Die fortschreitende Integration Künstlicher Intelligenz (KI) in betriebliche Entscheidungsprozesse transformiert nicht nur operative Abläufe, sondern verändert auch grundlegend die Art und Weise, wie Verantwortung innerhalb von Organisationen zugewiesen wird. Besonders im Marketing, wo datengetriebene Analysen und algorithmische Entscheidungsfindung zunehmend den strategischen Rahmen bestimmen, stellen sich neue Fragen hinsichtlich der Verantwortung für Fehlschläge und Misserfolge. Die Scapegoating-Theorie, die das Phänomen der bewussten oder unbewussten Schuldverschiebung auf Einzelpersonen, Gruppen oder externe Faktoren beschreibt, liefert einen relevanten theoretischen Rahmen, um diese Entwicklungen zu analysieren. Diese Studie untersucht, inwiefern KI als Instrument der Schuldzuweisung oder als Mechanismus zur Vermeidung von Scapegoating in Marketingprojekten fungiert. Dabei wird der Fokus insbesondere auf die strukturellen und psychologischen Mechanismen gelegt, die durch den Einsatz von KI in Entscheidungsprozessen entstehen.
Die zunehmende Automatisierung und der verstärkte Einsatz von KI-basierten Systemen führen zu einer Ambivalenz in der Verantwortungskultur von Unternehmen. Einerseits versprechen datengetriebene Systeme Objektivität und Transparenz, indem sie Entscheidungen auf quantifizierbare Parameter stützen. Andererseits eröffnen sie die Möglichkeit, Misserfolge auf die Technologie abzuwälzen und so individuelle oder kollektive Verantwortung zu umgehen. Dieser Mechanismus des „technologischen Scapegoating“ ist insbesondere in Marketingprojekten von hoher Relevanz, da Entscheidungen hier häufig auf dynamischen, nicht vollständig kontrollierbaren Marktbedingungen basieren. Die Frage, ob KI in Marketingkontexten als Verstärker von Scapegoating oder als Instrument zur Förderung einer faireren Fehlerkultur dient, ist bisher kaum systematisch untersucht worden.
Vor diesem Hintergrund verfolgt die vorliegende Studie drei zentrale Forschungsfragen: Erstens, wie sich Scapegoating in Marketingprojekten manifestiert und welche Akteure von Schuldzuweisungen betroffen sind. Zweitens, welche Rolle der Einsatz von KI bei der Verantwortungszuweisung spielt, insbesondere ob er bestehende Muster von Scapegoating verstärkt oder möglicherweise auflöst. Drittens, inwiefern KI nicht nur als Sündenbock, sondern auch als Korrektiv für schuldzuweisende Strukturen in Organisationen dienen kann.
Zur Beantwortung dieser Forschungsfragen wird eine quantitative Untersuchung durchgeführt, die sich auf eine standardisierte Befragung von Fachkräften im Marketingbereich stützt. Mithilfe einer strukturierten Skalenentwicklung werden Konstrukte wie „Verantwortungsverschiebung in Marketingprojekten“, „Einfluss von KI auf Entscheidungsprozesse“ und „Wahrnehmung von KI als Scapegoat oder Transparenzinstrument“ messbar gemacht. Die Datenerhebung erfolgt mittels eines Online-Surveys, der durch eine Kombination aus explorativen Faktorenanalysen und inferenzstatistischen Methoden ausgewertet wird. Ergänzend werden Korrelationen zwischen dem wahrgenommenen KI-Einfluss auf Entscheidungsprozesse und der Fehlerkultur innerhalb von Organisationen analysiert. Dieser quantitative Ansatz ermöglicht es, systematische Muster in der Verantwortungskultur von Unternehmen zu identifizieren und Zusammenhänge zwischen Scapegoating-Mechanismen und dem Einsatz von KI datenbasiert zu untersuchen.
