Hör auf, nur auf die Menge der Outputs zu achten, die Leistungsbeurteilung im KI-Zeitalter muss diese drei Ebenen berücksichtigen.

Unternehmen verstärken massiv ihre Investitionen in KI, aber die überwiegende Mehrheit der Leistungsbeurteilungen verwendet noch immer alte Standards, was ein Leistungsparadoxon hervorruft: Der Missbrauch von KI zur Steigerung der Produktivität wird belohnt, während Mitarbeiter, die Überprüfungen durchführen und Fehler korrigieren, benachteiligt werden. In diesem Artikel wird ein dreidimensionales Bewertungsrahmenwerk vorgeschlagen, das drei Arten von Indikatoren unterscheidet: Indikatoren für den menschlichen Beitrag, Indikatoren für KI-Systeme und Agenten sowie Indikatoren für das Mensch-Maschine-Kooperationssystem. Es hilft Unternehmen, gute Leistungen im Zeitalter der KI neu zu definieren und die Zuordnung von Rechten und Pflichten zu klären.

Wie soll eine „gute Leistung“ definiert werden, wenn Arbeitsergebnisse durch die Zusammenarbeit von Menschen und KI erzeugt werden? Wie können Manager sicherstellen, dass sie bei der Verfolgung von Geschwindigkeit und Effizienz nicht das Urteilsvermögen und die Verantwortungsbereitschaft der Menschen opfern?

Gegenwärtig werden diese Fragen von entscheidender Bedeutung. Unternehmen investieren massiv in KI, und Manager stehen unter großem Druck, nachzuweisen, dass KI-Investitionen Erträge bringen. Die jährliche Umfrage „Führungsqualitäten im Bereich Daten und KI“, die Randy Bean (einer der Autoren dieses Artikels) gemeinsam mit Tom Davenport durchgeführt hat, veröffentlichte Anfang dieses Jahres Daten: 91 % der Unternehmen erhöhen ihre KI-Investitionen, und 99 % der Unternehmen stufen KI-Investitionen als höchste Priorität der Organisation ein. Allerdings gaben nur 18 % der Unternehmen an, dass ihre KI-Investitionen bereits einen hochgradig quantifizierbaren geschäftlichen Wert erzielt haben.

KI hat in zahlreichen Arbeitsabläufen die Verarbeitungsgeschwindigkeit und die Qualität der Ergebnisse verbessert, aber die überwiegende Mehrheit der Unternehmen hat die Art der Leistungsbeurteilung ihrer Mitarbeiter noch nicht neu gestaltet, um sich an diese Veränderung anzupassen. Basierend auf den neuesten Forschungsergebnissen und unseren praktischen Erfahrungen bei der Unterstützung von Unternehmen bei der Umsetzung von KI wird in diesem Artikel ein dreidimensionales Leistungsbeurteilungsrahmenwerk vorgeschlagen, das für die Leistungsbeurteilung im Zeitalter der KI geeignet ist und Unternehmen hilft, drei Arten von Indikatoren zu unterscheiden: Indikatoren für den menschlichen Beitrag, Indikatoren für KI-Systeme und Agenten sowie Indikatoren für das Mensch-Maschine-Kooperationssystem.

Das Paradoxon der menschlichen Leistung

Gegenwärtig verwenden Unternehmen bei der Beurteilung der Arbeit von Mitarbeitern, die KI einsetzen, noch immer traditionelle Erfolgsmaßstäbe: Produktivität, Zielerreichungsgrad und Arbeitseffizienz. Dies führt zu einem Paradoxon: Mitarbeiter, die stark von KI abhängig sind, scheinen extrem produktiv zu sein; während ein anderer Teil der Mitarbeiter das Tempo verlangsamt, voreingestellte Bedingungen überprüft, die KI-Ausgabenergebnisse in Frage stellt und Fehler korrigiert, erscheint genau dann, wenn sie den größten Wert schaffen, als ineffizient.

In diesem Bewertungsmodell belohnen Manager sehr wahrscheinlich die übermäßige Abhängigkeit der Mitarbeiter von KI, bestrafen aber das menschliche Urteilsvermögen, das schwerwiegende Fehler vermeiden kann; sie verfolgen blind die Menge der Ergebnisse, ignorieren die tatsächlichen geschäftlichen Erfolge und können die Kernelemente, die effiziente Arbeit wirklich antreiben, nicht erkennen.

