KI-gestützte Gremien: Verdrängen gemeinsame Informationen alles andere?
Bereitet ein Gremium seine Entscheidung anhand einer KI-generierten Zusammenfassung vor, verfügen seine Mitglieder über eine gemeinsame Ausgangsbasis. Die konkrete Führungsfrage lautet: Wie lässt sich verhindern, dass diese Basis Informationen überlagert, die nur einzelne Fachbereiche einbringen können?
Was die Forschung belegt
Garold Stasser und William Titus (1985, Journal of Personality and Social Psychology) untersuchten Gruppenentscheidungen, bei denen nicht alle Beteiligten über dieselben Informationen verfügten. Ihre Experimente zeigen, dass die Diskussion Informationen bevorzugt, die allen bekannt sind, gegenüber Informationen, die nur ein Mitglied besitzt – selbst wenn Letztere eine bessere Entscheidung ermöglichen würden. Personen mit ergänzenden Informationen zusammenzubringen, reicht somit nicht aus, um ihr Wissen zusammenzuführen.
Der Mechanismus: mehr Gelegenheiten, auf Bekanntes zurückzukommen
Garold Stasser und William Titus (1987, Journal of Personality and Social Psychology) untersuchten, wie die Informationsmenge und der Anteil gemeinsam bekannter Informationen die Weitergabe nicht gemeinsam bekannter Informationen beeinflussen. Ihre Arbeiten verdeutlichen eine Asymmetrie: Eine Information, die mehrere Beteiligte kennen, hat mehrere Chancen, erwähnt zu werden; eine exklusive Information hängt hingegen von ihrer einzigen Wissensträgerin oder ihrem einzigen Wissensträger ab. Eine gemeinsame KI-Zusammenfassung könnte diese geteilte Ausgangsbasis verstärken; dies ist eine Anwendungshypothese und kein in diesen Studien gemessener Effekt.
Der vorschnelle Schluss
Daraus könnte man ableiten, auf gemeinsame Zusammenfassungen zu verzichten oder alle Beteiligten vollständig getrennt vorbereiten zu lassen. Diesen Schluss lassen die Arbeiten nicht zu: Eine gemeinsame Grundlage kann auch Kriterien klären und Missverständnisse vermeiden. Entscheidend ist, bereits gemeinsam Bekanntes von dem zu unterscheiden, was noch in die Diskussion eingebracht werden muss, statt anfängliche Einigkeit mit einem wirksamen Wissensaustausch gleichzusetzen. (unsere Weiterbildungen für Führungskräfte und Mitarbeitende)
Was diese Daten nicht belegen
Diese Experimente betreffen Laboraufgaben mit kontrollierter Informationsverteilung, nicht industrielle Gremien, die generative KI nutzen. In der Praxis ist eine Information, über die nur eine Person verfügt, nicht zwangsläufig richtig, relevant oder entscheidend. Ihre Präsenz in der Diskussion zu messen, gibt Aufschluss über den Wissensfluss, nicht unmittelbar über die Qualität der Entscheidung.
Eine überprüfbare Praxis in Neuchâtel
In einem Neuenburger Unternehmen der Mikrotechnik, Uhrenindustrie oder Präzisionsmikroelektronik könnte eine Industrialisierungsbesprechung eine strukturierte Runde mit Beiträgen der Fachbereiche testen, bevor auf Grundlage einer KI-Zusammenfassung entschieden wird. Nach der Lektüre der Zusammenfassung und vor der Sitzung hält jede Fachvertretung separat überprüfbare Fakten aus ihrem Bereich fest, die darin fehlen; anhand des Protokolls lässt sich anschliessend der Anteil dieser Fakten berechnen, die vor der Entscheidung ausdrücklich geprüft wurden. Ein Vergleich dieses Anteils zwischen vergleichbaren Besprechungen mit und ohne strukturierte Runde würde einen Indikator für den Informationsfluss liefern, ohne allein eine Verbesserung der Entscheidungen nachzuweisen. Im Rahmen des SHR-Programms « Manager à l’ère de l’intelligence artificielle » wäre dieses Vorgehen eine überprüfbare Führungsübung statt eines Leistungsversprechens für das Werkzeug. Weiterführend: entdecken Sie die Führen im Zeitalter der künstlichen Intelligenz-Weiterbildung in Neuenburg im Kanton Neuenburg, oder durchstöbern Sie unsere Weiterbildungen für Führungskräfte und Mitarbeitende in der Schweiz.
In Bildern: Führen im Zeitalter der künstlichen Intelligenz in Neuenburg
- führen im zeitalter der künstlichen intelligenz
- Neuenburg
- forschung
- Weiterbildung neuenburg