Oracle lässt Kunden den KI-Ausbau vorfinanzieren
Eva Mickler
5 Min. Lesezeit Oracle hat am 10. September 2026 die Zahlen für das erste Quartal des Geschäftsjahrs ...
Zum Beitrag
5 Min. Lesezeit
Wer in einer Auswahlrunde zuerst urteilt, setzt den Rahmen für alle danach. Im Feldversuch der Harvard Business Review urteilte ein Sprachmodell zuerst. 228 erfahrene Bewerter zogen mit.
Das Wichtigste in Kürze
- Eine Absage der Maschine zieht die Runde mit. 228 Bewerter folgten dem Nein auch dort, wo vier Fachleute die Idee behalten wollten.
- Die Reihenfolge entscheidet. Liegt die Empfehlung zuerst auf dem Tisch, muss die Runde gegen die Maschine argumentieren.
- Absagen brauchen einen Namen. Hohe Einsätze bekommen zuerst die menschliche Sicht. Verworfene Fälle kommen später auf den Prüfstand.
VerwandtKritisches Denken: KI-Herausforderungen für Führungskräfte / Welche Steuerung bleibt nach dem Agenten-Rollout
Was heißt das für eine Auswahlrunde? Der Versuch lief über drei Pfade und zeigt, an welcher Stelle die Runde ihr eigenes Urteil aufgibt.
228 Bewerter, drei Pfade, ein Maßstab
Leonid Sudakov und Nathan Furr beschreiben am 19. August in der Harvard Business Review einen Feldversuch zur Bewertung früher Ideen. Ihr Ergebnis: Die Empfehlung der Maschine verschiebt das Urteil, noch bevor Menschen unabhängig geurteilt haben. Der Aufhänger ist ein reales Auswahlverfahren.
228 erfahrene Bewerter prüften 48 echte Einreichungen eines globalen MIT-Wettbewerbs für soziale Wirkung. Drei Pfade liefen gegeneinander: nur Menschen; Empfehlungen eines großen Sprachmodells mit erzählter Begründung; dieselben Empfehlungen ohne weiteren Kontext. Maßstab waren vier Fachleute, die dem Wettbewerb verbunden waren.
| Pfad | Was die Runde sieht | Was das für die Runde heißt |
|---|---|---|
| Nur Menschen | Die Einreichung ohne maschinelle Vorentscheidung | Langsamer, aber mit eigener Begründung |
| Modell ohne Kontext | Eine nackte Empfehlung ohne erzählte Begründung | Schnelle Übernahme, kaum Widerspruch |
| Modell plus Narrativ | Dieselbe Empfehlung mit einer glatten Geschichte | Zustimmung kann steigen, weil die Geschichte trägt |
Die Grundlage steht als HBS-Working-Paper: The Narrative AI Advantage? von J. N. Lane und Mitautoren. Dort beschreiben die Forscher dieselben drei Pfade: menschliche Bewertung, Empfehlung ohne Begründung, Empfehlung plus Narrativ. HBR zieht daraus die Führungsfrage. Die Reihenfolge der nächsten Runde folgt daraus.
Die Ablehnung wirkt stärker als die Freigabe
Das Werkzeug ermutigte die Bewerter, Einreichungen zu verwerfen, die das Expertenpanel freigab. Die Menschen folgten weitgehend. Projekte mit Potenzial fielen durch den Filter.
Der Befund reicht über Innovationslabore hinaus. Dieselbe Mechanik sitzt in Investmentkomitees, Produktgremien, Lieferantenauswahlen und internen Investitionsrunden. Ein Modell, das schnell und sicher klingt, senkt die Hemmschwelle für eine Absage. Widerspruch braucht ein besseres Argument als die Maschine und meist mehr Zeit, als die Sitzung hergibt.
Deshalb zählt die Reihenfolge. Liegt die maschinelle Empfehlung zuerst auf dem Tisch, sucht die Runde Gründe gegen das maschinelle Urteil. Die Entscheidung fällt, bevor jemand die Zahlen aufschlägt.
BCG beschreibt denselben Effekt als Lock-in
Boston Consulting Group hat Anfang August einen verwandten Effekt veröffentlicht, nicht dieselbe Studie. Liegen Regeln, Entscheidungswege und Betriebswissen fest in einem Modellstapel, entsteht kognitives Lock-in. Die Organisation glaubt weiter zu entscheiden und entscheidet doch innerhalb einer Architektur, die sie nicht vollständig kontrolliert.
