Wenn Kennzahlen falsches Verhalten fördern

Eine Handelskette wollte die Fehlzeiten ihrer Auszubildenden senken und führte dafür einen Anwesenheitsbonus ein. In einer Variante gab es Geld für Anwesenheit, in einer anderen zusätzliche freie Zeit. Die Idee klingt zunächst plausibel: Wer Anwesenheit belohnt, müsste Fehlzeiten reduzieren.

Das Feldexperiment lief ein Jahr lang über 232 Filialen. Doch keine der beiden Varianten senkte die Fehlzeiten. Beim Geldbonus geschah sogar das Gegenteil: Die Fehlzeiten stiegen um rund fünfzig Prozent, also um mehr als fünf zusätzliche Tage pro Person und Jahr. Und selbst nachdem der Bonus wieder abgeschafft worden war, blieb ein Teil dieses Effekts bestehen. [1]

Prof. Dr. Antoinette Weibel, Direktorin am Forschungsinstitut für Arbeit und Arbeitswelten der Universität St. Gallen, nutzt diesen Fall, um eine weiterführende Frage zu stellen: Was richtet eine Kennzahl eigentlich an, wenn sie auf Menschen trifft? [2]

Diese Frage ist für Organisationen besonders relevant, weil Kennzahlen längst nicht mehr nur dokumentieren, was geschehen ist. Sie strukturieren Aufmerksamkeit, beeinflussen Entscheidungen und setzen Erwartungen. Gerade dort, wo Arbeit intensiv vermessen wird, können Kennzahlen damit selbst zu einem Teil des Systems werden, das sie eigentlich nur beobachten sollen. Die Softwareentwicklung ist dafür ein besonders anschauliches Beispiel.

Wenn Kennzahlen eine neue Bedeutung schaffen

Was hatte der Anwesenheitsbonus verändert? Gedacht war die Prämie als Anerkennung. Angekommen ist eine andere Botschaft: Anwesenheit hat einen Preis.

Damit wurde etwas, das zuvor selbstverständlich war, zu einem Handelsgut. Wer da war, leistete plötzlich etwas Zusätzliches, das vergütet wurde. Wer fehlte, verzichtete auf diese Vergütung und konnte die Sache damit als erledigt betrachten. Die bisherige soziale Logik, etwa die Überlegung, dass Kolleginnen und Kollegen zusätzliche Arbeit übernehmen müssen, wenn jemand fehlt, wurde durch eine ökonomische Logik ergänzt und teilweise verdrängt.

Besonders deutlich zeigte sich dieser Effekt bei den zuletzt eingestellten Auszubildenden. Sie hatten noch keine über längere Zeit gewachsene Vorstellung davon, was Anwesenheit innerhalb der Organisation bedeutete. Der Bonus lieferte ihnen früh eine neue Interpretation: Anwesenheit ist etwas, für das es eine Gegenleistung gibt. Dass die Fehlzeiten nach Abschaffung des Bonus nicht einfach auf das frühere Niveau zurückkehrten, ist deshalb besonders interessant. Die Kennzahl beziehungsweise das daran gekoppelte Anreizsystem war verschwunden, die damit gesetzte Norm jedoch nicht vollständig.

Hier berührt der Fall ein grundsätzliches Problem der Steuerung durch Kennzahlen. Goodharts Gesetz besagt in der bekannten Zuspitzung von Marilyn Strathern: Sobald eine Messgröße zum Ziel wird, taugt sie nicht mehr als Messgröße. [3] Beim Anwesenheitsbonus geschieht sogar noch etwas mehr. Die Kennzahl verliert nicht nur an Aussagekraft. Sie verändert das Verhalten und die Bedeutung dessen, was sie eigentlich erfassen soll. Damit verschiebt sich die zentrale Frage. Es geht nicht mehr nur darum, ob eine Kennzahl korrekt misst. Es geht darum, was eine Kennzahl auslöst.

Nicht die Kennzahl allein entscheidet, sondern ihre Bauart

Um diese Wirkung besser zu verstehen, hilft eine Unterscheidung, die auf Paul Adler und Bryan Borys zurückgeht: Kontrolle kann hinderlich oder förderlich gestaltet sein. [4]

Hinderliche Kontrolle misst von außen, koppelt Ergebnisse an Konsequenzen und lässt den Gemessenen wenig Einfluss darauf, wie die Messung entsteht oder interpretiert wird. Abweichungen werden schnell zum Problem oder sogar zum Verdacht. Die Kennzahl dient dann vor allem dazu, Verhalten zu überprüfen.

