Welche neuen Studien und Daten zu künstlicher Intelligenz sind für Personalverantwortliche tatsächlich relevant? Im KI & HR Radar filtern wir aktuelle Forschung zu KI, Recruiting und Arbeitswelt nach ihrem praktischen und strategischen Wert für HR.
Diese Woche richtet sich der Blick stärker auf die Organisation selbst. Eine neue Studie zeigt, was passiert, wenn ein LLM nicht mehr nur als persönlicher Chatbot genutzt wird, sondern tief in Meetings, Dokumente und Unternehmenssysteme eingebettet ist. Eine weitere Untersuchung aus Deutschland fragt, welche Kompetenzen Betriebsräte benötigen, um solche Systeme überhaupt sinnvoll mitgestalten zu können. Und eine repräsentative Befragung zeigt ein Dilemma beim Berufseinstieg: KI kann jungen Beschäftigten anspruchsvollere Aufgaben früher ermöglichen – übernimmt aber gleichzeitig genau jene Routinetätigkeiten, über die bislang häufig Berufserfahrung aufgebaut wurde.
1. Wenn der KI-Assistent Teil der Infrastruktur wird, verändert sich nicht nur die individuelle Produktivität
Viele Untersuchungen zu generativer KI am Arbeitsplatz betrachten bislang einen einzelnen Beschäftigten, eine einzelne Aufgabe und einen Chatbot wie ChatGPT. Eine am 24. September 2026 veröffentlichte Studie im Fachjournal Computer Supported Cooperative Work geht einen anderen Weg.
Kenton O’Hara, Michael Massimi und Miftah Khan untersuchten ein internationales IT-Dienstleistungsunternehmen mit rund 200 Beschäftigten, das einen eigenen LLM-Agenten tief in seine Unternehmenssysteme integriert hat. Der Assistent mit dem Namen „Plaito“ ist unter anderem mit Slack, Salesforce, NetSuite, Jira, Confluence und weiteren internen Informationsquellen verbunden.
Besonders interessant: Meetings werden aufgezeichnet, transkribiert und automatisch zusammengefasst. Die Inhalte können später über den KI-Assistenten durchsucht und für weitere Aufgaben genutzt werden. Beschäftigte können beispielsweise frühere Kundengespräche abfragen, Informationen für den nächsten Termin zusammenstellen oder aus Gesprächsinhalten neue Dokumente erzeugen.
Die Forschenden führten zunächst Interviews mit 14 Beschäftigten aus unterschiedlichen Funktionen durch. Neun von ihnen nahmen anschließend an einer zweiten, vertiefenden Interviewrunde teil und dokumentierten konkrete Situationen aus ihrem Arbeitsalltag.
Der interessante Effekt entsteht zwischen den Menschen
Der entscheidende Befund ist nicht einfach, dass Beschäftigte einzelne Aufgaben schneller erledigen. Die Forscher beobachten vielmehr eine Veränderung der gemeinsamen Arbeitsorganisation.
Meetings werden durch Aufzeichnung, Transkription und KI-Suche zu dauerhaft verfügbaren Informationsquellen. Wissen, das früher möglicherweise nur im Gespräch vorhanden war oder in persönlichen Notizen landete, kann später von anderen wieder aufgegriffen, durchsucht und weiterverarbeitet werden.
Dadurch verändern sich auch die Beschäftigten selbst. Die Studie beschreibt, dass Mitarbeitende ihre Kommunikation teilweise bereits so strukturieren, dass die KI den Kontext anschließend besser erfassen und weiterverarbeiten kann. Das System unterstützt damit nicht einfach einen bestehenden Prozess – der Prozess passt sich zunehmend an das System an.
Ein praktisches Beispiel ist die Vorbereitung auf Kundentermine. Beschäftigte konnten zuvor notwendige Informationen aus mehreren Systemen zusammensuchen. Mit dem eingebetteten Assistenten ließ sich ein Teil dieses Kontextes innerhalb weniger Minuten zusammentragen. Damit sinkt nicht nur der individuelle Rechercheaufwand. Auch Übergänge zwischen Meetings, Dokumentation und Folgeaufgaben verändern sich.
Aus dem Copilot wird organisatorische Infrastruktur
Für HR ist diese Perspektive wichtiger als die häufige Frage, wie viele Minuten ein Chatbot beim Schreiben einer E-Mail spart.
Sobald KI Zugriff auf Meetinginhalte, Kundendaten, Unternehmenswissen und Arbeitsabläufe erhält, entstehen neue Fragen:
- Welche Gespräche werden dauerhaft dokumentiert?
