Die Methode entstand aus vier gescheiterten KI-Transformationen.
Nicht aus einer neuen Arbeitstheorie, sondern aus einem einfachen Umkehrschluss. Wenn Widerstand der Hauptgrund ist, warum KI-Einführungen scheitern, dann hilft es, Widerstand zu messen, bevor die Technologie beschafft wird.
Wie es dazu kam
Vier KI-Transformationen liefen nach demselben Muster. Beim ersten Mal saßen wir im Steuerungskreis und hielten die Idee tatsächlich für gut. Prozesse kartieren, Potenziale heben, Business Cases rechnen, die erwachsene Version der Digitalisierung. Zwölf Monate später lagen die Folien auf dem Laufwerk, und in der Abteilung, für die sie gedacht waren, nutzte niemand das System. Damals schoben wir es auf Fehler im Change Management.
Beim zweiten Mal passten wir besser auf und produzierten trotzdem dasselbe Ergebnis. Beim dritten ebenso. Beim vierten Mal dämmerte es uns. Vielleicht lag es nicht am Change Management, sondern am Startpunkt.
Dann rief der Betriebsleiter eines Mittelständlers an (300 Mitarbeitende) und fragte nach einer KI-Strategie. Diesmal ohne Prozesslandkarte. In der ersten Woche haben wir mit zwanzig Leuten geredet. Keine Agenda, kein Bewertungsbogen. Und in diesen zwanzig Gesprächen passierte das, was die Methode ins Leben gerufen hat.
Silke Rengstorf
Senior Coach & Managementberaterin
Coaching und Beratung in Transformationsprozessen. Führt die Einzelgespräche, moderiert die Heatmap-Workshops mit den Teams und begleitet Führungskräfte während der KI-Einführung.
Michael Kupermann
Managementberater für IT & Automatisierung, Machine Learning & KI
Framework und Architektur des FireScore. Verantwortet Erhebung, Auswertung und die Machbarkeitsprüfung der Automatisierungen mit der IT.
Das Gespräch, das den FireScore hervorbrachte
Am dritten Tag saßen wir in einem Besprechungsraum. Vormittags eine Sachbearbeiterin, nachmittags ein Vertriebler. Dieselbe Liste, derselbe Halt bei „Monatsreporting“, dieselben Ergebnisse. Und zwei völlig verschiedene Antworten.
Das sind die schlimmsten zwei Tage des Monats. Zahlen aus SAP nach Excel. Formatieren. Rundungen prüfen. Und am Ende schaut es sich sowieso niemand richtig an.
Das ist mein Fenster im Monat, in dem ich das Unternehmen wirklich verstehe. Alles andere ist Tagesgeschäft. Diese zwei Tage sind meine Denkzeit.
Nach klassischer Logik war die Aufgabe ein klarer Automatisierungsfall, repetitive Datenextraktion in hohem Volumen. Wir hätten eine Person befreit und der anderen etwas weggenommen, und offen protestiert hätte sie deswegen nicht. Ihr Einwand wäre als Frage an den Betriebsrat gekommen, ob so ein System überhaupt datenschutzkonform ist, und später als Sonderfälle, die im Test tatsächlich auftauchten. Mit rund 70 Prozent davon hätte sie recht behalten.
Die richtige Frage ist nicht, was eine Maschine kann, sondern was Menschen der Maschine zutrauen und überlassen wollen.
Am nächsten Morgen standen die vier Dimensionen auf einem Blatt Papier.