- Change, IT Basics
- ChangeManagement, IT
- 7 Min Lesezeit

Gabriel Grieder
In diesem Wiki geht es darum, warum Change selten an der Technologie scheitert, sondern an psychologischen Mustern und wie man damit wirksam umgeht. Konkret erklären die Autoren* zentrale Effekte wie den Dunning-Kruger-Effekt, den Status-quo-Bias, die Verlustaversion, die kognitive Dissonanz, die Eskalation des Commitments und die Self-Fulfilling Prophecy. Sie zeigen Praxisbeispiele aus Analytics-Transformationen und liefern konkrete Gegenmassnahmen, Messpunkte sowie einen klaren Fahrplan für eine höhere Akzeptanz.
Inhaltsverzeichnis
- 1. Warum das beste Tool allein nicht reicht
- 2. Wie Widerstand entsteht und warum er oft logisch ist
- 3. Welche psychologischen Verhaltensmuster den Change bremsen und wie man gegensteuern kann
- 3.1. Der Dunning-Kruger-Effekt oder “Unser Reporting funktioniert doch!“
- 3.2. Der Status-quo-Bias: Warum Vertrautes wie Excel gewinnt
- 3.3. Verlustaversion (Loss Aversion): Warum Gewinne gegenüber Verlusten oft das Nachsehen haben
- 3.4. Kognitive Dissonanz oder wenn Fakten nicht mehr helfen.
- 3.5. Eskalation des Commitments: Zu viel investiert, um umzudrehen
- 3.6. Die selbsterfüllende Prophezeiung (Self-Fulfilling Prophecy): Wer Scheitern erwartet, findet Beweise
- 4. Was bedeutet das für Analytics-Transformationen?
- 5. Fazit & was jetzt zu tun ist
- Quellenverzeichnis und weiterführende Literatur
1. Warum das beste Tool allein nicht reicht
Im vorherigen Wiki zum Thema IT Change Management ging es um Prozesse, Kommunikation und Adoption. Die zentrale Erkenntnis war: IT-Implementierungen scheitern selten an der Technologie selbst, sondern daran, dass die neuen Lösungen nicht genutzt werden.
Doch selbst gut geplante Change-Initiativen können scheitern oder in Schieflage geraten.
Stellen wir uns folgendes Szenario vor:
Ein Unternehmen investiert mehrere hunderttausend Franken in eine neue Analytics-Plattform. Die Lösung funktioniert. Die Daten sind korrekt. Die Dashboards sind verfügbar. Bei der Vorstellung des Systems nicken alle zustimmend.
Doch drei Monate später arbeitet die Mehrheit der Mitarbeitenden wieder mit Excel, alten Reports oder eigenen Datenauszügen. Das Tool war nicht das Problem.
Aber was dann?
Die Antwort liegt selten in der Technologie. Sie liegt in der Psychologie. Menschen reagieren auf Veränderungen nicht immer rational, sondern folgen tief verankerten Denk- und Verhaltensmustern. Genau diesen Mustern widmet sich dieser Artikel.
2. Wie Widerstand entsteht und warum er oft logisch ist
Widerstand gegen Veränderungen wird oft als mangelnde Offenheit oder fehlende Motivation interpretiert. In der Realität ist er jedoch meist weder irrational noch böswillig.
Menschen versuchen mit ihren vorhandenen Erfahrungen Gewohnheiten und Entscheidungslogiken umzugehen. Neue Systeme stellen diese Gewohnheiten infrage. Dadurch entstehen Unsicherheit, Kontrollverlust oder die Sorge, bestehende Kompetenzen zu verlieren.
Die gute Nachricht: Diese Reaktionen sind gut erforscht. Wer die zugrunde liegenden psychologischen Mechanismen versteht, kann Change deutlich wirksamer gestalten.
3. Welche psychologischen Verhaltensmuster den Change bremsen und wie man gegensteuern kann
In den nachfolgenden Unterkapiteln werden verschiedene Verhaltensmuster näher erklärt, mit Praxisbeispielen verdeutlicht sowie potenzielle Gegenmassnahmen vorgeschlagen. Abbildung 1 zeigt auch noch einen Überblick über die psychologischen Muster, deren Wirkung im Change und was konkret hilft.