- Wer darf die daraus gewonnenen Informationen später abfragen?
- Was passiert, wenn KI-Zusammenfassungen zum organisatorischen Gedächtnis werden?
- Wer trägt Verantwortung, wenn aus mehreren KI-gestützten Verarbeitungsschritten ein fehlerhaftes Ergebnis entsteht?
- Verändert sich die Kommunikation von Beschäftigten, weil sie wissen, dass Gespräche anschließend maschinell verarbeitet werden?
Für HR bedeutet das: Enterprise-KI sollte nicht nur als individuelles Produktivitätstool bewertet werden. Je stärker ein System in die Informationsinfrastruktur integriert wird, desto stärker wird es selbst Teil der Arbeitsorganisation. Governance, Zugriffsrechte, Verantwortlichkeit und die Gestaltung gemeinsamer Arbeitsprozesse werden damit mindestens genauso wichtig wie die Qualität des zugrunde liegenden Sprachmodells.
Wie belastbar ist das? Die Studie hat den Vorteil, tatsächliche KI-Nutzung innerhalb realer Arbeitsabläufe zu untersuchen. Sie ist allerdings qualitativ und basiert auf einem einzigen, digital sehr erfahrenen Unternehmen mit rund 200 Beschäftigten. Die 14 Interviewpartner erlauben keine Verallgemeinerung darüber, wie Enterprise-LLMs in allen Unternehmen wirken. Der Wert liegt vor allem darin, Mechanismen sichtbar zu machen, die in klassischen Produktivitätsstudien kaum erfasst werden.
2. Betriebsrat und KI: Technisches Wissen allein reicht für Mitbestimmung nicht
Eine zweite, am 22. September veröffentlichte Studie ist gerade für deutsche Unternehmen interessant. Robin Preiß, Deniz Sarikaya und Christian Herzog untersuchen, wie Betriebsräte dabei unterstützt werden können, die Folgen von KI-Systemen systematischer zu beurteilen.
Ausgangspunkt ist ein praktisches Problem: Wenn Unternehmen neue KI-Systeme einführen, verfügen Management, IT-Abteilungen, Anbieter und Beschäftigtenvertretungen häufig über sehr unterschiedliche technische Kenntnisse. Gleichzeitig müssen Entscheidungen teilweise unter erheblichem Zeitdruck getroffen werden.
Die Forschenden erprobten deshalb in drei Workshops mit einem Betriebsrat ein sogenanntes „Implication Canvas“. Insgesamt nahmen zunächst sieben und in den beiden weiteren Workshops jeweils fünf Betriebsratsmitglieder aus unterschiedlichen Berufsgruppen teil.
Untersucht wurden unter anderem drei konkrete Szenarien: eine KI-basierte Talent-Management-Plattform, automatisch erzeugte Meetingprotokolle mit Microsoft 365 Copilot und die automatische Erstellung von E-Mails mit Copilot.
Zur Studie „Strengthening Co-Determination in Digital Transformation“
Von „Ist die KI gut oder schlecht?“ zu konkreten Folgen
Der interessante Punkt ist weniger das konkrete Canvas als die Art der Diskussion, die dadurch entstand.
Die Teilnehmer betrachteten die Systeme zunehmend nicht nur unter dem Gesichtspunkt ihrer technischen Funktion. Beim Thema automatische Meetingprotokolle diskutierten sie beispielsweise darüber, ob Ironie oder andere kommunikative Feinheiten falsch interpretiert werden könnten und welche Folgen maschinell erzeugte Aufzeichnungen für die Zusammenarbeit haben.
Beim automatischen Erstellen von E-Mails rückten dagegen Transparenz, menschliche Verantwortung, die notwendige Kontrolle generierter Texte und mögliche Kompetenzverluste in den Mittelpunkt.
Die Forscher beobachten, dass durch die strukturierte Betrachtung aus allgemeiner Zustimmung oder Skepsis zunehmend konkrete Fragen, Bedingungen und verhandelbare Anforderungen wurden.
Das ist für die KI-Einführung eine interessante Perspektive. Gute Mitbestimmung setzt nicht voraus, dass Betriebsratsmitglieder selbst Machine-Learning-Spezialisten werden. Sie benötigen aber ausreichend technisches Verständnis, um gemeinsam mit ihrer arbeitsrechtlichen und betrieblichen Erfahrung die relevanten Auswirkungen eines Systems beurteilen zu können.
