Warum „Abholen” nicht reicht: Der Constraints-Led Approach als Schlüssel zur KI-Transformation
In fast jedem Transformationsprojekt fällt irgendwann der Satz: „Wir müssen die Mitarbeiter abholen.” Gemeint ist damit meist eine Mischung aus Informationsveranstaltungen, Schulungen und dem vagen Versprechen, dass alles besser wird. Doch wer einmal erlebt hat, wie eine KI-Einführung an der Realität einer Organisation scheitert, weiß: Abholen reicht nicht. Menschen müssen die Veränderung aktiv mitgestalten, nicht nur erdulden.
Genau hier bietet ein Ansatz aus einer zunächst überraschenden Disziplin eine bemerkenswerte Perspektive: der Constraints-Led Approach (CLA) aus der Trainingswissenschaft.
Was ist der Constraints-Led Approach?
Der CLA wurde ursprünglich in der Sportwissenschaft entwickelt und geht auf Karl Newells Constraint-Modell von 1986 zurück. Swen Körner und Mario S. Staller haben den Ansatz in ihrer Arbeit zur Vermittlungskompetenz in Sport, Spiel und Bewegung systematisch aufgearbeitet und weiterentwickelt.
Die Grundidee folgt einem Paradox: Durch gezieltes Begrenzen entsteht mehr Freiheit im Lernen.
Im CLA gibt es drei Typen von Constraints (Rahmenbedingungen):
Organismic Constraints beschreiben die individuellen Voraussetzungen der Lernenden: körperliche Fähigkeiten, Erfahrung, Motivation, kognitive Muster. Jeder Mensch bringt andere Ressourcen mit.
Environmental Constraints umfassen die Umgebungsbedingungen: physische Räume, soziale Dynamiken, kulturelle Normen, verfügbare Werkzeuge. Sie bilden den Kontext, in dem Lernen stattfindet.
Task Constraints sind die eigentlichen Stellschrauben des Trainers oder Gestalters: Regeln, Ziele, Aufgabenstellungen, verfügbare Hilfsmittel. Durch ihre gezielte Variation entstehen Lernumgebungen, die bestimmte Verhaltensweisen wahrscheinlicher machen, ohne sie vorzuschreiben.
Der entscheidende Punkt: Im CLA gibt es keine ideale Lösung, die der Trainer vormacht und die Lernenden nachahmen. Stattdessen wird die Lernumgebung so gestaltet, dass die Teilnehmenden selbst Lösungen entdecken. Der Trainer wird zum Designer von Erfahrungsräumen. Er schreibt nicht vor, was passieren soll. Er schafft Bedingungen, unter denen bestimmte Erkenntnisse wahrscheinlich werden.
Körner und Staller sprechen in diesem Zusammenhang von „Perception-Action Coupling” (nach Gibson, 1979): Wahrnehmung und Handlung sind untrennbar verbunden. Menschen lernen nicht durch Zuhören und späteres Anwenden, sondern durch unmittelbares Handeln in relevanten Kontexten. Lernen ist, wie Körner und Staller betonen, „messy”: Es folgt keinem linearen Pfad, sondern entsteht aus der aktiven Auseinandersetzung mit realen Herausforderungen.
Warum CLA populär geworden ist
Der CLA hat sich in der Trainingswissenschaft durchgesetzt, weil er ein fundamentales Problem klassischer Didaktik löst: die Kluft zwischen Übung und Anwendung. Wer in künstlichen, vereinfachten Situationen trainiert, versagt häufig unter realen Bedingungen. Der CLA setzt dagegen auf repräsentative Lernumgebungen, die die wesentlichen Anforderungen der Zielsituation abbilden.
Dieser Gedanke hat längst über den Sport hinaus Wirkung entfaltet. Polizeiausbildung, Rettungsdienste, militärische Trainings und zunehmend auch Unternehmenskontexte nutzen den Ansatz, weil er einen entscheidenden Vorteil bietet: Die Teilnehmenden entwickeln nicht nur Wissen, sondern Handlungsfähigkeit.
Was das mit KI-Transformation zu tun hat
Die Parallelen zur Einführung von KI in Unternehmen sind frappierend.
Klassisches Change Management in KI-Projekten folgt oft einem linearen Muster: Strategie entwickeln, Schulungen durchführen, Tools bereitstellen, Adoption messen. Das entspricht dem traditionellen Trainingsansatz in der Sportwissenschaft: Der Trainer zeigt die ideale Technik, die Lernenden ahmen nach.
