Seit mehr als fünfzehn Jahren begleiten wir mit unseren Veranstaltungen die Transformationsprojekte rund um digitale Arbeitsformen — von den ersten Enterprise-2.0-Initiativen über den Digital Workplace, Hybrid Work bis hin zu KI-gestützter Arbeitsorganisation. Eine Erkenntnis zieht sich durch alle Wellen: Technologie war selten der Engpass. Die Frage, ob eine Transformation gelingt, entschied sich fast immer auf der Ebene von Steuerung, Befähigung und Verankerung.

Was dabei auffällt: Viele Projekte greifen auf dieselben Change-Frameworks zurück — ADKAR, Kotter, Lewin — unabhängig davon, in welcher Phase sich die Transformation befindet und welcher Druck oder welche Einsicht ihr zugrunde liegt. Das ist ein strukturelles Problem. Nicht weil diese Frameworks falsch wären, sondern weil sie nicht für jede Ausgangslage gebaut sind.

Dieser Beitrag ist ein Überblick über die Frameworks, die in Digital-Work-Projekten tatsächlich eine Rolle gespielt haben — geordnet nach dem Moment, in dem sie zählen. Und er benennt, warum die aktuelle KI-Welle ein spezifisches Einsichtsproblem erzeugt, das die klassischen Instrumente allein nicht lösen.

Eine der wichtigsten Erkenntnisse aus unserer Sicht im Digital-Work-Kontext lautet: Wird Veränderung durch innere Einsicht getrieben — oder durch äußeren Druck? Diese Frage entscheidet, welche Frameworks in einem Projekt tatsächlich wirken.

Frameworks für Einsicht und Enablement — die unterschätzten

Wenn niemand muss, aber alle sollten, sind die klassischen Change-Frameworks oft das falsche Instrument. Sie setzen voraus, was noch gar nicht da ist: den Willen zur Veränderung und die Fähigkeit, sie zu vollziehen.

Rogers — Diffusion of Innovations beschreibt, wie sich neue Ideen in sozialen Systemen verbreiten — von Innovatoren über Early Adopter bis zur Mehrheit. Im Digital-Work-Kontext erklärt dieses Modell, warum Plattform-Rollouts ohne Multiplikatoren nicht skalieren. Wer die Early Adopter nicht als strukturellen Hebel begreift, wartet vergeblich auf die Breite.

Bandura — Self-Efficacy Theory ergänzt dies um die psychologische Dimension: Menschen ändern ihr Verhalten erst dann dauerhaft, wenn sie sich selbst als wirksam erleben — nicht nur wenn sie wissen, wie es geht. Das ist der Unterschied zwischen Schulung und Enablement. Wer nur Wissen vermittelt, ohne das Erleben von Wirksamkeit zu erzeugen, investiert in Kompetenz die nicht angewendet wird.

Kolb — Experiential Learning Cycle liefert die lerntheoretische Grundlage: Einsicht entsteht durch Erfahrung und Reflexion, nicht durch Wissensvermittlung allein. Für Digital Work bedeutet das: Lernen muss an echten Arbeitssituationen ansetzen — Trainings die nur Tools erklären, ändern keine Arbeitsmuster.

Fogg — Behavior Model fasst die Voraussetzungen für Verhaltensänderung präzise zusammen: Verhalten entsteht, wenn Motivation, Fähigkeit (Ability) und ein konkreter Auslöser (Prompt) zusammentreffen. Fehlt die Ability — also das Enablement — hilft auch hohe Motivation nicht. Das erklärt, warum viele Digital-Work-Initiativen trotz erkennbarem Nutzerwillen scheitern.

Frameworks für Verhaltensveränderung — die Klassiker

Sobald Einsicht und Bereitschaft vorhanden sind, greifen die etablierten Change-Frameworks — und jetzt erst wirklich:

Lewins 3-Phasen-Modell — Unfreeze, Change, Refreeze — beschreibt den Grundrhythmus jeder Transformation: Bestehende Gewohnheiten müssen zunächst aufgetaut werden, bevor Neues entstehen kann. Das Modell ist robust und direkt anwendbar — setzt aber voraus, dass der Unfreeze tatsächlich stattgefunden hat. Wer Refreeze ohne Unfreeze versucht, kämpft gegen das System.

Das Prosci ADKAR-Modell — Awareness, Desire, Knowledge, Ability, Reinforcement — ist das präziseste Instrument für individuelle Veränderung. Es zeigt nicht nur, wo jemand im Prozess steht, sondern wo der Engpass liegt. ADKAR ist kein Implementierungsplan, sondern ein Diagnose-Werkzeug: Fehlt Awareness, Desire — oder Ability?

Kotters 8-Stufen-Modell liefert den organisationalen Rahmen dazu: von der Führungskoalition, die Veränderung trägt, über die Kommunikation der Vision, bis zur kulturellen Verankerung. Für Digital Work besonders relevant: Schritt 6 (Befähigung zum Handeln) und Schritt 8 (Verankerung im Fundament) — die beiden Schritte, die in der Praxis am häufigsten übersprungen werden.

Frameworks für Verankerung und Kulturwandel — die oft vergessenen

Verhaltensveränderung ist nicht das Ende. Sie muss sich in der Organisation festigen — sonst kehrt die nächste Welle zurück zum selben Ausgangspunkt.