Durch die Kombination theoretischer Konzepte der Scapegoating-Theorie mit einer empirisch-quantitativen Untersuchung leistet diese Studie einen Beitrag zum Verständnis der sich verändernden Verantwortungskultur in Marketingorganisationen. Die gewonnenen Erkenntnisse sollen nicht nur zur theoretischen Fundierung der Debatte über KI und Schuldzuweisung beitragen, sondern auch praxisnahe Implikationen für Unternehmen ableiten, um einen verantwortungsvollen und ethisch reflektierten Einsatz von KI in Marketingentscheidungen zu fördern.
Die Scapegoating-Theorie beschreibt ein soziales und psychologisches Phänomen, bei dem Einzelpersonen oder Gruppen für negative Ereignisse oder Misserfolge verantwortlich gemacht werden, unabhängig von ihrer tatsächlichen Beteiligung. Der Begriff „Scapegoating“ leitet sich vom alttestamentlichen Ritual des Sündenbocks ab, bei dem symbolisch die Sünden einer Gemeinschaft auf ein Tier übertragen wurden, das anschließend in die Wüste geschickt wurde. In der modernen Sozialwissenschaft und Organisationsforschung wird dieser Mechanismus auf interpersonale und institutionelle Dynamiken angewandt, bei denen Individuen oder Gruppen als Verantwortliche für negative Entwicklungen identifiziert und entsprechend sanktioniert werden.
In organisationalen Kontexten manifestiert sich Scapegoating häufig in hierarchischen Strukturen, in denen Entscheidungsträger versuchen, sich von Fehlentscheidungen oder unerwarteten Entwicklungen zu distanzieren. Dabei entstehen Muster, in denen Verantwortung systematisch auf untergeordnete Mitarbeiter, externe Partner oder nicht-personifizierte Faktoren wie Marktbedingungen oder technologische Systeme übertragen wird. Schuldzuweisungen erfolgen nicht zufällig, sondern unterliegen bestimmten psychologischen und soziologischen Mechanismen, die durch eine Kombination aus Machterhalt, Angstbewältigung und sozialer Kohäsion geprägt sind. Eine zentrale Rolle spielt dabei das Bedürfnis nach kognitiver Entlastung, da die Identifikation eines Sündenbocks eine klare Erklärung für komplexe oder unvorhersehbare Entwicklungen bietet. Gleichzeitig dient Scapegoating als Strategie zur Aufrechterhaltung organisationaler Legitimität, indem Verantwortliche negative Konsequenzen von sich ablenken und auf eine externe Instanz projizieren.
Psychologisch betrachtet basiert Scapegoating auf Mechanismen der Selbstwerterhaltung und des Gruppendenkens. Individuen und Organisationen neigen dazu, eigene Fehler zu externalisieren, um den eigenen Status oder das Selbstbild zu schützen. In Gruppenprozessen verstärkt sich dieser Effekt, da kollektive Schuldzuweisungen eine gemeinschaftliche Abgrenzung gegenüber einer identifizierten „Problemquelle“ ermöglichen. Sozialpsychologische Theorien wie die Attributionstheorie und die Theorie der sozialen Identität liefern Erklärungen für dieses Verhalten, indem sie zeigen, dass Menschen in Unsicherheits- oder Bedrohungssituationen dazu neigen, einfache, klare Kausalzusammenhänge zu konstruieren, selbst wenn diese nicht der Realität entsprechen. In Unternehmen wird dieser Mechanismus oft durch eine geringe Fehlerkultur begünstigt, in der Misserfolge nicht als Lernmöglichkeit, sondern als individuelles Versagen betrachtet werden.
Konkrete Beispiele für Scapegoating in Organisationen finden sich insbesondere in Krisensituationen, in denen öffentliche oder interne Schuldige gesucht werden. In der Finanzkrise von 2008 wurden häufig einzelne Manager oder Marktakteure als Hauptverantwortliche dargestellt, obwohl die Ursachen der Krise struktureller Natur waren. In Unternehmen können Schuldzuweisungen an untere Managementebenen oder externe Dienstleister erfolgen, um Top-Entscheidungsträger aus der Verantwortung zu nehmen. In Marketingprojekten äußert sich dieser Mechanismus beispielsweise, wenn kreative Agenturen oder Datenanalysten für das Scheitern einer Kampagne verantwortlich gemacht werden, während strategische Fehlentscheidungen auf höheren Hierarchieebenen unberücksichtigt bleiben. Diese Muster sind nicht nur individuell belastend, sondern haben auch langfristige Auswirkungen auf die Unternehmenskultur, indem sie Transparenz und Innovationsbereitschaft hemmen und eine Kultur der Angst begünstigen.
Der Einsatz Künstlicher Intelligenz im Marketing hat in den vergangenen Jahren erheblich an Bedeutung gewonnen und verändert grundlegend die Art und Weise, wie Unternehmen mit Daten umgehen, Entscheidungsprozesse gestalten und Kundeninteraktionen personalisieren. KI umfasst eine Vielzahl von Technologien, darunter maschinelles Lernen, neuronale Netzwerke und Natural Language Processing, die es ermöglichen, große Mengen an strukturierten und unstrukturierten Daten zu analysieren, Muster zu identifizieren und Vorhersagen über Kundenverhalten und Markttrends zu treffen. Diese Entwicklungen haben das Marketing in eine neue Phase der Automatisierung und datengetriebenen Entscheidungsfindung geführt, wodurch nicht nur Effizienzsteigerungen, sondern auch neue Herausforderungen im Bereich der Verantwortung entstehen.
Ein zentrales Anwendungsfeld von KI im Marketing ist die Datenanalyse und -interpretation, bei der KI-Systeme genutzt werden, um Konsumentenverhalten zu analysieren und gezielte Marketingmaßnahmen abzuleiten. Durch den Einsatz fortgeschrittener Algorithmen können Unternehmen nicht nur Kaufhistorien und Online-Interaktionen auswerten, sondern auch Sentiment-Analysen in sozialen Netzwerken durchführen, um Kundenstimmungen in Echtzeit zu erfassen. Die Fähigkeit, große Datenmengen in kürzester Zeit auszuwerten, führt zu einer erheblichen Optimierung von Marketingstrategien, da Entscheidungen nicht mehr ausschließlich auf subjektiven Einschätzungen, sondern auf datenbasierten Modellen beruhen. Gleichzeitig birgt dieser Prozess Risiken, da Dateninterpretationen durch algorithmische Verzerrungen (Bias) beeinflusst werden können und die Verantwortung für Fehlprognosen zunehmend von menschlichen Akteuren auf die Technologie verlagert wird.
Neben der Analyse großer Datenmengen spielt Personalisierung eine entscheidende Rolle in der Anwendung von KI im Marketing. Durch den Einsatz von Machine-Learning-Algorithmen können Unternehmen individuelle Kundenpräferenzen erkennen und maßgeschneiderte Werbemaßnahmen entwickeln. Dies reicht von personalisierten Produktempfehlungen in E-Commerce-Systemen bis hin zu dynamischen Preisstrategien, die in Echtzeit auf Veränderungen der Nachfrage reagieren. Während diese Techniken das Kundenerlebnis erheblich verbessern können, werfen sie zugleich ethische und datenschutzrechtliche Fragen auf. Die gezielte Nutzung individueller Verhaltensdaten zur Steuerung von Marketingkampagnen kann als Eingriff in die Privatsphäre wahrgenommen werden und birgt die Gefahr einer Manipulation des Konsumentenverhaltens. Zudem stellt sich die Frage, inwieweit die Verantwortlichkeit für diskriminierende oder unethische Werbestrategien bei den Entwicklern der Algorithmen oder den Unternehmen selbst liegt.
