Von manuell zu maschinell: Erfolgsfaktoren bei der Einführung automatisierter Führungssysteme

Jünke, Annabel; Robra-Bissantz, Susanne Article — Published Version Von manuell zu maschinell: Erfolgsfaktoren bei der Einführung automatisierter Führungssysteme HMD Praxis der Wirtschaftsinformatik Provided in Cooperation with: Springer Nature Suggested Citation: Jünke, Annabel; Robra-Bissantz, Susanne (2024) : Von manuell zu maschinell: Erfolgsfaktoren bei der Einführung automatisierter Führungssysteme, HMD Praxis der Wirtschaftsinformatik, ISSN 2198-2775, Springer Fachmedien Wiesbaden GmbH, Wiesbaden, Vol. 62, Iss. 1, pp. 43-58, https://doi.org/10.1365/s40702-024-01129-5 This Version is available at: https://hdl.handle.net/10419/319084 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. http://creativecommons.org/licenses/by/4.0/deed.de SCHWERPUNKT https://doi.org/10.1365/s40702-024-01129-5 HMD Praxis der Wirtschaftsinformatik (2025) 62:43–58 Von manuell zu maschinell: Erfolgsfaktoren bei der Einführung automatisierter Führungssysteme Annabel Jünke · Susanne Robra-Bissantz Eingegangen: 12. August 2024 / Angenommen: 9. November 2024 / Online publiziert: 29. November 2024 © The Author(s) 2024 Zusammenfassung Um die erfolgreiche Einführung eines Informationssystems zu gewährleisten, sollten Erfolgsfaktoren in Organisationen berücksichtigt werden. Dies gilt auch für automatisierte Führungssysteme, die als Informationssysteme im Personalbereich betrachtet werden können. Bei der automatisierten Führung übernehmen intelligente Agenten Führungsaufgaben, die bisher von Menschen ausgeführt wurden. Dies können zum Beispiel Führungsaufgaben wie die Aufgabenverteilung oder das Leistungsfeedback an Mitarbeiter sein. Der Einsatz von automatisierter Führung ist in Unternehmen der Gig-Economy wie MTurk weit verbreitet. In traditionellen Organisationen ist der Einsatz bisher weniger verbreitet. Durch die zunehmende Verlagerung der Arbeitsweise hin zum selbstständigen Arbeiten mit digitalen Medien im Homeoffice wird der Einsatz von automatisierten Führungssystemen in konventionellen Unternehmen prinzipiell möglich. Um zukünftig die erfolgreiche Implementierung dieser Technologie in konventionellen Unternehmen zu gewährleisten, untersucht dieser Beitrag die Erfolgsfaktoren der Implementierung der automatisierten Führung. Dazu wurden qualitative, halbstandardisierte Interviews mit 24 deutschen Führungskräften durchgeführt. Die Ergebnisse der Studie zeigen, dass die Akzeptanz der Nutzer eine zentrale Rolle spielt. Durch die praktische Anwendung der gewonnenen Erkenntnisse können Unternehmen ihre Transformation zur Automatisierung durch Führungssysteme erfolgreich gestalten. Schlüsselwörter Automatisierte Führung · Algorithmische Führung · Erfolgsfaktoren · Akzeptanz · Digitale Transformation · Informationssysteme Annabel Jünke · Susanne Robra-Bissantz Lehrstuhl Service-Informationssysteme, Institut für Wirtschaftsinformatik, Technische Universität Braunschweig, Mühlenpfordtstr. 23, 38106 Braunschweig, Deutschland E-Mail: annabel.[email protected]e; [email protected] K 44 A. Jünke, S. Robra-Bissantz From Analog to Automated: Success Factors for the Implementation of Automated Leadership Systems Abstract To ensure the successful introduction of an information system, success factors in organizations should be taken into account. This also applies to automated leadership systems, which can be regarded as information systems in the human resources sector. In automated leadership, intelligent agents take over leadership tasks that were previously performed by humans. These can be, for example, tasks such as task allocation or performance feedback to employees. A significant use of automated leadership can be seen in gig economy companies such as MTurk. In conventional organizations, its use has so far been less widespread. The increasing