Das McKinsey 7S-Framework macht sichtbar, ob eine Transformation strukturell verankert ist: Stimmen Strategy, Structure, Systems, Shared Values, Style, Staff und Skills überein? Im Digital-Work-Kontext deckt es auf, wo neue Arbeitsformen an bestehenden Strukturen scheitern — etwa wenn Hybrid Work eingeführt wird, aber Führungsstil und Bewertungssysteme noch auf Präsenz ausgerichtet sind.

Scheins Organisationskultur-Modell erklärt, warum strukturelle Verankerung trotzdem scheitern kann. Schein unterscheidet drei Kulturebenen: sichtbare Artefakte (Tools, Prozesse, Raumgestaltung), kommunizierte Werte (Leitbilder, Führungsprinzipien) und die unsichtbaren Grundannahmen, die das eigentliche Verhalten steuern. Digitale Transformationen erreichen oft die ersten beiden Ebenen — aber solange die Grundannahmen unberührt bleiben ("echte Arbeit findet im Büro statt", "Präsenz bedeutet Engagement"), kehrt das System nach dem Rollout in seinen alten Zustand zurück. Das Modell ist kein Aktionsplan, sondern ein Diagnoseinstrument: Es zeigt, auf welcher Ebene ein Widerstand sitzt.

Senges Konzept der Learning Organization denkt weiter: Nachhaltige Transformation setzt voraus, dass die Organisation selbst lernfähig bleibt. Wo einzelne Change-Projekte abgeschlossen werden, aber kein institutionelles Lernen entsteht, wiederholt sich der Zyklus in der nächsten Welle — mit denselben Fehlern.

Die Wellen — welches Framework wann zählte

Die verschiedenen Phasen der Digital-Work-Entwicklung (ausführlich in Evolution der Arbeitswelt: Die 8 Akte) zeigen, wie unterschiedlich die Framework-Relevanz je nach Ausgangslage war:

Social Enterprise und Digital Workplace — beide ohne echten äußeren Druck — machten Rogers und Bandura zum Schlüsselfaktor. Wo keine Pflicht bestand, entschied die Fähigkeit der Organisation, Einsicht zu erzeugen und Wirksamkeit erlebbar zu machen. Ohne Multiplikatoren verpufften die Investitionen. ADKAR und Kotter griffen erst, wo dieser Boden bereits bereitet war.

Hybrid Work in der Pandemie war der Ausnahmefall: Der externe Druck war so massiv, dass kein Einsichts-Framework gebraucht wurde — der Unfreeze (Lewin) passierte von außen, ungefragt und für alle gleichzeitig. Die Herausforderung verschob sich auf die emotionale Verarbeitung (Kübler-Ross) und die strukturelle Anpassung (McKinsey 7S). Führung auf Distanz war nicht gewählt — sie musste funktionieren. Wer in dieser Phase auf Rogers setzte, hatte die Lage falsch eingeschätzt.

KI und agentische Arbeit bringen eine neue Qualität: Der externe Druck ist hoch — ähnlich der Pandemie. Aber im Gegensatz zur Pandemie, wo niemand behaupten konnte, schon vollständig remote arbeiten zu können, sendet KI ein anderes Signal: Ich weiß doch schon alles.

Das KI-Paradox: Druck ohne echte Einsicht

Das ist die spezifische Gefahr des aktuellen KI-Moments. Die Technologie selbst erzeugt das Gefühl von Kompetenz — ohne dass die nötige Einsicht dahintersteht. Wer KI-Outputs unreflektiert übernimmt, weil das Tool souverän klingt, hat nicht Enablement erlebt. Er hat Verantwortung abgegeben, ohne es zu merken.

Die eigentliche Einsicht, die es für KI-Projekte braucht, ist die gegenläufige: verstehen, was delegiert werden darf und was nicht — bevor man loslegt. Das lässt sich nicht durch Ausprobieren allein lernen; es braucht Reflexion (Kolb), das bewusste Erleben eigener Urteilsfähigkeit (Bandura) und Multiplikatoren, die zeigen wie reflektierte KI-Nutzung aussieht (Rogers).

Wer in KI-Projekten nur auf ADKAR und Kotter setzt, überspringt die Phase, die jetzt am kritischsten ist. Die Klassiker greifen — aber erst nach dem Enablement, nicht statt ihm. Mehr dazu: Der nächste Engpass der KI-Adoption liegt in der Zusammenarbeit.

Was das für die Praxis bedeutet

Framework-Auswahl ist eine bewusste Projektentscheidung. Die Leitfragen:

• Gibt es echten äußeren Druck — oder brauche ich zuerst Einsicht? → Zuerst Rogers und Bandura
• Ist Bereitschaft vorhanden, fehlt aber die Fähigkeit? → Fogg und Kolb vor ADKAR
• Läuft die Einführung, aber die Adoption stockt? → ADKAR-Diagnose: Wo ist der Engpass?
• Funktioniert das Neue operativ, aber bleibt es nicht? → McKinsey 7S und Senge
• KI-Projekt mit hohem Tempo-Druck? → Einsichts-Frameworks aktiv einbauen — gerade weil das Tool Kompetenz suggeriert

Fazit

Die Digital-Work-Entwicklung ist eine Folge von Transformationswellen — und jede Welle hat andere Frameworks in den Vordergrund gespielt. Wer das weiß, setzt nicht das neueste, sondern das passende Werkzeug ein.

Und wer erkennt, dass KI-Projekte ein spezifisches Einsichtsproblem haben — eines, das die Technologie selbst verdeckt — ist einen entscheidenden Schritt voraus.