Warum sträuben sich Ihre besten Leute gegen KI? Meist, weil sie Standards haben und die Tools diese nicht erfüllen. Behandeln Sie KI-Widerstand in Agenturen als Personalproblem, bekommen Sie Vorschriften, Schulungstage und ausgebrannte Seniors, die um 19 Uhr Maschinenarbeit neu machen. Behandeln Sie ihn als Standardproblem, werden Ihre Skeptiker zu denen, die KI gut genug für die Auslieferung machen.
Die Qualitätsfrage war selten so öffentlich. In Marketing Week nannte BBH-Mitgründer Sir John Hegarty im vergangenen Monat einen Großteil des heutigen Marketings „repetitiv, klischeehaft, langweilig“. Er argumentierte, die Branche sei inzwischen mit „Linkshirn-Denkern“ besetzt, die Tabellen verstehen, aber keine Ideen, und merkte an, „etwa 95 % der Produkteinführungen scheitern“ – eine Quote, die sich seiner Aussage nach in 20 Jahren trotz weit mehr Daten nicht verändert habe. Wer mittelmäßigen KI-Output in dieses System kippt, bekommt mehr vom Gleichen, nur schneller.
Warum sträuben sich erfahrene Leute gegen KI-Tools?
Ein Agenturgründer, der diese Woche bei einer Session zur KI-Einführung in Singapur sprach, war dazu erfrischend offen. Er hatte 18 Monate lang versucht, seine rund 20-köpfige Agentur KI-nativ aufzustellen, und die Einführung stark vorangetrieben. Als er genauer hinsah, wer sich sträubte, stellte er fest: Es waren keine Technikmuffel. Sie wehrten sich gegen schlechten Output: Das System lieferte schwache Arbeit, und sie wurden gezwungen, es zu nutzen.
Es waren Leute mit fünf oder sechs Jahren Berufserfahrung. Sie wussten, wie gut aussieht. Wenn der KI-Entwurf nicht reichte, mussten sie die Arbeit selbst neu machen – also kehrten sie zur alten Methode zurück. Nach seiner Darstellung bedeutete KI-Widerstand oft schlicht, dass die Tools die Standards des Teams nicht erfüllten. Verhaltensänderung scheitert, wenn die Qualität scheitert.
Das ist eine nützliche Neubewertung für jede Agenturchefin und jeden Agenturchef. Der Account Director, der keinen KI-geschriebenen Statusbericht verschickt, oder die Strategin, die das KI-Persona-Deck von Grund auf neu baut, ist nicht schwierig. Sie leisten Ihre Qualitätskontrolle – unbezahlt und unbedankt.
Verschärft erzwungene KI-Einführung den Agentur-Burnout?
Das kann sein. Schlecht gemacht, verdoppelt die KI-Einführung die Arbeit: den Entwurf mit dem Tool erstellen, weil man es so gesagt bekommen hat, und ihn dann von Hand korrigieren, weil der Kunde ihn so nicht sehen darf. Kommt noch das Schuldgefühl hinzu, „nicht schnell genug umzustellen“, ist das ein Rezept für erschöpfte Senior-Leute.
Gut gemacht, bewirkt sie das Gegenteil. In einem Beitrag des Forbes Agency Council darüber, wie Agenturen unverzichtbar bleiben, nannte Matt Jayson von Multiply Kampagnen-Setup und QA als die am besten automatisierbare Arbeit: „Für einen wachstumsstarken Kunden sind das leicht 20 Stunden pro Woche unsichtbarer Arbeit.“ Das ist die Plackerei, die KI abnehmen sollte – neben Zeiterfassung, Statusberichten, Größenanpassung, Budget-Tracking und Wettbewerbsaudits.
Entscheidend ist, ob der Output den Standard ohne eine zweite Schicht Nacharbeit erfüllt. Arbeitet Ihr Team seit der Einführung von KI länger, sparen die Tools keine Zeit. Sie verschieben sie in den Abend.
Warum bricht das Vertrauen in KI so schnell zusammen?
Die Trust Theory liefert eine schlichte Erklärung. Wir vertrauen einer Person oder einem System, wenn wir glauben, dass sie kompetent, verlässlich und in unserem Interesse handelt. Jedes davon wird durch Erfahrung und Gespräch verdient; nichts davon lässt sich verkünden. Ein Tool, das dreimal hintereinander schwache Entwürfe liefert, verliert den Anspruch auf Kompetenz. Ein Tool, das ohne Rückfrage im Team eingeführt wird, verliert das Gefühl, auf ihrer Seite zu stehen.
Deshalb gehen Vorschriften nach hinten los. Ein Nutzungs-Dashboard zeigt Führungskräften, wer sich eingeloggt hat. Es kann ihnen nicht sagen, ob die Leute dem Output trauen. Das kann nur das Gespräch: sich mit der Strategin zusammensetzen und fragen, was sie geändert hat und warum.