Wir haben bereits gesehen, welche praktischen Folgen es hat, alte Leistungsindikatoren auf völlig neue Arbeitsmodelle anzuwenden. Wenn die Leistung von KI-Systemen bei traditionellen Indikatoren die von Menschen übertrifft, entwickeln einige Mitarbeiter eine defensive Einstellung: Eine Umfrage eines KI-Anbieters zeigt, dass 10 % der Mitarbeiter offen zugeben, dass sie Daten manipulieren, um die Leistung der KI absichtlich zu senken. Dieses Phänomen ist nicht überraschend. Wenn das Management KI hauptsächlich als Instrument zur Reduzierung von Personal ansieht, stehen die Mitarbeiter zwangsläufig unter Druck, sich bei den traditionellen wichtigsten Leistungsindikatoren als stärker als die KI zu erweisen, da sie genau wissen, dass ihre Arbeitsplätze gefährdet sind.

Aber die Fehlausrichtung der Indikatoren ist nur die Hälfte des Problems, oder sogar die relativ leicht zu lösende Hälfte. Die andere Schwierigkeit besteht darin, dass das traditionelle Leistungsmanagementsystem selbst längst versagt hat. Eine Umfrage von Gallup aus dem Jahr 2024 zeigt, dass damals Unternehmen gerade erst begonnen hatten, sich an generative KI anzupassen. Unter den Fortune-500-Unternehmen erkannten nur 2 % der Leiter der Personalabteilung das Leistungsmanagementsystem ihres Unternehmens hochgradig an, dass es Mitarbeiter dazu anregt, sich selbst zu verbessern; unter den befragten Mitarbeitern glaubten auch nur 20 %, dass die Leistungsbeurteilung fair und transparent ist.

Bis heute hat sich die Situation nicht merklich verbessert. Deloitte veröffentlichte im Januar dieses Jahres einen Bericht, dem zufolge trotz der großen Erwartungen an die Automatisierung noch 84 % der Unternehmen Arbeitsplätze, Arbeitsabläufe und Karriereentwicklungspfade nicht um KI herum neu gestaltet haben; nur 30 % der Unternehmen haben Leistungsanreize für die vernünftige Nutzung von KI durch Mitarbeiter festgelegt. Die Personalstrategien der meisten Unternehmen konzentrieren sich nur auf die Mitarbeiterschulung. Unternehmen schulen ihre Mitarbeiter, um sich an neue Arbeitsmodelle anzupassen, aber die Bewertungsmethode bleibt unverändert. Das Problem dieser Vorgehensweise besteht darin, dass sie selbstverständlich annimmt, dass es immer noch das richtige Ziel ist, die Mitarbeiter dazu zu bringen, ihre ursprüngliche Arbeit schneller zu erledigen.

Fehlerhafte Indikatoren in Kombination mit einem versagenden Leistungsmanagement führen zu einer Vertrauenslücke. Daten von Gartner zeigen, dass nur 1 von 50 KI-Investitionen transformativen Wert bringt und nur 1 von 5 einen messbaren Return on Investment erzielen kann, aber die CEOs von Unternehmen haben immer noch hohe Erwartungen an das durch KI angetriebene Wachstum. Auf der anderen Seite spüren die Mitarbeiter an der Front die große Kluft zwischen den Slogans des Managements und der tatsächlichen Umsetzung. Die Kluft zwischen den optimistischen Erwartungen des Vorstands und der Realität an der Front ist die Wurzel des Versagens des Leistungsmanagements.

Was ist eine gute Leistung im Zeitalter der KI?

Traditionelle Leistungsindikatoren basieren auf folgenden Arbeitsmerkmalen: Aufgaben sind unabhängig, wiederholbar und liegen vollständig in der Verantwortung des Einzelnen. KI kann eine große Anzahl solcher Arbeiten automatisch erledigen: Entwurf von Manuskripten, Inhaltszusammenfassungen, Übersetzungen, Erstellung von Beispielcode und vorläufige Analysen. Eine groß angelegte Feldstudie mit mehr als 750 Wissensarbeitern zeigt, dass nach der Verwendung von GPT-4 von OpenAI die Arbeitsgeschwindigkeit der Mitarbeiter um mehr als 25 % gesteigert wurde und der Aufgabenabschluss um 12,2 % stieg; innerhalb des Deckungsbereichs der Modellfähigkeiten war die Qualität der erzeugten Lösungen ebenfalls deutlich höher.

