OKRs waren ein Werkzeug gegen zu wenig Kapazität. Jetzt sind sie eins gegen zu viel Möglichkeit.

---

Alle nutzen KI. In den Zahlen steht davon wenig.

In der jährlichen KI-Umfrage von McKinsey sagen knapp neun von zehn Befragten, dass ihr Unternehmen KI regelmäßig einsetzt. Die meisten merken das auch bei sich selbst: Texte entstehen schneller, Auswertungen ebenso, manche bauen sich kleine Werkzeuge für ihren Alltag. Im Betriebsergebnis kommt davon bisher wenig an.

80 % sagen, dass sie selbst mit KI produktiver arbeiten

37 % sehen überhaupt einen Beitrag zum Betriebsergebnis

6 % führen mindestens 5 % ihres Betriebsergebnisses auf KI zurück

Der Grund liegt meist im Ablauf. KI beschleunigt einen einzelnen Arbeitsschritt, und alles drumherum bleibt, wie es war. Ist ein Angebot in zehn Minuten geschrieben und wartet dann drei Tage auf eine Unterschrift, merkt der Kunde von der gesparten Stunde nichts. Dazu passt, was McKinsey bei den sechs Prozent findet: Knapp drei Viertel von ihnen haben ihre Abläufe wegen KI grundlegend umgebaut. Bei den übrigen Befragten ist es ein Viertel.

In einem Unternehmen mit 200 Leuten passiert das gerade an vielen Stellen gleichzeitig. Jeder hat einen guten Grund für sein Vorhaben. Ein Ziel, an dem sich messen ließe, ob es etwas gebracht hat, hat kaum jemand.

---

Die Werkzeuge werden schneller besser, als ein Unternehmen lernt

Die Modelle werden in kurzen Abständen besser. Was vor einem halben Jahr mühsam war, geht heute nebenbei. Abläufe, Rollen und Gewohnheiten ändert ein Unternehmen deutlich langsamer, und so wächst der Abstand zwischen dem, was möglich wäre, und dem, was im Alltag tatsächlich passiert.

Eine Schulung verkleinert diesen Abstand einmal, danach wächst er weiter. Klein bleibt er mit einem festen Rhythmus: ein Ziel fürs Quartal, ein kurzer Blick jede Woche und am Ende die Frage, was man gelernt hat. Diesen Rhythmus geben OKRs vor.

---

Der Engpass ist umgezogen

Lange war die Umsetzung das Knappe. Die IT hatte drei Leute und vierzig Wünsche, und das ganze Unternehmen war darauf eingerichtet: Anträge, Priorisierungsrunden, Lenkungskreise, Freigaben vor dem ersten Handgriff. Das alles sollte sicherstellen, dass die drei Leute an den richtigen drei Wünschen arbeiten.

Matthias Schrader beschreibt in seinem Buch Code Crash (2026), was sich ändert, wenn KI das Bauen billig macht. Viele dieser Abläufe stammen aus der Zeit, in der Umsetzung teuer war, und kosten heute vor allem Zeit. Wichtig bleiben drei Dinge: klären, was erreicht werden soll, die Qualität prüfen und messen, was beim Kunden ankommt. Das Was und das Warum nennt Schrader Intent. Wenn jeder bauen kann, entscheidet das Wissen darüber, was gebaut werden soll.

Er beschreibt auch die Kehrseite: Fehlt dieser Intent, produziert KI einfach schneller das Falsche. Je genauer ein Team dagegen weiß, wo es hinwill, desto weniger Umwege macht es. Eines der Teams in seinem Buch hat so in vier Wochen geschafft, wofür klassische Projekte vorher ein halbes Jahr nicht gereicht hatten.

Schrader schreibt für Leute, die Software entwickeln. Im Mittelstand gilt dasselbe für jedes KI-Vorhaben, auch ohne eigene Entwicklungsabteilung. Am Anfang steht die Frage, was erreicht werden soll. Für die Antwort gibt es seit dreißig Jahren ein bewährtes Format: OKR, Objectives and Key Results. Den Zusammenhang zwischen OKRs und Intent beschreibt auch der Forbes Tech Council („From OKRs To Intent Engineering", April 2026); die Übertragung auf den Mittelstand ist unsere.

