IA on the job: erst selbst schätzen, dann die KI fragen?

Wenn ein Team eine Frist oder einen Arbeitsaufwand schätzt, scheint es sinnvoll, zuerst die KI zu konsultieren. Sollten Führungskräfte dennoch eine erste unabhängige Schätzung verlangen, bevor der Vorschlag des Werkzeugs angezeigt wird?

Was die Forschung belegt

Amos Tversky und Daniel Kahneman (1974, Science) beschreiben den Ankereffekt: Ein Ausgangswert kann eine numerische Schätzung beeinflussen, selbst wenn er keine relevante Information liefert. In den untersuchten Situationen reichen die Anpassungen ausgehend von diesem Wert nicht immer aus, um sich von seinem Einfluss zu lösen. Diese Arbeiten geben Anlass, auf die zuerst präsentierte Zahl zu achten, untersuchen jedoch keine KI-Assistenten.

Der Mechanismus hinter der ersten Zahl

Fritz Strack und Thomas Mussweiler (1997, Journal of Personality and Social Psychology) liefern Befunde für einen Mechanismus der selektiven Zugänglichkeit. Die Auseinandersetzung mit einem vorgeschlagenen Wert kann dazu führen, dass damit vereinbares Wissen leichter zugänglich wird und das anschliessende Urteil beeinflusst. Auf KI übertragen ergibt sich daraus eine zu prüfende Hypothese: Eine begründete Schätzung könnte die Suche nach Argumenten strukturieren, statt die nutzende Person lediglich zu informieren.

Der voreilige Schluss

Daraus könnte man ableiten, dass eine eigene Schätzung immer vor der Konsultation der KI erfolgen sollte. Diese Studien belegen jedoch nicht, dass diese Reihenfolge berufliche Entscheidungen verbessert: Auch eine erste persönliche Schätzung kann falsch sein und zum Anker werden. Es geht daher darum, Arbeitsabläufe zu vergleichen, statt anfängliche Unabhängigkeit als Garantie für Richtigkeit zu behandeln. (unsere Weiterbildungen für Führungskräfte und Mitarbeitende)

Was die Daten nicht entscheiden können

Die zitierten Experimente betreffen numerische Urteile unter kontrollierten Bedingungen, nicht die gemeinsame Planung in einem Freiburger Unternehmen. Sie zeigen nicht, wie Fachwissen, Datenqualität oder Gespräche im Team den Einfluss eines KI-Vorschlags verändern würden. Auch eine Annäherung der menschlichen Schätzung an jene des Werkzeugs genügt als Beobachtung nicht: Sie kann eine sachlich angemessene Korrektur darstellen.

Eine überprüfbare Praxis in Freiburg

Im SHR-Programm «IA on the job» könnten Bearbeitungszeiten abgeschlossener, anonymisierter Fälle aus der Freiburger Agrar- und Lebensmittelwirtschaft oder der zweisprachigen Industrie geschätzt werden, allenfalls mit methodischer Unterstützung aus dem lokalen Hochschulumfeld. Die Teilnehmenden werden zufällig zwei Abläufen zugeteilt – eigene Schätzung vor dem KI-Vorschlag oder KI-Vorschlag von Beginn an –, wobei dieselben Fälle, ein fester KI-Vorschlag pro Fall und verdeckte tatsächliche Bearbeitungszeiten verwendet werden. Anschliessend wird der mittlere absolute Fehler der abschliessenden Schätzungen gegenüber den dokumentierten Zeiten verglichen, getrennt nach deutsch- und französischsprachigen Fällen. Dieser Test würde einen lokalen Hinweis auf den Nutzen einer vorgängigen Schätzung liefern, ohne eine Produktionsentscheidung zu beeinflussen oder eine allgemeine Regel zu beanspruchen. Weiterführend: entdecken Sie die KI im Arbeitsalltag-Weiterbildung in Freiburg, oder durchstöbern Sie unsere Weiterbildungen für Führungskräfte und Mitarbeitende in der Schweiz.

In Bildern: KI im Arbeitsalltag in Freiburg

• ki im arbeitsalltag
• Freiburg
• forschung
• Weiterbildung freiburg