Aber diese Studie zeigt auch, dass die Bewertungsmethode, die nur auf die Ausgabemenge achtet, enorme Risiken birgt. Wenn die Aufgaben die Fähigkeitsgrenze der KI geringfügig überschreiten, ist die Wahrscheinlichkeit, dass die Probanden, die KI verwenden, die richtige Antwort ausgeben, um 19 % niedriger als bei Personen, die keine KI verwenden. Die Forscher nannten dieses Phänomen „gezahnte Technologiegrenze“: KI leistet bei einigen Aufgaben hervorragende Arbeit, kann aber plötzlich versagen, wenn sie mit verwandten Aufgaben konfrontiert wird, die sehr ähnlich erscheinen. Wenn die Bewertung nur auf die Ausgabegeschwindigkeit achtet und die Genauigkeit der Ergebnisse nicht überprüft, wird die Mitarbeiter dazu anregen, die Arbeit von der KI erledigen zu lassen, ihre Fähigkeitsgrenze zu überschreiten und zu hoffen, dass die KI keine Fehler macht.

Andere Studien haben bewiesen, dass traditionelle Indikatoren die wahre Quelle des Werts falsch beurteilen. Eine Studie ergab, dass KI-Unterstützung die Produktivität im Durchschnitt um etwa 14 % steigern kann, aber die Vorteile konzentrieren sich hauptsächlich auf weniger erfahrene Mitarbeiter. Bei erfahrenen Praktikern stieg die Effizienz nach der Verwendung von KI nur geringfügig an, während die Qualität leicht zurückging. Experten schaffen Wert, indem sie Probleme diagnostizieren, extrem spezielle Szenarien identifizieren, Voraussetzungen überprüfen und das Team anleiten, wann es dem Tool nicht vertrauen soll; die meisten Manager wägen diesen Preis nicht aktiv ab.

Gleichzeitig gibt es noch verborgenere, langfristige Risiken. Kontrollierte Experimente zeigen, dass der wiederholte Kontakt mit voreingenommenen KI-Ausgaben die angeborenen Vorurteile der Menschen in Wahrnehmung, Emotion und sozialem Urteil verstärken kann. Menschen sind sich oft nicht der Auswirkungen der KI auf sich selbst bewusst und werden leichter von Vorurteilen mitgerissen. Ein Kollege, der scheinbar „mit Daten spricht“, kann unmerklich die Vorurteile erlernen, die das Modell mit sich bringt. Das Standard-Leistungssystem verfügt über keinen Mechanismus, um solche Probleme zu erkennen.

Ein damit zusammenhängendes großes Risiko ist die Verbreitung von „schlechten Schnellprodukten“: Mit Hilfe von KI werden schnell eine große Menge an Arbeiten niedriger Qualität erzeugt, die mit redundantem Inhalt und verschiedenen Fehlern gefüllt sind und einen sehr geringen tatsächlichen Informationswert haben. Solche Ergebnisse verbrauchen viel Zeit der Empfänger, verringern auch die Bewertung der Kollegen für den Erzeuger der Ergebnisse und schädigen den Teamzusammenhalt. Unternehmen, die nur die Ausgabemenge bewerten und nicht die Genauigkeit, beurteilen nicht nur die Leistung falsch, sondern zerstören die Leistungsfähigkeit aktiv. Viele Manager haben bereits berichtet, dass es schwierig ist, die riesige Menge an Inhalten zu verarbeiten, die von Mitarbeitern erzeugt werden: Arbeiten, die früher eine Woche dauerten, können jetzt in wenigen Stunden erledigt werden, aber die Qualitätskontrolle erfordert immer noch Zeit von Managern mit reicher Erfahrung und starkem Urteilsvermögen.

KI-Agenten mit eigenständigen Ausführungsfähigkeiten verschärfen das Problem der Leistungsbeurteilung weiter. In der Vergangenheit betrachteten die meisten Unternehmen KI als ein Werkzeug für Mitarbeiter. Obwohl nur 11 % der Unternehmen KI-Agenten bereits in die Produktion eingeführt haben, führt die Integration von Agenten in Arbeitsabläufe zu dem von uns genannten Problem der kooperativen Leistung. Wenn das Endergebnis aus einem gemischten Mensch-Maschine-System stammt, muss der Bewertungsrahmen gleichzeitig drei Fragen beantworten: Wie ist die Leistung des Menschen? Wie ist die Leistung des KI-Systems? Und wie ist das Gesamtergebnis der Zusammenarbeit zwischen Mensch und Maschine?

