Wo KI am meisten brächte, wird sie am wenigsten benutzt
Wer bei der Arbeit KI benutzt und das offenlegt, wird von anderen als weniger kompetent und weniger motiviert eingeschätzt – gemessen in vier präregistrierten Experimenten mit 4.439 Personen. Der Produktivitätsgewinn ändert daran nichts; er wird mitbezahlt. Bewertet wird nicht die Technik, sondern was ihre Nutzung über die Person sagt. Und je mehr auf dem Spiel steht, desto teurer wird dieses Signal.
Fünf Modelle verschwanden, weil zwei vertrauter waren
Das Interessante an dieser Szene ist nicht, dass die Unterlage zu lang war. Es ist, was niemand tat: Keine einzige Person im Raum ließ sich die hundert Seiten entscheidungsreif aufbereiten – auf eine Seite, mit Frage, Optionen, Kriterien, Abwägung. Genau das wäre in zwanzig Minuten möglich gewesen, mit demselben Werkzeug, mit dem die Unterlage entstanden ist.
Stattdessen griff eine stille Annahme: Was in der Diskussion erfahrener Menschen entsteht, ist weniger fehleranfällig als das, was eine Maschine aufbereitet. Diese Annahme ist nicht unvernünftig – sie ist nur ungeprüft. Und sie hat in diesem Fall fünf Optionen aus einer richtungsentscheidenden Frage entfernt, bevor jemand sie bewerten konnte.
Der Schaden ist nicht sichtbar. Niemand hat etwas falsch gemacht, es gibt kein Protokoll, in dem eine Option verworfen wurde. Es gibt nur zwei Modelle statt sieben, und alle halten das für den natürlichen Stand der Dinge.
Der Widerstand wächst mit dem Nutzen
Dasselbe Muster lässt sich außerhalb von Direktionssitzungen messen. Entwicklerinnen und Entwickler nutzen KI dort selbstverständlich, wo ein Fehler folgenlos bleibt – und verweigern sie dort, wo er zugerechnet wird.
| Aufgabe | Haltung zu KI |
|---|---|
| Nach Antworten suchen | 54,1 % arbeiten bereits überwiegend mit KI |
| Code testen | 44,1 % planen keinen KI-Einsatz |
| Projektplanung | 69,2 % planen keinen KI-Einsatz |
| Deployment und Monitoring | 75,8 % planen keinen KI-Einsatz |
Gleiche Menschen, gleiche Werkzeuge, gleiche Organisation. Was sich ändert, ist die Konsequenz des Fehlers. Eine Erhebung unter US-Beschäftigten, die KI bei der Arbeit nutzen, zeigt dieselbe Richtung quer über Branchen.
Je näher die Aufgabe an der Entscheidung liegt, desto seltener wird KI dafür eingesetzt.
Das ist die unbequeme Form des Befunds: Die größten Schätze – mehr Daten, mehr Perspektiven, leichtere Abwägung, also bessere Entscheidungen – liegen genau dort, wo der Drache sitzt. Der Drache ist nicht Technikskepsis. Er ist die Frage, wem der Fehler gehört.
Wer am wenigsten operativ arbeitet, hat am wenigsten Übung – und entscheidet am meisten
In der Direktionssitzung kommt ein zweiter Faktor dazu, und er wird selten benannt. Diese Führungskräfte brauchen für ihre eigene Arbeit kaum Prozesseffizienz. Sie sind draußen, bei den Mitarbeitenden, in Gesprächen, auf Standorten. Sie schreiben wenig, recherchieren wenig, bauen keine Auswertungen. Also haben sie weniger Gelegenheiten gehabt, mit KI etwas zu tun, das schiefgehen durfte.
Die Folge ist eine Schere: Die geringste praktische Übung trifft auf die höchste Entscheidungslast. Wer KI nie bei einer belanglosen Aufgabe ausprobiert hat, soll ihr bei der wichtigsten vertrauen. Das funktioniert nicht, und es ist kein Charakterproblem.
Umgekehrt heißt es nicht, dass in solchen Organisationen keine KI benutzt wird. In einem Unternehmen, in dem KI offiziell aus Sicherheitsgründen nicht erlaubt war, nannten Mitarbeitende in Evaluierungsgesprächen sieben verschiedene Werkzeuge, die sie im Alltag verwenden. Die Nutzung war da. Sichtbar war sie nicht – und damit auch nicht besprechbar, nicht prüfbar, nicht lernfähig.
Eine Richtlinie löst das nicht
Die naheliegende Reaktion ist eine Regelung: Wo KI erlaubt ist, wo nicht, wer sie offenlegen muss. Das adressiert die falsche Ebene. Was wirkt, ist ein Verhalten, das durchgehend gelebt wird: Fehler sind möglich und erwünscht, weil sie weiterbringen – getragen von offenem Feedback und psychologischer Sicherheit. Nur: Wenn es diese Kultur vor KI nicht gab, entsteht sie nicht durch KI. KI macht die Lücke sichtbar, und sie schmerzt jetzt mehr.
Zwei Einwände gehören dazu, sonst ist der Befund zu glatt. Erstens verschwindet die soziale Abwertung in denselben Experimenten, sobald KI offensichtlich zur Aufgabe passt – wo der Nutzen für alle plausibel ist, fällt die Strafe weg. Zweitens berichten Beschäftigte im Euroraum als Haupthürden nicht Angst vor Bewertung, sondern fehlende Relevanz für die eigenen Aufgaben und schlicht Desinteresse; die größten Zeitgewinne liegen dort bei Code und Datenanalyse. Die Steigung gilt also nicht überall. Sie gilt dort, wo Entscheidungen Personen zugerechnet werden – und das ist in jeder Direktion der Fall.
Kultur verändert sich in der Arbeit, nicht daneben
Der Weg heraus ist nicht der Werteworkshop. Er ist Partizipation an einer konkreten Sache: die Mitarbeitenden die kulturellen Lücken selbst aufdecken lassen und sie dann experimentell über echte Projekte verändern. Beteiligung erzeugt Passung und Bindung an das Ergebnis; eine von oben gesetzte Regel erzeugt Befolgung, solange jemand hinschaut.
Für die Direktion aus der Szene wäre der erste Schritt klein gewesen: die hundert Seiten gemeinsam in der Sitzung auf eine Seite bringen lassen, mit allen Beteiligten im Raum. Nicht als Beweis, dass KI funktioniert. Als erste Gelegenheit, bei der ein Fehler nichts gekostet hätte.
Quellen
- Reif, J. A., Larrick, R. P. & Soll, J. B.: Evidence of a social evaluation penalty for using AI. PNAS 122(19), 8. Mai 2025. Vier präregistrierte Experimente, N = 4.439.
- Stack Overflow Developer Survey 2025, Abschnitt AI. 49.009 Antworten aus 177 Ländern, Erhebung Mai/Juni 2025.
- Gallup: AI Use at Work Rises. 14. Dezember 2025. Nutzungszwecke unter Beschäftigten, die KI mindestens einige Male im Jahr nutzen, Stand 2. Quartal 2025; Haupterhebung August 2025 mit 23.068 erwerbstätigen US-Erwachsenen.
- Europäische Zentralbank: AI adoption and the productivity promise: what workers report. ECB Consumer Expectations Survey, 26. August 2026.
- Ignatius, A. mit Narayandas, D.: Why Your Employees Override AI. Harvard Business Review, 25. September 2026.