"Bring Your Own AI" ist da. Können Unternehmen das Vertrauen ihrer Mitarbeitenden gewinnen?

In KI-Programmen im Unternehmen zeigt sich immer wieder derselbe Denkfehler – und auf den ersten Blick klingt er sogar plausibel: Wenn eine Plattform compliant, sicher und rechtlich freigegeben ist, sollte Vertrauen doch automatisch entstehen. In der Praxis ist das aber nur selten der Fall.

Compliance schafft die Voraussetzungen für die Nutzung. Vertrauen schafft die Bereitschaft zur aktiven Beteiligung.

Diese Unterscheidung ist im Lernen wichtiger als in vielen anderen Geschäftsbereichen: Ein Finanzsystem nutzen Mitarbeitende oft, weil sie keine Wahl haben. Eine Reiseplattform nutzen sie, weil die Aufgabe transaktional ist, aber bei Lernen funktioniert das anders. Es lebt von Beteiligung, Offenheit, Zeit und einem gewisses Maß an psychologischer Sicherheit. Wenn Menschen sich beobachtet, falsch verstanden oder stillschweigend bewertet fühlen, absolvieren sie vielleicht noch das Pflichtprogramm. Konstruktiv mit dem System arbeiten werden sie aber nicht. Oft bekommt es nur noch die nötige Mindestaufmerksamkeit, bevor sie sich nach anderen Wegen umsehen.

Das Risiko ist längst nicht mehr theoretisch. Öffentliche Berichte zeigen seit Längerem, dass Mitarbeitende nicht darauf warten, bis die Governance im Unternehmen aufholt. Der Microsoft Work Trend Index 2024 beschreibt den Aufstieg von „BYOAI“ (Bring Your Own Artificial Intelligence): 78 % der KI-Nutzenden bringen ihre eigenen KI-Tools mit zur Arbeit. Anders gesagt: Wenn offizielle Systeme langsam, unklar oder einengend wirken, hören Menschen nicht auf, KI zu nutzen. Sie nutzen sie einfach außerhalb der freigegebenen Umgebung ihres Arbeitgebers.

Für L&D ist das ein strategisches Warnsignal. Wenn das offizielle Lernerlebnis des Unternehmens weniger transparent und weniger nützlich ist als externe Tools, rückt Vertrauen schnell in den Hintergrund. Zurück bleiben Shadow Learning, uneinheitliche Praxis und unkontrolliertes Risiko.

Vertrauen in KI-gestütztes Lernen im Unternehmen hängt nicht nur von der Leistung des Systems ab. Entscheidend ist auch, welche Daten das System nutzt, welche Empfehlungen es daraus ableitet und was es im nächsten Schritt beeinflussen kann.

Lernplattformen enthalten oft sensible Informationen über Mitarbeitende, zum Beispiel Lernfortschritte, Bewertungsergebnisse, Nachweise über Pflichtschulungen, Skill-Profile, Interessen und Nutzungsmuster. Jeder einzelne Datenpunkt mag für sich unkritisch wirken. In der Summe entsteht aber ein sehr aussagekräftiges Bild. Wenn KI daraus Empfehlungen ableitet, Lernpfade anpasst, Lücken sichtbar macht oder die Bereitschaft einschätzt, prägt die Plattform mit, wie Mitarbeitende ihre eigene Entwicklung sehen – und wie sie glauben vom Unternehmen wahrgenommen zu werden.

Genau an diesem Punkt greifen Vertrauen und Governance ineinander. Je stärker eine Lernplattform in Entscheidungen hineinwirkt, die Rollenreife, Eignung, Entwicklung oder Bewertungen betreffen, desto genauer müssen Unternehmen die Grenze zwischen Unterstützung und Einfluss ziehen. Der risikobasierte Ansatz des EU AI Act macht deutlich, dass KI-Systeme im Beschäftigungskontext, in der Personalsteuerung oder in der Selbstständigkeit – je nach Zweck und Einsatz – deutlich strengeren Governance-Anforderungen unterliegen können. Auch wenn eine einzelne Lernfunktion für sich genommen nicht als hochriskant gilt, steigen die Anforderungen an Vertrauen deutlich, sobald ihre Ergebnisse in beschäftigungsbezogene Entscheidungen einfließen.

Darum reicht es nicht, Vertrauen bei digitalen Lernplattformen über Tonalität, Launch-Kommunikation oder eine sauber formulierte FAQ herstellen zu wollen. Vertrauen entsteht nicht nachträglich durch Kommunikation, denn es ist eine Disziplin, die Design, Governance und zunehmend auch KI-Risikomanagement im Corporate Learning zusammenführt.

