Ohne Zweifel ist Amazon eines der innovativsten Unternehmen unserer Zeit. Maßgeblichen Anteil an diesem Erfolg hat vor allem die besondere Unternehmenskultur. Im Zentrum dieser Unternehmenskultur stehen die, von Jeff Bezos aufgestellten, 14 Leadership Principles, die für alle Mitarbeiter des Unternehmens gelten. Auch wenn es heutzutage nichts ungewöhnliches ist, dass Unternehmen klare Führungsprinzipien formulieren, bleiben diese Leitlinien oftmals leere Worthülsen oder bunte Folien in einer Powerpoint Präsentation.
In der aktuellen Folge des TRNSFRM. Podcasts nehmen wir euch, dieses Mal ohne Interviewgast, mit auf einen Deep Dive in die Leadership Principles von Amazon und gehen der Frage nach, wie es Jeff Bezos geschafft hat, dass diese Prinzipien bedingungslos von allen Mitarbeitern gelebt werden. Als Erstes aber nochmal ein Überblick über die 14 Leadership Principles:
Schon auf den ersten Blick wird deutlich, dass die Leadership Principles all das widerspiegeln, wofür Amazon auch als Marke bzw. als Unternehmen steht. Bedingungslose Kundenorientierung, Innovation auf allen Ebenen und eine die Zukunft gestaltende High-Performance Organisation. Diese Werte verspricht Amazon seinen Kunden und fordert sie im Gegenzug auch von all seinen Mitarbeitern ein. Und das von Anfang an. Schon im Bewerbungsprozess prüft Amazon ob Kandidaten die Anforderungen aus den Leadership Principles erfüllen können und diese in Teilen schon verinnerlicht haben. Doch damit nicht genug: Die Principles werden von den Mitarbeitern als Wegweiser in Diskussionen genutzt, die Leistung von Managern wird regelmäßig an diesen Prinzipien gemessen und nur wer die Leitlinien bis ins tiefste verinnerlicht, wird befördert. Im Zusammenspiel entsteht so eine einzigartige Unternehmenskultur, die Eigenverantwortung und Mut zu neuen Wegen fordert und Mitarbeiter zu unglaublichen Leistungen motiviert.
Auch wenn die Leadership Principles von Amazon einzigartig sind und folglich auch nur in diesem Unternehmen ihre erfolgreiche Wirkung entfalten, lassen sich einige, übergeordnete Key Learnings ziehen: