Während sich KI-Überwachung ausbreitet, lernen Beschäftigte, den Score zu tricksen── Bewertet man Aktivität, fälschen Menschen Aktivität; Überwachung funktioniert nur, wenn Arbeitgeber entscheiden und offenlegen, was sie messen und warum

Am 2. September 2026 berichtete The Wall Street Journal, dass die Einstufung als gute Arbeitskraft durch die KI-Produktivitätsüberwachungssysteme, die Unternehmen einführen, zu einem echten Faktor bei der Beurteilung von Beschäftigten geworden ist. Wenn KI bewertet, wie Menschen arbeiten, misst sie dann die Qualität der Arbeit oder nur den Anschein des Arbeitens? Sobald Aktivität zum Ziel der Bewertung wird, formen die Menschen, wie sie für das System aussehen, und die Metrik spiegelt die Qualität der Arbeit nicht mehr wider. Monitoring hilft nur, wenn Arbeitgeber entscheiden und offenlegen, was sie messen und warum.

01KI bewertet inzwischen den Arbeitstag, und die Beschäftigten richten sich nach der Bewertung aus

Der The-Journal-Beitrag von Callum Borchers beginnt mit einer schlichten Beobachtung über den heutigen Arbeitsplatz: Es kommt inzwischen darauf an, ob einen das KI-System, das der eigene Arbeitgeber installiert hat, als guten Mitarbeiter einstuft. Von dort aus behandelt der Beitrag ein gewisses Maß an Gamesmanship, dem Bestreben, in den Augen des Systems stark dazustehen, als realistische Reaktion auf Arbeitnehmerseite.

Die Verbreitung von Überwachung zeigt sich auch in Umfragedaten. In der Umfrage 'Work in America' 2023 der American Psychological Association unter 2,515 erwerbstätigen Erwachsenen gaben 51% an, dass ihr Arbeitgeber Technologie einsetzt, um sie während der Arbeit zu überwachen. Für die Hälfte der Erwerbsbevölkerung ist das Überwachtwerden keine Ausnahme mehr. Es ist eine Bedingung des Jobs.

Die Frage, die einer Untersuchung wert ist, ist nicht, wer das Spiel gut spielt. Es geht darum, was die KI tatsächlich in eine Zahl verwandelt: die Qualität der Arbeit oder den Anschein von Beschäftigung. Würde der Score die Qualität erfassen, gäbe es kaum Spielraum, ihn durch Spielchen zu erhöhen. Dass überhaupt über Spielchen diskutiert wird, ist ein Beweis dafür, dass der Score etwas anderes als Qualität erfasst.

02Sobald Aktivität zum Ziel wird, spiegelt die Kennzahl die Arbeit nicht mehr wider

Was geschieht, wenn eine messbare Größe zum Ziel der Bewertung wird, wird seit einem halben Jahrhundert beschrieben. In den 1970er Jahren stellte der britische Wirtschaftswissenschaftler Charles Goodhart fest, dass jede statistische Regelmäßigkeit zusammenzubrechen tendiert, sobald zu Kontrollzwecken Druck auf sie ausgeübt wird. Die Anthropologin Marilyn Strathern verallgemeinerte diesen Punkt: Wenn eine Kennzahl zu einem Ziel wird, hört sie auf, eine gute Kennzahl zu sein. Der Sozialwissenschaftler Donald Campbell schrieb: Je häufiger ein quantitativer sozialer Indikator für gesellschaftliche Entscheidungsfindung genutzt wird, desto mehr ist er Korruptionsdruck ausgesetzt, und desto mehr verzerrt er genau die Prozesse, die er überwachen soll.

KI-basierte Überwachung erfüllt jede Bedingung für diesen Effekt. Tastatur- und Bildschirmaktivität, Anwesenheit am Schreibtisch und die Anzahl gesendeter Nachrichten lassen sich von einer Maschine leicht zählen. Wenn zählbare Aktivität zu einer Punktzahl wird und diese Punktzahl in Mitarbeiterbeurteilungen einfließt, geraten Beschäftigte in Situationen, in denen das Erhöhen der Punktzahl schneller geht als die Verbesserung der Arbeit.

