KI-Etikette: Die neuen Normen für den Einsatz von KI am Arbeitsplatz

Von Victor Hoang · Aktualisiert am 26. August 2026

KI-Etikette sind die entstehenden Normen für einen respektvollen und transparenten KI-Einsatz bei der Arbeit: wann man sagt, dass man sie genutzt hat, wer die Anerkennung für KI-gestützte Ergebnisse erhält, welche Momente einen Menschen verlangen und wie stark man sich darauf stützen darf, bevor aus Hilfe eine Abkürzung wird, die niemand abgesegnet hat.

Nichts davon ist irgendwo offiziell festgehalten, und genau das ist das Problem. Auch „E-Mail-Etikette“ war einmal neu: wann man „Allen antworten“ nutzt, wie schnell eine Antwort erwartet wird. Teams haben das informell, ungleichmäßig und oft auf die harte Tour geklärt. KI-Etikette geht denselben Weg, nur steht mehr auf dem Spiel: Verstößt man gegen die E-Mail-Etikette, ärgert man eine Kollegin oder einen Kollegen. Verstößt man gegen die KI-Etikette, kann man still Vertrauen untergraben, die Arbeit eines anderen falsch zuordnen oder Kundendaten in ein Tool leiten, das niemand freigegeben hat.

Was „KI-Etikette“ wirklich bedeutet

KI-Etikette liegt eine Ebene unter der KI-Richtlinie. Die Richtlinie legt fest, welche Tools freigegeben sind und welche Daten sie berühren dürfen. Etikette ist alles, was die Richtlinie nicht abdeckt: die Abwägungen, die Menschen dutzendfach am Tag treffen und die kein Dokument vorhergesehen hat. Erwähnen Sie, dass Sie diese E-Mail mit KI entworfen haben? Sollte ein Notiz-Bot an genau diesem Meeting teilnehmen?

Die meisten Unternehmen haben inzwischen eine KI-Nutzungsrichtlinie, oft eine Seite zu freigegebenen Tools und zum Umgang mit Daten. Weit weniger haben etwas zu den sozialen Normen gesagt, und in dieser Lücke steckt der Großteil der tatsächlichen Reibung. Ein Richtliniendokument sagt einer Führungskraft nicht, ob es in Ordnung ist, mit KI Feedback für die Beurteilung eines Mitarbeitenden zu entwerfen. Eine Norm tut das, sobald ein Team tatsächlich darüber gesprochen hat.

Wichtige Fakten

• 57 % der Beschäftigten weltweit geben zu, KI-generierte Inhalte als eigene auszugeben, ohne das offenzulegen (53 % in den USA), laut einer KPMG-Studie mit mehr als 48.000 Menschen in 47 Ländern. Quelle: KPMG, Trust, attitudes and use of artificial intelligence
• 40 % der Büroangestellten in den USA erhielten im vergangenen Monat „Workslop“, KI-generierte Inhalte, die poliert aussehen, aber keine Substanz haben, was etwa 186 $ pro Beschäftigtem und Monat an Aufräumkosten verursacht. Quelle: BetterUp Labs and Stanford Social Media Lab, Workslop
• 39,7 % aller Daten, die Beschäftigte in KI-Tools übertragen, enthalten sensible Informationen, und zwar etwa alle drei Tage pro Beschäftigtem. Quelle: Cyberhaven, 2026 AI Adoption & Risk Report
• 33,4 % der erwerbstätigen Amerikaner sagen, ein KI-Notizassistent habe schon an einem Arbeitsmeeting teilgenommen, aber nur 34,7 % dieser Gruppe wurden immer vorher um Erlaubnis gefragt; 25,1 % wurden nie gefragt. Quelle: Kolmogorov Law / Pollfish survey, July 2026
• 60 % der Führungskräfte nutzen KI bereits bei Entscheidungen, aber nur 5 % sagen, sie steuerten das gut, eine Lücke, die die Forschung von Deloitte 2026 „Kulturschulden“ nennt. Quelle: Deloitte, 2026 Global Human Capital Trends
• Wenn Führungskräfte ihre eigene KI-Nutzung sichtbar vorlebten, berichteten Beschäftigte von 30 Punkten mehr Vertrauen in agentische KI, ein Beleg dafür, dass sich Normen eher über das Verhalten der Führung verbreiten als über Richtliniendokumente. Quelle: Microsoft Work Trend Index 2026
• 44 % der Beschäftigten in den USA sagen, ihr Arbeitgeber habe keine klare KI-Richtlinie oder sie wüssten nicht, ob es eine gibt, obwohl die meisten KI bereits für die Arbeit nutzen; in Unternehmen mit weniger als 10 Beschäftigten steigt dieser Wert auf 59 %. Quelle: Founder Reports, AI in the Workplace Report

