Ich höre in letzter Zeit immer wieder: "Wir müssen mehr mit KI machen." oder "Wir müssen mehr prompten."

Doch das allein ist aus verhaltensökonomischer Sicht keine erfolgversprechende Strategie.

Denn das Problem ist: Mit KI kann man unglaublich viel machen, eigentlich zu viel.

Denn wenn ich überfordert bin mit der schieren Anzahl an Möglichkeiten, greife ich oft auf das Gewohnte zurück (und mache alles so wie immer). Oder mache am Ende gar nichts (und stecke in der sogenannten Choice Paralysis oder Decision Fatigue fest).

So wird es mit dem Behavior Change schwierig und insbesondere dann, wenn eh schon viel zu tun ist und ich keine Zeit habe, mit unterschiedlichen Dingen "herumzuexperimentieren"…

Eine mögliche Lösung dafür ist erstaunlich simpel:

‍→ Einschränkungen

Also konkrete Ziele mit einer Zeitvorgabe:

"Bis 31.05. muss jede/r eine Präsentation mit KI gebaut haben."
"Bis Ende Q2 muss jede/r diesen einen wichtigen Prozessschritt einmal komplett mit KI gemacht haben."
…

Solche Ziele geben Orientierung und machen gleichzeitig messbar, was eigentlich mit "mehr KI" gemeint ist (was ist schon "viel" und was ist "wenig"?).

Das hilft am Ende, unterschiedliche Erwartungen in Einklang zu bringen und bessere Ergebnisse zu erzielen.

Für die Erreichung dieser Ziele können aus verhaltensökonomischer Sicht vor allem folgende Ansätze hilfreich sein:

1. Implementation Intentions zusammen mit Mitarbeitenden ausarbeiten‍

Statt vager Vorsätze wie "Ich nutze mehr KI" wirken konkrete Wenn-Dann-Regeln deutlich besser: "Wenn ich eine neue Präsentation beginne, dann öffne ich zuerst die KI und formuliere einen ersten Entwurf." Aus einem abstrakten Ziel wird so ein klarer Auslöser im Alltag (Gollwitzer 1999).

2. Den Status Quo Bias zum eigenen Vorteil nutzen‍

Wir greifen unbewusst oftauf das zurück, was schon da ist (genau das war oben ja das Ausgangsproblem). Wenn KI also ein "Extra" bleibt, das zusätzlich geöffnet oder gestartet werden muss, verliert sie gegen den gewohnten Prozess. Hilfreicher ist es, KI als neuen Default-Prozess zu setzen, sodass nicht die Nutzung, sondern die Nicht-Nutzung die Abweichung wäre (Samuelson & Zeckhauser 1988).

3. Friction reduzieren‍

Jede kleine Hürde (Login, fehlende Vorlagen, fehlender Zugang zu Tools,...) senkt die Wahrscheinlichkeit, dass etwas tatsächlich passiert. Oft mehr als man denkt. Ziele alleine reichen also nicht, wenn der Weg zur KI-Nutzung mühsam ist. Die Reduktion von Barrieren sollte also nicht unterschätzt werden (Sunstein 2019).‍

4. The Fresh Start Effect: das richtige Timing‍

Quartals-, Monats- oder Jahreswechsel wirken psychologisch wie ein "frischer Start" und erhöhen die Bereitschaft für neues Verhalten. Genau deshalb funktioniert "bis Ende Q2" besser als ein beliebiges Datum mitten im Quartal (Dai et al. 2014).
‍

‍

‍