Studie: Weniger Scham wegen KI als wegen überlegener Kolleg*innen

KI verändert nicht nur die Arbeitswelt, sondern auch die Art und Weise, wie Beschäftigte ihre eigene Leistung wahrnehmen und bewerten. Doch lösen leistungsstarke KI-Systeme ähnliche Gefühle wie überlegene menschliche Kolleg*innen aus, oder fällt der Vergleich mit einer Maschine emotional weniger belastend aus?

Welches Gefühl kommt auf, wenn Sie von Kolleg*innen übertrumpft werden, die schneller oder produktiver arbeiten als Sie? Neid? Frustration? Scham?

Scham ist tatsächlich eine häufige Reaktion auf soziale Aufwärtsvergleiche mit Personen, denen man sich unterlegen fühlt (Cheung et al., 2004; Gilbert et al., 1995; Lim & Yang, 2015). Sie hat nicht selten emotionale Erschöpfung und Rückzugstendenzen zur Folge (Korman et al., 2021) und kann sich im Arbeitskontext folglich negativ auf das Wohlbefinden auswirken.

Beschämt uns die KI weniger?

Da KI zunehmend Aufgaben übernehmen kann, die noch bis vor wenigen Jahren Menschen vorbehalten waren, wirkt sie in den Augen von Beschäftigten zunehmend wie eine mit Menschen vergleichbare Mitarbeiterin (Raisch & Krakowski, 2021). Eine aktuelle Studie von Yidan Ma und Jian Li (2026) aus China ist daher der Frage nachgegangen, ob Scham aus Unterlegenheitsgefühlen auch durch Vergleiche mit KI entsteht und, falls ja, ob sich die Auswirkungen auf das Wohlbefinden von Scham wegen überlegener menschlicher Kolleg*innen unterscheidet.

Zur Überprüfung dieser Frage haben Ma und Li (2026) vier Teilstudien durchgeführt: Eine Feldstudie und drei Experimente.

Teilstudie 1&2: Höheres Burnoutrisiko durch Vergleiche mit menschlichen Mitarbeitenden

Die Feldstudie mit 136 Angestellten von sechs Hotels ergab, dass soziale Vergleiche mit überlegenen Mitarbeitenden – nicht jedoch mit KI – signifikant mit einem höheren Burnoutrisiko zusammenhängen. Für die Studie nahmen die Angestellten an drei Befragungen im Abstand von je einer Woche teil. Zunächst beantworteten sie Fragebögen zu Vergleichen mit überlegenen menschlichen Mitarbeitenden, dann mit einer im Hotel eingesetzten KI und zuletzt zu ihrem Burnoutrisiko, ihrer Vertrautheit mit KI und zu demografischen Merkmalen. Die Regressionsanalysen zeigten, dass sowohl soziale Vergleiche mit KI als auch mit menschlichen Kolleg*innen mit einem höheren Burnout-Risiko einhergehen, letzterer Vergleich aber deutlich stärker, und wenn der Einfluss beider Vergleiche zusammen betrachtet wird, dann erweist sich nur noch der Vergleich mit Menschen, nicht mehr der Vergleich mit KI, als bedeutsam. Dies galt unabhängig von demografischen Merkmalen und der Vertrautheit mit KI.

Das Ergebnis, dass soziale Vergleiche mit KI weniger burnoutförderlich sind als Vergleiche mit Menschen ließ sich in Teilstudie 2 in einem Experiment replizieren. Die 195 Teilnehmenden bekamen ein Szenario zu lesen, in dem entweder ein Mensch oder eine KI als Mitarbeiter*in kompetitiv auftrat. Anschließend wurde per Fragebogen das Burnoutrisiko erfasst. Die Ergebnisse zeigten erneut, dass soziale Aufwärtsvergleiche das Burnoutrisiko erhöhen und zwar Vergleiche mit fiktiven überlegenen menschlichen Kolleg*innen ungleich mehr als Vergleiche mit einer KI.

Teilstudie 3: Mehr Scham gegenüber Menschen als gegenüber KI

Die dritte Teilstudie hat untersucht, welche emotionalen Prozesse den bisherigen Ergebnissen zugrunde liegen. Das Experiment war ähnlich aufgebaut wie in Teilstudie 2, diesmal wurden jedoch zusätzlich Scham, Neid und empfundener Statusverlust erhoben. Es nahmen 317 Personen teil. Die Analyse ergab, dass das Burnoutrisiko bei sozialen Vergleichen mit KI geringer ausfällt, weil gegenüber KI weniger Scham empfunden wird als gegenüber leistungsstärkeren menschlichen Kolleg*innen und diese geringere Scham ein geringeres Burnoutrisiko bedingt. Neid und empfundener Statusverlust hatten keinen Einfluss.

