Einen AI-Leadership-Coach zu entwickeln, der echtes Leadership-Coaching skalierbar und für alle zugänglich macht, ist schwieriger als es klingt – und hat uns mehr gelehrt als erwartet.
Gemeinsam mit der ETH Zürich haben wir den ETH Companion entwickelt: einen AI-Leadership-Coach, der ausschliesslich auf wissenschaftlichen Quellen basiert und über 3000 Führungskräfte der ETH unterstützt. Hier sind die ehrlichen Erkenntnisse dahinter.
Die ETH Zürich – Forschung auf Weltklasseniveau
Die ETH Zürich ist eine der renommiertesten Forschungsuniversitäten weltweit. Seit ihrer Gründung 1854 steht sie für wissenschaftliche Exzellenz in Naturwissenschaften, Technologie, Ingenieurwesen und Mathematik.
Mit über 13’000 Mitarbeitenden aus rund 120 Ländern ist die ETH nicht nur eine Schweizer Institution, sondern ein globaler Akteur in Bildung und Forschung. Wer hier arbeitet, bewegt sich in einem hochkomplexen, internationalen Umfeld – mit entsprechend hohen Anforderungen an Führung und Entscheidungsfindung.
Genau da setzt der ETH Companion an.
Was diesen AI-Coach wirklich besonders macht
Die eigentliche Frage zu Beginn war nicht technischer Natur – sondern eine strategische: Wie macht man hochwertiges Leadership-Coaching für tausende Führungskräfte zugänglich, ohne dafür hohe Summen in individuelle Coaching-Programme zu investieren? Klassisches 1:1-Coaching skaliert nicht. Digitales Coaching schon.
Der Schlüssel liegt in der Qualität der Wissensbasis. Der ETH Companion zieht ausschliesslich Informationen aus vertrauenswürdigen Artikeln von ETH-Psychologen. Keine Inhalte aus beliebigen Internetquellen – nur wissenschaftlich abgesicherte Inhalte, entwickelt von der ETH für die ETH.
Und das ist kein kleiner Unterschied. Ein persönliches Leadership-Coach-Programm kostet schnell mehrere hunderttausend Franken pro Jahr – wenn man ernsthaft Führungsentwicklung im grossen Massstab betreiben will. Der ETH Companion skaliert genau das: wissenschaftlich fundiertes Leadership-Coaching, zugänglich für jede Führungskraft, jederzeit.
Das Ziel ist nicht, einen Chatbot zu bauen. Es geht darum, ein Tool zu schaffen, das Führungskräfte bei echten Herausforderungen begleitet – basierend auf Ansätzen, die funktionieren, weil sie wissenschaftlich belegt sind.
Das klingt simpel, ist aber konzeptionell anspruchsvoll. Man muss sehr früh klären: Welche Inhalte kommen rein? Wer kuratiert sie? Wie wird sichergestellt, dass der Coach im Scope bleibt?
Diese Fragen sollte man lösen, bevor man auch nur eine Zeile Code schreibt.
MVP definieren ist schwerer als MVP bauen
Der herausfordernste Moment des Projekts war nicht technisch – es war die Definition des MVP (Minimal Viable Product).
Was gehört rein? Was kommt später? Wo ist die Grenze zwischen «gut genug zum Testen» und «zu roh, um echten Wert zu zeigen»? Diese Diskussionen dauern länger als erwartet, sind aber entscheidend.
Wir haben in Scope-Definition-Workshops mit dem ETH-Team gearbeitet, User Stories erstellt und das Framework schrittweise aufgebaut. Das hat sich gelohnt – aber es kostet Zeit, die man einplanen muss.
Ein klarer Tipp: Fang klein an und skalier dann. Konzentrier dich im MVP auf das absolut Wesentliche, schau, ob es funktioniert – und erweitere erst dann mit zusätzlichen Features. Was du im MVP nicht geklärt hast, kostet dich später das Doppelte.
User-Testing zeigt, was Dokumente nie zeigen
Der schönste Moment des gesamten Projekts war während der User-Testing-Interviews.
Wir haben gesehen, wie Führungskräfte mit dem Companion interagiert haben – und die echte Begeisterung war spürbar. Das validiert nicht nur das Produkt, sondern auch alle Entscheidungen davor.
Aber User-Testing hat uns auch konkrete Erkenntnisse geliefert, die wir vorher nicht hatten:
- Wie Führungskräfte Fragen formulieren und was das für die Gesprächsführung des Coaches bedeutet
- Wo der Dialog zu generisch wurde und mehr Tiefe brauchte
- Welche Einstiegspunkte intuitiv sind – und welche nicht
Ohne diese Phase wäre das Produkt schlechter geworden. Kein Dokument, kein interner Test ersetzt echte Interaktionen.
Sicherheit ist kein optionales Add-on
Ein Security-Audit gehörte zum Entwicklungsprozess – und das war richtig so.
Bei einem Tool, das auf sensiblen Leadership-Situationen basiert und von tausenden Führungskräften genutzt werden soll, ist Sicherheit keine Kür. Sie ist Pflicht.
Plane das von Anfang an ein – nicht als letzten Schritt kurz vor dem Launch.
Was wirklich zählt: langfristige Integration, nicht kurzfristige Nutzung
Kurz nach dem Launch liegt der Fokus verständlicherweise auf der Frage: Sind die Nutzer zufrieden mit den Antworten?
Das ist legitim – aber zu kurz gedacht. Die eigentliche Vision des ETH Companions ist eine andere: Der AI-Leadership-Coach soll langfristig ein fester Bestandteil des Arbeitsalltags werden und die Entscheidungsqualität von Führungskräften nachhaltig verbessern.
Und die Vision geht noch weiter: Was heute für ETH-Führungskräfte gebaut wurde, soll morgen auch für grosse Unternehmen ausserhalb der ETH verfügbar sein – als skalierbare Lösung für Organisationen, die Leadership-Entwicklung ernst nehmen, ohne dafür hunderttausende Franken in individuelle Coaching-Programme zu investieren.
Das ist ein anderer Massstab. Und er braucht andere Metriken als «Hat die KI heute eine gute Antwort gegeben?»
Was wir geliefert haben – und was weitergeht
Das Ergebnis ist ein funktionierender, stabiler AI-Leadership-Coach mit einem durchdachten Design, der produktiv im Einsatz ist. Was nach dem Launch kommt, ist genauso wichtig wie der Launch selbst.
Wir arbeiten in kontinuierlichen Sprints an der Weiterentwicklung – weil ein KI-Tool dieser Art kein abgeschlossenes Projekt ist, sondern ein lebendiges Produkt.
Was du daraus mitnehmen kannst
Wenn du ein ähnliches Projekt planst, sind das die Erkenntnisse, die wirklich zählen:
- Differenzierung entsteht durch Inhalt, nicht durch Technik – die Qualität der wissenschaftlichen Datenbasis und der klare Fokus des Coaches machen den Unterschied.
- Klein anfangen, dann skalieren – MVP-Scope schriftlich festlegen, validieren, dann erst erweitern.
- User-Testing ist nicht optional – plane es als echte Phase, nicht als Checkbox am Ende.
- Sicherheit und Skalierbarkeit müssen von Anfang an mitgedacht werden, nicht nachträglich.
Interessiert dich, wie KI-Automatisierung konkret in deinem Unternehmen aussehen könnte? Genau das ist es, womit wir uns täglich beschäftigen.