shift towards independent working with digital media in the home office means that the use of automated leadership systems in traditional companies is fundamentally possible. In order to ensure the successful implementation of this technology in traditional companies in the future, this article examines the success factors for the implementation of automated leadership. To this end, qualitative, semi-standardized interviews were conducted with 24 German leaders. The results of the study show that user acceptance plays a central role. By applying the insights gained in practice, companies can successfully manage their transformation towards automation through leadership systems. Keywords Automated leadership · Algorithmic leadership · Success factors · Acceptance · Digital transformation · Information systems 1 Einleitung Unternehmen stehen im Zuge der Digitalisierung vor vielfältigen Herausforderungen, wie beispielsweise der Automatisierung einzelner oder aller Geschäftsprozesse. Dies betrifft auch die Anwendungssystemlandschaft der Unternehmen (Leyh und Wendt 2018). Enterprise Systeme, die als unternehmensweite Anwendungssysteme zunächst für operative Aufgaben eingesetzt werden, finden zunehmend auch in der führungsnahen Unterstützung Anwendung (Davenport 1998,2000; Wesche et al. 2022). In der Mitarbeiterführung, definiert als „[...] die bewusste und zielgerichtete Einflussnahme auf Menschen“ (von Rosenstiel 2009), können durch Informationstechnologie zeitliche oder monetäre Ressourcen für Führungskräfte, Mitarbeiter und Unternehmen freigesetzt werden (Xiong 2022). Die Informationstechnologie ermöglicht es beispielsweise, die Aktivitäten von Arbeitnehmern in einem früher undenkbaren Ausmaß zu überwachen und eine enorme Menge an Daten über diese Aktivitäten zu sammeln und zu verarbeiten. So setzen immer mehr Arbeitgeber tragbare Geräte ein, die es ermöglichen, die Bewegungen und den Aufenthaltsort der Beschäftigten minutengenau aufzuzeichnen sowie ihr Arbeitstempo und ihre Pausen zu messen (de Stefano 2018; Moore et al. 2018). Wenn menschliche Arbeit durch automatisierte Tätigkeiten ersetzt wird, kann Technologie eine befreiende Wirkung haben, insbesondere wenn diese Ersetzung schwere, gefährliche oder repetitive Arbeit betrifft. In Bezug auf das Personalmanagement kann dies zu einer K Von manuell zu maschinell: Erfolgsfaktoren bei der Einführung automatisierter... 45 Komplexitätsreduktion führen, indem zusätzliche Ressourcen für Führungskräfte bereitgestellt werden (Höddinghaus et al. 2021). Technologie kann jedoch auch mit der Kommodifizierung menschlicher Arbeit verbunden sein (de Stefano 2018). Die Algorithmen standardisieren Aufgaben, überwachen die Organisation des Arbeitsprozesses und messen Ergebnisse und Feedback (Park und Ryoo 2023). Unerwünschte Auswirkungen dieser Automatisierungsprozesse sind eine Zunahme des Gefühls der Entfremdung von der Arbeit, unerwünschte entmenschlichende Folgen, erhebliche Verletzungen der Privatsphäre oder die Erzeugung von Stress (de Stefano 2018). Die Potenziale der automatisierten Führung, definiert als „ein Prozess, bei dem ein Computeragent gezielt Einfluss auf menschliche Agenten ausübt, um Aktivitäten und Beziehungen in einer Gruppe oder Organisation zu steuern, zu strukturieren und zu erleichtern“ (Wesche und Sonderegger 2019, S. 200), werden derzeit vor allem im Bereich der Gig Economy genutzt. Bei dieser Art von Arbeit gelten die Arbeitnehmer formal als unabhängige Auftragnehmer, die Kunden als Auftraggeber und die Plattformen fungieren als Vermittler (Cappelli und Keller 2013;Kostetal.2020). Beispiele hierfür sind Plattformen wie MTurk oder Uber. Grundsätzlich besteht ein Unterschied zwischen der Gig-Arbeit, bei der die automatisierte Führung (oder automatisiertes Management) in großem Umfang eingesetzt wird, und der Einführung automatisierter Führungselemente in