Das eine Prinzip, das KI-Adoption verdoppelt

Letzte Woche hat Tobi Lütke beschrieben, wie Shopify intern KI nutzt. Eine Zahl daraus ist hängengeblieben. Von 36 Prozent auf 77 Prozent Merge-Rate in zwei Monaten, ohne dass das Modell ausgetauscht oder Trainings zugekauft wurden. Was sich verändert hat, klingt fast banal und ist trotzdem das einzige Prinzip, das aus unserer Rollout-Arbeit wirklich konsistent funktioniert hat.

Shopifys interne KI heißt "River". Wer River per Direktnachricht anspricht, bekommt eine freundliche Absage und einen Hinweis: bitte in einem öffentlichen Kanal weitermachen. Tobi selbst arbeitet in einem Kanal namens #tobi_river. Über 100 Kollegen lesen mit. In den letzten 30 Tagen haben rund 6.000 Shopify-Mitarbeiter mit River gearbeitet.

Die Pointe ist nicht das Tool. Die Pointe ist die Öffentlichkeit.

Was wir in unseren Rollouts immer wieder sehen

Wenn wir bei DECAID einen KI-Rollout begleiten, sind die Tools meist ähnlich. Die Mitarbeiter haben ähnliche Aufgaben, die Schulungsbudgets sind vergleichbar. Trotzdem kommt das eine Unternehmen nach wenigen Wochen auf eine hohe Nutzungsquote, während das andere kaum vom Fleck kommt.

Wenn wir dann reingehen und schauen, was der Unterschied ist, fällt eine einzige Variable jedes Mal auf: Wo passiert die KI-Arbeit?

In den erfolgreichen Unternehmen passiert sie sichtbar. In Slack-Kanälen, an die jeder ran kann. In Teams-Chats, die durchsuchbar sind. In geteilten Wissensdatenbanken, in denen Skills und Workflows liegen, die nachweislich funktionieren.

In den stagnierenden Unternehmen passiert sie unsichtbar, in privaten Browser-Tabs, in ChatGPT-Direkt-Chats, in Tools, die jeder für sich nutzt und über die niemand spricht.

Diese eine Variable erklärt mehr als alle anderen zusammen.

Warum sich das so verlässlich zeigt

Adoption ist kein Wissensproblem. Es ist ein Imitationsproblem.

Wenn ich als Mitarbeiter ein neues Tool bekomme, lerne ich nicht aus dem Handbuch. Ich lerne, indem ich sehe, was ein Kollege gestern gemacht hat und denke: "Ah, so geht das." Tobi vergleicht das mit seiner Ausbildung als 16-Jähriger. Die interessantesten Entwickler saßen im Keller, nutzten andere Tools als offiziell vorgegeben. Er lernte zu programmieren, indem er ihnen Kaffee brachte und mitbekam, wie sie dachten.

In den meisten Unternehmen ist genau dieser Mechanismus für KI ausgeschaltet. Ein Mitarbeiter findet einen Workflow, der funktioniert. Er nutzt ihn zwei Wochen lang. Er wechselt die Stelle oder ist im Urlaub. Niemand erfährt davon. Das Wissen verdampft mit dem Schließen des Browser-Tabs.

Der zweite Mechanismus, der nur in der Öffentlichkeit funktioniert, ist Korrektur. Wenn ich sehe, wie ein Kollege River fragt und eine mittelmäßige Antwort bekommt, kann ich kommentieren: "Probier das mal mit folgendem Kontext." Das passiert in Shopifys Kanälen täglich. Das kann in einem ChatGPT-Privat-Chat nicht passieren.

Die Zahl, die niemand vergisst

Die 36 zu 77 Prozent Merge-Rate bei Shopify sind nicht durch ein besseres Modell entstanden. Tobi schreibt das explizit. Was sich verbessert hat, ist das Wissen drumherum: welche Workflows funktionieren, welcher Kontext fehlt, wo River regelmäßig stolpert. Und weil das alles öffentlich passiert, wird es zur kollektiven Praxis statt zu Geheimwissen einzelner.

Wir sehen das identisch bei DECAID-Kunden. Ein Maschinenbau-Mittelständler, den wir letztes Jahr begleitet haben, hatte Langdock acht Wochen im Pilot. Adoption: lauwarm. Dann führten sie eine simple Maßnahme ein. Einmal pro Woche, fünfzehn Minuten im Team-Meeting, präsentiert ein Mitarbeiter einen Use Case. Was wollte er erreichen, wie ist er vorgegangen, was kam raus, was hätte er anders gemacht. Über die folgenden Wochen ist die Nutzung deutlich gestiegen.

Verändert hatte sich nicht das Tool und nicht die Schulung, sondern fünfzehn Minuten Öffentlichkeit pro Woche.

Warum das im Mittelstand schwerer ist als bei Shopify

Tobi Lütke kann das anordnen. Bei Shopify gibt es eine technische Kultur, in der Slack-Kanäle sowieso der Default sind. Im deutschen Mittelstand sieht das anders aus. Die meisten Unternehmen, mit denen wir arbeiten, haben eine Kultur, in der Wissen Status bedeutet. Wer einen besonders guten Workflow findet, gibt ihn ungern weiter. Wer einen Use Case unterhalb seiner offiziellen Aufgabe nutzt, will nicht, dass die Chefin das sieht.

Das ist keine Tool-Frage. Das ist eine Führungs-Frage. Wer im Mittelstand KI-Adoption verdoppeln will, muss zuerst die Logik ändern, in der über Wissen gesprochen wird. Geteiltes KI-Wissen muss belohnt werden. Verdecktes muss ungemütlich sein.

Konkret heißt das drei Dinge.

Erstens: Die Default-Plattform wechseln. KI-Arbeit darf nicht in privaten Browser-Tabs passieren. Sie muss in einem geteilten Tool stattfinden, etwa in Langdock-Workspaces, Slack-Kanälen oder gemeinsamen Wissensdatenbanken. Privat-Konten zu OpenAI sollten sanktioniert werden, nicht toleriert.

Zweitens: Die Sichtbarkeit erzwingen. Es braucht einen Rhythmus, in dem Use Cases präsentiert werden. Wöchentliches Show & Tell. Monatliches Best-Practice-Sync. Was gut funktioniert, wird gesehen. Was nicht, wird verworfen.

Drittens: KI-Champions positionieren. Jede Abteilung braucht jemanden, der laut über seine KI-Arbeit spricht. Nicht den lautesten, sondern den methodischsten. Diese Person bekommt Zeit dafür, nicht Zusatzbelastung.

Worauf es ankommt

Aus unseren Rollouts wissen wir: Öffentlichkeit funktioniert. Welche Form am besten greift, entscheidet sich pro Unternehmen — ein wöchentliches Sync, ein gemeinsamer Kanal, eine geteilte Wissensdatenbank. Das hängt von Kultur und Arbeitsweise ab. Tobi bei Shopify hat dafür jetzt öffentlich Zahlen geliefert. Die Richtung ist klar.

Was wir aber sicher sagen können: Ein Unternehmen, das KI ausrollt ohne diesen Sichtbarkeits-Mechanismus, baut sich gerade Geheimwissen einzelner Mitarbeiter auf. In drei Jahren, wenn die ersten Power-User die Firma wechseln, wird das schmerzhaft. Die Mitarbeiter gehen, und das KI-Wissen geht mit.

Shopify hat verstanden, dass das eigentliche Kapital nicht die Tools sind, nicht die Modelle, sondern das kollektive Gedächtnis, was funktioniert. Das ist genau das, was deutsche Mittelständler in den nächsten zwölf Monaten aufbauen oder verpassen müssen.