Executive Briefing: Warum Mitarbeiter AI sabotieren, wenn der Deal nicht stimmt

Wenn Beschäftigte ihr Wissen in Systeme einspeisen sollen, während Management von schlankeren Teams spricht, entsteht kein Adoptionsproblem. Es entsteht ein Gefangenendilemma.

Die auffällige Zahl lautet: 29 Prozent.

Eine von State of Brand referenzierte WRITER- und Workplace-Intelligence-Umfrage unter 2.400 Beschäftigten kommt zu dem Ergebnis, dass 29 Prozent der Befragten angeben, die AI-Strategie ihres Unternehmens aktiv zu sabotieren. Bei Gen Z sind es 44 Prozent.

Sabotage heißt hier nicht nur innere Kündigung oder leises Augenrollen. Gemeint sind nicht genehmigte Tools, Unternehmensdaten in öffentlichen AI-Systemen, bewusst schlechte Outputs, Verweigerung mandatierter Werkzeuge und Umgehung interner Vorgaben.

Das ist heikel. Aber der eigentliche Punkt liegt nicht in der Zahl.

Der eigentliche Punkt liegt in der Anreizstruktur.

Wenn Unternehmen Beschäftigte auffordern, ihr Wissen, ihre Routinen, ihre Entscheidungen und ihre Ausnahmen maschinenlesbar zu machen, während sie gleichzeitig von Effizienz, schlankeren Teams und einer neuen AI-Elite sprechen, entsteht ein sehr einfaches Spiel: Wer kooperiert, kann helfen, die eigene Verhandlungsposition zu schwächen. Wer blockiert, schützt kurzfristig seine Rolle.

Das ist schlecht für die AI-Strategie. Aber es ist nicht irrational.

Das ist kein Trainingsproblem

Viele Unternehmen lesen AI-Widerstand noch immer wie ein Enablement-Problem.

Dann lautet die Antwort: bessere Schulung, bessere Kommunikation, mehr Prompt-Training, mehr Champions, mehr Demos, mehr Use Cases.

Das kann helfen, wenn das Problem Unwissen ist.

Nur ist Unwissen hier nicht der Kern. Beschäftigte verstehen ziemlich gut, was auf dem Spiel steht. Sie sehen, dass AI-Systeme nicht nur Text erzeugen, sondern Arbeitsabläufe lernen. Sie sehen, dass Prozesswissen, Qualitätsurteile, Ausnahmen und Entscheidungsroutinen in Tools wandern. Und sie hören gleichzeitig, dass Nicht-Adoption Karrieren schadet, während Adoption die Organisation effizienter machen soll.

Die offizielle Botschaft lautet oft: Wir wollen euch befähigen.

Die wahrgenommene Botschaft lautet: Bringt der Maschine bei, was ihr könnt, und vertraut uns, dass wir es später nicht gegen euch verwenden.

Das ist kein besonders attraktiver Deal.

Wissensextraktion braucht einen Vertrag

AI-Transformation ist nicht nur Tool-Einführung. Sie ist Wissensextraktion.

Ein guter Agent braucht nicht nur Datenzugang. Er braucht Kontext. Er braucht Beispiele. Er braucht Feedback. Er braucht Korrekturen von Menschen, die wissen, wann etwas formal richtig, aber praktisch falsch ist. Er braucht genau das Wissen, das in vielen Organisationen über Jahre in Köpfen, Routinen und informellen Wegen entstanden ist.

Dieses Wissen ist nicht neutral.

Für das Unternehmen ist es Produktivitätspotenzial. Für Beschäftigte ist es oft Teil ihrer Rolle, ihres Status und ihrer Arbeitsplatzsicherheit. Wer dieses Wissen abgibt, gibt nicht nur Input. Er gibt ein Stück seiner Verhandlungsposition ab.

Deshalb reicht es nicht, Menschen zur Nutzung aufzufordern. Man muss klären, was mit dem übertragenen Wissen passieren darf.

Darf es genutzt werden, um individuelle Leistung zu bewerten? Darf es in Restrukturierungen einfließen? Darf es zur Begründung dienen, dass Rollen kleiner werden? Wer sieht die Daten? Wer darf Modelle, Prompts, Logs und Evaluationsdaten prüfen? Was passiert, wenn ein Pilot tatsächlich produktiver wird?

Ohne Antworten darauf ist Adoption ein Vertrauensvorschuss. Und genau den haben viele Organisationen gerade überzogen.

Der DACH-Dreh: Mitbestimmung als Architektur

Für deutsche Unternehmen liegt hier ein unbequemer Vorteil.

Mitbestimmung macht AI-Transformation langsamer. Sie zwingt zu Dokumentation, Zweckbindung, Beteiligung und Auseinandersetzung. Das nervt, besonders wenn man die Geschwindigkeit amerikanischer AI-Erzählungen im Ohr hat.