Teilstudie 4: Mehr Scham gegenüber KI mit menschlichen Eigenschaften

Die letzte Teilstudie hat untersucht, ob ein Vergleich mit einer KI, die menschliche Attribute aufweist, mehr Scham auslöst und hinsichtlich des Burnoutrisikos folglich negativer einzustufen ist als mit einer KI mit weniger menschlichen Attributen. Erneut ähnelte der Aufbau des Experiments dem in Teilstudie 2. Die 270 Teilnehmenden lasen ein Szenario, in dem sie eine bewertungsrelevante Aufgabe zeitgleich mit einem/einer Mitarbeiter*in erfüllen sollten. Es gab drei Bedingungen: Entweder war der/die Mitarbeiter*in ein Mensch oder eine KI mit hoher Menschenähnlichkeit (menschlicher Name, Stimme, Gesicht) oder eine KI mit geringer Menschenähnlichkeit (Identifikationsnummer statt eines Namens, Roboterstimme, ohne Gesicht). Die Analyse zeigte, dass die Teilnehmenden mehr Scham empfinden und burnoutgefährdeter sind, wenn die KI eine hohe Menschenähnlichkeit aufweist. Trotzdem liegt das Ausmaß an Scham gegenüber überlegenen menschlichen Kolleg*innen stets noch höher.

Was bedeuten die Ergebnisse für Führungskräfte?

Aus der Studie lassen sich einige Empfehlungen für Management und Führung ableiten, um das Risiko für Beschämung und Burnout unter Beschäftigten zu senken:

1. Da insbesondere soziale Vergleiche mit menschlichen Kolleg*innen negative Auswirkungen haben können, können Unternehmen auf algorithmenbasierte Leistungskennzahlen oder automatisierte Referenzsysteme zur Leistungsbewertung zurückgreifen.
2. Kommt KI im Unternehmen zum Einsatz, sollte sie kontextadäquat gestaltet sein und menschliche Attribute (z. B. einen menschlichen Namen oder emotionale Ausdrucksformen) nur erhalten, wenn dies erforderlich ist.
3. Abschließend ist zu berücksichtigen, dass die Reaktion auf Vergleichsprozesse und auch die Wirksamkeit der genannten Maßnahmen von den individuellen Merkmalen der Mitarbeitenden (z. B. Burnoutanfälligkeit, Weiterentwicklungsmotivation) sowie den jeweiligen Arbeitsbedingungen abhängt. Daher sollten Führungskräfte den Einsatz von KI sowie die damit verbundenen Bewertungsverfahren an die spezifischen Bedürfnisse der Teams und die Anforderungen der jeweiligen Tätigkeitsbereiche anpassen.

Limitationen

Bei der Beurteilung der Ergebnisse sind folgende Schwachpunkte der Studie zu berücksichtigen:

1. Es wurden nur soziale Aufwärtsvergleiche (nicht Abwärtsvergleiche) und hauptsächlich Scham als emotionale Reaktion untersucht, was die Generalisierbarkeit der Befunde einschränkt.
2. Die Daten basieren auf Selbsteinschätzungen und fiktiven Szenarios, was nur eine bedingt verlässliche Grundlage ist.
3. Die Generalisierbarkeit der Ergebnisse ist angesichts der ausschließlich chinesischen Teilnehmenden eingeschränkt.
4. Es wäre sinnvoll, in Folgestudien ebenfalls die Kompetenzen der Teilnehmenden zu erfassen, da womöglich hoch und niedrig qualifizierte Personen unterschiedlich reagieren. Ebenfalls interessant zu untersuchen wäre, ob neben der Menschenähnlichkeit auch Merkmale der KI wie Transparenz, Autonomie oder Verantwortlichkeit einen Einfluss haben.

Fazit

Die Studie von Ma und Li (2026) zeigt, dass Vergleiche mit leistungsstärkeren menschlichen Kolleg*innen mehr Scham und ein höheres Burnoutrisiko auslösen als Vergleiche mit KI, wobei menschenähnlich gestaltete KI diese negativen Effekte verstärken kann. Für Unternehmen bedeutet dies, KI und Leistungsbewertung gezielt und kontextabhängig zu gestalten und dabei sowohl die individuellen Bedürfnisse der Mitarbeitenden als auch mögliche psychische Belastungen zu berücksichtigen.

Der Beitrag wurde verfasst von Isabelle Bock.

Vorgestellte Studie

Ma, Y., & Li, J. (2026). Feeling Ashamed of AI? How Upward Social Comparison with AI Coworkers Influences Employee Job Burnout. Journal of Business and Psychology, 1-19.

Weitere Literatur

Cheung, M. P., Gilbert, P., & Irons, C. (2004). An exploration of shame, social rank and rumination in relation to depression. Personality and Individual differences, 36(5), 1143-1153.

Gilbert, P., Price, J., & Allan, S. (1995). Social comparison, social attractiveness and evolution: How might they be related?. New ideas in Psychology, 13(2), 149-165.

Lim, M., & Yang, Y. (2015). Effects of users’ envy and shame on social comparison that occurs on social network services. Computers in Human Behavior, 51, 300-311.

Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of management review, 46(1), 192-210.