BCG nennt Zeichen, die ohne Blick in die Technik sichtbar sind. Teams erklären das Warum nicht mehr, weil sie der Begründung des Modells folgen. Die Fachseite klagt, das Werkzeug treffe den tatsächlichen Bedarf nicht. Und die Strategie biegt sich um das, was das Modell gut kann.
Der HBR-Versuch macht denselben Punkt messbar. Die Variante mit Narrativ beeinflusst die Bewerter mindestens so stark wie die Empfehlung ohne Begründung. Eine glatte Geschichte kann die Anlehnung sogar verstärken.
Wer trägt die verworfene Idee?
In Deutschland und der EU bleibt die Verantwortung bei der natürlichen Person und beim Unternehmen. Der AI Act verlangt seit Anfang August Transparenz für bestimmte Systeme und nimmt niemandem die Auswahl ab. Eine Protokollzeile „Modell hat abgelehnt“ ist keine Begründung, die vor Aufsicht, Betriebsrat oder späterem Schaden trägt.
Sobald Bewertungen Karrieren, Standorte oder größere Investitionen berühren, wird Mitbestimmung zur Pflichtaufgabe. Der Betriebsrat muss wissen, welche Kriterien das Werkzeug sieht, welche es überspringt und wer eine maschinelle Absage noch halten darf. Sonst landet der Streit später im Verfahren. Bis dahin hat die Runde schon Ideen verloren.
Die Regel ist grob und belastbar. Niedrige Einsätze dürfen vorsortieren, hohe Einsätze bekommen zuerst die menschliche Sicht. Die maschinelle Stimme kommt als zweite Meinung oder als Widerspruch. Jede Freigabe und jede Absage trägt einen Namen, samt der Pflicht, verworfene Fälle später zu prüfen.
Drei Fragen für die nächste Runde
Drei Fragen reichen, um den Befund in den Kalender zu holen. Erstens: Sieht die Runde die Idee, bevor die Empfehlung der Maschine erscheint? Zweitens: Kann jemand ohne Gesichtsverlust dagegen stimmen? Steht das im Protokoll? Drittens: Prüft ein unbeteiligtes Gegenlesen eine Stichprobe der Absagen, analog zum Expertenpanel im Versuch?
Bleibt eine dieser Fragen offen, fehlt die Kontrolle über den Prozess. Sudakov und Furr bestehen darauf, dass eigenes Urteil stark genug bleiben muss, um ein überzeugendes System zu überstimmen. Das klingt weich. Es wird hart, sobald Budget, Haftung und eine Pipeline interner Wetten daran hängen.
Die Frage für das nächste Gespräch auf Augenhöhe: Steht die Liste der zuletzt verworfenen Vorhaben bereit, mit Vermerk, welche Absage zuerst vom Modell kam? Fehlt diese Liste, steuert längst die Empfehlung. Beschlossen hat das niemand.
Häufig gestellte Fragen
Darf ein Modell die erste Ablehnung schreiben?
Bei geringem Einsatz ja, als Vorsortierung. Bei Investitionen, Personal und strategischen Wetten zuerst die menschliche Sicht, danach das Modell als Widerspruch.
Reicht die Begründung des Modells als Nachweis?
Nein. Das Narrativ erklärt, wie das System argumentiert. Es ersetzt weder die persönliche Freigabe noch die spätere Prüfung der Absagen.
Was ändert der AI Act an dieser Runde?
Er verlangt Transparenz für bestimmte Systeme. Auswahl und Haftung bleiben bei Person und Unternehmen. Ein Protokolleintrag allein trägt keine Freigabe.
Wann sitzt der Betriebsrat am Tisch?
Sobald die Bewertung Karrieren, Standorte oder größere Personalentscheidungen berührt. Kriterien, Widerspruchsrecht und Stichproben gehören in die Vereinbarung.
Welcher erste Schritt hat den höchsten Hebel?
In der nächsten Runde die maschinelle Empfehlung erst nach der menschlichen Erststimme einblenden und jede Absage einem Namen zuordnen.
Weiterlesen auf Digital Chiefs
Digital ChiefsFable 5 bleibt teuer: Firmen meiden Anthropics TopmodellDigital ChiefsChatGPT will den Mac mitlesenDigital ChiefsSpaceX übernimmt Cursor: EU-Klauseln bleiben offenMehr aus dem MBF Media Netzwerk
cloudmagazinLieferkette bricht am Datenpfad zwischen MES und ERP mybusinessfutureKI-Erfolg ohne Experte: Wer verantwortet das Ergebnis securitytodayOffener Code von X stoppt Europas Nachweispflicht nichtBildquelle: KI-generiert (August 2026)