| Psychologisches Muster | Wirkung im Change | Was hilft konkret |
| Dunning-Kruger-Effekt | Überschätzung des eigenen Wissens, geringe Lernbereitschaft | blinde Flecken sichtbar machen, Vergleichsstandards schaffen, Lernen niedrigschwellig ermöglichen |
| Status-quo-Bias | Festhalten am Bekannten, Widerstand gegen neue Prozesse | Nutzen des Neuen konkret machen, Einstieg vereinfachen, erste positive Erfahrungen schaffen |
| Bestätigungsfehler | Es werden vor allem Informationen wahrgenommen, die die alte Sicht stützen | Gegenbeispiele sichtbar machen, Hypothesen testen, unterschiedliche Perspektiven einbeziehen |
| Kognitive Dissonanz | Neue Fakten bedrohen das bisherige Selbstbild oder frühere Entscheidungen | Kontext würdigen, Lernen statt Schuld betonen, Entwicklung statt Fehler kommunizieren |
| Eskalation des Commitments | An alten Lösungen wird festgehalten, weil schon viel investiert wurde | Zukunftsnutzen statt Vergangenheitskosten bewerten, Entscheidungen bewusst neu rahmen |
| Selbsterfüllende Prophezeiung | Negative Erwartungen lenken Wahrnehmung und Verhalten in Richtung Misserfolg | Quick Wins sichtbar machen, Erfolgsgeschichten teilen, positive Referenzfälle schaffen |
Abbildung 1: Die unsichtbaren Change-Bremsen in Analytics-Transformationen
3.1. Der Dunning-Kruger-Effekt oder “Unser Reporting funktioniert doch!“
Das psychologische Problem:
Der Dunning-Kruger-Effekt beschreibt die Tendenz von Menschen, die eigenen Fähigkeiten zu überschätzen. Kruger und Dunning zeigten dies 1999 in einer Studie: Die 25 % schlechtesten TeilnehmerInnen eines Tests schätzten sich selbst im 62. Perzentil ein. Tatsächlich lagen sie jedoch nur im 12. Perzentil. Wer seine Wissenslücken nicht erkennt, sieht oft auch keinen Veränderungsbedarf.
Praxisbeispiel:
Häufig wird vor der Einführung der neuen Analytics-Lösung argumentiert: „Unser Reporting funktioniert doch bereits.“ Eine detaillierte Analyse zeigt jedoch, dass es einen hohen manuellen Aufwand gibt, Daten mehrfach erfasst werden, Kennzahlen inkonsistent sind und die Entscheidungszyklen lang sind. Diese Probleme waren bereits vorhanden. Sie wurden lediglich nicht wahrgenommen.
Was hilft?
Nicht überzeugen, sondern zeigen:
- Zeitaufwände messen
- Fehlerquoten transparent machen
- Prozessineffizienzen quantifizieren
- Pain Points dokumentieren
Menschen müssen die Lücke selbst erkennen. Erst dann entsteht echte Veränderungsbereitschaft.
3.2. Der Status-quo-Bias: Warum Vertrautes wie Excel gewinnt
Das psychologische Problem:
Man könnte meinen, dass Menschen bestehende Lösungen bevorzugen, weil diese qualitativ besser sind. Tatsächlich bevorzugen sie diese häufig, weil sie vertraut sind und Veränderungen als unsicher empfunden werden. Nicht, weil sie objektiv besser sind. Samuelson und Zeckhauser (1988) zeigten dies unter anderem bei Entscheidungen zur Kranken- und Altersvorsorge: Viele Menschen blieben bei ihrer ursprünglichen Wahl, obwohl es objektiv bessere Alternativen gab.
Praxisbeispiel:
Die neue Analytics-Plattform ermäglicht schnellere Analysen, eine höhere Datenqualität und bessere Visualisierungen. Trotzdem greifen viele Mitarbeitende weiterhin auf ihre gewohnten Excel-Dateien zurück. Nicht, weil Excel objektiv besser wäre, sondern weil Excel vertraut und berechenbar erscheint. Man würde sich heute vielleicht gar nicht mehr für die alte Lösung entscheiden. Trotzdem bleibt man dabei.
Was hilft?
Anstatt eines grossen Umbruchs helfen kleine, kontrollierte Veränderungen.
- Pilotgruppen aufbauen
- Testphasen durchführen
- Positive Erfahrungen ermöglichen
- Schrittweise Einführung statt Big Bang
Eine schrittweise Einführung senkt die Hürde mehr als eine grosse Entscheidung auf einmal.
3.3. Verlustaversion (Loss Aversion): Warum Gewinne gegenüber Verlusten oft das Nachsehen haben
Das psychologische Problem:
Ein Verlust wiegt psychologisch etwa doppelt so schwer wie ein gleich grosser Gewinn. Das zeigten Kahneman und Tversky bereits 1979. Die Angst vor dem, was verloren geht, wirkt stärker als die Aussicht auf das, was gewonnen werden könnte.
Was hilft?
