KI trifft auf Identität : Warum KI-Transformation am Selbstbild scheitert und was Organisationen dagegen tun können

„Noch ein KI-Kurs?“

Dieser Satz fällt in Unternehmen gerade erstaunlich oft. Er klingt nach Sättigung. Tatsächlich ist er eine ziemlich genaue Diagnose. Mitarbeitende spüren, was Organisationen noch nicht benennen: Das Problem liegt tiefer als beim Wissen über Prompts oder Features.

Viele Organisationen behandeln KI wie die nächste Methodik, die man eben auch beherrschen muss. Doch KI fügt sich nicht in bestehende Abläufe ein. Sie sortiert Rollen neu, verschiebt Verantwortlichkeiten und greift in Routinen ein, die über Jahre gewachsen sind. Damit berührt sie etwas, das weit über Kompetenzen hinausgeht: das berufliche Selbstbild von Menschen.

Die Disruption wird falsch eingeordnet

Analysen zur Arbeitsmarktexposition schätzen, dass generative KI einen erheblichen Anteil heutiger Tätigkeiten verändern kann.[1]Das heißt nicht, dass morgen ganze Berufsbilder verschwinden. Es heißt, dass Arbeit auf der Ebene einzelner Tätigkeiten umgebaut wird. Besonders betroffen sind administrative und koordinierende Aufgaben, also genau die Arbeit, die in vielen Organisationen den Alltag bestimmt.

Exposition gegenüber KI bedeutet Veränderung, und Veränderung ist zunächst wertneutral. In vielen Fällen wird KI bestehende Arbeit eher erweitern als ersetzen. Wer diesen Wandel aktiv gestaltet, kann Tätigkeiten aufwerten, Freiräume schaffen und Wertschöpfung steigern. Wer ihn ignoriert, riskiert schleichenden Relevanzverlust.

Der Engpass liegt auf der Identitätsebene

In der Praxis scheitert KI-Transformation selten am fehlenden Wissen um Prompting oder Tools. Sie scheitert daran, dass Menschen sich zurückziehen. Sie schützen etwas Fundamentales.

Berufliche Identität ist das Gerüst, um das herum Menschen ihre Selbstwirksamkeit organisieren. Wofür werde ich gebraucht? Womit habe ich mir Anerkennung erarbeitet? Wenn KI in diese Fragen eingreift, weil sie in Kernaufgaben von Wissensarbeit vordringt, reagiert das psychische System mit Schutz.[2] Das ist gesunde Selbstregulation, keine Verzögerungstaktik. Und genau deshalb greifen Standard-Trainings so oft nicht: Sie adressieren die Kompetenzebene, während das eigentliche Geschehen auf der Identitätsebene stattfindet.[3]

Die Konsequenz zeigt sich in drei typischen Mustern. Ignoranz, die sich als Pragmatismus tarnt: „Das betrifft meine Arbeit nicht wirklich.“ Schein-Beteiligung: „Ich mache den Kurs mit, aber ändere nichts.“ Selektive Spielerei, bei der KI für Randthemen genutzt wird, aber nie für das, worauf es ankommt. Alle drei Reaktionen fühlen sich von innen vernünftig an. Von außen betrachtet sind sie Stillstand.

Drei Zugänge, die das Problem verschärfen

Wie Organisationen das Thema KI angehen, folgt häufig einem von drei Mustern. Sie unterscheiden sich im Ton, teilen aber eine gemeinsame Schwäche.

Alarmismus: Schock und Dringlichkeitsrhetorik erzeugen kurzfristig Aufmerksamkeit, produzieren aber Abwehr. Menschen befinden sich nach Jahren permanenter Krisen in einem Zustand erhöhter Belastung. Weitere Bedrohung ohne Handlungsfähigkeit erzeugt Zynismus.

Enthusiasmus: Wow-Effekte und spielerisches Ausprobieren sind wertvoll als Einstieg. Ohne Anschluss an reale Arbeitsprozesse verpufft die Erfahrung innerhalb weniger Wochen.

Reduktionismus: KI wird auf ihre Funktionen reduziert. Prompt-Schulungen, Feature-Touren, Use-Case-Bibliotheken. In vielen Organisationen geht das noch weiter: KI wird als Antwortmaschine implementiert, die bestehendes Wissensmanagement ersetzen soll. Mitarbeitende stellen Fragen und erhalten Antworten. Das verkürzt KI auf eine Abruf-Funktion und lässt ihr eigentliches Potenzial – Zusammenhänge herzustellen, Muster zu erkennen, Entscheidungsprozesse zu unterstützen – ungenutzt.

