KI hebt Mitarbeiter-Leistungsfähigkeit auf Team-Niveau

Überblick: KI vs. Team in einem Feldexperiment

KI steigert individuelle Leistung auf Team-Niveau

Aufbrechen von Silos: Ausgewogenere Lösungen durch KI

Soziale und emotionale Auswirkungen: KI als virtueller Teamkollege

Einschränkungen der Studie

Fazit und Implikationen für Entscheider

Die Studie „Teamwork versus Artificial Intelligence? A Field Experiment in a Product Innovation Task“ (2025) wurde von einem Forscherteam der Harvard Business School zusammen mit Procter & Gamble (P&G) durchgeführt​. Insgesamt nahmen 776 berufserfahrene P&G-Mitarbeitende aus unterschiedlichen Fachbereichen (Forschung & Entwicklung sowie Marketing/Vertrieb) teil.

Im Rahmen eintägiger Workshops arbeiteten sie an realen Produktinnovations-Aufgaben aus ihrem Geschäftsbereich – z. B. Entwicklung neuer Produktideen, Verpackungen oder Vertriebsstrategien​. Die Teilnehmer wurden dabei per Los vier Gruppen zugeteilt: alleine oder im Zweierteam (je eine F&E- und eine Marketing-Fachperson) sowie mit KI-Unterstützung (Zugriff auf ChatGPT-4) oder ohne KI.

So entstanden Vergleichsbedingungen: von Einzelpersonen ohne KI bis hin zu Teams mit KI. Alle, die in der KI-Gruppe waren, erhielten vorab eine kurze Einführung und Beispiel-Prompts, um das KI-Tool effektiv zu nutzen​.

Die Lösungsbeiträge der Teilnehmenden wurden von Fachexperten hinsichtlich ihrer Qualität bewertet. Zudem erfassten die Forscher die benötigte Zeit für die Aufgabenerledigung und die emotionalen Reaktionen der Teilnehmer (z.B. Zufriedenheit, Stress) per Befragung​. Dieses experimentelle Design erlaubte es, die Effekte von KI-Unterstützung und Teamarbeit isoliert und in Kombination zu analysieren.

Die Auswertung der Leistungsqualität zeigte eindrucksvoll, dass KI-Unterstützung die Ergebnisse einzelner Mitarbeiter erheblich verbessert.

Ohne KI erzielten Teams erwartungsgemäß bessere Lösungen als Einzelpersonen.

Mit KI konnten jedoch einzelne Personen eine ähnlich hohe Qualität erreichen wie ein klassisches Zweierteam ohne KI​. Anders ausgedrückt: eine Einzelperson mit KI war ebenso leistungsfähig wie zwei Personen ohne KI, was die traditionellen Vorteile von Teamwork in puncto Leistung praktisch ausglich​.

Die folgenden Erkenntnisse lassen sich hinsichtlich der Leistungsfähigkeit zusammen:

• Team vs. Einzelperson (ohne KI): Teams erzielten deutlich höhere Qualitätsbewertungen als Einzelpersonen ohne KI. Dieses Ergebnis bestätigt den üblichen Vorteil von Teamarbeit, da zwei Personen ihr Wissen und ihre Ideen kombinieren können.
• Einzelperson mit KI vs. Team ohne KI: Mit KI-Unterstützung erreichten einzelne Mitarbeitende eine ähnlich hohe Lösungsqualität wie Zweierteams ohne KI​. Der Leistungszuwachs durch KI war sehr deutlich, sodass eine Mitarbeiterin mit KI gleichauf mit einem konventionellen Team war. KI konnte hier also die fehlende menschliche Teampartnerin teilweise ersetzen.
• Team mit KI: Die beste durchschnittliche Qualität erzielten Teams, die KI nutzten. Interessanterweise war dieser Vorteil gegenüber Einzelpersonen mit KI statistisch nicht signifikant – das heißt, im Mittel waren Teams mit KI nicht wesentlich besser als Einzelne mit KI. Dies unterstreicht, wie stark die KI den Einzelnen machen kann. Allerdings waren Teams mit KI besonders darin erfolgreich, Spitzenlösungen hervorzubringen. Die allerbesten Ergebnisse (Top 10% der Qualitätsbewertungen) traten überproportional häufig in der Gruppe Team mit KI auf​. Für herausragende Lösungen scheint die Kombination von mehreren menschlichen Köpfen plus KI also nach wie vor vorteilhaft.