Verhalten, das auf den Score abzielt, ist bereits aktenkundig. 2024 entließ Wells Fargo mehr als ein Dutzend Mitarbeiter, nachdem es Vorwürfen nachgegangen war, wonach simulierte Tastaturaktivität den Eindruck aktiver Arbeit erweckt hatte. Die Formulierung stammt aus bei FINRA, der Selbstregulierungsorganisation der Wertpapierbranche, eingereichten Offenlegungen und wurde von der Branchenpublikation AdvisorHub berichtet. Ob die Mitarbeiter Geräte verwendeten, die eine Maus automatisch bewegen, ist nicht bekannt. Bekannt ist, dass die Fälschung der Aktivitätsaufzeichnung selbst tatsächlich stattfand und dass sie in einer Entlassung endete.

03Die Belege für Leistungssteigerungen sind dünn; die Belege für Misstrauen und Stress sind es nicht

Selbst wenn manche Mitarbeiter ihre Tätigkeit vortäuschen, könnte ein Arbeitgeber diese Kosten dennoch akzeptieren, wenn Überwachung die Leistung insgesamt steigert. Aber wenn jede Erwartung hinter der Überwachung an der Forschung überprüft wird, hält diese Prämisse nicht stand.

Das zentrale Beweisstück ist eine 2023 in Personnel Psychology veröffentlichte Metaanalyse. Ein Team von US-Forschern fasste 94 unabhängige Stichproben aus Studien zur elektronischen Leistungsüberwachung zusammen. Ihr Gewicht kommt daher, dass sie viele Studien kombiniert, statt nur einen einzigen Arbeitsplatz zu beschreiben.

Die gewichtigste Zeile ist die zu den Regeln. Überwachung wird oft eingeführt, um Fehlverhalten einzudämmen, doch die im Harvard Business Review veröffentlichte Studie wies in die entgegengesetzte Richtung. Die Erwartung, die sich am ehesten als Grund für Überwachung anführen lässt, ist genau diejenige, die die Evidenz am deutlichsten widerlegt.

Dieser Vergleich ist gerade jetzt wichtig, denn die Überwachung geht von der Aufzeichnung von Aktivitäten zu KI-Inferenz und Bewertung über, und Regulierungsbehörden haben begonnen, diesen Schritt beim Namen zu nennen. Dieselbe Metaanalyse ergab, dass Organisationen, die transparenter und weniger invasiv überwachen, positivere Einstellungen der Beschäftigten erwarten können. Die Ergebnisse hängen weniger davon ab, ob ein Arbeitgeber überwacht, als vom Design der Überwachung.

04Die EU hat die Erkennung von Emotionen am Arbeitsplatz verboten und Leistungsüberwachung als Hochrisiko eingestuft

KI-Monitoring, wie es in dieser Kolumne verwendet wird, ist mehr als ein System, das Aktivitäten aufzeichnet. Es leitet die Leistung aus diesen Aufzeichnungen ab, wandelt sie in Scores oder Ranglisten um und nutzt sie bei Beurteilungen oder bei der Aufgabenverteilung. Die Trennung des Aufzeichnungsschritts vom Inferenzschritt zeigt, wo die Regulierungsbehörden ihre Grenzen gezogen haben.

Die Europäische Union zog die klarste Grenze. Ihr AI Act, der 2024 verabschiedet wurde, verbietet KI-Systeme, die die Emotionen einer natürlichen Person am Arbeitsplatz und im Bildungsbereich ableiten, außer aus medizinischen oder Sicherheitsgründen. Das Verbot gilt seit dem 2. Februar 2025. Verstöße können Bußgelder von bis zu 35 Millionen Euro nach sich ziehen oder, bei einem Unternehmen, 7% des gesamten weltweiten Jahresumsatzes, je nachdem, welcher Betrag höher ist.

