Algorithmic isomorphism and the barrier cascade: Evaluating human and organizational obstacles to artificial- intelligence adoption in workforce systems

In der modernen Arbeitswelt wird die Ankunft der künstlichen Intelligenz oft als ein einfaches Upgrade behandelt, so als würde man einen alten Computer gegen einen schnelleren austauschen. Doch für viele Organisationen fühlt sich dieser Übergang weniger wie ein reibungsloses Upgrade und mehr wie ein Stolpern an. Das Kernproblem besteht nicht darin, dass die Technologie nicht funktioniert, sondern dass die menschlichen und organisatorischen Systeme um sie herum nicht wissen, wie sie sie nutzen sollen. Diese Spannung liegt an der Schnittstelle zwischen Managementwissenschaft und Psychologie – jenen Feldern, die untersuchen, wie Menschen zusammenarbeiten und wie Führungskräfte sie leiten. Wenn ein Unternehmen versucht, neue KI-Tools einzuführen, sieht es sich mit einem komplexen Geflecht von Hindernissen konfrontiert: Mitarbeiter fühlen sich möglicherweise gestresst oder misstrauisch gegenüber den neuen Systemen, Manager könnten nicht über die Fähigkeiten verfügen, die Daten zu interpretieren, und die Unternehmenskultur könnte dem Wandel widerstehen. Jahrelang haben Forscher diese Probleme einzeln aufgelistet und sie als separate Probleme behandelt, die man individuell lösen muss. Doch eine neue Studie legt nahe, dass diese Hindernisse nicht isoliert sind; sie sind tief miteinander verbunden und bilden eine Kettenreaktion, bei der einige Probleme tatsächlich die anderen verursachen.

Ein Team von Forschern der Istanbul Medipol University machte sich daran, diese verborgene Architektur abzubilden. Sie begannen mit der Untersuchung der letzten fünfundzwanzig Jahre der Open-Access-Forschung darüber, wie Organisationen digitale und künstliche Intelligenz-Tools adaptieren. Sie sammelten 336 wissenschaftliche Artikel, die zwischen 2000 und 2025 veröffentlicht wurden – ein Zeitraum, der die Reifung des Internets, den Aufstieg von Big Data und die jüngste Explosion der generativen KI erlebte. Durch die Analyse der Schlagwörter und Themen dieser Arbeiten identifizierten sie fünf chronische Barrieren, die über all diese technologischen Ären hinweg bestanden haben. Diese Barrieren sind: eine Diskrepanz zwischen der Technologie und dem verfügbaren Talent, um sie zu nutzen; eine strukturelle und kulturelle Trägheit, die Organisationen in alten Mustern verharren lässt; psychologischer und ethischer Widerstand seitens der Mitarbeiter; ein Defizit in der analytischen Entscheidungsfindung; und eine Lücke in der strategischen Führung und Vision.

Anstatt diese fünf Barrieren als eine flache Liste unzusammenhängender Beschwerden zu betrachten, wollten die Forscher verstehen, wie sie einander beeinflussen. Zu diesem Zweck stellten sie ein Gremium aus fünf Experten zusammen, die jeweils über einen Doktortitel und mindestens fünfzeene Jahre Erfahrung in Bereichen von der Computertechnik bis zum Gesundheitsmanagement und der Wirtschaftswissenschaft verfügten. Diese Experten wurden gebeten, zu beurteilen, inwiewt each Barriere die anderen beeinflusst. Sie untersuchten beispielsweise, ob ein Mangel an Führungsvision die Diskrepanz bei den Fähigkeiten verursacht oder ob der Stress der Mitarbeiter zu einem Mangel an analytischen Werkzeugen führt. Mit einer Methode, die darauf ausgelegt ist, diese Expertenurteile in eine klare Karte von Ursache und Wirkung zu verwandeln, berechnete das Team, welche Barrieren die Treiber und welche die Resultate sind.

Die Ergebnisse offenbarten eine deutliche Hierarchie, oder eine Kaskade, von Problemen. Ganz oben in dieser Kette steht die Lücke in Führung und Vision. Die Experten bewerteten dies als den primären Treiber, die Wurzelursache, die das gesamte System in Gang setzt. Wenn Führungskräfte es versäumen, eine klare Vision oder die notwendige strategische Richtung vorzuge zuzugeben, autorisieren sie unbeabsichtigt eine Form der Adoption, die auf dem Papier gut aussieht, aber keinen Substanz besitzt. Der zweite große Treiber ist die strukturelle und kulturelle Trägheit. Dies ist der Widerstand, der in den bestehenden Gewohnheiten und physischen Strukturen der Organisation eingebaut ist und die Kluft zwischen dem, was das Unternehmen zu tun vorgibt, und dem, was es tatsächlich leisten kann, aufrechterhält.

