Das Adoptions-Paradox.
Warum gerade die Fähigsten zögern.
Die Studien sind eindeutig: Vier von fünf Mitarbeitern haben noch keinen KI-Zugang. 60% der Unternehmen sitzen in Pilotphasen fest. Aber das ist nicht der eigentliche Engpass, den ich in der täglichen Praxis sehe. Der eigentliche Engpass ist: Auch fähige Leute mit vollem Zugang nutzen KI nicht.
Drei Wellen, dreimal das gleiche Muster
Ich bin seit über 17 Jahren in der IT. Das heißt, ich habe drei große Tech-Wellen bewusst miterlebt. Jede hatte ihren Hype, ihren Crash, ihre Gewinner – und jedes Mal wurde dasselbe Muster sichtbar: Wer früh experimentiert, gewinnt. Wer wartet, holt nie auf.
Drei Tech-Wellen im Vergleich
Jede Welle wurde am Höhepunkt für überbewertet erklärt. Jede Welle hat danach trotzdem die digitale Wirtschaft umgebaut.
Web 2.0 sollte alles sozial machen. Studi VZ, das halbe Internet wurde mit Beta-Labels gepflastert. Der Crash kam, die Gewinner heißen heute Facebook und Google. Cloud sollte alles als Service liefern. Niemand würde mehr eigene Server betreiben. Heute geben sechs US-Konzerne 700 Milliarden Dollar für Rechenzentren aus.
Bei jeder Welle gab es zwei Lager: die, die früh experimentiert haben, und die, die abgewartet haben, bis „die Technik reif ist“. Das erste Lager hat die zweite immer überholt – und das hatte selten etwas mit besseren Tools oder mehr Geld zu tun. Es hatte mit Adoption zu tun.
Adoption ist kein Zugangsproblem
In der Diskussion um KI hört man fast nur über die 80% ohne Zugang. Über die Mitarbeiter, die kein Tool an die Hand bekommen, die IT-Abteilungen, die KI blockieren, die Unternehmen ohne Strategie. Das ist real, das stimmt – aber es ist nicht der Hebel.
Der eigentliche Hebel sind die 20%, die längst Zugang haben. Die ChatGPT-Lizenz auf dem Tisch. Den Cursor-Account installiert. Den Copilot in der IDE freigeschaltet. Und trotzdem nur zögerlich nutzen.
Das Paradox bei Entwicklern
Am deutlichsten sehe ich das bei Entwicklern. Eine Berufsgruppe, die per Definition technikaffin ist. Die täglich mit neuen Tools arbeitet. Die jeden GitHub-Trend kennt. Und trotzdem gibt es einen erheblichen Anteil von Entwicklern, die Cursor, Claude Code oder Copilot ignorieren oder nach drei Versuchen wieder weglegen.
Die Begründungen kenne ich auswendig:
- „Der Code ist nicht gut genug.“ – Stimmt für Edge Cases. Stimmt nicht für 80% der täglichen Arbeit.
- „Ich bin schneller ohne.“ – Stimmt nach drei Tagen. Stimmt nicht nach drei Wochen.
- „Ich verlerne mein Handwerk.“ – Hat man auch über IDEs, Stack Overflow und Autovervollständigung gesagt.
- „Das ist nur für Junioren.“ – Tatsächlich profitieren Senioren am meisten, weil sie wissen, was sie wollen.
Das ist nicht böser Wille. Das ist eine sehr menschliche Reaktion auf eine Technologie, die das eigene Selbstverständnis berührt. Wer 15 Jahre lang sein Handwerk perfektioniert hat, gibt nicht gerne ab – auch nicht die Teile, die sich tatsächlich gut delegieren lassen.
Warum gerade die Fähigsten zögern
Es gibt eine ironische Dynamik: Je besser jemand sein Handwerk beherrscht, desto höher ist seine Eintrittshürde zur KI-Nutzung. Der Junior ist froh über jede Hilfe. Der Senior sieht jeden Fehler im generierten Code und schließt daraus: „Funktioniert nicht.“
Dabei übersieht er den eigentlichen Hebel. KI macht aus einem mittelmäßigen Entwickler keinen guten. Aber sie nimmt einem guten Entwickler die Routine ab – Boilerplate, Schnittstellen-Stubs, Dokumentation, Recherche. Genau die Arbeit, die nichts mit dem zu tun hat, warum man Entwickler geworden ist. Die Rolle verschiebt sich – vom Tipper zum Reviewer, vom Schreiber zum Architekten. Das ist nicht weniger Handwerk. Das ist anderes Handwerk.
Diese Verschiebung ist unangenehm. Aber sie ist auch die einzige, bei der das Handwerk nicht entwertet, sondern aufgewertet wird. Wer Review, Architektur und Domain-Verständnis nicht beherrscht, wird mittelfristig schwerer einen Platz finden. Wer es beherrscht, ist wertvoller als je zuvor.
Es trifft nicht nur Entwickler
Das gleiche Muster sehe ich in jeder Berufsgruppe, die Wissensarbeit leistet. Die Anwältin, die ihre Recherche nicht abgibt, weil „die Quellen nicht stimmen“. Den Berater, der seine Folien selbst schreibt, weil „das KI-Layout nicht passt“. Die Marketing-Verantwortliche, die ihre Texte nicht entwerfen lässt, weil „der Ton nicht ihrer ist“.
In allen drei Fällen stimmt der Einwand – im Detail. Und in allen drei Fällen wird er zum Vorwand, nicht den ersten Schritt zu machen. Die Frage ist nicht, ob KI ein Detail perfekt trifft. Die Frage ist, ob sie 70% der Vorarbeit übernehmen kann, damit der Mensch sich auf die letzten 30% konzentriert. Die Antwort ist fast immer: ja.
Was hilft
Aus der Praxis, in der Adoption tatsächlich funktioniert hat, sind drei Dinge gemeinsam:
- Zwingende Anwendungsfälle. Nicht „probier mal aus“. Sondern: „Diese Aufgabe machst du ab nächster Woche mit KI als ersten Entwurf.“
- Begleitung statt Schulung. Eine 2-Stunden-Schulung wirkt nicht. Ein erfahrener Kollege, der drei Wochen lang über die Schulter schaut, schon.
- Erlaubnis zu scheitern. KI funktioniert iterativ. Wer beim ersten halluzinerten Code aufgibt, wird nie weiterkommen. Adoption braucht eine Lernkurve – und die braucht psychologische Sicherheit.
Adoption ist kein Zugangsproblem, sondern ein Mindset-Problem. Auch fähige Leute mit vollem Zugang nutzen KI nicht – aus rationalen Gründen, die im Ergebnis zur Irrationalität werden. Wer das Adoptions-Paradox bei sich selbst und im eigenen Team adressiert, gewinnt einen Vorsprung, der nicht durch besseres Tooling aufzuholen ist.
Wie wir dabei helfen
Wir begleiten Projekte, in denen es weniger um Tool-Auswahl geht und mehr um die kulturelle Frage: Wie kommen wir vom Pilotprojekt in den Alltag? Wenn das gerade dein Thema ist, lass uns reden.
