KI-Tools im Betrieb: was Stimmungsanalyse und Videoauswahl übersehen

Autistic Mirror (Außensicht/Umfeld, Rolle Arbeitgeber:in)

Der Mitarbeiter, der sich beschwert hat, beschreibt etwas Neurologisch Konkretes, kein bloßes Unbehagen.

Predictive Coding ist der Mechanismus dahinter. Das Gehirn erstellt ständig Vorhersagen über die Umgebung und gleicht sie mit dem ab, was tatsächlich eintrifft. Bei autistischen Menschen ist dieses System empfindlicher kalibriert: Unsicherheit darüber, wer was wann mit welchen Daten macht, erzeugt einen anhaltenden Vorhersagefehler. Das ist kein irrationaler Widerstand, sondern ein System, das Unbekanntes nicht schließen kann und deshalb in Alarmbereitschaft bleibt. Das kostet Kapazität, die dann für die eigentliche Arbeit fehlt.

Dazu kommt Intoleranz gegenüber Unsicherheit als Verstärker. Unsicherheit zu ertragen ist schwer, wenn ein System mit hohem Prädiktionsbedarf laufend nachkalibrieren muss. Die Kernfrage lautet nicht "Was misst das Tool?", sondern "Weiß ich wirklich, was damit passiert? Wer sieht es? Wann? In welchem Kontext?" Solange diese Fragen nicht vollständig beantwortet sind, bleiben sie als offene Schleifen aktiv. Eine offene Schleife ist ein anhaltender Vorhersagefehler: das Gehirn hält eine Erwartung aktiv, die noch nicht aufgelöst ist, und der Abgleich läuft im Hintergrund weiter, auch ohne bewusstes Nachdenken.

Ein dritter Aspekt ist das Double Empathy Problem. Das Verstehensproblem zwischen autistischen und nicht-autistischen Menschen ist wechselseitig: zwei unterschiedliche Verarbeitungsstile erzeugen Reibung in beide Richtungen. Wenn ihr Team "das soll doch helfen" kommuniziert, klingt das intern wie eine hinreichende Erklärung. Für Mitarbeitende, die Details, Konsequenzen und Abläufe brauchen, um Sicherheit zu erfahren, ist "es hilft" kein schließbares Argument, sondern eine weitere offene Schleife.

Was ihr übersehen habt, ist nicht der Widerstand selbst, sondern dass "Stimmung messen" für Mitarbeitende bedeutet, dass ihre Kommunikation algorithmisch ausgewertet wird, ohne dass sie den genauen Mechanismus kennen. Das ist strukturell dasselbe wie ein unangekündigtes Beobachtungssetting. Autistische Mitarbeitende, die bereits Energie für Maskierung aufwenden, erfahren das als zusätzliche Anforderung: sie müssen nun auch noch "richtig klingen" für ein System, dessen Kriterien sie nicht kennen.

Konkret zugänglich sind folgende Anpassungen: vollständige Transparenz über Datenzugriff, Speicherdauer, Auswertungslogik und Konsequenzen in schriftlicher Form, bevor das Tool läuft. Dazu die explizite Möglichkeit, aus der Stimmungsauswertung herauszuoptieren, ohne dass das als Signal gedeutet wird. Nicht jede Anpassung muss für alle gelten, aber die Struktur muss so sein, dass niemand raten muss, was mit seinen Daten passiert.

Das Tool kann legitime Ziele haben. Ob es sie erreicht, hängt davon ab, ob die Bedingungen seiner Einführung das Sicherheitsgefühl der Mitarbeitenden erhalten oder untergraben.

Autistic Mirror (Außensicht/Umfeld, Rolle Arbeitgeber:in)

Videobasierte KI-Bewerbungsanalyse ist für autistische Bewerber*innen strukturell ausschließend, auch wenn das nicht die Absicht ist. Der Mechanismus dahinter ist direkt.

Masking ist hier der Kernpunkt. Autistische Menschen, die ihre Neurologie in sozialen Kontexten aktiv anpassen, investieren erhebliche kognitive Ressourcen darin, Mimik, Blickkontakt und Sprachrhythmus zu regulieren. Diese Anpassung dient dazu, in einem neurotypisch kodierten sozialen Umfeld als "kompetent" gelesen zu werden. Was KI-Systeme als "natürliche" Mimik oder als "engaged" und "confident" klassifizieren, sind neurotypische Ausdrucksnormen, die diese Systeme durch Training auf neurotypischen Daten gelernt haben. Autistische Ausdrucksweisen, weniger variable Mimik, andere Sprachrhythmik, direkterer Tonfall ohne erwartete emotionale Modulation, werden von diesen Systemen systematisch schlechter bewertet, weil sie vom Trainingsdaten-Muster abweichen, nicht weil sie auf geringere Eignung hinweisen.

