„Was wie eine einfache Zurückhaltung gegenüber neuen Werkzeugen aussieht, spiegelt in Wirklichkeit rationale Selbsterhaltung wider. Die wahren Kosten gehen weit über Produktivitätsverluste hinaus – obwohl allein die Produktivitätsverluste erheblich sein können“.1
Im Rahmen unseres Blogs haben wir uns wiederholt mit der „Kritik der KI“ beschäftigt. So haben wir überprüft, welche Bedingungen generative KI-Systeme – wie etwa Claude oder Chat-GPT – für ihren eigenen erfolgreichen Einsatz benötigen, um zu klären, was bei einem systemischen Einsatz in den Unternehmen beachtet werden muss. Insbesondere schau(t)en wir darauf, was der Einsatz in der täglichen Arbeit am Arbeitsplatz für Probleme bringen kann. Bezüglich möglicher Lösungen interessiert uns dabei, was der Einsatz einer KI im Rahmen einer Kollaboration, also bezüglich der gemeinsamen Arbeit im Team, bedeutet.
Genau dazu gibt es nun eine neue Studie des Harvard Business Reports mit dem frei übersetzten Titel “Die Strafe für die Verwendung von KI in der Arbeit”.2 Auslöser war die Suche nach einer Antwort auf das Phänomen, dass sich – trotz erheblicher Investitionen – für viele Unternehmen noch immer kein Mehrwert ergibt. Dass mitunter sogar in dafür bestens geeigneten Einsatzfeldern das Gegenteil eintritt, nämlich steigende Verluste zu verzeichnen sind, weil die KI gar nicht verwendet wird.
„Kognitive Verzerrungen“
In der Psychologie gibt es das Phänomen der so genannten “kognitiven Verzerrungen”. Damit ist gemeint, dass unsere Wahrnehmungen häufig systematisch verzerrt sind, quasi eine “Neigung” (= Bias) aufweisen, wie er auch in LLMs als KI vorkommt. Eine besonders problematische „Verzerrung“ ist dabei der so genannten “Attributionsfehler”. Er führt dazu, den Einfluss persönlicher Eigenschaften bzw. des vieldiskutierten „Mindsets“ auf das Verhalten bei anderen Menschen (also nicht sich selbst) zu überschätzen, die situative Einflüsse, wie etwa Strukturen oder Umstände, dagegen systematisch zu unterschätzen (weil man die eigenen Restriktionen gut kennt).3 Die Forschung dazu kreist um die zentrale Frage, welche Nachteile sich daraus für die betroffenen Personen ergeben, also beispielsweise, warum Frauen in bestimmten Positionen deshalb unterrepräsentiert sind.
Die Kompetenzbestrafung
„Wenn die Gutachter glaubten, dass ein Ingenieur KI eingesetzt hatte, bewerteten sie die Kompetenz dieses Ingenieurs im Durchschnitt um 9 % niedriger, obwohl sie identische Arbeiten bewerteten […] Die Abwertung bezog sich auf die wahrgenommene Fähigkeit der Person, die ihn [den Code] geschrieben hatte“.4
In diese Tradition reiht sich auch der oben genannte Report zur KI-Adoption in Unternehmen ein, nimmt dabei aber einen wichtigen Perspektivwechsel vor. Die Studie untersuchte nicht primär die Betroffenen, sondern die Beurteilungskriterien ihrer Kolleg:innen, also das, was diese über sie beim Einsatz einer KI denken. In der speziell dafür entwickelten Befragung sollten sie dazu Code-Schnipsel bewerten. Zur Beurteilung der Schnipsel erhielten sie zusätzliche und unterschiedliche Informationen: Einer Hälfte wurde mitgeteilt, dass die Programmierer:innen eine KI für die Aufgabe des Programmierens verwendet hätten, der anderen wurde gesagt, dass sie völlig eigenständig programmiert hätten.
