Quellenbasierte Analyse der OKR Experten® · Stand: Oktober 2026

Von Erno Marius Obogeanu-Hempel · Zuletzt aktualisiert: 10. Oktober 2026

Radhika Dutt rät in ihrem Buch „Radical Product Thinking“, die Zielsetzung mit OKR durch ihren eigenen Ansatz zu ersetzen. Wir haben ihre sieben Thesen gegen OKR geprüft: an den Quellen, die sie selbst anführt, an unabhängiger Forschung und an unserer Erfahrung aus über 300 OKR-Einführungen.

Besprochenes Werk: Dutt, R. (2021). Radical product thinking: The new mindset for innovating smarter (1. Aufl.). Berrett-Koehler. ISBN 978-1-5230-9331-1

Einleitung

Radhika Dutts Buch „Radical Product Thinking“ (2021) beschreibt einen Ansatz für visionsgetriebene Produktentwicklung. Im sechsten Kapitel setzt sich Dutt ausführlich mit Objectives and Key Results (OKR) auseinander und kommt zu einem klaren Urteil:

„It’s time to abandon the approach of using product metrics to set performance goals. It’s time for a more radical approach.“

Übersetzung: „Es ist Zeit, den Ansatz aufzugeben, Produktkennzahlen für Leistungsziele zu nutzen. Es ist Zeit für einen radikaleren Ansatz.“

Dutt beschreibt in ihrem Buch spannende und sinnvolle Ansätze. Ihre Vorlage für ein Vision Statement, ihre RDCL-Strategie und ihre Priorisierungsmatrix sind gute Werkzeuge für Produktteams. Umso bedauerlicher ist ihre pauschale Absage an OKR. Sie positioniert ihre Methode ausdrücklich als Ersatz: „To align your team on metrics and replace goal setting through OKRs, you can take these three practical steps“ (dt. „Um Ihr Team auf gemeinsame Kennzahlen auszurichten und die Zielsetzung mit OKR zu ersetzen, können Sie diese drei praktischen Schritte gehen“). Dabei ließe sich OKR gut mit ihren Ansätzen kombinieren, wie Abschnitt 2.6 zeigt.

Wir bei OKR Experten haben bei über 300 Unternehmen die Einführung von OKR begleiten dürfen, vom Handwerk bis zum Energiekonzern und zur öffentlichen Verwaltung. Deshalb nehmen wir Dutts Kritik ernst. Wir haben jedes ihrer Argumente geprüft: an den Quellen, die sie selbst anführt, und an unabhängiger Forschung.

Die Probleme, die Dutt beschreibt, sind real. Sie entstehen dort, wo OKR nicht optimal eingeführt oder umgesetzt wird. Wir vermuten, dass Dutts Erkenntnisse aus solchen Einführungen stammen. Hätte sie OKR so erlebt, wie wir es in Unternehmen etablieren, wäre ihr Urteil vermutlich anders ausgefallen. Wir praktizieren OKR anders: Wir haben die Methode weiterentwickelt und an die Unternehmenskultur und die Rahmenbedingungen in Deutschland und Europa angepasst. Fünf Anpassungen sind dabei zentral:

1. Wirkung (Outcome) statt Output oder Input. Wir etablieren konsequent Wirkungsziele, also Nutzen und Wertbeitrag für Kunden, Mitarbeitende und Organisation, statt Ziele für erledigte Aufgaben und Ergebnisse (Output) oder eingesetzte Mittel (Input).
2. Team statt Einzelperson. Wir setzen OKR auf Unternehmens-, Bereichs-, Abteilungs- und Teamebene ein, nicht als Zielvereinbarung mit einzelnen Mitarbeitenden. OKR sind weder an die Vergütung gekoppelt noch Teil der Personalbeurteilung. Das passt auch zu den Mitbestimmungsrechten von Betriebsrat und Personalrat.¹
3. Betriebsrat bzw. Personalrat von Anfang an. Wir binden die Interessenvertretung regelmäßig vom Beginn der Einführung an ein.
4. Eine eigene Rolle für die Methode. Ein OKR Coach, Master bzw. Champion begleitet die Teams, statt dass die Führungskraft das Coaching übernimmt. Berichtet wird an das Team, nicht an die Führungskraft.
5. Jahresziele als KPIs und Zielbild statt Jahres-OKR (Abschnitt 2.4).

Damit unterscheidet sich unser Vorgehen bewusst von Modellen, in denen OKR bis zur einzelnen Person reichen und in die individuelle Leistungsbeurteilung einfließen. Wie sich das auf Dutts Kritik auswirkt, zeigen die folgenden Abschnitte.

Das Ergebnis vorweg: Dutts Kritik trifft eine Form der Zielsteuerung, die OKR ausdrücklich ausschließt, nämlich Vertriebsquoten, an Boni gekoppelte Jahresziele und individuelle Zielvereinbarungen. Wo sie einen wahren Kern berührt, liegt die Antwort in OKR selbst, teilweise schon seit Andy Grove, der die Methode in den 1970er-Jahren bei Intel entwickelt hat.

1. Was Dutt an OKR kritisiert

Dutts OKR-Kritik steht gebündelt im Abschnitt „The Danger of Setting Goals for Product Metrics“ (dt. „Die Gefahr, Ziele für Produktkennzahlen zu setzen“) in Kapitel 6 ihres Buchs. Alle Zitate von Dutt stammen aus diesem Kapitel, soweit nicht anders angegeben (Dutt 2021). Ihre Kritik lässt sich in sieben Thesen zusammenfassen:

1. Produktkennzahlen werden zu Zielen. Ihr Beispiel für ein typisches Key Result: „Get over 20,000 new signups.“ (dt. „Mehr als 20.000 neue Registrierungen erreichen.“)
2. Ambitionierte Ziele demotivieren. „Ironically, the goals that were designed to be aspirational become demotivating.“ (dt. „Ironischerweise demotivieren gerade die Ziele, die ambitioniert sein sollten.“) Aus Angst vor dem Verfehlen plädierten selbst Leistungsträger für weniger ehrgeizige Ziele.
3. Bei komplexen Aufgaben schaden konkrete Ziele. Studien zeigten, dass „do-your-best instructions led to better results than specific goals“ (dt. „Anweisungen nach dem Muster ‚Gib dein Bestes‘ führten zu besseren Ergebnissen als konkrete Ziele“). Konkrete Ziele bremsten Experimente und Anpassung.
4. Der Fokus auf wenige Kennzahlen führt ins lokale Optimum. „OKRs may be helping you reach the local maximum instead of the global maximum.“ (dt. „OKR helfen womöglich, das lokale statt des globalen Maximums zu erreichen.“)
5. Ziele fördern unethisches Verhalten. Als Belege dienen ihr der Bilanzskandal bei Lucent Technologies und die Scheinkonten bei Wells Fargo.
6. Benannte Verantwortliche machen Verfehlungen persönlich. Auch ohne Bonus wisse jeder, „whose failure it was“ (dt. „wessen Versagen es war“).
7. OKR sind starr und aufwendig. „OKRs, once set, are hard to adjust“ (dt. „einmal gesetzte OKR sind schwer anzupassen“), und: „Teams that use OKRs spend long hours negotiating these goals.“ (dt. „Teams, die OKR nutzen, verbringen viele Stunden damit, diese Ziele auszuhandeln.“) Spotify habe OKR deshalb aufgegeben.

Dutts Alternative: Radical Product Thinking

Dutt setzt OKR ihre eigene Methode entgegen. Sie besteht aus fünf Bausteinen:

1. Radical Vision Statement (Kap. 3): eine Vision als Lückentext: „Today, when [identified group] want to [desirable outcome], they have to [current solution]. This is unacceptable because [shortcomings of current solutions]. We envision a world where [shortcomings resolved]. We are bringing this world about through [basic technology/approach].“ (dt. „Wenn heute [bestimmte Gruppe] [gewünschtes Ergebnis] erreichen will, muss sie [heutige Lösung] nutzen. Das ist inakzeptabel, weil [Schwächen der heutigen Lösungen]. Wir streben eine Welt an, in der [Schwächen behoben sind]. Diese Welt schaffen wir durch [grundlegende Technologie bzw. Ansatz].“)
2. RDCL-Strategie (Kap. 4): vier Fragen zu Real pain points (welcher Schmerz löst die Nutzung aus?), Design (welche Funktion löst ihn?), Capabilities (welche Fähigkeiten braucht es dafür?) und Logistics (wie gelangt die Lösung zum Nutzer, mit welchem Geschäftsmodell?).
3. Priorisierung (Kap. 5): eine Vier-Felder-Matrix aus Vision Fit und Survival, also dem kurzfristigen Überleben, mit den Feldern Ideal, Investing in the Vision, Building Vision Debt und Danger!.
4. Umsetzung und Messung (Kap. 6): Hypothesen nach dem Muster „If [experiment], then [outcome], because [connection]“ (dt. „Wenn [Experiment], dann [Ergebnis], weil [Zusammenhang]“) und Kennzahlen ohne Zielwerte („just refrain from setting targets“ (dt. „verzichten Sie einfach darauf, Zielwerte zu setzen“)).
5. Kultur (Kap. 7): eine Vier-Felder-Matrix, die Arbeit in Meaningful Work, Heroism, Organizational Cactus und Soul-Sucking einteilt.

