Die Tabellenkalkulations-Rebellion, die uns gezeigt hat, wie man neue Tools in Teams einführt

Bevor die Frage lautete „Wie bringen wir unser Team dazu, KI zu nutzen“, lautete sie „Wie bringen wir unser Team dazu, Tabellenkalkulationen zu nutzen“. Und davor ging es um Großrechner. Das Muster wiederholt sich so zuverlässig über alle Technologiezyklen hinweg, dass es fast peinlich ist, wie häufig Organisationen jede neue Welle als einzigartiges organisatorisches Rätsel behandeln, das eine völlig neue Lösung braucht.

Das „Davor“ in dieser Geschichte sind die späten 1970er und frühen 1980er Jahre. Die meisten betriebswirtschaftlichen Berechnungen steckten in den KKThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →öpfen von Analysten, in Papierbüchern oder in den Händen einer kleinen Priesterkaste von Datenverarbeitungsmitarbeitern, die den Zugang zu Großrechnerzeit kontrollierte. Als 1979 VisiCalc erschien und 1983 Lotus 1-2-3 folgte, hatten einzelne Mitarbeiter plötzlich Rechenleistung auf dem Schreibtisch. Die Tools waren wirklich leistungsfähig. Und die meisten Führungskräfte hatten keinerlei Vorstellung davon, was sie damit anfangen sollten.

Die typische Reaktion der Organisation war: ignorieren, einschränken oder delegieren. Finanzabteilungen verbannten Personal Computer jahrelang aus der „seriösen“ Forecast-Arbeit. IT-Abteilungen versuchten zu kontrollieren, welche Software installiert werden durfte. Wer die Tools auf eigene Faust entdeckte, wurde zum informellen Experten und gab sein Wissen auf dem Gang weiter statt über einen strukturierten Prozess. Teams führten dasselbe Tool auf zwölf inkompatible Weisen ein. Das Ergebnis war ein Jahrzehnt mit realen, aber extrem ungleich verteilten Produktivitätsgewinnen, bei dem ein Großteil des Werts von einer Handvoll früher Enthusiasten abgeschöpft wurde, während der Rest der Organisation zusah.

Der Wendepunkt

Der Wandel im Denken über Technologieeinführung kam nicht von einem einzelnen Visionär. ErErThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → entstand, recht unordentlich, aus einer Mischung akademischer Forschung und teurer Misserfolge in Unternehmen.

Anfang der 1990er Jahre begannen Forscher im Bereich Organisationsverhalten zu dokumentieren, warum Technologie-Rollouts so konstant scheiterten. Everett Rogers hatte seine grundlegende Arbeit zur Diffusion von Innovationen bereits 1962 veröffentlicht, aber es brauchte die Ära des Personal Computing, bis Corporate-Training- und Change-Management-Teams sein Framework tatsächlich auf Arbeitsplatz-Tools anwandten. Rogers hatte gezeigt, dass Adoption innerhalb einer Population einer vorhersehbaren Kurve folgt und dass die Menschen in der Mitte dieser Kurve, die frühe und die späte Mehrheit, sich nicht wie Early Adopters verhalten. Sie brauchen social proofsocial proofThe tendency of people to look at others' choices to guide their own. In marketing, it means using reviews, testimonials, ratings and case studies to reassure and persuade prospects.Vollständige Definition ansehen →, sie müssen Kollegen erfolgreich sehen, bevor sie sich festlegen, und sie reagieren schlecht auf Vorgaben von oben ohne sichtbares Commitment der Führung.

Die Unternehmenswelt bekam etwa im gleichen Zeitraum eine brutale Illustration davon. Mehrere große Firmen, unter anderem aus Financial Services und der Industrie, investierten bis Mitte der 1990er Jahre massiv in Enterprise-Resource-Planning-Systeme und mussten zusehen, wie die Adoption zusammenbrach. Die SAP-Rollouts jener Zeit wurden in Business Schools zum Lehrstück, gerade weil die technische Implementierung oft gelang, während die Adoption durch die Menschen scheiterte. Die Mitarbeiter hatten ihre Workarounds. Führungskräfte ließen die alten Prozesse still und leise parallel zum neuen System weiterlaufen. Die Software blieb ungenutzt.