Die anderen drei Barrieren wurden als Konsequenzen oder Symptome dieser beiden Wurzelursachen identifiziert. Die Diskrepanz zwischen Technologie und Talent, der Mangel an analytischer Entscheidungsfindung und der psychologische Stress oder das ethische Misstrauen der Mitarbeiter sind keine unabhängigen Probleme. Stattdessen sind sie die vorhersehbaren Folgen eines Systems, in dem die Führung die Transformation nicht geleitet hat und in dem sich die Struktur der Organisation nicht angepasst hat. Die Studie fand heraus, dass die psychologischen und ethischen Barrieren, wie etwa die Angst der Mitarbeiter oder das Misstrauen gegenüber algorithmischem Management, die schwerwiegendsten Symptome sind und am Ende der Kette stehen. Die Diskrepanz zwischen Technologie und Talent liegt näher in der Mitte und fungiert als Übergangspunkt zwischen den Ursachen und den Effekten.

Diese Entdeckung stellt die übliche Art und Weise infrage, wie Unternehmen versuchen, die KI-Adoption zu korrigieren. Typischerweise reagiert ein Unternehmen, wenn es sieht, dass Mitarbeiter neue Tools ablehnen oder Schwierigkeiten mit Daten haben, indem es mehr Schulungen anbietet, bessere Software kauft oder versucht, den Stress zu reduzieren. Die Forscher argumentieren, dass diese Bemühungen oft verschwendet sind, weil sie die Symptome behandeln statt die Krankheit. Wenn die Führungsvision fehlt und die Organisationsstruktur starr ist, wird die Verbesserung der Fähigkeiten oder der Werkzeuge nur eine vorübergehende Besserung bewirken. Die zugrunde liegenden Ursachen werden letztlich dieselben Probleme wieder hervorrufen. Die Studie legt nahe, dass der effektivste Weg nach vorne darin besteht, zuerst die generativen und strukturellen Ebenen anzugehen: Führungskräfte müssen eine klare Vision definieren, und die Organisation muss ihre Trägheit überwinden, um diese Vision zu unterstützen. Erst dann werden sich auch die nachgelagerten Probleme wie Qualifikationslücken, analytische Fehler und der Widerstand der Mitarbeiter von selbst lösen.

Die Forscher untersuchten auch ein Phänomen, das sie „algorithmische Isomorphie“ nennen. Dies beschreibt eine Situation, in der Organisationen unter intensivem Druck stehen, so zu wirken, als würden sie künstliche Intelligenz nutzen – nicht weil sie diese gemeistert haben, sondern weil dies der erwartete Standard ist. Da KI-Tools leicht zu signalisieren sind – durch Dashboards, Badges oder Lizenzanzahlen –, aber die tatsächliche Fähigkeit zur Nutzung schwer zu verifizieren ist, können Unternehmen leicht eine Lücke zwischen ihrem öffentlichen Image und ihrer tatsächlichen Leistungsfähigkeit schaffen. Dies ermöglicht es ihnen, einen Zustand der „Adoption ohne Kapazität“ aufrechtzuerhalten, in dem sie den Anschein erwecken, sich zu transformieren, während ihre Belegschaft weiterhin unvorbereitet bleibt. Die Studie deutet darauf an, dass diese Lücke im Zeitalter der KI breiter und beständiger ist als bei früheren Management-Trends, da die Signale billiger vorzutäuschen und die realen Fähigkeiten schwieriger zu prüfen sind.

Letztlich bietet die Arbeit einen ernüchternden, aber klaren Fahrplan für die Zukunft der Arbeit. Sie zeigt auf, dass die lautesten und sichtbarsten Barrieren, wie etwa der Stress der Mitarbeiter oder ein Mangel an Datenkompetenz, tatsächlich die am wenigsten effizienten Bereiche für Interventionsbemühungen sind. Der wahre Hebel liegt weiter „upstream“, bei den Menschen in verantwortungsvoller Position und den Strukturen, die sie aufrechterhalten. Indem der Fokus vom Bekämpfen der Symptome hin zur Transformation der Führung und der Organisationskultur verschoben wird, können Unternehmen von einem passiven Zustand des Technologiekonsums zu einem aktiven Zustand des Engineerings ihrer Talente gelangen. Dieser Ansatz verspricht keine magische Lösung, bietet aber einen Weg, um zu verstehen, warum so viele Transformationen scheitern und wie man ein System aufbaut, in dem Technologie und Mensch wahrhaftig zusammenarbeiten können.