21’126 Interviews: Wie KI Mitarbeitendenfeedback zu seinen Ursprüngen zurückführen kann

Die Daten waren nie das Problem

Es lohnt sich, kurz daran zu erinnern, warum es Mitarbeitendenumfragen überhaupt gibt. Wenn du wissen möchtest, wie es den Leuten geht, sprichst du am besten mit jeder und jedem persönlich. Bemerkenswerterweise hat eine frühe Studie genau das getan. Zwischen 1928 und 1930 führten die Forschenden hinter den berühmten Hawthorne-Studien bei Western Electric 21’126 offene Gespräche.¹ Sie stellten erst geschlossene Ja-Nein-Fragen, merkten aber schnell, dass die Antworten nicht dabei halfen, die eigentlichen Probleme zu identifizieren. Also gingen die Forschenden dazu über, einfach zuzuhören. Daraufhin dauerten die Interviews statt dreissig Minuten bis zu zwei Stunden.

Der Ansatz hatte einen offensichtlichen Haken: Das Programm beschäftigte das Forschungsteam über Jahre. Auch heute könnten sich das die meisten Organisationen nicht leisten. Und selbst jene, die es könnten, würden es kaum wollen, denn Feedback hat eine kurze Halbwertszeit. Nach zwei Jahren dürften sich viele der zu Beginn der Studie genannten Themen verändert oder sogar erledigt haben. In grösserem Umfang sind derart tiefgehende Interviews bis heute nahezu unmöglich.

Also fanden Organisationen eine Lösung: quantitative Erhebungen. Diese lösten das Problem des hohen Aufwands, allerdings ging dabei ein erheblicher Teil der Informationen verloren. Trotzdem setzte sich dieser Kompromiss durch und wurde in den folgenden Jahrzehnten kontinuierlich weiterentwickelt. Das Feld entwickelte KPIs, Treibermodelle und Benchmarks, und diese wurden zum Standardrepertoire von Führungskräften. Jede neue Technologie machte die Maschinerie schneller, vom Papierfragebogen über Onlineumfragen bis zu Echtzeit-Dashboards. Doch der Prozess dahinter änderte sich nie. Mitarbeitende kreuzen an. Führungskräfte bekommen Dashboards.

Mit anderen Worten: Die Umfrage war schon immer ein Ersatz für ein Gespräch, das wir uns nicht leisten konnten. Dieser Ersatz wurde still und leise selbst zum Ziel und Umfragescores zum eigentlichen Ergebnis.

Und wofür wird KI heute meistens eingesetzt? Für schnellere Umfrageerstellung, automatisierte Auswertung, verständliche Erklärungen der Resultate, Zusammenfassungen von Freitextkommentaren. Das alles ist wirklich nützlich, und wir bauen einiges davon auch selbst in Pulse Feedback ein. Aber trotz aller Optimierungen ist und bleibt es ein Kompromiss. Wenn wir den Umfragemarkt beobachten, sehen wir, dass fast alle Anbieter KI dafür einsetzen, das Gleiche schneller zu tun. Wie Daten erhoben und Ergebnisse berechnet werden, bleibt weitgehend unangetastet. Mitarbeitende kreuzen weiterhin an. Führungskräfte bekommen immer noch Dashboards, jetzt ergänzt durch eine KI-Zusammenfassung.

Wir sind überzeugt, dass dies enttäuschen wird. Nicht weil die Technologie zu kurz greift, sondern weil uns die Forschung seit über einem halben Jahrhundert sagt, dass die Analyse und der Bericht nie der Engpass waren. Mann zeigte bereits 1957, dass Veränderung nicht von der Qualität des Berichts abhängt, sondern davon, wie viele Menschen mit den Ergebnissen arbeiten.² Die Survey-Feedback-Methode wurde in den 1950er-Jahren überhaupt nur erfunden, weil Berichte allein nichts bewegten. Eine Studie von Klein et al. zeigte 1971, dass Ergebnisse besser ankommen und als nützlicher wahrgenommen werden, wenn direkte Vorgesetzte sie im Team besprechen, als wenn sie lediglich in Form eines schriftlichen Berichts übermittelt werden. Dieselbe Studie enthält eine Warnung, die den Punkt von der anderen Seite stützt: Schlecht moderierte Meetings, in denen die Führungskraft die Daten nicht kennt oder Diskussionen unterbindet, kommen schlechter an als ein blosser schriftlicher Bericht.³ Eine systematische Übersichtsarbeit von Huebner und Zacher bestätigte dies 2021 mit aktuellen Daten: Was Umfragen wirksam macht, ist der Folgeprozess samt Massnahmenplanung, und genau den vernachlässigen Organisationen am häufigsten.⁴ Gallup wiederum findet, dass nur 8 % der Mitarbeitenden voll und ganz zustimmen, dass ihr Arbeitgeber auf Basis der Umfrageergebnisse Massnahmen ergreift.⁵