Für HR bedeutet das: AI Literacy sollte im Unternehmen nicht ausschließlich auf die Nutzer eines Systems beschränkt werden. Auch Betriebsräte, Führungskräfte, Datenschutz, Compliance und weitere Beteiligte benötigen jeweils eine auf ihre Rolle zugeschnittene KI-Kompetenz. Entscheidend ist nicht, dass alle dasselbe technische Wissen besitzen, sondern dass unterschiedliche Perspektiven in einem gemeinsamen Entscheidungsprozess zusammengebracht werden können.
Wie belastbar ist das? Die Studie ist explorativ und sehr klein. Drei Workshops mit einem einzigen Betriebsrat können nicht zeigen, dass die Methode generell zu besseren Mitbestimmungsentscheidungen führt. Auch wurden die späteren tatsächlichen Entscheidungen des Betriebsrats nicht langfristig beobachtet. Interessant ist die Arbeit deshalb vor allem als konkretes Beispiel dafür, wie KI-Kompetenz in der Mitbestimmung praktisch aufgebaut werden kann.
3. Berufseinstieg: KI kann den Einstieg beschleunigen – und gleichzeitig die Einstiegsarbeit reduzieren
Zum wiederkehrenden Thema Berufseinsteiger liefert die IU Internationale Hochschule neue deutsche Befragungsdaten. Für die am 24. September veröffentlichte Studie wurden 2.000 Beschäftigte im Alter von 16 bis 65 Jahren befragt. Die Stichprobe ist nach Alter und Geschlecht repräsentativ für den deutschen Arbeitsmarkt.
Die Ergebnisse zeigen ein bemerkenswertes Spannungsfeld.
39,5 Prozent der Befragten stimmen zumindest eher der Aussage zu, dass KI Berufseinsteigern ermöglicht, schneller anspruchsvollere Tätigkeiten zu übernehmen. Unter Führungskräften liegt dieser Anteil bei 47,9 Prozent.
Gleichzeitig sagen 41,3 Prozent, dass KI bereits Aufgaben übernimmt, die früher typischerweise von Berufseinsteigern erledigt wurden. Auch hier fällt der Anteil unter Führungskräften mit 47,9 Prozent höher aus.
Hinzu kommt eine zunehmende Erwartung an die Kompetenzen: 54,9 Prozent gehen davon aus, dass KI-Kompetenz für Berufseinsteiger in vielen Berufsfeldern zur Grundvoraussetzung wird. Bei Führungskräften sind es 65,6 Prozent.
Zur IU-Studie zum Berufseinstieg und KI
Das eigentliche Problem liegt zwischen Aufgabe und Erfahrung
Die Zahlen passen zu einem Muster, das wir im KI & HR Radar bereits mehrfach gesehen haben. Wenn KI typische Recherche-, Analyse-, Dokumentations- oder Vorbereitungsaufgaben übernimmt, kann das erfahrene Beschäftigte produktiver machen und Berufseinsteigern ermöglichen, schneller anspruchsvollere Tätigkeiten zu übernehmen.
Aber diese Entwicklung hat eine zweite Seite: Routinearbeit war häufig zugleich Lernarbeit. Über vergleichsweise einfache Aufgaben lernen Berufseinsteiger Kunden, Prozesse, fachliche Standards und die Logik einer Organisation kennen.
Wer diese Aufgaben automatisiert, sollte deshalb nicht nur überlegen, wer sie künftig erledigt. Ebenso wichtig ist die Frage, wie die darin enthaltene Lernfunktion ersetzt wird.
Die Weiterbildungslücke bleibt groß
Auch an anderer Stelle zeigt die IU-Befragung eine relevante Diskrepanz. 43,9 Prozent der Beschäftigten hatten in den zwölf Monaten vor der Befragung nach eigenen Angaben überhaupt keine Arbeitszeit für KI-Weiterbildung verwendet.
Gleichzeitig erhalten nach Einschätzung der Befragten klassische Fachkompetenzen deutlich häufiger Unterstützung durch das Unternehmen als beispielsweise kritisches Denken. 51,6 Prozent berichten von starker oder eher starker Unterstützung fachlicher Weiterbildung, beim kritischen Denken sind es nur 33,6 Prozent.
Für HR bedeutet das: Ein neues Einstiegsmodell kann nicht darin bestehen, jungen Beschäftigten einfach KI-Tools bereitzustellen und die bisherige Routinearbeit zu entfernen. Unternehmen müssen neu überlegen, wie Berufserfahrung aufgebaut wird, welche Aufgaben bewusst beim Menschen bleiben und wie Fachwissen, kritisches Denken und KI-Kompetenz gemeinsam entwickelt werden.
