„Die Technologie ist gut genug. Die eigentliche Hürde sind Menschen und Change Management“, sagt Shannon Bell, CIO von OpenText

19. März 2026

Shannon Bell, EVP, Chief Digital Officer und Chief Information Officer bei OpenText, erläutert, wie ein „Information First"-Ansatz, Einfachheit und Agentic AI die Arbeitsweise großer Unternehmen verändern. Sie zeigt, warum die meisten Unternehmen weniger ein KI- als vielmehr ein Informationsproblem haben, weshalb es bei KI sinnvoll sein kann, bewusst langsamer zu starten, um langfristig schneller voranzukommen, und wie das Zusammenspiel von Menschen und KI-Agenten knappe Kompetenzen und fragmentierte Prozesse in skalierbaren Mehrwert verwandeln kann. 

Besonders spannend ist ihre Einordnung von Change Management und der Zukunft der Arbeit: warum die Angst vor Verdrängung oft größer ist als die tatsächlichen Auswirkungen, wie sich KI als Copilot statt als Konkurrent positionieren lässt und was es bedeutet, mehr als 22.000 Mitarbeitenden ein Entwicklungsziel rund um KI zu geben, damit sie aktiv mitgestalten können, wie sich ihre Rollen verändern. Außerdem zeigt sie, in welchen Bereichen Agentic AI schon heute sinnvoll eingesetzt werden kann – etwa bei Suche und Zusammenfassung, Root-Cause-Analysen oder in der Softwareentwicklung – und warum der Erfolg von klaren Rollen, verlässlicher Data Governance und HR- sowie SRE-Teams als frühen Treibern abhängt, um unternehmensweit die Grundlage für skalierbare KI zu schaffen. 

• Was braucht es wirklich, damit KI für Ihre Belegschaft zur Unterstützung wird – und nicht zur Bedrohung? 
• Wie lässt sich im Kleinen starten – auch in komplexen, realen Systemlandschaften – und gleichzeitig der Weg zu einer KI-fähigen Datenbasis ebnen? 
• Welche Grundlagen, Leitplanken und welches Betriebsmodell braucht es, um KI-Innovationen dezentral zu ermöglichen, ohne die Kontrolle zu verlieren? 

Interview in voller Länge ansehen: 

Podcast als Interview lesen: 

(Das Interview wurde mit ChatGPT gekürzt und bearbeitet.)

Mark Kohout: Die meisten Unternehmen haben kein KI-Problem, sondern ein Informationsproblem. Heute sprechen wir darüber, wie starke Information Governance KI von einer experimentellen Spielwiese zu messbaren Geschäftsergebnissen macht – und wie KI-Agenten Teil der Belegschaft werden können. 

Bei mir zu Gast ist Shannon Bell, Executive Vice President, Chief Digital Officer und Chief Information Officer bei OpenText. Dort verantwortet sie IT- und digitale Systeme, Datenplattformen, Netzwerke und Kommunikation, Cloud-Betrieb, Sicherheit und Compliance. Mit mehr als 25 Jahren Erfahrung in der Steuerung von Transformationsprojekten in Kanada, den USA und Europa bringt sie umfassende Expertise in den Bereichen Integration, Produktinnovation und digitale Strategie mit. Ihr Fokus liegt auf datengetriebener Innovation und nachhaltigem Unternehmenswachstum. 

Shannon, herzlich willkommen. Schön, dass Sie heute hier sind. 

Shannon Bell: Vielen Dank für die Einladung. 

Mark Kohout: Und danke, dass Sie sich heute an diesem kalten Tag in Toronto die Zeit nehmen. Lassen Sie uns mit dem Thema Führung beginnen: Sie haben Transformationen bei einigen der größten Technologieunternehmen Kanadas geleitet. Welche Erfahrung hat Ihren Ansatz, digitale Innovation voranzutreiben und erfolgreich zu skalieren, am stärksten geprägt? 

Shannon Bell: Es war nicht die eine prägende Erfahrung, sondern vielmehr eine ganze Reihe technologischer Entwicklungen. Zu Beginn meiner Karriere arbeitete ich im Netzwerkumfeld – genau zu der Zeit, als sich IP-Technologie gerade durchzusetzen begann – und war an der Einführung von IP-VPNs in Europa beteiligt. Das war damals neu und durchaus einschüchternd. Aber ich habe gelernt: Selbst Technologie, die zunächst komplex oder beängstigend wirkt, ist am Ende immer noch Technologie. Wenn man den Fokus auf das Geschäftsproblem und die gewünschten Ergebnisse richtet, lässt sich auch das bewältigen. 