Überwachung, die nicht so weit geht, Emotionen abzuleiten, wird reguliert statt verboten. Der AI Act stuft jedes KI-System als Hochrisiko ein, das zur Überwachung und Bewertung der Leistung und des Verhaltens von Beschäftigten eingesetzt wird oder Aufgaben auf Grundlage individuellen Verhaltens oder persönlicher Merkmale zuteilt. Bevor ein solches System am Arbeitsplatz in Betrieb genommen wird, muss ein Arbeitgeber die Arbeitnehmervertretung und die betroffenen Beschäftigten darüber informieren, dass sie diesem System unterliegen werden. Ursprünglich sollte diese Pflicht ab dem 2. August 2026 gelten. Eine im Juli 2026 im Amtsblatt veröffentlichte Änderungsverordnung verschob sie auf den 2. Dezember 2027.

Alle drei Rechtsordnungen haben eines gemeinsam. Bevor sie im Detail festlegen, was gemessen werden darf, errichten sie eine Grenze, die nicht überschritten werden darf, und ein Verfahren, um die Betroffenen zu informieren. Sie bauen durch Regulierung einen Weg auf, auf dem Beschäftigte erfahren, was die KI in eine Punktzahl verwandelt.

05Die Prüfung von Werbematerialien überwacht bereits die Angemessenheit, nicht das Volumen der Aktivität

Für alle, die in der Pharmaindustrie Werbematerialien erstellen, prüfen und verwenden, ist Monitoring kein neues Wort. Das japanische Ministerium für Gesundheit, Arbeit und Soziales erließ 2018 Leitlinien zur Bereitstellung von Verkaufsinformationen für verschreibungspflichtige Arzneimittel. Sie verlangen von Unternehmen die Einrichtung einer Abteilung, die die Angemessenheit von Materialien und von Aktivitäten der Informationsbereitstellung überwacht, unabhängig von den Abteilungen, die diese Aktivitäten durchführen. Materialien müssen vor der Verwendung von dieser Aufsichtsabteilung geprüft und mit Beratung durch einen Prüf- und Überwachungsausschuss genehmigt werden.

Beide tragen denselben Namen, unterscheiden sich aber im Zweck. Was die Leitlinien in die Bewertung von Führungskräften und Mitarbeitenden einfließen lassen, ist, ob sie angemessen gehandelt haben, nicht wie viel Aktivität sie erzeugt haben. Verschwindet diese Unterscheidung, sobald KI-Überwachung Einzug in die Prüffunktion hält, wird Prüfungsarbeit am Ende nach Volumen gemessen.

Messen nach Volumen lässt den Kern der Prüfungsarbeit außer Acht. Ein Prüfer liest die Behauptungen in einer Unterlage und die als Beleg zitierten Arbeiten und beurteilt dann, wo diese vom genehmigten Umfang abweichen. Das meiste davon erscheint nicht als Aktivität, die eine Maschine zählen kann.

Es geht nicht darum, ob eine KI einen Reviewer fälschlich als untätig einstuft. In einer Review-Abteilung, die nach Aktivität bewertet wird, wird schnelle, mengenstarke Bearbeitung belohnt, und langsame Arbeit, die Fehler reduziert, nicht. Das läuft der Rolle zuwider, die die Richtlinien der Aufsichtsabteilung zuweisen. Die KI-Kompetenz, die sich hier aufzubauen lohnt, ist eine Gewohnheit: Wann immer man einen von einer KI erzeugten Score sieht, fragt man, aus welchen Signalen er gebildet wurde.

06Je schwerer Qualität zu erkennen ist, desto stärker wird an ihrer Stelle die sichtbare Aktivität bewertet

Aktivität wird bewertet, weil diejenigen, die die Bewertung vornehmen, die Qualität der Arbeit nicht direkt sehen können. In Microsofts Umfrage von 2022 unter 20.006 Personen in 11 Ländern gaben 85% der Führungskräfte an, dass der Wechsel zur hybriden Arbeit es erschwert habe, Vertrauen darin zu haben, dass Mitarbeitende produktiv sind, während 87% der Beschäftigten sagten, sie seien bei der Arbeit produktiv. Derselbe Bericht stellte fest, dass die gearbeiteten Stunden, die Zahl der Meetings und andere Aktivitätsmetriken tatsächlich gestiegen waren und dass manche Organisationen Aktivität statt Wirkung erfassen.