An die Stelle von OKR sollen drei Schritte treten: „Align on what you’ll measure. Create a safe environment to discuss metrics. Manage progress through regular feedback.“ (dt. „Einigen Sie sich darauf, was Sie messen. Schaffen Sie ein sicheres Umfeld, um über Kennzahlen zu sprechen. Steuern Sie den Fortschritt über regelmäßiges Feedback.“)

Den Kern ihrer OKR-Kritik fasst Dutt in einer ihrer sieben „Produktkrankheiten“ (Kap. 2) zusammen, der „Hypermetricemia“: „focusing excessively on measurable outcomes to determine success, irrespective of whether those are the right things to measure.“ (dt. „die übermäßige Fixierung auf messbare Ergebnisse als Erfolgsmaßstab, unabhängig davon, ob das die richtigen Messgrößen sind.“)

2. Wo Dutt falsch liegt

2.1 OKR ist keine Vertriebsquote

Was Dutt schreibt

OKR sind für Dutt „a framework used by many companies to define goals across the organization, assign responsibility, and track outcomes“ (dt. „ein Rahmenwerk, mit dem viele Unternehmen Ziele für die gesamte Organisation festlegen, Verantwortung zuweisen und Ergebnisse verfolgen“). Ihre stärksten Belege gegen Ziele sind Lucent und Wells Fargo. Über Wells Fargo schreibt sie:

„branch managers were assigned aggressive quotas for the number and types of products sold. If the branch did not hit its targets, the shortfall was added to the next day’s goals.“

Übersetzung: „Filialleitern wurden aggressive Quoten für Anzahl und Art der verkauften Produkte zugewiesen. Erreichte eine Filiale ihre Ziele nicht, wurde die Fehlmenge auf die Ziele des nächsten Tages aufgeschlagen.“

Einordnung

Bei Lucent gab der CEO ein jährliches Umsatzwachstum von 20 Prozent vor. Bei Wells Fargo wurden Fehlmengen auf den nächsten Tag aufgeschlagen. Die US-Verbraucherschutzbehörde CFPB (2016) nennt als Ursache ausdrücklich „sales targets and compensation incentives“ (dt. „Verkaufsziele und Vergütungsanreize“). Beides sind Quotensysteme unter hohem Druck, bei Wells Fargo ausdrücklich verbunden mit Vergütungsanreizen.

OKR, wie wir es praktizieren, schließt genau diese Merkmale aus:

• Operative Themen wie Vertriebsquoten steuern wir ohnehin nicht mit OKR, sondern mit KPIs. In OKR gehören nur Strategie und Innovation (Exploration) sowie gezielte Verbesserungen (Exploitation), siehe Abschnitt 2.5.
• OKR sind nicht an Bonus, Gehaltserhöhung oder Beförderung gekoppelt und werden nicht zur individuellen Leistungsbeurteilung genutzt.
• Ein Zielerreichungsgrad von 70 Prozent gilt als Erfolg. Google erwartet laut eigenem OKR-Leitfaden (Google re:Work) „an average of 0.6 to 0.7 across all OKRs“ (dt. „im Schnitt 0,6 bis 0,7 über alle OKR hinweg“).
• Verfehlte Ziele werden auf Ursachen und Erkenntnisse untersucht, nicht auf Schuldige.

Dutt selbst zitiert Laszlo Bock, von 2006 bis 2016 Personalchef von Google: „Google tied OKRs for usage of a product directly to people’s compensation. People started gaming the system to get their bonuses.“ (dt. „Google koppelte OKR zur Nutzung eines Produkts direkt an die Vergütung der Mitarbeitenden. Die Leute begannen, das System auszutricksen, um ihre Boni zu bekommen.“) Die Konsequenz war die Entkopplung von OKR und Vergütung. Ihre Fallbeispiele zeigen also, was passiert, wenn genau diese OKR-Regeln fehlen. Gegen OKR sprechen sie nicht.

2.2 Spotify hat nur individuelle OKR abgeschafft

Was Dutt schreibt

Spotify habe auf seinem HR-Blog angekündigt, „it’s no longer using OKRs“ (dt. „dass es keine OKR mehr nutzt“). Dutt zitiert daraus: „What went into the OKR process was often already outdated when we got that far. So the OKRs that came out were too.“ (dt. „Was in den OKR-Prozess einfloss, war oft schon veraltet, bis wir so weit waren. Also waren es auch die OKR, die dabei herauskamen.“)

Einordnung

Dutts eigene Quelle (Spotify HR Blog 2016) trägt den Titel „Why Individual OKRs Don’t Work for Us“ (dt. „Warum individuelle OKR bei uns nicht funktionieren“). Spotify schreibt darin, man habe 2013 die OKR für einzelne Mitarbeitende abgeschafft, weil der Prozess bis hinunter zur einzelnen Person überflüssig geworden sei. Auf Unternehmensebene, so Spotify im selben Beitrag, funktionierten OKR gut.

Wir setzen OKR auf Unternehmens-, Bereichs-, Abteilungs- und Teamebene ein, nicht als Zielvereinbarung mit einzelnen Mitarbeitenden. Spotifys Erfahrung bestätigt diesen Ansatz, statt ihn zu widerlegen.

2.3 Die Zielforschung sagt etwas anderes

Was Dutt schreibt

„Studies have found that on a complex task where a correct strategy wasn’t obvious and when performance was more a function of strategy than of task effort, do-your-best instructions led to better results than specific goals.“

Übersetzung: „Studien haben gezeigt, dass bei komplexen Aufgaben, bei denen die richtige Strategie nicht offensichtlich war und die Leistung mehr von der Strategie als vom Einsatz abhing, die Anweisung ‚Gib dein Bestes‘ zu besseren Ergebnissen führte als konkrete Ziele.“

Dutt stützt sich dabei vor allem auf den Aufsatz „Goals Gone Wild“ (Ordóñez et al. 2009a) und eine Studie von Earley, Connolly und Ekegren (1989).

Einordnung

Richtig ist: In frühen Lernphasen, wenn das Wissen für die Aufgabe noch fehlt, können konkrete Leistungsziele schaden. Dutt lässt aber den entscheidenden Teil derselben Forschung weg.

• Lernziele schlagen beide Varianten. Seijts und Latham (2005) fassen die Befunde so zusammen: In ihrer Unternehmenssimulation gab es keinen signifikanten Unterschied zwischen Personen mit Leistungsziel und Personen mit der Anweisung „Gib dein Bestes“. Personen mit einem konkreten Lernziel erreichten dagegen einen fast doppelt so hohen Marktanteil. Die Autoren empfehlen deshalb, bei neuen, komplexen Aufgaben ein konkretes, anspruchsvolles Lernziel zu setzen. Die Konsequenz lautet also nicht „keine Ziele“, sondern „das passende Ziel für die Situation“.
• Die Kritik an „Goals Gone Wild“ fehlt. Edwin Locke und Gary Latham, die die Zielsetzungstheorie begründet haben, haben „Goals Gone Wild“ noch im selben Jahr widersprochen (Locke und Latham 2009). Dutt zitiert nur deren Buch von 1990 und nennt die dort vorgeschlagenen Lösungen „superficial“ (dt. „oberflächlich“).
• Auch die Kritiker wollen Ziele nicht abschaffen. Ordóñez und Kollegen (2009b) vergleichen Zielsetzung mit einem wirksamen Medikament, das „carefully prescribed and closely monitored“ (dt. „sorgfältig verschrieben und eng überwacht“) werden sollte. Lisa Ordóñez sagt in Dutts eigenem Buch über deren Ansatz: „It retains the best part of goal setting (directing and aligning actions) without the negative aspects.“ (dt. „Er bewahrt den besten Teil der Zielsetzung, das Ausrichten und Abstimmen des Handelns, ohne die negativen Aspekte.“) Auch sie will also das Ausrichten und Abstimmen durch Ziele behalten.
• Gruppenziele wirken robust. Die Meta-Analyse von Kleingeld, van Mierlo und Arends (2011) zeigt über 49 Effektgrößen: Gruppenziele steigern die Leistung von Gruppen deutlich (d = 0,56). Konkrete, anspruchsvolle Gruppenziele erreichen einen großen Effekt (d = 0,80).