Shannon Bell: Das hat zwei Dinge tief bei mir verankert: Erstens ist kein Problem unlösbar. Und zweitens ist Technologie ein Treiber für Veränderung – nicht das eigentliche Ziel. Mit dem Wandel von klassischen Wasserfallmodellen hin zu Agile und den ersten digitalen Angeboten wie Self-Service, Online-Banking und mobilen Apps hat sich diese Erkenntnis immer wieder bestätigt: Neue Technologien sollte man nicht fürchten. Man sollte ihnen mit Neugier begegnen, sie verstehen lernen und sich immer fragen: „Wie kann ich damit einen echten Mehrwert für das Geschäft schaffen?" Projekte scheitern oft dann, wenn Technologie nur um der Technologie willen eingesetzt wird. 

Shannon Bell: Diese Haltung prägt meine Arbeit bis heute: ergebnisorientiert bleiben, neugierig bleiben und Technologie als Werkzeug verstehen – nicht als Selbstzweck. 

Mark Kohout:  Also im Kern: Ruhe bewahren, den Fokus auf das Wesentliche richten. Nicht an der Technologie selbst festbeißen, sondern fragen: „Wie kann ich mit dieser Technologie das Unternehmen voranbringen?" 

Shannon Bell: Genau. Und gleichzeitig neugierig bleiben, ohne sich über eine bestimmte Technologie zu definieren. 

Eine Zeit lang habe ich mich selbst vor allem als Netzwerkspezialistin gesehen und einen Wechsel in die Softwarewelt fast ausgeschlagen, weil ich zu sehr an dem festhielt, was ich bereits kannte. Heute bin ich sehr dankbar, dass ich damals dazu ermutigt wurde, diesen Schritt zu gehen. Denn ich habe gelernt, dass sich in der Softwareentwicklung fast alles lösen lässt, dass sie mehr Spielraum bietet als Netzwerke und dass sich dadurch auch der Blick auf den Mehrwert verändert, den man für Kundinnen und Kunden schaffen kann. Diese Erfahrung hat mir gezeigt, wie wichtig es ist, offen für neue Themenfelder zu bleiben, um sich gemeinsam mit der Technologie weiterzuentwickeln. 

Mark Kohout: Und letztlich auch das Unternehmen weiterzuentwickeln. Neben Neugier und der Offenheit, sich nicht über einen bestimmten Tech-Stack zu definieren: Welche weiteren Grundsätze haben Sie durch Übernahmen, Marktveränderungen und groß angelegte Integrationen begleitet? Gibt es Leitprinzipien, an denen Sie sich orientieren, wenn Sie darauf blicken, was ein Unternehmen tun muss – auch über die Technologie hinaus? 

Shannon Bell: Am Ende setzt sich Einfachheit durch. 

Es gibt eine klare Tendenz, Dinge unnötig kompliziert zu machen – entweder weil Menschen noch nicht tief genug im Thema sind oder weil sie schon so tief drinstecken, dass sie den Blick fürs Wesentliche verlieren. Wer zwischen Business und Technologie übersetzen und in beide Richtungen vereinfachen kann, schafft Vertrauen und erzielt bessere Ergebnisse. 

In der Technologie verlieren wir uns oft in Akronymen und den Möglichkeiten der Technik – und verlieren dabei unsere Stakeholder aus dem Blick. Gute Beziehungen entstehen durch klare Kommunikation: indem man verständlich erklärt, was Technologie leisten kann und was nicht, und geschäftliche Herausforderungen auf ihren Kern reduziert. 

Im Zeitalter von KI wollen alle gleich die komplexesten Probleme lösen. In der Praxis ist es jedoch klüger, mit einfachen Anwendungsfällen zu beginnen. Sie wirken zunächst unspektakulär, aber genau dort schafft man die Grundlage und erzielt schnelle, greifbare Erfolge. Für mich ist Einfachheit deshalb ein zentrales Prinzip – sowohl in der Art, wie man Technologie erklärt, als auch darin, wie man Probleme einordnet. 

Mark Kohout: Also: Einfachheit hat etwas Elegantes – und etwas, hinter dem sich Menschen versammeln können. 

Shannon Bell: Absolut. 

Mark Kohout: Das bringt mich zum Thema Governance, das schnell zu einem regelrechten Akronym-Dschungel werden kann. Wenn man den Blick für das „Warum" und das eigentliche Ziel verliert, arbeitet man ständig gegen den Widerstand an. 