Wenn der Evaluator Qualität nicht sehen kann, ist der schnellste Weg, Ergebnisse zu zeigen, mehr sichtbare Aktivität zu erzeugen. Der Evaluator beurteilt anhand sichtbarer Aktivität, und die Bewerteten erzeugen mehr davon. Wie Campbell schrieb: Je mehr ein Indikator für Entscheidungen über Menschen herangezogen wird, desto stärker verzerrt er den Prozess, den er eigentlich messen soll.

Der Befund, dass überwachte Beschäftigte mehr Regeln brachen, und das Umfrageergebnis, dass sich die Hälfte der überwachten Arbeitskräfte misstraut fühlt, stammen aus getrennten Studien, weisen aber in dieselbe Richtung. Beschäftigte verstehen Überwachung als Ausdruck von Misstrauen, und diese Wahrnehmung verändert ihr weiteres Handeln. Fingierte Aktivität, Regelbrüche und Stress sind keine Probleme, die eine höhere Überwachungsgenauigkeit lösen würde. Alle drei entstehen zugleich aus einer einzigen Designentscheidung: der Kopplung von Aktivitätszählungen an Leistungsbeurteilungen.

07Zuerst den Zweck festhalten, offenlegen und Lesezeit nie als Leerlauf werten

Die Reihenfolge, die eine Organisation bei der Einführung von Monitoring einhalten sollte, ergibt sich aus den Punkten im Q&A der japanischen Kommission, plus einem Schritt, den eine Review-Funktion für sich selbst ergänzen muss. Zusammen ergeben sie die untenstehende Abbildung.

Der zusätzliche Schritt besteht darin, Qualitätsmetriken auszuwählen. Für eine Prüfungsabteilung kommen unter anderem in Frage, ob sich Kommentare als berechtigt erwiesen haben, ob nach einer Freigabe Fehler auftauchten und ob Probleme, die zurückgeschickt wurden, im nachfolgenden Material erneut auftraten. Jede Metrik, die Lesezeit als Leerzeit wertet, wird von der Liste gestrichen. KI-Bewertungen bleiben ein Input für Menschen, die diese Metriken überprüfen, und werden nie allein dazu verwendet, über Beurteilungen zu entscheiden.

Auch Mitarbeitende haben Entscheidungen zu treffen. Die eigene Arbeit in einer Form zu hinterlassen, die der Prüfer lesen kann – etwa jede Prüfentscheidung zusammen mit ihrer Begründung festzuhalten –, macht Qualität sichtbar. Das ist nicht dasselbe wie Fälschen. Das Aktivitätssignal selbst zu fabrizieren, kann dagegen genauso behandelt werden wie die Fälschung einer Aufzeichnung. Der Fall Wells Fargo hat gezeigt, wohin das führt.

Wenn der Score nicht zur Arbeit passt, besteht die Reaktion nicht darin, das Signal zu fälschen, sondern mithilfe der Regeln und der verantwortlichen Person zu fragen, was gemessen wird und zu welchem Zweck. Ich halte die Fähigkeit, diese Frage am Arbeitsplatz stellen zu können, für eine nützlichere praktische Kompetenz im KI-Zeitalter als den eigenen Trickreichtum zu verfeinern. Die oben beschriebenen Vorschriften haben bereits begonnen, von Arbeitgebern zu verlangen, dass sie diese Informationen offenlegen.

Was KI bewertet, ist in den meisten Fällen der Anschein von Arbeit, nicht ihre Qualität. Taktieren, das auf diesen Anschein abzielt, ist eine Reaktion auf Überwachung, die ohne jede Möglichkeit entworfen wurde, Qualität zu erkennen, und die Antwort liegt nicht in mehr Geschick beim Täuschen. Sie besteht darin, im Voraus zu entscheiden, was gemessen wird und warum, und es den Menschen mitzuteilen, die gemessen werden. Für eine Abteilung für Beförderungsreviews ist das die Voraussetzung dafür, die Qualität der Reviews vor dem Score zu schützen.