---

Was ein gutes Ziel ausmacht

OKRs waren immer dazu da, sich auf wenige Dinge zu konzentrieren: drei Ziele im Quartal statt dreißig. Das gilt weiter. Jetzt helfen sie zusätzlich bei der Entscheidung, welches der vielen Vorhaben im Haus weiterlaufen soll. Dafür muss ein Ziel drei Fragen beantworten.

1. Was ändert sich für wen? Ein gutes Ziel beschreibt, was Kunden, Kollegen oder Mitarbeitende davon haben. „Wir führen OKRs ein" beschreibt eine Maßnahme. Welche Wirkung sie haben soll, steht da noch nicht.
2. Woran sehen wir, dass es geklappt hat? Zwei bis vier Zahlen, jeweils mit dem heutigen Wert und dem Zielwert. Dann kann jeder nachprüfen, ob das Ziel erreicht ist, und jeder kann widersprechen, wenn es anders aussieht.
3. Wer entscheidet darüber? Eine Person, die Geld freigeben, das Ziel nachschärfen und das Vorhaben beenden darf. Fehlt ihr eines davon, kann sie zuschauen, aber nicht steuern.

In der OKR-Sprache heißt das: ein Objective, seine Key Results und eine verantwortliche Person. Dazu kommt ein fester Rhythmus, in dem jemand draufschaut, solange man noch gegensteuern kann. In Progrado ist das ein wöchentlicher Check-in: aktueller Wert, Ampel, ein Satz dazu.

Für die Führung hat das einen angenehmen Nebeneffekt. Wer ein Ziel vorgibt und den Weg offen lässt, gibt Richtung, und die Teams entscheiden selbst, wie sie hinkommen. Oft finden sie dabei einen besseren Weg als den, den man selbst im Kopf hatte. Und weil das Ergebnis messbar ist, sieht jeder, wo es steht.

---

Wer entscheidet, ob ein Vorhaben weiterläuft

In vielen Unternehmen entscheidet ein Gremium, ob ein Vorhaben starten darf. Es bewertet ein Konzept, bevor etwas gebaut ist, und die Verantwortung verteilt sich auf alle, die am Tisch saßen. Das war sinnvoll, solange Umsetzung teuer war.

Schrader schlägt vor, diese Rolle einer einzelnen Person zu geben. Er nennt sie Sponsor. Sie schaut sich an, was nach ein paar Wochen tatsächlich da ist, und entscheidet dann, ob es weitergeht. Ihr Name steht am Vorhaben, und sie hat die drei Befugnisse von oben: Budget, Richtung und das Recht, aufzuhören.

Für ihre Entscheidung reichen drei Fragen:

• Zahlt das Vorhaben auf unsere übergeordneten Ziele ein?
• Was lassen wir dafür liegen?
• Ist das Ziel so klar formuliert, dass wir am Ende des Quartals sagen können, ob es geklappt hat?

Ein gutes OKR beantwortet die erste und die dritte Frage gleich mit. Die zweite muss die Person selbst beantworten, und sie ist die wichtigste, wenn plötzlich zwanzig Vorhaben gleichzeitig laufen.

---

Fünf Fehler, an denen Ziele hängen bleiben

Nehmen wir an, die Geschäftsführung will OKRs einführen und schreibt dafür ein erstes Ziel auf. So oder so ähnlich sehen die Entwürfe dann aus:

