Human + AI: Warum die besten Innovationsentscheidungen weder Mensch noch KI allein treffen

Die Vorstellung vom überlegenen KI-Entscheider greift zu kurz

Mit leistungsfähigeren KI-Modellen wächst die Versuchung, immer mehr Entscheidungen an Algorithmen zu delegieren.

Dafür gibt es gute Gründe. KI kann grosse Datenmengen durchsuchen, Muster erkennen, zahlreiche Optionen vergleichen und Informationen in einer Geschwindigkeit verarbeiten, die Menschen nicht erreichen können.

Gerade in der Innovationsarbeit klingt das attraktiv. Welcher Markt bietet das grösste Potenzial? Welche Technologie wird relevant? Welche Idee sollte finanziert werden? Welches Projekt gehört ins Portfolio?

Solche Fragen wirken auf den ersten Blick wie ideale Aufgaben für KI.

Das Problem liegt im zweiten Blick.

Innovationsentscheidungen entstehen selten unter klaren Bedingungen. Häufig fehlen Daten. Annahmen sind unsicher. Neue Technologien besitzen noch keine belastbare Historie. Märkte entwickeln sich erst. Kunden können selbst noch nicht genau formulieren, was sie künftig benötigen werden.

Genau deshalb sollte man zwischen Analyse und Entscheidung unterscheiden.

KI kann eine aussergewöhnlich leistungsfähige Analyse liefern. Daraus folgt jedoch nicht automatisch eine gute Entscheidung.

Mensch und KI besitzen unterschiedliche Stärken

Eine 2025 in Nature Reviews Psychology veröffentlichte Arbeit beschreibt die grundlegende Komplementarität recht klar: KI ist besonders leistungsfähig bei der Verarbeitung grosser Datenmengen, bei der Erkennung statistischer Muster und bei der Optimierung definierter Ziele. Menschen besitzen dagegen Vorteile beim Umgang mit Neuartigkeit, Unsicherheit und zwischenmenschlichen Situationen. [1]

Für Innovationsentscheidungen ist diese Unterscheidung zentral.

Eine KI kann beispielsweise Tausende Marktberichte, wissenschaftliche Publikationen oder Patente analysieren und daraus Hinweise auf eine entstehende Technologie ableiten.

Sie weiss damit aber noch nicht automatisch, ob diese Technologie zum Unternehmen passt.

Vielleicht fehlen intern die notwendigen Kompetenzen. Vielleicht würde das neue Geschäft bestehende Vertriebspartner konkurrenzieren. Vielleicht widerspricht es der Marke. Vielleicht erkennt ein erfahrener Produktmanager eine Anwendung, die in keiner Datenquelle dokumentiert ist.

Umgekehrt besitzt auch menschliches Urteilsvermögen klare Grenzen.

Menschen übersehen Informationen, gewichten persönliche Erfahrungen übermässig, suchen teilweise unbewusst nach Bestätigung für bestehende Überzeugungen und können bei komplexen Problemen nur eine begrenzte Anzahl von Faktoren gleichzeitig berücksichtigen.

Doch Mensch + KI ist nicht automatisch besser

Hier wird die Forschung besonders interessant.

Eine umfangreiche Meta-Analyse, veröffentlicht in Nature Human Behaviour, untersuchte 106 experimentelle Studien mit insgesamt 370 Effektgrössen. In allen untersuchten Studien wurden Menschen allein, KI allein und Mensch-KI-Kombinationen miteinander verglichen. [2]

Das Ergebnis widerspricht einer verbreiteten Annahme.

Im Durchschnitt waren Mensch-KI-Kombinationen nicht besser als der jeweils bessere Einzelakteur. Sie schnitten sogar signifikant schlechter ab.

Besonders deutlich zeigte sich dieses Problem bei Entscheidungsaufgaben. Bei Aufgaben, bei denen Inhalte erzeugt wurden, sahen die Ergebnisse günstiger aus, allerdings war der durchschnittliche Synergieeffekt dort statistisch nicht eindeutig von null verschieden.

Das ist eine wichtige Erkenntnis für Unternehmen.

Ein leistungsfähiger Mensch und ein leistungsfähiges KI-System ergeben nicht automatisch ein leistungsfähigeres Team.

Die Qualität entsteht durch die Art der Zusammenarbeit.

Das eigentliche Ziel heisst Komplementarität

Die Forschung verwendet dafür den Begriff Human-AI Complementarity.

Gemeint ist ein Zustand, in dem Mensch und KI gemeinsam bessere Ergebnisse erzielen, als beide jeweils allein erreichen könnten.

Eine 2026 veröffentlichte interdisziplinäre Arbeit in PNAS Nexus schlägt dafür einen systematischen Rahmen vor. Die Autoren verbinden Erkenntnisse aus Kognitionswissenschaft, künstlicher Intelligenz, Human Factors, Organisationsforschung und Ethik. Zu den entscheidenden Faktoren gehören eine sinnvolle Rollenverteilung, richtig kalibriertes Vertrauen, gemeinsame mentale Modelle, geeignete Wissensinfrastrukturen sowie kontinuierliches Training und Evaluation. [3]

Das verändert die zentrale Managementfrage.

Sie lautet nicht:

Ein Beispiel: Welche Opportunity soll verfolgt werden?

Nehmen wir an, ein Industrieunternehmen hat 40 mögliche Innovationsfelder identifiziert.

Ein rein menschlicher Prozess wäre aufwendig. Fachpersonen müssten Marktinformationen zusammentragen, Technologien untersuchen, Wettbewerber analysieren und anschliessend alle Opportunities vergleichen.

