Wie KI-Agenten die Zusammenarbeit und soziale Dynamik in Teams verändern - und was Führung jetzt leisten kann
Executive Summary
In diesem Whitepaper geht es um die Auswirkungen von KI-Agenten und persönlichen KI-Assistenten auf die Zusammenarbeit und die soziale Dynamik in Teams. Moderne KI-Anwendungen werden zu Denkpartnern, Sparringspartnern und Ideengebern – und greifen damit direkt in die Art ein, wie Teams arbeiten, lernen und sich verbinden. Empirische Forschung zeigt ein ambivalentes Bild: Die Produktivität kann deutlich steigen, die soziale Dynamik kann sich ebenso deutlich verändern.
KI-Agenten übernehmen Aufgaben, die bislang identitätsstiftend für Menschen waren: Analyse, Strukturierung, kreative Vorschläge. Dadurch verschieben sich Rollen, Status und Sichtbarkeit im Team. Kommunikation wird effizienter und stärker task-orientiert, gleichzeitig gehen soziale Signale und Beziehungspflege zurück. Die soziale Dynamik verschwindet nicht, sie kann jedoch ihre funktionale Notwendigkeit verlieren – und ist in Gefahr, unsichtbar zu werden.
Feldstudien belegen beeindruckende Produktivitätsgewinne von 50–70 % mehr Output pro Person in Mensch-KI-Teams. Gleichzeitig kommt es zu einem „diversity collapse“: Ergebnisse werden homogener, Perspektivenvielfalt nimmt ab, Entscheidungen werden stärker utilitaristisch geprägt und Entscheidungen damit auch austauschbarer. Andere Studien zeigen allerdings: Unter geeigneten Bedingungen kann KI Denkraum und Diversität auch erweitern.
Besonders kritisch ist die zunehmende Individualisierung von Denken: Vorbereitung und Ideengenerierung finden verstärkt im Dialog mit der eigenen KI statt, während Teams primär Ergebnisse austauschen. Dadurch erodieren kollektive Intelligenz, gemeinsame Lernschleifen und Teamidentität.
Die zentrale Schlussfolgerung: KI macht soziale Dynamik nicht überflüssig, sondern optional. Genau deshalb wird Führung in der KI-Ära zur gestaltenden Instanz zwischen Mensch, Maschine und Teamkultur. Dieses Whitepaper zeigt, wie KI-Agenten Rollen, Kommunikation und Denken Teams verändern können – und bündelt, was Führung jetzt konkret tun kann, in fünf Prinzipien wirksamer Führung im KI-geprägten Alltag.
1. KI-Agenten als neue „Teammitglieder“
KI-Agenten sind die neuen Teammitglieder und agieren nicht mehr nur als Werkzeuge im Hintergrund. Sie übernehmen in der Praxis Funktionen, die früher menschlichen Teammitgliedern vorbehalten waren: Sie strukturieren Denken, hinterfragen Annahmen, liefern Wissen und erzeugen kreative Vorschläge.
Empirische Feldexperimente (Ju & Aral, 2025/2026) zeigen:
• Mitarbeitende in Mensch-KI-Teams führen bis zu 62 % weniger direkte inhaltliche Bearbeitung aus.
• Die Delegation an KI-Agenten steigt um rund 17 %.
Die menschliche Rolle verschiebt sich damit weg von Ausführung hin zu Steuerung, Bewertung, Freigabe und Übersetzung zwischen Kontext, KI-Output und Teamrealität.
Was häufig unterschätzt wird: Viele der Aufgaben, die nun delegierbar werden, waren identitätsstiftend. Sie erzeugten Status, Sichtbarkeit und Selbstwirksamkeit. Wenn sie von KI übernommen werden, verändert sich nicht nur Arbeit, sondern auch Zugehörigkeit, Status und das eigene Selbstbild im Team.
Ein weiterer Aspekt betrifft die Entwicklung von Kompetenzen innerhalb des Teams: Viele dieser Tätigkeiten waren essenziell, um neue Mitarbeitende schrittweise einzuarbeiten, ihnen Lerngelegenheiten zu bieten und sie zu Experten heranwachsen zu lassen. Wenn KI-Agenten Aufgaben übernehmen, könnten wichtige Lernschritte und Erfahrungsräume für Einsteiger:innen wegfallen – mit der Folge, dass Expertise und Praxiswissen im Team weniger organisch entstehen und das Lernen im Arbeitsprozess neu organisiert werden muss.
