Ein neues Gefühl bezüglich KI macht sich breit

Vielerorts wird gerade kräftig KI eingeführt. Die Menschen versprechen sich davon große Produktivitätsgewinne. Dennoch scheint in manchen Teams genau das Gegenteil einzutreten.

Die Leistung des Teams sinkt. Teammitglieder verlieren nach und nach die Sicherheit in ihr eigenes Urteil, zugleich schwindet das Vertrauen untereinander. Was da vor sich geht, lässt sich zunächst nicht so richtig greifen.

Das Muster ist häufig ähnlich: Ein Marketingteam analysiert zum Beispiel mit einem KI-Tool die Ergebnisse einer Kampagne. Die generative KI empfiehlt, das Budget umzuschichten – natürlich auf Basis einer umfangreichen Datenanalyse. Doch dann erkennt das Team, dass die KI die Kundensegmente grundlegend falsch verstanden hat. Die Kampagne scheitert, das Budget ist weg. Plötzlich zweifeln alle im Team nicht nur an künftigen KI-Empfehlungen, sondern auch an der eigenen Fähigkeit, sie richtig zu beurteilen.

Wenn KI plötzlich mehr Arbeit macht

Was bei der Einführung von KI häufig unterschätzt wird: Es geht nicht nur um technische Herausforderungen. Auch die Teamdynamik verändert sich. Ein neues Muster, das dabei sichtbar wird, ist der sogenannte Workslop.

Workslop sind KI-generierte Arbeitsergebnisse, die auf den ersten Blick professionell und fertig wirken, eine Aufgabe aber nicht substanziell voranbringen. Sie enthalten zum Beispiel zu wenig Kontext, bleiben oberflächlich oder sind nicht ausreichend geprüft. Die Folge: Kolleginnen und Kollegen müssen die Inhalte einordnen, korrigieren oder ganz neu erstellen. Die Arbeit wird also nicht einfach weniger – sie wird an andere weitergereicht. Das kostet Zeit und kann das Vertrauen im Team belasten.

Wie verbreitet dieses Phänomen ist, zeigt eine Befragung von BetterUp Labs und dem Stanford Social Media Lab unter 1.150 Beschäftigten in den USA: 40 Prozent gaben an, im Vormonat Workslop erhalten zu haben. Die Befragten schätzten, dass die Bearbeitung eines solchen Ergebnisses im Durchschnitt knapp zwei Stunden kostet. Die Zahlen sind ein Hinweis auf die mögliche Größenordnung; sie lassen sich nicht ohne Weiteres auf deutsche Unternehmen übertragen.

Weiterführender Artikel

Workslop: Wenn gut aussieht, was niemandem weiterhilft

Es geht dabei nicht nur um fehlerhafte KI-Ergebnisse. Auch die Zusammenarbeit kann leiden: Wer regelmäßig unfertige oder unpassende Ergebnisse erhält, fragt sich vielleicht, ob die Kollegin oder der Kollege sorgfältig gearbeitet hat – oder ob die KI einfach ungeprüft eingesetzt wurde. Und wer selbst nicht mehr sicher ist, wann eine KI-Empfehlung trägt und wann das eigene Urteil gefragt ist, wird möglicherweise zögerlicher, sie zu hinterfragen.

So entsteht Vertrauensambiguität: Ein Team glaubt, in einer Situation Vertrauen haben zu können oder zu sollen, empfindet es aber nicht wirklich. Die Unsicherheit richtet sich dann nicht nur auf die KI. Sie betrifft auch das eigene Urteil und die Zusammenarbeit miteinander. Die Harvard-Business-Review-Autorinnen Jayshree Seth und Amy C. Edmondson beschreiben, wie KI-bedingte Fehler solche Zweifel verstärken und es erschweren können, Unsicherheit im Team offen anzusprechen.

Was können Führungskräfte tun?

Erstens: den Zweck klären. Nicht jede Aufgabe wird besser, wenn KI zum Einsatz kommt. Teams sollten gemeinsam festlegen, wo KI tatsächlich unterstützt – und wo menschliche Erfahrung, Kontextwissen oder ein persönliches Gespräch wichtiger sind.

Zweitens: Qualität gemeinsam definieren. Was muss ein Ergebnis enthalten, damit es für die nächste Person wirklich nutzbar ist? Dazu gehören zum Beispiel eine klare Fragestellung, relevante Hintergründe, geprüfte Aussagen und ein konkreter nächster Schritt. So wird sichtbar, wann ein Ergebnis noch ein Entwurf ist und wann es weitergegeben werden kann.

Drittens: Verantwortung nicht an die KI abgeben. Wer ein KI-Ergebnis nutzt, bleibt dafür verantwortlich, es zu prüfen und einzuordnen. Besonders bei weitreichenden Empfehlungen sollten Teams fragen: Auf welchen Annahmen beruht das Ergebnis? Was fehlt? Welche Erfahrung oder welches Wissen aus dem Team muss in die Entscheidung einfließen?

Viertens: über Fehler sprechen können. Wenn eine KI-Empfehlung nicht trägt, sollte das Team nicht zuerst nach Schuldigen suchen. Entscheidend ist, gemeinsam zu klären, was übersehen wurde und wie sich der Arbeitsprozess verbessern lässt. Dafür braucht es einen Rahmen, in dem Mitarbeitende Zweifel äußern, Ergebnisse hinterfragen und auch den eigenen Umgang mit KI reflektieren können.

Führungskräfte sollten deshalb nicht nur fragen: „Funktioniert die KI?“ Eine ebenso wichtige Frage lautet: „Was verändert die Zusammenarbeit mit KI in unserem Team – und was brauchen wir, damit wir einander und unserem eigenen Urteil weiterhin vertrauen können?“

Denn Vertrauen ist maßgeblich für die Teamleistung. KI kann diese Dynamik verändern. Umso wichtiger ist ein bewusstes Verständnis dafür, wie Mensch-KI-Teams zusammenarbeiten. Produktiv wird KI nicht schon dadurch, dass sie Ergebnisse erzeugt. Produktiv wird sie dann, wenn diese Ergebnisse dem Team helfen, bessere Entscheidungen zu treffen – und die Zusammenarbeit stärken.