Ein rein KI-basierter Prozess wäre schneller. Die KI könnte Informationen recherchieren und anhand definierter Kriterien ein Ranking erzeugen.

Doch beide Ansätze haben Schwächen.

Ein sinnvoller hybrider Prozess könnte anders aussehen.

Die KI ersetzt in diesem Modell keine Entscheidung. Sie verbessert die Qualität des Prozesses, der zu dieser Entscheidung führt.

Vertrauen ist gut. Kalibriertes Vertrauen ist besser.

Eine der grössten Herausforderungen der Zusammenarbeit mit KI ist nicht mangelndes Vertrauen.

Es ist falsch dosiertes Vertrauen.

Wer einer KI grundsätzlich misstraut, nutzt ihre Fähigkeiten nicht.

Wer ihr grundsätzlich vertraut, übersieht ihre Fehler.

Besonders interessant ist deshalb eine 2026 in Patterns veröffentlichte Studie. Die Forscher untersuchten Verfahren, bei denen menschliche und maschinelle Urteile unter Berücksichtigung ihrer jeweiligen Sicherheit kombiniert wurden. In zwei unterschiedlichen Prognoseaufgaben übertrafen solche Mensch-KI-Teams einzelne KI-Systeme. Entscheidend war unter anderem, dass Menschen und Maschinen bei unterschiedlichen Aufgaben Schwierigkeiten hatten und ihre Sicherheit ausreichend gut kalibriert war. [4]

Das Prinzip lässt sich auf Innovationsentscheidungen übertragen.

Nicht jede Empfehlung sollte dasselbe Gewicht erhalten.

Ein System sollte vielmehr berücksichtigen:

• Wie sicher ist die Datenlage?
• Wie zuverlässig ist das Modell bei dieser Art von Aufgabe?
• Welche Informationen besitzt der Mensch zusätzlich?
• Wo widersprechen sich Mensch und KI und warum?

Gerade der letzte Punkt ist interessant.

Ein Widerspruch zwischen Mensch und KI ist nicht zwingend ein Problem. Er kann ein Signal sein, genauer hinzusehen.

KI sollte den Menschen nicht kopieren

Ein weiterer Gedanke gewinnt in der Forschung an Bedeutung.

Wenn Menschen und KI dieselben Informationen betrachten, dieselben Schlussfolgerungen ziehen und dieselben Fehler machen, entsteht wenig zusätzlicher Wert.

Komplementarität entsteht gerade durch Unterschiedlichkeit.

Eine 2026 veröffentlichte Diskussion in Nature Reviews Psychology argumentiert deshalb, dass KI Menschen nicht möglichst perfekt nachahmen sollte. Sinnvoller sei es, menschliche Fähigkeiten zu ergänzen. [5]

Für Innovationsmanagement ist das eine wichtige Designregel.

Die KI muss nicht der digitale Innovationsmanager sein.

Vielleicht ist sie wertvoller als Researcher, Analyst, Challenger oder strukturierter Gegenpart.

Innovation braucht auch Widerspruch

Das führt zu einem häufig unterschätzten Einsatzgebiet.

KI kann nicht nur Antworten liefern. Sie kann Entscheidungen bewusst herausfordern.

Ein Innovationsteam könnte ein KI-System beispielsweise auffordern:

• Welche Annahmen unserer Strategie sind am schwächsten belegt?
• Welche Informationen sprechen gegen unsere bevorzugte Lösung?
• Unter welchen Bedingungen wäre unsere Entscheidung falsch?
• Welche Opportunity übersehen wir möglicherweise?
• Welche Entwicklung könnte unser bestehendes Portfolio gefährden?

Damit verändert sich die Rolle von KI.

Aus einem Werkzeug zur Bestätigung wird ein Instrument zur kritischen Reflexion.

Gerade bei Innovationsentscheidungen kann das wertvoll sein, weil Teams häufig bereits viel Zeit und persönliche Energie in bestimmte Ideen investiert haben.

Human + AI muss als System gestaltet werden

Die Forschung zeigt zunehmend, dass der Nutzen nicht allein vom KI-Modell abhängt.

Eine systematische Übersichtsarbeit von 2026 wertete 627 Publikationen zur Human-AI-Entscheidungsfindung aus und unterscheidet verschiedene Formen der Zusammenarbeit abhängig von Entscheidungsart und Verhältnis zwischen Mensch und KI. [6]

Für Unternehmen lassen sich daraus einige praktische Prinzipien ableiten:

Fazit: Die Zukunft gehört nicht Mensch oder KI

Die Diskussion über künstliche Intelligenz wird häufig als Wettbewerb formuliert.

Wann wird KI besser als der Mensch?

Für Innovationsmanagement ist diese Frage nur begrenzt hilfreich.

KI besitzt Fähigkeiten, die Menschen nicht besitzen. Menschen besitzen Fähigkeiten, die KI nicht zuverlässig ersetzen kann. Gleichzeitig zeigt die Forschung deutlich, dass die Kombination beider Seiten allein noch keinen Vorteil garantiert.

Der entscheidende Faktor ist die Gestaltung der Zusammenarbeit.

Bei guten Human-AI-Systemen übernimmt KI dort Arbeit, wo Informationsmenge, Geschwindigkeit, Konsistenz und Mustererkennung entscheidend sind. Menschen konzentrieren sich stärker auf Kontext, Neuartigkeit, Verantwortung und strategisches Urteil.

Das Ziel ist deshalb weder maximale Automatisierung noch maximale menschliche Kontrolle.

Das Ziel ist eine bessere Entscheidung.