Förderliche Kontrolle funktioniert anders. Sie stellt Informationen bereit, die denjenigen helfen, die mit ihnen arbeiten. Eine Kennzahl kann beispielsweise sichtbar machen, wo ein Prozess stockt, wo Kapazitäten fehlen oder wo sich Probleme wiederholen. Die Messung wird damit zu einem Werkzeug, das Menschen bei ihrer Arbeit unterstützt.

Eine zweite Dimension betrifft die Frage, wie Verantwortung und Risiko verteilt sind. Vertrauen kann passiv bleiben, indem eine Organisation es lediglich voraussetzt. Oder es kann aktiv gestaltet werden, indem auch die Organisation selbst Zusagen macht, Voraussetzungen schafft und sich an überprüfbare Bedingungen bindet.

Aus beiden Dimensionen entstehen vier unterschiedliche Formen von Kontrolle.

Abbildung: Vier Formen der Kontrolle

Besonders problematisch wird es dort, wo hinderliche Kontrolle auf ein passives Verständnis von Vertrauen trifft. Genau dort lässt sich auch der Anwesenheitsbonus einordnen: Gemessen wurden ausschließlich die Auszubildenden, und auch das Risiko der Nichterfüllung lag bei ihnen. Die Organisation selbst musste weder eigene Voraussetzungen offenlegen noch für die Folgen der Kennzahl einstehen.

Der Gegenpol ist eine förderliche Form der Kontrolle, bei der Kennzahlen den Betroffenen nützliche Informationen liefern und gleichzeitig die Organisation selbst Verantwortung übernimmt. Aus dieser Unterscheidung ergibt sich eine überraschend einfache Prüffrage für Kennzahlen: Wer trägt das Risiko, wenn die Kennzahl nicht erreicht wird?

Beim Anwesenheitsbonus war die Antwort eindeutig. Die Organisation riskierte wenig, die Auszubildenden wurden bewertet. Interessant ist dabei auch die zweite Variante des Experiments: Wurde Anwesenheit mit Freizeit statt mit Geld belohnt, entstand der gleiche negative Effekt nicht. Besser wurde die Anwesenheit dadurch allerdings ebenfalls nicht.

Damit ist der Schritt in andere Arbeitswelten nicht weit. Denn genau dieselbe Frage lässt sich auf Kennzahlen anwenden, die Unternehmen heute täglich zur Steuerung ihrer Arbeit einsetzen.

Was Kennzahlen in der Softwareentwicklung auslösen können

Softwareentwicklung ist stark von Kennzahlen geprägt. Teams messen Geschwindigkeit, Durchlaufzeiten, Fehlerquoten, Reaktionszeiten, Verfügbarkeit und viele weitere Größen. Daran ist zunächst nichts problematisch. Im Gegenteil: Gute Kennzahlen können helfen, komplexe Systeme besser zu verstehen. Entscheidend ist jedoch, ob eine Kennzahl weiterhin als Werkzeug dient oder irgendwann selbst zum Ziel wird. Genau an dieser Stelle verändern sich häufig Verhalten und Bedeutung.

Nehmen wir Velocity. Innerhalb eines Teams kann sie dabei helfen einzuschätzen, wie viel Arbeit realistischerweise in einem Sprint bewältigt werden kann. In diesem Kontext liefert die Kennzahl Orientierung. Wird dieselbe Velocity jedoch für Zielvereinbarungen oder den Vergleich verschiedener Teams genutzt, verändert sich ihre Funktion. Story Points sind dann nicht mehr nur Schätzwerte, sondern bekommen den Charakter einer Währung. Und sobald eine Kennzahl zur Währung wird, lohnt es sich, sie zu optimieren.

Ähnlich verhält es sich mit Ticket SLAs. Eine Reaktionszeit von vier Stunden ist einfach messbar und deshalb attraktiv. Ob ein Problem tatsächlich gelöst wurde oder ob die betroffene Person mit der Lösung zufrieden ist, lässt sich schwieriger in eine Zahl übersetzen. Dadurch kann die messbare Reaktionszeit wichtiger werden als das eigentliche Ergebnis. Ansätze wie Experience Level Agreements versuchen genau diese Verschiebung zu korrigieren, indem sie stärker auf das erlebte Ergebnis schauen.