Wie OKR mit Lernzielen in unsicheren Phasen umgeht, beschreiben wir in Abschnitt 3.4.

2.4 OKR werden nicht für ein Jahr gesetzt

Was Dutt schreibt

„getting buy-in and setting OKRs every year takes incredible effort. If you discover during the year that some of the goals were set incorrectly, how much of the coordination and realignment are you willing to revisit?“

Übersetzung: „Zustimmung einzuholen und jedes Jahr OKR festzulegen, kostet enormen Aufwand. Wenn man im Laufe des Jahres feststellt, dass einige Ziele falsch gesetzt wurden: Wie viel der Koordination und Neuausrichtung ist man bereit, noch einmal anzufassen?“

Dazu zitiert sie eine Führungskraft aus einem Großunternehmen: „We’d die if we had to do this many times a year.“ (dt. „Wir würden daran zugrunde gehen, wenn wir das mehrmals im Jahr machen müssten.“)

Einordnung

Dutt argumentiert mit jährlichen OKR. Tatsächlich setzt auch Google laut eigenem Leitfaden (Google re:Work) „annual and quarterly OKRs“ (dt. „jährliche und vierteljährliche OKR“). Mit Jahres-OKR haben wir in der Praxis keine guten Erfahrungen gemacht: Die Methode wird dabei anders verwendet als in den kurzen Zyklen, und das führt meist zu Verwirrung. Für das Jahr arbeiten wir deshalb mit zwei anderen Instrumenten:

• KPIs als Jahresziele, die vollständig erreicht werden sollen.
• Ein Zielbild für das Jahresende, das „MOAL Picture“ (MOAL steht für Mid-term Goal). Es entsteht nach der Methode „Working Backwards“ (dt. „rückwärts arbeiten“) von Amazon: Das Zielbild beschreibt in Form einer fiktiven Pressemitteilung, was am Jahresende erreicht ist, ergänzt um die KPI-Ziele. Von diesem Zustand aus planen wir die nötigen Schritte rückwärts. Die früheren Amazon-Manager Colin Bryar und Bill Carr beschreiben den Grundsatz der Methode so: „start by defining the customer experience, then iteratively work backwards“ (dt. „zuerst das Kundenerlebnis definieren und dann schrittweise rückwärts arbeiten“) (Bryar und Carr 2021).

OKR selbst setzen wir nur für kurze Zyklen, bisher meist für drei Monate (Quartal), teilweise für vier Monate (Tertial). Aufgrund der Beschleunigung der Technologieentwicklung durch KI und der daraus entstehenden Beschleunigung in nahezu allen Bereichen gehen wir künftig von einem Zyklus von zwei Monaten als Standard aus. Der Fortschritt wird wöchentlich im Check-In besprochen, und die Maßnahmen werden im Rhythmus von ein bis zwei Wochen an ihre tatsächliche Wirkung angepasst. Das Ziel bleibt stabil, der Weg dorthin ist flexibel. Bei unvorhersehbaren Großereignissen wie einer Pandemie oder einem Kriegsausbruch starten wir das Planning vollständig neu.

Das Zitat der Führungskraft beschreibt erkennbar eine strikte Kaskade, in der jedes Key Result von oben nach unten weitergereicht wird. Mit wachsender Reife arbeiten wir mit loser Kopplung: Die Teams leiten ihre OKR eigenständig aus den übergeordneten OKR ab. Das senkt den Abstimmungsaufwand erheblich. Bei sehr reifen Produktteams ist statt einer Kaskade auch eine Zielsetzung von unten nach oben (Bottom-up) möglich. Dann muss allerdings ein Produktportfoliomanagement sichergestellt sein, und die Ziele müssen mit der Unternehmensstrategie abgeglichen werden. Alternativ erarbeiten die Teams die Strategie gemeinsam mit dem Top-Management und überprüfen sie regelmäßig.

Wann ein OKR-Set während des Zyklus angepasst werden sollte, beschreiben wir in Abschnitt 3.3.

2.5 Fokus auf wenige Kennzahlen? Nicht ohne KPIs daneben

Was Dutt schreibt

„Employees may optimize for those narrow measures of success, but this may come at the expense of other KPIs that you’re not measuring. OKRs may be helping you reach the local maximum instead of the global maximum.“

Übersetzung: „Mitarbeitende optimieren womöglich auf diese engen Erfolgsmaßstäbe, möglicherweise auf Kosten anderer KPIs, die nicht gemessen werden. OKR helfen womöglich, das lokale statt des globalen Maximums zu erreichen.“

Einordnung

Das trifft Organisationen, die ausschließlich mit OKR steuern. Wir steuern mit einem Drei-Dimensionalen Steuerungsmodell:

• Exploration: OKR für die Strategieumsetzung, bis hin zu neuen Geschäftsmodellen.
• Exploitation: OKR für die gezielte Verbesserung bestehender Prozesse, deren Bedarf KPIs aufzeigen.
• Execution: KPIs überwachen laufend die Gesundheit des Tagesgeschäfts.

Im Check-In werden nach dem Status der OKR auch die wichtigsten KPIs besprochen. OKR sind das Navigationssystem, KPIs die Instrumente im Armaturenbrett. Gerade die Exploration zielt auf das „globale Maximum“, das Dutt vermisst.

Auch Dutts Beispiel „Get over 20,000 new signups“ (dt. „mehr als 20.000 neue Registrierungen erreichen“) wäre bei uns kein gutes Key Result. Registrierungen gelten als Vanity-Indikator: Sie wirken beeindruckend, sagen aber wenig über den tatsächlichen Erfolg aus. Als Key Result taugen sie höchstens ergänzend. Wie man verhindert, dass eine Kennzahl auf Kosten anderer optimiert wird, wusste schon Andy Grove (Abschnitt 3.1).

2.6 Dutts Alternative führt Ziele durch die Hintertür wieder ein

Was Dutt schreibt

„You’ll need to develop a joint understanding of the baseline metrics today and talk about what improvements you want to see, how fast you want to see those improvements, and how that affects priorities.“

Übersetzung: „Sie müssen ein gemeinsames Verständnis der heutigen Ausgangswerte entwickeln und besprechen, welche Verbesserungen Sie sehen wollen, wie schnell Sie diese Verbesserungen sehen wollen und was das für die Prioritäten bedeutet.“

Einordnung

Ausgangswert, gewünschte Verbesserung, Tempo: Das sind genau die Bestandteile eines Key Results, nämlich Basiswert, Zielwert und Zeitraum. Dutt verzichtet lediglich darauf, sie festzuhalten. Dadurch werden sie weniger transparent und weniger verbindlich, aber nicht weniger zu Zielen.

Auch der Rest ihres Gegenentwurfs findet sich in OKR:

• Ihre regelmäßigen Kennzahlen-Runden entsprechen dem OKR-Check-In und dem OKR-Review.
• Ihre ausführliche Vision und die daraus abgeleitete Strategie sind das, was OKR voraussetzt. Wir leiten OKR aus Leitbild, Strategie, Jahreszielen und Jahresroadmap ab.

Radical Product Thinking und OKR schließen sich deshalb nicht aus, sie ergänzen sich. Radical Product Thinking schärft Vision und Produktstrategie. OKR übersetzt sie in einen Fokus für jeweils einen kurzen Zyklus mit messbarem Fortschritt, und zwar für alle Bereiche einer Organisation. Zwei Verbindungen liegen auf der Hand:

• Die Vision als Quelle für Objectives. Das Radical Vision Statement beschreibt, welche Veränderung ein Produkt bewirken soll. Daraus lassen sich Objectives ableiten, die diese Veränderung Etappe für Etappe angehen.
• Die Matrix als Hilfe im OKR-Planning. Die Abwägung zwischen Vision Fit und Survival hilft zu entscheiden, welche Themen in den nächsten Zyklus gehören und welche bewusst warten.

Gerade für Bereiche ohne Produktkennzahlen, etwa Personal, Finanzen oder Verwaltung, bietet „Kennzahlen ohne Zielwerte“ keinen Mechanismus, um zu priorisieren.

3. Wo Dutt einen wahren Kern trifft und wie OKR ihn löst

3.1 Schönrechnen: Wenn die Kennzahl zum Ziel wird

Was Dutt schreibt

„Researchers found that people who were given specific goals were more likely to engage in unethical behavior than people who were told to do their best. Even more importantly, they found that the relationship between goal setting and unethical behavior was particularly strong when people fell just short of reaching their goals.“

Übersetzung: „Forschende stellten fest, dass Menschen mit konkreten Zielen eher unethisch handelten als Menschen, die ihr Bestes geben sollten. Noch wichtiger: Der Zusammenhang war besonders stark, wenn Menschen ihr Ziel knapp verfehlten.“

Hinzu kommt ihre These, die Entkopplung von der Vergütung reiche nicht aus.

Der wahre Kern

Ziele erzeugen Druck, auch ohne Geld. Die Studie, auf die Dutt sich stützt (Schweitzer, Ordóñez und Douma 2004), fand den Effekt mit und ohne finanzielle Anreize. Diesen Punkt sollte niemand kleinreden. Entscheidend ist aber, auf welchem Weg Zahlen geschönt werden können. Es gibt vier solche Wege, und OKR hat für jeden eine Antwort.

Weg 1: Zahlen falsch melden

Im Experiment von Schweitzer und Kollegen bildeten 154 Studierende Wörter aus sieben Buchstaben. Sie kontrollierten ihre Ergebnisse selbst und meldeten dann, ob sie das Ziel von neun Wörtern erreicht hatten. Die Forschenden verglichen diese Meldung mit den tatsächlich geschriebenen Wörtern. Gemessen wurde also das Schönen der eigenen Meldung.

Wir setzen bei Key Results auf Wirkungsmetriken, die objektiv messbar sind. Werden sie aus Systemen erfasst, etwa aus CRM, Ticketsystem oder Telefonanlage, ist dieser Weg weitgehend verschlossen.

Objektiv messbar heißt allerdings noch nicht objektiv gemessen. Die englische Gesundheitsaufsicht Commission for Health Improvement stellte 2003 fest (Commission for Health Improvement 2003), dass ein Drittel der geprüften Rettungsdienste Einsatzzeiten nachträglich angepasst hatte, um das Ziel von acht Minuten bei lebensbedrohlichen Notrufen zu erreichen. Die gemessene Leistung verbesserte sich dadurch um 2 bis 6 Prozentpunkte. Als Ursachen nannte die Behörde unter anderem „fear of failure“ (dt. „Angst vor dem Scheitern“) und Kulturen, in denen Mitarbeitende sich unter Druck fühlten, „die richtige Antwort zu liefern“.

Daraus folgt: Für jedes Key Result muss feststehen, woher die Zahl kommt und wer sie misst. Wo möglich, liefert sie ein System und nicht die Person, die über den Fortschritt berichtet.

Weg 2: Die Zahl stimmt, der Weg ist falsch

Bei Wells Fargo war die Kennzahl perfekt objektiv, denn Konten lassen sich zählen. Laut CFPB (2016) eröffneten Mitarbeitende rund 1,5 Millionen Einlagenkonten und beantragten rund 565.000 Kreditkarten, die Kundinnen und Kunden möglicherweise nie autorisiert hatten. Dafür verschoben sie Geld zwischen Konten, legten falsche E-Mail-Adressen an und vergaben PINs ohne Wissen der Kunden. Die Zahl war echt. Manipuliert war die Wirklichkeit.

Der Sozialwissenschaftler Donald T. Campbell hat diesen Mechanismus beschrieben (Campbell 1979): Je stärker eine quantitative Kennzahl für Entscheidungen genutzt wird, desto stärker steht sie unter Verzerrungsdruck, und desto eher verzerrt sie die Prozesse, die sie eigentlich abbilden soll.

OKR lässt den Weg zum Ziel bewusst offen, denn darin liegt die Kreativität der Teams. Diese Freiheit schließt aber auch unerwünschte Wege ein. Typische Beispiele:

Wie realistisch das Beispiel der Unfälle ist, zeigt ein Memo der US-Arbeitsschutzbehörde OSHA aus dem Jahr 2012 (OSHA 2012). Es warnt vor Prämienprogrammen, bei denen ein ganzes Team leer ausgeht, sobald eine Verletzung gemeldet wird. Solche Programme führten dazu, dass Verletzungen nicht erfasst würden, auch weil Betroffene ihre Kolleginnen und Kollegen nicht benachteiligen wollten. Das Memo bezieht sich auf Prämien. Derselbe Mechanismus kann aber auch über sozialen Druck wirken, etwa wenn ein Team-Score im ganzen Unternehmen sichtbar ist.

Weg 3: Die Definition dehnen

Objektiv gemessen wird erst, wenn feststeht, was gezählt wird. Was ist ein „Neukunde“: auch eine Reaktivierung, auch ein Probeabo? Was ist ein „Unfall“, was ein „Fehler“?

Wie folgenreich solche Spielräume sind, zeigt ein Beispiel aus Großbritannien: Im Januar 2014 entzog die nationale Statistikbehörde UK Statistics Authority den polizeilich erfassten Kriminalitätszahlen das Qualitätssiegel „National Statistics“ (Full Fact 2014). Vorausgegangen waren unter anderem Aussagen aktiver und ehemaliger Polizisten vor dem Parlament, Straftaten seien in leichtere Kategorien herabgestuft worden.

Daraus folgt: Die Messdefinition eines Key Results wird im Planning festgelegt und darf nur dokumentiert geändert werden.

Weg 4: Den Zielwert drücken

Objektive Messung sagt nichts darüber, wie ehrgeizig ein Zielwert ist. Bevan und Hood (2006) zeigen am Beispiel des englischen Gesundheitswesens, wie Zielsysteme zu solchem Taktieren führen. Eine bekannte Form ist der Sperrklinken-Effekt („ratchet effect“): Wer heute übererfüllt, bekommt morgen ein höheres Ziel, also hält man sich zurück.

Hier wirken zwei Grundregeln von OKR direkt dagegen: Ein Zielerreichungsgrad von 70 Prozent gilt als Erfolg, und OKR sind nicht an die Vergütung gekoppelt. Wer nichts zu verlieren hat, muss den Zielwert nicht drücken. Ergänzend sollte der Basiswert aus einem festgelegten Zeitraum stammen und nicht aus dem günstigsten Monat.

Die Antwort aus OKR selbst: gepaarte Indikatoren, heute Guardrails genannt

Die wirksamste Antwort auf Dutts Einwand stammt vom Erfinder von OKR selbst. Andy Grove schreibt in „High Output Management“ (1983), Kennzahlen lenkten das Handeln. Deshalb müsse man Überreaktionen vorbeugen:

„This you can do by pairing indicators, so that together both effect and counter-effect are measured.“

Übersetzung: „Das erreicht man, indem man Indikatoren paart, sodass Wirkung und Gegenwirkung gemeinsam gemessen werden.“

Sein Beispiel: Wer den Lagerbestand senken will, muss auch die Fehlmengen messen.

Heute heißen solche Gegenindikatoren meist Guardrails, also Leitplanken. Der Begriff ist vor allem aus der Experimentierpraxis großer Digitalunternehmen bekannt, wo Guardrail-Metriken neben der eigentlichen Zielkennzahl überwacht werden (Kohavi, Tang und Xu 2020). Ein Guardrail legt fest, wie weit sich eine andere Kennzahl höchstens verschlechtern darf, während das Team am eigentlichen Ziel arbeitet.

Bei uns gehören zu jedem Key Result vier Angaben:

1. eine Wirkungsmetrik, die objektiv messbar ist,
2. eine festgelegte Messdefinition,
3. eine benannte Datenquelle, idealerweise ein System,
4. ein Basiswert aus einem festgelegten Zeitraum. Gibt es noch keinen, etwa bei einem neuen Angebot, wird er zu Beginn des Zyklus ermittelt und nachgetragen.

