Wer hat’s gemacht? Wie Avatare KI-Teams verständlicher machen

Sie sehen das Ergebnis, aber nicht, wer welchen Teil dazu beigetragen hat. Dadurch wird es schwieriger, die Antwort einzuschätzen. Kam eine Zahl vom Datenanalyse-Agenten? Wurde eine Empfehlung aus recherchierten Informationen abgeleitet? Oder hat ein Agent lediglich eine kreative Möglichkeit vorgeschlagen? Diese Fragen sind gerade im Unternehmenskontext wichtig. Wer KI-Ergebnisse für Entscheidungen, Kundenkommunikation oder interne Prozesse nutzt, muss verstehen können, wie sie entstanden sind. Bleibt die Zusammenarbeit der Agenten verborgen, wird das System zur Black Box.

Avatare für mehr Transparenz

Unsere Forschung untersucht, ob Avatare diese Black Box ein Stück weit öffnen können. Dazu erhalten die verschiedenen KI-Agenten visuelle Repräsentationen. Ein Symbol oder eine Figur zeigt, welche Rolle ein Agent im System übernimmt. Eine Lupe kann beispielsweise für Recherche stehen, eine Glühbirne für Ideenentwicklung und ein Diagramm für Datenanalyse. Solche Avatare sollen die KI nicht menschlicher erscheinen lassen, als sie ist. Ihre eigentliche Aufgabe ist funktional: Sie machen Arbeitsteilung sichtbar.

In unserer Studie entwickelten wir elf Avatare für typische Aufgaben der Wissensarbeit. Dabei zeigte sich, dass Nutzende die jeweilige Expertise häufig bereits anhand der visuellen Gestaltung erkennen konnten. Sie mussten keine ausführliche technische Beschreibung lesen. Das Bild vermittelte die Rolle schneller.

Mehr als gestalterische Spielerei

Die Einführung von KI ist immer auch ein Lernprozess. Beschäftigte müssen herausfinden, wofür ein System geeignet ist, wie seine Ergebnisse zustande kommen und an welchen Stellen eine menschliche Prüfung notwendig bleibt. Visuelle Hinweise können dabei helfen, ein zutreffenderes Bild von der Arbeitsweise des Systems zu entwickeln. Wenn neben einem Textabschnitt sichtbar ist, welcher Agent ihn erstellt oder vorbereitet hat, wird die Struktur der KI-Zusammenarbeit greifbarer. Nutzende sehen nicht nur das Ergebnis. Sie erkennen zumindest in Grundzügen auch den Weg dorthin.

Das kann die Kontrolle erleichtern. Ein Analyseergebnis wird anders geprüft als eine kreative Idee. Eine recherchierte Information verlangt andere Nachweise als ein Formulierungsvorschlag. Je klarer die Rolle des beteiligten Agenten ist, desto gezielter kann das Ergebnis bewertet werden. Dabei müssen Erklärungen nicht lang sein. Ausführliche Beschreibungen jedes einzelnen Arbeitsschritts können selbst zur Belastung werden. Wer bei jeder Antwort zunächst einen technischen Bericht lesen muss, wird die Erklärung eher ignorieren. Avatare bieten eine leichtgewichtigere Form der Transparenz.

Auch Vertrauen kann davon profitieren. Vertrauen entsteht bei KI nicht allein dadurch, dass eine Antwort überzeugend klingt. Es entsteht vor allem dann, wenn Nutzende die Fähigkeiten und Grenzen eines Systems realistisch einschätzen können. Ein sichtbarer Datenanalyse-Agent macht ein Ergebnis nicht automatisch korrekt. Er hilft aber zu verstehen, welche Art von Verarbeitung dahintersteht und wo eine Überprüfung sinnvoll ist. Für KMU ergibt sich daraus eine wichtige Lehre: Bei der Einführung von KI sollte nicht nur die Qualität der Ergebnisse betrachtet werden. Ebenso wichtig ist die Frage, wie verständlich das System seine eigene Arbeitsweise vermittelt.

Das kann durch Avatare geschehen, aber auch durch eindeutige Symbole, Rollenbezeichnungen oder kurze Hinweise direkt am jeweiligen Ergebnis. Entscheidend ist, dass die Darstellung konsistent bleibt. Avatare lösen dabei nicht jedes Transparenzproblem. Sie erklären keine Modellarchitektur und garantieren keine korrekten Antworten. Schlecht gestaltete Figuren können sogar falsche Erwartungen wecken oder technische Systeme unnötig vermenschlichen. Deshalb sollten sie nicht Persönlichkeit simulieren, sondern Verantwortung und Funktion sichtbar machen. Die entscheidende Frage lautet also nicht, ob ein KI-Agent freundlich oder sympathisch aussieht. Sie lautet: Hilft seine Darstellung dabei, das Ergebnis besser zu verstehen und angemessen zu prüfen?

Wenn das gelingt, wird aus einem anonymen KI-System ein nachvollziehbareres digitales Team. Mitarbeitende erhalten dann nicht nur Antworten. Sie lernen auch, wie die unterschiedlichen Teile des Systems zusammenarbeiten und wie sie deren Beiträge einordnen können.

Dieser Beitrag basiert auf der Forschung von Rapp, Feick, Jainta, Maedche (2026) mit dem Titel „Who Did What? Designing Avatars for Explainable Multi-Agent Systems in Knowledge Work“. Der wissenschaftliche Artikel dazu ist zu finden als Open-Access-Dokument.