Die Frage der Offenlegung: Sagt man, dass man KI genutzt hat?

Offenlegung ist die Norm, über die Teams am meisten streiten, meist ohne zu merken, dass sie darüber streiten, weil der Dissens als vages Unbehagen auftaucht statt als offene Debatte. Die KPMG-Zahlen oben beziffern, was viele Führungskräfte vermutet haben: Mehr als die Hälfte der Beschäftigten, die KI bei der Arbeit nutzen, sagt es nicht, und ein nennenswerter Teil gibt das Ergebnis aktiv als vollständig eigenes aus.

Die ehrliche Komplikation: „Immer offenlegen“ ist auch nicht offensichtlich richtig. Niemand erwartet eine Fußnote jedes Mal, wenn die Rechtschreibprüfung einen Tippfehler findet. Die Norm, die sich in der Praxis wirklich bewährt, skaliert die Offenlegung mit dem Einsatz: Leichte Bearbeitung braucht keine Erwähnung, substanzielle Inhalte, eine Analyse, eine Empfehlung, ein Entscheidungsmemo, dagegen wahrscheinlich schon, besonders wenn sich später jemand darauf verlässt. Diese Abwägung kann ein Richtliniendokument nicht für ein Team treffen; sie muss besprochen und vereinbart werden, idealerweise bevor die erste unangenehme Situation das Gespräch erzwingt. Den tieferen Wandel hinter dieser Spannung, von „Ich bediene das Tool“ zu „Ich beaufsichtige das Ergebnis“, behandelt was KI-native Kultur wirklich ist.

Zuordnung und Anerkennung: Wessen Arbeit ist das?

Eng mit der Offenlegung verwandt und ebenso ungelöst ist die Frage, wer die Anerkennung erhält, wenn ein Mensch und ein KI-Agent beide beigetragen haben. Wenn ein Agent den größten Teil eines Vorschlags entwirft und ein Mensch das letzte Fünftel überarbeitet, gehen die meisten Anerkennungssysteme noch immer davon aus, dass ein Mensch 100 % des Ergebnisses erstellt hat, weil das das einzige Modell ist, das sie je bewerten sollten.

Teams, die dieses Gespräch überspringen, landen meist an einem von zwei schlechten Orten. Manche blähen die Anerkennung still auf und lassen KI-gestützte Arbeit so wirken, als hätte ein Mensch alles allein gemacht, was Groll erzeugt, sobald Kolleginnen und Kollegen das Verhältnis durchschauen. Andere werten KI-gestützte Ergebnisse als irgendwie weniger legitim ab, was Menschen dafür bestraft, ein Tool zu nutzen, das oft die effiziente, ehrliche Wahl war. Keines der Extreme ist fair, und beide untergraben das Vertrauen, auf das Teams aus Menschen und Agenten angewiesen sind. Eine tragfähige Norm benennt die Aufteilung ehrlich: was der Agent erstellt hat, was der Mensch geändert oder geprüft hat und wer verantwortlich ist, falls es falsch ist. Dieser letzte Punkt zählt mehr als die ersten beiden zusammen, denn Anerkennung ohne Verantwortung ist nur Marketing.