1. Die Lösung steht schon im Ziel. „Wir führen eine OKR-Software ein." Ein Werkzeug ist eine Entscheidung über den Weg. Vielleicht reichen für den Anfang eine Tabelle und ein fester Termin im Monat. Besser: „Jede Führungskraft kann sagen, welches Ziel ihr Team in diesem Quartal verfolgt."
2. Man kann es nicht messen. „Wir wollen mehr Transparenz über unsere Ziele." Was heißt mehr, und für wen? Besser: „Sieben von zehn Mitarbeitenden können die drei Unternehmensziele des Quartals nennen. Heute sind es zwei."
3. Das Ziel dient nur dem Unternehmen. „Wir wollen die Zeit in Abstimmungsrunden um 30 Prozent senken." Ein berechtigtes Anliegen. Wer aber nur auf gesparte Zeit schaut, streicht im Zweifel genau die Gespräche, die Klarheit bringen. Besser: „Teams entscheiden über ihre Prioritäten selbst und warten dafür auf keine Runde mehr." Die gesparte Zeit kommt dann von allein.
4. Das Ziel ist zu groß für ein Quartal. „Wir werden eine zielorientierte Organisation." Das kann in drei Jahren stimmen. Im nächsten Quartal lässt es sich nicht prüfen. Besser: in drei bis fünf kleinere Ziele zerlegen, die man in dreizehn Wochen messbar voranbringt, und zum Beispiel mit dem Führungskreis und zwei Teams anfangen.
5. Das Ziel ist woanders abgeschrieben. „Jedes Team hat drei bis fünf OKRs und erreicht 70 Prozent davon, so macht es Google." Was in einem Konzern mit eigener OKR-Abteilung funktioniert, passt selten auf ein Unternehmen mit 150 Leuten. Besser: bei dem anfangen, was im eigenen Haus gerade hakt, und das Format daran anpassen.

Wer OKRs kennt, erkennt die Liste wieder. Es sind die klassischen Fehler beim Formulieren von Objectives und Key Results, und Schrader findet dieselben fünf bei KI-Vorhaben. Sie tauchen überall auf, wo jemand ein Ziel aufschreibt. Mit KI starten gerade sehr viel mehr Leute ein Vorhaben als früher.

---

So sieht ein Ziel aus, das trägt

Dasselbe Vorhaben, sauber aufgeschrieben:

Jedes Team weiß, welches Ziel es in diesem Quartal verfolgt, und sieht jede Woche, ob es vorankommt.

• Teams mit einem aufgeschriebenen Ziel samt Ist- und Zielwerten: 0 von 6 → 6 von 6
• Wochen, in denen die Check-ins tatsächlich stattfinden: mindestens 10 von 13
• Mitarbeitende, die die drei Unternehmensziele nennen können: 2 von 10 → 7 von 10

Verantwortlich: ein Mitglied der Geschäftsführung, mit Namen. Diese Person gibt das Budget frei, darf das Ziel nachschärfen und darf die Einführung nach sechs Wochen beenden, wenn sie nichts bringt.

Ein Satz, drei Zahlen, eine Person. Die Zahlen sind ausgedacht, das Format ist es nicht. Die dritte Zahl ist die unbequeme: Sie zeigt, ob die Ziele bei den Leuten ankommen oder nur in einem Werkzeug stehen. Alles, was in diesem Quartal rund um die Einführung passiert, lässt sich an diesen drei Zahlen messen. Was nicht darauf einzahlt, kann weg.

Mit jedem KI-Vorhaben funktioniert es genauso. Soll zum Beispiel die Bearbeitung von Kundenanfragen künftig mit KI laufen, beschreibt das Ziel, was der Kunde davon merkt: Er bekommt am selben Tag eine Antwort, die seine Frage klärt. Gemessen wird, wie lange er wartet, wie oft er nachhaken muss und wie zufrieden er am Ende ist. Wie viel KI dabei im Spiel ist, entscheidet das Team.

---

Wo Progrado hilft

Progrado ist für genau diesen Ablauf gebaut: Ziel aufschreiben, jede Woche draufschauen, am Ende auswerten.

• Das KI-Interview fragt nach, bis aus einem Anliegen ein Ziel geworden ist: Was soll sich ändern, woran misst man das, bis wann, und welcher Wert ist das Ziel? Am Ende stehen ein Objective und Entwürfe für die Key Results. Dieselbe Technik, die im Haus die vielen Vorhaben möglich macht, hilft hier, sie auf ein Ziel auszurichten.
• Der wöchentliche Check-in dauert unter zwei Minuten: Wert eintragen, Ampel setzen, ein Satz dazu. So fällt auf, wenn etwas hängt, solange noch Zeit zum Gegensteuern ist.
• Der Rückblick am Ende des Quartals fragt, was das Team gelernt hat. Bei Vorhaben, deren Ausgang am Anfang offen war, zählt das oft mehr als der Prozentwert.