherte firmeninterne KI-Systeme oder -Copiloten, drohen außerdem Datenschutzrisiken – etwa, wenn Mitarbeitende interne Dokumente in offene KI-Systeme laden. Und nicht zuletzt wächst die Verunsicherung, wenn Unternehmen die Sorgen ihrer Beschäftigten nicht ernst nehmen, durch KI überflüssig zu werden.

Inwieweit halten Sie diese Sorge für berechtigt?

Kurzfristig wird diese Gefahr aus meiner Sicht oft überschätzt. Häufig zeigt sich erst beim eigenen Ausprobieren, dass KI eher unterstützt als ersetzt. In vielen Bereichen führt sie zunächst zu Entlastung, insbesondere dort, wo Arbeitskräfte fehlen. KI kann Dokumentationsaufgaben übernehmen, technische Informationen schneller zugänglich machen oder Routineanfragen beantworten – also Tätigkeiten, die vielen als lästig gelten und viel Zeit binden.

Langfristig allerdings wird sich vermutlich mehr verändern, als wir heute erwarten. Nicht in Form abrupter Jobverluste, sondern dadurch, dass KI schrittweise bestimmte Tätigkeiten übernimmt – von juristischen Routinetätigkeiten über Informationsaufbereitung bis hin zu Standardprozessen in der Verwaltung. Gleichzeitig entstehen für den Menschen neue Aufgaben, die mehr Urteilsvermögen, Teamarbeit und technisches Verständnis erfordern. Dadurch wird sich in der Arbeitswelt manches allmählich verschieben.

Schaffen Unternehmen die Einführung generativer KI allein oder brauchen sie Unterstützung von Fachleuten?

Viele Unternehmen können den ersten Schritt durchaus selbst gehen. Große Organisationen verfügen oft bereits über Data-Science-Abteilungen, auch wenn nicht überall das Bewusstsein für die Bedeutung strukturierter Experimente vorhanden ist. Im Mittelstand hängt viel vom Mindset ab: Entscheidend ist weniger spektakuläre Technologie als die Bereitschaft, systematisch zu klären, welches Problem gelöst werden soll, was als Erfolg gilt und welche Daten dafür notwendig sind.

Dennoch können Kooperationen sinnvoll sein – etwa mit wissenschaftlichen Partnern, um methodisch sauber vorzugehen oder Datenschutzfragen zu klären.

An der LMU haben wir dafür das Center for Predictive People Analytics aufgebaut, in dem wir Unternehmen dabei begleiten, das methodische Fundament für eine nachhaltige Transformation zu legen. Wir planen außerdem, den Transfer wissenschaftlicher Erkenntnisse aus der Organisationsökonomik in Zukunft noch systematischer anzugehen, und bauen hierfür das fakultätsübergreifende Center for Organisational Evidence and Research (CORE) auf. Durch Angebote wie Workshops oder auch die enge Begleitung bei der Problemlösung von der Konzeption bis zur Implementierung wollen wir Organisationen dabei helfen, effektive und evidenzbasierte Entscheidungen auf wissenschaftlicher Basis zu treffen. Für 2026 ist unser Fokusthema Skill-basiertes Organisationsdesign, was eng mit AI Adoption und dem Umgang mit sich wandelnden Skill-Anforderungen verbunden ist.

Welche Entwicklungen werden Unternehmen in den nächsten Jahren am stärksten verändern?

Entscheidungen werden stärker auf Daten beruhen als auf Bauchgefühl – und sich daran messen lassen müssen. Gleichzeitig wird generative KI zunehmend in die physische Welt eindringen und Produktionsprozesse verändern, wodurch die Grenzen zwischen Industrieunternehmen und Tech-Firmen weiter verschwimmen. Eine zentrale Aufgabe bleibt dabei, menschliches Wissen in strukturierter Form verfügbar zu machen. Denn nur wenn Unternehmen wissen, was sie heute können, können sie sinnvoll planen, welche Kompetenzen sie morgen benötigen.

Zur Person:

Vergrößern

Florian Englmaier ist Professor für Organisationsökonomie am Institut für Volkswirtschaftslehre der LMU. Die Kernthemen seiner Forschung liegen im Bereich der Organisationsökonomie. Er untersucht vor allem Agency-Probleme in Organisationen, sowohl aus theoretischer als auch aus empirischer Perspektive.

Seit 2021 ist er Vorsitzender des Ausschusses für Organisationsökonomie in der Deutschen Wirtschaftlichen Gesellschaft und sitzt im Vorstand der Society for Institutional and Organizational Economics.

Seit Herbst 2025 leitet Florian Englmaier den Schwerpunkt „Zukunft der Bürokratie“ am Center for Advanced Studies der LMU.

Publikation:

Veröffentlichung in der Harvard Business Review: A Systematic Approach to Experimenting with Gen AI