Ein weiterer zentraler Bereich der KI-Integration im Marketing ist die Automatisierung von Prozessen. Chatbots und virtuelle Assistenten übernehmen zunehmend die Kommunikation mit Kunden, während Programmatic Advertising automatisch Werbeanzeigen auf Basis von Nutzerprofilen ausspielt. Diese Automatisierung führt zu einer erheblichen Effizienzsteigerung, da repetitive Aufgaben reduziert und personalisierte Inhalte in großem Maßstab ausgesteuert werden können. Allerdings entstehen auch neue Risiken, insbesondere wenn KI-gestützte Systeme nicht transparent operieren oder Fehler machen, die schwer nachzuvollziehen sind. Wenn automatisierte Werbeanzeigen aufgrund von fehlerhaften Daten an falsche Zielgruppen ausgespielt oder ethisch fragwürdige Inhalte generiert werden, stellt sich die Frage, wer für diese Entscheidungen letztlich verantwortlich ist.
Der zunehmende Einsatz von KI im Marketing wirft somit fundamentale Fragen zur Verantwortungszuschreibung auf. Einerseits wird KI als objektives, datenbasiertes Entscheidungssystem betrachtet, das Transparenz und Effizienz steigert. Andererseits bietet sie Unternehmen die Möglichkeit, sich aus der direkten Verantwortung zu ziehen, indem Fehlentscheidungen auf algorithmische Prozesse oder Datenfehler zurückgeführt werden. Dies kann dazu führen, dass KI selbst zum Scapegoat wird, indem sie als Ursache für misslungene Kampagnen oder Fehleinschätzungen herangezogen wird, obwohl die eigentliche Verantwortung auf der Managementebene liegt. Umgekehrt kann KI aber auch dazu beitragen, Scapegoating zu reduzieren, indem sie Entscheidungsprozesse transparenter macht und nachweisbare, objektive Kriterien liefert.
Die theoretische Auseinandersetzung mit der Scapegoating-Theorie und der Rolle von KI im Marketing bildet die Grundlage für die empirische Untersuchung dieser Studie. Es wird untersucht, inwiefern Unternehmen KI gezielt zur Schuldzuweisung nutzen oder ob sie dazu beiträgt, eine transparente Verantwortungskultur zu etablieren. Dies geschieht auf Basis einer quantitativen Erhebung, die systematisch Muster von Scapegoating in KI-gestützten Marketingprozessen erfasst und deren Auswirkungen auf Unternehmensstrukturen und Entscheidungskulturen analysiert.
Die theoretische Auseinandersetzung mit der Scapegoating-Theorie sowie der Rolle von Künstlicher Intelligenz (KI) im Marketing bildet die Grundlage für die empirische Untersuchung dieser Studie. Um die Forschungsfragen systematisch zu analysieren, werden Hypothesen formuliert, die auf bestehenden wissenschaftlichen Erkenntnissen sowie beobachtbaren Entwicklungen in der Unternehmenspraxis basieren. Die Hypothesen dienen dazu, zentrale Zusammenhänge zwischen der Implementierung von KI in Marketingentscheidungen und dem Auftreten von Scapegoating-Mustern empirisch zu überprüfen.
Die erste Forschungsfrage untersucht, wie sich Scapegoating in Marketingprojekten manifestiert und welche Akteure davon betroffen sind. In der organisationspsychologischen und managementwissenschaftlichen Forschung wird davon ausgegangen, dass Schuldzuweisungen besonders in hierarchischen Strukturen auftreten, in denen unklare Verantwortlichkeiten oder eine geringe Fehlerkultur vorherrschen. Studien zur Attributionstheorie zeigen, dass Individuen in Unternehmen dazu neigen, sich selbst Erfolge zuzuschreiben, während Fehlschläge auf externe Faktoren oder andere Akteure projiziert werden (Kelley & Michela, 1980). Insbesondere in Marketingprojekten, die von hoher Unsicherheit geprägt sind und deren Erfolg von einer Vielzahl externer Faktoren abhängt, entstehen systematische Mechanismen der Verantwortungsdiffusion. Projektteams können dazu tendieren, Fehler auf externe Agenturen, Marktdynamiken oder technologische Fehlfunktionen abzuwälzen. Basierend auf diesen Überlegungen wird folgende Hypothese abgeleitet:
H1: In Marketingprojekten mit hoher Unsicherheit tritt Scapegoating vermehrt auf, wobei insbesondere externe Dienstleister und technologische Systeme als Schuldige identifiziert werden.