Einen Guardrail setzen wir gezielt dort ein, wo die Gefahr besteht, dass ein Key Result auf dem falschen Weg erreicht wird. Er wird dann als eigenes Key Result im selben OKR-Set formuliert. Zwei Beispiele:

• Vertrieb: Zum Key Result „Wir haben den Umsatz mit Produkt X von 2 auf 3 Millionen Euro gesteigert“ kommt der Guardrail „Wir haben die Marge von Produkt X bei mindestens 30 Prozent gehalten“. So kann der Vertrieb das Umsatzziel nicht erreichen, indem er das Produkt unter den Herstellungskosten verkauft. Er muss sich andere Maßnahmen überlegen.
• Produkt: Zum Key Result „Wir haben die wöchentlich aktiven Nutzer unserer App von 20.000 auf 30.000 gesteigert“ kommt der Guardrail „Wir haben die Abmeldequote für Push-Benachrichtigungen unter 2 Prozent gehalten“. Der schnellste Weg zu mehr aktiven Nutzern wären mehr Push-Nachrichten. Wer sich davon gestört fühlt, schaltet sie ab oder löscht die App. Der Guardrail zwingt das Team, die App selbst attraktiver zu machen.

Im OKR-Review gehört außerdem eine Frage dazu, die über die Zahl hinausgeht: „Wie haben wir das erreicht?“

Zwischenfazit

Dutt hat recht, dass Ziele Druck erzeugen, Zahlen zu schönen, auch ohne Bonus. Objektive Wirkungsmetriken aus Systemdaten verhindern, dass Zahlen falsch gemeldet werden. Gegen die anderen drei Wege helfen Messdefinition, Basiszeitraum, die 70-Prozent-Regel und, wo ein Fehlanreiz droht, Groves gepaarte Indikatoren, heute als Guardrails bekannt. Die Antwort auf Dutt ist nicht, Zielwerte abzuschaffen, sondern sie so zu bauen, wie der Erfinder von OKR es schon 1983 empfohlen hat.

3.2 „Alle wissen, wessen Versagen es war“: Verantwortung ohne Schuld

Was Dutt schreibt

„Unfortunately, divorcing OKRs from performance appraisals isn’t enough […] the process of setting OKRs requires listing who is responsible for achieving a particular goal. This means if a goal is not achieved, everyone is aware of whose failure it was […]“

Übersetzung: „Leider reicht es nicht, OKR von Leistungsbeurteilungen zu entkoppeln. […] Der OKR-Prozess verlangt festzulegen, wer für das Erreichen eines bestimmten Ziels verantwortlich ist. Wird ein Ziel nicht erreicht, wissen also alle, wessen Versagen es war.“

Sinngemäß: Selbst wenn OKR nicht an die Vergütung gekoppelt sind, werde die Leistung einzelner Menschen durch die Hintertür doch an die Zielerreichung gebunden.

Warum das Argument nicht trägt

Erstens beschreibt die Prämisse OKR falsch. In OKR ist nicht eine einzelne Person dafür verantwortlich, ein Ziel zu erreichen. Die oder der Verantwortliche eines Key Results oder OKR-Sets, der Owner, hat eine andere Aufgabe:

• die Arbeit koordinieren,
• Check-Ins und Reviews vorbereiten,
• über den Fortschritt berichten,
• und idealerweise selbst an der Umsetzung mitwirken.

Die Verantwortung für das Ergebnis trägt das gesamte Team, also die Arbeitsgruppe, die an dem Key Result oder OKR-Set arbeitet. Google beschreibt das in seinem offiziellen OKR-Leitfaden (Google re:Work) ähnlich: Die Bewertung erläutert der Owner, „usually the leader from the relevant team“ (dt. „meist die Leitung des betreffenden Teams“). Und weiter: „OKRs are not synonymous with employee evaluations.“ (dt. „OKR sind nicht gleichbedeutend mit Mitarbeiterbeurteilungen.“)

Dass OKR für einzelne Personen nicht funktionieren, hat Spotify schon 2013 festgestellt (siehe Abschnitt 2.2). Dutt zitiert genau diesen Beitrag, macht daraus aber eine Abkehr von OKR insgesamt.

Zweitens bleibt die Behauptung unbelegt. An anderen Stellen ihres Kapitels stützt sich Dutt auf Studien. Für die These, dass eine benannte verantwortliche Person zwangsläufig Schuld zuweist, nennt sie keine Quelle.

Drittens braucht ihr eigener Gegenentwurf dieselbe Sichtbarkeit. Dutt empfiehlt: „To achieve accountability without the adverse side effects of a goals-based approach, you can have product teams present product KPIs at regular update meetings.“ (dt. „Um Verantwortlichkeit ohne die negativen Nebenwirkungen eines zielbasierten Ansatzes zu erreichen, können Produktteams ihre Produkt-KPIs in regelmäßigen Update-Meetings vorstellen.“) Und: „These discussions achieve increased alignment as well as accountability.“ (dt. „Diese Diskussionen sorgen für mehr Abstimmung und zugleich für Verantwortlichkeit.“) Wenn ein Team seine Kennzahlen regelmäßig vor der Organisation vorstellt, sieht jeder, wessen Produkt zurückliegt. Dutt will also ebenfalls Rechenschaft und Sichtbarkeit. Sie streicht lediglich den vereinbarten Zielwert, an dem sich der Fortschritt messen lässt.

Was die Forschung zeigt

1. Gruppenziele wirken stark, Einzelziele können schaden. Die Meta-Analyse von Kleingeld, van Mierlo und Arends (2011) wertet 49 Effektgrößen aus und kommt zu folgenden Ergebnissen:

• Gruppenziele steigern die Leistung von Gruppen deutlich (d = 0,56).
• Konkrete, anspruchsvolle Gruppenziele wirken noch stärker (d = 0,80). Nach gängiger Konvention ist das ein großer Effekt.
• Einzelziele, mit denen jemand die eigene Leistung maximieren will, schadeten der Gruppenleistung deutlich (d = -1,75, sechs Studien).
• Einzelziele, die auf den eigenen Beitrag zum Gruppenziel ausgerichtet waren, wirkten dagegen positiv (d = 1,20, vier Studien).

Die Befunde zu Einzelzielen beruhen auf wenigen Studien, ihre Richtung ist aber eindeutig. Genau diese Konstellation bildet OKR ab: Das Team verfolgt ein gemeinsames Key Result, und die einzelnen Beiträge zahlen auf dieses gemeinsame Ziel ein.

2. Wo Beiträge sichtbar sind, sinkt Trittbrettfahren. Ein naheliegender Einwand gegen Teamverantwortung lautet, dann fühle sich niemand zuständig. Die Psychologie nennt das soziales Faulenzen. Die Meta-Analyse von Karau und Williams (1993) zeigt, was diesen Effekt verringert:

• zuordenbare Einzelbeiträge,
• regelmäßiges Feedback,
• eine Aufgabe, die als sinnvoll erlebt wird.

OKR liefert alle drei, ohne Einzelne für das Ergebnis haftbar zu machen. Die Beiträge werden auf der Ebene der Aufgaben sichtbar, etwa wenn im Daily Huddle oder im Check-In jedes Teammitglied sagt, auf welches Key Result seine Tätigkeit einzahlt. Feedback gibt es wöchentlich. Den Sinn liefert das Key Result selbst, wenn es seinen Zweck benennt („… um …“).

3. Am besten wirkt Rechenschaft für Ergebnis und Weg zugleich. Chang, Atanasov, Patil, Mellers und Tetlock (2017) untersuchten über einen langen Zeitraum, wie Rechenschaftspflicht die Treffsicherheit von Prognosen beeinflusst:

• Wer Rechenschaft ablegen musste, schnitt besser ab als wer es nicht musste.
• Rechenschaft für das Ergebnis brachte mehr als Rechenschaft nur für das Vorgehen, und der Abstand wuchs mit der Zeit.
• Die Kombination aus beidem war ebenso treffsicher und verbesserte zusätzlich den Wissensaustausch.

Übertragen auf OKR: Das Team steht für das Ergebnis ein, gemessen am Key Result. Der Owner sorgt dafür, dass der Weg transparent bleibt: durch regelmäßige Berichte, durch eine frühe Warnung, wenn die Zuversicht des Teams sinkt (Confidence Level), und durch dokumentierte Erkenntnisse im Review.

4. Der eigentliche Gegner ist Angst, nicht Verantwortung. Dieselbe Studie benennt die Gefahr, die Dutt meint, präziser als sie: die Angst, bewertet zu werden. Sie kann Entscheidungen verschlechtern und dazu führen, dass Menschen an bereits investierten Mitteln festhalten. Die Antwort darauf ist psychologische Sicherheit. Amy Edmondson (1999) definiert sie als gemeinsame Überzeugung im Team, dass man zwischenmenschliche Risiken eingehen kann. Teams mit hoher psychologischer Sicherheit holen öfter Feedback ein, besprechen Fehler offener, experimentieren mehr und erzielen darüber bessere Ergebnisse.

