DLM

Eine Dienstleistung ist eine selbstständige, marktfähige Leistung: Der Anbieter hält Leistungsfähigkeit bereit, die Leistung wird an einem externen Faktor erbracht und das Ergebnis stiftet Kundennutzen. Potenzialdimension: Leistungsbereitschaft wie Techniker und Werkstatt. Prozessdimension: Einbeziehung des externen Faktors, etwa Reparatur am Kundenfahrzeug. Ergebnisdimension: realisierter Nutzen bzw. Value-in-Use, etwa ein wieder fahrbereites Fahrzeug.

1. Immaterialität: nicht greifbar, nicht lager- oder transportfähig und vor dem Kauf schwer beurteilbar; deshalb Qualitätssignale wie Bewertungen, Zertifikate und Markenversprechen nutzen. 2. Integration des externen Faktors: Kunde oder Kundengegenstand ist für die Erstellung nötig; seine Mitwirkung beeinflusst die Qualität. 3. Uno-actu-Prinzip: Produktion und Konsum fallen ganz oder teilweise zusammen; eine spätere Endkontrolle ist kaum möglich, daher Qualität bereits im Prozess durch Standards, Checklisten, qualifiziertes Personal und klare Kommunikation sichern.

Sucheigenschaften kann der Kunde vor dem Kauf prüfen, etwa Preis oder Ausstattung. Erfahrungseigenschaften werden erst nach Nutzung beurteilbar, etwa Freundlichkeit oder erlebte Reparaturqualität. Vertrauenseigenschaften kann der Kunde selbst danach kaum bewerten, etwa ob eine Reparatur technisch notwendig war. After-Sales besitzt viele Vertrauenseigenschaften; deshalb sind fachliche Glaubwürdigkeit, Transparenz, verständliche Erklärungen und Vertrauen besonders wichtig.

Die Typologie kombiniert Kundenkontakt und Individualisierung. Geringe Interaktion plus geringe Individualisierung: Self-Service, im Lernzettel z. B. Ölwechsel. Hohe Interaktion plus geringe Individualisierung: Massendienstleistung, z. B. Servicehotline. Geringe Interaktion plus hohe Individualisierung: Professional Service, z. B. Gutachten. Hohe Interaktion plus hohe Individualisierung: Service-Werkstatt, im Lernzettel z. B. Fahrzeugkonfiguration. Die Einordnung zeigt, wie stark Prozesse standardisiert oder individuell gestaltet werden sollten.

GAP 1: Management kennt Kundenerwartungen nicht. GAP 2: Erwartungen werden nicht in geeignete Standards übersetzt. GAP 3: vorhandene Standards werden in der Leistungserstellung nicht eingehalten. GAP 4: kommunizierte Versprechen und tatsächliche Leistung stimmen nicht überein. GAP 5 ist die aus Kundensicht erlebte Lücke zwischen erwarteter und wahrgenommener Leistung. Managementziel ist, GAP 1 bis 4 zu schließen und dadurch GAP 5 zu verkleinern.

GAP-Modell: primär GAP 4, weil die tatsächlich erbrachte Leistung vom ausdrücklich kommunizierten Rückrufversprechen abweicht. Kano: Der vereinbarte Rückruf ist ein Basisfaktor; sein Fehlen erzeugt starke Unzufriedenheit. Ein zusätzlicher Hol- und Bringservice kann Begeisterungsfaktor sein. Maßnahme: verbindlichen Rückrufprozess mit dokumentierter Rückrufzeit, eindeutiger Verantwortlichkeit, Erinnerung und Kontrolle der Einhaltung einführen. Klausurschema: Problem erkennen, GAP zuordnen und begründen, Maßnahme nennen.

Basisfaktoren werden selbstverständlich erwartet: Fehlen erzeugt starke Unzufriedenheit (Penalty), Erfüllung erhöht die Zufriedenheit kaum. Leistungsfaktoren wirken proportional: Je besser sie erfüllt sind, desto höher die Zufriedenheit. Begeisterungsfaktoren sind unerwartete Zusatzleistungen: Ihre Erfüllung begeistert (Reward), ihr Fehlen wird nicht negativ bewertet. Begeisterungsfaktoren ermöglichen Differenzierung, dürfen aber fehlende Basisleistung nicht ersetzen.

