Immer mehr Beschäftigte in der Wissensarbeit stehen vor einem karriererelevanten Dilemma: Je offener sie den Einsatz künstlicher Intelligenz in Projekten kommunizieren, desto häufiger wird ihre tatsächliche Leistung marginalisiert. Manager neigen dazu, kognitive Schwerstarbeit automatisch der Technologie zuzuschreiben, was zu ausbleibenden Beförderungen, schlechteren Leistungsbewertungen und einem Rückgang der Eigenverantwortung führt. Praktische Erfahrungen aus der Industrie verdeutlichen das Problem. Analysten und IT-Entwickler berichteten, dass ihr Management bereits nach ersten Transparenzsignalen alle Erfolge als KI-generiert einstufte. Die Folge ist ein psychologisches Gefangenensein: Wer den Einsatz verschleiert, riskiert den Vorwurf intransparenter Arbeitsweisen; wer ihn offenlegt, erleidet einen messbaren Karriereverlust, den Wissenschaftler als KI-Strafe bezeichnen. Eine Metaanalyse der Northeastern University bestätigt diesen Trend: Vorgesetzte deuten die Offenlegung von KI-Einsatz standardmäßig als Signal verminderter menschlicher Leistungsfähigkeit. Zur Steuerung des KI-Einsatzes setzen Unternehmen zunächst auf technische Metriken. Viele verfolgen den Token-Verbrauch, um Häufigkeit und Umfang der Interaktionen nachzuverfolgen. Diese Methode erwies sich jedoch als kontraproduktiv, da sie zu sinnlosem Mehrfachabfragen animierte. Amazon setzte interne Token-Leaderboards daher zurück und appellierte an seine Belegschaft, KI gezielt statt aus Pflichtbewusstsein einzusetzen. Parallel dazu entwickeln Organisationen wie IBM und Carnegie Mellon University differenziertere Attribution-Standards. Werkzeuge wie der IBM AI Attribution Toolkit oder OpenHands von Graham Neubig sollen durch granulare Rollenverteilung nachvollziehbar machen, welche Teile eines Codes oder Textes maschinell generiert und welche menschlich geprüft wurden. Trotz dieser technischen Ansätze bleibt die kulturelle Dimension zentral. Thomas Prommer von Adidas beobachtete, dass verpflichtende KI-Attributionspflichten die Innovationsfreude blockierten, da Mitarbeiter ihre Beiträge nicht mehr mit der Technologie verknüpft wissen wollten. Die Diskussion verschiebt sich daher von der reinen Quellenangabe hin zur Ergebnisverantwortung. Alessio Artuffo, CEO von Docebo, argumentiert, dass nicht der Herstellungsprozess im Mittelpunkt stehen dürfe, sondern die Fähigkeit, das Ergebnis zu verteidigen, zu verbessern und für Fehler haften zu können. Ein ähnliches Muster zeigte sich bereits bei Amazon, wo Mitarbeiter für Fehlleistungen eines KI-Agents diszipliniert wurden, während die Produktivitätssteigerung unsichtbar blieb. Fachleute wie Oliver Schilke von der University of Arizona betonen, dass generative KI-Systeme substantielle inhaltliche Beiträge leisten, die sich von traditionellen Programme wie Excel unterscheiden. Dennoch drohe der aktuelle Fokus auf Transparenz zu einer capability regression zu führen: Beschäftigte produzieren zwar mehr Output, verlieren aber das Gefühl der Eigenverantwortung. Die Lösung liege in kollektiven Governance-Strukturen, die KI-Kompetenz als karrierefördernd einstufen. Bis dahin navigieren Wissensarbeiter zwischen dem Druck zur Effizienzsteigerung und der wachsenden Unsicherheit über die Zukunft menschlicher Urheberschaft in hybriden Arbeitsprozessen.