Wann man KI nicht nutzt: Die Momente, die einen Menschen verlangen

Die meisten Gespräche über KI-Etikette drehen sich darum, wie man KI gut nutzt. Die schwierigere Hälfte ist die Einigung darauf, wann man sie gar nicht nutzt, weil manche Momente ein Gewicht tragen, das ein flüssiges Ergebnis nicht ersetzen kann.

Entlassungen, Leistungsbeurteilungen und andere schlechte Nachrichten

Beschäftigte merken, wenn eine schwierige Nachricht mit KI entworfen wurde, und das Erkennungszeichen ist nicht schlechte Grammatik, sondern eine unnatürliche Förmlichkeit, die so klingt, als sei sie darauf optimiert, Haftung zu vermeiden, statt von jemandem geschrieben zu sein, der die Entscheidung abgewogen hat. SHRM hat Arbeitgeber ausdrücklich davor gewarnt, Entlassungsnachrichten allein mit KI zu überbringen: Die Nachricht kann technisch das Richtige sagen und sich trotzdem hohl anfühlen, weil der Empfänger spürt, dass sich niemand lange genug mit der Entscheidung befasst hat, um sie selbst zu formulieren.

Beileid, Glückwünsche und andere persönliche Momente

Dieselbe Logik gilt im kleineren, persönlicheren Maßstab. Eine Nachricht an jemanden, der ein Familienmitglied verloren hat, oder ein Glückwunsch zu einem echten Meilenstein trägt gerade deshalb Bedeutung, weil ein Mensch sich ein paar Minuten Zeit genommen hat, sie zu verfassen. Sie vorher durch KI laufen zu lassen, riskiert nicht nur einen leicht schiefen Ton, es verändert, was die Geste ist. Der Moment hört auf, „jemand hat an mich gedacht“ zu sein, und wird zu „jemand hat das An-mich-Denken delegiert“, auch wenn der Empfänger nie erfährt, wie die Nachricht entstanden ist.

Einzelgespräche und Coaching-Gespräche

Die folgenreichste Variante zeigt sich in der laufenden Mitarbeiterführung. Eine Führungskraft kann KI nutzen, um Notizen zu strukturieren oder Gesprächspunkte vorzubereiten, aber das Coaching-Gespräch selbst, die Nachfragen, das Gespür dafür, wie es jemandem wirklich geht, ist jene zwischenmenschliche Arbeit, auf der psychologische Sicherheit und Vertrauen am Arbeitsplatz beruhen. Diese Substanz an ein KI-entworfenes Skript auszulagern, statt KI zur Vorbereitung zu nutzen, ist ein schneller Weg, einem Mitarbeitenden das Gefühl zu geben, ein Ticket zu sein statt ein Mensch.

Überabhängigkeit und Workslop: Wenn KI-Hilfe zu Mehrarbeit wird

Die Workslop-Forschung von BetterUp Labs und dem Social Media Lab der Stanford University benennt ein Fehlerbild, das so verbreitet ist, dass es ein eigenes Wort braucht: KI-generierte Inhalte, die fertig aussehen, es aber nicht sind, eine Präsentation, ein Bericht oder ein Stück Code, das den Anschein von Fortschritt erzeugt und das eigentliche Denken still auf den Empfänger abwälzt. Eine monatliche Häufigkeit von 40 % bedeutet, dass das kein Randfall ist, sondern eine Routinesteuer, die die meisten Büroangestellten bereits zahlen, ohne einen Namen dafür zu haben.

Der Etikettefehler unter dem Workslop ist subtil: Es geht nicht darum, dass jemand KI genutzt hat, sondern dass er einen ersten Entwurf wie einen fertigen behandelt und die Lücke an eine Kollegin oder einen Kollegen weitergereicht hat. Dieselbe Forschung fand, dass der Erhalt von Workslop das Bild vom Absender messbar beschädigt, mehr als die Hälfte sich geärgert fühlt und ein großer Teil diese Person als weniger vertrauenswürdig oder fähig einstuft, unabhängig von ihrer sonstigen Arbeit. Dieser Reputationsschaden wächst auf dieselbe Weise, wie KI-Slop externe Inhalte beschädigt: Qualitätsstandards erodieren, weil Menge leichter wurde als Tiefe.

Shadow AI und sensible Daten: Die Normen, die niemand aufgeschrieben hat

Ein großer Teil der Probleme mit KI-Etikette lässt sich auf eine einfachere Ursache zurückführen: Menschen nutzen KI-Tools, die ihr Arbeitgeber nie freigegeben hat, mitunter Shadow AI genannt. Das passiert, weil private KI-Konten nur einen Tab entfernt sind und die vorherige Frage nach Erlaubnis sich oft langsamer anfühlt, als die Arbeit einfach zu erledigen.

Das Risiko ist nicht hypothetisch. Die Forschung von Cyberhaven ergab, dass fast 40 % aller Daten, die Beschäftigte in KI-Tools übertragen, als sensibel gelten, Quellcode, Kundeninformationen, Finanzzahlen, und dass der durchschnittliche Beschäftigte das etwa alle drei Tage tut. Das meiste davon ist nicht böswillig, sondern jemand, der eine Kunden-E-Mail in einen Chatbot kopiert, um schneller eine Antwort zu entwerfen, ohne darüber nachzudenken, wohin diese Information gerade gegangen ist. Die Etikettenorm, die man ausdrücklich setzen sollte: Fragen Sie sich vor dem Einfügen von irgendetwas in ein KI-Tool, ob es für Sie in Ordnung wäre, wenn die betroffene Person genau sehen könnte, wohin es gegangen ist. KI-Governance behandelt die strukturelle Seite; Etikette ist die tägliche Gewohnheit, die verhindert, dass sich die Lücke zwischen Richtlinienprüfungen wieder öffnet.

KI in Meetings: Notizassistenten, Transkripte und Einwilligung

KI-Notizassistenten sind still zu einem der verbreitetsten KI-Tools bei der Arbeit geworden und zu einem der am wenigsten durch eine tatsächliche Norm geregelten. Ein Drittel der erwerbstätigen Amerikaner hatte inzwischen einen in einem Meeting dabei, und die Einwilligungsdaten sind die eigentliche Geschichte: Weniger als 35 % sagen, sie seien durchgängig vorher gefragt worden, und ein Viertel sagt, es sei nie gefragt worden.

Die Etikettelücke betrifft hier fast ausschließlich den Moment vor Meetingbeginn, nicht das Tool selbst. Anzukündigen, dass ein Bot aufzeichnet, und den Leuten eine echte Chance zum Widerspruch zu geben, kostet etwa zehn Sekunden. Das zu überspringen riskiert nicht nur ein rechtliches Problem in Rechtsordnungen mit Einwilligungspflicht für Aufzeichnungen, es signalisiert auch still, dass freies Sprechen transkribiert und irgendwohin weitergeleitet werden könnte. Das hat eine direkte Verbindung dazu, ob Menschen in Meetings schweigen oder sagen, was sie wirklich denken.

Warum explizite Normen besser sind als implizite

Jede der obigen Lücken hat dieselbe Ursache: Teams führen KI schneller ein, als sie sich darauf einigen, wie sie sie im Umgang miteinander nutzen. Die Daten von Founder Reports zeigen das Ausmaß deutlich: Die meisten Beschäftigten nutzen KI bereits, und fast die Hälfte sagt, ihr Arbeitgeber habe ihnen nie gesagt, wo die Grenzen liegen, schlimmer in kleineren Unternehmen, wo niemand dafür zuständig ist, diese Richtlinie zu schreiben.

