Etwa die Hälfte von 49 Zweierteams, zufällig zugewiesen, traf mitten in der Aufgabe auf einen unangekündigten Schwierigkeitssprung. Sie spürten es — die wahrgenommene Schwierigkeit stieg von 3,14 auf 6,36 auf einer Zehn-Punkte-Skala. Ihr Verhalten änderte sich — die Sprechzeit verschob sich zu dem Partner, der die Information hielt (χ²(1) = 8,48, p = .004). Ihre Gehirne registrierten nichts: keine störungsbedingte Veränderung der Interbrain-Synchronie, weder im Niveau noch im Verlauf noch in der zeitlichen Rekurrenz, alle Zeit-×-Gruppe-Interaktionen p > .05 (Réveillé et al., 2026).
Wenn Sie entscheiden, was in Ihrem Betrieb als Team-Health-Signal zählt, ist dieser Kontrast das ganze Briefing. Die teuerste Messung im Raum blieb stehen, während eine kostenlose sich bewegte.
Was 49 Teams taten, als die Aufgabe zusammenbrach
Das Studiendesign ist der Grund, warum dieses Ergebnis die Aufmerksamkeit eines Head of Operations verdient und nicht nur die eines Neurowissenschaftlers.
Achtundneunzig gesunde Erwachsene (Durchschnittsalter 22,5 ± 3,22; 69 Frauen) wurden 49 Dyaden zugewiesen, die jeweils eine 20-minütige computerbasierte Navigationsaufgabe unter simultanem fNIRS-Hyperscanning absolvierten. Ein Partner — der Guide — kannte die Route und gab Anweisungen; der andere bewegte den Cursor. Die Hälfte der Dyaden traf mitten in der Aufgabe auf einen unangekündigten Schwierigkeitsanstieg; die andere Hälfte nicht. Das Protokoll wurde vor der Datenerhebung, die von Januar bis März 2025 lief, im Open Science Framework präregistriert (Réveillé et al., 2026).
Drei Dinge wurden vor dem Hauptergebnis festgestellt, und sie zählen, weil sie die einfachen Einwände abschneiden.
Die Synchronie war real. Interbrain-Synchronie trat während der Aufgabe zuverlässig auf: χ²(1) = 50,24, p < .001. Das Instrument hat kein Rauschen gemessen.
Die Störung war real. Die Leistung brach deutlich ein (χ²(1) = 24,99, p < .001) und die wahrgenommene Schwierigkeit in der Experimentalgruppe verdoppelte sich nahezu, von 3,14 auf 6,36 gegen eine flache Kontrollgruppe (4,00 auf 4,20).
Und die Teams reagierten durchaus — nur nicht dort, wohin die Sensoren zeigten. Die Gesamtsprechzeit bewegte sich überhaupt nicht (χ²(1) = 0,21, p = .644; Kontrolle 453→463 Sekunden, Experimental 461→477). Was sich bewegte, war die Verteilung. Das Sprechverhältnis zwischen Guide und Drawer verschob sich signifikant (χ²(1) = 8,48, β = 3,17, 95-%-KI [0,10, 6,25]), wobei der Guide einen größeren Anteil übernahm, je schwerer die Aufgabe wurde. Das Kommunikationsvolumen war ein Nicht-Signal. Ihre Form war das Signal.
Warum Interbrain-Synchronie wie ein Team-Health-Signal aussah
Dies ist nicht der Fall einer widerlegten schlechten Idee. Es ist der Fall einer guten Korrelation, die eine Aufgabe erfüllen soll, für die sie nie getestet wurde — und diese Unterscheidung sollten Sie bei jeder Kennzahl auf Ihrem Dashboard treffen können.
Derselbe Erstautor veröffentlichte 2024 eine systematische Übersichtsarbeit mit Metaanalyse: 41 aus ursprünglich 229 Studien, die 1.326 Teams repräsentieren, mit drei mehrebenen-Metaanalysen, die statistisch signifikante positive Zusammenhänge zwischen Interbrain-Synchronie und Inputs, Prozessen und Outputs der Teamarbeit fanden. Das Fazit plädierte für die weitere Nutzung des Maßes (Réveillé et al., 2024).
Synchronie verfolgt Teamarbeit also tatsächlich — zwischen Teams. Was das Experiment von 2026 geprüft hat, ist etwas anderes: verfolgt sie Teamarbeit innerhalb eines Teams, über die Zeit, wenn sich die Bedingungen ändern? Nein. Die Deutung der Autoren lautet, Interbrain-Synchronie „könnte einen stabilen kollektiven Zustand widerspiegeln statt einen reaktiven".
Die Lücke zwischen diesen beiden Fragen ist die, die Dashboards still zerbricht. Ein an Zwischengruppen-Unterschieden validiertes Maß wird eingesetzt, um Veränderung innerhalb der Gruppe zu erkennen, und niemand wiederholt die Validierung, weil die Zahl schon an der Wand hängt und sich jedes Quartal ein wenig bewegt.
Lesen Sie das als Problem der Messklasse, nicht als neurowissenschaftliches Problem. Ein stabiles Merkmal kann zwischen Teams trennen und als Live-Anzeige dafür, ob ein bestimmtes Team gerade zurechtkommt, dennoch unbrauchbar sein. Engagement-Scores, Kulturindizes, Persönlichkeitskomposita und die meisten Jahresbefragungen liegen in genau derselben Klasse. Sie sagen Ihnen, welche Teams sich unterscheiden. Sie sagen Ihnen nicht, dass am Dienstag etwas kaputtgegangen ist.
Das Signal, das sich bewegte, war kostenlos
Die Verteilung der Redezeit ist kein neues Maß. Woolley, Chabris, Pentland, Hashmi und Malone fanden in zwei Studien mit 699 Personen in Gruppen von zwei bis fünf einen generellen Faktor kollektiver Intelligenz, der nicht stark mit der durchschnittlichen oder maximalen Einzelintelligenz der Mitglieder korrelierte — wohl aber mit der durchschnittlichen sozialen Sensitivität und mit der Gleichverteilung des Sprecherwechsels (Woolley et al., 2010).
Das Experiment von 2026 ergänzt die dynamische Hälfte dieses Bildes. Die Verteilung der Sprecherwechsel ist nicht nur ein stabiles Korrelat guter Teams; sie ist ein Maß, das sich innerhalb von Minuten bewegt, wenn ein Team auf etwas stößt, das es nicht bewältigen kann. Das ist die Eigenschaft, die eine Diagnostik braucht und die ein Merkmal nicht hat.
Was „die Sprechzeit hat sich verschoben" in der Praxis bedeutet
Im Experiment übernahm der Guide — der Partner mit der Information — einen größeren Redeanteil, je schwieriger es wurde. Übersetzen Sie den Mechanismus, nicht das Setting: wenn die Arbeit hart wird, kollabiert das Gespräch auf denjenigen, der das kritische Wissen hält, und der Beitrag des restlichen Teams dünnt aus. Die Gesamtredezeit bleibt konstant, ein Dashboard mit Meeting-Minuten sieht also nichts. Nur das Verhältnis ändert sich.
Eine Warnung, bevor jemand einen Tracker baut. Der Befund betrifft die Verteilung eines Teams gegen seine eigene Baseline, nicht Einzelpersonen gegeneinander. In dem Moment, in dem eine Konzentrationskennzahl einer Person zugeschrieben wird, misst sie nicht länger, ob das Team zurechtkommt, sondern wer redet — und Menschen richten sich nach der Kennzahl statt nach der Arbeit.
Jeder Betrieb hat diese Daten bereits in einer Form, die niemand ansieht: wer im Standup gesprochen hat, wer den Blocker gemeldet hat, wer im Incident-Kanal geantwortet hat, welche drei Namen in jedem Thread zu einem bestimmten System auftauchen.
Der ehrliche Gegeneinwand
Vier Grenzen, klar benannt, denn dies ist ein Nullergebnis, und Nullergebnisse werden in beide Richtungen überinterpretiert.
Der Effekt ist klein. Die Verschiebung des Sprechverhältnisses erklärte 9 % der Varianz (marginales R² = 0,09). Ein nachweisbares Signal, kein dominantes.
Die Gruppen waren an der Baseline beim funktionierenden Maß nicht gut gematcht. Das Ausgangs-Sprechverhältnis der Kontrollgruppe lag bei 13,11 gegenüber 5,68 in der Experimentalgruppe, mit sehr großen Standardabweichungen in beiden. Behandeln Sie die absoluten Verhältnisse als verrauscht; verteidigbar ist die Richtung der Veränderung innerhalb der Gruppe, nicht eine übertragbare Benchmark-Zahl.
Dyaden sind keine Teams. Neunundvierzig Paare junger Fremder (Durchschnittsalter 22,5) in einer Labor-Navigationsaufgabe sind kein cross-funktionales Team mit echter Deadline, Vorgeschichte, Statusunterschieden und Konsequenzen. Der Mechanismus überträgt sich; die Parameter nicht.
Die Autoren bieten eine methodische Hintertür, und das ist fair. Sie diskutieren die Operationalisierung der Interbrain-Synchronie ausdrücklich als alternative Erklärung des Nullergebnisses. Eine andere Synchronie-Kennzahl hätte reagieren können. Das ist ein gut durchgeführtes Experiment gegen ein Maß, kein Urteil über das Maß.
Erwähnenswert ist außerdem, da Präzision in einer so sorgfältigen Arbeit zählt: Der Ergebnistext gibt den p-Wert des Sprechverhältnisses an einer Stelle als „.04" an, während Abstract, Schätzung des fixen Effekts und Tabelle alle .004 berichten. Letzteres ist korrekt.
Mehr Sensoren sind nicht mehr Signal
Der Reflex, wenn ein Maß enttäuscht, ist der Kauf eines besseren. Die Evidenz zu diesem Reflex ist in einer angrenzenden Domäne nicht ermutigend.
Ravid, White, Tomczak und Kollegen metaanalysierten 94 Studien mit mehr als 23.000 Teilnehmenden zur elektronischen Leistungsüberwachung und fanden keinen Gesamtzusammenhang mit besserer Leistung — weder bei Geschwindigkeit, Menge, Hilfsverhalten noch kontraproduktivem Verhalten — während sie konsistente Zusammenhänge mit höherem Stress, geringerer Arbeitszufriedenheit und schwächerer Fairness-Wahrnehmung fanden (Ravid et al., Personnel Psychology).
Das Muster ist in beiden Literaturen dasselbe: Instrumentierungsdichte ist nicht die bindende Beschränkung. Ein Maß zu wählen, das sich ändert, wenn sich das ändert, was Ihnen wichtig ist, ist die bindende Beschränkung. Interbrain-Synchronie ist ein extremes Beispiel — etwa der hochauflösendste Sensor, den die Arbeitsforschung hat, und er blieb flach durch eine Störung, die ein Transkript erfasst hätte.
Was Sie vor Ihrem nächsten Incident Review instrumentieren sollten
Drei Schritte, keiner davon mit Beschaffungszyklus.
1. Machen Sie die Beitragsverteilung zu einer Beobachtung, nicht zu einem Eindruck. Erfassen Sie in Ihren drei oder vier tragendsten wiederkehrenden Meetings, wer beigetragen hat, nicht wie lange insgesamt. Sie suchen eine Verschiebung des Verhältnisses gegen die eigene jüngere Baseline dieses Teams — nicht gegen einen teamübergreifenden Benchmark, den diese Studie ausdrücklich nicht stützt.
2. Nehmen Sie eine Verteilungsfrage in Incident Reviews auf. „Hat sich die Redezeit dabei auf eine Person konzentriert?" ist ein schnellerer Hinweis darauf, ob das Team zurechtkam, als jede Stimmungsfrage — und beantwortbar aus der Kanalhistorie, die Sie längst aufbewahren. Konzentration ist der Befund; auf Konzentration schauen Sie.
3. Behandeln Sie Merkmalsmaße nicht länger als Zustandsalarme. Prüfen Sie die Maße, bei denen Sie heute eskalieren. Für jedes eine einzige Frage: hat diese Zahl sich jemals bewegt, bevor mir jemand von einem Problem erzählt hat? Wenn nicht, ist sie ein Segmentierungswerkzeug und kein Frühwarnsystem — behalten Sie sie, aber warten Sie nicht länger auf ihre Warnung. Strukturierte, multisignalbasierte Kompetenzmessung gehört in die Merkmalsklasse und verdient dort ihren Platz: Scovais Performance- und Nachfolgeebene dokumentiert, wie Kompetenzdaten pro Zyklus und die Synthese von Divergenzen im 360°-Feedback strukturiert sind — der richtige Ort für diese Frage, eine andere Frage als die, die ein Echtzeit-Team-Health-Signal beantwortet.
Der tiefere Punkt betrifft die Frage, wo das nützliche Signal zu finden ist. Das Feld hat ein Jahrzehnt darauf verwendet zu zeigen, dass synchronisierte Gehirne mit guter Teamarbeit korrelieren, und das war richtig. Aber die Messung, die Ihnen in Echtzeit sagte, dass ein Team in Schwierigkeiten war, lag längst im Raum — unbepreist, unprotokolliert und in einem Transkript.
Ihr nächstes Incident Review hat ein Transkript. Lesen Sie, wer aufgehört hat zu sprechen.
