Eine systematische Übersichtsarbeit und Meta-Analyse vom Juni 2026 über 19 Studien und 61 Effektstärken beziffert etwas, das die meisten Operations-Verantwortlichen ahnen, aber nie gemessen haben: Wenn Menschen mit generativer KI arbeiten, konvergieren ihre Ergebnisse. Der aggregierte Homogenisierungseffekt liegt bei d = 0,334 — klein, robust und nicht durch Publikationsbias erklärbar (de Rooij & Biskjaer, 2026).
„Klein" ist das Wort, das diesen Befund abheften und vergessen lässt. Zu Unrecht.
Individuell wird die Arbeit meist besser. Kollektiv wird sie einander ähnlicher. Beides steht nicht im Widerspruch: Es ist derselbe Mechanismus aus zwei Flughöhen betrachtet. Nur einer davon taucht auf Ihrem Produktivitäts-Dashboard auf.
Für eine Operations-Funktion, die sich im letzten Jahr auf einen Single-Vendor-KI-Rollout standardisiert hat — das beschreibt die meisten Unternehmen zwischen 50 und 500 Mitarbeitenden — lautet die praktische Frage nicht, ob man weiter damit arbeitet. Sie lautet, ob jemand geprüft hat, was mit der Streuung passiert ist.
Was d = 0,334 auf Teamebene tatsächlich bedeutet
Ein Cohens d von 0,33 ist eine moderate Verschiebung zwischen zwei Verteilungen. In einem einzelnen Dokument ist sie unsichtbar. Sie würden sie beim Nebeneinanderlegen zweier Angebote nicht bemerken, und kein Reviewer in Ihrem Unternehmen wird sie je monieren.
Operativ relevant wird der Befund durch die meta-analytische Rahmung. Die Autoren beschreiben ihn nicht als Qualitätsverlust, sondern als Reorganisation kreativer Vielfalt — im Einzelfall subtil, im Maßstab folgenreich (de Rooij & Biskjaer, 2026). Das ist ein Varianzbefund, kein Qualitätsbefund. Die Unterscheidung zählt, denn jedes Messsystem in einer Mid-Market-Operations-Funktion ist auf Mittelwerte gebaut und kaum eines auf Streuung.
Ein Meinungsbeitrag vom März 2026 in Trends in Cognitive Sciences führt dasselbe Muster auf seine Quelle zurück. Sourati und Dehghani argumentieren: Wenn Milliarden Menschen ihr Schreiben und Denken durch dieselbe Handvoll großer Sprachmodelle leiten, standardisieren diese Modelle, wie Menschen Ideen ausdrücken und strukturieren — LLM-Ausgaben sind messbar weniger variantenreich als menschliches Schreiben und neigen zu WEIRD-Normen (westlich, gebildet, industrialisiert, reich, demokratisch) (Sourati & Dehghani, 202600003-3)). Ihre Sorge gilt der Erosion kognitiver Vielfalt — dem Rohstoff von Kreativität wie Problemlösung.
In Betriebssprache übersetzt: Kognitive Vielfalt ist kein Wertebekenntnis. Sie ist die Eingangsvarianz, die es überhaupt lohnend macht, ein Portfolio von Optionen zu erzeugen.
Der Mechanismus heißt Ankereffekt, nicht Bequemlichkeit
Der Reflex in den meisten Führungsteams ist, Konvergenz als Anstrengungsverfall zu lesen: Man nimmt den ersten Entwurf und schickt ihn raus. Die experimentelle Evidenz zeigt etwas, das unseren Kontrollen weniger schmeichelt.
In einem kontrollierten Online-Experiment zur Produktion von Kurzgeschichten erzeugten Autorinnen und Autoren, die Story-Ideen von einem LLM erhielten, Texte, die als kreativer, besser geschrieben und unterhaltsamer bewertet wurden — mit den größten Zugewinnen bei den weniger kreativen Schreibenden. Zugleich ähnelten sich die KI-gestützten Geschichten untereinander stärker als die rein menschlich verfassten (Doshi & Hauser, 2024). Beide Effekte stammen aus derselben Intervention.
Die Autoren benennen die Struktur ausdrücklich: Sie ähnelt einem sozialen Dilemma. Mit generativer KI steht jeder Einzelne besser da, kollektiv entsteht jedoch ein engeres Spektrum neuer Inhalte.
Eine separate Studie zur menschlichen Ideenfindung kommt von der Input-Seite zum passenden Schluss. Sitzungen, in denen Teilnehmende mit einem LLM brainstormten, erzeugten Ideensets, die semantisch signifikant weniger vielfältig waren als Sitzungen ohne — die einzelnen Ideen waren in Ordnung, das Set war enger (Anderson, Shah & Kreminski, 2024).
Das ist der Ankereffekt, und er wirkt, bevor irgendjemand über den Grad seiner Anstrengung entschieden hat. Das Modell liefert den Ausgangspunkt; der Mensch arbeitet ihn aus. Ausarbeitung erhält Qualität und zerstört Unabhängigkeit.
Warum niemand in Ihrem Unternehmen damit aufhören wird
Lesen Sie das soziale Dilemma als Anreizkarte, denn genau das ist es.
Der Gewinn des KI-gestützten Entwurfs fällt dem Individuum zu: schnellere Durchlaufzeit, sauberere Sprache, ein besseres Leistungsgespräch. Der Verlust wird dem Kollektiv belastet: ein Angebotsset, das klingt wie das jedes Wettbewerbers, eine Bewertungsmatrix im Recruiting, die von der Branchenvorlage nicht zu unterscheiden ist. Kein einzelner Mitarbeitender erlebt den Verlust, und keiner hat einen Grund aufzuhören.
Das heißt: Es ist kein Verhaltensproblem. Es ist ein Problem von Organisationsdesign und Tool-Portfolio, und ein internes Memo über den „bewussten Umgang mit KI" wird es nicht lösen.
Wo Single-Vendor-KI ein Unternehmen mit 50–500 FTE echtes Geld kostet
Homogenisierung ist genau dort teuer, wo Differenzierung das Produkt ist.
Angebote und Ausschreibungen. Ihre Gewinnquote bei einer kompetitiven Ausschreibung hängt davon ab, was der Käufer bei den anderen drei Einreichungen nicht bekommt. Wenn Ihr Team und die Ihrer Wettbewerber die Erstellung durch denselben Assistenten leiten, gespeist aus denselben öffentlich gescrapten Konventionen, schrumpft der verbleibende Unterschied auf den Preis. Sie werden das als Margendruck beobachten und dem Markt zuschreiben.
Auswahlraster und Rollenarchitektur. Scorecards, Kompetenzdefinitionen und Interviewleitfäden aus einem gemeinsamen Modell konvergieren auf eine gemeinsame Vorstellung vom guten Kandidaten. Konvergente Kriterien über viele Arbeitgeber hinweg erzeugen korrelierte Absagen: dieselben Menschen überall aussortiert, aus denselben Gründen, ohne dass jemand diese Entscheidung getroffen hätte.
Positionierung und Kundenkommunikation. Markenstimme ist Abweichung von einer Kategorie-Baseline. Regression auf diese Baseline ist keine Stilfrage; sie ist das langsame Löschen dessen, was Ihr Marketingbudget eingekauft hat.
Strategie und Optionsgenerierung. Der schlechteste Ort dafür. Im Schritt der Optionsgenerierung ist Varianz das Ergebnis. Ein engeres Optionsset ist kein geringerer Aufwand — es ist eine Entscheidung, die getroffen wurde, bevor irgendjemand im Raum bemerkt hat, dass entschieden wird.
Beachten Sie die gemeinsame Eigenschaft: In jedem Fall verbessern sich die individuellen Produktivitätskennzahlen, während der organisationale Vermögenswert erodiert. Die Dashboards sehen dabei durchgehend hervorragend aus.
Die Struktur des verborgenen Verlusts, in einer Rechnung
Angenommen, die Erstellungszeit eines Angebots sinkt um 30 % und Ihr Team reicht vier Angebote mehr pro Quartal ein. Dieser Gewinn ist lesbar, zurechenbar und wird im Quartalsreview gefeiert.
Angenommen weiter, die Gewinnquote bei kompetitiven Ausschreibungen rutscht über drei Quartale von 24 % auf 21 %. Niemand wird das dem Erstellungswerkzeug zuschreiben, weil im Raum keine plausible Kausalgeschichte verfügbar ist: Die Angebote sind besser geschrieben als im Vorjahr, und das sehen alle. Der Rückgang wird dem Preisdruck zugeschrieben, dem neuen Preismodell eines Wettbewerbers, einer schwachen Marktlage. Jede dieser Erklärungen ist verfügbar, vertretbar und mit Ihren Daten nicht widerlegbar.
Diese Asymmetrie ist das eigentliche Risiko. Der Gewinn kommt mit sauberer Zurechnungskette. Der Verlust kommt ohne.
Wo dieses Argument falsch sein könnte
Drei Grenzen, benannt, bevor Sie irgendetwas davon umsetzen.
Die Evidenzbasis ist auf kreative und ideengenerierende Aufgaben gewichtet — Erzähltexte, Brainstorming, Designarbeit. Dort ist Homogenisierung am leichtesten messbar, nicht zwingend dort am größten. Ob dieselbe Effektstärke für eine Quartalsabschluss-Checkliste oder ein Support-Makro gilt, ist ungetestet; ich würde erwarten, dass sie kleiner ist und dort weniger zählt, wo Standardisierung das Ziel ist.
