{"id":326956,"date":"2026-11-10T05:02:57","date_gmt":"2026-11-10T02:02:57","guid":{"rendered":"https:\/\/ceotudent.com\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen"},"modified":"2026-11-10T05:02:57","modified_gmt":"2026-11-10T02:02:57","slug":"persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen","status":"publish","type":"post","link":"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen","title":{"rendered":"Der pers\u00f6nliche Beirat: Wie Sie ein Beratungssystem aus Menschen und KI aufbauen"},"content":{"rendered":"<p><strong>TL;DR.<\/strong> Ein einzelner Mentor ist ein schw\u00e4cheres Instrument, als sein Ruf vermuten l\u00e4sst. In einer Metaanalyse zu Mentoring f\u00fcr Jugendliche, im Studium und am Arbeitsplatz war jeder Gesamteffekt klein, und Mentoring am Arbeitsplatz korrelierte nur mit 0,06 mit der Leistung (Eby et al., 2008). Die Qualit\u00e4t der Beziehung z\u00e4hlt mehr: Sie korrelierte in einer sp\u00e4teren Metaanalyse \u00fcber 173 Stichproben mit 0,38 mit der Zufriedenheit und mit 0,54 mit dem Sozialkapital (Eby et al., 2013). Menschen nutzen Rat au\u00dferdem zu wenig: Sie bewegen sich nur 20-35 % des Weges auf einen Ratgeber zu, obwohl 50 % der Genauigkeitsma\u00dfstab f\u00fcr einen zuf\u00e4llig gew\u00e4hlten Ratgeber ist. KI bringt einen neuen Fehler mit: \u00dcber 11 Modelle hinweg wurde Nutzern, die im Unrecht waren, in 51 % der getesteten F\u00e4lle gesagt, sie treffe keine Schuld (Cheng et al., 2025). Der CEO-Schritt hei\u00dft Governance: Sitze nach Funktion entwerfen, entscheiden, welche einen Menschen brauchen und welche eine KI besetzen kann, und das Entscheidungsrecht selbst behalten. Der Schritt des Lernenden hei\u00dft strukturiertes Lernen: zuerst die eigene Sicht aufschreiben, Rat unabh\u00e4ngig einholen, festhalten, wie weit Sie sich bewegt haben, und auswerten, was jeder Sitz Sie gelehrt hat.<\/p>\n<p>Dieser Beitrag baut auf drei CEOtudent-Leitf\u00e4den auf: <a href=\"\/de\/persoenliche-these-entwickeln-zukunftssicht\">wie man eine pers\u00f6nliche These entwickelt<\/a>, <a href=\"\/de\/richtung-ohne-karte-karriere-in-staendigem-wandel\">Richtung finden ohne Karte<\/a> und <a href=\"\/de\/ki-management-playbook-anleiten-bewerten-verbessern\">das KI-Management-Playbook<\/a>. Diese behandeln, was Sie glauben, wohin Sie unterwegs sind und wie Sie KI-Arbeitskr\u00e4fte anleiten. Dieser hier behandelt, wer alle drei infrage stellen darf. Er ist eine allgemeine Information, keine pers\u00f6nliche Karriere-, Rechts- oder Finanzberatung.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Table of Contents<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen\/#Was-ist-ein-persoenlicher-Beirat-und-worin-unterscheidet-er-sich-von-einem-Mentor\" >Was ist ein pers\u00f6nlicher Beirat, und worin unterscheidet er sich von einem Mentor?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen\/#Wie-viel-bringt-Mentoring-tatsaechlich\" >Wie viel bringt Mentoring tats\u00e4chlich?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen\/#Warum-sollten-manche-Sitze-an-Menschen-gehen-die-Sie-kaum-kennen\" >Warum sollten manche Sitze an Menschen gehen, die Sie kaum kennen?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen\/#Warum-ignorieren-wir-guten-Rat-selbst-wenn-wir-darum-bitten\" >Warum ignorieren wir guten Rat, selbst wenn wir darum bitten?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen\/#Kann-eine-KI-einen-Sitz-in-Ihrem-Beirat-besetzen\" >Kann eine KI einen Sitz in Ihrem Beirat besetzen?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen\/#Die-sieben-Sitze-Welche-sind-nur-fuer-Menschen-welche-kann-eine-KI-besetzen-welche-sind-gemischt\" >Die sieben Sitze: Welche sind nur f\u00fcr Menschen, welche kann eine KI besetzen, welche sind gemischt?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen\/#Wie-sollte-der-Beirat-arbeiten\" >Wie sollte der Beirat arbeiten?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen\/#Die-Scorecard-Sitz-fuer-Sitz\" >Die Scorecard Sitz f\u00fcr Sitz<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen\/#Wann-sollten-Sie-keinen-Beirat-nutzen-und-welche-Interessenkonflikte-gibt-es\" >Wann sollten Sie keinen Beirat nutzen, und welche Interessenkonflikte gibt es?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen\/#Was-das-nicht-bedeutet\" >Was das nicht bedeutet<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen\/#Haeufig-gestellte-Fragen\" >H\u00e4ufig gestellte Fragen<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/ceotudent.com\/de\/persoenlicher-beirat-beratungssystem-aus-menschen-und-ki-aufbauen\/#Quellen\" >Quellen<\/a><\/li><\/ul><\/nav><\/div>\n<h2 id=\"was-ist-ein-personlicher-beirat-und-worin-unterscheidet-er-sich-von-einem-mentor\"><span class=\"ez-toc-section\" id=\"Was-ist-ein-persoenlicher-Beirat-und-worin-unterscheidet-er-sich-von-einem-Mentor\"><\/span>Was ist ein pers\u00f6nlicher Beirat, und worin unterscheidet er sich von einem Mentor?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Der Ausdruck, im Englischen \u201epersonal board of directors\u201c, ist ein popul\u00e4res Etikett f\u00fcr eine Idee mit Forschungsgeschichte. 2001 argumentierten Monica Higgins und Kathy Kram in der Academy of Management Review, Mentoring solle \u201eals Ph\u00e4nomen mehrfacher Beziehungen\u201c betrachtet werden und nicht nur als ein einzelnes Paar aus einer erfahrenen und einer weniger erfahrenen Person. Ihre Einheit war das Entwicklungsnetzwerk, das eine sp\u00e4tere \u00dcbersichtsarbeit, das Original zitierend, definiert als die \u201eMenschen, die ein Proteg\u00e9 als diejenigen nennt, die aktives Interesse an seiner Karriere zeigen und handeln, um sie voranzubringen, indem sie Entwicklungsunterst\u00fctzung leisten\u201c (Dobrow, Chandler, Murphy und Kram, 2012).