Was die Praxis veränderte, war die allmähliche Formalisierung dessen, was später als Disziplin Change Management bekannt wurde. Prosci, eine unabhängige Forschungs- und Trainingsorganisation, begann Mitte der 1990er Jahre strukturierte Forschung zu organisatorischem Wandel zu veröffentlichen und entwickelte ihr ADKAR-Modell (Awareness, Desire, Knowledge, Ability, Reinforcement) als Framework, um über individuelle statt über organisatorische Übergänge nachzudenken. Der Insight klingt im Rückblick simpel: Organisationen verändern sich nicht, Individuen tun es, und zwar eines nach dem anderen, in unterschiedlichem Tempo.

Dieser Perspektivwechsel hatte echte Konsequenzen. Er verlagerte den Fokus von der Technologie auf die Person, die davor sitzt.

Von damals bis heute

Die Linie von Rogers und den gescheiterten ERP-Rollouts bis zur KI-Adoption von 2026 ist direkt. Die Teams, die heute Copilot, ChatGPT Enterprise oder eigene LLMLLMA Large Language Model is an AI system trained on vast text data to predict and generate language, enabling tasks like writing, summarizing, and answering questions.Vollständige Definition ansehen →-Tools ausrollen, haben es mit demselben strukturellen Problem zu tun: einer Fähigkeit, die in der Belegschaft ungleich verteilt ist, von einer Minderheit begeistert genutzt, von einer größeren Gruppe ignoriert oder gefürchtet und häufig von einem Management untergraben wird, das die Tools nicht sichtbar selbst nutzt.

Die konkrete Forschung zur KI-Adoption bestätigt das alte Muster. Laut den laufenden Arbeiten der MIT Sloan Management Review zu KI in Organisationen ist einer der konstantesten Prädiktoren für erfolgreiche KI-Adoption, ob direkte Vorgesetzte die Nutzung der Tools aktiv vorleben, und nicht, ob das Unternehmen eine Richtlinie erlassen oder ein Training durchgeführt hat. Das deckt sich exakt mit dem, was Rogers vor mehr als sechzig Jahren zu social proof dokumentiert hat.

Geändert haben sich die Geschwindigkeit des Zyklus und der Preis des Hinterherlaufens. In der Tabellenkalkulations-Ära verlor ein Team, das langsam adoptierte, etwas Effizienz. Im heutigen Umfeld scheint sich der Produktivitätsabstand zwischen Teams, die LLM-Tools wirklich in ihre Workflows eingebettet haben, und Teams, die sie nur nominell eingeführt haben, in Monaten statt in Jahren zusammenzuziehen.

Warum das weiterhin zählt

Die Entstehungsgeschichte zählt aus einem praktischen Grund: Sie zeigt Ihnen, wo Sie Ihre Energie einsetzen sollten. Die meisten KI-Rollouts scheitern nicht daran, dass die Technologie schwer zu erlernen ist, sondern daran, dass die organisatorischen Voraussetzungen für die Adoption nie geschaffen wurden. Die Fehler aus der Tabellenkalkulations-Ära, nämlich die sichtbare Nutzung durch die Führung zu überspringen, Training als Einmalereignis zu behandeln und die informellen Netzwerke zu ignorieren, über die echtes Wissen tatsächlich wandert, werden 2026 in Organisationen, die KI-Tools einführen, in Echtzeit wiederholt.

Die Teams, die Lotus 1-2-3 in den 1980er Jahren gut eingeführt haben, waren nicht die Teams mit den besten Handbüchern. Es waren die Teams, in denen eine Führungsperson das Tool vor anderen wirklich benutzte und offen darüber sprach. Das gilt heute genauso.

Wenn Sie für einen KI-Rollout verantwortlich sind, ist das Nützlichste, was Sie tun können, bevor Sie Geld für Lizenzen oder Trainingsinhalte ausgeben: Identifizieren Sie drei oder vier Personen im Team, die KI-Tools bereits informell nutzen, und geben Sie ihnen eine legitime Bühne. Sie sind Ihre BrBrThe percentage of visitors who leave after viewing only one page, often a signal of poor relevance, mismatched intent, or weak user experience.Vollständige Definition ansehen →ücke zur frühen Mehrheit. Rogers hat diese Dynamik 1962 beschrieben. Sie funktioniert immer noch.