Vierundsiebzig Prozent der regelmäßigen KI-Nutzer richten heute eine Frage an einen Chatbot, die sie früher einem Kollegen gestellt hätten. Neunundfünfzig Prozent holen sich seltener als zuvor eine zweite Meinung bei Kollegen. Sechsundvierzig Prozent sagen, sie wüssten weniger darüber, wie ihre Kolleginnen und Kollegen denken. Das stammt aus einer Befragung von mehr als 22.000 Beschäftigten in zehn Regionen, durchgeführt im Juni und Juli 2026 von der Plattform für kognitive Diagnostik MyIQ (FM Magazine, 2026).
Die KI statt der Kollegen zu fragen ist inzwischen der Standardreflex – und hier ist der Teil, der einen Head of Operations beunruhigen sollte: Nichts davon taucht in Ihrem Dashboard auf. Meetings finden weiterhin statt. Das Nachrichtenvolumen ist stabil oder steigt. Die geplante Zusammenarbeit ist unberührt. Was verschwindet, ist die ungeplante Rückfrage – und genau auf dieser Schicht liefen Ihr Onboarding und Ihre Beförderungskalibrierung stillschweigend.
Die Kennzahl, auf die Sie schauen, kann das nicht erkennen
Die Messung von Zusammenarbeit im Mittelstand ist überwiegend volumetrisch: Meeting-Stunden, Nachrichtenzahlen in Slack oder Teams, Aktivität teamübergreifender Kanäle, Kalenderdichte. Diese Instrumente erfassen geplante und halbgeplante Interaktion, weil nur sie eine strukturierte Spur hinterlässt.
Das in den MyIQ-Daten beschriebene Verhalten hinterlässt fast keine Spur. Es ist die Dreißig-Sekunden-Drehung zum Nachbarschreibtisch. Das „kurze Gegenlesen, bevor ich das rausschicke". Das „wie funktioniert dieser Prozess eigentlich wirklich, die Dokumentation stimmt nämlich nicht". Diese Austausche standen nie im Kalender und selten in einem Kanal. Wandern sie in ein Chatfenster, registriert das volumetrische Dashboard nichts – oder schlimmer: eine Verbesserung, weil dieselbe Belegschaft mit weniger Unterbrechungen mehr sichtbaren Output produziert.
Das ist ein Messversagen mit einer klaren Form: Ihre Kollaborationskennzahlen sind genau dort unempfindlich geworden, wo die Veränderung stattfindet. Flache Zahlen sind kein Beleg mehr für ein gesundes Team. Sie sind ein Beleg dafür, dass Sie den Teil messen, der sich nicht bewegt hat.
Was sich ändert, wenn Beschäftigte die KI statt der Kollegen fragen
Die Befragungswerte fügen sich zu einem kohärenten Muster, nicht zu einer Streuung von Beschwerden (MyIQ / Cooperative Agency, 2026):
- 74 % richten Fragen an einen Chatbot, die sie früher einem Kollegen gestellt hätten
- 59 % holen seltener eine zweite Meinung bei Kollegen ein
- 48 % berichten von weniger spontanen Gesprächen im Arbeitsalltag
- 46 % wissen weniger darüber, wie Kollegen denken und Probleme angehen
- 43 % können ihre Kollegen fachlich schwerer einschätzen
- 38 % sagen, neue Mitarbeitende hätten weniger natürliche Gelegenheiten, Beziehungen aufzubauen
Lesen Sie die Reihenfolge als Kausalkette, nicht als sechs getrennte Statistiken. Weniger gestellte Fragen (74 %) erzeugen weniger spontane Gespräche (48 %), das erzeugt weniger Einblick in die Denkweise der Kollegen (46 %), das erzeugt eine geringere Fähigkeit, sie fachlich einzuschätzen (43 %). Die letzte Zahl ist keine weiche Kulturklage. Sie ist eine Verschlechterung des Rohstoffs, aus dem sowohl betriebliches Lernen als auch Beförderungsurteile gemacht sind.
Dieselben Befragten berichten auch von echten Gewinnen: 71 % fühlen sich eigenständiger, 62 % sicherer bei eigenverantwortlichen Entscheidungen. Das ist kein Rundungsfehler, und genau deshalb wird sich das in keiner Engagement-Befragung als Problem zeigen. Individuen erleben die Veränderung als Kompetenz. Die Kosten landen im System, nicht bei der Person – und das ist exakt die Kostenklasse, für deren Erkennung eine Operations-Funktion existiert.