Shannon Bell: Genau. 

Mark Kohout: Wechseln wir vom allgemeinen Management nun zu der Technologie, die die Transformationen bei OpenText antreibt: Agentic AI. Sie haben von einer hybriden Belegschaft aus menschlichen Mitarbeitenden und KI-Agenten gesprochen. Wie sieht das in der Praxis aus – und wie sollten Führungskräfte darüber nachdenken? 

Shannon Bell: Agentic AI bietet enorme Chancen, funktioniert aber nur, wenn die Grundlagen stimmen. Dafür braucht es gute Geschäftsprozesse und ein starkes Informationsmanagement. Ohne diese Basis lassen sich keine wirklich relevanten Ergebnisse erzielen. 

Unter der Voraussetzung, dass diese Grundlagen vorhanden sind, verfolgen wir den Ansatz: bewusst langsam starten, um später schneller voranzukommen. Die Technologie entwickelt sich rasant, aber wenn man KI auf einen Prozess ansetzt, den man selbst nicht wirklich verstanden hat, sind die Ergebnisse entsprechend schlecht. Deshalb haben wir unsere Geschäftsprozesse systematisch daraufhin geprüft, welche sich für Agentic AI eignen und wo ein sinnvoller Einstieg möglich ist. Begonnen haben wir mit naheliegenden Anwendungsfällen – etwa unserem IT-Helpdesk, wo die Prozesse gut dokumentiert waren und die Verantwortung klar bei uns lag. 

Die erste Phase hatte dabei noch gar nichts mit KI zu tun. Zunächst haben wir die richtigen Systeme und Werkzeuge eingeführt, um diese Prozesse sauber zu steuern. Allein dadurch konnten wir rund 30 Prozent der L1-Anfragen reduzieren. Erst danach haben wir KI sehr gezielt darübergelegt: mit klar definierten Rollen für KI-Agenten, klaren Zuständigkeiten für Menschen und einer sauberen Zuordnung der Agenten zu konkreten Aufgaben. 

Shannon Bell: Am Anfang haben wir die KI-Agenten zu komplex aufgebaut und sind dadurch immer wieder auf Sonderfälle und Fehlfunktionen gestoßen. Deshalb haben wir unseren Ansatz angepasst und uns auf klar abgegrenzte, aufgabenbasierte Agenten konzentriert. Solche einfachen Agenten lassen sich zu komplexeren Abläufen orchestrieren und in unterschiedlichen Szenarien wiederverwenden. Gleichzeitig legen wir die Rollen immer nebeneinander: Was übernimmt der Agent, und was bleibt in der Verantwortung des Menschen – insbesondere dann, wenn es um anspruchsvollere Aufgaben geht. 

Am schwierigsten ist es für uns, die Rolle des Site Reliability Engineers zu besetzen. SREs sind entscheidend für den Betrieb – und gleichzeitig rar. Ihr Teamleiter sagte: „Ich brauche meine SREs für die Aufgaben mit dem höchsten Mehrwert; einen Teil ihrer Arbeit kann Agentic AI übernehmen." Also haben wir genau festgelegt, was die KI-Agenten übernehmen und was weiterhin in der Verantwortung der SREs bleibt. Die SREs treffen nach wie vor die Entscheidungen, passen Cloud-Konfigurationen an und steuern Architektur, Dimensionierung und Skalierung. Die Agenten unterstützen sie, indem sie wiederkehrende Analysen und vorbereitende Aufgaben übernehmen. Das hat die Kapazität des Teams erhöht und geholfen, einen personellen Engpass abzufedern – ein gutes Beispiel für das Zusammenspiel von Mensch und Agent, nicht für Ersatz. 

Mark Kohout: Damit sind wir wieder bei Einfachheit und Klarheit in der Business-Architektur. Wenn man nicht klar benennen kann, was eigentlich getan wird, versteht man es wahrscheinlich noch nicht gut genug, um es zu automatisieren. 

Sie haben außerdem davon gesprochen, SREs mit Assistenten zu „paaren" – und damit sind wir beim Thema Menschen. Wie haben die SREs und die Helpdesk-Mitarbeitenden darauf reagiert? Wie wirkt sich der Einsatz einer agentischen Belegschaft auf die Employee Experience aus? Und wie gelingt es, kulturellen Wandel und Motivation aktiv zu fördern? 

