Wer KI-Nutzung misst, bekommt oft nur mehr Nutzung. Wolfgang Jenewein über den Hightech-Hohlraum, Goodhart’s Law und die Reihenfolge, in der KI-Transformationen im Unternehmen gelingen.
Seit diesem Monat fliesst bei der UBS die KI-Kompetenz in die Leistungsbeurteilung und damit in Beförderung und Lohn ein. Amazon fordert, dass über 80 Prozent seiner Entwicklerinnen und Entwickler jede Woche KI nutzen und unterlegt das mit internen Ranglisten. Und Nvidia-Chef Jensen Huang wäre «zutiefst beunruhigt», wenn eine Ingenieurin oder ein Ingenieur mit 500.000 Dollar Gehalt weniger als 250.000 Dollar im Jahr für KI-Tokens ausgibt.
Gemessen wird, was sich leicht messen lässt
Ich bin nicht gegen Messen. «What gets measured gets done» – korrekt? Die Frage ist nur, was genau gemessen wird. Dabei ist die Absicht meist gut: KI soll das Unternehmen besser machen. «Wir machen das mit den Menschen, nicht gegen sie.» Löblich.
Aber die teuren Lizenzen laufen jeden Monat auf, die Geduld ist oft knapp und eine klare Strategie, wofür genau die Technologie da ist, fehlt. Also misst man, was sich am einfachsten messen lässt: Logins, Prompts, besuchte Trainings, geteilte Use Cases.
Wellengang, aber keine Brandung
Und dann entsteht, was ich den Hightech-Hohlraum nenne. Alle sind plötzlich Heavy User, die Klickraten steigen, die Dashboards leuchten grün und die KI schlägt Menüs fürs Abendessen vor.
Viel Wind um nichts. Wellengang, aber keine Brandung. Es hat schon einen eigenen Namen: «Tokenmaxxing» – Agenten laufen lassen, nur damit der Verbrauch steigt. Bei Meta gab es sogar den Titel «Token Legend». In 30 Tagen kamen über 60 Billionen Tokens zusammen (Fortune, 2026). Ob dadurch eine Kundin oder ein Kunde glücklicher wurde, weiss niemand.
Die Ökonomie kennt das als Goodhart’s Law (Goodhart 1975): Sobald eine Kennzahl zum Ziel wird, hört sie auf, eine gute Kennzahl zu sein. Menschen finden immer einen Weg, Messungen auszutricksen.
«Wo Menschen Fehler offen ansprechen, um Hilfe bitten und nachfragen dürfen, wird Messung zum Lernwerkzeug. Wo diese Sicherheit fehlt, misst man vor allem eines: Angst.»
Erst das Outcome, dann die Messung
Aber das Problem ist nicht die Messung. Es ist die Leere dahinter. Was ich in gelingenden Transformationen sehe, ist eine klare Reihenfolge:
1. Zuerst das Outcome. Welchen Wert schaffen wir für welche Kundinnen und Kunden?
2. Dann die Erwartung. Was heisst das konkret für diese Rolle, diese Qualifikation, diesen Menschen?
3. Erst dann die Messung. Und sie mündet in Coaching und Feedback.
Das funktioniert nur mit psychologischer Sicherheit. Wo Menschen Fehler offen ansprechen, um Hilfe bitten und nachfragen dürfen, wird Messung zum Lernwerkzeug. Wo diese Sicherheit fehlt, misst man vor allem eines: Angst. Und der Hohlraum kostet doppelt. Er schafft keinen Wert und zerstört obendrein Kultur.
Duolingo steuert um
Dass es anders geht, zeigt das US-Unternehmen Duolingo. 2025 kommunizierte man eine aggressive AI-First-Strategie und beurteilte die Mitarbeitenden nach ihrer KI-Nutzung. Knapp ein Jahr später musste man eingestehen, dass die Messung zu falschem Verhalten führte. CEO Luis von Ahn sagt dazu: «Das Wichtigste an eurer Leistung ist, dass ihr euren Job so gut wie möglich macht. Oft kann KI dabei helfen. Aber wenn nicht, werde ich euch nicht dazu zwingen.»