Das Ergebnis zeigt die aus dem Attributionsfehler folgenden Probleme überdeutlich, denn identischer Code wurde um 9% schlechter bewertet, wenn die Beurteiler glaubten, dass eine KI zur Erstellung genutzt wurde. Bei Frauen verdoppelte sich dieser Effekt sogar auf 13%. Die Studie zeigt damit, dass es eine Art „Kompetenzstrafe“ beim persönlichen Einsatz einer KI gibt. Wenn die Beschäftigten solche realen sozialen Kosten antizipieren, ist es ein sehr rationales Verhalten, keine KI zu verwenden. Gravierend für das Unternehmen ist der Produktivitätsverlust, der durch das angepasste Verhalten an das Beurteilungsschema entsteht. Am Ende wird die KI, trotz ausdrücklichem Wunsch, nämlich nur noch als Schatten-KI genutzt. Wenn überhaupt.
Wo ist das Team?
So wichtig diese Erkenntnisse auch sind, so sehr spiegelt sich bereits in ihnen der Attributionsfehler wider. Dieser tritt vorwiegend bei einer individuellen Einschätzung der Situation auf, nicht jedoch bei einer kollegialen Zusammenarbeit, in der man die Bedingungen gut kennt, weil sich die Kolleg:innen beispielsweise darüber austauschen. Die Studien beschreiben, bei aller Betonung von Teamarbeit in den Unternehmen, ausschließlich individuelle Phänomene. Nicht nur sämtliche Evaluationssystem oder Karriereanreize sind individualistisch angelegt, auch die Erfolge oder Misserfolge werden den einzelnen Personen zugeschrieben und normalerweise nicht den Bedingungen am Arbeitsplatz zugerechnet. Person werden auf ihre „Kompetenzen“ im Umgang mit KI hin beurteilt, nicht das Gesamtprodukt in eine Beziehung zur Nutzung im Team gesetzt. Gerade in einem solchen System, in der die KI-Nutzung eine persönliche Kompetenz darstellt, wird ihre Nutzung als ein Zeichen von Inkompetenz gesehen. Das bedeutet, dass eine KI als kluge Nutzung im Sinne einer kollaborativen Intelligenz durch Teams eigenständiger Überlegungen und einer darauf aufbauenden prozessualen bzw. strukturellen Verankerung bedarf.
Die kollaborative Alternative
Am Ende lässt sich aus der Studie recht direkt ableiten, dass die konkrete Arbeitsorganisation der meisten Unternehmen im Sinne individueller Arbeitsplätze in einem fundamentalen Widerspruch zu einer kollaborativen Zusammenarbeit steht. Das lässt sich bereits am Thema des KI-Slops sehr gut zeigen. Um demgegenüber Chatbots als kollektive Intelligenzverstärkung des Teams benutzen zu können, müssen sich die Beschäftigten nicht mehr fragen „Wozu setze ich die KI (für mich) ein?“, sondern „Was wollen WIR mit der Nutzung von KI (für uns und als Unternehmen) erreichen?“ Erst dann wird die generative KI eine zentrale Teamressource und die Aufgaben, die durch sie zu erledigen sind, würden entlang der gemeinsamen Strukturen definiert. Um dies real zu gewährleisten ist es notwendig, dass sich die jeweiligen Teams austauschen und sich auf eine Kollaborationsvereinbarung zur Nutzung der KI verständigen.
Sollten Sie einen solchen neuen Blick auf ihr eigenes Unternehmen werfen wollen, können wir als ESBYTE ihnen mit einem entsprechenden „KI-Check“ dabei helfen. Was sie daraus dann machen, bleibt selbstverständlich Ihnen überlassen.
Quellenhinweise
Bildnachweis: KI – doctor-1193318 – auf Pixabay
- Acar et al. (2025): Research: The Hidden Penalty of Using AI at Work. Eigene Übersetzung der Zitate. ↩︎
- s.o. ↩︎
- Daraus entstehen dann Zuschreibungen gegenüber ganzen Menschengruppen, also Stereotype. ↩︎
- s.o. ↩︎