Basierend auf Forschungen im Zusammenhang mit algorithmischer Steuerung sind wir der Ansicht, dass KI-Agenten das Verhalten von Menschen durch eine annähernde Verwaltung beeinflussen können: Arbeitsinhalte empfehlen oder einschränken, Leistungsdaten aufzeichnen und bewerten sowie Entscheidungen über Belohnungen oder Personalwechsel auslösen. Wenn keine separaten Bewertungs- und Governance-Mechanismen für Agenten und Mitarbeiter festgelegt werden, kann keine der beiden Parteien zur Verantwortung gezogen werden. Sobald der Bewertungsbogen des Agenten mit dem Bewertungsbogen des Mitarbeiters vermischt wird, verlieren beide Bewertungen ihre Authentizität.

Ein neuer Rahmen zur Leistungsmessung

Basierend auf unseren laufenden Forschungsergebnissen und der Zusammenarbeit mit Unternehmen schlagen wir ein dreidimensionales Bewertungsrahmenwerk vor, das die Leistung von Menschen, KI-Systemen und Agenten sowie die Ergebnisse der Mensch-Maschine-Kooperation misst. Jede Ebene verfügt über eine kleine Anzahl von Kernindikatoren, die regelmäßig (monatlich oder vierteljährlich) überprüft werden und direkt mit tatsächlichen Verwaltungsmaßnahmen verbunden sind: Coaching, Personalausstattung, Beförderung und Tool-Governance.

I. Indikatoren für den menschlichen Beitrag

Um die tatsächliche Arbeitsleistung von Menschen zu bewerten, müssen die Ausgabemesswerte, die KI leicht erhöhen kann, geschwächt werden, und der Fokus muss auf Kernkompetenzen gelegt werden, die KI nicht ersetzen kann. Für die überwiegende Mehrheit der Arbeitsplätze müssen die folgenden drei Arten von Fähigkeiten beachtet werden:

1. Urteilsvermögen bezüglich der Grenzen

Kann der Mitarbeiter zuverlässig Szenarien erkennen, in denen KI ihre Fähigkeitsgrenzen überschreitet, und angemessen damit umgehen?

- Genauigkeit der Eskalation: Wenn die nachfolgende Überprüfung bestätigt, dass die KI-Ausgabe tatsächlich Mängel aufweist, unvollständig ist oder den zuverlässigen Fähigkeitsbereich überschreitet, wird diese Meldung als „vernünftig“ eingestuft.

- Quellennachweispunktzahl: Ob das Lieferobjekt die Datenquelle, den Erstellungszeitpunkt und das verwendete Modell vollständig und transparent aufzeichnet. Der Stichprobenanteil muss im Voraus festgelegt werden, z. B. werden 20 % aller Lieferergebnisse pro Quartal zur Überprüfung entnommen.

- Korrekturqualitätsindex: Korrekturen, für die der Mitarbeiter schriftliche Erklärungen hinterlässt (Ausgabefehler, veraltete Daten, fehlender Kontext usw.), werden als „vernünftige Korrekturen“ eingestuft; unbegründete unangemessene Korrekturen führen zu Punkteabzügen.

2. Koordinations- und Kooperationsfähigkeit

Kann der Mitarbeiter KI-Tools nutzen, um die Gesamtleistung des Teams zu verbessern, anstatt nur die persönliche Effizienz zu steigern, also andere zu befähigen?

- KI-Durchdringungsrate im Team, ergänzt durch eine Schichtung nach Nutzungstiefe: Gelegentliche Nutzung (weniger als 2 Mal pro Woche), regelmäßige Nutzung (2-4 Mal pro Woche), tiefgreifende Integration (tägliche Nutzung über verschiedene Aufgaben hinweg). Der Fokus liegt auf der Verteilung des Personals auf allen Ebenen.

- Beitragsindex zur Prozessoptimierung, der den Ergebnissen der Mitarbeiter bei der Optimierung von Arbeitsabläufen Gewicht verleiht: Neu aufgebaute Prozesse erhalten 1,0 Punkte; die Optimierung bestehender Prozesse erhält 0,5 Punkte; die Zusammenstellung von Dokumenten und deren gemeinsame Nutzung werden zusätzlich mit 0,25 Punkten belohnt. Die Statistik erfolgt vierteljährlich.

- Ausgabeverhältnis pro Kopf, Verfolgung von Zeitreihendaten. Im Vergleich zu absoluten Werten ist der Trend der Veränderung aussagekräftiger: Wenn dieser Indikator steigt, während die Teamgröße unverändert bleibt oder sogar schrumpft, bedeutet dies, dass der Effekt der Koordinierung und Befähigung hervorragend ist.

3. Geschwindigkeit des Lernens und der Iteration

Kann der Mitarbeiter sich schnell an die Iteration von