Google setzt das an zwei Stellen um:

• In den Betriebsteams sind Nachbetrachtungen von Störungen ausdrücklich ohne Schuldzuweisung angelegt („blameless postmortems“, siehe Google SRE Book). Sie benennen Ursachen „without indicting any individual or team“ (dt. „ohne einzelne Personen oder Teams zu beschuldigen“) und unterstellen, dass alle Beteiligten „had good intentions and did the right thing with the information they had“ (dt. „gute Absichten hatten und mit den verfügbaren Informationen das Richtige getan haben“).
• Für OKR gilt dieselbe Haltung (Google re:Work): „Low grades should be viewed as data to help refine the next OKRs.“ (dt. „Niedrige Bewertungen sind als Daten zu verstehen, die helfen, die nächsten OKR zu verbessern.“)

So sieht das Rollenmodell in der Praxis aus

Dazu gehört eine einfache Regel für die Meetings: Berichtet wird an das Team, nicht an die Führungskraft.

Zwischenfazit

Dutts Kritik trifft ein Zerrbild: individuelle OKR, für deren Verfehlung eine einzelne Person haftet. OKR, wie es gedacht ist, verteilt die Rollen anders. Das Team trägt das Ergebnis, der Owner koordiniert und berichtet, und ein verfehlter Score ist eine Information für den nächsten Zyklus, kein Urteil über Menschen. Die Forschung stützt genau diese Konstellation: gemeinsame Gruppenziele, sichtbare Einzelbeiträge, Rechenschaft für Ergebnis und Weg sowie ein Umfeld, in dem Verfehlungen offen besprochen werden können.

3.3 Anpassung im Zyklus: Wann ein OKR-Set geändert werden darf

Was Dutt schreibt

„OKRs, once set, are hard to adjust, and teams may end up working toward a goal even when it’s clear that it’s not the right measure of success.“

Übersetzung: „Einmal gesetzte OKR sind schwer anzupassen, und Teams arbeiten womöglich weiter auf ein Ziel hin, obwohl klar ist, dass es nicht der richtige Erfolgsmaßstab ist.“

Dutt erwähnt selbst, dass Bruce McCarthy, Autor von „Product Roadmaps Relaunched“, in seinen OKR-Workshops empfiehlt, OKR neu zu kalibrieren, wenn sie sich als falsche Indikatoren oder als unerreichbar erweisen. In großen Organisationen hält sie das für nicht praktikabel, weil OKR dort über viele Bereiche abgestimmt seien.

Der wahre Kern

Beim Umgang mit laufenden Zielen sind zwei Fehler möglich, und beide sind gut erforscht:

• Am falschen Kurs festhalten. Barry Staw (1976) ließ 240 Teilnehmende in einer Unternehmenssimulation über Investitionen entscheiden. Wer persönlich für eine Fehlentscheidung verantwortlich war, steckte anschließend das meiste Geld in genau den Kurs, den er zuvor gewählt hatte. Eine Regel, die das Ändern eines erkennbar falschen Key Results verbietet, würde diesen Effekt fest einbauen.
• Ziele beim ersten Widerstand ändern. Locke und Latham (2002) fassen 35 Jahre Forschung so zusammen: Anspruchsvolle Ziele führen zu höherer Leistung, und die Leistung lässt erst nach, wenn die Grenzen der Fähigkeiten erreicht sind oder „when commitment to a highly difficult goal lapsed“ (dt. „wenn die Bindung an ein sehr schweres Ziel nachließ“). Wer Ziele anpasst, sobald es unbequem wird, untergräbt genau diese Bindung. Dutt selbst warnt in ihrem Buch vor diesem Fehler (Dutt 2021, Kap. 2) und nennt ihn „Pivotitis“: „changing direction whenever things get tough“ (dt. „die Richtung zu ändern, sobald es schwierig wird“), mit der Folge erschöpfter, verwirrter und demotivierter Teams.

Was OKR dazu sagt

OKR ist nach seinen eigenen Quellen nicht starr angelegt. John Doerr schreibt in „Measure What Matters“ (Doerr 2018): „Remember that an OKR can be modified or even scrapped at any point in its cycle.“ (dt. „Denken Sie daran, dass ein OKR zu jedem Zeitpunkt seines Zyklus angepasst oder sogar gestrichen werden kann.“) Googles OKR-Leitfaden (Google re:Work) beschreibt, dass manche Teams ihre OKR „a few times a quarter“ (dt. „ein paar Mal pro Quartal“) überprüfen, um Ziele aufzugeben, „that are clearly not going to happen“ (dt. „die eindeutig nicht erreicht werden“). Beliebig sind Änderungen trotzdem nicht. Die Plattform What Matters, deren Trainings auf Doerrs Buch beruhen, legt die Hürde bewusst hoch (What Matters): „The bar for changing OKRs should be high“ (dt. „Die Hürde für Änderungen an OKR sollte hoch sein“), und: „Never change your OKRs because you’re afraid you’ll fall short of a goal.“ (dt. „Ändern Sie Ihre OKR nie, weil Sie befürchten, ein Ziel zu verfehlen.“) Dutts Kritik trifft also eine Praxis, die die Methode selbst nicht vorsieht.

Unsere Regel: drei Fälle

Damit weder das eine noch das andere passiert, unterscheiden wir drei Fälle:

Unabhängig davon passen die Teams ihre Maßnahmen ohnehin laufend an: im Rhythmus von ein bis zwei Wochen und gemessen an deren tatsächlicher Wirkung.

Warum das auch in großen Organisationen funktioniert

Dutts Einwand, Anpassungen seien in Konzernen zu aufwendig, greift aus drei Gründen nicht:

• Outcome-Ziele veralten selten. Ein Objective beschreibt die gewünschte Wirkung. Diese bleibt meist richtig, auch wenn einzelne Wege dorthin scheitern. Die Wege werden wöchentlich angepasst, ohne dass dafür eine neue Abstimmung nötig ist.
• Änderungen bleiben lokal. Fall 2 betrifft ein einzelnes Key Result. Durch die Transparenz von OKR sehen betroffene Teams die Änderung sofort. Bei loser Kopplung löst sie keine Kaskade neuer Verhandlungen aus.
• Die Fehlerzeit ist kurz. In Dutts Szenario arbeitet ein Team womöglich ein Jahr lang auf eine falsche Messgröße hin. Mit kurzen Zyklen und wöchentlichem Check-In ist es höchstens eine Woche bis zum nächsten Check-In.

Zwischenfazit

Dutt hat recht, dass Teams nicht an einem erkennbar falschen Erfolgsmaßstab festhalten sollten. OKR sieht das auch nicht vor. Die Kunst liegt in der Unterscheidung: Ein schweres Ziel bleibt, eine falsche Messgröße wird korrigiert, und bei einem Großereignis beginnt das Planning neu.

3.4 Lernziele für unsichere Phasen

Was Dutt schreibt

„specific goals may discourage experimentation and adaptive behavior and ultimately limit innovation.“

Übersetzung: „Konkrete Ziele können Experimente und anpassungsfähiges Verhalten hemmen und letztlich Innovation begrenzen.“

Der wahre Kern

Wer ein neues Feld betritt, dem fehlt das Wissen, wie das Ziel zu erreichen ist. In dieser Lage können konkrete Leistungsziele schaden, weil sie zu Aktionismus statt zu Lernen verleiten. Das bestätigen auch Locke und Latham (2002): Bei Aufgaben, die für die Beteiligten komplex sind, „learning goals can be superior to performance goals“ (dt. „Lernziele können Leistungszielen überlegen sein“). Wie in Abschnitt 2.3 gezeigt, folgt daraus aber nicht, dass man auf Ziele verzichten sollte. Seijts und Latham (2005) empfehlen ausdrücklich ein konkretes, anspruchsvolles Lernziel.

Die Antwort aus OKR: Lernrichtung im Objective, Wirkung in den Key Results

In unsicheren Phasen trennen wir drei Ebenen sauber:

• Das Objective gibt die Lernrichtung vor, so wie Seijts und Latham es empfehlen.
• Die Key Results messen die Wirkung beim Kunden, nicht die Arbeit des Teams.
• Die Maßnahmen sind die Experimente, mit denen das Team herausfindet, was wirkt.