Der zukünftige Nutzen muss genauso greifbar werden wie der Verlust:
- Konkrete Erfolgsszenarien zeigen
- Frühe Erfolge kommunizieren
- Individuelle Vorteile hervorheben
- Veränderung schrittweise gestalten
Menschen müssen erkennen, was sie gewinnen, nicht nur, was sie aufgeben.
3.4. Kognitive Dissonanz oder wenn Fakten nicht mehr helfen.
Das psychologische Problem:
Passen Verhalten und Einstellung nicht zusammen, entsteht ein unangenehmes Spannungsgefühl. Dieses Phänomen beschrieb Leon Festinger bereits 1957 als kognitive Dissonanz. Menschen bauen diese Spannung jedoch nur selten durch eine tatsächliche Verhaltensänderung ab. Häufiger passen sie ihre Einstellung im Nachhinein an, um ihr bisheriges Verhalten zu rechtfertigen.
Praxisbeispiel:
Sechs Monate nach Einführung der Analytics-Lösung werden erste Erfolge sichtbar: eine höhere Datenqualität, schnellere Reports, datenbasiertere Entscheidungen.
Trotzdem fallen weiterhin Sätze wie: „Die Daten stimmen nicht.“Excel reicht doch.“Früher ging das auch.“
Die Fakten werden nicht abgelehnt, weil sie falsch wären. Sondern weil sie das bisherige Verhalten infrage stellen.
Was hilft?
Hilfreich ist es, das Eingeständnis zu erleichtern und dem Thema den Charakter des Versagens zu nehmen.
- Den damaligen Kontext würdigen
- Lernen statt Schuld betonen
- Entwicklung statt Fehlentscheidung kommunizieren
Nicht: „Das Alte war falsch.“ Sondern: „Die Anforderungen sind gewachsen.“
3.5. Eskalation des Commitments: Zu viel investiert, um umzudrehen
Das psychologische Problem:
Menschen und Organisationen neigen dazu, an einmal getroffenen Entscheidungen festzuhalten, je mehr Zeit, Geld und Energie bereits in sie geflossen sind. Selbst wenn sich längst zeigt, dass eine andere Lösung sinnvoller wäre, fällt es schwer, den eingeschlagenen Weg zu verlassen. Dieses Muster wird als Eskalation des Commitments bezeichnet. Frühere Investitionen erhöhen die Bereitschaft, an einer Entscheidung festzuhalten, auch dann, wenn sie sich nicht mehr als die beste Option erweist. Der Grund ist nicht primär sachlich, sondern psychologisch: Ein Kurswechsel würde bedeuten, sich einzugestehen, dass frühere Entscheidungen heute nicht mehr tragen. Um dieses Eingeständnis zu vermeiden, wird oft weiter investiert. Oft in der Hoffnung, die ursprüngliche Entscheidung doch noch zu rechtfertigen.
Praxisbeispiel:
Das Unternehmen hat über Jahre erhebliche Mittel in ein bestehendes Reporting- oder BI-System investiert.
Obwohl inzwischen deutlich bessere Alternativen existieren, wird weiter in die alte Lösung investiert.
Nicht weil sie optimal ist. Sondern weil bereits so viel in sie investiert wurde, dass ein Wechsel wie ein Eingeständnis von Fehlentscheidung oder Verlust wirkt.
Was hilft?
Hilfreich ist es, die Entscheidung bewusst von den bisherigen Investitionen zu entkoppeln und den Blick konsequent nach vorn zu richten.
- Welche Lösung schafft künftig den grössten Mehrwert?
- Welche Option unterstützt die Strategie besser?
- Welche Investition würden wir heute erneut tätigen?
Nicht entscheidend ist, was bereits investiert wurde. Entscheidend ist, welche Option jetzt und in Zukunft die bessere ist.
3.6. Die selbsterfüllende Prophezeiung (Self-Fulfilling Prophecy): Wer Scheitern erwartet, findet Beweise
Das psychologische Problem:
Erwartungen beeinflussen, worauf Menschen achten, wie sie Ereignisse bewerten und wie sie sich verhalten. Wer mit Misserfolg rechnet, nimmt vor allem Hinweise wahr, die diese Erwartung bestätigen. Der Soziologe Robert Merton prägte dafür 1948 den Begriff der selbsterfüllenden Prophezeiung.
Praxisbeispiel:
Bereits vor dem Go-live äussert ein Teil der Mitarbeitenden Zweifel: „Das neue Tool wird ohnehin nicht funktionieren.“
Nach dem Start werden Fehler, Ausnahmen oder Kinderkrankheiten sofort registriert und als Bestätigung der ursprünglichen Annahme gewertet. Positive Entwicklungen oder erste Erfolge bleiben dagegen weitgehend unbeachtet.
