Was Ihr Team nicht sieht, lernt es nicht

Wenn Sie Ihrer Belegschaft mitteilen, dass viele Kolleginnen und Kollegen heimlich KI benutzen, benutzen danach mehr Menschen heimlich KI. Nicht weniger. Das ist kein Paradox, sondern einer der stabilsten Befunde der Verhaltensforschung – und er erklärt, warum die üblichen Reaktionen auf Schatten-KI das Gegenteil dessen bewirken, was sie sollen.

Der Wettbewerb wird schneller, die Arbeit komplexer – und die Leute lösen das mit dem, womit sie es lösen können. Das ist keine Auflehnung, das ist Arbeitsalltag. Interessant ist nicht die Nutzung. Interessant ist, dass sieben Menschen dieselbe Lernkurve sieben Mal allein durchlaufen haben und keiner von ihnen weiß, wo die anderen schon weiter sind.

Wer die Norm ausspricht, verstärkt sie

Der naheliegende Reflex lautet: ansprechen. Im Townhall erwähnen, dass man weiß, was läuft. Genau das ist die teuerste Variante.

Menschen richten ihr Verhalten an dem aus, was andere tatsächlich tun – nicht an dem, was erwünscht ist. Fachlich heißt das deskriptive Norm, und sie ist der stärkere der beiden Normtypen. Wer ausspricht, wie verbreitet ein unerwünschtes Verhalten ist, erklärt es damit zum Normalfall. In der Verbrauchsforschung ist dieser Boomerang gut dokumentiert: Zeigt man Haushalten mit unterdurchschnittlichem Verbrauch den Durchschnitt, steigt ihr Verbrauch. Die Botschaft war als Mahnung gemeint und wirkte als Erlaubnis.

Für Schatten-KI heißt das: Der Hinweis „uns ist bekannt, dass viele hier private Tools nutzen" senkt die Hemmschwelle für alle, die es bisher nicht getan haben. Er löst kein Problem. Er skaliert es.

Die Heimlichkeit ist eine richtige Rechnung, keine Schwäche

Dahinter steckt keine Renitenz. Wer die eigene KI-Nutzung offenlegt, riskiert, als fauler und weniger kompetent zu gelten – das ist in präregistrierten Experimenten nachgewiesen worden, nicht bloß behauptet. Die Zurückhaltung ist damit eine zutreffende Einschätzung der sozialen Lage, keine Ängstlichkeit.

Das ist der Grund, warum Appelle an die Offenheit strukturell verpuffen. Sie ändern nichts an dem, was Offenheit tatsächlich kostet. Solange das Zeigen teuer bleibt, bleibt es aus – unabhängig davon, wie oft es erwünscht wird.

Was unsichtbar bleibt, existiert für das Team nicht

Daniel Kahneman hat dafür eine Abkürzung geprägt: WYSIATI – what you see is all there is. Wir urteilen über das, was sichtbar ist, und behandeln den Rest, als gäbe es ihn nicht. Das gilt für Einzelne und noch stärker für Gruppen.

Ein Team, das nicht sieht, wie Kolleginnen mit KI arbeiten, hat keine Vergleichsbasis, keine Fehlerkorrektur und keinen Anlass zum Nachfragen. Es entsteht kein gemeinsames Wissen, weil es nichts gibt, woran es sich bilden könnte. Der teuerste Posten ist deshalb nicht das Sicherheitsrisiko. Es ist das, was gar nicht erst entsteht: die Optimierungen, die niemand hebt, und die Lösungen, auf die man nur gemeinsam kommt.

Nur rund jedes vierte Unternehmen in Deutschland stellt seinen Beschäftigten überhaupt einen eigenen KI-Zugang bereit – während in 42 Prozent mit privater Nutzung gerechnet wird.

Bitkom, Befragung von 604 Unternehmen ab 20 Beschäftigten · 2025

Sichtbarkeit ist gestaltbar – in beide Richtungen

Wenn Sichtbarkeit das Problem erzeugt, erzeugt sie auch die Lösung. Nur nicht als Ansage, sondern als Gelegenheit.

Der Unterschied liegt darin, was sichtbar gemacht wird. Nicht: wie viele heimlich arbeiten. Sondern: was jemand gelöst hat. Wer im Teammeeting zeigt, wie er eine mühsame Aufgabe abgekürzt hat, macht das erwünschte Verhalten zur beobachtbaren Norm – und nimmt der Heimlichkeit ihren Sinn, ohne sie je zu erwähnen. Dazu gehört ein Rahmen, in dem das Zeigen nichts kostet: Voreinstellungen, bei denen niemand etwas falsch machen kann, Use Cases und Guard Rails, die die Teams mitgeschrieben haben, und eine IT, die von Anfang an am Tisch sitzt statt am Ende zu prüfen.

Das ist kein Kulturprogramm über zwei Jahre. Es ist eine andere erste Stunde.

Die Technik kann Wissen über Grenzen tragen. Einspeisen muss es jemand

Das Sichtbarkeitsproblem endet nicht im Team. Am teuersten wird es dort, wo Entscheidungen mehrere Abteilungen berühren – und genau dort liegt die eigentliche Chance der KI.

In der September/Oktober-Ausgabe der Harvard Business Review beschreiben Kris Johnson Ferreira und Jordan Tong, warum bereichsübergreifende Entscheidungen so zäh sind: Das entscheidende Wissen steckt in einzelnen Köpfen, taucht informell auf, ungleich verteilt und meist zu spät. Der Logistikleiter erwähnt beiläufig, dass die Lagerkapazität längst verplant ist. Der Einkaufsleiter erfährt in einem Gespräch, dass ein Lieferant nur unter einer Bedingung mehr liefert. Jede dieser späten Entdeckungen setzt den Prozess zurück: Szenarien neu rechnen, Annahmen revidieren, noch ein Meeting.

Was die beiden dagegensetzen, sind Orchestrierungssysteme – KI, die nicht entscheidet, sondern koordiniert. Sie fragt das Wissen aktiv ab, das nur Menschen haben, prüft es gegen die Leitplanken des Managements und reicht es in dem Moment weiter, in dem es entsteht: Die Lieferantenbedingung erreicht Vertrieb und Finanzabteilung gleichzeitig, nicht drei Abstimmungsrunden später. Die Entscheidung bleibt bei den Verantwortlichen. Automatisiert wird der Weg des Wissens, nicht das Urteil.

Der Haken ist derselbe wie im Team: Weitergeben kann das System nur, was jemand hineingibt. Deshalb steht bei Ferreira und Tong unter den Fragen, die Führung sich dauerhaft stellen muss, ausdrücklich diese: Belohnen unsere Anreize, dass Einwände früh auf den Tisch kommen – oder erst als Eskalation am Ende? Und: Arbeiten unsere Leute mit der KI oder gegen sie?

Damit ist die Frage in beiden Fällen dieselbe. Nicht: Wie bringen wir Menschen dazu, mehr zu tun? Sondern: Was kostet es bei uns, etwas zu zeigen – und was machen wir damit zur Normalität?

Quellen

• Bitkom: Beschäftigte nutzen vermehrt Schatten-KI. Befragung von 604 Unternehmen ab 20 Beschäftigten, 2025.
• Reif, Larrick & Soll: Evidence of a social evaluation penalty for using AI. PNAS, 2025.
• Kahneman, D.: Thinking, Fast and Slow. 2011 (WYSIATI).
• Zum Boomerang-Effekt deskriptiver Normen: Schultz et al., Psychological Science, 2007; Allcott, Journal of Public Economics, 2011.
• Ferreira, K. J. & Tong, J.: How AI Agents Orchestrate Work Across Silos. Harvard Business Review, September–Oktober 2026.