Was KI im Unternehmen akzeptiert macht
KI schafft erst dann Wert, wenn Menschen ihr vertrauen und sie nutzen. In meiner Seminararbeit an der Universität des Saarlandes habe ich systematisch ausgewertet, was die Akzeptanz von KI-gestützten Entscheidungen in Unternehmen fördert und was sie bremst. Hier findest du die Ergebnisse in verständlicher Form und was sie für Projekte in deinem Betrieb bedeuten.
Die Arbeit
From Aversion to Appreciation: A Systematic Literature Review on Drivers and Barriers of Acceptance of AI-Based Decision-Making
Deutsch etwa: Von Ablehnung zu Wertschätzung: Treiber und Barrieren der Akzeptanz KI-gestützter Entscheidungen
- Art
- Seminararbeit im Master Digitale Betriebswirtschaftslehre (M.Sc.)
- Hochschule
- Universität des Saarlandes
- Betreuung
- Prof. Dr. Benedikt Schnellbächer
- Semester
- Wintersemester 2026/27, abgegeben am 27.10.2026
- Forschungsfrage
- Was fördert und was bremst die Akzeptanz von KI-gestützten Entscheidungen in Unternehmen, die mit anderen Unternehmen arbeiten (B2B)?
So bin ich vorgegangen
Eine systematische Literaturübersicht folgt einem festen, nachvollziehbaren Verfahren: Suchbegriffe und Datenbanken werden vorab festgelegt, jeder Treffer wird nach klaren Kriterien geprüft, und die Ergebnisse werden nach Themen zusammengeführt. So lässt sich nachvollziehen, worauf jede Aussage beruht.
- 3Datenbanken durchsucht (EBSCO Host, ScienceDirect, Web of Science)
- 106Treffer der Suche, 76 nach Entfernen der Duplikate
- 2Runden Vorwärts- und Rückwärtssuche in den Literaturlisten
- 42Arbeiten direkt ausgewertet und zitiert
Die Ergebnisse und was sie für dein Projekt heißen
Die Literatur zeigt weder eine pauschale Ablehnung noch eine pauschale Begeisterung für KI. Es kommt darauf an, wie und wann sie eingeführt wird. Diese sechs Punkte haben die größte Bedeutung für die Praxis.
- Ergebnis 1
Nutzen schlägt Bedienkomfort
Der wahrgenommene Nutzen war in beiden Akzeptanz-Umfragen, die ihn getestet haben, ein Treiber, in einer davon der stärkste aller geprüften Einflüsse. Die einfache Bedienung wirkte nur in einer der beiden.
So setze ich das umWir starten nicht bei der Technik, sondern bei der Frage, was dir eine Lösung konkret bringt. Deshalb gibt es vor jedem Projekt eine Ist-Analyse und eine ehrliche Nutzenrechnung.
- Ergebnis 2
Wissen im Team ist ein Treiber
In einer Umfrage unter 392 kleinen und mittleren B2B-Unternehmen trug das Wissen der Mitarbeitenden über KI am meisten zur Akzeptanz bei. In einer weiteren Studie hingen Vertrauen, Datenqualität und Datenverwaltung mit der Bereitschaft für KI zusammen.
So setze ich das umDein Team wird von Anfang an mitgenommen, mit Workshops, verständlicher Dokumentation und Daten, die sauber und an einem Ort liegen.
- Ergebnis 3
Unklare Verantwortung bremst
Als Barrieren nannten Einkäufer und Anbieter vor allem die Frage, wer für KI-Entscheidungen geradesteht, undurchsichtige Blackbox-Systeme und Kosten im Verhältnis zum Nutzen. In Branchenumfragen war fehlende Datenqualität das am häufigsten genannte Hindernis.
So setze ich das umJede Automatisierung bekommt klare Zuständigkeiten und nachvollziehbare Regeln. Was die Lösung tut, ist dokumentiert und kein Geheimnis.
- Ergebnis 4
Sichtbare menschliche Kontrolle wirkt
In einem Experiment mit 612 Entscheidern hob sichtbare menschliche Aufsicht die wahrgenommene Fairness stärker an als technische Erklärungen des Algorithmus.
So setze ich das umWo es zählt, prüft und gibt ein Mensch frei: Antwortentwürfe gehen erst nach Freigabe raus, wichtige Entscheidungen bleiben bei deinem Team.
- Ergebnis 5
Erst Vertrauen, nach Fehlern Skepsis
Menschen folgen algorithmischen Ratschlägen oft bereitwillig, solange sie keinen Fehler gesehen haben. Nach einem sichtbaren Fehler wählen sie den Algorithmus seltener. Eine B2B-Studie deutet beides als aufeinanderfolgende Phasen.
So setze ich das umWir planen realistische Erwartungen und eine Testphase ein. Fehler werden früh sichtbar und behoben, bevor die Lösung im Alltag läuft.
- Ergebnis 6
Übertriebene KI-Versprechen schaden
Wer seine KI-Fähigkeiten übertreibt, riskiert seinen Ruf: In einer Umfrage unter 309 Fachleuten ging wahrgenommenes „AI Washing“ mit schlechteren Bewertungen von Ruf und Glaubwürdigkeit einher.
So setze ich das umIch verkaufe keine Wunder. Wenn eine einfache Automatisierung reicht, nennen wir sie auch so, und wenn sich etwas nicht rechnet, sage ich es.
Ehrlich zu den Grenzen
Wissenschaftlich zu arbeiten heißt auch, klar zu sagen, was eine Arbeit nicht leisten kann:
- Es handelt sich um eine Seminararbeit im Masterstudium, nicht um eine begutachtete Veröffentlichung.
- Einige Ergebnisse stützen sich auf einzelne Studien, Interviewstudien oder Gelegenheitsstichproben. Die Arbeit weist an den betreffenden Stellen darauf hin.
- Mehrere Experimente zu Ablehnung und Wertschätzung stammen aus Situationen außerhalb des B2B-Bereichs.
- Treiber und Barrieren lassen sich mit der vorhandenen Literatur nicht verlässlich gegeneinander gewichten.
Du möchtest die vollständige Arbeit mit allen Quellen lesen? Schreib mir, ich schicke sie dir gern zu.
Lass uns deine Zeitfresser finden
Die Bestandsaufnahme, die Ist-Analyse und das Lösungskonzept danach sind kostenlos und unverbindlich.
Oder probier zuerst den ROI-Rechner und den KI-Check.