Shannon Bell: Die Reaktionen der Menschen fallen unterschiedlich aus. Wer technologisch erfahrener ist, reagiert in der Regel offener und mit weniger Sorge. Die SREs haben den Nutzen schnell erkannt: wiederkehrende Aufgaben abgeben und sich stärker auf Tätigkeiten mit höherem Mehrwert konzentrieren. 

 Im Rest des Unternehmens ist jedoch nach wie vor eine gewisse Skepsis spürbar. Der Hype darum, was KI kann und was nicht – und welche Rollen sie möglicherweise verändern oder verdrängen könnte – sorgt für Unruhe. Wir stellen KI deshalb bewusst als Assistenz dar, die die Art des Arbeitens verändert, nicht als etwas, das Menschen ersetzt. Trotzdem bleibt bei vielen eine gewisse Skepsis. 

Shannon Bell: Um dem zu begegnen, haben wir allen unseren rund 22.000 Mitarbeitenden – unabhängig von ihrer Rolle – ein Entwicklungsziel im Bereich KI gegeben. Damit wollen wir ein gemeinsames Grundverständnis für KI schaffen, Berührungsängste abbauen und den Blick für konkrete Einsatzmöglichkeiten öffnen. Dafür haben wir in Schulungen, Werkzeuge, Praxisbeispiele und gezieltes Change Management investiert. Vor zwei Jahren hätte ich noch gesagt, dass die größte Hürde die Einführung der Technologie sein wird. Heute würde ich sagen: Für viele Anwendungsfälle ist die Technologie gut genug. Die eigentliche Herausforderung sind die Menschen und das Change Management. 

Mark Kohout: Reagieren Menschen auf KI anders als auf andere Technologien, mit denen Sie gearbeitet haben? 

Shannon Bell: In gewisser Weise ja – aber auch nicht völlig. 

Wir haben schon mehrere Technologiewellen erlebt: E-Mail, das Internet, Mobile oder auch 3G, 4G und 5G. Dabei gab es immer sowohl Zurückhaltung als auch überzogene Erwartungen. Ich komme ursprünglich aus der Telekommunikationsbranche und erinnere mich noch gut an die frühen Versprechen rund um 5G und die ständige Frage nach der „Killer-App". Das ist der heutigen Diskussion über KI sehr ähnlich. 

Neu ist vor allem die Sorge vor Verdrängung: Welche Rollen werden sich verändern, wie schnell wird das geschehen und was bedeutet das für Ausbildung und Kompetenzen? Bereiten wir Studierende auf die richtigen Aufgaben vor? Passen wir Lehrpläne an die Anforderungen der zukünftigen Arbeitswelt an? Diese Unsicherheit verstärkt die Skepsis. Gleichzeitig verstehen wir das langfristige Potenzial von KI noch nicht vollständig – genauso wenig, wie das bei früheren Technologiewellen anfangs der Fall war. 

Mark Kohout: Lassen Sie uns noch einmal auf den Grundsatz „langsam starten, um schneller voranzukommen" zurückkommen. Würden Sie OpenText als Early Adopter von Agentic AI bezeichnen? Und was steckte eigentlich hinter dieser Herangehensweise? 

Shannon Bell: Dabei gab es zwei Ebenen. 

Zum einen mussten wir als Technologieunternehmen KI in unsere Produkte für Kundinnen und Kunden integrieren. Dahinter stand ein klarer Marktdruck. Zum anderen ging es um die interne Einführung von KI für unsere eigenen Mitarbeitenden. Hier sind wir bewusst langsamer vorgegangen, damit wir unseren Grundlagen nicht vorauslaufen. 

OpenText ist durch zahlreiche M&A-Aktivitäten gewachsen. Prozesse, Systeme und Tools zu harmonisieren, ist deshalb eine dauerhafte Herausforderung. Wir haben uns immer wieder gefragt: Haben wir die richtige Grundlage und Architektur, um darauf KI aufzubauen? Denn wenn KI auf schlechten Daten und ineffizienten Prozessen aufsetzt, sind die Ergebnisse entsprechend schlecht. 

Gleichzeitig mussten wir die Nachfrage der Mitarbeitenden nach KI-Tools mit Themen wie Governance, Sicherheit und organisatorischer Reife in Einklang bringen. Dabei haben wir gelernt: Tools einfach bereitzustellen, ohne sie mit Change Management zu begleiten, führt meist zu geringer Nutzung und Frustration. Deshalb sind wir zu einer schrittweisen Einführung in klar definierten Gruppen übergegangen – mit konkreten Anwendungsbeispielen. Das ist anfangs langsamer, erzielt aber deutlich mehr Wirkung. 

Wir haben uns außerdem auf Anwendungsfälle mit klarem geschäftlichem Mehrwert konzentriert – vor allem dort, wo es um Innovation und Umsatz geht, nicht nur um Kostensenkung. Gleichzeitig haben wir genau darauf geachtet, wie aufnahmebereit die Organisation dafür schon ist. HR war dabei einer unserer frühesten und wichtigsten Partner, weil dieser Bereich für erfolgreiches Change Management entscheidend ist. Wenn HR KI versteht und selbst einen Nutzen darin sieht, kann das Team die Einführung im gesamten Unternehmen aktiv mit vorantreiben. 

„Langsam starten, um schneller voranzukommen" bedeutet für mich: zuerst die Grundlagen schaffen, die richtigen Partner einbinden, Anwendungsfälle bewusst auswählen und auch kontrollierte Fehlschläge in Kauf nehmen – aber unkontrollierte, unternehmensweite Misserfolge vermeiden. 

Mark Kohout: Auf Basis Ihrer bisherigen Erfahrungen: In welchen Bereichen wird Agentic AI in den nächsten 12 bis 24 Monaten für große Unternehmen messbaren Mehrwert schaffen? 

Shannon Bell: Es gibt bereits heute klar erkennbare Bereiche, in denen Agentic AI einen hohen Mehrwert liefert. 

Erstens: Suche und Zusammenfassung. KI kann große Mengen an Inhalten effizient auswerten und die wichtigsten Erkenntnisse herausarbeiten. Zweitens: Datenanalyse. KI ist besonders stark, wenn es um umfangreiche Analysen und das Erkennen von Mustern geht – während Menschen die Ergebnisse einordnen und daraus konkrete Maßnahmen ableiten. Drittens: operative Prozesse. In Netzwerk- und Cybersecurity-Operationen unterstützt KI bei der Root-Cause-Analyse und bei der Erkennung von Anomalien, also dabei, die sprichwörtliche Nadel im Heuhaufen zu finden. 

Bei vollständiger Autonomie sind wir weiterhin vorsichtig. In der Regel behalten wir Menschen bei Entscheidungen und der Orchestrierung bewusst im Prozess – auch wenn in Zukunft sicher stärker autonome Abläufe entstehen werden. 

Viertens: Software Delivery. KI unterstützt bei technischer Dokumentation, konsistenter formulierten User Stories, datenbasierter Produktplanung, automatisch generierten Testfällen und mit Coding Assistants für Entwicklerinnen und Entwickler. Das steigert sowohl die Produktivität als auch die Qualität. 

Der größte Mehrwert entsteht dort, wo Fachbereiche und Domänenexpertinnen und -experten zu aktiven Treibern werden. KI ersetzt Fachwissen nicht – sie verstärkt es. Wir unterstützen das mit einem Hub-and-Spoke-Modell: einem zentralen Center of Excellence für Governance, Standards und Tooling sowie befähigten Business-Teams dort, wo bereits die nötige Reife vorhanden ist. 

Mark Kohout: Um bei diesem Bild zu bleiben: Sie bauen im Unternehmen so etwas wie ein „AI Fabric" auf – ähnlich wie ein Data Fabric. 

Shannon Bell: Das ist eine gute Beschreibung. 

Mark Kohout: Bevor wir zum Schluss kommen, lassen Sie uns noch über die Grundlagen sprechen. Wie wichtig ist ein konsequent gesteuertes Informationsmanagement für gute KI-Ergebnisse? 

Shannon Bell: Es ist fundamental. 

KI lebt von Daten. Wenn Daten nicht sauber gesteuert, qualitativ hochwertig und zugänglich sind, bleiben auch die Ergebnisse von KI unzuverlässig. Deshalb braucht es eine klare Strategie für strukturierte und unstrukturierte Daten – also dafür, wie sie gespeichert, gesteuert, geschützt und bereitgestellt werden. Ein gutes Informationsmanagement schafft die Voraussetzung dafür, KI-gestützten Erkenntnissen so weit zu vertrauen, dass sie tatsächlich in Entscheidungen einfließen können. Unternehmen, die hier früh investiert haben, können schneller und mit deutlich mehr Sicherheit vorangehen. 

Mark Kohout: Viele Unternehmen arbeiten mit fragmentierten Altsystemen und Datenlandschaften. Wie können sie sich möglichst schnell und reibungslos in Richtung einer KI-fähigen Datenbasis entwickeln? 

Shannon Bell: Der wichtigste Schritt ist, überhaupt anzufangen. 

Der Blick auf eine komplexe Legacy-Landschaft kann schnell überwältigend wirken und führt oft zu einem Big-Bang-Denken nach dem Motto: „Wir bauen erst einmal einen perfekten Data Lake und machen dann KI." Solche Vorhaben dauern oft Jahre. Sinnvoller ist es, in einem klar abgegrenzten Bereich zu starten – etwa bei einem konkreten Business-Problem, einer bestimmten Datendomäne oder einem klaren Use Case. Dort gilt es, die relevanten Daten zu verstehen, gezielt zu bereinigen und zu strukturieren und darauf aufbauend KI für genau diesen Ausschnitt einzusetzen, um ein konkretes Ergebnis zu erzielen. 

Mark Kohout: Der Realität ins Auge sehen – nicht der Welt, wie wir sie uns wünschen. 

Shannon Bell: Genau. 

Mark Kohout: Zum Schluss noch eine Frage: Wie verändert KI die Rolle des CIO? 

Shannon Bell: Sie verändert sie sehr deutlich. 

Im Kern geht es in dieser Rolle heute viel stärker um Partnerschaft mit dem Business. Einer meiner engsten Partner ist zum Beispiel HR – das wäre vor einigen Jahren noch kaum denkbar gewesen. Ich sehe meine Rolle darin, die Fachbereiche als Technologiepartnerin zu unterstützen: Ich unterstütze Führungskräfte dabei, Ziele wie Umsatzwachstum, bessere Kundenerlebnisse, mehr Effizienz und geringere Risiken zu erreichen – mit Technologie als Hebel. 

Dafür braucht es ein tiefes Verständnis dafür, wie die einzelnen Bereiche des Unternehmens funktionieren. Es geht heute weniger darum, eine Art Softwarefabrik zu steuern, sondern vielmehr darum, die Organisation ganzheitlich und end-to-end zu verstehen. Die Rolle ist dadurch interdisziplinärer geworden – und auch erfüllender. Mein Team versteht sehr genau, welchen Beitrag es zum Geschäftserfolg leistet. Früher in meiner Karriere kannte ich viele technische Details, konnte sie aber nicht immer direkt mit dem geschäftlichen Nutzen verknüpfen. Heute ist genau diese Verbindung der Ausgangspunkt. 

Mark Kohout: Das heißt, der CIO ist heute eine multidisziplinäre Führungskraft mit starkem Business-Fokus – und nicht nur ein Technologe. 

Shannon Bell: Absolut. 

Mark Kohout: Eine letzte Frage: Was ist aus Ihrer Sicht das größte Missverständnis über KI, das Führungskräfte besser verstehen sollten? 

Shannon Bell: Dass Geschwindigkeit nicht der wichtigste Maßstab für Erfolg ist. 

Oft entsteht der Eindruck, es gebe ein regelrechtes „Wettrennen um KI". In Aufsichtsgremien heißt es dann schnell: „Wie schnell kommen wir voran? Sind wir vorne mit dabei oder hinken wir hinterher?" Genau dieser Druck kann dazu führen, dass Unternehmen zu schnell handeln, ohne tragfähige Grundlagen geschaffen zu haben – und damit scheitern. Mir wäre es lieber, man würde uns nach unseren Grundlagen fragen: nach Governance, Datenqualität, Sicherheit, Qualifizierung und organisatorischer Bereitschaft – und nicht danach, wie viele KI-Tools wir bereits ausgerollt haben. 

Es geht nicht darum, um jeden Preis möglichst schnell zu sein. Entscheidend ist, bewusst vorzugehen und belastbare, hochwertige Ergebnisse zu erzielen. Anders gesagt: smarter arbeiten – nicht einfach nur härter oder schneller. 

Mark Kohout: Eine klare Einladung,  smarter statt nur schneller zu arbeiten. Shannon, vielen Dank, dass Sie sich die Zeit für dieses Gespräch genommen und Ihre Erfahrungen aus der Führung groß angelegter Transformationen mit uns geteilt haben. 

An unser Publikum: Vielen Dank, dass Sie heute dabei waren. Wenn Sie dieses Gespräch spannend fanden, freuen wir uns über ein Like und ein Abo. Bis zum nächsten Mal beim Adastra Podcast. 

Shannon Bell: Vielen Dank.