Kontinuierliches Leistungsfeedback klingt transformativ, bis man sieht, wie Unternehmen es umsetzen
Vorteil der KI: KI-gestütztes Feedback kann Echtzeiteinblicke liefern und dadurch Verzerrungen reduzieren, wie sie bei herkömmlichen Beurteilungen auftreten.
Datenqualität: Viele Organisationen haben mit unzureichenden, veralteten oder inkonsistenten 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 wachsende Diskrepanz zwischen den potenziellen Vorteilen von KI und ihrer praktischen Anwendung in Organisationen.
Feedbackschleifen: Ineffektive Feedbackschleifen können die Beurteilungsintervalle verkürzen, lösen jedoch nicht die Probleme jährlicher Beurteilungen.
Kontinuierliches, durch KI unterstütztes Leistungsfeedback hat sich schneller von einem Wunsch auf Konferenzen zu einem unternehmensweiten Einsatz entwickelt als die meisten Praktiken im Personalmanagement in jüngerer Zeit.
Das Versprechen ist bei den verschiedenen Anbietern gleich: Echtzeit-Feedback, weniger Verzerrungen durch den Aktualitätseffekt und Feedback, das nicht davon geprägt ist, wie sich eine Führungskraft an einem bestimmten Nachmittag zufällig gefühlt hat.
Mitarbeitende sagen seit Langem, dass sie sich häufigeres und konkreteres Feedback wünschen, als Jahresgespräche bieten. KI-gestützte Systeme sind genau dafür konzipiert, doch die Kluft zwischen Versprechen und Umsetzung lässt sich immer 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 der bloßen Abzeichnung 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.
Wenn KI eine Leistungszusammenfassung erstellt, betrachten die meisten Führungskräfte sie als Entwurf zur Genehmigung und nicht als Ausgangspunkt für eine kritische Prüfung.
Eine Führungskraft der ersten Ebene, die seit drei Monaten ein System in einem Unternehmen mit 2.000 Mitarbeitenden einsetzte, sagte zu ihm: „Dort stand ‚starker Kommunikator‘, und ich stimmte zu – die Daten sind doch alle vorhanden, oder?“
Das zugrunde liegende Modell gewichtete die Teilnahme an Besprechungen als Ersatzmaß für Kommunikation. Niemand hatte den Führungskräften das mitgeteilt.
Ein Teil des Problems ist grundsätzlicher Natur. Systeme für kontinuierliches Feedback benötigen kontinuierlich hochwertige Daten. Die meisten Organisationen verfügen nicht darüber.
„Es verfügt nur über den Kontext, den man ihm gibt“, sagte Matt Poepsel, VP für Talentoptimierung bei The Predictive Index, als wir im März auf der Transform-Konferenz miteinander sprachen. „Es wäre, als würde man einen Freund um Rat zu seinem Chef bitten und er würde sagen: ‚Ich kenne deinen Chef 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, und Verhaltensprofile, die Führungskräfte nie erstellt hatten, weil niemand ihnen beigebracht hatte, danach zu fragen.
Wir haben Unmengen an Daten. Die Frage ist, ob es die richtigen Daten sind.
Wenn die zugrunde liegenden Daten schwach sind, korrigiert sich kontinuierliches Feedback nicht selbst. Es verschärft das Problem mit höherer Frequenz.
Die Offenlegung ist in jedem Fall ein Problem
Es gibt eine Vertrauensdynamik, die die Einführung zusätzlich erschwert. Wie wir bereits berichtet haben, ergab eine 2021 im Strategic Management Journal veröffentlichte Studie, dass von KI erstelltes Feedback bei messbaren Ergebnissen besser abschneidet als das Feedback menschlicher Führungskräfte – allerdings nur, wenn Mitarbeitende nicht wissen, dass es von einer Maschine stammt. Sobald dies offengelegt wird, verschwinden die Leistungsgewinne.
Kamaria Scott, Gründerin und CEO von Enetic, hat das Problem der Offenlegung unmittelbar erlebt.
„Lügt einfach niemals darüber“, sagte sie. „Man muss transparent sein.“
Führungskräfte, die Feedback geben, das von KI erstellt wurde, riskieren, dass Mitarbeitende es zurückweisen, wenn sie offenlegen, dass KI beteiligt war. Wer dies nicht tut, hat ein Offenlegungsproblem, das irgendwann ans Licht zu kommen pflegt.
Was auf dem Spiel steht, ist laut Scott die Frage, ob diese Systeme als Ausgangspunkt oder als Endpunkt eingesetzt werden.
Die Beurteilung ist nicht das Endziel. Die Beurteilung ist der Ausgangspunkt für das Gespräch.
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 hilfreich. Aber man muss aufeinander zugehen.“
Mitarbeitende wissen, was gemessen wird
Das Problem der Manipulation tritt laut Whyatt-Sames meist etwa sechs Monate nach der Einführung auf.
Die Mitarbeitenden lernen, was das System erfasst, in der Regel über informelle Kanäle und nicht über offizielle Informationen, und passen ihr Verhalten entsprechend an. Mehr Kommentare zu Statusgesprächen, mehr markierte Ziele, Ergebnisse, die für das System lesbar sind, statt für irgendjemanden nützlich zu sein. Eine L&D-Leitung, mit der er zusammenarbeitete, nannte es „das Dashboard bespielen“.
Das Mengenproblem folgt einem ähnlichen Verlauf. Organisationen messen die Nutzung anhand von Aktivitätszahlen, sodass eine Verdreifachung des Rückmeldungsvolumens wie ein Erfolg aussieht.
„Wenn man die Rückmeldung selbst überprüft, nimmt ihre Umsetzbarkeit stark ab“, sagte Whyatt-Sames. „Sie wird kürzer, formelhafter und konzentriert sich auf das, was das System belohnt.
Die Umkehrung von Signal und Rauschen wird oft erst sichtbar, wenn jemand eine nachträgliche Analyse 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 eindeutige 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 Arbeit bewerten, die ich inzwischen nicht einmal mehr vollständig selbst erledige?“
Die meisten aktuellen Implementierungen sind nicht darauf ausgelegt, diese Frage zu beantworten. Sie messen weiterhin das individuelle Leistungsergebnis in einem Umfeld, in dem die Grenzen des individuellen Beitrags immer weniger klar definiert sind.
Whyatt-Sames’ Diagnose, warum diese Probleme fortbestehen, verbindet die einzelnen Fehlerquellen.
„Organisationen behandeln die KI-Ebene als Lösung und überspringen die Architektur des Wandels“, sagte er. „Das System erzeugt die Rückmeldung; niemand fragt, ob die Rückmeldung das Verhalten verändert. Das ist ein Problem der Bereitstellungsplanung, und bei den meisten Implementierungen gibt es niemanden, dessen Aufgabe es ist, diese Lücke zu schließen.
Was auf dem Spiel steht, brachte Poepsel klar auf den Punkt.
„Jede Entscheidung über Mitarbeitende ist eine Entscheidung mit weitreichenden Folgen. Wir müssen dabei sorgfältig vorgehen, damit wir so schnell vorankommen können, wie wir möchten.“
Das Argument für KI-gestützte kontinuierliche Rückmeldung bleibt bestehen. Die Annahme, dass der Einsatz der Technologie das Managementproblem löst, zu dessen Bewältigung sie entwickelt wurde, ist es nicht.