Auch Deployment Frequency, Lead Time und Change Failure Rate sind nicht automatisch gute oder schlechte Kennzahlen. Die DORA Metriken wurden entwickelt, um Teams dabei zu unterstützen, ihren eigenen Lieferprozess besser zu verstehen. Problematisch wird es, wenn dieselben Kennzahlen für den Vergleich oder die Bewertung von Teams verwendet werden. Dann verschiebt sich der Blick vom Prozess auf die Menschen, die den Prozess bedienen. DORA warnt deshalb ausdrücklich davor, solche Kennzahlen als individuelle Leistungsmaße oder als einfache Rangliste zwischen Teams einzusetzen. [5]

Dasselbe Prinzip gilt für Verfügbarkeitskennzahlen. Ein Ziel von 99,9 Prozent Verfügbarkeit klingt zunächst nach einer eindeutigen Qualitätsaussage. Interessanter wird die Kennzahl aber mit einer zweiten Frage: Was passiert, wenn der Wert nicht erreicht wird? Wenn der Betrieb die Verantwortung trägt, während Entscheidungen über Architektur, Budget oder Personal anderswo getroffen werden, liegt das Risiko erneut einseitig bei den Gemessenen.

Die Beispiele unterscheiden sich, folgen aber demselben Muster: Eine Kennzahl wird problematisch, wenn sie nicht mehr hauptsächlich dazu dient, Arbeit besser zu verstehen, sondern Verhalten zu erzwingen, ohne gleichzeitig die Bedingungen zu berücksichtigen, unter denen dieses Verhalten entstehen soll.

Wie weit diese Dynamik reichen kann, zeigt ein Beispiel aus einer völlig anderen Branche.

Wenn Vertriebskennzahlen zum eigentlichen Ziel werden

Wells Fargo steuerte seinen Vertrieb über ambitionierte Cross-Selling-Ziele. Beschäftigte sollten möglichst viele Bankprodukte pro Kundin oder Kunde verkaufen. Unter dem dadurch entstehenden Verkaufsdruck wurden über Jahre hinweg Konten und andere Produkte eröffnet, die Kundinnen und Kunden nicht bestellt hatten. [6]

Besonders aufschlussreich ist dabei nicht nur das Fehlverhalten selbst, sondern die Struktur dahinter. Die Organisation hatte Kennzahlen und Ziele gesetzt, während Beschäftigte den unmittelbaren Druck trugen, diese Vorgaben zu erfüllen. Tausende Mitarbeitende wurden im Zusammenhang mit Verstößen gegen die Vertriebsregeln entlassen. Die zugrunde liegenden Zielsysteme gerieten dagegen erst deutlich später grundlegend unter Druck.

Der Fall ist wesentlich extremer als eine falsch eingesetzte Velocity oder ein unglücklich gestalteter Anwesenheitsbonus. Die Logik dahinter ist jedoch vergleichbar: Sobald eine Kennzahl zum dominierenden Ziel wird, beginnen Menschen, ihre Entscheidungen an dieser Kennzahl auszurichten. Genau deshalb lohnt sich die Frage nach dem Risiko. Sie lenkt den Blick weg von der Zahl und hin zum System, in dem die Zahl wirkt.

Warum KI noch mehr Kennzahlen möglich macht

Diese Frage gewinnt zusätzlich an Bedeutung, weil Organisationen heute wesentlich mehr Daten erheben können als noch vor wenigen Jahren. Bislang bildete der Aufwand eine natürliche Grenze. Daten mussten gesammelt, zusammengeführt, ausgewertet und interpretiert werden. Diese Reibung nimmt rapide ab. Ein Dashboard, das Commit Frequenz, Review-Zeiten, Tool-Nutzung und Ticket-Durchsatz pro Person zusammenführt, lässt sich heute mit deutlich weniger Aufwand aufbauen. KI kann Daten zusätzlich strukturieren, Zusammenhänge suchen und automatisch neue Auswertungen erzeugen.

Damit wächst allerdings nicht nur die Möglichkeit, sinnvolle Kennzahlen zu entwickeln. Es wächst auch die Versuchung, alles zu messen, was sich technisch messen lässt.

Genau hier liegt die eigentliche Herausforderung. Die Verfügbarkeit einer Kennzahl beantwortet noch nicht die Frage, ob sie sinnvoll ist. Technische Machbarkeit sagt nichts darüber aus, ob eine Messung Zusammenarbeit unterstützt, Vertrauen fördert oder Verhalten in eine unerwünschte Richtung verändert. Je einfacher das Messen wird, desto wichtiger wird deshalb die Fähigkeit, auf bestimmte Kennzahlen bewusst zu verzichten. [7]

Vier Fragen für jede Kennzahl

Wer bestehende Kennzahlen überprüfen möchte, braucht dafür kein aufwendiges Verfahren. Ein guter Einstieg ist die bereits genannte Frage:

Wer trägt das Risiko, wenn die Kennzahl nicht erreicht wird?

Liegt dieses Risiko ausschließlich bei den Gemessenen, während die Organisation selbst weder eigene Voraussetzungen noch eigene Entscheidungen hinterfragt, lohnt sich ein genauerer Blick.