Gleichzeitig zeigen andere Forschungsarbeiten (z. B. Dellermann et al., 2019; Seeber et al., 2020), dass neue Rollen entstehen können:
• KI-Kurator:in, die KI-Output bewertet und integriert
• Prompt-Strateg:in, die systematische Zugänge zur KI entwickelt
• Ethik- oder Risiko-Challenger:in, die Konsequenzen reflektiert
Ob Rollenvielfalt schrumpft oder sich neu entfaltet, ist damit kein Automatismus, sondern Ergebnis bewusster Gestaltung durch Führung und Organisationen.
2. Kommunikation: effizienter – aber nicht automatisch kälter
In einer groß angelegten Feldstudie mit über 2.300 Teilnehmenden (Ju & Aral, 2025), in der Mensch-Mensch-Teams mit Mensch-KI-Teams verglichen wurden, zeigen sich deutliche Verschiebungen:
• Mensch-KI-Teams senden rund 25 % mehr task-orientierte Nachrichten.
• Gleichzeitig sinkt soziale bzw. beziehungsorientierte Kommunikation um 18–23 %.
Kommunikation und Interaktion wird direkter, sachlicher und stärker zielorientiert. Effizienz steigt – aber auf Kosten jener sozialen Prozesse, die Vertrauen, psychologische Sicherheit und Bindung unterstützen. Teams wirken produktiver, sind aber teilweise weniger emotional verbunden. Die ersten Erfahrungen mit diesem Phänomen haben wir in den Pandemiejahren gemacht, als die persönliche Kommunikation in den „anonymen Chat“ verschoben wurde.
Entscheidend ist dabei: soziale Dynamik verschwindet nicht, sie verliert ihre funktionale Notwendigkeit. Man „muss“ nicht mehr zwangsläufig miteinander reden, um Aufgaben zu lösen.
Gleichzeitig zeigen Studien zur Mensch-Technik-Interaktion (z. B. Seeber et al., 2020), dass KI-Systeme helfen können, Missverständnisse zu reduzieren, Kommunikationslast zu verteilen und Konflikte zu deeskalieren – sofern sie bewusst als moderierende Ressource eingesetzt werden (dürfen), etwa für Struktur, Reflexionsfragen oder Perspektivwechsel.
Die entscheidende Frage lautet deshalb weniger:
„Macht KI Kommunikation kalt?“
sondern:
„Welche Teile unserer Kommunikation wollen wir bewusst menschlich halten – und wie unterstützen wir diese durch KI, statt sie zu ersetzen?“
Allerdings braucht es dazu einen praktischen Realitätscheck: In vielen Unternehmen ist es Führungskräften untersagt, KI-Systeme aktiv in die gesprochene Kommunikation zu integrieren – etwa als Live-Coach im Meeting oder als protokollierende KI. Das erhöht die Verantwortung, die verbleibende, menschlich geführte Kommunikation umso bewusster zu gestalten, statt auf „eingebaute“ KI-Moderation zu hoffen.
3. Produktivitätsgewinne mit Preis – und Gestaltungsspielraum
Die Produktivitätsgewinne durch KI-Agenten sind beeindruckend. Mensch-KI-Teams erzielen in Feldexperimenten 50–70 % mehr Output pro Person als reine Mensch-Mensch-Teams (Ju & Aral, 2025/2026). Ähnliche Effekte zeigen sich in anderen Kontexten generativer KI, etwa im Kundenservice (Brynjolfsson et al., 2025).
Die Studien machen deutlich, dass die Ergebnisse immer ähnlicher werden. Dabei gehen unterschiedliche Perspektiven und Meinungen zunehmend verloren, und Entscheidungen werden stärker nach dem Prinzip des größtmöglichen Nutzens getroffen.
Ju & Aral sprechen explizit von einem „diversity collapse“ – weniger Reibung, weniger Perspektivkonflikt und weniger kollektive Aushandlung. Kurz gesagt: Effizienz steigt, kreative und soziale Interaktion sinkt. Und damit ggfs. auch die Einzigartigkeit und Innovationskraft des Unternehmens.