Alle drei Zugänge lassen die Identitätsebene unberührt. Sie gehen an der Frage vorbei, die unter der Oberfläche arbeitet: Wie verändert sich meine Rolle, wenn KI Aufgaben übernimmt, die bisher zu meinem Profil gehörten? Und was eröffnet sich dadurch?

Was die Geschichte über technologische Umbrüche lehrt

Dieses Muster ist nicht neu. Der Wirtschaftshistoriker Paul David hat gezeigt, dass die Elektrifizierung amerikanischer Fabriken ab den 1880er-Jahren über Jahrzehnte keine messbaren Produktivitätsgewinne brachte.[4] Die Unternehmen tauschten den Antrieb aus, behielten aber die Fabrikarchitektur bei, die um zentrale Dampfmaschinen herum gebaut war. Erst als Fabriken ihre Abläufe von Grund auf um die Möglichkeiten der Elektrizität herum dachten (z.B. einzelne Motoren pro Arbeitsplatz, flache Gebäude statt mehrstöckiger Schachtanlagen, veränderte Arbeitsteilung) wurde das Potenzial gehoben. Die messbaren Produktivitätsgewinne kamen ab den 1920er Jahren, vier Jahrzehnte nach Einführung der Technologie.

Die Digitalisierung erzählt eine ähnliche Geschichte. Papierakten einzuscannen und virtuell abzulegen verpackte analoge Ineffizienzen in digitale Hüllen. Schulungen für neue Software blieben wirkungsarm, solange Arbeitsweisen unangetastet blieben. Die Gewinne entstanden dort, wo Organisationen Prozesse, Rollen und Denkweisen gemeinsam veränderten.[5]

KI steht an genau diesem Punkt. Die Produktivitätssteigerung wird erst dort messbar, wo Organisationen die Haltung adressieren, mit der Menschen ihre Arbeit und ihre Wirksamkeit verstehen.

Die Grundfrage für HR und Führung

Wie wollen wir arbeiten, und welche Rolle spielt KI dabei? Diese Frage wird zu selten gestellt. KI verschiebt Machtverhältnisse. Sie verändert, wessen Wissen sichtbar wird, wessen Expertise zählt, wer Entscheidungen vorbereitet und wer sie trifft. Für HR hat das direkte Konsequenzen: Die Frage, wie Menschen mit KI zusammenarbeiten, lässt sich nicht trennen von der Frage, wie Arbeit organisiert, bewertet und vergütet wird.

Hinzu kommt die Verteilungsfrage. KI-Kompetenz verbreitet sich in Organisationen ungleichmäßig. Early Adopter gewinnen an Produktivität und Einfluss. Wer den Anschluss verliert, verliert ihn in einem schleichenden Prozess. Gleichzeitig zeigt die Arbeitsmarktforschung, dass technologischer Wandel historisch immer auch neue Berufsbilder hervorgebracht hat, rund 60 Prozent der heutigen Beschäftigung in den USA findet in Tätigkeiten statt, die seit 1940 entstanden sind.[6] Die entscheidende Frage ist daher weniger, ob neue Arbeit entsteht, als für wen und unter welchen Bedingungen.

Identität als Schlüssel

Wirksame KI-Transformation beginnt dort, wo Menschen ihr berufliches Selbstverständnis bewusst weiterentwickeln. Drei Bewegungen sind dafür entscheidend.

Integration in die berufliche Identität. KI-Kompetenz darf kein Zusatzmodul sein. Sie muss Teil des beruflichen Selbstverständnisses werden. Das gelingt, wenn Menschen erleben, dass KI ihre Wirksamkeit tatsächlich erweitert – dass sie bessere Ergebnisse erzielen, schneller zu fundierteren Entscheidungen kommen, Freiräume gewinnen. Dieses Erleben verändert die Beziehung zur Technologie. Was als Bedrohung begann, wird zum Werkzeug der eigenen Weiterentwicklung.

Wirkmechanismen verstehen. Wer KI auf eine Suchfunktion reduziert, verschenkt den größten Teil ihres Potenzials. Mitarbeitende brauchen ein Verständnis dafür, wie generative KI Zusammenhänge herstellt, Muster erkennt und Entscheidungsprozesse unterstützen kann. Dieses Verständnis ermöglicht kreative Anwendung jenseits vorgefertigter Use Cases. Es verändert auch die Wahrnehmung: KI wird vom Konkurrenten zum Denkpartner.