Drei weitere Fragen ergänzen den Test:

• Kennen die Gemessenen den Zweck der Kennzahl und halten sie ihn für sinnvoll?
• Können sie die Kennzahl oder das Verfahren verändern, wenn es das Falsche misst?
• Welches Verhalten wird durch die Kennzahl vernünftig oder attraktiv?

Besonders die letzte Frage verändert häufig den Blick auf Kennzahlen, denn Menschen müssen eine Kennzahl nicht manipulieren, damit sie unerwünschte Folgen hat. Es genügt, wenn sie ihr Verhalten vernünftig an die Bedingungen anpassen, die eine Organisation geschaffen hat.

Wer für hohe Velocity belohnt wird, achtet stärker auf Velocity. Wer für kurze Reaktionszeiten bewertet wird, reagiert schneller. Wer für die Zahl verkaufter Produkte verantwortlich gemacht wird, versucht mehr Produkte zu verkaufen. Das ist zunächst keine Fehlfunktion. Es ist eine erwartbare Reaktion auf ein Steuerungssystem. Problematisch wird es, wenn die Kennzahl dabei das eigentliche Ziel verdrängt.

Gute Kennzahlen helfen beim Verstehen

Der Reflex, Probleme durch Kennzahlen beherrschbar zu machen, ist nachvollziehbar. Zahlen schaffen Vergleichbarkeit, reduzieren Komplexität und vermitteln den Eindruck objektiver Steuerbarkeit. Genau deshalb gehören Kennzahlen zu den wichtigsten Werkzeugen moderner Organisationen. Aber eine Kennzahl beobachtet ein soziales System nicht von außen. Sobald Menschen wissen, dass sie an ihr beurteilt, belohnt oder sanktioniert werden, wird sie selbst Teil dieses Systems.

Der Anwesenheitsbonus zeigt das besonders deutlich. Die Kennzahl hat nicht einfach ungenau gemessen. Die daran gekoppelte Steuerung hat verändert, was Anwesenheit für die Betroffenen bedeutete. Deshalb reicht bei Kennzahlen die Frage „Messen wir richtig?“ nicht aus.

Mindestens ebenso wichtig ist die Frage: Was wird für Menschen vernünftig, sobald diese Kennzahl zählt?

Und unmittelbar danach: Wer trägt das Risiko, wenn sie nicht erreicht wird?

Gute Kennzahlen liefern Antworten über die Arbeit. Schlechte Kennzahlen geben Menschen vor allem einen Grund, an der Zahl zu arbeiten. Vielleicht ist genau das der einfachste Test dafür, welche Kennzahlen eine Organisation wirklich braucht.

Hinweise:

Guido Bosbach unterstützt Organistationen auf ihrem Weg zu Klarheit im Umgang mit KI. Gerne tauscht er sich mit Ihnen über die konkrete Klärung von KI-Verantwortung in Ihrem Unternehmen aus. Kontaktieren Sie ihn einfach über seine Website oder schreiben Sie ihn auf LinkedIn an.

Sehr zu empfehlen ist zudem sein workLIFE Stories Blog, in dem er regelmäßig Erfahrungen aus Unternehmen, Ideen und Impulse anbietet.

[1] Hossain, T., List, J. A., Rasul, I., Sliwka, D. & Vogelsang, T.: When Bonuses Backfire: Evidence from the Workplace. Management Science, 2023.
[2] Universität St. Gallen: Prof. Dr. Antoinette Weibel, Profil und Kurzvita des Forschungsinstituts für Arbeit und Arbeitswelten.
[3] Strathern, M.: ‘Improving ratings’: audit in the British University system. European Review, 5(3), 305–321, 1997.
[4] Adler, P. S. & Borys, B.: Two Types of Bureaucracy: Enabling and Coercive. Administrative Science Quarterly, 1996.
[5] DORA: Software Delivery Performance Metrics und Accelerate State of DevOps Report 2024.
[6] U.S. Department of Justice: Wells Fargo Agrees to Pay $3 Billion to Resolve Criminal and Civil Investigations into Sales Practices Involving the Opening of Millions of Accounts without Customer Authorization, 2020.
[7] Technisch möglich, inhaltlich zweifelhaft

Hier finden Sie weitere Informationen über Velocity, Experience Level Agreements und DORA-Metriken.

Wollen Sie Guido Bosbach unterstützen und über Klarheit bei der Nutzung von Kennzahlen diskutieren? Dann teilen Sie diesen Beitrag auf Social Media oder in Ihrem Unternehmen.

Guido Bosbach hat drei weitere Beiträge im t2informatik Blog veröffentlicht: