„KI scheitert in Deutschland nicht an Menschen, sondern an der Performance“ : Interview mit Liesel Klokkers, Senior Director Solution Engineering bei Salesforce

Deutsche Beschäftigte stehen KI am Arbeitsplatz aufgeschlossener gegenüber als ihre Kollegen in den USA, Großbritannien oder Frankreich. Trotzdem scheitern KI-Pilotprojekte hierzulande überdurchschnittlich häufig, nicht wegen mangelnder Akzeptanz, sondern wegen einer unzureichenden Leistung der eingesetzten Technologie im Arbeitsalltag. Was dahintersteckt und was Unternehmen daraus ableiten sollten, erklärt Liesel Klokkers, Senior Director Solution Engineering bei Salesforce.

HRP: Ihre neue Studie hat gezeigt, dass Deutschlands KI-Herausforderungen in Unternehmen weniger in mangelnder Akzeptanz als in der Leistungsfähigkeit der eingesetzten Tools liegen. Können Sie konkrete Zahlen hierzu nennen?

Liesel Klokkers: Die Zahlen unserer Studie sind eindeutig: 68 Prozent der deutschen Büroarbeiter:innen stehen KI am Arbeitsplatz offen gegenüber. Dennoch geben nur 13 Prozent der Befragten an, dass KI bereits fester Bestandteil ihres Arbeitsalltags sei. Auf die Ursachen dieser Diskrepanz gibt unsere Studie einen wichtigen Hinweis: Denn 29 Prozent der Umfrageteilnehmer:innen haben an ihrem Arbeitsplatz bereits einen gescheiterten KI-Piloten erlebt. Als Grund hierfür nennt wiederum fast ein Drittel (32 Prozent) eine schlechte Performance in realen Arbeitsszenarien. Das Problem sitzt hier also eindeutig nicht vor dem Bildschirm, wie bei Transformationen häufig unterstellt, sondern ist in der Leistungsfähigkeit beziehungsweise der Art und Weise des Einsatzes von KI in der Praxis begründet.

HRP: Welche Erkenntnis hat Sie persönlich am meisten überrascht?

Klokkers: Das Bild, das die Daten von Deutschland zeichnen. Wir Deutschen haben ja den Ruf, besonders kritisch und zurückhaltend zu sein, gerade wenn es um neue Technologien geht. Die Studie belegt jedoch, dass deutsche Büroarbeiter KI gegenüber durchaus aufgeschlossen sind, viel stärker als der weltweite Schnitt und sogar mehr als die USA, die häufig als innovationsoffener wahrgenommen werden. Was uns als Gesellschaft und als Unternehmen eher bremst, ist also nicht die Einstellung der Menschen, sondern die Frage, ob Technologie im Alltag tatsächlich das hält, was sie verspricht.

HRP: Wie steht Deutschland im internationalen Vergleich da?

Klokkers: Mit 68 Prozent liegen wir in Deutschland erkennbar über dem globalen Durchschnitt von 63 Prozent, und weit vor unseren Peers Großbritannien und Frankreich, wo, ebenso wie in den USA, mit 47 Prozent nicht einmal die Hälfte der Befragten die KI-Nutzung positiv betrachtet. Interessant ist außerdem die Doppelrolle, die Deutschland in dieser Studie einnimmt: Der überdurchschnittlichen Aufgeschlossenheit steht das ausgeprägteste wahrgenommene Performance-Problem gegenüber. Dass schlechte Ergebnisse in realen Arbeitsszenarien als Hauptgrund für gescheiterte Piloten genannt werden, ist nirgendwo sonst so häufig der Fall wie hier. Im Vergleich zu den anderen Märkten, die wir untersucht haben, ist das mit 32 Prozent der höchste Wert, er liegt fast zehn Prozentpunkte über dem globalen Schnitt von 23 Prozent.

