Kontinuierliches Leistungsfeedback klingt transformativ, bis man sieht, wie Unternehmen es umsetzen
KI-Vorteil: KI-gestütztes Feedback kann Erkenntnisse in Echtzeit liefern und dadurch Verzerrungen reduzieren, wie sie bei herkömmlichen Beurteilungen auftreten.
Datenqualität: Viele Organisationen haben mit unzureichenden, veralteten oder uneinheitlichen Daten zu kämpfen, die die Feedbackqualität beeinträchtigen.
Vertrauensprobleme: Transparenz bei KI-generiertem Feedback ist entscheidend; die Offenlegung beeinflusst das Vertrauen der Mitarbeitenden und die Wirksamkeit des Feedbacks.
Umsetzungslücke: Es entsteht eine zunehmende Diskrepanz zwischen den potenziellen Vorteilen von KI und ihrer praktischen Anwendung in Organisationen.
Feedbackschleifen: Ineffektive Feedbackschleifen können die Beurteilungszyklen verkürzen, lösen jedoch nicht die Probleme jährlicher Beurteilungen.
Kontinuierliches Leistungsfeedback, ein zentraler Bestandteil des Echtzeit-Leistungsmanagements, hat sich schneller als die meisten Praktiken im Personalmanagement der jüngeren Vergangenheit von einem Wunsch auf Konferenzen zu einer unternehmensweiten Einführung entwickelt, wobei KI diese Systeme zunehmend antreibt.
Das Versprechen ist bei allen Anbietern ähnlich: Feedback in Echtzeit, weniger Aktualitätsverzerrung und Rückmeldungen, die nicht davon geprägt sind, wie sich eine Führungskraft an einem bestimmten Nachmittag zufällig gefühlt hat.
Mitarbeitende sagen seit Langem, dass sie häufiger konkreteres Feedback wünschen, als Jahresgespräche bieten. KI-gestützte Systeme wurden genau dafür entwickelt, doch die Kluft zwischen Versprechen und Umsetzung lässt sich zunehmend schwerer ignorieren.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Das Problem des Abnickens durch Führungskräfte
Führungskräfte genehmigen von KI erstellte Zusammenfassungen, ohne die Modelle zu prüfen, die sie erstellt haben.
Andrew Whyatt-Sames, Organisationspsychologe und Mitgründer von UptakeAI, das mit Organisationen zusammenarbeitet, die KI in Personal- und Leistungsprozessen einsetzen, hat dies wiederholt beobachtet.
\u0022Wenn KI eine Leistungszusammenfassung erstellt, behandeln die meisten Führungskräfte sie als Entwurf zur Genehmigung statt als Ausgangspunkt für eine kritische Prüfung.\u0022
Eine direkte Führungskraft, die seit drei Monaten an der Einführung in einem Unternehmen mit 2.000 Mitarbeitenden beteiligt war, sagte zu ihm: "Dort stand 'starker Kommunikator', und ich stimmte zu — die Daten sind doch alle da, oder?"
Das zugrunde liegende Modell gewichtete die Teilnahme an Besprechungen als Ersatzindikator für Kommunikation. Niemand hatte den Führungskräften das mitgeteilt.
Ein Teil des Problems ist grundsätzlicher Natur. Systeme für kontinuierliches Feedback benötigen kontinuierliche Daten von hoher Qualität. Die meisten Organisationen verfügen nicht darüber.
"Es hat nur den Kontext, den man ihm gibt", sagte Matt Poepsel, VP für Talentoptimierung bei The Predictive Index, als wir auf der Transform-Konferenz im März mit ihm sprachen. "Das wäre so, als würdest du einen Freund um Rat zu deiner Führungskraft bitten und er würde sagen: 'Ich kenne deine Führungskraft nicht wirklich — du musst mir mehr erzählen.'"
Personaldaten, so merkte er an, waren bereits uneinheitlich, bevor KI ins Spiel kam. Stellenbeschreibungen, die aus veralteten Ausschreibungen übernommen wurden, Kompetenzbewertungen, die an Anforderungen geknüpft waren, die sich inzwischen verändert hatten, sowie Verhaltensprofile, die Führungskräfte nie erstellt hatten, weil niemand sie darin geschult hatte, danach zu fragen.
\u0022Wir haben Unmengen an Daten. Die Frage ist, ob es die richtigen Daten sind.\u0022
Wenn die zugrunde liegenden Daten schwach sind, korrigiert sich kontinuierliches Feedback nicht von selbst. Es verschärft das Problem mit höherer Häufigkeit.