Diese Normen implizit zu lassen, lässt die zugrunde liegende Spannung nicht verschwinden, es verschiebt nur die Kosten, derselbe Mechanismus, den die Deloitte-Forschung Kulturschulden nennt. Ein Team ohne explizite Offenlegungsnorm umgeht die Frage nicht, es beantwortet sie nur uneinheitlich, Person für Person, bis jemand an einer Annahme scheitert, der niemand zugestimmt hat. Explizite Normen sind günstiger, nicht weil sie perfekt wären, sondern weil sie hundert einzelne Abwägungen in ein Gespräch verwandeln, das das Team nur einmal führen muss und bei Veränderung der Tools erneut aufgreifen kann.

Ein praxisnahes Starterset an KI-Normen für Teams

Teams, die das richtig machen, schreiben etwas Kurzes und Konkretes auf statt etwas Erschöpfendes:

Das ist keine Vorlage, die man ohne Diskussion kopiert. Sie als Team aufzuschreiben, statt die Liste eines anderen zu übernehmen, schafft das gemeinsame Verständnis. Eine Norm, über die niemand gesprochen hat, überlebt selten den ersten mehrdeutigen Fall.

Wie Führungskräfte KI-Normen setzen, statt sie nur zu verkünden

Normen verbreiten sich nicht, weil eine Richtlinie per E-Mail verschickt wurde. Die Forschung von Microsoft zum Führungsverhalten ergab: Wenn eine Führungskraft ihre eigene KI-Nutzung sichtbar vorlebte, sie offenlegte und zugab, wo es schiefging, stieg das Vertrauen der Beschäftigten in agentische KI um 30 Punkte. Das ist ein Führungsbefund, kein technologischer: Menschen kalibrieren, was akzeptabel ist, indem sie beobachten, was ihre Führungskraft tut, nicht indem sie lesen, was das Unternehmen sagt.

Eine Führungskraft, die sagt „Ich habe das mit KI entworfen und dann die wichtigen Teile neu geschrieben“, setzt eine Offenlegungsnorm wirksamer als jede Folie im Onboarding-Deck. Dasselbe gilt für härtere Entscheidungen: Eine Führungskraft, die ihr schwieriges Feedback sichtbar selbst schreibt, statt es von KI entwerfen zu lassen, zeigt dem Team, wo die Grenze verläuft. Das ist dieselbe Dynamik wie bei der Frontier Firm und dem Aufstieg des Agent Boss, wo zur Aufgabe der Führungskraft zunehmend gehört, den Umgang mit KI vorzuleben. Sie ruht auf demselben Fundament wie was Geschäftskultur eigentlich ist: Normen sind das, was eine Gruppe unter Druck tut, nicht das, was auf einer Werte-Folie steht.

Wie es weitergeht

KI-Etikette steht im größeren Wandel, den was KI-native Kultur wirklich ist behandelt:

• Teams aus Menschen und Agenten, für die tiefere Mechanik der Zusammenarbeit mit einem Agenten, der handelt und nicht nur antwortet
• KI-Kulturschulden, für das, was passiert, wenn solche Normen nie ausdrücklich gemacht werden
• Psychologische Sicherheit am Arbeitsplatz, dafür, warum Menschen sich überhaupt sicher fühlen müssen, Zweifel an KI-gestützter Arbeit anzusprechen

Niemand wird Ihrem Team ein fertiges Handbuch zur KI-Etikette in die Hand drücken, denn die Tools ändern sich schneller, als ein Dokument es nachvollziehen könnte. Was sich nicht ändert, ist der zugrunde liegende Test: Wären Sie damit einverstanden, wenn die Person am anderen Ende genau wüsste, wie das entstanden ist? Teams, die diese Frage gemeinsam immer wieder ehrlich beantworten, bekommen Normen, die halten. Teams, die es dem Urteil Einzelner überlassen, enden bei den KPMG-Zahlen: Die Hälfte des Teams macht still ihr eigenes Ding.