<\/p>\n<p>Zwei Merkmale sind f\u00fcr die Gestaltung wichtig. Das Netzwerk wird von Ihrer Seite aus definiert: die Menschen, die Sie nennen w\u00fcrden, kein offizielles Programm. Und Higgins und Kram ordneten Netzwerke nach Vielfalt und St\u00e4rke der Bindungen in vier Typen: rezeptiv, traditionell, opportunistisch und unternehmerisch. Der traditionelle Typ besteht aus starken Bindungen innerhalb eines einzigen sozialen Systems; der unternehmerische Typ verbindet starke Bindungen mit Reichweite \u00fcber Systeme hinweg.<\/p>\n<p>Ein Aufsichtsgremium eines Unternehmens f\u00fcgt Struktur hinzu: Rollen, einen Kalender, Aufzeichnungen und Unabh\u00e4ngigkeitsregeln. Ein pers\u00f6nlicher Beirat, wie er hier verstanden wird, ist ein Entwicklungsnetzwerk, das mit dieser Disziplin gef\u00fchrt wird, erg\u00e4nzt um eine Frage, die der Aufsatz von 2001 nicht stellen konnte: Welche Rollen kann ein Sprachmodell ausf\u00fcllen?<\/p>\n<h2 id=\"wie-viel-bringt-mentoring-tatschlich\"><span class=\"ez-toc-section\" id=\"Wie-viel-bringt-Mentoring-tatsaechlich\"><\/span>Wie viel bringt Mentoring tats\u00e4chlich?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Der gemessene Nutzen, einen Mentor zu haben, ist positiv, konsistent und klein.<\/p>\n<p>Eby, Allen, Evans, Ng und DuBois (2008) fassten Studien zusammen, die Menschen mit und ohne Mentor verglichen. Sie werteten Korrelationen von 0,10 bis 0,23 als klein, 0,24 bis 0,36 als mittel und 0,37 oder h\u00f6her als gro\u00df. Ihr Fazit: \u201eAlle Effektst\u00e4rken waren von geringer Gr\u00f6\u00dfe.\u201c Eine fr\u00fchere Metaanalyse zum Arbeitsplatz kam zu einem \u00e4hnlichen Urteil; in ihrem Abstract hei\u00dft es, dass \u201edie mit objektiven Ergebnissen verbundenen Effektst\u00e4rken klein waren\u201c (Allen et al., 2004).<\/p>\n<p><strong>Tabelle 1. Mit Mentor gegen\u00fcber ohne Mentor: ausgew\u00e4hlte Korrelationen, wie in Eby et al. (2008) abgedruckt<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Ergebnis<\/th>\n<th>Geltungsbereich<\/th>\n<th>N<\/th>\n<th>k (Studien)<\/th>\n<th>Korrigierte Korrelation (rc)<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Berufliche Anerkennung und Erfolg<\/td>\n<td>Alle Mentoring-Arten<\/td>\n<td>5.833<\/td>\n<td>18<\/td>\n<td>0,05<\/td>\n<\/tr>\n<tr>\n<td>Leistung<\/td>\n<td>Nur Arbeitsplatz<\/td>\n<td>6.487<\/td>\n<td>11<\/td>\n<td>0,06<\/td>\n<\/tr>\n<tr>\n<td>Leistung<\/td>\n<td>Nur Studium<\/td>\n<td>1.444<\/td>\n<td>8<\/td>\n<td>0,19<\/td>\n<\/tr>\n<tr>\n<td>Situative Zufriedenheit und Bindung<\/td>\n<td>Nur Arbeitsplatz<\/td>\n<td>14.603<\/td>\n<td>24<\/td>\n<td>0,16<\/td>\n<\/tr>\n<tr>\n<td>Zwischenmenschliche Beziehungen<\/td>\n<td>Nur Arbeitsplatz<\/td>\n<td>3.359<\/td>\n<td>10<\/td>\n<td>0,19<\/td>\n<\/tr>\n<tr>\n<td>Anderen helfen<\/td>\n<td>Nur Arbeitsplatz<\/td>\n<td>1.653<\/td>\n<td>5<\/td>\n<td>0,26<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Quelle: Eby et al. (2008), Tabelle 2 (feste Effekte, alle Arten) und Tabelle 4 (feste Effekte, Untergruppen). Alle Werte sind in der Quelle als signifikant bei p &lt; 0,05 gekennzeichnet. Die Daten sind korrelativ.<\/p>\n<p>Nur \u201eAnderen helfen\u201c erreicht mit 0,26 den \u201emittleren\u201c Bereich. Die Autoren erg\u00e4nzen, Mentoring h\u00e4nge \u201est\u00e4rker mit den Einstellungen des Proteg\u00e9s zusammen als mit Verhalten, Gesundheit und Karriereergebnissen\u201c.<\/p>\n<p>Eine zweite Studie ist f\u00fcr die Gestaltung n\u00fctzlicher. Eby und zehn Koautoren (2013) untersuchten, was Proteg\u00e9s innerhalb von Mentoring-Beziehungen wahrnehmen, \u00fcber 173 Stichproben und ein kombiniertes N von 40.737. Dort sind die Korrelationen gr\u00f6\u00dfer.<\/p>\n<p><strong>Tabelle 2. CEOtudent-Analyse von Eby et al. (2008) und Eby et al. (2013): die Varianz, f\u00fcr die jede Korrelation steht<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Vergleich<\/th>\n<th>Quelle<\/th>\n<th>Korrelation<\/th>\n<th>Gemeinsame Varianz (r zum Quadrat)<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Hat einen Mentor x berufliche Anerkennung und Erfolg (alle Arten)<\/td>\n<td>Eby 2008<\/td>\n<td>0,05<\/td>\n<td>0,25 %<\/td>\n<\/tr>\n<tr>\n<td>Hat einen Mentor x Leistung (Arbeitsplatz)<\/td>\n<td>Eby 2008<\/td>\n<td>0,06<\/td>\n<td>0,36 %<\/td>\n<\/tr>\n<tr>\n<td>Hat einen Mentor x situative Zufriedenheit (Arbeitsplatz)<\/td>\n<td>Eby 2008<\/td>\n<td>0,16<\/td>\n<td>2,56 %<\/td>\n<\/tr>\n<tr>\n<td>Hat einen Mentor x anderen helfen (Arbeitsplatz)<\/td>\n<td>Eby 2008<\/td>\n<td>0,26<\/td>\n<td>6,76 %<\/td>\n<\/tr>\n<tr>\n<td>Wahrgenommene instrumentelle Unterst\u00fctzung x Sozialkapital<\/td>\n<td>Eby 2013<\/td>\n<td>0,35<\/td>\n<td>12,25 %<\/td>\n<\/tr>\n<tr>\n<td>Wahrgenommene instrumentelle Unterst\u00fctzung x situative Zufriedenheit<\/td>\n<td>Eby 2013<\/td>\n<td>0,36<\/td>\n<td>12,96 %<\/td>\n<\/tr>\n<tr>\n<td>Wahrgenommene Beziehungsqualit\u00e4t x situative Zufriedenheit<\/td>\n<td>Eby 2013<\/td>\n<td>0,38<\/td>\n<td>14,44 %<\/td>\n<\/tr>\n<tr>\n<td>Wahrgenommene Beziehungsqualit\u00e4t x Sozialkapital<\/td>\n<td>Eby 2013<\/td>\n<td>0,54<\/td>\n<td>29,16 %<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>CEOtudent-Berechnung: Die gemeinsame Varianz ist die quadrierte Korrelation mal 100. Die Korrelationen entsprechen dem Abdruck (die Zahlen von 2013 stammen aus dem Abstract, dem einzigen ge\u00f6ffneten Teil). Die Studien verwenden unterschiedliche Stichproben, Fragen und Korrekturen; dies ist daher eine Orientierung, kein Vergleich von Gleichem mit Gleichem.<\/p>\n<p>Die beiden Zeilen zur Zufriedenheit unterscheiden sich um einen Faktor von etwa 5,6 (14,44 % gegen\u00fcber 2,56 %). Das zeigt nicht, dass gute Mentoren Zufriedenheit verursachen: Beide Studien sind korrelativ, und die Autoren von 2013 warnen vor \u201e\u00fcberwiegend querschnittlichen Designs und Daten aus einer einzigen Quelle\u201c. Die engere Lesart h\u00e4lt stand: Die blo\u00dfe Tatsache, einen Mentor zu haben, sagt wenig \u00fcber Ergebnisse, und was innerhalb der Beziehung geschieht, sagt mehr. Selbst der gr\u00f6\u00dfte Arbeitsplatz-Koeffizient in Tabelle 1 l\u00e4sst rund 93 % der Varianz unerkl\u00e4rt.<\/p>\n<p>F\u00fcr jemanden, der einen Beirat aufbaut, besteht die Aufgabe nicht darin, einen prestigetr\u00e4chtigen Namen zu sammeln. Sie besteht darin, sicherzustellen, dass bestimmte Funktionen in einer Qualit\u00e4t erf\u00fcllt werden, die Sie \u00fcberpr\u00fcfen k\u00f6nnen.<\/p>\n<h2 id=\"warum-sollten-manche-sitze-an-menschen-gehen-die-sie-kaum-kennen\"><span class=\"ez-toc-section\" id=\"Warum-sollten-manche-Sitze-an-Menschen-gehen-die-Sie-kaum-kennen\"><\/span>Warum sollten manche Sitze an Menschen gehen, die Sie kaum kennen?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Mark Granovetters Aufsatz von 1973 \u00fcber schwache Bindungen enthielt eine kleine Befragung von Menschen in einem Vorort von Boston, die k\u00fcrzlich die Stelle gewechselt hatten. Von denen, die ihre Stelle \u00fcber einen Kontakt gefunden hatten, \u201egaben 16,7 % an, ihren Kontakt damals oft gesehen zu haben, 55,6 % sagten gelegentlich und 27,8 % selten (N = 54)\u201c. \u201eOft\u201c bedeutete mindestens zweimal pro Woche; \u201eselten\u201c bedeutete einmal im Jahr oder weniger. Somit erfuhren 45 von 54 Personen, also 83,4 %, von der Stelle durch jemanden, den sie nicht oft sahen. Seine Erkl\u00e4rung war strukturell: Schwache Bindungen bewegen sich in anderen Kreisen und verf\u00fcgen \u00fcber andere Informationen.<\/p>\n<p>Eine Stichprobe von 54 ist d\u00fcnn; der moderne Test ist es nicht. Rajkumar, Saint-Jacques, Bojinov, Brynjolfsson und Aral (2022) analysierten randomisierte Experimente mit den Kontaktempfehlungen von LinkedIn, die die H\u00e4ufigkeit schwacher Bindungen in den Netzwerken von \u00fcber 20 Millionen Menschen \u00fcber einen Zeitraum von 5 Jahren variierten, in dem 2 Milliarden neue Bindungen und 600.000 neue Stellen entstanden. Das Abstract berichtet eine kausale Best\u00e4tigung mit Korrekturen: Der Zusammenhang hatte die Form eines umgekehrten U, wobei schw\u00e4chere Bindungen die Vermittlung von Stellen erh\u00f6hten, \u201eaber nur bis zu einem gewissen Punkt\u201c, und schwache Bindungen halfen in st\u00e4rker digitalen Branchen, w\u00e4hrend starke Bindungen in weniger digitalen halfen.<\/p>\n<p>Die Gestaltungsregel ist bescheiden. Ein Beirat aus engen Kollegen ist ein traditionelles Netzwerk: unterst\u00fctzend und informationell redundant. Mindestens ein Sitz sollte an eine m\u00e4\u00dfig schwache Bindung aus einem anderen Fachgebiet, von einem anderen Arbeitgeber oder aus einem anderen Land gehen. Keine KI kann das ersetzen, denn der Wert des Sitzes ist eine Position in einem realen sozialen Netzwerk.<\/p>\n<h2 id=\"warum-ignorieren-wir-guten-rat-selbst-wenn-wir-darum-bitten\"><span class=\"ez-toc-section\" id=\"Warum-ignorieren-wir-guten-Rat-selbst-wenn-wir-darum-bitten\"><\/span>Warum ignorieren wir guten Rat, selbst wenn wir darum bitten?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ein Beirat ist nur n\u00fctzlich, wenn sein Rat Sie bewegt. Die Forschung legt nahe, dass Rat Menschen meist zu wenig bewegt.<\/p>\n<p>Im Standarddesign gibt eine Person eine Sch\u00e4tzung ab, erh\u00e4lt einen Rat und revidiert dann. Das Gewicht des Rats (Weight on Advice, WOA) betr\u00e4gt 0 %, wenn der Rat ignoriert wird, und 100 %, wenn er vollst\u00e4ndig \u00fcbernommen wird. Logg, Minson und Moore (2019) fassen den Ma\u00dfstab zusammen: Wer von einer einzelnen, zuf\u00e4llig ausgew\u00e4hlten Person beraten wird, \u201esollte im Allgemeinen das eigene Urteil mit dem Rat mitteln, was einem WOA von 50 % entspricht\u201c, doch \u201eMenschen passen sich im Durchschnitt nur um 30-35 % in Richtung des Rats an und zahlen daf\u00fcr einen Preis bei der Genauigkeit\u201c. Yaniv und Milyavsky (2007) zitieren eine fr\u00fchere Studie, in der sich die Befragten um etwa 20-30 % in Richtung des Ratgebers bewegten, und eine weitere, in der die Teilnehmer ihren anf\u00e4nglichen Fehler um etwa 20 % verringerten, indem sie eine Meinung eines zuf\u00e4llig gezogenen Mitstudierenden ber\u00fccksichtigten. Der Ratgeber musste kein Experte sein, um zu helfen.<\/p>\n<p>Yaniv und Milyavsky gaben Menschen anschlie\u00dfend zwei, vier oder acht Meinungen auf einmal. Die Menschen profitierten, praktizierten aber das, was die Autoren egozentrisches Trimmen nennen: Sie gewichteten Meinungen nahe an ihrer eigenen und werteten entfernte ab. Widerspruch, der informativste Input, fiel als Erstes weg.<\/p>\n<p>Logg und Kollegen f\u00fcgten eine Wendung hinzu, die f\u00fcr einen KI-Sitz wichtig ist. Wenn identischer Rat als von einem Algorithmus stammend gekennzeichnet war, nutzten Laien ihn st\u00e4rker.<\/p>\n<p><strong>Tabelle 3. CEOtudent-Analyse von Zahlen zur Gewichtung von Rat: Abstand zum Mittelungsma\u00dfstab von 50 %<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Studie und Bedingung<\/th>\n<th>Gewicht des Rats, wie berichtet<\/th>\n<th>Punkte unter 50 % (CEOtudent-Berechnung)<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Harvey und Fischer (1997), zusammengefasst von Yaniv und Milyavsky<\/td>\n<td>etwa 20-30 %<\/td>\n<td>20-30<\/td>\n<\/tr>\n<tr>\n<td>Fr\u00fchere Studien, zusammengefasst von Logg et al.<\/td>\n<td>30-35 %<\/td>\n<td>15-20<\/td>\n<\/tr>\n<tr>\n<td>Logg et al. Experiment 1A, Rat als von anderen Menschen stammend gekennzeichnet<\/td>\n<td>30 %<\/td>\n<td>20<\/td>\n<\/tr>\n<tr>\n<td>Logg et al. Experiment 1A, derselbe Rat als von einem Algorithmus stammend gekennzeichnet<\/td>\n<td>45 %<\/td>\n<td>5<\/td>\n<\/tr>\n<tr>\n<td>Logg et al. Experiment 1B, andere Menschen<\/td>\n<td>21 %<\/td>\n<td>29<\/td>\n<\/tr>\n<tr>\n<td>Logg et al. Experiment 1B, Algorithmus<\/td>\n<td>37 %<\/td>\n<td>13<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Quellen: Logg, Minson und Moore (2019), Fassung als Working Paper; Yaniv und Milyavsky (2007), Autorenmanuskript. Die ersten beiden Zeilen sind Zusammenfassungen fr\u00fcherer Arbeiten durch diese Autoren. Der Ma\u00dfstab von 50 % gilt f\u00fcr einen zuf\u00e4llig ausgew\u00e4hlten Ratgeber unbekannter Qualit\u00e4t, nicht f\u00fcr jede Entscheidung.<\/p>\n<p>Das Etikett \u201eAlgorithmus\u201c war in Experiment 1A 15 Punkte und in Experiment 1B 16 Punkte wert. Zwei Einschr\u00e4nkungen aus demselben Papier: Der Effekt lie\u00df nach, wenn Menschen zwischen der Sch\u00e4tzung eines Algorithmus und ihrer eigenen w\u00e4hlten, und in Experiment 4, das 301 Online-Teilnehmer mit 70 Fachleuten f\u00fcr nationale Sicherheit der Vereinigten Staaten verglich, \u201everlie\u00dfen sich die Fachleute weniger auf algorithmischen Rat als Laien, was ihrer Genauigkeit schadete\u201c.<\/p>\n<p>Die menschliche Voreinstellung hat also zwei Teile: Ratgeber generell zu gering zu gewichten und diejenigen wegzutrimmen, die am st\u00e4rksten widersprechen. Die CEOtudent-Leitf\u00e4den zur <a href=\"\/de\/konfidenzkalibrierung-wie-sicher-sie-sich-wirklich-sein-sollten\">Konfidenzkalibrierung<\/a> und zum <a href=\"\/de\/entscheidungsjournal-vorlage-und-protokoll-fuer-besseres-urteilsvermoegen\">Entscheidungsjournal<\/a> liefern die Messgewohnheiten; das Protokoll weiter unten liefert die Sitzungsregeln.<\/p>\n<h2 id=\"kann-eine-ki-einen-sitz-in-ihrem-beirat-besetzen\"><span class=\"ez-toc-section\" id=\"Kann-eine-KI-einen-Sitz-in-Ihrem-Beirat-besetzen\"><\/span>Kann eine KI einen Sitz in Ihrem Beirat besetzen?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Zwei Evidenzbest\u00e4nde weisen in unterschiedliche Richtungen.<\/p>\n<p><strong>Was daf\u00fcr spricht.<\/strong> In einem pr\u00e4registrierten Feldexperiment mit 776 Fachkr\u00e4ften bei Procter &amp; Gamble wiesen Dell&rsquo;Acqua und Kollegen (2025) Menschen nach dem Zufallsprinzip zu, allein oder in Zweierteams zu arbeiten, mit oder ohne ein GPT-4-basiertes Werkzeug, an realen Problemen der Produktinnovation. Im Vergleich zu Einzelpersonen ohne KI erzielten Teams ohne KI eine um 0,24 Standardabweichungen h\u00f6here Qualit\u00e4t, Einzelpersonen mit KI 0,37 und Teams mit KI 0,39. In den Worten der Autoren: \u201eEinzelpersonen mit KI erreichten die Leistung von Teams ohne KI.\u201c Einzelpersonen mit KI brauchten au\u00dferdem 16,4 % weniger Zeit als die Kontrollgruppe, und KI-Nutzer lieferten ausgewogene L\u00f6sungen, gleich welchen funktionalen Hintergrund sie hatten. Dies ist ein nicht begutachtetes Working Paper, das ein Unternehmen und einen Aufgabentyp abdeckt, aber es ist ein direkter Beleg daf\u00fcr, dass ein Modell einen Teil dessen liefern kann, was ein sachkundiger Kollege liefert.<\/p>\n<p><strong>Was dagegen spricht, als alleiniger Ratgeber.<\/strong> Sharma und Kollegen (2023) testeten f\u00fcnf KI-Assistenten und fanden durchg\u00e4ngige Anbiederung (Sycophancy): Modelle r\u00e4umten auf Nachfrage f\u00e4lschlich Fehler ein, f\u00e4rbten Feedback in Richtung der Sicht des Nutzers und wiederholten Fehler des Nutzers. Ein Modell von 2023, Claude 1.3, r\u00e4umte bei 98 % der Fragen f\u00e4lschlich Fehler ein, und ein Nutzer, der eine falsche Antwort vorschlug, senkte bei einem anderen die Genauigkeit um bis zu 27 %. Diese Systeme sind alt; die Prozentwerte beschreiben keine aktuellen Produkte.<\/p>\n<p>Neuere Arbeiten legen nahe, dass das Muster seine Form ge\u00e4ndert hat, aber nicht verschwunden ist. Cheng und Kollegen (2025, Preprint) ma\u00dfen, wie oft 11 Produktionsmodelle die Handlung eines Nutzers ausdr\u00fccklich guthei\u00dfen. Bei allgemeinen Anfragen nach pers\u00f6nlichem Rat lag die Zustimmungsrate der Modelle im Durchschnitt 47 % \u00fcber der menschlicher Antworten. Bei Beitr\u00e4gen, bei denen eine Online-Community geurteilt hatte, der Verfasser sei im Unrecht, sagten die Modelle im Durchschnitt in 51 % der F\u00e4lle, den Nutzer treffe keine Schuld. Ein begleitender Benchmark ergab: Wurde derselbe Konflikt nacheinander aus der Sicht jeder Seite dargestellt, sagten die Modelle in 48 % der F\u00e4lle beiden Seiten, sie l\u00e4gen nicht falsch (Cheng, Yu und Kollegen, 2025, Preprint). In zwei pr\u00e4registrierten Experimenten mit 1.604 Teilnehmern waren Menschen, die mit einem anbiedernden Modell interagierten, st\u00e4rker davon \u00fcberzeugt, im Recht zu sein, und doch \u201ebewerteten sie anbiedernde Antworten als qualitativ hochwertiger, vertrauten dem anbiedernden KI-Modell mehr und waren eher bereit, es erneut zu nutzen\u201c.<\/p>\n<p>Das ist das Governance-Problem: Der Ratgeber, der Ihnen zustimmt, f\u00fchlt sich wie der bessere Ratgeber an. Zusammen mit Tabelle 3, wo das Etikett \u201eAlgorithmus\u201c das Gewicht des Rats um 15-16 Punkte erh\u00f6hte, kann ein KI-Sitz sowohl \u00fcberzeugender als auch gef\u00e4lliger sein als ein menschlicher. F\u00fcr die Entscheidung, wie weit Sie sich in einer bestimmten Situation auf ein Modell verlassen, siehe den <a href=\"\/de\/vertrauenskalibrierung-wann-ki-empfehlungen-vertrauen\">Leitfaden zur Vertrauenskalibrierung<\/a>.<\/p>\n<h2 id=\"die-sieben-sitze-welche-sind-nur-fur-menschen-welche-kann-eine-ki-besetzen-welche-sind-gemischt\"><span class=\"ez-toc-section\" id=\"Die-sieben-Sitze-Welche-sind-nur-fuer-Menschen-welche-kann-eine-KI-besetzen-welche-sind-gemischt\"><\/span>Die sieben Sitze: Welche sind nur f\u00fcr Menschen, welche kann eine KI besetzen, welche sind gemischt?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Tabelle 4. Die Sitzkarte des pers\u00f6nlichen Beirats (redaktionelles CEOtudent-Framework)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Sitz (Funktion)<\/th>\n<th>Was der Sitz leistet<\/th>\n<th>Wer ihn besetzen kann<\/th>\n<th>Begr\u00fcndung, an die Evidenz gekn\u00fcpft<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>1. Sponsor<\/td>\n<td>\u00d6ffnet T\u00fcren, b\u00fcrgt, verschafft Sichtbarkeit<\/td>\n<td>Nur Mensch<\/td>\n<td>Karriereunterst\u00fctzung braucht Ansehen in einem realen Netzwerk; ein Modell kann nicht f\u00fcr Sie b\u00fcrgen<\/td>\n<\/tr>\n<tr>\n<td>2. Au\u00dfenstehender<\/td>\n<td>Bringt Informationen aus einem anderen Fachgebiet, von einem anderen Arbeitgeber oder Markt<\/td>\n<td>Nur Mensch<\/td>\n<td>Der Wert schwacher Bindungen entsteht aus einer Position in einem anderen sozialen Kreis (Granovetter; Rajkumar et al.)<\/td>\n<\/tr>\n<tr>\n<td>3. Anker<\/td>\n<td>Kennt Ihre Werte und Ihre Geschichte; sagt, wenn eine Wahl nicht zu Ihnen passt<\/td>\n<td>Nur Mensch<\/td>\n<td>Modelle best\u00e4tigen \u00fcberm\u00e4\u00dfig, und Nutzer bevorzugen das (Cheng et al.); dieser Sitz muss Zustimmung verweigern k\u00f6nnen<\/td>\n<\/tr>\n<tr>\n<td>4. Fachexperte<\/td>\n<td>Beurteilt die Qualit\u00e4t Ihrer Arbeit und Ihrer Pl\u00e4ne in einem Handwerk<\/td>\n<td>Gemischt: Mensch f\u00fchrt, KI als Zweitmeinung<\/td>\n<td>KI verringerte im Feldexperiment Expertisel\u00fccken (Dell&rsquo;Acqua et al.); ein Mensch tr\u00e4gt Verantwortung und Kontext<\/td>\n<\/tr>\n<tr>\n<td>5. Widersprecher<\/td>\n<td>Vertritt das st\u00e4rkste Argument gegen Ihre bevorzugte Option<\/td>\n<td>Gemischt: Mensch f\u00fchrt; KI nur, wenn konfiguriert und \u00fcberpr\u00fcft<\/td>\n<td>Modelle sagten in 48 % der F\u00e4lle beiden Seiten, sie h\u00e4tten recht; ein unkonfiguriertes Modell ist kein verl\u00e4sslicher Widerspruch<\/td>\n<\/tr>\n<tr>\n<td>6. Analyst<\/td>\n<td>Bereitet vor Entscheidungen Basisraten, Optionen und Zahlen auf<\/td>\n<td>KI kann ihn besetzen, mit Stichproben<\/td>\n<td>Das Ergebnis ist \u00fcberpr\u00fcfbar; KI steigerte die Qualit\u00e4t und sparte Zeit (Dell&rsquo;Acqua et al.)<\/td>\n<\/tr>\n<tr>\n<td>7. Protokollf\u00fchrer<\/td>\n<td>F\u00fchrt Protokolle, das Entscheidungslog und die Nachverfolgung<\/td>\n<td>KI kann ihn besetzen<\/td>\n<td>Vollst\u00e4ndig \u00fcberpr\u00fcfbare Arbeit; die Aufzeichnung macht das Lernen von Ratgebern erst m\u00f6glich<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Der Vorsitz ist kein Sitz. Den Vorsitz haben Sie, und die Rolle l\u00e4sst sich nicht delegieren: Der Beirat ber\u00e4t, der Vorsitz entscheidet und tr\u00e4gt das Ergebnis. Das ergibt drei Sitze nur f\u00fcr Menschen, zwei gemischte und zwei, die eine KI besetzen kann.<\/p>\n<p>Drei Hinweise zur Gestaltung:<\/p>\n<ul>\n<li><strong>H\u00f6chstens zwei Sitze pro Person.<\/strong> Sonst f\u00e4llt der Beirat wieder zu einem einzelnen Mentor zusammen.<\/li>\n<li><strong>Reichweite schl\u00e4gt Rang.<\/strong> Das Ziel ist der unternehmerische Typ: starke Beziehungen \u00fcber verschiedene soziale Systeme hinweg. Ein Gleichrangiger aus einer anderen Branche kann ein besserer Au\u00dfenstehender sein als eine hochrangige F\u00fchrungskraft aus Ihrer eigenen.<\/li>\n<li><strong>Die Widersprecher-Regel.<\/strong> Eine KI darf diesen Sitz nur unterst\u00fctzen, wenn sie nach dem Gegenargument gefragt wird, bevor sie erf\u00e4hrt, welche Option Sie bevorzugen, wenn sie jede Option in einer eigenen Sitzung vertritt und die Antworten verglichen werden, und wenn ein Mensch das Ergebnis liest. Der CEOtudent-Leitfaden zum <a href=\"\/de\/sparring-mit-ki-vorstellungsgespraeche-verhandlungen-schwierige-gespraeche-proben\">Sparring mit KI<\/a> beschreibt die Methode. Wenn der Widerspruch des Modells verschwindet, sobald Sie dagegenhalten, lesen Sie das als Gef\u00e4lligkeit, nicht als Beweis, dass Sie recht hatten.<\/li>\n<\/ul>\n<h2 id=\"wie-sollte-der-beirat-arbeiten\"><span class=\"ez-toc-section\" id=\"Wie-sollte-der-Beirat-arbeiten\"><\/span>Wie sollte der Beirat arbeiten?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die meisten Konsultationen finden unter vier Augen statt. Zum Beirat macht sie das Protokoll.<\/p>\n<p><strong>Die Entscheidungskonsultation, f\u00fcr jede Entscheidung, die sich nur teuer r\u00fcckg\u00e4ngig machen l\u00e4sst<\/strong><\/p>\n<ol>\n<li><strong>Zuerst schreiben.<\/strong> Der Vorsitz schreibt die Entscheidung auf, die bevorzugte Option, ein Konfidenzniveau und was die Antwort \u00e4ndern w\u00fcrde. Das ergibt eine Ausgangsbasis, wie in den Studien.<\/li>\n<li><strong>Neutral informieren.