Lange Wartezeit, unklare Kosten und schlechter erster Eindruck sind wegen des Uno-actu-Prinzips sofort erlebbar und später kaum korrigierbar. Mögliche Ursachen: GAP 1 bei unbekannten Erwartungen, GAP 2 bei fehlenden Standards, GAP 3 bei Nichteinhaltung, GAP 4 bei falschen Zusagen; das Kundenerlebnis zeigt GAP 5. Sofortmaßnahmen: strukturiertes Diagnosegespräch und Checkliste, Dauer und Kosten verständlich klären sowie Mitarbeiter schulen und Verantwortlichkeiten festlegen. Mehrere GAPs können gleichzeitig vorliegen.

Direkte Verfahren erfassen Kundenurteile unmittelbar, z. B. multiattributive Messung, Critical-Incident-Technik, NPS, Beschwerdemanagement, Online-Reviews und Kundenforen. Indirekte Verfahren schließen aus Prozessen und Beobachtungen, z. B. Statistical Process Control, Sentiment-Analyse, Qualitätsaudits, Mystery Shopping, Customer-Service-Journey-Analyse und Benchmarking. Qualitätsverbesserung verbindet drei Felder: Kunden und ihre Zufriedenheit, kundenorientierte Prozesse sowie motivierte und befähigte Mitarbeiter; alle drei greifen ineinander.

Sie analysieren automatisiert Meinungstexte im Internet, trennen subjektive Meinung von sachlicher Information und ordnen Beiträge typischerweise als positiv, neutral oder negativ ein. Dadurch wird zuvor schwer sichtbare Word-of-Mouth-Kommunikation messbar und dient als Frühwarnsystem für Qualitäts- und Reputationsprobleme. Die Sentiment-Ratio setzt positive und negative Äußerungen ins Verhältnis; der Sentiment-Index verdichtet die Gesamtbewertung der Beiträge zu einer Reputationskennzahl.

Kundenorientierung reagiert grundsätzlich auf Markt- und Kundenanforderungen. Kundenfokussierung priorisiert besonders wertvolle Kundengruppen. Kundenzentrierung denkt Prozesse, Angebote und Entscheidungen konsequent vom Kunden her. Im Markenhandel beschreibt die Entwicklung den Wandel vom kurzfristigen Fahrzeugabverkauf zum langfristigen Lebenszyklus- und Mobilitätspartner.

GDL: Wertquelle ist das Produkt; Wert entsteht in der Produktion als Value-in-Exchange, der Kunde ist passiver Empfänger und der Anbieter stellt her und übergibt. SDL: Wert entsteht im Gebrauch durch Service und Co-Creation; der Kunde ist Mitgestalter, der Anbieter stellt ein Wertangebot bereit. CDL: Ausgangspunkt ist die Lebenssphäre des Kunden; Wert ist Mehrwert im Alltag, und der Anbieter integriert sich in die Kundenlogik. Kurz: Was verkaufen wir? – Wie schaffen wir gemeinsam Wert? – Wie passt das Angebot ins Kundenleben?

Value-in-Exchange ist der Wert beim Tausch, etwa Fahrzeugübergabe gegen Bezahlung. Value-in-Use entsteht erst durch Nutzung, etwa tatsächliche Mobilität im Alltag. Die CDL geht weiter und betrachtet die Lebenssphäre – Alltag, Familie, Arbeit und Mobilität – als Ausgangspunkt. Nicht der Kunde soll sich in Anbieterprozesse einfügen; der Anbieter integriert seine Leistungen in das Kunden-Ecosystem, etwa durch eine Flottenlösung für Kostenkontrolle, geringe Ausfallzeiten und Mitarbeiterzufriedenheit.

GDL: Die Inspektion ist eine verkaufte Leistung mit Fokus auf Durchführung und Übergabe. SDL: Nutzen entsteht im Gebrauch und durch Co-Creation; Kunde und Werkstatt bringen Fahrzeug, Informationen und Servicequalität ein. CDL: Die Inspektion wird passend zu Zeit, Alltag und Mobilitätsbedarf geplant; Ziel ist zuverlässige Mobilität und langfristige Begleitung. Klausurschema: Wertlogik nennen, Wertquelle nennen, Kundenrolle erklären und am Fall begründen.