Was hilft?
Hilfreich ist es, Erwartungen zunächst sichtbar zu machen und dann gezielt mit positiven Erfahrungen zu arbeiten.
- Quick Wins früh sichtbar machen
- Erfolgsgeschichten aktiv teilen
- Positive Anwendungsbeispiele hervorheben
- Frühzeitige Referenzfälle schaffen
Erwartungen beeinflussen Wahrnehmung. Wahrnehmung beeinflusst Verhalten. Und Verhalten trägt dazu bei, dass sich Erwartungen bestätigen.
4. Was bedeutet das für Analytics-Transformationen?
Die beschriebenen psychologischen Effekte zeigen eines sehr deutlich: Analytics-Transformationen scheitern selten an Dashboards, Datenmodellen oder Technologien.
Sie scheitern daran, dass Menschen ihre Gewohnheiten, Denkweisen und Entscheidungsmechanismen nicht von heute auf morgen verändern.
Deshalb reicht Kommunikation allein nicht aus. Erfolgreiches Change Management bedeutet, Vertrauen aufzubauen, Ownership zu schaffen, Orientierung zu geben und Verhaltensänderungen aktiv zu begleiten.
Erfolgreiche Transformationen managen in erster Linie Systeme. Sie managen menschliches Verhalten.
5. Fazit & was jetzt zu tun ist
Das Analytics-Tool aus unserem Beispiel hätte technisch betrachtet die beste Lösung am Markt sein können. Am Verhalten der Mitarbeitenden alleine hätte das noch nichts geändert.
Die grössten Herausforderungen in Transformationen sind selten technischer Natur. Sie entstehen dort, wo Menschen ihre Denkweisen, Gewohnheiten und Entscheidungsmuster verändern sollen.
Die entscheidende Frage bei der nächsten Tool-Einführung lautet deshalb nicht nur: Ist das Tool gut genug?
Sondern vor allem: Haben wir die Menschen mitgenommen, die damit arbeiten sollen?
Wer vor einer Analytics-, Reporting- oder Data-Transformation steht, sollte deshalb nicht nur auf Technologie und Prozesse schauen. Nachhaltiger Erfolg entsteht dort, wo Veränderung im Verhalten verankert wird.
Sie wollen sicherstellen, dass neue Analytics-Systeme nicht nur live gehen, sondern auch genutzt werden?
Dann sprechen Sie hier mit uns über IT Change Management: von Stakeholder-Alignment und Kommunikation bis zu Adoption-KPIs und nachhaltiger Verankerung im Alltag.
Quellenverzeichnis und weiterführende Literatur
1. Kruger & Dunning (1999) – Dunning-Kruger-Effekt
Kruger, J., & Dunning, D. (1999). Unskilled and unaware of it. Journal of Personality and Social Psychology, 77(6), 1121–1134.
Unskilled and unaware of it: how difficulties in recognizing one’s own incompetence lead to inflated…
2. Samuelson & Zeckhauser (1988) – Status-quo-Bias
Samuelson, W., & Zeckhauser, R. (1988). Status quo bias in decision making. Journal of Risk and Uncertainty, 1, 7–59.
https://rzeckhauser.scholars.harvard.edu/publications/status-quo-bias-decision-making
3. Kahneman & Tversky (1979) – Verlustaversion
Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263–291.
Prospect Theory: An Analysis of Decision under Risk | JSTOR
4. Staw (1976) – Eskalation des Commitments
Staw, B. M. (1976). Knee-deep in the big muddy. Organizational Behavior and Human Performance, 16(1), 27–44.
https://psycnet.apa.org/record/1976-27199-001
5. Merton (1948) – Self-Fulfilling Prophecy
Merton, R. K. (1948). The self-fulfilling prophecy. The Antioch Review, 8(2), 193–210.
The Self-Fulfilling Prophecy | JSTOR
6. Festinger & Carlsmith (1959) – Kognitive Dissonanz
Festinger, L., & Carlsmith, J. M. (1959). Cognitive consequences of forced compliance. Journal of Abnormal and Social Psychology, 58(2), 203–210.
Cognitive consequences of forced compliance – PubMed
*Autoren: Gabriel Grieder und Adrian Stenger (beide s-peers AG)
Published by:

Gabriel Grieder

Gabriel Grieder
Wie hat Ihnen der Artikel gefallen?
Wie hilfreich war dieser Beitrag?
Klicken Sie auf einen Stern, um zu bewerten!
Durchschnittliche Bewertung 5 / 5.
Anzahl Bewertungen: 1
Bislang keine Stimmen! Seien Sie die erste Person, die diesen Beitrag bewertet!








