Wie unterscheidet sich das Vertrauen in KI- von menschlichem Feedback und wie beeinflusst es die Teamleistung?

Host: Willkommen zu A.I.S. Insights — powered by Living Knowledge. Mein Name ist Anna Ivy Summers. In der heutigen Folge besprechen wir eine aktuelle Studie mit dem Titel: Wenn KI-Glaubwürdigkeit Risse bekommt: Menschliche vs. KI-Feedbackquellen in globalen virtuellen studentischen Teamprojekten. Die Autoren Dhruv Pratap SINGH und Vasyl Taras stellen ihre Untersuchung auf der International Conference on Information Systems 2026 vor. Die Studie analysiert, ob sich die klassische Theorie der Quellenglaubwürdigkeit von Menschen auf generative KI übertragen lässt und wie Glaubwürdigkeitsurteile die tatsächliche Teamleistung beeinflussen. Bei mir ist Alex Ian Sutherland. Alex, worin besteht hier die zentrale Problemstellung?

Expert: Hallo Anna. In modernen Arbeits- und Lernumgebungen greifen Teams zunehmend parallel auf menschliche Mentoren und generative KI-Tools zurück. Beide Seiten liefern Feedback zu Arbeitsergebnissen. Bislang war jedoch unklar, ob Menschen die Glaubwürdigkeit einer KI nach denselben mehrdimensionalen Maßstäben bewerten wie die Glaubwürdigkeit menschlicher Experten. Zudem fehlte empirische Evidenz darüber, ob hohes Vertrauen in KI-generiertes Feedback die Zusammenarbeit und Leistung in Teams tatsächlich verbessert oder womöglich beeinträchtigt.

Host: Eine zentrale Frage für alle Organisationen, die KI-Assistenten in ihre Arbeitsabläufe integrieren. Wie genau sind die Autoren bei der Untersuchung vorgegangen?

Expert: Die Forschenden analysierten Daten von 3.776 Teilnehmenden aus 31 Ländern, die über elf Wochen hinweg in virtuellen Beratungsprojekten zusammenarbeiteten. Erfasst wurden die wahrgenommene Glaubwürdigkeit von Professoren, Coaches und generativen KI-Tools anhand von drei etablierten Dimensionen: Kompetenz, Vertrauenswürdigkeit und Wohlwollen. Mittels Strukturgleichungsmodellierung untersuchte die Studie anschließend den Zusammenhang dieser Bewertungen mit der selbst- sowie der teambewerteten Leistung.

Host: Welche zentralen Ergebnisse hat diese Modellierung geliefert?

Expert: Das erste wichtige Ergebnis betrifft die Struktur der Wahrnehmung: Bei menschlichen Feedbackquellen verschmolzen Kompetenz, Vertrauenswürdigkeit und Wohlwollen zu einem einzigen globalen Glaubwürdigkeitsurteil. Die Glaubwürdigkeit von Professoren sagte sowohl die durch Teamkollegen bewertete Leistung mit einem standardisierten Pfadkoeffizienten von Beta gleich 0,155 als auch die selbstbewertete Leistung mit Beta gleich 0,113 statistisch signifikant positiv voraus. Bei generativer KI blieb die Wahrnehmung hingegen klar in die einzelnen Dimensionen aufgeteilt.

Host: Und diese getrennten Dimensionen der KI wirkten sich unterschiedlich auf die Leistung aus?

Expert: Genau. Hier zeigten sich gegensätzliche Effekte. Eine hohe wahrgenommene Kompetenz der KI war positiv mit der durch Peers bewerteten Teamleistung assoziiert, mit Beta gleich 0,138 und statistischer Signifikanz. Gleichzeitig war eine hohe wahrgenommene Vertrauenswürdigkeit der KI negativ mit der durch Peers bewerteten Leistung assoziiert, mit Beta gleich minus 0,268. Hätte die Studie die Glaubwürdigkeit der KI als einen einzigen Gesamtwert aggregiert, hätte dieser negative Nettozusammenhang die dahinterliegenden Mechanismen verdeckt. Ein weiterer relevanter Befund: Diese Zusammenhänge traten ausschließlich bei Personen auf, die sich während der Aufgabenbearbeitung aktiv mit der jeweiligen Feedbackquelle auseinandersetzten.

Host: Das ist ein bemerkenswerter Unterschied: KI-Kompetenz hilft, aber hohe KI-Vertrauenswürdigkeit korreliert mit schwächerer Leistung. Welche praktischen Konsequenzen ergeben sich daraus für Unternehmen und Führungskräfte?

Expert: Für Unternehmen liefert diese Studie zwei klare Handlungsansätze. Erstens sollten Teams generative KI primär als spezialisiertes Werkzeug zur Steigerung der fachlichen Kompetenz und zur Ideenanreicherung nutzen. Zweitens birgt eine übermäßige Zuschreibung von Vertrauenswürdigkeit das Risiko, dass Ergebnisse unkritisch übernommen werden. Wenn Mitarbeitende einer KI blind vertrauen, sinkt möglicherweise die eigene analytische Prüftiefe im Team. Führungskräfte sollten Richtlinien und Prüfprozesse etablieren, die sicherstellen, dass KI-Feedback stets kritisch hinterfragt und mit menschlicher Expertise abgeglichen wird.

Host: Das Fazit lautet also: KI-Kompetenz gezielt nutzen, Feedback aber nicht blind vertrauen, sondern weiterhin aktiv evaluieren. Vielen Dank für diese fundierten Einblicke, Alex, und danke an Sie fürs Zuhören. Bis zur nächsten Ausgabe von A.I.S. Insights — powered by Living Knowledge.