Jahrzehnte immer besserer Analysen haben an dieser Zahl nichts geändert, weil die Analyse nie das Problem war. Sie war das Alibi. Und KI hat dieses Alibi nun beseitigt: Der Bericht schreibt sich heute in Sekunden von selbst. Wenn sich trotzdem nichts ändert, bleibt nur eine Erklärung: Das Gespräch hat nie stattgefunden.

Das bedeutet, dass KI zwei sehr unterschiedliche Versprechen für Mitarbeitendenfeedback bereithält. Das erste besteht darin, die alte Maschinerie zu beschleunigen. Genau dorthin fliesst derzeit fast die gesamte Energie. Das zweite ist weitaus interessanter: das zurückzubringen, was die Umfrage ursprünglich ersetzen sollte, nämlich das Gespräch selbst. Auf dieses zweite Versprechen kommen wir später zurück. Doch zunächst müssen wir das erste genauer betrachten: Was verändert sich tatsächlich, wenn mehr Daten schneller verfügbar sind?

Warum mehr Daten die Kultur einer Organisation nicht verändern

Eine schnellere Berichterstattung allein macht noch keine bessere Organisation. Im besten Fall führt sie schneller in dieselbe Sackgasse. Im schlimmsten Fall beschleunigt sie den Weg in die falsche Richtung.

Dieser letzte Punkt ist nicht nur bildlich gemeint. In einer der meistzitierten Metaanalysen auf diesem Gebiet untersuchten Kluger und DeNisi über 600 Effektstärken von Feedbackinterventionen. Sie stellten fest, dass Feedback die Leistung im Durchschnitt verbesserte, in mehr als einem Drittel der Fälle jedoch verschlechterte.⁶ Entscheidend war, worauf das Feedback die Aufmerksamkeit lenkte. Feedback, das den Fokus auf die Aufgabe richtet, hilft. Feedback, durch das sich Menschen beurteilt fühlen, bewirkt das Gegenteil. Und ein Dashboard voller Scores eignet sich ziemlich gut dazu, Menschen das Gefühl zu geben, beurteilt zu werden. Ein Score zeigt einem Team, wie es bewertet wurde, aber nicht, warum oder was es anders machen könnte.

Wenn Feedback tatsächlich zu Verbesserungen führt, liegt das nur selten an den Daten selbst. Die Forschung zu 360-Grad-Feedback zeigt, dass Verbesserungen davon abhängen, was nach dem Eintreffen der Ergebnisse geschieht: ob die Leute die Ergebnisse einordnen können, an die Möglichkeit einer Veränderung glauben, sich Ziele setzen und Unterstützung erhalten.⁷ Feedback ist mit anderen Worten keine reine Informationsvermittlung, sondern ein sozialer Prozess. Ein Bericht, der ohne anschliessendes Gespräch ausgeliefert wird, ist kein neutrales Ereignis. Er kann Ängste auslösen, Abwehrreaktionen hervorrufen oder einfach in einer Schublade verschwinden und vergessen werden.

Kultur verändert sich, wenn Menschen zusammensitzen, das Gehörte gemeinsam einordnen, unterschiedliche Sichtweisen diskutieren, Prioritäten setzen und sich auf einen nächsten Schritt verpflichten, an den sie wirklich glauben. Kein Modell kann ihnen das abnehmen. Mit KI kann der Bericht schneller vorliegen und professioneller aussehen. Die KI kann nicht dafür sorgen, dass das Gespräch stattfindet.

Viele Daten, wenig Aufmerksamkeit

Wenn Daten im Überfluss vorhanden sind, was wird dann knapp? Herbert Simon beantwortete diese Frage bereits 1971: «Ein Reichtum an Informationen führt zu einer Armut an Aufmerksamkeit.»⁸

Umfrageergebnisse bilden keine Ausnahme. Den Leuten, die damit arbeiten sollten, stehen nicht mehr Stunden zur Verfügung als zuvor. Gleichzeitig konkurrieren immer mehr Informationen um ihre Zeit. So werden Feedbackgespräche von dem verdrängt, was gerade am dringendsten erscheint. Doch dringend ist selten das Gleiche wie wichtig. Ob die durch KI gewonnene Zeit in den Austausch im Team fliesst oder unbemerkt im bloss Dringlichen verschwindet, ist eine Entscheidung.

Unsere Hypothese ist einfach. In den nächsten zehn Jahren werden nicht jene Organisationen vorne liegen, die über die ausgefeilteste KI-gestützte Feedbacktechnologie verfügen. Es werden jene sein, deren Teams drei Voraussetzungen mitbringen: die Fähigkeit, ehrlich Feedback zu geben und anzunehmen, die psychologische Sicherheit, offen auszusprechen, was sie wirklich denken, und einen Rhythmus, der dafür sorgt, dass Feedback regelmässig stattfindet und zu konkreten Massnahmen führt.

Die Forschung stützt jede dieser Bedingungen. Stone und Heen haben dargelegt, dass der eigentliche Engpass beim Feedback bei den Empfänger:innen liegt und dass sich die Fähigkeit, Feedback gut anzunehmen, trainieren lässt.⁹

Am umfassendsten ist die Evidenz zur psychologischen Sicherheit. Amy Edmondsons Forschung zeigte, dass psychologische Sicherheit, also die gemeinsame Überzeugung, dass ein Team ein sicheres Umfeld für zwischenmenschliche Risiken bietet, zu den stärksten bekannten Prädiktoren für Lernen und Leistung in Teams gehört.¹⁰ Eine spätere Metaanalyse mit mehr als 22’000 Mitarbeitenden bestätigte diesen Effekt und lieferte zudem einen ermutigenden Befund: Die wichtigsten Treiber für psychologische Sicherheit – ein unterstützendes Umfeld, die Beziehungen zu Führungskräften und die Arbeitsgestaltung – lassen sich alle beeinflussen.¹¹ Googles Project Aristotle, eine umfangreiche interne Studie zu den Merkmalen erfolgreicher Teams, kam aus einer anderen Perspektive zum gleichen Schluss: Wie ein Team zusammenarbeitete, war wichtiger als seine Zusammensetzung. Psychologische Sicherheit bildete dabei die Grundlage.¹²

Auch beim Rhythmus zeigt sich ein klares Bild. Eine aktuelle Interviewstudie mit Organisationen, die Pulsbefragungen durchführen, fand ein einheitliches Muster. Wenn Führungskräfte die Ergebnisse sichtbar besprachen und daraus Massnahmen ableiteten, beteiligten sich die Mitarbeitenden weiterhin. Geschah dies nicht, ging die Teilnahme zurück.¹³ Ohne Massnahmen bleiben bald auch die Umfrageantworten aus. Fähigkeiten lassen sich trainieren, Sicherheit lässt sich aufbauen und ein Rhythmus lässt sich etablieren. Doch alle drei entstehen in zwischenmenschlichen Beziehungen. Keine KI kann das leisten.

Genau darin liegt der Kern. Eine KI kann eine makellose Zusammenfassung über die geringe psychologische Sicherheit in einem Team verfassen. Beheben kann sie das Problem jedoch nicht. Psychologische Sicherheit baut sich dadurch wieder auf, wie Menschen reagieren, wenn beim nächsten Mal jemand das Risiko eingeht, offen seine Meinung zu äussern. KI kann vieles erheblich beschleunigen. Doch erst menschliches Handeln bewirkt echte Veränderung.

Fünf Prinzipien für Feedback im KI-Zeitalter

Wenn wir diese Prämisse akzeptieren, ergeben sich daraus fünf praktische Prinzipien für die Gestaltung und Durchführung von Mitarbeitendenfeedback.

1. KI nutzen, um Hürden abzubauen, nicht um Menschen aus dem Prozess zu nehmen

Kommentare gruppieren, Themen erkennen, Texte übersetzen und mögliche Massnahmen entwerfen: Bei diesen Aufgaben spart KI viel Zeit und verbessert oft auch die Qualität. Das kann man ihr getrost überlassen. Doch die gemeinsame Einordnung, die Priorisierung und die verbindliche Festlegung der nächsten Schritte gehören in einen Raum, in dem Menschen miteinander sprechen.

Ethan Mollick vertritt einen ähnlichen Standpunkt zur KI in der Arbeitswelt: Behandle sie wie eine kompetente Kollegin, aber überlasse Entscheidungen, die menschliches Urteilsvermögen erfordern, weiterhin den Menschen.¹⁴ Auf Feedback übertragen bedeutet das: KI kann das Gespräch im Team unterstützen und sogar strukturieren. Sie kann aber nicht die gegenseitigen Vereinbarungen ersetzen, die Menschen darin treffen. Das Ziel besteht darin, weniger Zeit für die Erstellung des Berichts und deutlich mehr Zeit für die Umsetzung der Ergebnisse aufzuwenden.

2. Verantwortung lokal verankern und auf jedes Team zuschneiden

Mit dem technologischen Fortschritt gelangten die Ergebnisse immer näher an die Teams: von manuell erstellten Abteilungsberichten, die mit mehreren Wochen Verspätung eintrafen, bis zu Dashboards, die jedes Team unmittelbar nach Abschluss einer Umfrage öffnen kann. KI kann diesen Wandel noch deutlich weiterführen: vom lokalen Zugang hin zu Inhalten, die wirklich auf das jeweilige Team zugeschnitten sind.

Statt desselben Berichts mit unterschiedlichen Zahlen kann jedes Team ein passgenaues Bild erhalten, mit Empfehlungen, die seine Vorgeschichte berücksichtigen, Veränderungen seit der letzten Umfrage aufzeigen und bisherige Massnahmen einbeziehen. Feedback bewirkt dann Veränderung, wenn die Menschen, die es betrifft, selbst damit arbeiten.

Dies ist das Bottom-up-Prinzip, für das wir stehen. KI ermöglicht es nun, jedem Team mehr Handlungsmöglichkeiten zu geben. Natürlich kann ein Team nicht alles selbst lösen, was auf den Tisch kommt. Themen wie Lohn, Arbeitsbelastung und Reibungsverluste zwischen Abteilungen brauchen eine klar sichtbare Verantwortung auf übergreifender Ebene. Lokale Verantwortung für Veränderungen im Team und zentrale Verantwortung für systemische Themen ergänzen sich. Sie stehen nicht in Konkurrenz zueinander.

3. Mindestens ebenso viel in die menschliche wie in die technologische Seite investieren

Es ist verlockend, Budget und Aufmerksamkeit vor allem in Umfragetechnologien zu investieren, weil dort der Fortschritt am sichtbarsten ist. Doch Feedbackkompetenz, die Fähigkeit, Gespräche zugleich direkt und wertschätzend zu führen, und psychologische Sicherheit sind jene Hälfte des Kreislaufs, die tatsächlich Veränderung bewirkt. Sie entwickeln sich langsam und verstärken sich mit der Zeit. Trainings und Moderation lassen sich einkaufen, gewachsenes Vertrauen hingegen nicht. Eine Organisation, die die einfache Hälfte automatisiert und die schwierige vernachlässigt, wird am Ende über mehr Daten verfügen, aber weniger verändern.

4. Transparent machen, wie KI die Aussagen der Mitarbeitenden verwendet

KI-gestützte Feedbackerfassung kann von Mitarbeitenden als Überwachung wahrgenommen werden. Wenn sie vermuten, dass das Modell ihre Kommentare zur Kontrolle statt zur Verbesserung auswertet, werden sie aufhören, offen zu antworten. Der Feedbackkreislauf verschlechtert sich dann, bevor überhaupt ein Gespräch stattfinden kann. Ehrliche Antworten sind eine Voraussetzung, die keine Technologie selbst schaffen kann. Kein noch so leistungsfähiges Analysesystem kann ihren Verlust ausgleichen.

Psychologische Sicherheit muss deshalb heute auch die Technologie einschliessen. Kommuniziere klar, wer was sieht, was die KI damit macht und wofür sie niemals eingesetzt wird. Erwarte zudem nicht, dass Anonymitätseinstellungen diese Aufgabe allein erfüllen. Wer wirklich Angst hat, wird nicht darauf vertrauen, dass sich anonyme Antworten nicht zurückverfolgen lassen, unabhängig davon, was das Tool verspricht. Ehrlichkeit entsteht durch Vertrauen, nicht durch das Fehlen von Namen. Dieses Argument haben wir bereits an anderer Stelle ausführlicher dargelegt.

5. KI nutzen, um tiefer zuzuhören, nicht nur schneller

Die vier oben beschriebenen Prinzipien betrachten KI als Beschleuniger des bestehenden Prozesses. Die grössere Chance liegt darin, eine Frage zu stellen, die seit einem Jahrhundert undenkbar war: Was würden wir tun, wenn wir tatsächlich mit allen sprechen könnten?

Zum ersten Mal seit jenen 21’126 Interviews kommen wir diesem Ziel wieder nahe. KI ermöglicht dialogorientiertes Zuhören in grossem Umfang. Diese Richtung erkunden wir bei Pulse Feedback derzeit aktiv: chatbasierte Interviews, die passende Anschlussfragen stellen, wie es auch in einem guten Interview geschehen würde, um Antworten zu vertiefen und ihre Hintergründe besser zu verstehen.

