In rund 10.000 Analystenkonferenzen zwischen 2021 und 2025 äußerten sich Führungskräfte zu KI durchweg optimistisch — und dieser Optimismus erklärte nichts von den Produktivitätsunterschieden zwischen ihren Unternehmen. Was mit der Produktivität mitlief, ist die Größe, die niemand auf eine Vorstandsfolie setzt: die KI-Stimmung der Mitarbeitenden, extrahiert aus Millionen von Glassdoor-Bewertungen derselben Unternehmen in denselben Jahren (Ding, Ma, Wu & Yang, SSRN, 2026).
Das eine Signal ist laut, kostenlos und wertlos. Das andere ist leise, in den meisten Mid-Market-Unternehmen ungemessen — und das einzige mit nachgewiesenem Bezug zum Output.
Wenn Sie Ihre KI-Rendite aus der Zuversicht derjenigen ableiten, die das Budget genehmigt haben, lesen Sie das falsche Instrument ab.
Was das Pittsburgh-Panel tatsächlich gemessen hat
Die Studie — Tracking Artificial Intelligence Sentiment in the U.S. Labor Market, ein 116-seitiges Arbeitspapier von Forschenden der Katz School in Pittsburgh und der Michigan State — baut ein Unternehmenspanel aus vier Datenquellen für 2021–2025: Millionen von Glassdoor-Mitarbeiterbewertungen, rund 10.000 Transkripte von Analystenkonferenzen, individuelle LinkedIn-Karriereprofile und Stellenausschreibungen auf Unternehmensebene (Ding, Ma, Wu & Yang, SSRN, 2026).
Drei Ergebnisse sind für Operations-Verantwortliche relevant.
Erstens: Mitarbeitende beurteilen KI messbar negativer als ihren Arbeitgeber insgesamt. Die Lücke ist KI-spezifisch. Dieselbe Person, die das Unternehmen positiv bewertet, bewertet das KI-Programm unterhalb dieser Basislinie — es handelt sich also nicht um allgemeine Unzufriedenheit, die in die KI-Frage überschwappt.
Zweitens: Die KI-Stimmung der Mitarbeitenden zeigt einen starken positiven Zusammenhang mit der Unternehmensproduktivität. Höhere Stimmung, höherer Output.
Drittens — und für einen Head of Operations, der entscheidet, was gemessen wird, am nützlichsten: Die KI-Stimmung des Managements erklärt Produktivität nicht. Sie ist gleichmäßig optimistisch, in Unternehmen, die anschließend gut abschnitten, wie in solchen, die es nicht taten. Genau das macht sie als Signal unbrauchbar. Eine Variable ohne Varianz kann nichts vorhersagen.
Warum der Optimismus der Führungsebene keine Varianz hergibt
Das ist kein Vorwurf der Unaufrichtigkeit. Es ist eine Aussage darüber, wozu die Sprache einer Analystenkonferenz dient.
Eine Analystenkonferenz ist eine Positionierungsübung mit angeschlossener Rechtsabteilung. Der CEO, der sagt „unsere KI-Investition rentiert sich noch nicht", zahlt für diesen Satz einen unmittelbaren Marktpreis. Das Ergebnis ist ein Korpus, in dem fast alle zuversichtlich klingen — womit genau die Unterschiede verschwinden, die man bräuchte, um ein funktionierendes Programm von einem stehengebliebenen zu unterscheiden.
Die Befragungsdaten zeigen dieselbe Kompression aus anderer Richtung. BambooHRs State of the Workforce 2026 mit über 1.200 Beschäftigten und Führungskräften aus sechs Branchen fand, dass 81 % der Führungskräfte einen Produktivitätszuwachs durch KI berichten, während 49 % der Befragten sagen, KI habe keinen greifbaren Wert geliefert und sei überbewertet (BambooHR, 2026). Diese beiden Zahlen beschreiben dieselben Unternehmen. Die Führungsebene beobachtet keine andere Realität — sie berichtet eine andere.
Es gibt einen strukturellen Grund dafür, dass die Lesart oben höher ausfällt, und er heißt nicht Eitelkeit. Führungskräfte sehen die Pilot-Demo, den Anbieter-Benchmark und das aggregierte Dashboard. Mitarbeitende sehen die Nacharbeit, den Prüfschritt und den Prozess, der nie um das Werkzeug herum neu gestaltet wurde. Beide schauen auf das KI-Programm. Nur eine Seite schaut auf die Stelle, an der die Produktivität entstehen müsste.
Wenn Ihr KI-Business-Case darauf gebaut ist, wie zuversichtlich sich Ihr Führungsteam fühlt, steht er auf der einzigen Variable im Datensatz ohne Erklärungskraft.
Arbeitsplatzsicherheit ist der stärkste Treiber — und die Entlassungsbegründung der Verstärker
Das Papier ordnet, was die KI-Stimmung der Mitarbeitenden nach unten zieht. Die Sorge um den Arbeitsplatz ist der stärkste negative Treiber, vor schlechter Schulung, dünnen Reskilling-Pfaden, schwacher KI-Führung und schlichtem Zweifel daran, dass die Werkzeuge funktionieren (Ding, Ma, Wu & Yang, SSRN, 2026).
Dann folgt das Ergebnis mit der unmittelbarsten operativen Konsequenz: Als KI-bedingt begründete Entlassungsankündigungen drücken die KI-Stimmung im ankündigenden Unternehmen deutlich — und heben damit genau die Adoptionsgewinne auf, die der Schnitt einfahren sollte. Und die Marktreaktion auf diese Ankündigungen war in mehr als der Hälfte der untersuchten Fälle negativ oder ungefähr null.
Lesen Sie das als Preisfehler. Wenn ein Unternehmen einen Stellenabbau als „KI hat diese Rollen überflüssig gemacht" rahmt, wählt es ein Narrativ, das es für kostenlos hält. Es ist nicht kostenlos. Es kauft einen messbaren Rückgang jener Stimmungsvariable, die mit Produktivität korreliert — im Tausch gegen eine Marktreaktion, die in mehr als der Hälfte der Fälle ausbleibt.
Die Forrester-Daten zur anderen Seite dieser Entscheidung sind wenig schmeichelhaft. 55 % der Arbeitgeber bereuen es, wegen KI Personal abgebaut zu haben, und rund die Hälfte der KI-begründeten Entlassungen dürfte 2026 still rückgängig gemacht werden — durch Wiedereinstellung im Ausland oder zu deutlich niedrigeren Löhnen (HR Executive zu Forrester Predictions 2026). Die Abfolge für einen erheblichen Teil der Unternehmen lautet also: schneiden, den Schnitt der KI zuschreiben, den Stimmungseinbruch tragen, keine Marktanerkennung erhalten, dann wieder einstellen.
Das makroökonomische Bild sagt, dass der größte Teil dieses Abbaus ohnehin nie durch aggregierte Personalarithmetik gedeckt war. Das CFO-Survey-Panel der Fed — 603 Antworten plus 145 ergänzende, erhoben von November 2025 bis Januar 2026 — fand 2025 einen vernachlässigbaren KI-Effekt auf die Beschäftigung und für 2026 einen aggregiert nahe null erwarteten Effekt. Die Bewegung ist eine der Zusammensetzung: ein erwarteter Rückgang des Anteils routinemäßiger Sachbearbeitung um 0,76 % im Jahr 2026 und um 2,19 % bis 2028, teilweise ausgeglichen durch Wachstum qualifizierter technischer Rollen (NBER Working Paper 34984, 2026).
Verschiebungen in der Zusammensetzung brauchen keine Ankündigung. Sie brauchen einen Einstellungsplan.
Der Retentions-Befund, den niemand einpreist
Ein weiteres Ergebnis des Panels verdient eine eigene Zeile in Ihrem Personalmodell: Unternehmen mit mehr KI-kompetenten Mitarbeitenden zeigen höhere Fluktuation, eine niedrigere Einstellungsquote und langsameres Beschäftigungswachstum. Die Autoren haben den naheliegenden Störfaktor geprüft — Unternehmen, die nach der Pandemie überstellt hatten und nun korrigieren — und der Befund hält auch ohne diese Firmen. Es ist also kein bloßes Artefakt von AI-Washing (Ding, Ma, Wu & Yang, SSRN, 2026).
Daneben: eine steigende Lohnprämie und schnellerer Aufstieg für KI-kompetente Beschäftigte.
Zusammengenommen wird das Risiko im Mid-Market konkret. Die Menschen, die Sie 2025 zu KI-Kompetenz ausgebildet haben, sind mobiler geworden — in einem Markt, der sie inzwischen besser bezahlt, und in einem Unternehmen, das langsamer einstellt. An Ihrem KI-Befähigungsprogramm hängt eine Retentionsrechnung, und sie wird genau auf der Senioritätsstufe fällig, auf der Ersatz am schwersten ist.
Der Einwand, den man ernst nehmen sollte
Dies ist ein Arbeitspapier, keine peer-reviewte Publikation, und die zentralen Zusammenhänge sind beobachtend. Niemand hat Mitarbeiterstimmung randomisiert. Der Zusammenhang zwischen Stimmung und Produktivität ist mit umgekehrter Kausalität vereinbar — produktive Unternehmen sind angenehme Arbeitsorte, und dort werden bessere Bewertungen geschrieben — und mit einem ausgelassenen dritten Faktor: kompetenter Führung, die beides erzeugt.
Der Einwand ist berechtigt, und er ändert nichts an dem, was zu tun ist.
Sie sollen nicht glauben, dass bessere Stimmung Produktivität verursacht. Sie sollen bemerken, dass sich eine messbare Variable mit der Unternehmensleistung bewegt und eine andere nicht. Ein Frühindikator muss nicht kausal sein, um nützlich zu sein; er muss informativ und früh verfügbar sein. Die KI-Stimmung der Mitarbeitenden ist beides. Die der Führungskräfte ist nach dieser Evidenz keines von beidem.
Die vertretbare Position lautet nicht „wir müssen die Moral reparieren, um KI-Renditen zu erzielen". Sie lautet: „Wir prognostizieren unsere Renditen derzeit anhand eines Signals ohne nachgewiesene Prognosekraft, während das alternative Signal fast nichts kostet."
Was Sie messen sollten: KI-Stimmung der Mitarbeitenden als Frühindikator
Messen Sie KI-Stimmung getrennt vom Engagement
Ihre bestehende Engagement-Befragung wird das nicht sichtbar machen. Der Kern des Pittsburgh-Befunds ist ja, dass die KI-Stimmung unter der allgemeinen Unternehmensstimmung liegt — beides zusammenzufassen verdeckt die Lücke. Ergänzen Sie das vorhandene Instrument um drei oder vier KI-spezifische Items: Macht das Werkzeug Ihre Arbeit besser? Haben Sie die Schulung, um es zu nutzen? Verstehen Sie, was es für Ihre Rolle bedeutet? Verfolgen Sie die Differenz zwischen KI-Stimmung und Gesamtstimmung als eigene Kennzahl.
Schlüsseln Sie nach Funktion und Betriebszugehörigkeit auf und lesen Sie die Streuung
Ein organisationsweiter Mittelwert sieht in Ordnung aus und sagt Ihnen nichts. Das Signal liegt darin, welche Teams ins Negative gekippt sind — und angesichts des Fluktuationsbefunds darin, ob es Ihre KI-versiertesten Leute sind, die kippen. Diese beiden Schnitte sind der Bericht.
Prüfen Sie, wie die Restrukturierungen dieses Jahres begründet wurden
Gehen Sie jede Personalreduktion der letzten zwölf Monate durch und prüfen Sie, was den Mitarbeitenden als Grund genannt wurde. Wo KI als Ursache benannt wurde, ohne der tatsächliche Treiber zu sein, haben Sie Stimmungskosten für ein Narrativ bezahlt, das Ihnen nichts eingebracht hat. Korrigieren Sie die Sprache künftig: Begründen Sie mit dem geschäftlichen Grund, nicht mit der Technologie.
Beheben Sie die Treiber in ihrer Rangfolge, nicht nach Finanzierbarkeit
Arbeitsplatzsicherheit steht vor Schulung. Die meisten Befähigungsbudgets drehen das um — schwer auf Werkzeugen und Prompt-Workshops, stumm dazu, was mit der Rolle geschieht, wenn sich der Prozess ändert. Eine klare, konkrete Aussage darüber, was KI für eine bestimmte Tätigkeit bedeutet und was nicht, kostet nichts und adressiert den erstrangigen Treiber. Schulung adressiert den zweiten. Kaufen Sie in dieser Reihenfolge.
Erweitern Sie danach die Anwendungsfälle, nicht die Lizenzzahl
Gallups Daten aus dem zweiten Quartal 2026 zeigen: Der Anteil der Beschäftigten, die einen positiven Produktivitätseffekt berichten, steigt von 45 % bei ein bis zwei KI-Anwendungsfällen auf 90 % bei sieben oder mehr (Gallup, 2026). Die Stimmung verbessert sich, wenn das Werkzeug tatsächlich hilft. Bewegt wird sie durch die Breite der angewandten Nutzung, nicht durch die Zahl vergebener Lizenzen.
Die Entscheidung auf Ihrem Schreibtisch
Sie führen bereits eine Mitarbeiterbefragung durch. Sie haben bereits Quartalsreviews, in denen jemand eine KI-Fortschrittsfolie aus Anbieter-Benchmarks und Führungszuversicht präsentiert. Die Änderung ist keine neue Budgetposition — es ist die Frage, welches dieser beiden Artefakte Sie als Evidenz behandeln.
Legen Sie vor Ihrem nächsten KI-Investitionsreview eine Zahl auf den Tisch: die KI-Stimmung der Mitarbeitenden, aufgeschlüsselt nach Funktion und Betriebszugehörigkeit, mit der Differenz zur Gesamtstimmung. Fällt sie niedriger aus, als irgendjemand im Raum erwartet hat, ist das kein Moralproblem für die Personalabteilung. Das ist Ihre Produktivitätsprognose — früh genug, um noch zu handeln.