Die zweite Forschungsfrage adressiert die Auswirkungen des KI-Einsatzes auf Verantwortungszuweisungen. Der zunehmende Einsatz datengetriebener Entscheidungsmodelle im Marketing führt dazu, dass strategische Entscheidungen stärker durch algorithmische Vorhersagen beeinflusst werden. KI-basierte Systeme werden dabei oft als neutrale, objektive Instanzen wahrgenommen, die auf Daten und nicht auf subjektiven Einschätzungen beruhen (Binns, 2018). Gleichzeitig zeigen Forschungen zur „Algorithmic Responsibility“ jedoch, dass Unternehmen KI nicht nur als Unterstützungstool, sondern auch als Schutzmechanismus gegenüber Verantwortung nutzen können (Mittelstadt et al., 2016). Dies bedeutet, dass Fehlschläge zunehmend auf die KI-Modelle zurückgeführt werden, während Entscheidungsträger ihre eigene Verantwortung minimieren. Diese Mechanismen lassen sich im Kontext von Scapegoating-Theorien als „technologisches Scapegoating“ interpretieren, bei dem Algorithmen als bequeme Projektionsfläche für negative Entwicklungen fungieren. Daraus ergibt sich die folgende Hypothese:
H2: In Marketingprojekten, die stark auf KI-gestützte Entscheidungsprozesse setzen, wird Verantwortung für Fehlschläge häufiger auf die KI-Technologie als auf menschliche Akteure übertragen.
Die dritte Forschungsfrage untersucht, ob KI sowohl als Instrument der Schuldzuweisung als auch als Mittel zur Vermeidung von Scapegoating dienen kann. Während die vorherige Hypothese den potenziellen Missbrauch von KI als Sündenbock thematisiert, könnte der gegenteilige Effekt eintreten, wenn KI dazu genutzt wird, Entscheidungsprozesse transparenter zu gestalten. Forschungen zu datengetriebener Verantwortung zeigen, dass KI-Systeme die Nachvollziehbarkeit von Entscheidungen verbessern und eine objektivere Fehleranalyse ermöglichen können (Rahwan et al., 2019). Durch detaillierte Datenanalysen lassen sich Fehlerquellen klarer identifizieren, was dazu führt, dass subjektive Schuldzuweisungen reduziert werden. In Unternehmen mit einer hohen Datenaffinität könnte der Einsatz von KI somit eine konstruktivere Fehlerkultur fördern, in der Fehlschläge als systematische Probleme anstatt individueller Fehlleistungen betrachtet werden. Daraus ergibt sich die dritte Hypothese:
H3: In Unternehmen mit einer datengetriebenen Fehlerkultur führt der Einsatz von KI zu einer Reduktion von Scapegoating und einer transparenteren Verantwortlichkeitsstruktur.
Zusammenfassend sollen diese Hypothesen einen systematischen Rahmen für die empirische Analyse der Wechselwirkungen zwischen Scapegoating und KI im Marketing liefern. Die quantitativen Methoden der Studie – insbesondere die Erhebung standardisierter Befragungsdaten – ermöglichen es, diese Hypothesen statistisch zu überprüfen und ein differenziertes Verständnis darüber zu gewinnen, wie sich der Einsatz von KI auf Schuldzuweisungsmuster und Verantwortlichkeitsstrukturen in Marketingorganisationen auswirkt.
Die vorliegende Untersuchung verfolgt einen quantitativen Forschungsansatz, um systematische Muster von Scapegoating in Marketingprojekten zu identifizieren und den Einfluss von KI auf Verantwortungsstrukturen zu analysieren. Grundlage dieses Ansatzes ist die Hypothesenprüfung mittels standardisierter Befragungsdaten, wodurch ein empirischer Zusammenhang zwischen der Nutzung von KI im Marketing, der Zuweisung von Verantwortung und der organisationalen Fehlerkultur hergestellt werden soll. Dabei wird insbesondere untersucht, ob der Einsatz von KI bestehende Scapegoating-Muster verstärkt oder ob er zur Schaffung einer transparenteren und datenbasierten Fehlerkultur beiträgt.