Und die Antwortskalen? Sie haben schon immer zwei Aufgaben erfüllt: Erhebung und Kommunikation. Erhebung, weil Zahlen die einzige Möglichkeit waren, Feedback von Tausenden Mitarbeitenden einzuholen und auszuwerten. Kommunikation, weil sich Zahlen besonders leicht erfassen, vergleichen und über die Zeit verfolgen lassen. Deshalb entstanden rund um sie KPIs und Dashboards.

KI übernimmt nun die Erhebung. Kommunikation bleibt wertvoll, und die Kennzahlen von morgen können aus dem abgeleitet werden, was Menschen tatsächlich gesagt haben: wie viele ein bestimmtes Thema angesprochen haben oder ob es seit der letzten Umfrage an Bedeutung gewonnen hat. Skalen hatten ein Monopol darauf, wie wir Fragen stellen, weil es keine Alternative gab. Das hat sich nun geändert. Nicht geändert hat sich, dass quantitative Ergebnisse leicht zu lesen sind.

Wohin die Reise geht

Im Zeitalter der KI ist die Versuchung gross zu glauben, dass sich bessere Zusammenarbeit automatisieren lässt. Die Erkenntnisse aus sieben Jahrzehnten Forschung zeigen, dass dies nicht möglich ist. KI verringert die zeitlichen und finanziellen Kosten, um zur menschlichen Ebene des Feedbacks zu gelangen. Weniger wichtig wird diese Ebene dadurch nicht. Im Gegenteil: Wenn Daten zu einem leicht verfügbaren Gut werden, wird der menschliche Austausch zum eigentlichen Differenzierungsmerkmal.

Organisationen, die dies verstehen, werden beide Versprechen der KI nutzen: die Reibungsverluste des bisherigen Prozesses zu beseitigen und den Menschen auf eine Weise zuzuhören, wie es kein Fragebogen je ermöglicht hat. Die dadurch gewonnene Zeit werden sie dort einsetzen, wo sie zählt: bei ihren Mitarbeitenden, um gemeinsam zu entscheiden, was als Nächstes zu tun ist.

An diesem Punkt steht unser Denken heute, und es entwickelt sich laufend weiter. Wir freuen uns auf euer Feedback.

Quellen

1. Roethlisberger, F. J., & Dickson, W. J. (1939). Management and the worker. Harvard University Press.
2. Mann, F. C. (1957). Studying and creating change: A means to understanding social organization. In C. M. Arensberg et al. (Eds.), Research in industrial human relations: A critical appraisal (pp. 146–167). Harper & Brothers.
3. Klein, S. M., Kraut, A. I., & Wolfson, A. (1971). Employee reactions to attitude survey feedback: A study of the impact of structure and process. Administrative Science Quarterly, 16(4), 497–514.
4. Huebner, L.-A., & Zacher, H. (2021). Following up on employee surveys: A conceptual framework and systematic review. Frontiers in Psychology, 12, 801073.
5. Pendell, R. (2018). 10 ways to botch employee surveys. Gallup.
6. Kluger, A. N., & DeNisi, A. (1996). The effects of feedback interventions on performance: A historical review, a meta-analysis, and a preliminary feedback intervention theory. Psychological Bulletin, 119(2), 254–284.
7. Smither, J. W., London, M., & Reilly, R. R. (2005). Does performance improve following multisource feedback? A theoretical model, meta-analysis, and review of empirical findings. Personnel Psychology, 58(1), 33–66.
8. Simon, H. A. (1971). Designing organizations for an information-rich world. In M. Greenberger (Ed.), Computers, communications, and the public interest (pp. 37–72). Johns Hopkins Press.
9. Stone, D., & Heen, S. (2014). Thanks for the feedback: The science and art of receiving feedback well. Viking.
10. Edmondson, A. C. (1999). Psychological safety and learning behavior in work teams. Administrative Science Quarterly, 44(2), 350–383.
11. Frazier, M. L., Fainshmidt, S., Klinger, R. L., Pezeshkan, A., & Vracheva, V. (2017). Psychological safety: A meta-analytic review and extension. Personnel Psychology, 70(1), 113–165.
12. Duhigg, C. (2016, February 25). What Google learned from its quest to build the perfect team. The New York Times Magazine.
13. Berthelsen, H., & Muhonen, T. (2026). Taking the pulse: A qualitative study on pulse survey implementation. Frontiers in Organizational Psychology, 3, 1696769.
14. Mollick, E. (2024). Co-intelligence: Living and working with AI. Portfolio.