Kundenzentrierung als interne Backstage-Ausrichtung ermöglicht exzellente Erlebnisse an den Frontstage-Touchpoints. Diese erhöhen Kundenloyalität und Weiterempfehlung, was zu Kundenwert, Profitabilität und ökonomischem Erfolg führt. Nur den Enderfolg zu messen zeigt nicht seine Ursachen. Als Mobilitätspartner begleitet der Händler den Kunden langfristig mit regelmäßigen Touchpoints sowie Leistungen, die zu Alltag und Lebenssituation passen – statt nur eine Verkaufstransaktion abzuwickeln.

Value Added Services sind zusätzliche Leistungen rund um das Fahrzeug, die Kundennutzen und Handelsmarge schaffen. Dazu gehören Financial Services wie Finanzierung, Leasing und Versicherung, Garantie und Kulanz sowie Wartung und Reparatur. Sie sind ein wichtiger Margenbestandteil, aber mehr Service bedeutet nicht automatisch mehr Gewinn. Zusätzliche Erlöse und Kundenbindung müssen den entstehenden Kosten gegenübergestellt und mit der Tragfähigkeitslogik bewertet werden.

Auf der x-Achse liegt das Serviceniveau S, auf der y-Achse Erlöse E(S) und Kosten K(S). Zunächst steigen die Erlöse stärker als die Kosten. Bei Sopt ist der Abstand E(S) minus K(S) und damit der Gewinn maximal. Oberhalb von Sopt wachsen die Kosten schneller als die Erlöse; zusätzlicher Service senkt dann trotz höherem Niveau die Marge. Optimal ist daher nicht der höchste Service, sondern der wirtschaftlich tragfähigste Service mit dem größten Gewinnabstand.

Servitization ist die Entwicklung vom reinen Produktverkauf über Produkt plus Dienste und ein integriertes Produkt-Service-System bis zur vollständigen Solution. Eine Solution ist ein ganzheitliches Bündel, das ein Kundenproblem löst und mehr ist als die Summe einzelner Leistungen, z. B. Fahrzeuge, Finanzierung, Wartung und Telematik als Flottenlösung. Jede Stufe muss wirtschaftlich geprüft werden: Das umfangreichste Bündel ist nur sinnvoll, wenn sein zusätzlicher Nutzen und Erlös die zusätzlichen Kosten rechtfertigen.

Derivative Nachfrage bedeutet, dass B2B-Nachfrage aus dem Geschäft und dem Bedarf der Kunden des Kunden abgeleitet ist. Ein Unternehmen kauft Fahrzeuge nicht um ihrer selbst willen, sondern weil Außendienst, Handwerk oder Pflege Mobilität für die eigene Leistung benötigen. Deshalb sollte der Vertrieb nicht nur Produkteigenschaften nennen, sondern Geschäftsnutzen wie geringe Ausfallzeiten, planbare Mobilitätskosten, zuverlässige Einsatzfähigkeit und Entlastung des Fuhrparkmanagements herausstellen.

Multipersonalität: Mehrere Personen und Abteilungen mit unterschiedlichen Zielen entscheiden gemeinsam; Risiko, Ansprechpartnerzahl und Vertriebsaufwand steigen. Multitemporalität: Der Kaufprozess läuft über mehrere Phasen von Bedarfserkennung bis Nachkauf; der Anbieter muss langfristig präsent sein. Das Buying Center umfasst Initiator, Anwender, Beeinflusser, Entscheider, Einkäufer und Gatekeeper. Im Flottengeschäft können das Fuhrparkleitung, Fahrer, Controlling, Geschäftsleitung, Einkauf und Assistenz sein; jede Rolle benötigt passende Argumente.

Die Nachfrage ist derivativ, weil die Fahrzeuge dem betrieblichen Zweck des Kunden dienen. Sie ist multipersonal, weil Fuhrparkleitung, Fahrer, Controlling, Einkauf, Geschäftsleitung und mögliche Gatekeeper unterschiedliche Kriterien vertreten. Relevante Faktoren sind Gesamtkosten, Leasingraten, Wartung, Ausfallzeiten, Fahrerzufriedenheit, Laufzeit, Servicequalität und Planbarkeit. Der Vertrieb sollte das Buying Center skizzieren und je Rolle den Geschäftsnutzen argumentieren, nicht nur Fahrzeugmerkmale.

Da bei BEV klassische Wartungsumsätze sinken, sollte das Autohaus eine BEV-Mobilitätslösung statt einzelner Reparaturen anbieten: 1. Batterie- und Diagnosepakete mit Spezialwissen, Sicherheits- und Restwertnutzen; 2. Ladeinfrastruktur- und Energieservices mit Cross-Selling, Provisionen oder Servicepauschalen; 3. Mobilitäts- und Flottenpakete mit wiederkehrenden, planbaren Erlösen. Das Bündel muss am optimalen Serviceniveau Sopt ausgerichtet sein, damit Zusatzkosten die Marge nicht übersteigen.

Digital Analytics ist ein Sammelbegriff und eine Managementfähigkeit für datenbasierte Wertschöpfung im Service – einschließlich Customer Insights, KI-Prozessen und digitalen Geschäftsmodellen. Data Science liefert Methoden und statistisch-algorithmisches Fundament. Big Data beschreibt besonders große, schnelle und vielfältige Daten. Data Mining findet Muster und Trends. IoT liefert Echtzeitdaten aus vernetzten Objekten. KI automatisiert Auswertung und Entscheidungen. Beispiel: Connected-Car-Sensorik → Mustererkennung → KI-gestützte Wartungsempfehlung.

Volume bezeichnet sehr große Datenmengen, Velocity hohe Entstehungs- und Verarbeitungsgeschwindigkeit bis hin zu Echtzeit, Variety unterschiedliche Quellen und Formate von strukturierten bis unstrukturierten Daten. Große Datenmengen allein erzeugen keinen Geschäftswert. Wert entsteht erst durch gute Qualität, strategische Integration verschiedener Daten, passende Analysen und die Umsetzung der Erkenntnisse in bessere Entscheidungen, Prozesse oder Leistungen.

Descriptive Analytics fragt, was geschehen ist, und beschreibt vergangene Ereignisse. Diagnostic Analytics untersucht Ursachen. Predictive Analytics prognostiziert zukünftige Entwicklungen. Prescriptive Analytics leitet konkrete Handlungsempfehlungen ab. Mit jeder Stufe steigen typischerweise Datenreife, Entscheidungswert und Automatisierungsgrad. In der Klausur: Leitfrage des Use-Cases erkennen, Methode zuordnen und anhand des Analyseziels begründen.

Anwendungen sind Customer Experience Management, Prozessoptimierung, Predictive Maintenance, datenbasierte Geschäftsmodelle, After-Sales-Prognosen, Kampagnensteuerung und Auslastungsplanung. Potenziale liegen in Personalisierung, neuen digitalen Geschäftsmodellen, Effizienz und Kundenbindung. Erfolg benötigt vier Bausteine: hochwertige und verfügbare Daten, geeignete Methoden und Werkzeuge, Kompetenzen der Mitarbeiter sowie eine Organisation und Kultur, die datenbasierte Entscheidungen unterstützt. Ein einzelnes Tool genügt nicht.

Herausforderungen sind schlechte oder fehlende Daten, Datenschutz und Recht, Kompetenzmangel, kulturelle Widerstände sowie Abhängigkeit von OEM und Aggregatoren. Die Daten-Divide ist die Kluft zwischen datenstarken und datenschwachen Unternehmen; Folgen sind Wettbewerbsnachteile und geringerer Zugriff auf Fahrzeug- und Kundendaten. Datensouveränität bedeutet Kontrolle über Zugriff und Nutzung eigener relevanter Daten. Antworten sind eigene Datenstrategie, Governance, priorisiertes Use-Case-Portfolio und der Aufbau eigener Nutzungskompetenz.

Erforderlich sind vier Analytics-Bausteine: 1. verfügbare, hochwertige Connected-Car-Daten; 2. passende Analyseverfahren und Tools; 3. Mitarbeiter mit Daten- und Analysekompetenz; 4. eine Kultur und Organisation, die datenbasierte Entscheidungen fördert. Herausforderungen sind OEM- und Aggregatorenabhängigkeit, Datenqualität und -verfügbarkeit, Datenschutz, Recht und Daten-Divide. Datensouveränität entsteht nur im Zusammenspiel von Daten, Methoden, Kompetenzen und Kultur.

Generative KI erzeugt neue natürlichsprachige Ausgaben und basiert häufig auf LLMs. Eine Halluzination ist eine überzeugend formulierte, aber falsche oder erfundene Aussage, besonders wenn keine feste Fakten- und Quellenanbindung besteht. Im Unternehmenswissen ist das kritisch, weil reine LLM-Antworten häufig nicht belegt oder zitierfähig sind. Daher müssen Antworten an verlässliche Quellen gebunden und im Zweifel verweigert statt geraten werden.

Ein Knowledge Graph bildet Wissen als Netzwerk aus Entitäten und Beziehungen ab, z. B. Mitarbeiter → arbeitet an → Standort. Dadurch werden komplexe Zusammenhänge strukturiert, maschinell verarbeitbar und nachvollziehbar. RAG besteht aus Retrieval und Generation: Zuerst werden relevante Dokumente oder Wissenselemente abgerufen, dann formuliert das LLM eine Antwort auf dieser Basis. Zusammen verbinden beide strukturiertes Graphenwissen und unstrukturierte Dokumente, reduzieren Halluzinationen und ermöglichen aktuelle, belegte Antworten ohne komplettes Neutraining.

Ablauf: Nutzerfrage → Abruf relevanter Dokumente und Graphbeziehungen → Übergabe des passenden Kontexts → LLM formuliert Antwort → Ausgabe mit Quellenbeleg. Bei der Frage nach Urlaubstagen muss die richtige Regel für Gesellschaft und Standort gefunden werden. Sicherheitsregel: Antwort nur aus belegtem Kontext, Quelle zu jeder Aussage; fehlt ein passender Beleg, gibt der Bot „Keine Auskunft“ statt zu raten. Das schafft Halluzinationskontrolle und Zitierfähigkeit.

KI-Readiness ist der Reifegrad der organisatorischen, datenseitigen, kulturellen und strategischen Voraussetzungen – nicht nur technische Bereitschaft. Zu prüfen sind Datenqualität und -verfügbarkeit, Kompetenzen und KI-Wissen, geklärte Prozesse, Rollen und Verantwortlichkeiten sowie klare Ziele und passende Use-Cases. Der Reifegrad kann von Novize über Erkunder, Entdecker und Vorbereiter bis Anwender bewertet werden. Vor dem MVP werden Lücken identifiziert und konkrete nächste Schritte abgeleitet.

1. Experiment bzw. Proof of Concept: grundsätzliche Machbarkeit testen. 2. Pilot: MVP in einem begrenzten Bereich unter realen Bedingungen einsetzen. 3. Skalierung: Lösung kontrolliert auf weitere Bereiche ausrollen. 4. Organisatorische Verankerung: Rollen, Prozesse, Governance, Kompetenzen und Kultur dauerhaft anpassen. Technischer Erfolg des PoC reicht somit nicht; erst die Verankerung macht den Nutzen nachhaltig.

CRISP-DM ist ein iteratives Vorgehensmodell mit sechs Phasen: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment. Phasen können wiederholt werden, wenn Erkenntnisse Anpassungen erfordern. Zuordnung aus dem Lernzettel: Anforderungsanalyse gehört zum Business Understanding, der MVP-Bau zum Modeling und die Prüfung von Ergebnis und Zielerreichung zur Evaluation. Deployment bedeutet Einführung und tatsächliche Nutzung der Lösung.

Nachhaltigkeit verbindet drei gleichwertige Dimensionen: Profit steht für Wirtschaftlichkeit, langfristige Existenz und tragfähige Geschäftsmodelle; Planet für Umweltwirkungen, Ressourcenverbrauch, Emissionen und Kreisläufe; People für Mitarbeitende, Gesellschaft und faire Arbeitsbedingungen. Nachhaltigkeit entsteht im Zusammenspiel. Keine Säule sollte dauerhaft zulasten einer anderen maximiert werden.

Die Matrix kombiniert Ökonomie, Ökologie und Soziales mit Potenzial-, Prozess- und Ergebnisdimension. In der Potenzialphase wird geprüft, wie nachhaltig Fähigkeiten und Ressourcen des Anbieters sind. In der Prozessphase geht es um die nachhaltige Leistungserstellung gemeinsam mit dem Kunden. In der Ergebnisphase wird die tatsächlich entstandene wirtschaftliche, ökologische und soziale Wirkung bewertet. So wird Nachhaltigkeit nicht nur am Endergebnis, sondern entlang der gesamten Dienstleistung gestaltet.

SSM ist die systematische Integration von Nachhaltigkeit in Strategie, Prozesse und Angebote – eine Managementaufgabe und kein nachträgliches Marketing-Label. Der Regelkreis umfasst: 1. Analyse von Ist-Zustand und Wesentlichkeit, 2. Strategie mit Zielen und Ambitionen, 3. Planung von Maßnahmen und Roadmap, 4. Umsetzung in den Prozessen, 5. Kontrolle durch Messen, Berichten und Steuern. Danach beginnt die Analyse erneut; SSM ist kontinuierlich und iterativ.

Impact Materiality betrachtet Inside-out: Wie wirkt das Unternehmen auf Umwelt und Gesellschaft, z. B. durch Emissionen? Financial Materiality betrachtet Outside-in: Wie wirken Nachhaltigkeitsthemen finanziell auf das Unternehmen, z. B. steigende Energiepreise? Beide Perspektiven müssen gemeinsam betrachtet werden; nach der im Lernzettel genannten CSRD-Logik sind beide Blickrichtungen für die Nachhaltigkeitsberichterstattung relevant.

Recht darf nicht erst nachträglich geprüft, sondern muss in Daten, Funktionen, Rollen, Quellen- und Auditregeln eingebaut werden. Relevant sind EU AI Act, DSGVO, BetrVG und Betriebsvereinbarungen. Der AI Act unterscheidet verbotene Praktiken, Hochrisiko-Systeme, begrenztes und minimales Risiko. Ein reiner Auskunftsbot ohne personenbezogene Entscheidung ist weniger riskant als ein System, das Beschäftigte bewertet oder Personalentscheidungen beeinflusst. Deshalb Funktion präzise beschreiben und Risikoklasse sowie Pflichten am geltenden Recht prüfen.

Zentral sind eine Rechtsgrundlage, klare Zweckbindung, Datenminimierung sowie Betroffenenrechte wie Auskunft und Löschung. Ein synthetischer Korpus enthält keine echten personenbezogenen Daten und reduziert deshalb im Lehr-, Test- oder Entwicklungsfall das Datenschutzrisiko. Er beseitigt aber nicht andere Anforderungen: Sicherheit, Governance, Mitbestimmung, korrekte Quellen, dokumentierte Verantwortlichkeit und rechtliche Prüfung bleiben notwendig.

Der Betriebsrat hat mitzubestimmen, wenn technische Einrichtungen geeignet sind, Verhalten oder Leistung von Beschäftigten zu überwachen. Auch KI-Systeme können darunter fallen; eine tatsächliche Überwachungsabsicht ist für die grundsätzliche Eignung nicht zwingend. Konsequenz: Betriebsrat früh beteiligen, Einsatzgrenzen und Verantwortlichkeiten vor Einführung klären und eine Betriebsvereinbarung entwickeln. Mitbestimmung und Beschäftigtenschutz müssen bereits in der Konstruktion berücksichtigt werden.

Stakeholder sind HR mit Interesse an effizienten einheitlichen Auskünften, Betriebsrat mit Mitbestimmungs- und Schutzinteresse, IT für Umsetzung und Sicherheit sowie Datenschutz für rechtmäßige Datennutzung. Konflikte zwischen Effizienz und Kontrolle müssen früh moderiert werden. Bei 256 Vereinbarungen über mehrere Gesellschaften und Standorte muss jede Antwort die richtige, aktuelle und standortbezogene Quelle nennen. Audit prüft Quellenlage, Entstehung der Antwort, Aktualität und Geltungsbereich. Klausurschema: Stakeholder, Interessen/Konflikte, Mitbestimmungsmaßnahme, Audit-Aspekt.

Unternehmen erleben Komplexität durch vernetzte Einflussgrößen, Dynamik durch hohe Veränderungsgeschwindigkeit und Disruption durch sprunghafte Umbrüche. Externe Auslöser sind politisch-rechtliche, ökonomische, technologische und gesellschaftliche Faktoren; interne Auslöser sind Strategie, Ressourcen, Führung und Kultur. Treiber sind demografischer Wandel, Globalisierung und Umwelt, Digitalisierung, verändertes Kundenverhalten, Regulierung, Wettbewerb und Ressourcenknappheit. VGRD-Beispiele sind BEV-Hochlauf, EU-Regulierung, Wettbewerb, Sparkurs und Zukäufe.

Unfreeze: Veränderungsbedarf verdeutlichen und Bereitschaft schaffen. Change: neue Strukturen und Verhaltensweisen einführen. Refreeze: den neuen Zustand stabilisieren und verankern. Stärke ist der einfache, verständliche Denkrahmen und die Betonung guter Vorbereitung. Kritik: Das Modell unterstellt einen stabilen Endzustand und vereinfacht kontinuierlichen Wandel. Deshalb sollte es als Orientierung, nicht als starre lineare Reihenfolge genutzt werden.

Kotter: Dringlichkeit erzeugen, Führungskoalition bilden, Vision entwickeln, Vision kommunizieren, Mitarbeitende befähigen, kurzfristige Erfolge sichern, Erfolge konsolidieren und Veränderung kulturell verankern. Für den HR-Bot: Nutzen und Bedarf erklären; HR, IT, Betriebsrat und Datenschutz bündeln; Zielbild entwickeln; transparent kommunizieren; Betroffene beteiligen; Pilot als Quick Win; Feedback für Erweiterung nutzen; Bot in Rollen, Prozesse und Kultur integrieren. Das Modell ist top-down und linear, sollte daher iterativ und beteiligungsorientiert angepasst werden.

Krüger unterscheidet Initialisierung, Konzipierung, Mobilisierung, Umsetzung und Verstetigung. Besonders wichtig sind die Aktivierung von Wandlungsträgern, die Mobilisierung der Betroffenen und die Verbindung von Top-down und Bottom-up. Lewin bietet einen groben Dreischritt, Kotter eine detaillierte achtstufige Checkliste und Krüger betont stärker Beteiligung und Veränderungsfähigkeit. Alle Modelle können Planbarkeit überschätzen; deshalb als flexible Orientierung statt als starres Ablaufprogramm nutzen.

Eine lernende Organisation passt sich kontinuierlich an und eignet sich daher für dauerhaften statt einmaligen Wandel. Senges fünf Disziplinen sind Personal Mastery, Hinterfragen mentaler Modelle, gemeinsame Vision, Teamlernen und Systemdenken. Der Ansatz ergänzt lineare Change-Modelle, weil reale Veränderungen selten planbar und geradlinig verlaufen; Eigendynamik, Widerstände, Emotionen und Wechselwirkungen erfordern Lernen, Feedback und laufende Anpassung.

Psychological Ownership ist das Gefühl, dass Routinen, Wissen oder Aufgaben „mir gehören“. Es entsteht durch Kontrolle, tiefe Kenntnis und eigene Investition und kann Territorialverhalten, Widerstand oder verweigerte Wissensteilung auslösen. Beim HR-Bot fürchten Wissensträger Kontroll- und Identitätsverlust. Im Sparkurs kann mehr Automatisierung diese Angst verstärken und langfristig Vertrauen sowie Servicequalität schädigen. Gegenmittel: Betroffene früh beteiligen, Ziele und Grenzen transparent machen, Expertise sichtbar anerkennen und in das neue System integrieren. So entsteht Ownership am neuen System.