Gleichzeitig betonen Forschungsarbeiten zur „Hybrid Intelligence“ (Dellermann et al., 2019), dass KI den Denkraum erweitern kann, wenn sie bewusst als divergenter Input genutzt wird. Teams können gezielt mit unterschiedlichen Modellen, Datenquollen oder Prompt-Strategien arbeiten, um Homogenisierung zu vermeiden.
Damit wird klar: „Diversity collapse“ ist keine Naturkonstante, sondern eine Risiko-Tendenz. Ob sie eintritt, hängt maßgeblich davon ab, wie Führung KI-Einsatz, Entscheidungsprozesse und Teamarbeit gestaltet.
4. Individuelle KI-Assistenten: neue Bruchlinien im Team
KI-Assistenten können neue Bruchlinien im Team erzeugen, wenn jede Person mit einem eigenen KI-Assistenten arbeitet. Drei Effekte sind besonders relevant:
Kompetenzwahrnehmung.
Jüngere Mitarbeitende nutzen KI oft souveräner und experimenteller, erfahrene Mitarbeitende bringen Kontext- und Erfahrungswissen ein, erleben aber häufiger Verunsicherung. Es drohen neue Kompetenzhierarchien, die mehr mit Technikvertrautheit als mit tatsächlicher fachlicher Tiefe zu tun haben.
Leistungszuschreibung.
Der Output steigt – aber ungleich. Die Grenze zwischen menschlicher Leistung und KI-Leistung verschwimmt. Die Frage, „wem“ ein Ergebnis zugeschrieben wird, wird zu einer sozialen Konfliktlinie.
Ersetzbarkeitsgefühl.
Der subjektive Eindruck, ersetzbar zu sein, nimmt zu, besonders bei Tätigkeiten mit hohem Automatisierungspotenzial. Studien belegen, dass wahrgenommene Ersetzbarkeit eng mit Motivation, Engagement und Bindung verknüpft ist.
Forschung im Bereich Human-AI-Collaboration (Seeber et al., 2020) zeigt zudem, dass KI bestehende Statusdynamiken verstärken kann – etwa indem privilegierte Gruppen besseren Zugang zu Tools, Daten und Trainings haben. Das kann bestehende Ungleichheiten vertiefen, wenn Führung nicht aktiv gegensteuert.
5. Wenn Denken privat wird: der stille Verlust kollektiver Intelligenz
Besonders tief greifen die Effekte von KI-Agenten in das kollektive Denken von Teams ein. Studien zu Mensch-KI-Teams zeigen, dass Vorbereitung und Ideengenerierung zunehmend individuell erfolgen – häufig im Dialog mit dem eigenen KI-Assistenten.
Typische Muster:
• Ideen entstehen vorab individuell, nicht im Team.
• Unsicherheiten werden zuerst individuell mit der KI geklärt.
• Im Team werden vor allem fertige Ergebnisse präsentiert.
Damit verliert das Team Einblick in Denkwege, Zweifel, Heuristiken und blinde Flecken. Kollektive Intelligenz, gemeinsame Lernschleifen und Teamidentität gehen schleichend verloren. Die Daten von Ju & Aral (2025) zeigen geringere kognitive Diversität, stärkere Fokussierung auf funktionale Zielerreichung und weniger gemeinsames Experimentieren und Erforschen.
Die organisationale Lernforschung (Edmondson, 1999) legt nahe, dass psychologische Sicherheit und sichtbare Denkprozesse zentrale Treiber von Lernen und Kreativität sind. Wenn Unsicherheit und „unfertiges Denken“ ins Private – oder zur KI – ausgelagert werden, verliert die Organisation einen zentralen Lernkanal.
6. Was Führung jetzt leisten muss: fünf Prinzipien wirksamer Führung mit KI
Wenn KI-Agenten Arbeit, Kommunikation und Denken neu strukturieren, verändert sich die Rolle von Führung grundlegend. Es reicht nicht, KI „einzuführen“ – Führung wird zur Architektin der Mensch-KI-Teamdynamik. Fünf Prinzipien sind dabei zentral.
Prinzip 1: Soziale Architektur bewusst gestalten
Führung muss nicht nur Teams, sondern gesamte sozio-technische Systeme gestalten:
• Wer arbeitet wann mit KI – und wofür?
