Zwei Mitarbeitende lesen identisches Leistungsfeedback — dieselbe Kritik, dieselbe Rahmung, derselbe Schlusssatz. Einem wird gesagt, die Führungskraft habe es geschrieben; dem anderen, eine KI habe es erzeugt. Auf dem Item, das die empfundene Nähe zu dieser Führungskraft misst, erreichte der erste 2,89 und der zweite 1,67 — die offengelegte Quelle erklärte 24 % der Varianz (η² = 0,24). Darauf, ob sie die Kritik danach weiter gedanklich umkreisten, erklärte sie nichts (p = 0,64) (Marót, Palcsó & Szabó, Frontiers in Psychology, 2026).
Die Botschaft kam an. Die Berichtslinie nicht — und das ist der eigentliche Preis der KI-geschriebenen Leistungsbeurteilung.
Diese Asymmetrie verdient Ihre Aufmerksamkeit, bevor der nächste Zyklus startet, denn für Unternehmen im Mittelstand ist das keine Frage für 2027. Unter Führungskräften, die KI schon zur Personalführung nutzen, verwenden sie 91 % zur Leistungsbeurteilung und 88 % zum Entwerfen von Verbesserungsplänen (ResumeBuilder.com, 2025). Entworfen wird längst. Was nicht eingepreist ist, ist die Wirkung der Offenlegung.
Das Experiment hielt den Text konstant und veränderte nur das Etikett
Marót, Palcsó und Szabó führten ein Vignettenexperiment mit 192 erwerbstätigen Erwachsenen durch (230 rekrutiert; 18 als erwerbslos ausgeschlossen, 20 wegen eines fehlgeschlagenen Aufmerksamkeitschecks). Die Teilnehmenden stellten sich vor, Leistungsfeedback von einer Führungskraft zu erhalten. Der Feedbacktext war über alle Bedingungen hinweg vollkommen identisch. Die einzige Manipulation war der offengelegte Erstellungsprozess in vier Varianten: vollständig von einem Menschen geschrieben, vollständig KI-generiert, KI-generiert und anschließend von einem Menschen überarbeitet, von einem Menschen geschrieben und anschließend von KI überarbeitet.
Dieses Design wiegt schwerer, als die Stichprobengröße vermuten lässt. Die meisten Studien zu KI in der Personalführung vermischen zwei Dinge — was die KI produziert hat und den Umstand, dass eine KI beteiligt war. Den Text konstant zu halten isoliert das Zweite. Was sich hier bewegte, bewegte sich wegen des Etiketts, nicht weil die KI schlechter geschrieben hätte.
Und es bewegte sich viel. Der multivariate Gesamteffekt der offengelegten Quelle war signifikant (Pillai-Spur V = 0,37, F(27, 546) = 2,86, p < 0,001), und acht der neun Ergebnisse verschoben sich:
| Ergebnis | Mensch | KI | KI entwirft, Mensch überarbeitet | Mensch entwirft, KI überarbeitet | η² |
|---|---|---|---|---|---|
| Psychologische Distanz (Nähe) | 2,89 | 1,67 | 2,15 | 2,54 | 0,24 |
| Beziehung zur Führungskraft | 4,69 | 3,23 | 3,98 | 4,22 | 0,21 |
| Bereitschaft, um Hilfe zu bitten | 5,31 | 3,43 | 4,57 | 4,82 | 0,17 |
| Organisationales Commitment | 4,57 | 3,46 | 4,00 | 4,38 | 0,16 |
| Bereitschaft, den Fehler zu korrigieren | 6,02 | 4,43 | 5,18 | 5,56 | 0,14 |
| Arbeitsmotivation | 4,79 | 3,66 | 4,30 | 4,68 | 0,13 |
| Erwartete Leistung | 5,19 | 4,29 | 4,68 | 4,82 | 0,10 |
| Affektive Reaktion | 4,76 | 3,86 | 4,43 | 4,48 | 0,08 |
| Grübeln | 3,64 | 3,45 | 3,20 | 3,48 | 0,01 |
Lesen Sie die Spaltenreihenfolge, nicht nur die ersten beiden. Die Rangfolge ist in jeder Zeile dieselbe.