Wenn Vertrauen Audits, kritische Belegschaften und der täglichen Nutzung standhalten soll, braucht es Struktur. Zum Glück muss diese Struktur kein Rätselraten sein. Öffentliche Frameworks geben bereits eine sinnvolle Richtung vor. Das NIST AI Risk Management Framework beschreibt vertrauenswürdige KI anhand von Kriterien wie Validität, Zuverlässigkeit, Sicherheit, Schutz, Verantwortlichkeit, Transparenz, Erklärbarkeit, Datenschutz und Fairness. Die OECD AI Principles setzen ähnliche Schwerpunkte, z. B. bei Transparenz, Robustheit, Verantwortlichkeit und menschenzentrierten Werten.

Für L&D im Unternehmen werden diese Prinzipien aber erst dann relevant, wenn sie sich im Verhalten der Plattform widerspiegeln. In der Praxis zeigt sich das meist in sechs Bereichen.

Ein deutliches Zeichen dafür, dass Vertrauen noch nicht gezielt gesteuert wird, zeigt sich in der Art, wie es gemessen wird, falls es überhaupt gemessen wird.

Die meisten L&D-Teams können Kennzahlen wie Nutzung, Abschlussquoten, aktive Nutzende, Verweildauer und Zufriedenheit vorlegen. Das ist zwar hilfreich, aber es sind keine Vertrauensmetriken. Denn: Eine Plattform kann intensiv genutzt werden, weil sie verpflichtend ist, und ein System kann hohe Abschlussquoten erzielen, obwohl ihm stillschweigend misstraut wird.

Wenn Vertrauen im Alltag wirksam werden soll, braucht es Indikatoren, die Zuversicht, Widerspruch, Verständlichkeit und Kontrolle sichtbar machen. Dazu kann gehören, wie oft Mitarbeitende Quellenhinweise aufrufen, wie häufig sie von Empfehlungen abweichen, wie viele KI-gestützte Entscheidungen angefochten werden, wie schnell Feedback bearbeitet wird, wie oft Anfragen mit hohem Risiko an Menschen eskaliert werden und ob die Nutzung nicht freigegebener externer Tools sinkt, während das offizielle Nutzungserlebnis besser wird.

Genau an diesem Punkt wird die Diskussion über KI-Governance für HR und L&D konkreter. Governance dient nicht nur dazu, Worst-Case-Szenarien zu verhindern. Sie soll auch genug belastbare Anhaltspunkte schaffen, um zu verstehen, ob dem System aus den richtigen Gründen vertraut wird.

Ein einfacher Test lautet: Wenn das Vertrauen der Mitarbeitenden in die Plattform morgen sinken würde, wüssten Sie das, bevor daraus ein Shadow-AI-Problem wird? Wenn die Antwort "nein" lautet, ist Ihr Vertrauens-Framework noch unvollständig.

Inzwischen haben Mitarbeitende im Unternehmen jede erdenkliche Variante von „Responsible AI“-Kommunikation gehört. Aktuell ist der Markt voller selbstbewusster Versprechen. Oft klingen solche Aussagen stimmiger als die Systeme, die sie beschreiben. Mitarbeitende erkennen diese Diskrepanz heute sehr genau. Sie merken, wenn ein Unternehmen lediglich von Vertrauen erzählt, statt es in der tatsächlichen Nutzung aufzubauen.

Deshalb ist es für L&D so wichtig, Vertrauen konkret zu verankern. Lernsysteme liegen nah an Entwicklung, Performance, Compliance und Identität. In diesen Bereichen reagieren Menschen besonders sensibel – und das aus gutem Grund. Wenn Empfehlungen willkürlich wirken, fällt das schnell auf. Das gilt auch, wenn unklar bleibt, wie Daten genutzt werden oder wer übernimmt, wenn das System etwas falsch einordnet.

Ein Vertrauens-Framework für digitale Lernplattformen ist deshalb kein optionaler Zusatz zur Beruhigung, sondern vielmehr bildet er die Grundlage, die compliance-fähige Lernsysteme, KI-Risikomanagement im Corporate Learning und das tägliche Lernerlebnis zu einem stimmigen Gesamtbild verbindet.

Unternehmen, die das gut umsetzen, haben nicht immer die lauteste KI-Story. Aber ihre Mitarbeitenden können drei einfache Fragen mit Überzeugung beantworten: Was tut dieses System? Warum tut es das? Und was kann ich tun, wenn es etwas falsch macht?

Genau dort entsteht Vertrauen – und das nicht durch bloße Behauptungen, sondern im Design selbst.