Neben der Qualitätssteigerung zeigte sich ein Effizienzgewinn: KI-unterstützte Gruppen arbeiteten schneller. Sowohl Einzelpersonen als auch Teams mit KI benötigten rund 12–16% weniger Zeit für ihre Aufgaben als ihre Kolleg*innen ohne KI​. Trotz kürzerer Bearbeitungsdauer waren die ausgearbeiteten Lösungen der KI-Gruppe gleichzeitig umfangreicher und detaillierter als die der Kontrollgruppe ohne KI​. Die KI half also nicht nur, die Qualität zu erhöhen, sondern auch zügiger zu Ergebnissen zu kommen – ein wichtiger Produktivitätsaspekt für Unternehmen.

Ein zentrales qualitatives Ergebnis der Studie ist, dass KI-Unterstützung zu ausgewogeneren, ganzheitlicheren Lösungsvorschlägen führt und fachliche Silos aufbricht. Ohne KI arbeiteten die Teilnehmer erwartungsgemäß stark in ihrer jeweiligen Fachdenke: F&E-Spezialisten schlugen überwiegend technisch orientierte Lösungen vor, während Marketing/Vertriebs-Experten eher markt- und kundenorientierte Ideen einbrachten​. In funktionsübergreifenden Teams ohne KI konnten diese unterschiedlichen Perspektiven zwar kombiniert werden, was zu ausgewogeneren Team-Lösungen führte​. Doch sobald KI ins Spiel kam, verschwanden diese Unterschiede nahezu vollständig.

• Ohne KI-Unterstützung: Deutliche Silo-Effekte – je nach fachlichem Hintergrund variierten die Lösungsideen stark. Einzelne R&D-Mitarbeitende lieferten tendenziell technische Konzepte, während kommerzielle Fachkräfte primär marktorientierte Vorschläge machten​. Erst im klassischen Team ohne KI wurden diese beiden Sichtweisen durch Zusammenarbeit vereint, um ausgewogene Lösungen zu erzeugen​.
• Mit KI-Unterstützung: Unabhängig vom Hintergrund entwickelten alle Teilnehmenden ausbalancierte Lösungen, die sowohl technische als auch kommerzielle Aspekte umfassten​. Die KI lieferte offenbar fehlendes Domänenwissen oder Denkanstöße aus dem jeweils anderen Fachgebiet, sodass R&D- und Marketing-Profis mit KI beide eine ganzheitliche Perspektive einnahmen. Der fachliche Unterschied zwischen den Beiträgen von Entwicklern und Marketern verwischte durch KI nahezu vollständig – ein Hinweis darauf, dass Generative KI hilft, Wissenssilos aufzubrechen.

Dieser Effekt war besonders ausgeprägt bei weniger erfahrenen Mitarbeitenden. Ohne KI erzielte diese Gruppe deutlich schwächere Ergebnisse, selbst in Teams, da ihnen Erfahrung und Spezialwissen fehlten​. Mit KI-Unterstützung hingegen konnten auch weniger routinierte Mitarbeiter Lösungen entwickeln, die auf dem Niveau von Teams mit sehr erfahrenen Fachleuten lagen. Die KI fungierte hier als Wissensvermittler und „Gleichmacher“, indem sie fehlende Expertise ausglich. Insgesamt erlaubte die KI den Teilnehmenden, über ihre üblichen Fachgrenzen hinauszudenken und zu kreieren. Für Unternehmen bedeutet das, dass KI-Tools Mitarbeitern helfen können, breiter zu agieren und komplexere Probleme anzugehen, ohne strikt auf das eigene Silodenken beschränkt zu sein.

