Mensch und KI: Die eigene Seite der Zusammenarbeit verstehen

Warum wir auf die Zusammenarbeit mit KI oft stärker reagieren, als wir zugeben – und wie Sie mit den fünf Fragen des SCARF-Modells Ihre eigene Reaktion lesen und die richtige Kompetenz bei sich aufbauen.

«Brauchen die mich überhaupt noch?» Dieser Gedanke schiesst vielen durch den Kopf, sobald ein KI-Agent Aufgaben übernimmt, die gestern noch ihre eigenen waren. Ausgesprochen wird er selten. Gesteuert wird durch ihn viel: ob jemand die neue Zusammenarbeit annimmt oder leise unterläuft.

Die meisten Diskussionen über KI drehen sich um die Technik – um Werkzeuge, Modelle, Prozesse. Die eigene Reaktion darauf bleibt der blinde Fleck. Der Berater David Rock, der den Begriff «Neuroleadership» prägte, hat 2008 ein Modell beschrieben, das genau diese Reaktion erklärt.¹ Es heisst SCARF – und Sie können es heute auf sich selbst anwenden, ganz ohne Kurs.

Was ist das SCARF-Modell?

«Das SCARF-Modell benennt fünf soziale Grundbedürfnisse – Status, Sicherheit, Autonomie, Zugehörigkeit und Fairness –, bei denen unser Gehirn eine Bedrohung ähnlich verarbeitet wie körperlichen Schmerz und eine Erfüllung ähnlich wie eine Belohnung.»

Der Kern ist unbequem: Fühlt sich eines dieser Bedürfnisse bedroht, schaltet das Gehirn in einen Abwehrmodus. Die Aufmerksamkeit verengt sich, die Bereitschaft zu Neuem sinkt, und aus einer sachlichen Frage wird ein Reflex.¹ Für das Gehirn wiegt eine soziale Bedrohung dabei ähnlich schwer wie eine körperliche. Deshalb sind die Reaktionen echt, auch wenn der Auslöser harmlos wirkt – und deshalb richtet sich der Widerstand selten gegen das Werkzeug, sondern gegen ein Bedürfnis, das ins Wanken gerät.

Nützlich wird das Modell, weil es eine diffuse Unruhe in fünf konkrete Fragen zerlegt. Stellen Sie sich vor, in Ihrem Team schreibt neu ein KI-Agent die ersten Entwürfe für Kundenofferten. Dieselbe Veränderung löst bei fünf Personen fünf verschiedene Reaktionen aus – je nachdem, welches Bedürfnis bei wem am empfindlichsten ist.

Der eine spürt einen Angriff auf den Status, die andere den Verlust an Kontrolle, ein Dritter fürchtet um die Zugehörigkeit im Team. Alle drei reden über dieselbe KI und meinen doch etwas ganz Verschiedenes – und keiner von ihnen spricht wirklich über die Technik. Wer die eigene Reaktion benennen kann, ist ihr nicht mehr ausgeliefert. Die folgenden fünf Dimensionen sind die Landkarte dafür.

S wie Status: Werde ich noch gebraucht?

Status ist das Gefühl, etwas zu gelten und gesehen zu werden. Wenn ein Agent in Sekunden entwirft, wofür jemand sich jahrelang Können erarbeitet hat, kippt dieses Gefühl schnell. Die Reaktion reicht von stiller Kränkung bis zum lauten Kleinreden der KI – beides sind Versuche, den eigenen Rang zu sichern.

Fragen Sie sich, worin Ihr Beitrag künftig liegt. Wer Offerten nicht mehr selbst tippt, verantwortet dafür Urteil, Beziehung und Ausnahme – die Teile, die der Agent gerade nicht kann. Die Kompetenz, die hier zählt, ist es, den eigenen Beitrag neu zu erzählen: Nicht die Aufgabe verschwindet, sondern ihr Schwerpunkt verschiebt sich vom Ausführen zum Beurteilen. Diese Verschiebung lässt sich vorbereiten, lange bevor jemand sie erzwingt. Der Statusverlust ist dabei oft nur gefühlt: Die Verantwortung wächst sogar, sie sieht bloss anders aus als früher.

C wie Sicherheit (Certainty): Weiss ich, was auf mich zukommt?

Das Gehirn liebt Vorhersehbarkeit. Eine Technologie, die sich monatlich ändert und deren Ergebnisse mal treffen und mal danebenliegen, entzieht ihm genau diese Vorhersehbarkeit. Die Folge ist Anspannung, die sich gern als grundsätzliche Skepsis tarnt.

Aufbauen lässt sich hier die Fähigkeit, mit Unsicherheit zu arbeiten, nicht gegen sie: kleine Experimente wagen, das Ergebnis an klaren Prüfschritten messen, das Instabile bewusst als solches behandeln. Prüfen Sie eine neue KI erst an einer Aufgabe, deren Ergebnis Sie selbst beurteilen können; so wird aus einer Blackbox ein kalkulierbares Werkzeug. Je öfter Sie erleben, dass Sie einen Fehler der KI zuverlässig erkennen, desto ruhiger wird der Umgang mit ihr. Sicherheit entsteht nicht durch Warten, sondern durch kontrolliertes Erproben.