Spannend ist für mich dabei auch die Frage, welche Rolle dabei die Unternehmensgröße und das Set-up eines Pilotprojektes spielen, sowohl technologisch als auch personell. Denn in unserer Befragung für den KI-Index Mittelstand, die wir in Kooperation mit dem Deutschen Mittelstands-Bund vergangenen Herbst durchgeführt haben, zeigte sich, dass KI-Piloten bei kleineren und mittelständischen Firmen durchaus Erfolge erzielen: Die Abbruchrate betrug in diesem Panel gerade einmal fünf Prozent.

HRP: Woran hapert es konkret bei der Leistungsfähigkeit der Tools?

Klokkers: Die Ursache ist in den meisten Fällen dieselbe: Es mangelt an Kontext. KI-Tools scheitern nicht, weil die Technologie grundsätzlich unausgereift wäre. Intelligenz ist ausreichend vorhanden. Aber ein LLM kann nur so gute Ergebnisse liefern wie die zugrundeliegende Datenbasis. Was fehlt, ist der verlässliche Kontext, der aus dieser Intelligenz handlungsrelevante Resultate macht. KI braucht Zugang zu den Unternehmensdaten, der Geschäftslogik und den Workflows.

Mit Agentforce kann die KI auf den relevanten Businesskontext für jeden spezifischen Anwendungsfall zugreifen. Das heißt, erste Anwendungsfälle sind schnell erfolgreich. Dadurch wächst die Akzeptanz und es kann schnell weiter skaliert werden.

Interessant ist übrigens, was die Studie nicht als Problem identifiziert: Unzureichende Schulungen nennen in Deutschland nur zwölf Prozent als Ursache, das deckt sich auch weitgehend mit unserer Mittelstandsbefragung, wo dieser Wert bei knapp 13 Prozent lag. Weltweit und in den USA fühlen sich dagegen 26 beziehungsweise 30 Prozent nicht ausreichend für den KI-Umgang gerüstet.

HRP: Wie erkenne ich das KI-Tool, das bestmöglich zu meinem Unternehmen passt? Und was sollte ich bei der Umsetzung beachten?

Klokkers: Die entscheidende Frage ist nicht „Welches Tool ist das beste?“, sondern „Wofür brauche ich KI konkret – und was muss dafür in meinem Unternehmen stimmen?“ Der erste Blick sollte immer auf die Daten gehen, denn rund 90 Prozent der Unternehmensdaten sind unstrukturiert, über verschiedene Systeme verteilt und nicht miteinander verbunden. Deshalb gilt: Die KI-Strategie eines Unternehmens ist nur so gut wie seine Datenstrategie.

KI-Werkzeuge sollten sich zudem nicht nur auf eine robuste, vereinheitlichte und vertrauenswürdige Datenbasis stützen, sondern auch tief in bestehende Prozesse, Workflows und Datenstrukturen eingebettet sein. Eigenentwicklungen scheitern übrigens in der Praxis überproportional häufig, laut MIT doppelt so oft wie Projekte mit bewährten Technologien und Partnerunterstützung.

Was die wesentliche Komponente der Mitarbeiterakzeptanz betrifft, sollte man bedenken: KI soll in erster Linie unterstützen sowie entlasten und nicht als zusätzlich zu bedienende Anwendung zur Last fallen. Deshalb sollte KI genau dort im Zugriff sein, wo die Arbeit auch geschieht. Der MCP-Standard etwa erlaubt den Technologie- und Plattformübergreifenden Austausch, sodass die Funktionalität stets im Arbeitsfluss zur Verfügung steht, ohne das Tool wechseln zu müssen.

Zu guter Letzt ist es wichtig, sich zu vergegenwärtigen, dass KI kein Projekt mit einem fixen Start- und Schlusspunkt ist, sondern ein kontinuierlicher Prozess. Nach der Einführung braucht es kontinuierliches Monitoring, hohe Transparenz und klare Governance. Unternehmen müssen nachvollziehen können, welche Aktionen ein KI-System ausführt, auf welcher Datengrundlage es arbeitet und ob es die internen Vorgaben zu Sicherheit, Datenschutz und Compliance einhält. Nur so kann das für den Erfolg nötige Vertrauen in der Belegschaft, aber auch bei Kunden und Partnern entstehen.

HRP: Vielen Dank für das interessante Interview!