• Welche Aufgaben bleiben bewusst menschlich?
• Wo ist KI Inputgeber, wo Filter, wo Sparringspartner?
• Welche Arbeitsphasen bleiben bewusst KI-frei, um kollektives Denken zu schützen?
Ein wirksames Instrument sind Team-Alliances zur KI-Nutzung: gemeinsam vereinbarte Regeln, wofür KI genutzt wird, wofür nicht, welche Entscheidungen immer menschlich bleiben und wie KI-Anteile transparent gekennzeichnet werden. Benannte „KI-Buddys“ oder Verantwortliche können die Einhaltung begleiten und als Ansprechpersonen bei Unsicherheiten dienen.
Prinzip 2: KI-Psychologie ernst nehmen
Führung braucht ein Grundverständnis dafür, wie Menschen emotional und kognitiv auf KI reagieren:
• Overtrust vs. Misstrauen gegenüber KI
• Angst vor Ersetzbarkeit
• Scham, Unwissen zuzugeben („Alle können KI, nur ich nicht“)
• Tendenz, kritische Entscheidungen an KI zu delegieren („Die KI wird schon recht haben“)
KI-Psychologie bedeutet, diese Muster zu erkennen, offen anzusprechen und in konstruktive Bahnen zu lenken – etwa durch Lernräume, in denen Experimentieren ausdrücklich erlaubt ist, und durch das Vorleben eigener Lernbereitschaft: Führung, die zugeben kann, selbst noch zu lernen, schafft Sicherheit für alle.
Prinzip 3: Kollektives Denken und psychologische Sicherheit schützen
Führung sollte bewusst Räume schaffen, in denen Teams ohne KI denken, streiten und Hypothesen bilden, bevor algorithmische Unterstützung zum Einsatz kommt. Das umfasst:
• Sequenzen in Meetings, in denen ausschließlich menschliche Ideen gesammelt werden.
• Formate, in denen halbfertige Gedanken und Zweifel explizit willkommen sind.
• Moderation, die Widerspruch und Gegenpositionen aktiv einlädt.
Psychologische Sicherheit bleibt der entscheidende Nährboden, damit Menschen KI-Output kritisch hinterfragen – statt ihm stillschweigend zu folgen.
Prinzip 4: Rollen, Fairness und Zusammenarbeit klären
Neue Technologien erfordern neue Rollen. Führung kann aktiv Rollen wie KI-Scout, KI-Kurator:in oder Bias-Checker:in einführen, um Verantwortung zu verteilen und Unsicherheiten zu reduzieren.
Wesentlich ist auch, Kompetenzen zu paaren statt gegeneinander zu stellen:
Mixed-Generation-Tandems, in denen KI-affine Mitarbeitende mit erfahrungsstarken Kolleg:innen zusammenarbeiten, verbinden Technikkompetenz mit Kontextwissen. Anerkennung gilt dabei beiden Seiten – technischer Souveränität ebenso wie Erfahrungs- und Beziehungswissen.
Transparente Kennzeichnung von KI-Unterstützung („Entwurf mithilfe KI erstellt“) sowie die explizite Frage „Was ist hier menschliche Bewertung, was ist KI-Output?“ fördern eine faire Leistungszuschreibung und verhindern, dass Leistung unsichtbar wird.
Prinzip 5: Verantwortung und Ethik klar verankern
Mit wachsender Delegation von Aufgaben an KI steigt die Bedeutung einer klaren Verantwortungsarchitektur:
• Verantwortliche Auftragsklärung: Wofür nutzen wir KI – wofür explizit nicht?
• Klare Grenzen für KI-Beteiligung an Entscheidungen mit moralischen oder personalbezogenen Konsequenzen.
• Bewusstsein für KI-Bias, Fairness und Transparenz.
Die Verantwortung bleibt immer menschlich. Führung muss sicherstellen, dass diese Verantwortung nicht „zwischen Algorithmus und Organisation“ verloren geht. Regelmäßige KI-Retrospektiven – kurze Reflexionsformate zu Effekten auf Effizienz, Zusammenarbeit und Kultur – helfen, Maßnahmen laufend zu überprüfen und anzupassen.