A wie Autonomie: Habe ich noch die Kontrolle?

Autonomie ist das Gefühl, selbst zu bestimmen, wie man arbeitet. Ein System, das Vorschläge macht, bevor man gefragt hat, kann sich wie Bevormundung anfühlen – selbst wenn der Vorschlag gut ist. Dann wird aus Unterstützung ein Übergriff, und die Ablehnung folgt prompt.

Die entscheidende Kompetenz ist es, die Kontrolle bewusst zu verteilen und nicht schleichend abzugeben. Entscheiden Sie ausdrücklich, was an den Agenten delegiert wird und was in der eigenen Hand bleibt. Behalten Sie dabei besonders die Schritte, an denen Ihr Urteil den Unterschied macht. Wer diese Grenze selbst zieht, erlebt dieselbe Technik als Werkzeug und nicht als Aufseher.

R wie Zugehörigkeit (Relatedness): Gehöre ich noch zum Team?

Menschen sind soziale Wesen; Zugehörigkeit ist ein Grundbedürfnis, kein Bonus. In einem hybriden Team aus Menschen und Agenten wird plötzlich unklar, wer wozu gehört – und ob die Beziehungen, die den Zusammenhalt tragen, noch zählen. Manche ziehen sich zurück, gerade wenn Nähe nötig wäre.

Hier gilt es, Vertrauen aktiv zu pflegen und nicht stillschweigend vorauszusetzen. Sprechen Sie im Team offen über den Einsatz der KI, teilen Sie Erfahrungen, klären Sie Rollen neu. Wer die KI gemeinsam einführt statt sie einzelnen überzustülpen, hält die Beziehungen stabil. Ein Team wird nicht durch ein Werkzeug zusammengehalten, sondern durch die Menschen, die es miteinander benutzen.

F wie Fairness: Läuft die Veränderung gerecht?

Fairness betrifft die Frage, ob eine Veränderung als gerecht erlebt wird: Wer profitiert, wer trägt die Last, wer entscheidet? Wird eine KI ohne Erklärung eingeführt und trifft die Mehrarbeit die einen, während die Anerkennung zu anderen fliesst, entsteht ein Fairness-Bruch – und der wiegt schwer und lange nach.

Die Kompetenz dazu hat zwei Seiten: Transparenz einzufordern, wo Entscheidungen im Dunkeln bleiben, und selbst Transparenz herzustellen, wo man sie verantwortet. Machen Sie offen, warum ein Agent eingeführt wird und wem er die Arbeit erleichtern soll. Fairness ist keine Stimmung; sie ist eine Frage nachvollziehbarer Regeln, und die lassen sich gestalten. Wer die Regeln früh offenlegt, nimmt der Veränderung viel von ihrer Schärfe.

«Aber das ist doch bloss Küchenpsychologie»

Stimmt – SCARF ist kein Diagnosewerkzeug, es misst nichts und heilt nichts. Es ist eine Sprache, um eine Reaktion zu sortieren, für die uns sonst die Worte fehlen. Mehr will es nicht sein, und diesen Anspruch sollte man ihm auch nicht andichten. Ein benanntes Gefühl ist noch keine gelöste Frage, aber es ist der erste Schritt dorthin. Wer weiss, dass gerade sein Status-Empfinden spricht und nicht sein Urteil über die Technik, trifft die nüchterneren Entscheidungen.

Wichtiger ist die zweite Grenze. Nicht jeder Widerstand ist eine bedrohte Grundbedürfnis-Reaktion, die man wegcoachen sollte. Manchmal ist die Skepsis sachlich begründet: Der Datenschutz ist ungeklärt, die Qualität stimmt nicht, der Einsatz ist schlicht unpassend. Dann ist der Einwand kein Gefühl, sondern ein Argument, und er verdient eine Antwort, keine Beruhigung. SCARF hilft, das eine vom anderen zu trennen – es taugt nie dazu, ein berechtigtes Bedenken als blosse Befindlichkeit abzutun.

Probieren Sie es aus

Nehmen Sie sich fünfzehn Minuten und die Grafik oben. Denken Sie an eine konkrete Veränderung, bei der KI Ihre Arbeit berührt, und markieren Sie ehrlich, bei welcher der fünf Dimensionen Sie am stärksten reagieren – dort, wo es zwickt, nicht dort, wo es sein sollte. Notieren Sie zu dieser einen Dimension einen Satz: Welche Kompetenz würde Ihre Reaktion in Gelassenheit verwandeln?

Das ist keine grosse Übung, und sie muss nicht perfekt sein. Aber sie dreht den Blick von der Technik auf die Person, die mit ihr arbeitet. Und dort, nicht in der nächsten Softwaregeneration, beginnt jede Transformation, die diesen Namen verdient. Die Werkzeuge werden sich weiter ändern; die Frage, wie Sie darauf reagieren, bleibt Ihre eigene.