Das entspricht dem Kreislauf aus Bauen, Messen und Lernen, den Eric Ries in „The Lean Startup“ beschreibt (Ries 2011). Ries nennt das Ergebnis „validated learning“ (dt. „validiertes Lernen“): den empirischen Nachweis, dass ein Team „has discovered valuable truths“ (dt. „wertvolle Wahrheiten entdeckt hat“) über die gegenwärtigen und künftigen Geschäftsaussichten.

Wie viel dabei von der Formulierung abhängt, zeigt ein Beispiel aus der Preisfindung. Das Objective lautet: „Wir haben ein Preismodell gefunden, das mittelständische Kunden überzeugt.“

Output, den wir vermeiden

„Wir haben mit mindestens 50 Zielkunden belastbar geklärt, ob mittelständische Kunden für unser Produkt 49 Euro im Monat zahlen, gemessen an verbindlichen Vorbestellungen, und auf dieser Basis über das Preismodell entschieden.“

Dieses Key Result wirkt messbar und anspruchsvoll. Es misst aber die Arbeit des Teams: Ein Test wurde durchgeführt, eine Entscheidung getroffen. Erfüllt wäre es auch dann, wenn kein einziger Kunde das Preismodell überzeugend findet. Ob das Modell bei Kunden ankommt, sagt es nicht.

Outcome, den wir anstreben

„Wir haben für die Attraktivität unseres Preismodells von der Zielgruppe 5 von 5 Sternen bekommen.“

Dieses Key Result misst die Wirkung beim Kunden: wie überzeugend die Zielgruppe das Preismodell findet. Den konkreten Preispunkt ermitteln wir im nächsten Schritt, wenn das Modell selbst überzeugt.

Drei Regeln für Outcome-Ziele in unsicheren Phasen

1. Kundenwirkung statt Teamleistung. Ein Key Result misst, was beim Kunden passiert, nicht was das Team getan oder entschieden hat.
2. Ein niedriger Score ist eine Erkenntnis. Bewertet die Zielgruppe das Preismodell mit 2 von 5 Sternen, überzeugt es nicht, und das Team testet im nächsten Zyklus ein anderes. Google formuliert es so (Google re:Work): „Low grades should be viewed as data to help refine the next OKRs.“ (dt. „Niedrige Bewertungen sind als Daten zu verstehen, die helfen, die nächsten OKR zu verbessern.“)
3. Erst das Modell, dann der Preispunkt, dann das Wachstum. Überzeugt das Modell, ermittelt das nächste OKR-Set den Preispunkt. Danach folgt ein Key Result für das Wachstum, etwa die Zahl der Neukunden. So setzt OKR in jeder Phase das passende Ziel: erst lernen, dann skalieren.

Zwischenfazit

Die Forschung, auf die sich Dutt beruft, spricht nicht gegen Ziele, sondern für die richtige Art von Zielen. OKR verbindet beides: Das Objective gibt in unsicheren Phasen eine Lernrichtung vor, die Key Results messen die Wirkung beim Kunden, und die Maßnahmen bleiben frei für Experimente.

3.5 Ambition und Aufwand

Was Dutt schreibt

„Ironically, the goals that were designed to be aspirational become demotivating. Even high-performing individuals who are passionate about their product will advocate for less ambitious goal setting because of the fear of failing to achieve those goals.“

Übersetzung: „Ironischerweise demotivieren gerade die Ziele, die ambitioniert sein sollten. Selbst Leistungsträger, die für ihr Produkt brennen, plädieren aus Angst vor dem Verfehlen für weniger ehrgeizige Ziele.“

Und zum Aufwand: „Teams that use OKRs spend long hours negotiating these goals.“ (dt. „Teams, die OKR nutzen, verbringen viele Stunden damit, diese Ziele auszuhandeln.“)

Ambition: der wahre Kern

Für die Behauptung, Leistungsträger drängten aus Angst auf niedrigere Ziele, nennt Dutt keine Quelle. Einen wahren Kern hat sie trotzdem: Sitkin, See, Miller, Lawless und Carton (2011) argumentieren, dass „stretch goals“ (dt. „Stretch-Ziele“) im Sinne scheinbar unerreichbarer Ziele riskant sind. Sie seien „paradoxically, most seductive for organizations that can least afford the risks“ (dt. „paradoxerweise am verlockendsten für Organisationen, die sich die Risiken am wenigsten leisten können“). Unbegrenzte Ambition ist also kein Selbstzweck.

Was die Forschung zu anspruchsvollen Zielen sagt

Locke und Latham (2002) fassen die Befunde eindeutig zusammen:

• „the highest or most difficult goals produced the highest levels of effort and performance“ (dt. „die höchsten bzw. schwierigsten Ziele führten zu den höchsten Anstrengungen und Leistungen“)
• „specific, difficult goals consistently led to higher performance than urging people to do their best“ (dt. „konkrete, schwierige Ziele führten durchweg zu höherer Leistung als die Aufforderung, das Beste zu geben“)

Ambition wirkt also, solange die Bindung an das Ziel hält. Die Frage ist nicht, ob Ziele ambitioniert sein sollten, sondern wie man Ambition ohne Angst ermöglicht.

Unsere Praxis

• 70 Prozent gelten als Erfolg. Diese Regel gilt bei uns für alle Outcome-Ziele. Wer ein ambitioniertes Ziel setzt und 70 Prozent erreicht, hat sein Ziel erreicht. Der Angst vor dem Verfehlen fehlt damit die Grundlage. Weil OKR zudem nicht an die Vergütung gekoppelt sind, gibt es keinen Grund, Ziele niedrig anzusetzen.
• Ambitioniert heißt nicht unerreichbar. Unsere Ziele sind so angelegt, dass 70 Prozent mit guter Arbeit erreichbar sind: nicht bequem, sondern mit Einsatz und Kreativität. Sie sind damit keine „scheinbar unerreichbaren“ Ziele im Sinne von Sitkin und Kollegen. Sie sollen ein Anreiz sein, sofort zu starten und dranzubleiben, aber nicht so groß, dass sie in Burnout oder Resignation führen. Das deckt sich mit Locke und Latham (2002): Die Leistung lässt nach, sobald die Bindung an ein sehr schweres Ziel verloren geht.
• Wo 100 Prozent Pflicht sind, gilt keine 70-Prozent-Regel. Bei Sicherheit und Compliance ist eine teilweise Erfüllung kein Erfolg. Solche Ziele werden nicht als ambitionierte OKR behandelt.
• Output-Ziele gehören nicht in ein OKR-Set. Für sie wäre die 70-Prozent-Regel ohnehin kaum sinnvoll anwendbar. Wir formulieren Key Results deshalb als Wirkung, nicht als Tätigkeit oder Ergebnisdokument.
• Frühe Warnung statt später Enttäuschung. Im wöchentlichen Check-In schätzt das Team ein, wie zuversichtlich es ist, das Key Result zu erreichen (Confidence Level). Sinkt die Zuversicht, wird das früh sichtbar, und das Team kann Unterstützung einfordern oder nach der Drei-Fälle-Regel aus Abschnitt 3.3 reagieren.

Aufwand: Was OKR tatsächlich kostet

Dutt kritisiert die Stunden, die Teams mit dem Aushandeln von OKR verbringen. Ihr eigener Vorschlag spart diese Zeit allerdings nicht ein, er verteilt sie um: „Instead, you can allocate those same hours to regularly scheduled cross-functional discussions“ (dt. „Stattdessen können Sie dieselben Stunden für regelmäßige, bereichsübergreifende Besprechungen einsetzen“). Es geht also nicht um weniger Aufwand, sondern um anderen.

In unserer Praxis dauert das OKR-Planning pro Team vier Stunden je Zyklus, aufgeteilt in zwei Stunden für den Entwurf (Drafting) und zwei Stunden für die Verfeinerung (Refinement). Für die OKR auf Unternehmensebene planen wir bis zu einen Tag ein. Bei Quartalszyklen sind das pro Team 16 Stunden im Jahr, also rund zwei Arbeitstage, bei künftig zweimonatigen Zyklen 24 Stunden, also rund drei Arbeitstage. Dazu tragen zwei Dinge bei:

• Wenige Ziele. Googles Leitfaden (Google re:Work) empfiehlt „just three to five objectives“ (dt. „nur drei bis fünf Objectives“) mit jeweils „about three key results“ (dt. „etwa drei Key Results“). Wir empfehlen zwei bis vier Objectives mit jeweils zwei bis vier Key Results und weichen damit bewusst von verbreiteten Faustregeln wie „drei Objectives mit je drei Key Results“ und von Googles Empfehlung ab. Ein einzelnes Key Result bildet ein Objective selten vollständig ab. Mehr als vier verwässern den Fokus und verlängern die Check-Ins.
• Lose Kopplung statt strikter Kaskade. Teams leiten ihre OKR eigenständig aus den übergeordneten OKR ab, statt jedes Key Result einzeln herunterzuverhandeln (Abschnitt 2.4).

