IA on the job: ein Ergebnis oder eine Kompetenz beurteilen?
KI-gestützte Arbeitsergebnisse fliessen in Leistungsbeurteilungen, Beförderungsentscheidungen und die Übertragung neuer Verantwortung ein. Die Führungsfrage ist präzise: Was lässt sich aus einem Ergebnis über die Kompetenzen einer Person ableiten, wenn die Entstehungsbedingungen weitgehend unsichtbar bleiben?
Was die Forschung belegt
Lee Ross, Teresa M. Amabile und Julia L. Steinmetz (1977, Journal of Personality and Social Psychology) untersuchten eine Frage-Antwort-Situation, in der die fragende Person Fragen auf der Grundlage ihres eigenen Wissens auswählen konnte. Bei der Beurteilung des Allgemeinwissens berücksichtigten die Teilnehmenden diesen Rollenvorteil nicht ausreichend. Das Experiment zeigt, dass ein situativ geschaffener Vorteil als persönliche Eigenschaft interpretiert werden kann.
Der Mechanismus: vom Ergebnis auf die Person schliessen
Daniel T. Gilbert und Patrick S. Malone (1995, Psychological Bulletin) analysieren den Korrespondenzfehler: die Tendenz, aus einem Verhalten auf persönliche Dispositionen zu schliessen, obwohl es durch die Umstände erklärbar ist. Ihre Übersicht unterscheidet unter anderem das Übersehen situativer Einschränkungen und eine unzureichende Korrektur des ersten Urteils. Auf KI übertragen ergibt sich daraus eine Hypothese, kein gesicherter Befund: Eine Führungskraft könnte Mitarbeitenden etwas zuschreiben, das auch vom Werkzeug, den verfügbaren Ressourcen und den Überarbeitungsmöglichkeiten abhängt.
Der vorschnelle Schluss
Daraus könnte man ableiten, KI müsse aus jeder Beurteilung ausgeschlossen werden, um die «wirkliche» Kompetenz sichtbar zu machen. Das würde individuelle Fähigkeiten ohne Unterstützung mit der Fähigkeit verwechseln, im tatsächlichen Arbeitsumfeld ein verlässliches Ergebnis zu erzielen. Stattdessen ist zu klären, was beurteilt werden soll: das gelieferte Ergebnis, die Fachkompetenz oder die Fähigkeit, eine KI-gestützte Erstellung zu steuern. (unsere Weiterbildungen für Führungskräfte und Mitarbeitende)
Was diese Arbeiten offenlassen
Diese Artikel behandeln weder generative KI noch heutige Leistungsbeurteilungen und messen deshalb nicht, wie stark ein möglicher Beurteilungsfehler dort ausfällt. Auch eine einmalige Demonstration ohne Hilfsmittel würde nicht genügen, um eine dauerhafte Kompetenz festzustellen. Eine Grenze der gängigen Praxis zeigt sich dort, wo aus einem gelungenen Arbeitsergebnis ein allgemeines Urteil über die Person wird, ohne diesen Schluss offenzulegen.
Eine überprüfbare Praxis in Bern
Im Rahmen von «IA on the job» von SHR könnte ein Berner Team einen Beurteilungsbogen anhand nicht sensibler oder fiktiver Arbeitsergebnisse testen: einer Notiz für die Bundesverwaltung, eines Dokuments zur öffentlichen Gesundheit, einer Antwort im Telekommunikationsbereich oder eines Abweichungsberichts in der Präzisionsindustrie. Vor der Übung würde es die zu beurteilende Kompetenz festlegen; die Beurteilenden würden zunächst nur das Ergebnis bewerten und ihr Urteil anschliessend anhand einer standardisierten Übersicht zu erlaubten Werkzeugen, verfügbaren Ressourcen und Überarbeitungen durch die verfassende Person revidieren. Gemessen würde der Anteil der Kompetenzurteile, die nach dieser Kontextualisierung geändert werden, ergänzt um den jeweiligen Änderungsgrund. Dieser Indikator würde keinen Beurteilungsfehler beweisen, aber überprüfbar machen, wie stark die Beurteilung von Informationen über die Entstehungsbedingungen abhängt. Weiterführend: entdecken Sie die KI im Arbeitsalltag-Weiterbildung in Bern, oder durchstöbern Sie unsere Weiterbildungen für Führungskräfte und Mitarbeitende in der Schweiz.
In Bildern: KI im Arbeitsalltag in Bern
- ki im arbeitsalltag
- Bern
- forschung
- Weiterbildung bern