Wo die KI-geschriebene Leistungsbeurteilung Sie wirklich kostet
Sortieren Sie diese Effektstärken, und die obersten vier sind psychologische Distanz (0,24), Beziehung zur Führungskraft (0,21), Bereitschaft, die Führungskraft um Hilfe zu bitten (0,17) und organisationales Commitment (0,16). Die informationsbezogenen Ergebnisse liegen darunter: erwartete Leistung (0,10), affektive Reaktion (0,08), Grübeln (0,01, nicht signifikant).
Ein Leistungsgespräch soll zwei Aufgaben erfüllen. Ein präzises Signal über die Arbeit übermitteln und den Kanal offen halten, über den diese Person Ihnen das nächste Problem früh bringt. Die Offenlegungssteuer fällt fast vollständig auf die zweite Aufgabe. Die Bereitschaft, um Hilfe zu bitten, fiel von 5,31 auf 3,43 auf einer Siebenerskala — die größte absolute Lücke der Studie.
Das ist die teure. Eine Führungskraft, die den Kanal „komm zu mir, wenn es schiefgeht" verloren hat, hat das einzige Frühwarnsystem verloren, das eine Organisation mit 50–500 Vollzeitstellen besitzt. Sie werden es in der Engagement-Befragung nicht als Feedbackproblem sehen; Sie werden es als spät eintreffende Überraschungen sehen.
Wer den ersten Entwurf schreibt, zählt mehr als wer den letzten Durchgang macht
Das ist der praktisch nutzbare Befund, und es ist der, den das Abstract unterschätzt. Die beiden hybriden Prozesse sind nicht austauschbar.
Vom Menschen geschrieben und dann von KI überarbeitet lag durchgehend nahe am rein menschlichen Fall: 4,68 gegen 4,79 bei Motivation, 4,38 gegen 4,57 beim Commitment, 4,82 gegen 5,31 bei der Bereitschaft, um Hilfe zu bitten. Es unterschied sich bei keinem der neun Ergebnisse signifikant von rein menschlichem Feedback.
KI-generiert und dann vom Menschen überarbeitet schnitt schlechter ab und — wichtiger — schaffte es nicht, sich von rein KI-generiertem Feedback abzusetzen. Gegen die rein-KI-Bedingung erreichte es Signifikanz bei nur drei von neun Ergebnissen: Bereitschaft, um Hilfe zu bitten (4,57 vs. 3,43, p = 0,002), Beziehung zur Führungskraft (3,98 vs. 3,23, p = 0,003) und psychologische Distanz (2,15 vs. 1,67, p = 0,023). Mensch-zuerst-dann-KI schlug rein KI-generiertes Feedback dagegen bei acht von neun.
Die Reihenfolge trägt also den Effekt, nicht die Anwesenheit eines Menschen irgendwo in der Kette. Eine Führungskraft einen KI-Entwurf redigieren zu lassen holte einen Bruchteil der Beziehungskosten zurück. Sie zuerst schreiben zu lassen und die KI zum Straffen der Prosa zu nutzen holte fast alles zurück.
Das ist genau die Umkehrung der heutigen Nutzung. „Erzeuge eine Beurteilung aus diesen Kompetenzwerten, ich redigiere sie dann" ist der Standardprozess in jeder HR-Suite, die 2026 einen Assistenten ausgeliefert hat. Nach dieser Evidenz ist das der schlechtere der beiden Hybride — und es ist der, den Ihre Führungskräfte wählen werden, weil er mehr Zeit spart.