Ein aggregiertes d von 0,334 verdeckt zudem Heterogenität über 61 Effektstärken. Die Sammelschätzung sagt Ihnen, dass die Richtung belastbar ist. Sie sagt Ihnen nicht, wie die Zahl Ihres Teams lautet.
Vor allem: Die Single-Vendor-Rahmung ist meine Erweiterung der Evidenz, kein Befund darin. Diese Studien vergleichen KI-gestützte mit ungestützter Arbeit; sie stellen nicht Ein-Modell- gegen Mehr-Modell-Organisationen. Die Schlussfolgerung — dass Konzentration Konvergenz verstärkt — folgt aus dem Ankermechanismus und aus Sourati und Dehghanis Argument zu geteilten Modellen, bleibt aber eine Schlussfolgerung. Behandeln Sie sie als prüfbare Hypothese über Ihren eigenen Output, nicht als gesichertes Ergebnis.
Nichts davon ändert die Konsequenz. Konvergenz ist real, sie ist für Ihre heutige Instrumentierung unsichtbar, und sie ist in Ihrer eigenen Umgebung für etwa den Aufwand eines Nachmittags messbar.
Die Portfolio-Entscheidung: Was Sie vor der nächsten Verlängerung prüfen sollten
Vier Schritte. Keiner braucht Budget, und keiner verlangt von irgendjemandem, weniger KI zu nutzen.
1. Messen Sie Ihre Konzentration. Welcher Anteil der nach außen gerichteten Texterstellung — Angebote, Stellenprofile, Kundenkommunikation, Strategiepapiere — läuft durch einen einzigen Assistenten? Die meisten Mid-Market-Operations-Verantwortlichen haben nie gefragt, und die Antwort liegt üblicherweise über 80 %, weil der Einkauf auf eine Lizenz standardisiert hat. Diese Zahl ist Ihr Exposure.
2. Ändern Sie die Reihenfolge, nicht das Werkzeug. Der Ankereffekt lebt von der Sequenz. Verlangen Sie bei jeder Aufgabe, bei der Varianz der Punkt ist, zuerst unabhängige menschliche Generierung, danach KI-Erweiterung und -Kritik. Das ist eine zweizeilige Änderung im Prozessdokument und neutralisiert den Großteil des Mechanismus, weil das Modell den Ausgangspunkt nicht mehr liefern kann.
3. Diversifizieren Sie Inputs bewusst. Verschiedene Modelle und — deutlich günstiger — verschiedene Prompts. Ein geteilter „Master-Prompt", der als Produktivitäts-Best-Practice zirkuliert, ist eine Homogenisierungsmaschine im Helferkostüm. Falls Ihr Team einen hat, ist das der wirkungsvollste Punkt auf dieser Liste zum Abschaffen.
4. Instrumentieren Sie Streuung, nicht nur Volumen. Nehmen Sie 20 aktuelle Outputs derselben Art. Bewerten Sie die paarweise Ähnlichkeit — per Embeddings, wenn Sie die Fähigkeit haben, per strukturiertem Human Review, wenn nicht — und vergleichen Sie mit einer 2024er-Stichprobe desselben Prozesses. Damit haben Sie eine Baseline. Quartalsweise wiederholen. Das ist der einzige Schritt, der das Argument in Evidenz über Ihr Unternehmen verwandelt.
Die unbequeme Version
Wenn Ihr KI-Plan 2026 Adoption, Lizenzauslastung und eingesparte Stunden misst, ist er vollständig auf der Bilanzseite instrumentiert, auf der die Gewinne liegen. Das wird niemand als Versäumnis entdecken, weil die Verluste keine Kennzahl haben und nie eine Beschwerde auslösen.
Eine Entscheidung für dieses Quartal
Nehmen Sie den einen Dokumenttyp, bei dem Ihre Differenzierung am meisten zählt — für die meisten Operations-Verantwortlichen ist das das Angebot. Ziehen Sie die letzten zwanzig heraus. Lesen Sie sie darauf, wie sehr sie einander ähneln, nicht darauf, wie gut jedes einzelne ist.
Wenn sie konvergiert sind, haben Sie keine Qualität verloren. Sie haben Unterscheidbarkeit verloren — und für Unterscheidbarkeit hatten Sie bezahlt.
Single-Vendor-KI macht jede Ihrer Mitarbeitenden messbar schärfer. Die Frage, die kein Dashboard in Ihrem Unternehmen derzeit beantworten kann, ist, ob sie sie zugleich austauschbar macht — untereinander und gegenüber den Menschen Ihrer Wettbewerber. Beantworten Sie sie mit Ihren eigenen Dokumenten vor der nächsten Verlängerung, denn der Anbieter hat keinen Grund, sie zu stellen, und Ihre Produktivitätskennzahlen werden es nie tun.