Bewusstes Loslassen. Wer KI wirksam nutzen will, muss bereit sein, Tätigkeiten abzugeben, die bisher zum eigenen Profil gehörten. Viele dieser Tätigkeiten sind identitätsstiftend: das Formulieren von Texten, das Strukturieren von Daten, das Erstellen von Analysen. Sie loszulassen ist anspruchsvoll, weil es das Selbstbild berührt. Doch genau dieses Loslassen schafft den Raum, den Organisationen brauchen – Raum für Aufgaben, die menschliches Urteilsvermögen, Kreativität und Beziehungsarbeit verlangen.

Alle drei Bewegungen setzen auf der Identitätsebene an. Sie verlangen mehr als Schulung: Sie verlangen Führung, die den Wandel begleitet, Reflexionsräume ermöglicht und neue Formen beruflicher Wirksamkeit sichtbar macht.

Ein Mandat für die Transformation

Das Zielbild sollte konkret sein: KI setzt Arbeitszeit frei, und diese Zeit fließt zurück in Wertschöpfung, Entscheidungsqualität und Gestaltung. Das ist ein Managementauftrag mit messbaren Indikatoren. Organisationen, die diesen Auftrag ernst nehmen, erschließen das eigentliche Potenzial der Technologie – eine Aufwertung menschlicher Arbeit.

Aus diesem Mandat entsteht eine Transformation Journey, die über einzelne KI-Projekte hinausreicht. Organisationen, die ihre Transformation selbst steuern, setzen KI nicht einfach in jeden bestehenden Prozess ein. Sie denken von der Zukunft her: Wie müssten Arbeit, Schnittstellen und Aufgaben gestaltet sein, wenn man sie heute neu erfinden würde? Teams entwickeln individuelle Lösungen und schaffen Arbeitsweisen, die es ohne KI nicht gegeben hätte.

Der Satz „Noch ein KI-Kurs?“ verdient eine ehrliche Antwort: Nicht noch ein Kurs. Sondern Führung, die Menschen dabei begleitet, ihr berufliches Selbstverständnis weiterzuentwickeln. Das ist aufwendiger als eine Prompt-Schulung. Aber es ist der einzige Weg, der auch Wirkung entfaltet.

_{[1]Briggs, J. & Kodnani, D. (2023). The Potentially Large Effects of Artificial Intelligence on Economic Growth. Goldman Sachs Economics Research. Die Analyse schätzt, dass rund zwei Drittel der Berufe in den USA und Europa in unterschiedlichem Umfang einer KI-Automatisierung ausgesetzt sind.} 

_{[2]Petriglieri, J. L. (2011). Under Threat: Responses to and the Consequences of Threats to Individuals’ Identities. Academy of Management Review, 36(4), 641–662. https://doi.org/10.5465/amr.2009.0087 Petriglieri definiert Identitätsbedrohung als eine Erfahrung, die potenziellen Schaden für Wert, Bedeutung oder Ausübung einer Identität signalisiert.}

_{[3]Mirbabaie, M., Brünker, F., Möllmann Frick, N. R. J. & Stieglitz, S. (2022). The Rise of Artificial Intelligence – Understanding the AI Identity Threat at the Workplace. Electronic Markets, 32, 73-99. https://doi.org/10.1007/s12525-021-00496-x Die Studie identifiziert drei zentrale Prädiktoren für KI-Identitätsbedrohung am Arbeitsplatz: Veränderungen der Arbeit, Statusverlust und KI-Identität.}

_{[4]David, P. A. (1990). The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox. The American Economic Review, 80(2), 355–361. Davids Analyse zeigt, dass die Produktivitätsgewinne der Elektrifizierung erst ab den 1920er Jahren messbar wurden – vier Jahrzehnte nach Einführung der Technologie.}

_{[5]Brynjolfsson, E., Rock, D. & Syverson, C. (2021). The Productivity J-Curve: How Intangibles Complement General Purpose Technologies. American Economic Journal: Macroeconomics, 13(1), 333–372. https://doi.org/10.1257/mac.20180386 Die Autoren zeigen, dass transformative Technologien zunächst Produktivität senken, weil Unternehmen in unmessbare komplementäre Investitionen fließen müssen.}

_{[6]Autor, D., Chin, C., Salomons, A. & Seegmiller, B. (2024). New Frontiers: The Origins and Content of New Work, 1940–2018. The Quarterly Journal of Economics, 139(3), 1399–1465. https://doi.org/10.1093/qje/qjae008 Die Studie zeigt, dass etwa 60 % der heutigen Beschäftigung in den USA in Berufsbildern stattfindet, die seit 1940 entstanden sind.}