Wie belastbar ist das? Die Stichprobe von 2.000 Beschäftigten ist nach Alter und Geschlecht repräsentativ für den deutschen Arbeitsmarkt. Gemessen wurden allerdings Einschätzungen und Erwartungen – nicht tatsächlich weggefallene Einstiegsstellen oder gemessene Kompetenzveränderungen. Zudem fand die Befragung bereits zwischen Ende März und Mitte April 2026 statt. Neu ist die Veröffentlichung und Auswertung im September, nicht die Datenerhebung selbst.
Was aus den Studien dieser Woche hängen bleibt
Die drei Untersuchungen betrachten sehr unterschiedliche Bereiche, führen aber zu einem gemeinsamen Punkt: Je tiefer KI in die Arbeit eingebettet wird, desto weniger lässt sich ihre Wirkung auf die Bedienung eines Tools reduzieren.
Ein unternehmensweit eingebettetes LLM verändert nicht nur, wie schnell einzelne Beschäftigte Informationen finden. Es verändert, wie Meetings dokumentiert werden, wie Wissen weitergegeben wird und wie Zusammenarbeit organisiert ist.
Damit steigen auch die Anforderungen an Mitbestimmung und Governance. Betriebsräte und andere Beteiligte müssen nicht jedes Modell technisch im Detail verstehen – sie müssen aber beurteilen können, welche organisatorischen und sozialen Konsequenzen aus einem konkreten Einsatz entstehen.
Und schließlich zeigt die Diskussion um Berufseinsteiger, warum Jobdesign wichtiger wird: Wenn KI Aufgaben übernimmt, verschwinden nicht nur Arbeitsschritte. Möglicherweise verschwinden auch Lerngelegenheiten.
Für HR ergeben sich daraus drei Fragen: Welche Arbeitsabläufe verändert unsere KI tatsächlich? Wer muss an der Gestaltung beteiligt werden? Und wie stellen wir sicher, dass Produktivitätsgewinne nicht auf Kosten von Lernen, Verantwortlichkeit oder Zusammenarbeit entstehen?
Unsere Artikel der Woche
Shopify warnt vor „Slop Grenades“: Wenn KI Kollegen mehr Arbeit macht
Shopify gehört zu den Unternehmen, die KI besonders konsequent in die tägliche Arbeit integriert haben. CEO Tobias Lütke warnt inzwischen vor einem neuen Problem: Beschäftigte können mit KI sehr viel Output erzeugen und die notwendige Prüfung und Nacharbeit anschließend auf Kolleginnen und Kollegen verlagern. Der Beitrag zeigt, warum individuelle Zeitersparnis nicht automatisch organisatorische Produktivität bedeutet.
Technostress durch KI? Was Studien wirklich zeigen
Eine derzeit stark diskutierte Studie wird teilweise als aktueller Beleg für gesundheitliche Risiken von KI am Arbeitsplatz dargestellt. Die entscheidenden Daten stammen jedoch aus den Jahren 2011 bis 2019. Wir ordnen ein, was die Forschung tatsächlich zeigt – und warum aktuellere, explizit auf KI ausgerichtete Daten bislang ein differenzierteres Bild zeichnen.
Stanford-Studie: Verdrängt KI Berufseinsteiger zuerst vom Arbeitsmarkt? – Update
Die Stanford-Forscher haben ihre viel beachtete Arbeitsmarktanalyse erneut aktualisiert. Die Beschäftigungslücke bei 22- bis 25-Jährigen in stark KI-exponierten Berufen bleibt auffällig und zeigt sich vor allem durch weniger Neueinstellungen. Gleichzeitig bleibt wichtig: Ein kausaler Nachweis, dass generative KI diese Entwicklung verursacht, liegt weiterhin nicht vor.
Quellen
- O’Hara, Kenton; Massimi, Michael; Khan, Miftah: Exploring How Knowledge Workers Situate an Organisationally Embedded LLM Agent in their Collaborative Work Practices, Computer Supported Cooperative Work, 24. September 2026.
- Preiß, Robin; Sarikaya, Deniz; Herzog, Christian: Strengthening Co-Determination in Digital Transformation: A Qualitative Approach to Enhancing Works Councils’ AI Literacy and Capability for Socio-Ethical Reflection, Digital Society, 22. September 2026.
- IU Internationale Hochschule: AI is changing career entry – future skills are still not being developed sufficiently, veröffentlicht am 24. September 2026.
Offenlegung: Dieser Beitrag wurde mit KI-Unterstützung erstellt. Die genannten Quellen und zentralen Studienergebnisse wurden anhand der verlinkten Originalquellen geprüft.
Jetzt hier abonnieren