Zwischenfazit

Ambitionierte Ziele demotivieren dort, wo Verfehlen bestraft wird und Ziele scheinbar unerreichbar sind. OKR beantwortet beides: 70 Prozent gelten als Erfolg, die Vergütung ist entkoppelt, und wo 100 Prozent Pflicht sind, gilt die Regel nicht. Der Aufwand liegt bei rund zwei bis drei Arbeitstagen pro Team und Jahr, nicht bei den „long hours“ (dt. „vielen Stunden“), die Dutt beschreibt.

4. Fazit

Radhika Dutt beschreibt reale Nebenwirkungen von Zielsteuerung. Ihre Belege stammen aber aus Quotensystemen, Jahreszielen mit Bonuskopplung und individuellen Zielvereinbarungen, also aus genau der Praxis, die OKR ersetzen soll. Wo ihre Kritik einen wahren Kern hat, liegt die Lösung in OKR selbst und in der Forschung, auf die sie sich beruft.

Ihr eigener Gegenentwurf enthält Basiswerte, gewünschte Verbesserungen und Zeiträume, nur ohne sie festzuhalten. Radical Product Thinking und OKR sind deshalb keine Gegensätze. Das eine schärft Vision und Produktstrategie, das andere macht ihre Umsetzung messbar, und zwar mit Regeln, die die Nebenwirkungen, vor denen Dutt warnt, gezielt verhindern.

Anmerkungen

¹ Die Mitbestimmungsrechte des Betriebsrats greifen unter anderem bei technischen Einrichtungen, die dazu bestimmt sind, das Verhalten oder die Leistung der Beschäftigten zu überwachen (§ 87 Abs. 1 Nr. 6 BetrVG), bei Zielerreichungsprämien als Frage der Lohngestaltung (§ 87 Abs. 1 Nr. 10 BetrVG; Redmann, Haufe) und bei allgemeinen Beurteilungsgrundsätzen (§ 94 Abs. 2 BetrVG). Im öffentlichen Dienst hat der Personalrat nach den Personalvertretungsgesetzen vergleichbare Rechte. ↩

Quellen

• Betriebsverfassungsgesetz (BetrVG), § 87 Abs. 1 Nr. 6 und 10, § 94 Abs. 2. https://www.gesetze-im-internet.de/betrvg/
• Bevan, G. & Hood, C. (2006): What’s measured is what matters: targets and gaming in the English public health care system. Public Administration 84(3), S. 517 bis 538. https://eprints.lse.ac.uk/16211
• Bryar, C. & Carr, B. (2021): Working Backwards: Insights, Stories, and Secrets from Inside Amazon. St. Martin’s Press. Auszug: https://aboutamazon.com/news/workplace/an-insider-look-at-amazons-culture-and-processes
• Campbell, D. T. (1979): Assessing the impact of planned social change. Evaluation and Program Planning 2(1), S. 67 bis 90.
• Chang, W., Atanasov, P., Patil, S., Mellers, B. A. & Tetlock, P. E. (2017): Accountability and adaptive performance under uncertainty: A long-term view. Judgment and Decision Making 12(6), S. 610 bis 626. https://dlab.sauder.ubc.ca/sjdm/journal/17/17630/jdm17630.html
• Commission for Health Improvement (2003), berichtet in: Public Finance: Ambulance trusts fudge response data. https://www.publicfinance.co.uk/node/1077
• Consumer Financial Protection Bureau (08.09.2016): Consumer Financial Protection Bureau Fines Wells Fargo $100 Million for Widespread Illegal Practice of Secretly Opening Unauthorized Accounts. https://www.consumerfinance.gov/about-us/newsroom/consumer-financial-protection-bureau-fines-wells-fargo-100-million-widespread-illegal-practice-secretly-opening-unauthorized-accounts
• Doerr, J. (2018): Measure What Matters: How Google, Bono, and the Gates Foundation Rock the World with OKRs. Portfolio/Penguin.
• Dutt, R. (2021): Radical Product Thinking: The New Mindset for Innovating Smarter. 1. Aufl., Oakland: Berrett-Koehler, Kap. 6. ISBN 978-1-5230-9331-1.
• Earley, P. C., Connolly, T. & Ekegren, G. (1989): Goals, Strategy Development, and Task Performance: Some Limits on the Efficacy of Goal Setting. Journal of Applied Psychology 74, S. 24 bis 33.
• Edmondson, A. (1999): Psychological Safety and Learning Behavior in Work Teams. Administrative Science Quarterly 44(2), S. 350 bis 383.
• Full Fact (2014): Police crime figures not good enough for National Statistics quality mark, says UK Statistics Authority. https://fullfact.org/news/police-crime-figures-not-good-enough-national-statistics-quality-mark-says-uk-statistics-authority/
• Google re:Work: Set goals with OKRs. https://rework.withgoogle.com/en/guides/set-goals-with-okrs
• Google SRE Book, Kap. 15: Lunney, J. & Lueder, S.: Postmortem Culture: Learning from Failure. https://sre.google/sre-book/postmortem-culture/
• Grove, A. S. (1983): High Output Management. Random House.
• Karau, S. J. & Williams, K. D. (1993): Social loafing: A meta-analytic review and theoretical integration. Journal of Personality and Social Psychology 65, S. 681 bis 706.
• Kleingeld, A., van Mierlo, H. & Arends, L. (2011): The effect of goal setting on group performance: A meta-analysis. Journal of Applied Psychology 96(6), S. 1289 bis 1304. https://doi.org/10.1037/a0024315
• Kohavi, R., Tang, D. & Xu, Y. (2020): Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge University Press, S. 35 (Guardrail-Metriken).
• Locke, E. A. & Latham, G. P. (2002): Building a practically useful theory of goal setting and task motivation: A 35-year odyssey. American Psychologist 57(9), S. 705 bis 717. https://doi.org/10.1037/0003-066X.57.9.705
• Locke, E. A. & Latham, G. P. (2009): Has goal setting gone wild, or have its attackers abandoned good scholarship? Academy of Management Perspectives 23(1), S. 17 bis 23.
• Ordóñez, L. D., Schweitzer, M. E., Galinsky, A. D. & Bazerman, M. H. (2009a): Goals Gone Wild: The Systematic Side Effects of Overprescribing Goal Setting. Academy of Management Perspectives 23(1), S. 6 bis 16.
• Ordóñez, L. D., Schweitzer, M. E., Galinsky, A. D. & Bazerman, M. H. (2009b): On good scholarship, goal setting, and scholars gone wild. Academy of Management Perspectives. https://repository.upenn.edu/mgmt_papers/318
• OSHA, Fairfax, R. E. (12.03.2012): Employer Safety Incentive and Disincentive Policies and Practices. https://www.osha.gov/laws-regs/standardinterpretations/2012-03-12-0
• Redmann, B.: Agiles Performance-Management, 2.4 Rechte des Betriebsrats. Haufe. https://haufe.de/id/beitrag/agiles-performance-management-24-rechte-des-betriebsrates-HI14028002.html
• Ries, E. (2011): The Lean Startup: How Today’s Entrepreneurs Use Continuous Innovation to Create Radically Successful Businesses. Crown Business.
• Schweitzer, M. E., Ordóñez, L. & Douma, B. (2004): Goal setting as a motivator of unethical behavior. Academy of Management Journal 47(3), S. 422 bis 432.
• Seijts, G. H. & Latham, G. P. (2005): Learning versus performance goals: When should each be used? Academy of Management Executive 19(1), S. 124 bis 131.
• Sitkin, S. B., See, K. E., Miller, C. C., Lawless, M. W. & Carton, A. M. (2011): The paradox of stretch goals: Organizations in pursuit of the seemingly impossible. Academy of Management Review 36(3), S. 544 bis 566. https://doi.org/10.5465/AMR.2011.61031811
• Spotify HR Blog (2016): Why individual OKRs don’t work for us. https://hrblog.spotify.com/2016/08/15/our-beliefs
• Staw, B. M. (1976): Knee-deep in the big muddy: A study of escalating commitment to a chosen course of action. Organizational Behavior and Human Performance 16, S. 27 bis 44.
• What Matters: Changing OKRs. https://www.whatmatters.com/okrs-explained/changing-okrs-process