Aber genau diese Langsamkeit kann hilfreich sein.

Denn das Problem ist nicht, dass Beschäftigte zu wenig begeistert sind. Das Problem ist, dass der Deal oft nicht belastbar ist. In Deutschland kann dieser Deal institutionell verhandelt werden: über Betriebsvereinbarungen, Datenschutz, Qualifizierung, Rollendefinitionen, Kontrollrechte und klare Grenzen zwischen Assistenz, Leistungskontrolle und Ersatzlogik.

Das ist keine Romantisierung des Betriebsrats. Schlechte Mitbestimmung kann Transformation auch blockieren oder in Formalismus verwandeln.

Aber gute Mitbestimmung stellt die richtige Frage: Welche Arbeit verändert sich wirklich, welches Wissen wird übertragen, wer kontrolliert die Verwendung und welche Zusagen gelten für die Menschen, deren Wissen das System besser macht?

Das sind keine Nebenfragen. Das ist die Architektur der Adoption.

Garantien müssen etwas kosten

Ein sozialer Vertrag, der nichts kostet, ist keiner.

Wenn Management sagt, AI diene nur der Entlastung, muss es benennen, woran Beschäftigte das prüfen können. Wenn es sagt, Prozesswissen werde nicht gegen Einzelne verwendet, braucht es technische und organisatorische Grenzen. Wenn es sagt, Rollen würden umgebaut statt gestrichen, braucht es Qualifizierung, Zeitfenster und nachvollziehbare Kriterien.

Mögliche Zusagen könnten sein:

• keine individuelle Leistungskontrolle über AI-Nutzungsdaten ohne separate Vereinbarung
• klare Zweckbindung für Prozesswissen, Prompts, Logs und Feedbackdaten
• Qualifizierung vor Sanktionierung bei neuen AI-Anforderungen
• Rollenumbau vor Stellenabbau in definierten Pilotbereichen
• gemeinsame Kontrollrechte für Fachbereich, Datenschutz und Betriebsrat
• dokumentierte Grenzen zwischen Assistenz, Entscheidungsunterstützung und Automatisierung

Das kostet Management-Flexibilität. Natürlich.

Aber ohne diesen Preis bleibt der Deal psychologisch unglaubwürdig. Dann sollen Beschäftigte kooperieren, während sie den erwartbaren Nutzen nicht kontrollieren und das persönliche Risiko tragen.

So baut man keine Adoption. So baut man Gegenstrategien.

Die Sicherheitsfrage verschwindet nicht

Sabotage zu erklären heißt nicht, sie zu entschuldigen.

Wenn Beschäftigte Unternehmensdaten in öffentliche AI-Tools kippen, ist das ein reales Sicherheitsproblem. Wenn sie absichtlich schlechte Ergebnisse erzeugen, ist das ein Qualitätsproblem. Wenn sie interne Vorgaben umgehen, ist das ein Governance-Problem.

Nur löst man diese Probleme nicht, indem man die Motivation dahinter ignoriert.

Shadow AI entsteht nicht nur, weil Menschen Regeln nicht kennen. Sie entsteht auch, weil offizielle Tools schlechter sind, Prozesse langsamer machen oder die Organisation unglaubwürdig kommuniziert. Dann gewinnt das System, das im Alltag funktioniert. Nicht das System, das in der Policy steht.

Sicherheit braucht deshalb mehr als Verbote. Sie braucht brauchbare Werkzeuge, klare Grenzen und einen Deal, den Menschen nicht als Selbstschädigung lesen.

Der Führungstest

Die Frage für Führung lautet nicht: Wie bringen wir die Leute dazu, AI zu nutzen?

Die bessere Frage lautet: Unter welchen Bedingungen wäre es für sie rational, ehrlich und aktiv zu kooperieren?

Wenn die Antwort nur aus Trainings, Tool-Lizenzen und Change-Kommunikation besteht, fehlt die wichtigste Schicht.

Dann wurde Technik eingeführt, aber kein tragfähiger Vertrag gebaut.

Drei Prüffragen reichen für den Anfang:

1. Welche Art von Wissen bitten wir Beschäftigte gerade, in AI-Systeme zu übertragen?
2. Welche expliziten Grenzen gibt es für die spätere Nutzung dieses Wissens?
3. Was passiert mit Menschen, deren Wissen einen Prozess wirklich effizienter macht?

Wenn diese Fragen nicht beantwortet sind, ist Widerstand kein Kulturfehler. Er ist ein Marktsignal aus dem Inneren der Organisation.

AI-Adoption beginnt nicht bei Begeisterung. Sie beginnt bei einem glaubwürdigen Deal.