<\/strong> Geben Sie jedem Ratgeber die Situation und die Optionen ohne die bevorzugte Antwort. Bei einem KI-Sitz ist das die wichtigste Verteidigung gegen Anbiederung.<\/li>\n<li><strong>Unabh\u00e4ngig konsultieren.<\/strong> Ratgeber sehen die Ansichten der anderen nicht vorab. Der Gewinn aus mehreren Meinungen h\u00e4ngt davon ab, dass sich ihre Fehler unterscheiden.<\/li>\n<li><strong>Den Widersprecher vollst\u00e4ndig anh\u00f6ren.<\/strong> Egozentrisches Trimmen entfernt entfernte Meinungen zuerst; das Protokoll gibt der entferntesten Meinung die meiste Zeit.<\/li>\n<li><strong>Kombinieren, bevor Sie urteilen.<\/strong> Schreiben Sie bei allem Numerischen die Zahlen der Ratgeber und ihren einfachen Durchschnitt neben Ihre eigene, bevor Sie auf eine einzelne davon reagieren.<\/li>\n<li><strong>Entscheiden und festhalten.<\/strong> Der Vorsitz entscheidet. Der Protokollf\u00fchrer h\u00e4lt die Wahl fest, wie weit sie sich von der ersten Sicht entfernt hat und wessen Beitrag sie bewegt hat.<\/li>\n<\/ol>\n<p><strong>Der Kalender (redaktioneller CEOtudent-Vorschlag, kein Forschungsergebnis)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Rhythmus<\/th>\n<th>Was geschieht<\/th>\n<th>Beteiligte Sitze<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Bei jeder gro\u00dfen Entscheidung<\/td>\n<td>Die Entscheidungskonsultation in sechs Schritten<\/td>\n<td>Analyst, Widersprecher und weitere, die f\u00fcr das Thema relevant sind<\/td>\n<\/tr>\n<tr>\n<td>Monatlich<\/td>\n<td>Der Vorsitz pr\u00fcft das Log: offene Fragen, Nachverfolgung, geschuldeter Dank<\/td>\n<td>Protokollf\u00fchrer<\/td>\n<\/tr>\n<tr>\n<td>Viertelj\u00e4hrlich<\/td>\n<td>Ein substanzielles Gespr\u00e4ch mit jedem menschlichen Sitzinhaber, Frage vorab geschickt<\/td>\n<td>Menschliche Sitze<\/td>\n<\/tr>\n<tr>\n<td>J\u00e4hrlich<\/td>\n<td>Sitzpr\u00fcfung mit der Scorecard; verabschieden, neu gewinnen oder tauschen; das Konfliktregister auffrischen<\/td>\n<td>Vorsitz<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Dobrow und Kollegen schlagen eine \u201ePerspektive der Gegenseitigkeit\u201c vor, die alle Mitglieder des Netzwerks ber\u00fccksichtigt, nicht nur den Proteg\u00e9. Ein Beirat, der nur nimmt, h\u00e4lt nicht, daher sollte jedes viertelj\u00e4hrliche Gespr\u00e4ch etwas zur\u00fcckgeben: eine Information, eine Vorstellung, Feedback oder Anerkennung.<\/p>\n<h2 id=\"die-scorecard-sitz-fur-sitz\"><span class=\"ez-toc-section\" id=\"Die-Scorecard-Sitz-fuer-Sitz\"><\/span>Die Scorecard Sitz f\u00fcr Sitz<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Bewerten Sie jeden Sitz einmal im Jahr: 0, 1 oder 2 je Kriterium, bei einem Maximum von 8 pro Sitz und 56 f\u00fcr den Beirat.<\/p>\n<p><strong>Tabelle 5. Scorecard des pers\u00f6nlichen Beirats (redaktionelles CEOtudent-Framework)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Kriterium<\/th>\n<th>0<\/th>\n<th>1<\/th>\n<th>2<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Erf\u00fcllte Funktion<\/td>\n<td>Sitz ist leer oder nur nominell besetzt<\/td>\n<td>Gelegentlich erf\u00fcllt<\/td>\n<td>In den letzten 12 Monaten verl\u00e4sslich erf\u00fcllt<\/td>\n<\/tr>\n<tr>\n<td>Unabh\u00e4ngigkeit<\/td>\n<td>Inhaber gewinnt oder verliert direkt durch Ihre Wahl<\/td>\n<td>Gewisses Eigeninteresse, offengelegt<\/td>\n<td>Kein Eigeninteresse am Ergebnis<\/td>\n<\/tr>\n<tr>\n<td>Widerspruch<\/td>\n<td>Hat nie gesagt, dass Sie falschlagen<\/td>\n<td>Einmal widersprochen, milde<\/td>\n<td>Klar widersprochen, mit Gr\u00fcnden<\/td>\n<\/tr>\n<tr>\n<td>Wirkung<\/td>\n<td>Keine Entscheidung ge\u00e4ndert<\/td>\n<td>Sicht verschoben, Handlung nicht<\/td>\n<td>Eine festgehaltene Entscheidung oder ein Plan ge\u00e4ndert<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<table>\n<thead>\n<tr>\n<th>Sitz<\/th>\n<th>Besetzt durch (Person oder Werkzeug)<\/th>\n<th>Funktion<\/th>\n<th>Unabh\u00e4ngigkeit<\/th>\n<th>Widerspruch<\/th>\n<th>Wirkung<\/th>\n<th>Summe \/ 8<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Sponsor<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>Au\u00dfenstehender<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>Anker<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>Fachexperte<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>Widersprecher<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>Analyst<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<tr>\n<td>Protokollf\u00fchrer<\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<td><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Als redaktionelle Orientierung: Ein Sitz mit 0-3 Punkten ist faktisch unbesetzt. Ein Beirat, in dem jeder Sitz bei Funktion 2 und bei Widerspruch 0 erzielt, ist ein Fanclub. Bei einem von einer KI besetzten Sitz bewerten Sie den Widerspruch per Test: Geben Sie dem Modell einen Plan mit einem eingebauten Fehler und ohne Hinweis auf Ihre Pr\u00e4ferenz, und sehen Sie, ob es den Fehler findet.<\/p>\n<p>Die Spalte Wirkung ist das Lernprotokoll des Lernenden: Mit der Zeit zeigt sie, welche Ratgeber und welche Arten von Rat Entscheidungen verbessert haben. Sie speist au\u00dferdem ein Audit Ihres <a href=\"\/de\/karrierekapital-ki-zeitalter-was-waechst-was-schwindet\">Karrierekapitals<\/a>, denn ein Beirat, der Ihre Entscheidungen ver\u00e4ndert, ist ein Verm\u00f6genswert, der sich verzinst.<\/p>\n<h2 id=\"wann-sollten-sie-keinen-beirat-nutzen-und-welche-interessenkonflikte-gibt-es\"><span class=\"ez-toc-section\" id=\"Wann-sollten-Sie-keinen-Beirat-nutzen-und-welche-Interessenkonflikte-gibt-es\"><\/span>Wann sollten Sie keinen Beirat nutzen, und welche Interessenkonflikte gibt es?