Der zweite Mechanismus ist Bottom-up-Processing. Autistisches Gehirn verarbeitet sensorische und soziale Informationen detailorientierter und ohne die gleiche automatische Priorisierung des "sozial Erwarteten". Das zeigt sich in Gesprächspausen, die länger als neurotypisch erwartet ausfallen, in Antwortlatenz, weil Information vollständiger verarbeitet wird, bevor eine Antwort formuliert wird, und in einer Ausdrucksweise, die präziser auf die tatsächliche Frage eingeht statt auf den impliziten sozialen Kontext. Genau das sind Eigenschaften, die KI-Systeme, die auf "Engagement" und "Spontaneität" kalibriert sind, negativ bewerten.

Hinzu kommt selektiver Mutismus als Spektrum: In hochanforderungsreichen, unbekannten Settings wie einem Vorstellungsgespräch kann die Sprachproduktion bei manchen autistischen Menschen unter erhöhtem Druck merklich eingeschränkt sein. Das ist kein Kompetenzindikator, sondern eine kontextabhängige neurologische Reaktion. KI-Systeme, die Sprachfluss und Formulierungssicherheit bewerten, interpretieren das als Schwäche.

Das Effizienzversprechen solcher Systeme ist auch empirisch fragwürdig: Sie messen Konformität mit neurotypischen Kommunikationsnormen, nicht tatsächliche Eignung für eine Stelle. Die Selektionsfehler, die dabei entstehen, sind rechtlich relevant. In Deutschland greift das AGG, wenn ein Auswahlverfahren Menschen mit Behinderung systematisch benachteiligt, auch wenn die Benachteiligung nicht absichtlich entstand. In der EU gilt zusätzlich der AI Act mit spezifischen Anforderungen an KI-Systeme in Hochrisikoanwendungen, zu denen Personalentscheidungen explizit zählen.

Effizienzgewinn ohne strukturelle Ausschlusswirkung ist möglich, wenn der Fokus auf aufgabenbezogenen Informationen liegt statt auf Kommunikationsstil. Schriftliche, asynchrone Vorab-Assessments, die konkrete Kompetenzen erfassen, filtern nach tatsächlicher Eignung und reduzieren gleichzeitig die Barrieren für autistische Bewerber*innen, Menschen mit selektivem Mutismus, Personen mit Sprachverarbeitungsunterschieden und Bewerber*innen, deren Erstsprache nicht Deutsch ist.

Autistic Mirror (Außensicht/Umfeld, Rolle Arbeitgeber:in)

Schriftliche Kommunikation autistischer Menschen weicht systematisch von den Mustern ab, auf die solche Tools trainiert sind, und zwar nicht weil etwas fehlt, sondern weil ein anderer Kommunikationsstil vorliegt.

Phatische Kommunikation ist der Schlüssel. Die meisten schriftlichen Nachrichten im Arbeitskontext enthalten zwei Schichten: eine informationelle Schicht (was wird gesagt) und eine Beziehungsschicht (wie soll das auf die andere Person wirken). Satzeinstiege wie "Super, danke für die schnelle Rückmeldung!", abschließende Höflichkeitsformeln, abschwächende Formulierungen wie "vielleicht wäre es sinnvoll" statt "das funktioniert nicht" sind Teil dieser Beziehungsschicht. KI-Sentiment-Tools werden auf Texte trainiert, in denen diese Beziehungsschicht mitgeliefert wird und ihre Abwesenheit deshalb als Kälte, Distanz oder Negativität codiert. Autistische Schreibende lassen diese Schicht häufig weg, nicht weil sie unzufrieden sind, sondern weil ihr Kommunikationsstil informationszentriert arbeitet und die Beziehungsebene nicht automatisch in die Wortwahl integriert.

Das ist das Double Empathy Problem in seiner algorithmischen Form. Das Modell erwartet den neurotypischen Kommunikationsstil als Norm, liest alles, was davon abweicht, als Störung und gibt dem Teamleiter eine Stimmungsmessung zurück, die eigentlich eine Stilmessung ist. Die Kollegin kommuniziert korrekt, direkt und effizient. Das Tool bestraft sie dafür.

Dazu kommt ein zweites Problem: Alexithymie, also die Schwierigkeit, eigene Gefühlszustände in Sprache zu übersetzen, ist bei vielen autistischen Menschen beteiligt. Selbst wenn sie die positive Beziehungsebene mitliefern wollten, ist der Zugang zu den passenden affektiven Formulierungen nicht immer flüssig verfügbar. Das ist keine Gleichgültigkeit, sondern eine andere interozeptive Verarbeitungsroute, bei der das Gefühl vorhanden ist, aber die sprachliche Kodierung fehlt oder verzögert kommt.

Für den Teamleiter bedeutet das praktisch: Das Tool misst Stilkonformität mit einer neurotypischen Baseline, nicht Stimmung. Eine Sentiment-Analyse, die auf einem Trainingsdatensatz ohne repräsentativen Anteil autistischer Sprachmuster basiert, produziert für diese Schreiberin keine validen Ergebnisse. Wenn er sich auf dieses Signal stützt, handelt er auf Basis einer Fehlmessung.

Das Gespräch, das er erwägt, würde ihr signalisieren, dass ihre direkte, sachliche Kommunikation ein Problem ist. Das wäre Druck zur Maskierung, und der kostet sie Ressourcen, die sie jetzt in die Arbeit steckt.