ESBYTE Logo

Aus der ESBYTE Praxis: Ein Team-Syndrom, das niemand sieht

Jeder kennt das Dokument mittlerweile. Dazu ist es gut formatiert und klingt professionell. Wenn man aber genauer hinschaut ist es einfach – nichtssagend. Es hat keine Substanz, keine Entscheidung wird vorbereitet und kein Problem ist wirklich gelöst. Man nennt das inzwischen „Workslop“: KI-generierter Inhalt, der wie gute Arbeit aussieht, aber keine Substanz hat, um eine Aufgabe wirklich voranzubringen. Die üblichen Reaktionen darauf, beispielsweise mehr Sorgfalt an den Tag zu legen oder bessere Prompts zu trainieren (BetterUp Labs 2025), greifen zu kurz. Die eigentlich interessante Frage ist ohnehin eine andere: Warum passiert das in manchen Konstellationen praktisch nie – und in anderen ständig?

Das Symptom: KI-Slop

Stellen Sie sich ein eingespieltes Team vor, das seit Jahren zusammenarbeitet. Gemeinsamer Kontext, geteilte Qualitätsmaßstäbe und eine Routine aus wechselseitigem Verständnis. In so einem Team ist es fast unmöglich, einfach einen unreflektierten KI-Entwurf zu präsentieren. Slop ist insofern ein Zeichen dafür, dass dieser Kontext fehlt, in dem schlechte (Vor-) Arbeiten normalerweise auffliegen, bevor sie Schaden anrichten. Mit anderen Worten: es fehlt ein Team mit echten, eingespielten Kollaborationsroutinen.

Anamnese: Die Team-Ebene wird systematisch ignoriert

Verschiedene empirische Studien und Analysen zur Zusammenarbeit mit einer KI zeigen weiter folgende Ergebnisse:

  • Im Schnitt schneiden Mensch-KI-Kombinationen schlechter ab als das jeweils bessere von Menschen oder einer KI alleine. Nur bei offenen, kreativen Aufgaben zeigt sich ein Gewinn (Vaccaro, Almaatouq und Malone 2024).
  • Wird einem Team einfach eine KI hinzugefügt, gehen häufig Koordination, Kommunikation und Vertrauen im Team zurück. Durch die nun rein aufgabenbezogene Kommunikation gehen die informellen Abstimmung, die gute Teams auszeichnet, verloren (Yan et al. sowie Schmutz et al. 2024).
  • Auch die Idee, Teams auf die gemeinsame KI-Nutzung zu verpflichten, hilft nicht. Ein starr vorgeschriebenes gemeinsames Vorgehen führt zu schlechterem und geringerem Output, als eine unstrukturierte Nutzung der KI (Microsoft Research).

Das zeigt, dass eine KI nicht einfach zu einer beliebigen Gruppe von Menschen hinzugefügt werden kann und dadurch qualitativ gute Arbeit entsteht. Das passiert nur, wenn bereits eine echte kollaborative Struktur vorhanden ist und eine KI durch das Team selbst eingeführt wird.

Ursachenforschung: Organisationen kennen ihre kollaborativen Teams nicht

Jetzt wird es unbequem, denn die Frage „wo in unserer Organisation gibt es eigentlich echte, eingespielte kollaborative Einheiten?“, die man mit dieser Aufgabe betrauen könnte, lässt sich im Rahmen der formellen Struktur nicht beantworten. Es ist nicht gerade eine neue Erkenntnis, dass die Koordination der Arbeit zunehmend über informelle Beziehungsnetzwerke, nicht über formale Berichtsstrukturen, stattfindet. Netzwerke, die quer zu Kernarbeitsprozessen liegen, tauchen deshalb in keinem Organigramm auf und rund die Hälfte der Personen, die als zentrale, vertrauenswürdige Knotenpunkte in Netzwerken fungieren, sind der Führungsebene gar nicht bekannt (Cross, Borgatti & Parker 2002). Genau diese Teams und Knotenpunkte aber sind es, die man kennen und auch beteiligen müsste, um eine KI sinnvoll einzuführen.

Bemerkenswerterweise haben die meisten Studien zu diesem Symptom den selben blinden Fleck. Die untersuchten „Teams“ beispielsweise werden für das Experiment eigens zusammengestellt. Zwei Fremde, zufällig gepaart, für eine Aufgabe von wenigen Stunden, mit und ohne KI. Das ist kein Zufall, sondern methodisch zwingend: Nur zufällig zusammengestellte Gruppen lassen sich sauber randomisieren und damit wissenschaftlich vergleichen. Ein eingespieltes, gewachsenes Team lässt sich nicht für eine Studie reproduzieren oder zufällig aufteilen, ohne genau das zu zerstören, was es ausmacht. Damit stammt das, was wir empirisch über „Teams und KI“ zu wissen glauben, bereits aus Konstellationen, die mit echter, kollaborativer Teamarbeit wenig zu tun haben.

Die ESBYTE-Praxis empfiehlt: Immer erst diagnostizieren

Das ist der Grund, warum wir als ESBYTE weder eine KI implementieren, bevor wir nicht verstanden haben, was Sie damit für ihr Unternehmen erreichen wollen, noch ein entsprechendes Training anbieten, wenn nicht klar ist, wo in Ihrem Unternehmen tatsächlich damit zusammengearbeitet werden soll.

Ein Symptom zu behandeln, ohne die Ursache zu kennen, kostet Zeit – Ihre Zeit – und schafft am Ende nur Frustration. Deshalb steht am Anfang jeder Zusammenarbeit mit uns eine ehrliche Anamnese: Wo sind die Anwendungsfälle und welche Teams arbeiten wirklich kollaborativ zusammen? Erst danach gibt es von uns ein Rezept für Sie.

Übrigens: Genau nach diesem Prinzip funktioniert auch die ESBYTE-Praxis als Serie: Jede Diagnose, die wir in diesem Rahmen künftig vorstellen, beginnt mit einem Symptom, das Sie vermutlich kennen und nicht mit einem Werkzeug oder einer IT, das oder die wir verkaufen wollen.

Quellen

Bildnachweis: Rui Dias – Techniker arbeitet an humanoidem Roboter auf Pexels

Learn how we helped 100 top brands gain success