Eine ehrliche Einschränkung, bevor Sie handeln
Dies ist eine Anbieterbefragung eines Unternehmens für kognitive Diagnostik, selbstberichtet, über PR veröffentlicht, ohne publizierte Methodik jenseits von Stichprobengröße, Geografie und Erhebungszeitraum. Die Mitteilung stellt selbst klar, dass die Ergebnisse nicht belegen, dass KI-Nutzung Arbeitsbeziehungen direkt schwächt – sondern nur, dass Beschäftigte stärkere KI-Nutzung mit einer Veränderung darin verbinden, wie oft sie einander konsultieren und informell voneinander lernen.
Bemessen Sie den Effekt also mit diesen Daten und stützen Sie die kausale Last auf die organisationspsychologische Literatur, die deutlich älter und deutlich besser identifiziert ist. Darum geht es im nächsten Abschnitt.
Das System, das sich verschlechtert, hat bereits einen Namen
Was ausdünnt, wenn Menschen einander nichts mehr fragen, ist das transaktive Gedächtnissystem des Teams – das gemeinsame Verzeichnis darüber, wer was weiß, erstmals von Wegner formalisiert und über drei Jahrzehnte Teamforschung weiterentwickelt. Es wird durch Gebrauch erhalten. Jedes Mal, wenn jemand einen Kollegen etwas fragt, geschieht zweierlei: Die fragende Person erhält eine Antwort, und beide aktualisieren das Verzeichnis der Expertise. Nehmen Sie das Fragen weg, behalten Sie das individuelle Wissen – aber verlieren den Index.
Dieser Index ist nicht dekorativ. Eine Metaanalyse von 76 empirischen Studien mit 6.869 Stichprobeneinheiten fand transaktive Gedächtnissysteme verlässlich mit Teamleistung assoziiert; die Effektstärke variiert je nach Kontext, die Assoziation selbst steht nicht infrage (Bachrach et al., 2019). Bei gleicher individueller Fähigkeit übertreffen Teams, die wissen, wo Expertise sitzt, jene, die es nicht wissen.
Ein KI-Assistent ist ein hervorragender Ersatz für die Antwort. Er ist kein Ersatz für den Index. Wenn Ihre Senior-Operations-Analystin eine Frage beantwortet, lernt die Organisation etwas über Ihre Senior-Operations-Analystin. Wenn Claude oder ChatGPT sie beantwortet, lernt die Organisation gar nichts.
Die Gegenbelege – und was sie tatsächlich zeigen
Es gibt glaubwürdige Forschung in die andere Richtung, und sie verdient eine faire Anhörung. Genslers Global Workplace Survey 2026 mit mehr als 16.400 Büroangestellten in 16 Ländern fand, dass die 30 %, die als KI-Power-User gelten, weniger Zeit allein arbeiten (37 % der Arbeitswoche gegenüber 42 % bei Spätadoptierenden), mehr Zeit mit Lernen (12 % gegenüber 8 %) und mehr Zeit mit sozialem Austausch verbringen (11 % gegenüber 9 %) – bei stärkeren berichteten Teambeziehungen (Gensler, 2026).
Beide Befunde können zutreffen, und ich denke, sie tun es. KI absorbiert die informationelle Frage mit geringem Einsatz – die ohnehin keinen Beziehungswert trägt – und setzt Zeit frei, die Intensivnutzer in Lernen und sozialen Kontakt umleiten. Das aggregierte Zeitbudget verbessert sich. Was die Gensler-Daten Ihnen nicht sagen, ist, wer von dieser Umverteilung profitiert.
Die MyIQ-Zahl, die das beantwortet, sind die 38 %: Neue Mitarbeitende haben weniger natürliche Gelegenheiten, Beziehungen aufzubauen. Umverteilte soziale Zeit fällt jenen zu, die bereits ein Netzwerk haben, in dem sie sie ausgeben können. Wer im zweiten Monat ist, hat keines – und die Interaktionen, die es aufgebaut hätten, waren genau jene informationellen Fragen mit geringem Einsatz, die nun an einen Chatbot gehen. Workdays Forschung von 2026 passt zu dieser Asymmetrie: Beschäftigte der Generation Z gaben 12-mal häufiger als die Generation X an, sich völlig von Kollegen abgekoppelt zu fühlen, und mehr als jeder Fünfte sagt, KI-Werkzeuge hätten die Beziehungen zu Kollegen verschlechtert (Workday, 2026).
Der Nettoeffekt lautet nicht „KI isoliert alle". Er ist enger und handlungsnäher: Der Nutzen konzentriert sich bei den bereits Eingebundenen, die Kosten bei den gerade Angekommenen. Das ist ein Verteilungsproblem, und Verteilungsprobleme löst man durch Design, nicht durch Stimmung.
Onboarding: Expertise-Ortung muss zum Artefakt werden
Wenn beiläufige Rückfrage Ihr Lernmechanismus war, ist er heute teilweise entfinanziert – und niemand hat ihn absichtlich entfinanziert.
Für eine Organisation mit 50–500 FTE ist die Lösung kein Mentoring-Programm mit Auftaktpräsentation. Sie besteht darin, Expertise-Ortung explizit zu machen, weil sie nicht länger emergent sein kann:
- Veröffentlichen Sie das Verzeichnis, das früher durchs Fragen entstand. Eine gepflegte Karte, wer welchen Prozess, welches System, welchen Ausnahmepfad und welches Kundensegment verantwortet – mit Namen, nicht mit Teamkästchen. Ein einseitiges Artefakt je Funktion, quartalsweise überprüft. In den meisten Mittelstandsorganisationen steckt diese Information in den Köpfen von vier Personen und nirgends auf Papier.
- Machen Sie die ersten neunzig Tage von benannten Menschen abhängig. Strukturieren Sie die Einarbeitung um Ergebnisse, die sich ohne Konsultation von drei konkreten Kolleginnen und Kollegen nicht abschließen lassen. Nicht „lerne das Team kennen" – eine Aufgabe mit einer Abhängigkeit.
- Messen Sie das Richtige. Hören Sie auf, Nachrichtenvolumen als Verbundenheit zu lesen. Fragen Sie neue Mitarbeitende direkt, an Tag 30 und Tag 90: An wen würden Sie sich für X wenden? Verfolgen Sie, wie viele Namen sie nennen können und wie schnell diese Zahl wächst. Das ist ein messbarer Näherungswert für transaktives Gedächtnis und kostet ein Umfragefeld.
Die günstigste Variante ist eine wöchentliche Viertelstunde, in der neue Mitarbeitende eine Frage mitbringen, die sie mit KI gelöst haben, und sie einer Person erneut stellen. Es geht nicht um die Antwort. Es geht um die Vorstellung.
Beförderungskalibrierung: Ihr Peer-Signal verliert an Validität
Die 43-Prozent-Zahl – Kollegen fachlich schwerer einzuschätzen – ist ein Messproblem im Kostüm eines Kulturproblems.
Beförderungsentscheidungen im Mittelstand stützen sich stark auf Peer-Eindrücke: was der Kalibrierungsrunde über das Urteilsvermögen einer Person plausibel erscheint, gestützt darauf, sie in unstrukturierten Momenten denken gesehen zu haben. Diese Momente dünnen aus. Der Input verschlechtert sich, während der Prozess, der ihn verbraucht, exakt gleich bleibt – die Kalibrierungssicherheit bleibt also hoch auf einem schwächeren Signal. Das ist genau die Bedingung, unter der Verzerrung wächst, denn wenn Beobachtung ausdünnt, füllen Vertrautheit und Sichtbarkeit die Lücke.
Das Gegenmittel ist gut belegt und unglamourös. Strukturierte Bewertung – definierte Kompetenzen, konsistente Nachweisanforderungen, dieselben Fragen für alle Kandidaten – zeigt seit Langem eine deutlich bessere prognostische Validität als unstrukturiertes Urteil. Die Reanalyse von Sackett und Kollegen aus dem Jahr 2022 zur Validität der Personalauswahl, die jahrzehntelange systematische Überkorrektur in der metaanalytischen Literatur korrigierte und publizierte Schätzwerte insgesamt senkte, verortet strukturierte Interviews weiterhin nahe der Spitze der nutzbaren Prädiktoren mit einer operativen Validität um .42 (Sackett et al., 2022). Unstrukturierter Eindruck hält da selbst bei guten Beobachtungsbedingungen nicht mit – und Ihre werden schlechter.
Konkret: Verlangen Sie für jeden Beförderungsfall schriftliche Belege für Urteilsvermögen – eine getroffene Entscheidung, der bewertete Zielkonflikt, das Ergebnis. Kann niemand diesen Beleg für eine Kandidatin liefern, ist das ein Datenpunkt über Ihre Beobachtungsbedingungen, nicht über die Kandidatin.
Die Entscheidung für dieses Quartal
Sie werden die 74 % nicht umkehren. Die KI statt der Kollegen zu fragen ist schneller, urteilsfrei und lässt Menschen kompetenter fühlen – 71 % sagen das. Das Verhalten ist auf individueller Ebene rational und wird auf keine Richtlinie reagieren, die zu mehr Gesprächen auffordert.
Was Sie in diesem Quartal entscheiden können, ist, ob die beiden Systeme, die still auf informeller Rückfrage liefen, einen expliziten Ersatz bekommen. Beides ist billig. Veröffentlichen Sie je Funktion eine Expertisekarte. Ergänzen Sie Beförderungsfälle um eine Anforderung an schriftliche Belege. Keines von beiden braucht eine Budgetfreigabe, und beide hören in dem Moment auf zu wirken, in dem Sie annehmen, die beiläufige Variante liefe noch.
Ihr Kollaborations-Dashboard wird weiterhin gut aussehen. Das ist das ganze Problem.