Die Offenlegung ist in jedem Fall ein Problem
Es gibt eine Vertrauensdynamik, die die Einführung zusätzlich erschwert. Wie bereits berichtet, stellte eine 2021 im Strategic Management Journal veröffentlichte Studie fest, dass von KI generiertes Feedback menschliches Feedback von Führungskräften bei messbaren Ergebnissen übertrifft, aber nur dann, wenn die Mitarbeitenden nicht wissen, dass es von einer Maschine stammt. Sobald dies offengelegt wird, verschwinden die Leistungssteigerungen.
Kamaria Scott, Gründerin und CEO von Enetic, hat die Probleme rund um die Offenlegung unmittelbar erlebt.
"Lügt einfach niemals darüber", sagte sie. "Ihr müsst transparent sein."
Führungskräfte, die von KI generiertes Feedback geben, riskieren, dass Mitarbeitende es abtun, wenn sie offenlegen, dass KI daran beteiligt war. Wer dies nicht tut, sitzt auf einem Problem der Offenlegung, das früher oder später zum Vorschein kommt.
Worum es laut Scott geht, ist die Frage, ob diese Systeme als Ausgangspunkt oder als Endpunkt eingesetzt werden.
Die Bewertung ist nicht das Endziel. Die Bewertung ist der Gesprächsanstoß.
Ihrer Ansicht nach ist der am besten vertretbare Einsatz von KI im Leistungsmanagement ein Dateneingang, der eine Diskussion eröffnet, und keine eigenständige Zusammenfassung. „Etwas, das sagt: ‚Das ist ein neutraler Ausgangspunkt für uns‘ – das ist nützlich. Aber man muss sich in der Mitte treffen.“
Mitarbeitende wissen, was gemessen wird
Laut Whyatt-Sames tritt das Problem des Ausnutzens des Systems tendenziell etwa sechs Monate nach der Einführung auf.
Die Mitarbeitenden erfahren, was das System erfasst – in der Regel über informelle Kanäle und nicht über offizielle Mitteilungen – und passen ihr Verhalten entsprechend an. Mehr Kommentare zu Check-ins, mehr markierte Ziele, Ergebnisse, die für das System lesbar sind, statt für irgendjemanden nützlich zu sein. Ein Leiter für Lernen und Entwicklung, mit dem er zusammenarbeitete, nannte es „das Dashboard bespielen“.
Das Mengenproblem folgt einem ähnlichen Verlauf. Organisationen messen die Akzeptanz anhand von Aktivitätszahlen, sodass die dreifache Menge an Feedback wie ein Erfolg aussieht.
Wenn man das Feedback selbst prüft, sinkt seine Umsetzbarkeit stark, sagte Whyatt-Sames. „Es wird kürzer, formelhafter und konzentriert sich auf das, was auch immer das System belohnt.“
Die Umkehrung des Verhältnisses von Signal zu Rauschen wird oft erst sichtbar, wenn jemand eine nachträgliche Auswertung durchführt – zu diesem Zeitpunkt ist das Muster bereits fest etabliert.
Wenn die Arbeit selbst mit einem Agenten geteilt wird
Scott stellte im März eine Frage, auf die es noch keine klare Antwort gibt: „Wie sieht Leistung aus, wenn die Menschen die Arbeit nicht mehr selbst erledigen oder Agenten die Hälfte der Arbeit übernehmen? Wie willst du meine Leistung als Person für eine Arbeit bewerten, die ich selbst nicht mehr vollständig erledige?“
Die meisten derzeitigen Implementierungen sind nicht darauf ausgelegt, diese Frage zu beantworten. Sie messen weiterhin die individuelle Leistung in einem Kontext, in dem die Grenzen des individuellen Beitrags zunehmend weniger klar definiert sind.
Whyatt-Sames’ Diagnose, warum diese Probleme fortbestehen, verbindet die einzelnen Fehlermuster.
Organisationen behandeln die KI-Ebene als die Lösung und überspringen die Veränderungsarchitektur, sagte er. „Das System generiert das Feedback; niemand fragt, ob das Feedback das Verhalten verändert. Das ist ein Problem der Implementierungsgestaltung, und bei den meisten Implementierungen gibt es niemanden, dessen Aufgabe es ist, diese Lücke zu schließen.“
Was die zugrunde liegenden Konsequenzen betrifft, brachte Poepsel es klar auf den Punkt.
„Jede Entscheidung über Menschen ist eine Entscheidung mit weitreichenden Konsequenzen. Wir müssen dabei umsichtig vorgehen, damit wir so schnell vorankommen können, wie wir möchten.“
Das Argument für kontinuierliches Feedback mit KI-Unterstützung ist nach wie vor stichhaltig. Die Annahme, dass der Einsatz der Technologie das Managementproblem löst, zu dessen Bewältigung sie entwickelt wurde, ist es nicht.