Das Problem: KI-Transformation ist keine Technik, die man vormachen kann. Jede Abteilung, jeder Prozess, jeder Mitarbeitende steht vor individuellen Herausforderungen. Ein Compliance-Team nutzt KI anders als eine Produktionsplanung. Eine erfahrene Fachkraft hat andere Berührungsängste als ein Digital Native. Die „eine richtige Art”, KI zu nutzen, gibt es nicht.
Genau hier setzt der CLA an. Übertragen auf die KI-Transformation bedeutet das:
Organismic Constraints berücksichtigen: Die individuellen Voraussetzungen der Mitarbeitenden ernst nehmen. Welche digitalen Kompetenzen sind vorhanden? Welche Ängste und Widerstände bestehen? Welche fachliche Expertise kann zur Stärke werden? Statt alle durch dasselbe Schulungsprogramm zu schleusen, werden unterschiedliche Ausgangspunkte als Ressource begriffen.
Environmental Constraints gestalten: Die Arbeitsumgebung so verändern, dass KI-Nutzung naheliegt, ohne sie zu erzwingen. Ein Unternehmen, das seinen Mitarbeitenden KI-Werkzeuge direkt in den bestehenden Arbeitsablauf integriert, schafft andere Bedingungen als eines, das ein separates KI-Portal bereitstellt, zu dem man sich extra einloggen muss. Die Umgebung wird zum stillen Enabler.
Task Constraints designen: Aufgaben und Herausforderungen schaffen, die den Einsatz von KI wahrscheinlich machen, ohne ihn vorzuschreiben. Wenn ein Team die Aufgabe bekommt, innerhalb von zwei Stunden 50 Kundenfeedbacks zu kategorisieren und Handlungsempfehlungen abzuleiten, wird es KI-Tools entdecken wollen, nicht weil es muss, sondern weil die Aufgabenstellung es nahelegt.
Der Programmmanager wird in diesem Modell zum Designer von Transformationsumgebungen. Er schreibt nicht vor: „Ab morgen nutzen alle ChatGPT.” Er gestaltet Rahmenbedingungen, unter denen Mitarbeitende selbst entdecken, wie KI ihre Arbeit verbessert. Das Ergebnis ist kein erzwungenes Adoption-KPI, sondern echte Handlungsfähigkeit.
Ein Beispiel aus der Praxis: Der KI-EscapeRoom
Wie so ein Constraint-basierter Lernraum konkret aussehen kann, zeigt der KI-EscapeRoom des Mittelstand-Digital Zentrums Berlin.
Das Konzept: Teams von drei bis fünf Personen haben 45 Minuten, um gemeinsam KI-gestützte Rätsel zu lösen und den Raum zu „entkommen”. Die Teilnehmenden, in der Regel Führungskräfte und Mitarbeitende kleiner und mittlerer Unternehmen, arbeiten dabei direkt mit KI-Technologien, ohne vorher eine Schulung absolviert zu haben.
Aus CLA-Perspektive ist dieser EscapeRoom ein Paradebeispiel für gelungenes Constraint-Design:
Die Task Constraints sind klar definiert: 45 Minuten, ein verschlossener Raum, Rätsel, die nur mit KI-Unterstützung lösbar sind. Niemand sagt den Teilnehmenden, wie sie die KI nutzen sollen. Die Aufgabenstellung macht es notwendig, selbst herauszufinden, was funktioniert.
Die Environmental Constraints schaffen Dringlichkeit und Fokus: Der geschlossene Raum, die tickende Uhr, die Teamdynamik. Diese Umgebung ist weit entfernt von einer PowerPoint-Schulung und genau deshalb wirksam. Sie bildet den emotionalen Druck und die Kollaboration ab, die auch in realen Arbeitssituationen entstehen.
Die Organismic Constraints werden produktiv genutzt: Jedes Teammitglied bringt unterschiedliches Vorwissen mit. Manche haben technische Affinität, andere fachliche Expertise, wieder andere soziale Kompetenz für die Teamkoordination. In der Drucksituation des EscapeRooms ergänzen sich diese unterschiedlichen Stärken natürlich.
Das Ergebnis: Die Teilnehmenden verlassen den Raum nicht mit theoretischem Wissen über KI, sondern mit einer konkreten Erfahrung, KI erfolgreich angewendet zu haben. Sie haben Perception-Action Coupling erlebt: Wahrnehmung und Handlung waren unmittelbar verbunden. Dieses Erlebnis ist um ein Vielfaches wirkungsvoller als jede Präsentation über „die Chancen der Künstlichen Intelligenz”.
Von der Überforderung zur klaren Handlung
Viele Unternehmen stehen bei der KI-Einführung vor einem Dilemma: Einerseits ist der Druck enorm, KI einzusetzen. Andererseits sind Mitarbeitende überfordert von der Vielzahl an Tools, Möglichkeiten und Veränderungen. Das klassische Change Management reagiert darauf mit mehr Information: noch eine Schulung, noch ein Newsletter, noch ein Town Hall Meeting.
Der CLA bietet einen anderen Weg: Statt mehr Information weniger Komplexität durch besseres Design.
Schritt 1: Constraints analysieren. Welche individuellen Voraussetzungen bringen die Teams mit (Organismic)? In welcher Arbeitsumgebung bewegen sie sich (Environmental)? Welche Aufgaben könnten als Katalysator wirken (Task)?
Schritt 2: Lernumgebungen designen. Nicht Schulungsräume, sondern Erfahrungsräume schaffen. Pilotprojekte, die echte Geschäftsprobleme lösen. Challenges, die Teams in überschaubarer Zeit mit KI-Unterstützung bewältigen. Hackathons, bei denen Fachabteilungen ihre eigenen Prozesse mit KI-Werkzeugen neu denken.
Schritt 3: Variabilität zulassen. Im CLA gibt es keine Musterlösung. Wenn das Marketing-Team KI für Textanalyse nutzt, die Produktion für Qualitätsprüfung und der Vertrieb für Lead-Scoring, dann ist das kein Zeichen mangelnder Standardisierung, sondern erfolgreicher Adaptation. Unterschiedliche Lösungen für unterschiedliche Kontexte sind das Ziel, nicht das Problem.
Schritt 4: Vom Ergebnis lernen. Jede Interaktion mit KI erzeugt Feedback. Teams, die ihre Erfahrungen teilen, werden zu Multiplikatoren. Nicht weil man sie dazu verpflichtet, sondern weil erfolgreiche Erfahrungen ansteckend sind.
Fazit: Mitgestalten statt Mitgenommenwerden
Der Constraints-Led Approach lehrt uns etwas Fundamentales über Veränderung: Menschen lernen nicht durch Anweisungen, sondern durch Erfahrungen in gut gestalteten Umgebungen.
Für die KI-Transformation bedeutet das: Hören wir auf, Mitarbeiter „abholen” zu wollen. Dieses Bild impliziert, dass jemand passiv an einer Haltestelle steht und darauf wartet, in den Bus der Transformation einzusteigen. Stattdessen sollten wir Rahmenbedingungen schaffen, in denen Mitarbeitende selbst entdecken, wie KI ihre Arbeit bereichert.
Der Programmmanager der Zukunft ist nicht der, der den besten Schulungsplan hat. Er ist der, der die besten Constraints designt: Aufgaben, Umgebungen und Rahmenbedingungen, die Menschen dazu einladen, selbst aktiv zu werden. Nicht aus Gehorsam, sondern aus eigenem Antrieb.
Die Technologie ist bereit. Die Frage ist, ob wir bereit sind, Kontrolle abzugeben und darauf zu vertrauen, dass Menschen in den richtigen Rahmenbedingungen die richtigen Lösungen finden.
Quellen:
Körner, S. & Staller, M. S. (2020). Vermittlungskompetenz in Sport, Spiel und Bewegung: Sportartspezifische Perspektiven. Kapitel 18: Constraints-Led Approach.
Newell, K. M. (1986). Constraints on the development of coordination. In M. G. Wade & H. T. A. Whiting (Hrsg.), Motor development in children: Aspects of coordination and control (S. 341–360).
Gibson, J. J. (1979). The Ecological Approach to Visual Perception. Houghton Mifflin.
Mittelstand-Digital Zentrum Berlin: KI-EscapeRoom. https://digitalzentrum-berlin.de/escaperoom
Wie ich Ihnen hierbei helfen kann
Lassen Sie uns gemeinsam besprechen, wie Sie Ihre KI-Transformation mit dem Constraints-Led Approach strukturiert und wirkungsvoll umsetzen können.