Kunden rechnen genauso. Der Punkt des Gründers aus Singapur war: Man kann Kunden keine halbgare Arbeit schicken, denn so verliert man ihr Vertrauen. Ihre Skeptiker schützen die Kundenbeziehung.
Wer sollte entscheiden, wie „gut“ aussieht?
Die, die es bereits wissen. Die Lösung des Gründers war, Fachexperten eine ausdrückliche Rolle als Approver zu geben: Sie definieren, wie gut aussieht, und nichts geht ohne ihre Freigabe raus. Alle profitieren von KI, aber nicht alle müssen sie bauen. Die Experten legen die Messlatte fest.
Hilfreich ist auch, die bekannten Zeichen von Widerstand als Signale über Standards zu lesen statt als Frage der Einstellung.
| Wie sich Widerstand zeigt | Was es meist bedeutet | Was zu tun ist |
|---|---|---|
| Leute kehren stillschweigend zur alten Vorlage zurück | Der Output verfehlt ihre Qualitätsmesslatte | Bitten Sie darum, ihre Änderungen zu sehen; reparieren Sie das System, nicht die Person |
| Entwürfe zu korrigieren dauert länger, als sie zu schreiben | KI schafft Arbeit, statt sie abzunehmen | Bearbeitungszeit messen; den Workflow pausieren, bis die Akzeptanz steigt |
| Niemand legt KI-Output einem Kunden vor | Sie sehen nicht, woher die Schlussfolgerungen stammen | Für jede KI-Aussage eine nachvollziehbare Quelle verlangen |
| Seniors steigen aus, während Juniors sich zu sehr verlassen | Der Standard wurde nie aufgeschrieben | Experten zu Approvern machen, die definieren, wie gut aussieht |
| Witze über „den Roboter“ in jedem Allhands | Das Tool wurde ohne Gespräch vorgeschrieben | Das Team bei Auswahl und Test der Tools einbeziehen |
Die wiederkehrenden Themen des Forbes-Panels weisen in dieselbe Richtung: Verantwortlichkeit, Urteilskraft und das Übernehmen der Arbeit, für die KI nicht haftbar gemacht werden kann, halten Agenturen unverzichtbar.
Wie machen Sie aus KI-Skeptikern Approver?
- Finden Sie Ihre lautesten Skeptiker und bitten Sie darum, ihre Änderungen zu sehen. Der Unterschied zwischen dem KI-Entwurf und dem, was sie tatsächlich verschickt haben, ist Ihre Spezifikation für „gut“.
- Schreiben Sie den Standard auf. Tonalität, Struktur, Quellen, was nie vorkommen darf. Existiert er nur im Kopf eines Seniors, kann ihn weder KI noch ein neuer Kollege erfüllen.
- Machen Sie die Experten zu Approvern – mit echter Autorität. Sie geben frei, bevor etwas KI-Gestütztes zum Kunden geht, und können einen Workflow stoppen, der die Messlatte nicht erreicht.
- Messen Sie Bearbeitungszeit, nicht Logins. Dauert das Korrigieren länger als das Selbermachen, halten Sie an und reparieren Sie den Workflow, bevor Sie ihn weiter ausrollen.
- Speisen Sie Korrekturen zurück. Machen Sie aus jeder Änderung eines Approvers bessere Prompts, Vorlagen und Beispiele, damit der nächste Entwurf weniger Korrektur braucht.
- Beginnen Sie mit der unsichtbaren Arbeit. Setup, QA, Reporting und Monitoring – dort ist ein Fehler billig und die gesparte Zeit sofort spürbar.
- Sprechen Sie offen darüber. Eine halbe Stunde alle zwei Wochen darüber, was funktioniert hat und was nicht, schafft mehr Vertrauen als jede Rollout-Mail.
Was macht KI-Output vertrauenswürdig genug für die Auslieferung?
Belege, die Ihre Experten prüfen können. Eine Senior Strategist akzeptiert eine KI-Schlussfolgerung, wenn sie sieht, woher sie stammt, und sie selbst beurteilen kann. Sie lehnt eine ab, die als selbstsicherer Absatz ohne Herleitung daherkommt.
Deshalb lässt sich auf der Defy Plattform jede KI-Schlussfolgerung auf die realen veröffentlichten Posts dahinter zurückführen. Die Strategie wird aus dem abgeleitet, was Zielgruppen und Wettbewerber tatsächlich veröffentlichen, nicht aus Umfragen – so kann die Approverin die Belege öffnen und selbst entscheiden.
Menschen, so der Gründer, seien nicht gut im Wandel. Sie seien zugleich die größte Bremse und der größte Beschleuniger der KI-Transformation. Welches von beiden Ihre Leute werden, hängt davon ab, ob die Tools ihre Standards respektieren.
