Im Mittelpunkt der KI-Transformation steht die doppelte Herausforderung, die Organisation und ihre Kultur umzugestalten. Traditionelle Geschäftsmodelle, die durch starre Hierarchien und isolierte Abteilungen gekennzeichnet sind, sind oft nicht in der Lage, das Potenzial von KI zu nutzen. Der Übergang zur KI-Bereitschaft erfordert eine Organisation, die interdisziplinäre Zusammenarbeit, Agilität und ein datengesteuertes Ethos in ihrem Kern fördert. Ebenso muss sich die Unternehmenskultur von der Risikovermeidung und dem Vertrauen auf frühere Erfahrungen weg und zu einer Kultur entwickeln, die offen für Experimente ist und Anpassungsfähigkeit und kontinuierliches Lernen fördert.
Von der isolierten Arbeit zur effizienten interdisziplinären Zusammenarbeit
Die Überwindung organisatorischer Barrieren ist seit mehr als einem Jahrzehnt ein wichtiges Thema. Dennoch hält sich der siloartige Ansatz in vielen Unternehmen hartnäckig. Die erfolgreiche Umsetzung von Initiativen im Bereich der KI setzt voraus, dass die traditionellen Grenzen zwischen verschiedenen Abteilungen überkommen werden. Dies ist notwendig, da der Erfolg von KI-Projekten auf der Integration verschiedener Fähigkeiten, Wissensgebiete und Blickwinkel beruht. Die Kluft zwischen Daten- und KI-Experten, IT- und Softwareexperten, Rechtsberatern und Geschäftsbereichen muss überbrückt werden. Vielfältige Teams stellen eher sicher, dass die Initiativen breit angelegte organisatorische Prioritäten und nicht nur isolierte Geschäfts- oder Technologiefragen betreffen.
Einige der bekannten Probleme
Kommunikationsbarrieren
Geschäfts- und Technikteams sprechen oft «unterschiedliche Sprachen», was es ihnen erschwert, die Perspektiven und Herausforderungen des anderen zu verstehen. Datenwissenschaftler und KI-Experten konzentrieren sich vielleicht auf die technische Machbarkeit und die Vertiefung von Lösungen, während die Geschäftsabteilungen möglicherweise die Anwendbarkeit, das Kundenerlebnis und die Rentabilität in den Vordergrund stellen.
Nicht abgestimmte Ziele
Business Teams haben oft Ziele, die sich auf kurzfristige KPIs und finanzielle Leistung konzentrieren, während Daten- und KI-Teams Innovation, Kosteneffizienz und die Entwicklung skalierbarer Lösungen in den Vordergrund stellen. Diese Diskrepanz kann zu Reibungen und Ineffizienzen führen.
Kulturelle Unterschiede
Die Kultur in technischen Teams legt oft Wert auf Innovation, Experimente und schnelle Iterationen, während Geschäftseinheiten in einem eher traditionellen, risikoscheuen Rahmen arbeiten. Diese unterschiedlichen kulturellen Normen können eine effektive Zusammenarbeit behindern.
Strategien zur Überwindung der Gefahren
Um einen Schritt nach vorn zu machen, ist zunächst ein gemeinsames Vokabular erforderlich. Das bedeutet nicht nur, dass Geschäftsexperten die Terminologie für Daten und KI übernehmen, sondern auch umgekehrt. Darüber hinaus kann es nie schaden, sich darum zu bemühen, anderen zu helfen, den Kontext zu verstehen. So können beispielsweise Tools wie Daten-Wörterbücher (Data Dictionaries) und eine vereinfachte Projektdokumentation dazu beitragen, dass technische Projekte auch für nichttechnische Beteiligte leichter zugänglich sind.
Zweitens ist es schwierig, das Projekt zu steuern, wenn verschiedene Teams ständig in unterschiedliche Richtungen rudern. Daher ist die Ausrichtung auf gemeinsame Ziele für den Erfolg Ihrer Initiativen von entscheidender Bedeutung. Schaffen Sie gemeinsame Ziele, die die Zusammenarbeit zwischen Business- und Daten- und KI-Teams erfordern, damit diese Ziele auch erreicht werden. Diese Ziele sollten sowohl mit den übergeordneten strategischen Zielen des Unternehmens als auch mit den KPIs der einzelnen Teams verknüpft werden. Die Einbeziehung beider Seiten in den Zielsetzungsprozess gewährleistet die Akzeptanz und hilft, die Bemühungen auf gemeinsame Ergebnisse auszurichten. Drittens ist es wichtig, eine Kultur zu schaffen, die unterschiedliche Perspektiven schätzt und die Vorteile des Lernens aus verschiedenen Disziplinen als entscheidend ansieht. Dies kann bedeuten, dass erfolgreiche funktionsübergreifende Projekte hervorgehoben werden, Mentorenschaften zwischen kaufmännischen und technischen Mitarbeiter*innen ermöglicht werden und Erfolge der Zusammenarbeit gefeiert werden. Die Anerkennung und Belohnung kollaborativer Verhaltensweisen fördert eine Kultur, die interdisziplinäre Teamarbeit schätzt.
Nicht zuletzt sollte es ein klares und gemeinsames Verständnis über die Zuständigkeiten und Arbeitsweisen in den interdisziplinären Teams (die auch virtuell sein können) geben. Es ist zu einfach, Menschen zusammenzuwerfen und davon auszugehen, dass die Teams von Anfang an nahtlos zusammenarbeiten. Und selbst bei einem guten Verständnis der verschiedenen Rollen und Zuständigkeiten bestehen Teams aus Menschen, und die meisten (wenn nicht alle) Teams neigen dazu, dem Tuckman Team Performance Model 1 zu folgen, das beschreibt, wie sich das Team in den vier Phasen des Lebenszyklus eines Teams verhält:
- Forming (Bilden)
- Storming (Stürmen)
- Norming (Normieren)
- Performing (Durchführen)
Daher sollten neue interdisziplinäre Teams Zeit erhalten, um ihr Potenzial voll zu entfalten. Obwohl die Einführung neuer, vielfältigerer Arbeitsweisen nicht immer einfach ist, lohnt sich die interdisziplinäre Zusammenarbeit fast immer. Sie beschleunigt nicht nur die Innovation, sondern stellt auch sicher, dass die KI-Lösungen mit den Unternehmenszielen übereinstimmen und in der Lage sind, reale Herausforderungen zu bewältigen.