Fazit
KI-Agenten steigern die Produktivität signifikant und verändern gleichzeitig die soziale Dynamik von Teams tiefgreifend. Teams werden schneller, strukturierter und effizienter – aber unter ungünstigen Bedingungen auch funktionaler, homogener und sozial fragiler.
Die zentrale Frage ist nicht, ob KI-Agenten eingesetzt werden, sondern wie bewusst Führung die entstehenden sozialen, emotionalen und kognitiven Dynamiken gestaltet. Führung der Zukunft bedeutet, KI nicht nur einzuführen, sondern Arbeit, Rollen, Kommunikation und Denken neu auszubalancieren – zwischen Effizienz, Kreativität und Verbundenheit.
KI macht soziale Dynamik nicht überflüssig. Sie macht sie teilweise unsichtbarer – und gerade deshalb wird Führung in der KI-Ära verantwortungsvoller, nicht überflüssiger.
Der Autor
Robert Kaltenbrunner ist Leadership- und Transformationsexperte und Co-Founder von Verbalio WorkLab. Er begleitet Führungskräfte und Organisationen in Phasen tiefgreifender Veränderung mit einem klaren Fokus auf wirksame Zusammenarbeit, psychologische Sicherheit und zukunftsfähige Führungsmodelle.
Seine Arbeit verbindet fundierte Erkenntnisse aus aktueller Leadershipforschung mit New-Work-Prinzipien und unternehmerischer Praxis. Als Sparringpartner hinterfragt er gängige Denk- und Handlungsmuster – mit dem Anspruch, Orientierung zu schaffen, Selbstverantwortung zu stärken und Transformation nicht nur denkbar, sondern konkret machbar zu machen.
Die Co-Autor:innen
Storm@Stanford University
STORM ist ein von der Stanford University entwickeltes, Open-Source-Forschungsprojekt, das KI gezielt für strukturierte Wissensarbeit einsetzt. Im Kern unterstützt STORM die Erstellung von Wikipedia-ähnlichen Fachtexten, indem es Recherche, Mehrperspektiven-Fragestellungen und Quellenarbeit systematisch kombiniert. Anders als klassische Chatbots ist STORM nicht auf schnelle Antworten optimiert, sondern auf nachvollziehbare Wissenssynthese: Inhalte entstehen entlang expliziter Fragelogiken, mit Zitaten und transparenter Herkunft. STORM versteht KI damit weniger als Autor, sondern als kognitiven Ko-Forscher, der Denkprozesse strukturiert und vertieft.
Rolle: Recherche, Ko-Forscher
Copilot
Microsoft Copilot ist ein KI-gestützter Arbeitsassistent, der direkt in den alltäglichen Arbeitskontext von Microsoft 365 integriert ist. Copilot nutzt große Sprachmodelle, um Nutzer:innen kontextbezogen beim Denken, Entscheiden und Produzieren zu unterstützen.
Rolle: Copywriting, Kritiker, Impulsgeber, Sparringspartner
Wissenschaftliche Quellen:
- Mensch-KI-Teams & Produktivität
- Ju, H. & Aral, S. (2025/2026). Collaborating with AI Agents: Field Experiments on Teamwork, Productivity, and Performance. arXiv:2503.18238v3.
- Ju, H. & Aral, S. (2025). Human-AI Collaboration and Communication Patterns. arXiv Preprint.
- Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work: Evidence from a Call Center Experiment. Working Paper, MIT / NBER. - KI in Teams & Hybrid Intelligence
- Seeber, I., Bittner, E., Briggs, R. O., de Vreede, G.-J., de Vreede, T., Elkins, A., Maier, R., Merz, A.-B., Oeste-Reiß, S., Randrup, N., & Schwabe, G. (2020). Machines as Teammates: A Research Agenda on AI in Teams.
- Dellermann, D., Ebel, P., Söllner, M., & Leimeister, J. M. (2019). Hybrid Intelligence. Business & Information Systems Engineering, 61(5), 637–643. - Führung, psychologische Sicherheit & kollektive Intelligenz
- Edmondson, A. (1999). Psychological Safety and Learning Behavior in Work Teams. Administrative Science Quarterly, 44(2), 350–383.
- Edmondson, A. (2019). The Fearless Organization: Creating Psychological Safety in the Workplace for Learning, Innovation, and Growth. Wiley.