Wer ChatGPT bei der Arbeit nutzt, kann bei Vorgesetzten Vertrauen verlieren, obwohl die Qualität des fertigen Ergebnisses dabei gar nicht bewertet wird. In einem Experiment vertrauten Teilnehmer einem selbst arbeitenden Mitarbeiter in 68 Prozent der Fälle, bei KI-Nutzung waren es nur 24 Prozent. Mehrere weitere Untersuchungen zeigen, dass sich dieser Vertrauensverlust auch auf Leistungsurteile und Aufstiegschancen übertragen kann. Besonders auffällig ist, dass eine klare Unternehmensregel den Effekt stark verändert.
Samuel Meyers und Yochanan Bigman von der Hebrew University of Jerusalem sowie Roman Briker von der WHU untersuchen, wie Vorgesetzte auf den Einsatz generativer KI reagieren. Im Zentrum steht nicht die technische Leistung von ChatGPT, sondern eine soziale Frage aus dem Büroalltag: Was denken Menschen über einen Mitarbeiter, wenn sie wissen, dass er Teile seiner Arbeit von einem Sprachmodell erzeugen ließ? Die Studie zu Reaktionen von Vorgesetzten auf LLM-Nutzung verbindet dazu experimentelle Aufgaben mit einer realitätsnäheren Untersuchung aus dem akademischen Umfeld.
Die Forscher betrachten Vertrauen dabei als praktische Entscheidung und nicht nur als abstrakte Sympathie. Teilnehmer mussten zum Beispiel wählen, ob sie die Angabe eines Mitarbeiters akzeptieren oder dessen Aussage zusätzlich kontrollieren. Genau diese kleine Bürohandlung macht den Befund greifbar: Ein Häkchen, eine Rückfrage oder eine zusätzliche Prüfung kann anzeigen, dass ein Vorgesetzter dem Mitarbeiter weniger zutraut. Damit berührt die Untersuchung einen Punkt, der im Arbeitsalltag oft schwer sichtbar ist, weil Misstrauen nicht zwingend offen ausgesprochen wird.
Der experimentelle Teil bestand aus fünf ökonomischen Spielen mit echten Anreizen. Solche Aufgaben sind in der Verhaltensforschung üblich, weil Teilnehmer nicht bloß angeben, was sie vermutlich tun würden, sondern Entscheidungen mit einer konkreten Konsequenz treffen. Je nach Versuch erfuhren die Personen, ob ein untergeordneter Mitarbeiter seine Leistung selbst erstellt, generative KI eingesetzt oder Inhalte von einer anderen Person übernommen hatte. Der Vergleich erlaubt es, den Einsatz von ChatGPT von klassischem Abschreiben zu trennen.
Dabei wurde KI-Arbeit zwar schlechter beurteilt als vollständig selbst erzeugte Arbeit, aber besser als Plagiat. Vorgesetzte behandelten den Einsatz eines Sprachmodells also nicht so, als hätte jemand schlicht fremde Arbeit kopiert. Trotzdem blieb ein klarer Vertrauensabschlag bestehen. Das ist wichtig, weil viele Unternehmen generative KI inzwischen als Werkzeug verstehen, während einzelne Führungskräfte offenbar zusätzlich bewerten, welchen Anteil der Mitarbeiter selbst zum Ergebnis beigetragen hat.
Eine mögliche Erklärung liefert die Zuschreibung von Kompetenz und persönlichem Einsatz. Wenn Menschen ein gutes Ergebnis sehen, aber gleichzeitig wissen, dass ein Teil davon von einer Maschine stammt, können sie unsicher werden, wie viel Können tatsächlich beim Mitarbeiter liegt. Ein verwandtes Muster zeigte sich bereits bei der Bewertung digitaler Assistenten: Auf Forschung und Wissen wurde etwa berichtet, dass eine KI mit Frauengesicht für gleiche Arbeit schlechter bezahlt wurde. Beide Befunde zeigen, wie stark soziale Urteile von Informationen über den Entstehungsprozess oder die Gestaltung eines Systems geprägt werden können.
Besonders deutlich wurde die Rolle der Unternehmenskultur in einem Versuch, der unterschiedliche organisatorische Regeln verglich. War generative KI ausdrücklich erwünscht, verschwand der Vertrauensnachteil statistisch. Fehlte eine Regel oder war der Einsatz untersagt, reagierten Vorgesetzte negativer auf Mitarbeiter, die ein Sprachmodell genutzt hatten. Damit wird eine einfache Richtlinie zu mehr als einer juristischen oder technischen Formalität: Sie verändert offenbar die soziale Bedeutung derselben Handlung.
Für Unternehmen entsteht daraus ein praktisches Problem. Beschäftigte können offiziell Zugang zu ChatGPT erhalten und gleichzeitig erleben, dass ihre Nutzung informell als Zeichen geringerer Eigenleistung gelesen wird. Solche widersprüchlichen Signale fördern den Anreiz, KI-Einsatz zu verschweigen. Die Forscher sprechen in diesem Zusammenhang von Shadow AI, also einer Nutzung, die im Arbeitsprozess stattfindet, aber gegenüber dem Arbeitgeber verborgen bleibt.
Das Risiko betrifft nicht nur Texte. Große Sprachmodelle werden für Entwürfe, Zusammenfassungen, Analysen, Recherche, Übersetzungen oder Programmcode eingesetzt. Je weniger transparent eine Organisation festlegt, welche Aufgaben mit generativer KI erledigt werden dürfen und wie der menschliche Anteil kenntlich gemacht werden soll, desto stärker kann die Bewertung vom persönlichen Eindruck eines einzelnen Vorgesetzten abhängen. Eine formale Freigabe allein reicht daher nicht automatisch, wenn die soziale Erwartung im Team unklar bleibt.
Die Forscher prüften außerdem, ob der Effekt verschwindet, wenn die Aufgabe besonders wichtig ist. Das war nicht konsistent der Fall. Auch die eigene Erfahrung der Vorgesetzten mit großen Sprachmodellen beseitigte den Vertrauensnachteil nicht zuverlässig. Ein Manager, der selbst schon mit ChatGPT gearbeitet hat, reagiert also nicht automatisch neutraler auf einen Mitarbeiter, der dasselbe Werkzeug nutzt.
Diese Beobachtung passt zu einem breiteren Muster der KI-Forschung: Menschen bewerten nicht nur Ergebnisse, sondern auch die Art, wie sie zustande kommen. Bei Beschäftigten kann dabei die Sorge entstehen, dass Routine, Problemlösung oder Fachwissen an ein System ausgelagert werden. Auf Forschung und Wissen wurde bereits beschrieben, dass Vielnutzer von ChatGPT von geistiger Trägheit berichten. Die neue Untersuchung fragt jedoch etwas anderes: nicht was die Software mit dem Nutzer macht, sondern wie Beobachter den Nutzer anschließend einschätzen.
Gerade diese Trennung ist wichtig. Aus den Experimenten folgt nicht, dass KI-Nutzer tatsächlich unzuverlässiger, weniger kompetent oder weniger leistungsfähig sind. Gemessen wurde die Reaktion von Vorgesetzten auf die Information, dass ein Sprachmodell beteiligt war. Die Ergebnisse beschreiben damit eine soziale Bewertung und keinen Nachweis für schlechtere reale Arbeitsleistung.
In weiteren Versuchen blieb der Vertrauensverlust nicht auf eine einzelne Kontrollentscheidung beschränkt. Weniger Vertrauen hing mit schlechteren Einschätzungen der Leistung, einer geringeren wahrgenommenen Unterstützung des Unternehmens und einer niedrigeren Eignung für Beförderungen zusammen. Damit kann aus einer zunächst kleinen Reaktion eine Kette von Urteilen entstehen, die für die Karriere eines Mitarbeiters relevant wird.
Die Autoren behandeln Vertrauen deshalb als vermittelnden Mechanismus. Der Einsatz von ChatGPT löst demnach zunächst eine Bewertung des Mitarbeiters aus, und diese Bewertung beeinflusst anschließend weitere Entscheidungen. Ein Vorgesetzter muss den KI-Einsatz dafür nicht ausdrücklich bestrafen. Schon eine niedrigere Einschätzung von Zuverlässigkeit kann später in Beurteilungsgesprächen, Projektvergabe oder Beförderung eine Rolle spielen.
Für Beschäftigte ergibt sich daraus ein schwieriger Spagat. Offenlegung kann Transparenz schaffen, zugleich kann sie einen Bewertungsnachteil auslösen. Verschweigen vermeidet diesen ersten Eindruck, erhöht aber Risiken für Compliance, Datenschutz oder Nachvollziehbarkeit. Genau deshalb gewinnt die organisatorische Regel an Bedeutung: Sie verschiebt die Entscheidung weg von einer persönlichen Vermutung und hin zu einer gemeinsam bekannten Erwartung.
Die letzte Untersuchung verlässt die reine Laborsituation und betrachtet tatsächliche Beziehungen zwischen akademischen Betreuern und Nachwuchswissenschaftlern. Je breiter Studierende oder Mitarbeiter generative KI für verschiedene Aufgaben einsetzten, desto geringer fiel das Vertrauen ihrer Betreuer aus. Damit taucht das Muster auch dort auf, wo sich die Beteiligten kennen und nicht nur eine kurze Versuchsbeschreibung lesen.
Solche Felddaten machen den Befund interessanter, ersetzen aber keine Untersuchung ganzer Unternehmen. Akademische Betreuung unterscheidet sich von Produktion, Vertrieb, Verwaltung oder Softwareentwicklung. Auch die Studie selbst beweist nicht, dass jeder Chef auf ChatGPT-Nutzung gleich reagiert. Sie zeigt vielmehr, dass der Effekt in verschiedenen Versuchsanordnungen wiederkehrt und unter einer klar unterstützenden Regel deutlich schwächer wird.
Hinzu kommt, dass Vertrauen immer vom Kontext abhängt. Ein Mitarbeiter, der ein Sprachmodell für eine erste Formulierung nutzt und anschließend jeden Fakt kontrolliert, arbeitet anders als jemand, der einen vollständigen Bericht ungeprüft übernimmt. Solche feinen Unterschiede lassen sich in standardisierten Experimenten nur begrenzt abbilden. Für den Arbeitsalltag bleibt daher offen, welche Formen transparenter KI-Nutzung Vorgesetzte als professionelle Unterstützung akzeptieren und ab welchem Punkt sie Eigenleistung vermissen.
Die Ergebnisse geben Unternehmen deshalb vor allem eine organisatorische Aufgabe. Eine Regel sollte nicht nur sagen, ob ChatGPT erlaubt ist, sondern möglichst auch festlegen, für welche Tätigkeiten, mit welcher Kontrolle und mit welcher Kennzeichnung generative KI eingesetzt werden soll. Dadurch entsteht ein gemeinsamer Maßstab, an dem Führungskräfte und Beschäftigte ihre Erwartungen ausrichten können.
Auch Schulungen für Manager gewinnen damit eine andere Funktion. Es reicht nicht, die Bedienung eines Sprachmodells zu erklären. Führungskräfte müssen unterscheiden können, ob KI-Nutzung tatsächlich ein Qualitäts- oder Sicherheitsproblem erzeugt oder lediglich eine neue Arbeitsweise darstellt. Ohne diese Trennung kann ein technisches Hilfsmittel ungewollt zu einem sozialen Signal werden, das Leistung und Person miteinander vermischt.
Der nächste offene Punkt liegt deshalb bei realen Organisationen mit klar definierten KI-Richtlinien. Künftige Untersuchungen müssen zeigen, ob Teams langfristig anders urteilen, wenn sie über Monate mit transparenten Regeln arbeiten und wenn sich der Beitrag von Mensch und Sprachmodell genauer nachvollziehen lässt. Genau dort entscheidet sich, ob ChatGPT im Büro zu einem normalen Werkzeug wird oder dauerhaft ein unsichtbares Misstrauenssignal bleibt.
The Leadership Quarterly, Psychological Reactions to Subordinates’ LLM Use at Work; doi:10.1016/j.leaqua.2026.102004
Hebrew University of Jerusalem, Psychological Reactions to Subordinates’ LLM Use at Work
Mit KI-Unterstützung erstellt
Wählen Sie Forschung und Wissen bei Google als bevorzugte Quelle oder folgen Sie uns per RSS-Feed.