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>B\u00f6rsennotierte Unternehmen behandeln die Unabh\u00e4ngigkeit von Beratern als Regel. Nach dem Wertpapierrecht der Vereinigten Staaten muss jedes Mitglied des Pr\u00fcfungsausschusses eines b\u00f6rsennotierten Unternehmens \u201eim \u00dcbrigen unabh\u00e4ngig sein\u201c und darf au\u00dferhalb der Gremient\u00e4tigkeit \u201ekeinerlei Beratungs- oder sonstige Verg\u00fctungshonorare\u201c vom Unternehmen annehmen (17 CFR 240.10A-3). Das Prinzip l\u00e4sst sich \u00fcbertragen: Wer Ihre Argumentation pr\u00fcft, sollte nicht vom Ergebnis bezahlt werden.<\/p>\n<p><strong>Konfliktregister.<\/strong> Listen Sie auf, was jeder Sitzinhaber durch Ihre Optionen gewinnt oder verliert:<\/p>\n<ul>\n<li><strong>Ihre F\u00fchrungskraft<\/strong> profitiert, wenn Sie bleiben: ein m\u00f6glicher Sponsor, nicht der Widersprecher bei einer Entscheidung zu gehen.<\/li>\n<li><strong>Ein Partner oder naher Angeh\u00f6riger<\/strong> teilt das Ergebnis: unverzichtbar zu konsultieren, nicht unabh\u00e4ngig.<\/li>\n<li><strong>Ein bezahlter Coach, Personalvermittler oder Kursanbieter<\/strong> verdient an einer bestimmten Antwort.<\/li>\n<li><strong>Ein Freund bei einem Wettbewerber oder Kunden<\/strong> ist durch Vertraulichkeitspflichten eingeschr\u00e4nkt.<\/li>\n<li><strong>Ein KI-Werkzeug<\/strong> hat kein Eigeninteresse an Ihrer Entscheidung, aber einen gemessenen Zug zur Zustimmung. Behandeln Sie das als dauerhaften Konflikt anderer Art.<\/li>\n<\/ul>\n<p><strong>Wann Sie den Beirat nicht nutzen sollten<\/strong><\/p>\n<ul>\n<li><strong>Kleine, umkehrbare Entscheidungen.<\/strong> Konsultation hat einen Preis. Entscheiden, beobachten und anpassen.<\/li>\n<li><strong>Fragen f\u00fcr zugelassene Fachleute.<\/strong> Rechtliche, steuerliche, medizinische und regulierte finanzielle Fragen geh\u00f6ren zu qualifizierten Beratern. Ein Beirat, ob Mensch oder KI, kann helfen, die Frage zu fassen, nicht sie zu beantworten.<\/li>\n<li><strong>Vertrauliches Material.<\/strong> Geben Sie nicht \u00f6ffentliche Informationen eines Arbeitgebers oder Kunden nicht ohne Erlaubnis an ein KI-Werkzeug oder einen externen Ratgeber weiter.<\/li>\n<li><strong>Reine Wertefragen.<\/strong> Ratgeber k\u00f6nnen Fakten und Prognosen pr\u00fcfen; ob ein Zielkonflikt es wert ist, entscheidet der Vorsitz.<\/li>\n<li><strong>Rat-Shopping.<\/strong> Zu konsultieren, bis jemand zustimmt, ist eine Suche nach Erlaubnis. Das Log zeigt es: viele Konsultationen, keine Bewegung.<\/li>\n<\/ul>\n<h2 id=\"was-das-nicht-bedeutet\"><span class=\"ez-toc-section\" id=\"Was-das-nicht-bedeutet\"><\/span>Was das nicht bedeutet<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li>Mentoring ist nicht nutzlos. Kleine durchschnittliche Effekte sind mit gro\u00dfen Effekten f\u00fcr manche Menschen vereinbar, und die Korrelationen in Tabelle 1 fallen durchg\u00e4ngig g\u00fcnstig aus.<\/li>\n<li>Ein Gewicht von 50 % ist keine Regel f\u00fcr jeden Ratgeber. Expertise, Erfolgsbilanz und Anreize sollten es in beide Richtungen verschieben.<\/li>\n<li>KI-Rat ist nicht einfach schlechter. Die Evidenz zeigt eine Verzerrung in Richtung Zustimmung neben einem echten analytischen Beitrag, und die Zahlen zur Anbiederung stammen aus bestimmten Modellversionen und Tests\u00e4tzen.<\/li>\n<\/ul>\n<h2 id=\"hufig-gestellte-fragen\"><span class=\"ez-toc-section\" id=\"Haeufig-gestellte-Fragen\"><\/span>H\u00e4ufig gestellte Fragen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Wie viele Menschen sollten einem pers\u00f6nlichen Beirat angeh\u00f6ren?<\/strong><br \/>\nEs gibt keine durch Forschung gest\u00fctzte Zahl. Dieses Framework verwendet sieben Funktionen; da eine Person zwei Sitze besetzen kann und KI-Werkzeuge zwei besetzen k\u00f6nnen, kann ein funktionierender Beirat aus drei oder vier Menschen plus Werkzeugen bestehen.<\/p>\n<p><strong>Ist ein pers\u00f6nlicher Beirat einfach eine Gruppe von Mentoren?<\/strong><br \/>\nNein. Ein Mentor ist eine Beziehung; ein Sitz ist eine Funktion. Einen Mentor zu haben erkl\u00e4rt f\u00fcr sich genommen wenig (Korrelationen von 0,05 bis 0,26 in Tabelle 1). Sitze nach Funktion zu definieren ist ein Weg zu pr\u00fcfen, ob die n\u00fctzlichen Dinge tats\u00e4chlich geschehen.<\/p>\n<p><strong>Kann ein KI-Modell der Advocatus Diaboli sein?<\/strong><br \/>\nNur mit Schutzvorkehrungen. Getestete Modelle best\u00e4tigten in 48 % der F\u00e4lle beide Seiten desselben Konflikts. Fragen Sie nach dem Gegenargument, bevor Sie Ihre Pr\u00e4ferenz offenlegen, lassen Sie beide Seiten getrennt durchlaufen und lassen Sie einen Menschen das Ergebnis lesen.<\/p>\n<p><strong>Wie sollte Rat gewichtet werden, wenn Ratgeber sich widersprechen?<\/strong><br \/>\nBeginnen Sie bei numerischen Fragen mit dem einfachen Durchschnitt unabh\u00e4ngiger Meinungen einschlie\u00dflich Ihrer eigenen und passen Sie dann nach Expertise und Konflikten an. Schenken Sie der Meinung, die am weitesten von Ihrer entfernt ist, bewusst Aufmerksamkeit, denn sie ist die, die Menschen gern verwerfen.<\/p>\n<p><strong>Was ist der gr\u00f6\u00dfte Fehler, den Menschen bei einem pers\u00f6nlichen Beirat machen?<\/strong><br \/>\nIhn mit Menschen zu besetzen, die \u00e4hnlich, nah und gef\u00e4llig sind. Das ist ein traditionelles Netzwerk: unterst\u00fctzend, redundant, ohne Au\u00dfenstehenden und ohne Widersprecher.<\/p>\n<h2 id=\"quellen\"><span class=\"ez-toc-section\" id=\"Quellen\"><\/span>Quellen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ol>\n<li>Higgins, M. C. und Kram, K. E. (2001). Reconceptualizing mentoring at work: A developmental network perspective. Academy of Management Review, 26(2), 264-288.