Der Gegeneinwand und wie weit er trägt
Der ehrliche Einwand: Das ist eine Vignette. Die Teilnehmenden berichteten antizipierte Reaktionen auf ein hypothetisches Szenario, nicht Verhalten nach einer echten Beurteilung. Die Stichprobe war eine online rekrutierte ungarische Gelegenheitsstichprobe, verschoben zu Beschäftigten ohne Führungsverantwortung (66 %), mittleres Alter 32 Jahre. Es gibt kein Verhaltensergebnis und keine Nacherhebung. Behandeln Sie 1,67 gegen 2,89 nicht als Prognose für Ihre eigenen Zahlen.
Was den Einwand überlebt, sind Richtung und Rangfolge, und beide werden durch den Robustheitstest der Studie selbst gestützt. Beschränkt auf die 123 Teilnehmenden (64 %), die die offengelegte Quelle korrekt identifizierten — also auf jene, die die Manipulation tatsächlich registrierten — liefen alle Effekte in dieselbe Richtung und die meisten größer, mit η² zwischen 0,19 und 0,42. Der Effekt ist kein Artefakt von Unaufmerksamkeit. Wenn überhaupt, sind die Zahlen der Gesamtstichprobe durch jene verwässert, die das Etikett nicht bemerkten.
„KI-Kompetenz" kauft das nicht zurück
Die verlockende interne Lesart ist, dies sei ein Problem der Technologiegewöhnung, das Schulung löst. Die Studie hat das direkt geprüft. KI-Angst wurde als Kovariate gemessen, und ihr multivariater Effekt war nicht signifikant (V = 0,08, F(9, 179) = 1,73, p = 0,085). Univariat sagte sie genau eines vorher — Grübeln — und nichts weiter.
Beachten Sie, was das zusammen mit dem Hauptergebnis bedeutet. Grübeln ist das einzige Ergebnis, das die offengelegte Quelle nicht bewegte. KI-Angst bewegte Grübeln und nichts anderes. Die beiden Effekte sind nahezu perfekt disjunkt. Mitarbeitende reagieren nicht aus allgemeinem Unbehagen gegenüber KI. Sie reagieren auf einen konkreten Schluss: dass die Person, die für ihre Beurteilung verantwortlich ist, genau den Teil der Arbeit delegiert hat, der sie betraf.
Es gibt einen zweiten Grund, dies nicht länger als Schulungsproblem zu behandeln. Nur 16 % der Organisationen sind überzeugt, dass ihre Führungskräfte KI-bedingte Vergütungs- und Arbeitsveränderungen überhaupt erklären können (Korn Ferry, 2026, N = 5.512 Organisationen in 135 Ländern). Die Gruppe, die Sie um eine sorgfältige Erklärung des Entwurfsprozesses bitten würden, ist nach dem Urteil ihrer eigenen Führung derzeit nicht dazu in der Lage.
Das Offenlegungsergebnis auf Kundenseite überträgt sich nicht
Wer die Offenlegungsliteratur verfolgt, hat möglicherweise die umgekehrte Erwartung. Ein randomisiertes Feldexperiment mit 1.337 erreichten Kunden fand, dass die Offenlegung eines KI-Sprachagenten die Conversion gegenüber der Nicht-Offenlegung nicht mehr senkt (Habel, Zawadzki & Freise, SSRN 7013259, 2026). In einer kommerziellen Interaktion ist Offenlegung praktisch kostenlos geworden.
Daraus folgt nicht, dass sie intern kostenlos ist, und der Grund ist strukturell, nicht kulturell. Die Beziehung eines Kunden besteht zu Ihrem Unternehmen; es gibt keine dauerhafte Berichtslinie zu beschädigen, und er unterstellt ohnehin weitgehend einen Agenten. Die Beziehung eines Mitarbeitenden besteht zu einer namentlich bekannten Person, die seine Bewertung, seine Gehaltsband und seinen Aufstieg in der Hand hält. In diesem Kontext ist die Offenlegung eine Information darüber, wofür diese Person ihre Aufmerksamkeit verwendet hat.
Die Rekrutierungsliteratur zeigt in dieselbe Richtung. Bei der algorithmischen Bewertung von Interviews korrigierte Transparenz das Verhalten der Kandidaten — sie senkte Stress und täuschendes Impression Management, die das KI-Scoring auslöste — bewirkte aber auf der Bewerterseite nichts, wo Menschen sich an den KI-Scores verankerten und ihr eigenes Urteil abwerteten (Lakhiwal et al., Information Systems Research, 2026). Transparenz korrigiert die informierte Person. Sie korrigiert nicht die Delegation, die sie offenlegt.
Was Sie vor dem nächsten Beurteilungszyklus ändern sollten
Fünf Entscheidungen, von denen keine eine neue Beschaffung erfordert.
- Legen Sie die Reihenfolge als Richtlinie fest, nicht als Präferenz. Die Führungskraft schreibt zuerst den Text; die KI darf danach Sprache, Struktur oder Länge straffen. Die umgekehrte Reihenfolge ist der Prozess, den diese Studie am härtesten bestraft hat.
- Halten Sie die KI speziell aus den beziehungsbezogenen Sätzen heraus. Die Evidenz sagt, der Schaden konzentriert sich auf Nähe, Vertrauen und Hilfesuche — die Teile einer Beurteilung, die von der Beziehung handeln, nicht von der Arbeit. Diese Absätze muss eine Führungskraft in eigenen Worten verantworten.
- Entscheiden Sie Ihre Offenlegungsposition, bevor jemand fragt, und schreiben Sie sie auf. Betreiben Sie keinen nicht offengelegten Prozess in der Annahme, niemand merke es; 64 % der Teilnehmenden erkannten die Quelle allein am Text, und bei ihnen waren die Effekte größer.
- Reparieren Sie den Input, nicht die Prosa. Die meisten Führungskräfte greifen zum KI-Entwurf, weil sie ohne jede Evidenz auf ein leeres Feld starren. Geben Sie ihnen Kompetenzbelege pro Zyklus, bereits synthetisierte 360°-Divergenzen und Kalibrierungshinweise, und der Text wird eine kurze Schreibaufgabe statt einer Generierungsaufgabe — genau das soll die Performance- und Nachfolgeebene von Scovai liefern.
- Messen Sie den Kanal, nicht den Zufriedenheitswert. Fügen Sie nach dem Zyklus ein Item hinzu: „Wie wahrscheinlich ist es nach dieser Beurteilung, dass Sie ein Problem früh zu Ihrer Führungskraft bringen?" Das ist die Variable, die sich laut dieser Studie bewegt, und sie fehlt in den meisten Beurteilungsbefragungen.
Die Budgetfrage beantwortet sich selbst. Die Restriktion für die Qualität von Beurteilungen in einem Unternehmen mit 50–500 Vollzeitstellen ist nicht die Schreibkapazität — sie ist, dass Führungskräfte aus dem Gedächtnis schreiben, weil kein System ihnen die Belege liefert. Der KI-Entwurf behandelt das Symptom und stellt Ihnen dafür die Berichtslinie in Rechnung.
Eine Entscheidung für dieses Quartal
Die KI-geschriebene Leistungsbeurteilung ist längst in den Browsern Ihrer Führungskräfte, ob sie in Ihrer Richtlinie steht oder nicht. Sie entscheiden nicht, ob KI den Beurteilungstext berührt. Sie entscheiden die Reihenfolge der Schritte — und diese Studie sagt, darin liegt alles: Mensch zuerst und KI danach war bei allen neun Ergebnissen statistisch nicht von rein menschlich unterscheidbar, während KI zuerst und Mensch danach bei sechs von neun nicht von rein KI unterscheidbar war.
Schreiben Sie vor Zyklusbeginn eine Zeile in Ihre Beurteilungsrichtlinie, die festlegt, wer den ersten Entwurf erstellt. Es kostet nichts, es ist durchsetzbar, und es ist die einzige Variable hier, die Sie vollständig kontrollieren.