Überraschenderweise zeigte die Studie, dass KI-Unterstützung nicht nur die sachliche Leistung, sondern auch die Arbeitsmotivation und Stimmung der Mitarbeitenden positiv beeinflusst. Personen, die mit KI arbeiteten, berichteten signifikant mehr positive Emotionen wie Begeisterung, Energie und Enthusiasmus und zugleich weniger negative Emotionen wie Angst oder Frustration​. Dieses Muster trat im Vergleich zu den Teilnehmern ohne KI auf und war so stark, dass Einzelpersonen mit KI eine ähnlich positive emotionale Erfahrung machten wie menschliche Zweierteams. Mit anderen Worten: Das Arbeiten mit dem KI-Tool fühlte sich für viele Teilnehmer motivierender an, als alleine ohne Unterstützung zu arbeiten – fast so, als hätten sie einen hilfreichen Kollegen an ihrer Seite.

Diese Befunde sind insofern bemerkenswert, als technologische Umbrüche (insbesondere KI) oft mit Sorgen vor Stress, Überforderung oder sinkender Zufriedenheit einhergehen. Im experimentellen Kontext von P&G zeigte sich jedoch das Gegenteil: Die KI agierte gewissermaßen als „sozialer Faktor“, der die Stimmung hob. Durch die dialogbasierte Interaktion mit dem KI-Tool fühlten sich die Mitarbeiter offenbar unterstützt und weniger isoliert. Die Studienautoren schlussfolgern, dass die KI durch ihre sprachliche Interaktion einen Teil der sonst von Teamkollegen ausgehenden sozialen und motivationalen Rolle übernehmen konnte​. Das Arbeiten mit ChatGPT fühlte sich für viele nicht nur wie die Nutzung eines Tools, sondern ein Stück weit wie Teamwork an – inklusive positiver Bestärkung.

Wie jede Studie weist auch dieses Feldexperiment einige Grenzen auf, die bei der Interpretation der Ergebnisse berücksichtigt werden sollten. Die Autoren benennen explizit mehrere Einschränkungen:

• Teamgröße: Untersucht wurden lediglich Einzelpersonen und Zweierteams. Es ist unklar, ob sich die Befunde auf größere Teams übertragen lassen – in größeren Gruppen könnten KI-Einflüsse anders zum Tragen kommen​.
• Dauer & Kontext: Die Aufgabenstellung beschränkte sich auf eintägige Innovationsprojekte in einem einzigen Unternehmen (P&G). Längere Projekte oder andere Unternehmens- bzw. Branchenkontexte könnten zu abweichenden Ergebnissen führen​. Die Generalisierbarkeit der Resultate auf alle Arten von Wissensarbeit ist also nur bedingt gegeben.
• Technologieeinsatz & Nutzererfahrung: Im Experiment wurde ChatGPT-4 (bzw. GPT-4-based Modelle) eingesetzt und die Teilnehmer waren zum Zeitpunkt der Studie keine KI-Experten. Es ist möglich, dass modernere KI-Modelle (die seit 2025 verfügbar sind) oder ein routinierterer Umgang mit Prompting noch stärkere Effekte erzielen könnten. Die aktuellen Resultate stellen somit eher eine konservative Untergrenze des Möglichen dar.
• Arbeitsweise der KI: Die genutzte generative KI war in Form eines Chatbots verfügbar, der nicht speziell auf Kollaboration im Team ausgelegt ist​. Künftige KI-Systeme, die besser in Teamprozesse integriert sind, könnten gegebenenfalls noch wirkungsvoller als „Teamkollegen“ agieren.

All diese Einschränkungen mindern nicht die Kernbefunde, machen aber deutlich, dass weiterer Forschungs- und Erfahrungsbedarf besteht. Führungskräfte sollten die Resultate also im Kontext sehen und nicht unreflektiert auf jede Situation übertragen. Beispielsweise könnten komplexere Projekte oder andere Arbeitskulturen nochmals andere Dynamiken zwischen KI und Teamwork zeigen.