traditionelle Organisationsstrukturen mit Vorgesetzten und Mitarbeitern. Obwohl Plattformen wie MTurk oder Uber nur als Vermittler zwischen Angebot und Nachfrage gesehen werden, übernehmen sie eine zentrale Rolle, da sie Entscheidungen treffen, die typischerweise mit Personal und Führung in Verbindung gebracht werden. Diese Systeme setzen Anreize, delegieren Aufgaben, belohnen und sanktionieren Leistung und überwachen die Fortschritte der Arbeitnehmer. Führungsaufgaben, die in traditionellen Organisationsstrukturen ausschließlich von Menschen durchgeführt werden, übernehmen demnach in diesen Fällen Plattformen oder Apps (Lee et al. 2015; Duggan et al. 2020; Wesche et al. 2022). Da sich die Arbeitswelt konventioneller Organisationen weiter verändert und sich dezentrale Arbeitsformen in Form von Homeoffice und mobilem Arbeiten etablieren (Wellman und Haythornthwaite 2002; Sutherland und Jarrahi 2017), wird der Einsatz automatisierter Führung zukünftig auch in diesen Organisationen möglich sein. Konventionelle Organisationen werden in dieser Studie als gewinnorientierte Unternehmen mit abhängigen Arbeitsverhältnissen der Beschäftigten definiert. Um eine erfolgreiche Einführung von Informationstechnologien zu gewährleisten, sollten sich Unternehmen der Erfolgsfaktoren bewusst sein, da es sich um ein komplexes, zeitaufwändiges und risikobehaftetes Transformationsprojekt handelt. Für Unternehmen und Nutzer können erhebliche Kosten entstehen, wenn Transformationsprojekte nicht richtig umgesetzt werden (Mielli und Bulanda 2019). Angesichts des raschen Wandels in der Arbeitswelt ist es daher notwendig, die Auswirkungen automatisierter Führungssysteme eingehend zu untersuchen. Obwohl solche Systeme das Potenzial haben, die Effizienz in Unternehmen zu steigern, werfen sie auch moralische, soziale und organisatorische Fragen auf. Zu diesen Herausforderungen gehört das Risiko, bestehende Ungerechtigkeiten zu verstärken, zwischenmenschliche Beziehungen durch diskriminierende Algorithmen zu beeinträchtigen oder die Transparenz der Systeme und die Akzeptanz durch die Mitarbeiter zu verringern. Dies wiederum kann zu einer geringeren Nachvollziehbarkeit von Entscheidungen K 46 A. Jünke, S. Robra-Bissantz und zu einem erhöhten Misstrauen gegenüber automatisierten Prozessen führen (Parry et al. 2016; Wesche und Sonderegger 2019; Feldkamp et al. 2024). Da der spezifische Anwendungsfall der automatisierten Führung in konventionellen Unternehmen bisher nicht umfassend untersucht wurde, widmet sich dieser Beitrag den Erfolgsfaktoren für die Einführung automatisierter Führungssysteme in konventionellen Unternehmen. Vor diesem Hintergrund wird folgende Forschungsfrage formuliert: Welche Faktoren beeinflussen den erfolgreichen Einsatz der automatisierten Führung im traditionellen Organisationskontext? Zur Beantwortung der Forschungsfrage wurde eine qualitative Interviewstudie mit 24 deutschen Führungskräften aus unterschiedlichen Unternehmen und Branchen durchgeführt. Der Beitrag ist wie folgt aufgebaut: Zunächst wird auf die Mitarbeiterführung und deren Automatisierung eingegangen. Anschließend werden relevante Erfolgsfaktoren der Implementierung beleuchtet, gefolgt von der Interviewstudie und den Schlussbemerkungen. Die Erkenntnisse dieses Beitrags tragen zu einem besseren Verständnis der erfolgreichen Einführung automatisierter Führungssysteme bei und schaffen eine Grundlage für zukünftige Studien. Durch die praktische Anwendung der gewonnenen Erkenntnisse können Unternehmen ihre Transformation zur Automatisierung durch Führungssysteme erfolgreicher gestalten. 2 Mitarbeiterführung und Automatisierung Wie zuvor beschrieben, übernehmen bei der automatisierten Führung Maschinen und Programme Aufgaben, die traditionell mit der Führungsrolle verbunden sind, wie die Motivation, Unterstützung und Entwicklung von Mitarbeitenden (Kotter 1990; Yukl 2012). In der traditionellen Führungsrolle haben Führungskräfte verschiedene Aufgaben/Funktionen, die in Tab. 1aufgeführt sind. Nach Yukl (2012) existieren verschiedene Führungsaufgaben in den Bereichen Aufgabenorientierung, Beziehungsorientierung, Veränderungsorientierung und Extern. Beispielsweise hat eine Führungskraft die Aufgabe, Probleme zu lösen, Mitarbeiter weiterzuentwickeln, Veränderungen zu befürworten oder zu netzwerken. Der Erfolg von Führung wird in der Literatur nicht einheitlich definiert, kann jedoch über das theoretische Rahmenmodell der Führung von Lutz von Rosenstiel beschrieben werden. In diesem Ansatz wird Führungserfolg in zwei Dimensionen unterteilt: humaner Erfolg und ökonomischer Erfolg. Humaner Erfolg bezieht sich auf mitarbeiterbezogene Reaktionen wie Arbeitszufriedenheit, Commitment, selbstgesteuertes Lernen, Engagement, niedrige Fehlzeiten oder eine niedrige Kündigungsrate. Der ökonomische Erfolg wird in disaggregierte und aggregierte Dimensionen differenziert: Der disaggregierte ökonomische Erfolg lässt sich anhand von Kriterien wie der Anzahl an Problemlösungen, Verbesserungsvorschlägen, dem Umfang von Prozessund Produktinnovationen oder der Planerfüllung messen. Der aggregierte ökonomische Erfolg hingegen wird durch Kennzahlen wie Unternehmenswachstum, Gewinn, Umsatz oder Marktanteil erfasst (von Rosenstiel et al. 2014; Forsthofer 2023). In den meisten Organisationen werden derzeit nur einzelne Führungsfunktionen automatisiert, wie im Bereich der aufgabenorientierten und teilweise der beziehungsK Von manuell zu maschinell: Erfolgsfaktoren bei der Einführung automatisierter... 47 Tab. 1 Führungsfunktionen nach (Yukl 2012) Aufgabenorientiert Klärung Planung Überwachung der Maßnahmen Problemlösung Beziehungsorientiert Unterstützen Entwickeln Anerkennen Ermächtigen Veränderungsorientiert Befürworten von Veränderung Vorstellen von Veränderungen Fördern von Innovationen Ermöglichen von kollektivem Lernen Extern Netzwerken Externes Überwachen Repräsentation orientierten Führungsfunktionen (Jünke et al. 2024). KI wird beispielsweise in Unternehmen für Rekrutierungsprozesse (van Esch et al. 2019) oder die Erstellung von Schichtplänen unter Berücksichtigung des zu erwartenden Geschäftsaufkommens eingesetzt (Kantor 2014). Durch den Einsatz können menschlichen Führungskräften zeitaufwändige Routineaufgaben abgenommen werden, wodurch Ressourcen frei werden. Diese können menschliche Führungskräfte wiederum für wichtige (beispielsweise beziehungsorientierte) Führungsfunktionen wie strategische Entscheidungen oder persönliche Gespräche verwenden (Wesche et al. 2022). Es ist also hervorzuheben, dass es sich bei der automatisierten Führung nicht generell um eine Vollautomatisierung handelt, sondern um unterschiedliche Grade und Ausmaße der Automatisierung. Eine komplette Substitution der menschlichen Führungskraft durch automatisierte Agenten ist bisher nicht erfolgt oder intendiert (Harms und Han 2019; Wesche und Sonderegger 2019; Wesche et al. 2022). 3 Erfolgsfaktoren der Implementierung Kritische Erfolgsfaktoren sind für jedes Unternehmen die begrenzte Anzahl von Bereichen, in denen zufriedenstellende Ergebnisse eine erfolgreiche Wettbewerbsleistung des Unternehmens sicherstellen. Sie sind die wenigen Schlüsselbereiche, in denen die Dinge richtig laufen müssen, damit das Unternehmen erfolgreich ist. Wenn die Ergebnisse in diesem Bereich nicht adäquat sind, werden die Leistungen der Organisation für den betreffenden Zeitraum nicht zufriedenstellend sein (Rockart 1979; Leidecker und Bruno 1984). Allgemein gesprochen, ist ein kritischer Erfolgsfaktor eine Bedingung oder ein Element, das für den Erfolg der Einführung als notwendig erachtet wird (Finney und Corbett 2007). Da der Kenntnisstand zu Erfolgsfaktoren der automatisierten Führung derzeit unzureichend ist, werden im Folgenden Erfolgsfaktoren verwandter Bereiche einbezogen. K 48 A. Jünke, S. Robra-Bissantz Bei der Einführung von Enterprise Systemen sind bereits vielseitige Erkenntnisse zu deren Erfolgsfaktoren in der Literatur bekannt. Wichtige Faktoren sind dabei die Teamarbeit und -zusammensetzung, das Change-Management-Programm und die Kultur, die Unterstützung durch das Top-Management, der Geschäftsplan und die Vision, die Umgestaltung von Geschäftsprozessen mit minimaler Anpassung, das Projektmanagement, die Überwachung und Bewertung der Leistung, eine effektive Kommunikation, die Software-Entwicklung, -Tests und -Fehlerbehebung, ProjektChampion und geeignete Geschäftsund IT-Altsysteme (Fui-Hoon Nah et al. 2001). Weitere Erfolgsfaktoren liegen in der Schulung der Benutzer, dem Setzen von klaren Zielen und Vorgaben oder der organisatorischen Passung (Leyh 2014). Die Transparenz der Systeme und dass der Nutzen der Veränderung kommuniziert wird, sind zusätzlich wichtige Aspekte (Nah et al. 2001; Aier et al. 2011). Bisher durchgeführte Studien zur automatisierten Führung untersuchten beispielsweise das Vertrauen (Höddinghaus et al. 2021) oder die Akzeptanz der Nutzer (Wesche und Sonderegger 2019; Hagemann und Klug 2022;Petratetal.2022a, b). Da es sich bei der Thematik ebenfalls um die digitale Transformation von einer menschlichen Führung zu einer automatisierten Führung handelt, könnten Erfolgsfaktoren der digitalen Transformation relevant sein. Dabei sollte beispielsweise eine geteilte Konzeptualisierung der Transformation existieren, Kommunikationsstrategien müssen etabliert oder Transformationsinitiativen aufgebaut werden (Morakanyane et al. 2020). Da die automatisierte Führung als eine Weiterentwicklung der digitalen Führung angesehen werden kann, die als die Führung von Menschen über Informationsund Kommunikationstechnologie beschrieben wird (Wesche et al. 2022), können diese Erkenntnisse ebenfalls genutzt werden. Grundlage dessen bildet die CASA Theorie, bei der angenommen wird, dass Menschen sich gegenüber Computern menschenähnlich verhalten, indem sie soziale Normen auf sie anwenden (Nass et al. 1994; Moon 2000). Literaturseitig existiert derzeit kein umfassendes Bild zu den Erfolgsfaktoren einer digitalen Führung, allerdings wurden bereits die folgenden Erfolgstreiber ermittelt: Eine stärkere Mitarbeiter-Partizipation, Vertrauen zwischen Führungskraft und Mitarbeiter, Kommunikation auf Augenhöhe, Work-Life-Balance, neue Fehlerkultur, Transparenz in den Prozessen oder die aktive Pflege und Förderung der sozialen Beziehungen im Team durch die Führungskraft (Forsthofer 2023). 4 Interviewstudie Zur Untersuchung der Forschungsfrage wurden 24 halbstrukturierte, leitfadengestützte Interviews durchgeführt. Qualitative Interviews boten sich besonders aufgrund des explorativen Charakters der Thematik an (Morse 2003;Maxwell2012). 4.1 Design der Studie und Analyse Die Interviews basierten auf einem zuvor getesteten Interviewleitfaden, welcher aus vier Hauptphasen bestand: (1) Informationsphase, (2) Aufwärmphase, (3) Hauptphase und (4) Ausblendund Abschlussphase (Misoch 2019). Der Pretest wurK Von manuell zu maschinell: Erfolgsfaktoren bei der Einführung automatisierter... 49 de mit einem potenziellen Interviewpartner, der die Sampleanforderungen erfüllte, durchgeführt und führte zu keinen Veränderungen des Leitfadens (Baur und Blasius 2014; Helfferich 2022). Der Interviewleitfaden begann mit einer Einführung in die Thematik des Interviews. In diesem Abschnitt stellte sich die Interviewerin vor und erklärte das Thema des Interviews (Informationsphase). Anschließend wurde die Einverständniserklärung für die Aufzeichnung eingeholt. Nachdem der Ablauf des Interviews geschildert wurde, wurden die demografischen Daten der Interviewpartner abgefragt (Aufwärmphase). Dabei wurden die Interviewpartner nach ihrem Beruf, der Branche, der Mitarbeiteranzahl des Unternehmens, der Führungsspanne, dem Alter, ihrer Nationalität und ihrer Beschäftigungsdauer befragt. Nachdem die demografischen Daten abgefragt wurden, wurde das Interview mit dem Hauptteil fortgesetzt. Im Hauptteil wurden die Befragten offen gefragt, welche Faktoren einen erfolgreichen Einsatz der automatisierten Führung im organisationalen Kontext bedingen und welches der zentrale Erfolgsfaktor sei. Die Befragten konnten eine unbegrenzte Anzahl von Aspekten nennen. Das Interview endete mit einer Zusammenfassung der wichtigsten Ergebnisse und der Frage, ob noch etwas nicht genannt wurde (Abschlussphase). Anschließend bedankte sich die Interviewerin für das Gespräch. Im Anschluss an die Interviews wurde ein anonymisiertes und wörtliches Transkript erstellt und mit MAXQDA analysiert. Für die Transkription wurden die Transkriptionsregeln von Kuckartz verwendet und die Analyse folgte einer zusammenfassenden Inhaltsanalyse, wobei die Kategorien und Codes induktiv gebildet wurden. Dabei wurde ein iteratives Vorgehen verfolgt und die Interviews sukzessive nach den jeweiligen Interviews analysiert (Rädiker und Kuckartz 2019). Ein zusätzliches unabhängiges Coding übernahm ein weiteres Mitglied des Forschungsteams. 4.2 Stichprobe Die Akquisition der Interviewpartner erfolgte über ein Purposeful Sampling mit anschließendem Schneeballverfahren (Probanden werden ausgewählt und schlagen anschließend weitere potenzielle Probanden vor) (Emerson 2015). Die Anforderungen an das Sample bestanden daraus, dass die Interviewpartner die Position einer Führungskraft innehaben und diese mindestens bereits ein Jahr ausüben sollten, um ausreichend Erfahrung in der Tätigkeit zu haben. Führungskräfte boten sich besonders an, da sie einen Überblick über die Mitarbeiter und die Unternehmensstrukturen haben. Zu diesem Zweck wurden zwei Kontakte der Autorin aus ihrem professionellen Netzwerk kontaktiert, die die Intervieweinladung annahmen und die Interviewerin mit weiteren Interviewpartnern verbanden. Die halbstrukturierten Interviews (N= 24) wurden online (n= 21) oder persönlich (n= 3) geführt. Wenn die Befragten persönliche Gespräche bevorzugten, wurden sie in den Büros der Befragten durchgeführt. Jedes Interview wurde von der Autorin geführt und für die anschließende Transkription aufgezeichnet. Die Anzahl der Interviews ergab sich aus dem Erreichen der theoretischen Sättigung. Zu diesem Zeitpunkt konnten keine weiteren Erkenntnisse aus zusätzlichen Interviews gewonnen werden (Rowlands et al. 2016). Die Zusammensetzung der Stichprobe ist in der folgenden Tab. 2aufgeführt. K 50 A. Jünke, S. Robra-Bissantz Das Sample bestand aus 6 weiblichen (25%) und 18 männlichen Probanden (75%) aus Deutschland (n=23) und der Schweiz (n= 1). Das Alter der Führungskräfte lag zwischen 32 und 79 Jahren (Durchschnitt 47 Jahre). Alle befragten Personen waren Deutsche. Die Dauer der Interviews lag zwischen 48 und 191min (Durchschnitt 78min). Die Führungskräfte kamen aus unterschiedlichen Branchen wie Produktion & Fertigung (n= 7), IT (n= 5), Kaufmännische Dienstleistungen, Warenhandel, Vertrieb (n= 6), Unternehmensorganisation, Buchhaltung, Recht & Verwaltung (n= 4) sowie Verkehr & Logistik (n= 2). Die Größe der Unternehmen war sehr unterschiedlich und reichte von 150 bis 120.000 Beschäftigten in Deutschland. Die Führungsspanne reichte von 3 (Minimum) bis 150 (Maximum) und betrug im Durchschnitt 29 Mitarbeiter. Die Erfahrung in der derzeitigen Position reichte von 1 bis 20 Jahren und lag im Durchschnitt bei 8 Jahren. Auch die Positionen der Führungskräfte reichten vom Gruppenleiter bis zum Geschäftsführer. Das Sample entspricht trotz seiner Heterogenität weitestgehend dem durchschnittlichen Alter von Führungskräften und Frauenanteil in Führungspositionen in Deutschland. 2018 lag in Deutschland das Durchschnittsalter von Führungskräften zwischen 50,6 und 53,8Jahren(CRIFGmbH2018) und der Anteil von Frauen in Führungspositionen in Deutschland lag 2023 bei 29% (Eurostat 2024). 4.3 Ergebnisse der Studie Im Folgenden werden die Ergebnisse der Interviewanalyse dargestellt. Dazu werden zunächst die Kategorien und Codes und anschließend die Ankerbeispiele dargestellt. Die induktive Kodierung der Erfolgsfaktoren führte zu den drei Kategorien System, Nutzer und Organisation und insgesamt 13 Codes. Die Kategorien beschreiben dabei jeweils die Faktoren, die das automatisierte Führungssystem (System), den Anwender des Systems (Nutzer) oder die Unternehmung, die das System einführt (Organisation), betreffen. In Tab. 3sind die jeweiligen Ankerbeispiele, Codes und Kategorien dargestellt. Im Rahmen der systembezogenen Erfolgsfaktoren konnten die Codes Transparenz, Mehrgewinn und Menschenzentrierung identifiziert werden. Es wurde festgestellt, dass ein transparenter Führungsprozess entscheidend für eine erfolgreiche Einführung ist. Dies bedeutet, dass das System die übernommenen Führungsaufgaben, insbesondere Entscheidungen, nachvollziehbar darstellen muss und nicht als Black Box wahrgenommen wird. Gerade bei der Automatisierung von Entscheidungsprozessen entstehe häufig eine Intransparenz, die bei den Anwendern zu Verunsicherung führen könne. Daher sei es wichtig, dass die Funktionsweise des Systems offen kommuniziert wird und für alle Beteiligten nachvollziehbar bleibt. Darüber hinaus muss das System einen Mehrgewinn für das Unternehmen und die Nutzer schaffen. Dieser Mehrwert wurde in den Interviews häufig als Effizienzsteigerung beschrieben, die sich in der Optimierung von Prozessen und der Unterstützung von Führungskräften zeigt. Die Interviewpartner gaben an, dass es nicht ausreiche, eine bestehende Aufgabe zu automatisieren, sondern dass der Einsatz des Systems spürbare Vorteile gegenüber traditionellen Führungsprozessen bieten muss. Ein weiterer wichtiger Aspekt ist die Menschenzentrierung des Systems. Die Interviewpartner betonten, dass trotz der Automatisierung von Führungsprozessen der Faktor Mensch nicht K Von manuell zu maschinell: Erfolgsfaktoren bei der Einführung automatisierter... 57 Jünke A, Sestendrup L, Bräunlein G, von der Oelsnitz D (2024) Die Automatisierung von Führungsfunktionen - Ein Literatur-Review zum Einsatz von KI in der Mitarbeiterführung. Z Führung Organisation (zfo) Kantor J (2014) Working Anything but 9 to 5. The New York Times Kost D, Fieseler C, Wong SI (2020) Boundaryless careers in the gig economy: an oxymoron? Hum Resour Manag J 30:100–113. https://doi.org/10.1111/1748-8583.12265 Kotter JP (1990) What leaders really do Harvard business review on leadership. Harvard Business School, Boston Kraeusel J, Möst D (2012) Carbon capture and storage on its way to large-scale deployment: social acceptance and willingness to pay in Germany. Energy Policy 49:642–651. https://doi.org/10.1016/j.enpol. 2012.07.006 Lee MK, Kusbit D, Metsky E, Dabbish L (2015) Working with machines. In: Begole B, Kim J, Inkpen K, Woo W (Hrsg) Proceedings of the 33rd annual ACM conference on human factors in computing systems. ACM, New York, S 1603–1612 Leidecker JK, Bruno AV (1984) Identifying and using critical success factors. Long Range Plann 17:23–32. https://doi.org/10.1016/0024-6301(84)90163-8 Leyh C (2014) Critical Success Factors for ERP Projects in Small and Medium-sized Enterprises – The Perspective of Selected German SMEs. In: Proceedings of the 2014 Federated Conference on Computer Science and Information Systems. IEEE, S 1181–1190 Leyh C, Wendt T (2018) Enterprise Systems als Basis der Unternehmens-Digitalisierung. HMD 55:9–24. https://doi.org/10.1365/s40702-017-0389-z Malik SH, Aziz S, Hassan H (2014) Leadership behavior and acceptance of leaders by subordinates: Application of path goal theory in telecom sector. Int J Trade Econ Finance 5:170–175 Maxwell JA (2012) Qualitative research design: An interactive approach, 3. Aufl. Sage Mielli F, Bulanda N (2019) Digital transformation: why projects fail, potential best practices and successful initiatives. In: 2019 IEEE-IAS/PCA Cement Industry Conference (IAS/PCA), S 1–6 Misoch S (2019) Qualitative Interviews, 2. Aufl. De Gruyter Oldenbourg, München Wien Moon Y (2000) Intimate exchanges: using computers to elicit self-disclosure from consumers. J Consum Res 26:323–339. https://doi.org/10.1086/209566 Moore P, Upchurch M, Whittaker X (Hrsg) (2018) Humans and machines at work: monitoring, surveillance and automation in contemporary capitalism, 1. Aufl. Springer, Cham Morakanyane R, O’Reilly P, Mcavoy J, Grace A (2020) Hawaii international conference on system sciences 2020. ScholarSpace, Honolulu Morse JM (2003) A review committee’s guide for evaluating qualitative proposals. Qual Health Res 13:833–851. https://doi.org/10.1177/1049732303013006005 Nah FF, Lau LJ, Kuang J (2001) Critical factors for successful implementation of enterprise systems. Business Process Mgmt Journal 7:285–296. https://doi.org/10.1108/14637150110392782 Nass C, Steuer J, Tauber ER (1994) Computers are social actors. In: Conference companion on Human factors in computing systems - CHI ’94. ACM Press, Boston, S 204 Nielsen J (1993) Usability engineering. Academic Press, London Park S, Ryoo S (2023) How does algorithm control affect platform workers’ responses? Algorithm as a digital Taylorism. J Theor Appl Electron Commer Res 18:273–288. https://doi.org/10.3390/ jtaer18010015 Parry K, Cohen M, Bhattacharya S (2016) Rise of the machines. Group Organ Manag 41:571–594. https:// doi.org/10.1177/1059601116643442 Petrat D, Polanski-Schräder L, Yenice I et al (2022a) AI as a leader–what individual factors influence the acceptance of AI applications that take on leadership tasks? Hum Factors Manag Leadersh 55:61 Petrat D, Yenice I, Bier L, Subtil I (2022b) Acceptance of artificial intelligence as organizational leadership: A survey. Z Tech Theor Prax 31:64–69 Rädiker S, Kuckartz U (2019) Analyse qualitativer Daten mit MAXQDA: Text, Audio und Video. Springer VS, Wiesbaden Rockart JF (1979) Chief executives define their own data needs. Harv Bus Rev 57:81–93 von Rosenstiel L (2009) Führung von Mitarbeitern: Handbuch für erfolgreiches Personalmanagement, 6. Aufl. Schäffer–Poeschel, Stuttgart von Rosenstiel L, Regnet E, Domsch ME (Hrsg) (2014) Führung von Mitarbeitern: Handbuch für erfolgreiches Personalmanagement, 7. Aufl. Schäffer-Poeschel, Stuttgart Rowlands T, Waddell N, McKenna B (2016) Are We There Yet? A Technique to Determine Theoretical Saturation. J Comput Inf Syst 56:40–47. https://doi.org/10.1080/08874417.2015.11645799 K 58 A. Jünke, S. Robra-Bissantz de Stefano V (2018) Negotiating the algorithmm: automation, artificial intelligence and labour protection. SSRN Journal. https://doi.org/10.2139/ssrn.3178233 Sutherland W, Jarrahi MH (2017) The Gig Economy and Information Infrastructure. Proc ACM Hum Comp Interact 1:1–24. https://doi.org/10.1145/3134732 Wellman B, Haythornthwaite C (2002) The Internet in everyday life. Wiley Wesche JS, Sonderegger A (2019) When computers take the lead: the automation of leadership. Comput Human Behav 101:197–209. https://doi.org/10.1016/j.chb.2019.07.027 Wesche JS, Wilbert JB, Sonderegger A, Gersch M (2022) Virtuelle und automatisierte Führung. In: Bamberg E, Ducki A, Janneck M (Hrsg) Digitale Arbeit gestalten. Springer, Wiesbaden, S 83–95 Xiong W (2022) AI and leadership: new changes of leadership under the development of artificial intelligence. In: 2022 7th International Conference on Modern Management and Education Technology (MMET 2022). Atlantis Press, S 497–503 Yukl G (2012) Leadership. Cases in leadership, 3. Aufl. SAGE, Thousand Oaks, S 1–42 Hinweis des Verlags Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral. K