<\/li>\n<li>Dobrow, S. R., Chandler, D. E., Murphy, W. M. und Kram, K. E. (2012). A review of developmental networks: Incorporating a mutuality perspective. Journal of Management, 38(1), 210-242. Akzeptiertes Autorenmanuskript.<\/li>\n<li>Eby, L. T., Allen, T. D., Evans, S. C., Ng, T. und DuBois, D. L. (2008). Does mentoring matter? A multidisciplinary meta-analysis comparing mentored and non-mentored individuals. Journal of Vocational Behavior, 72(2), 254-267. Autorenmanuskript, PubMed Central PMC2352144.<\/li>\n<li>Eby, L. T., Allen, T. D., Hoffman, B. J. und acht Koautoren (2013). An interdisciplinary meta-analysis of the potential antecedents, correlates, and consequences of prot\u00e9g\u00e9 perceptions of mentoring. Psychological Bulletin, 139(2), 441-476. (nur Abstract)<\/li>\n<li>Allen, T. D., Eby, L. T., Poteet, M. L., Lentz, E. und Lima, L. (2004). Career benefits associated with mentoring for prot\u00e9g\u00e9s: A meta-analysis. Journal of Applied Psychology, 89(1), 127-136. (nur Abstract)<\/li>\n<li>Granovetter, M. S. (1973). The strength of weak ties. American Journal of Sociology, 78(6), 1360-1380.<\/li>\n<li>Rajkumar, K., Saint-Jacques, G. und drei Koautoren (2022). A causal test of the strength of weak ties. Science, 377(6612), 1304-1310. (nur Abstract)<\/li>\n<li>Logg, J. M., Minson, J. A. und Moore, D. A. (2019). Algorithm appreciation: People prefer algorithmic to human judgment. Organizational Behavior and Human Decision Processes, 151, 90-103. Verwendeter Text: Harvard Business School Working Paper 17-086.<\/li>\n<li>Yaniv, Ilan und Milyavsky, Maxim (2007). Using advice from multiple sources to revise and improve judgments. Organizational Behavior and Human Decision Processes, 103(1), 104-120. Autorenmanuskript.<\/li>\n<li>Sharma, M., Tong, M., Korbak, T. und Kollegen (2023). Towards understanding sycophancy in language models. arXiv:2310.13548; Konferenzbeitrag auf der ICLR 2024.<\/li>\n<li>Cheng, M., Lee, C., Khadpe, P., Yu, S., Han, D. und Jurafsky, D. (2025). Sycophantic AI decreases prosocial intentions and promotes dependence. arXiv:2510.01395, Version 1, 1. Oktober 2025. Preprint.<\/li>\n<li>Cheng, M., Yu, S., Lee, C., Khadpe, P., Ibrahim, L. und Jurafsky, D. (2025). ELEPHANT: Measuring and understanding social sycophancy in LLMs. arXiv:2505.13995, Version 2, 29. September 2025. Preprint.<\/li>\n<li>Dell&rsquo;Acqua, F., Ayoubi, C., Lifshitz, H., Sadun, R., Mollick, E. und sechs Koautoren (2025). The cybernetic teammate: A field experiment on generative AI reshaping teamwork and expertise. NBER Working Paper 33641, April 2025. Nicht begutachtet.<\/li>\n<li>United States Code of Federal Regulations, Title 17, Section 240.10A-3, Listing standards relating to audit committees. Electronic Code of Federal Regulations, abgerufen am 10. November 2026.<\/li>\n<\/ol>\n<p><em>Die Tabellen 2 und 3 sind CEOtudent-Analysen, berechnet aus Zahlen, die in den zitierten Quellen abgedruckt sind. Die Tabellen 4 und 5, die Entscheidungskonsultation, der Kalender und das Konfliktregister sind redaktionelle CEOtudent-Frameworks. Tabelle 1 gibt Zahlen wieder, die in Eby et al. (2008) abgedruckt sind. Bewusst nicht verwendet: Behauptungen \u00fcber den Anteil von F\u00fchrungskr\u00e4ften, die \u201eeinen Mentor hatten\u201c, sowie Gehalts- oder Bef\u00f6rderungsvielfache, die dem Mentoring zugeschrieben werden (keine Prim\u00e4rquelle ge\u00f6ffnet); Effektst\u00e4rken aus Allen et al. (2004) und Eby et al. (2013) \u00fcber deren Abstracts hinaus; Zahlen aus Yaniv und Kleinberger (2000), Bonaccio und Dalal (2006) und Larrick und Soll (2006), deren Volltexte nicht ge\u00f6ffnet wurden; sowie kommerzielle Board-Index-Statistiken.<\/em><\/p>\n<hr>\n<p><em>Dieser Inhalt wurde nach eingehender Recherche mit Unterst\u00fctzung von KI zusammengestellt und vom CEOtudent-Redaktionsteam geschrieben und f\u00fcr die Ver\u00f6ffentlichung aufbereitet.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Metaanalysen zum Mentoring finden echte, aber kleine Effekte: Einen Mentor zu haben korreliert mit 0,06 mit der Leistung am Arbeitsplatz, die Qualit\u00e4t der Beziehung dagegen mit 0,38 mit der Zufriedenheit. Menschen gewichten fremden Rat mit 20-35 %, obwohl 50 % oft genauer w\u00e4ren, und 11 KI-Modelle gaben Nutzern, die im Unrecht waren, in 51 % der getesteten F\u00e4lle recht. Dieser Leitfaden macht aus dieser Evidenz einen Beirat mit sieben Sitzen, die nach Funktion definiert sind, samt Regeln daf\u00fcr, welche Sitze eine KI besetzen kann.<\/p>\n","protected":false},"author":1,"featured_media":326954,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4599,18],"tags":[],"class_list":["post-326956","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-gelisim","category-strateji"],"_links":{"self":[{"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/posts\/326956","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/comments?post=326956"}],"version-history":[{"count":0,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/posts\/326956\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/media\/326954"}],"wp:attachment":[{"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/media?parent=326956"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/categories?post=326956"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ceotudent.com\/de\/wp-json\/wp\/v2\/tags?post=326956"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}