Die Untersuchung basiert auf den in der Einleitung formulierten Forschungsfragen: Erstens, wie sich Scapegoating in Marketingprojekten manifestiert und welche Akteure davon betroffen sind. Zweitens, welche Auswirkungen der Einsatz von KI auf Verantwortungszuweisungen hat, insbesondere ob Verantwortung für Fehlschläge eher auf die Technologie als auf menschliche Akteure übertragen wird. Drittens, inwiefern KI sowohl als Instrument zur Schuldzuweisung als auch als Mittel zur Vermeidung von Scapegoating dienen kann. Diese Fragestellungen bilden den theoretischen Rahmen für die Operationalisierung der Konstrukte und die Entwicklung des Erhebungsinstruments.
Zur Messung der zentralen Forschungsvariablen werden etablierte psychometrische Methoden eingesetzt, um Scapegoating-Mechanismen, den Einfluss von KI auf Entscheidungsprozesse und die Wahrnehmung organisationaler Fehlerkultur systematisch zu erfassen. Die Operationalisierung erfolgt über fünf Hauptkonstrukte:
Die Befragung erfolgt über einen standardisierten Online-Fragebogen, in dem die genannten Konstrukte mit einer Likert-Skala von 1 („stimme gar nicht zu“) bis 5 („stimme voll zu“) gemessen werden. Diese Skalen ermöglichen eine differenzierte Erfassung der Einstellungen der Befragten und erleichtern die anschließende statistische Analyse.
Die Datenerhebung erfolgte durch eine Online-Umfrage unter Marketingverantwortlichen, Datenanalysten und Führungskräften, die in KI-gestützte Entscheidungsprozesse involviert sind. Die Stichprobe umfasste Unternehmen unterschiedlicher Branchen, um eine möglichst breite empirische Grundlage zu schaffen. Die Auswahl der Teilnehmer erfolgt mittels gezielter Expertenstichprobe, wobei insbesondere Unternehmen mit hoher KI-Adoption einbezogen werden. Um Verzerrungseffekte zu minimieren, wurde eine Mindeststichprobengröße von n = 150 Probanden angestrebt, sodass erste belastbare Aussagen getroffen werden können.
Die statistische Analyse der 150 befragten Probanden liefert zentrale Erkenntnisse über die Wahrnehmung von Verantwortung, Scapegoating und den Einfluss von Künstlicher Intelligenz (KI) auf Entscheidungsprozesse in Marketingprojekten. Die Ergebnisse werden im Folgenden detailliert vorgestellt, wobei zunächst die einzelnen Items betrachtet und anschließend im Hinblick auf die formulierten Hypothesen diskutiert werden.
Ein zentraler Bestandteil der Untersuchung war die Analyse, inwieweit Verantwortung in Marketingprojekten klar zugewiesen wird und ob systematische Schuldzuweisungen stattfinden. Die Ergebnisse zeigen eine ambivalente Situation: Während das Item „In meinem Unternehmen wird Verantwortung für Marketingentscheidungen klar zugewiesen“ mit einem Mittelwert von 3,09 (SD = 0,76) eine neutrale Tendenz aufweist, legen andere Items nahe, dass Schuldzuweisungen innerhalb von Marketingteams durchaus häufig vorkommen. Besonders das Item „Wenn ein Marketingprojekt scheitert, werden Einzelpersonen oft zur Verantwortung gezogen“ (M = 3,81, SD = 0,85) sowie „Schuldzuweisungen sind ein wiederkehrendes Muster in unserem Marketingteam“ (M = 3,65, SD = 0,85) zeigen, dass viele Befragte eine klare Tendenz zur Verantwortungsdelegation auf Einzelpersonen beobachten.
Diese Ergebnisse lassen sich im Kontext der Scapegoating-Theorie interpretieren. Die Forschung zeigt, dass Menschen dazu neigen, Misserfolge eher extern zu attribuieren, insbesondere in Situationen mit hoher Unsicherheit oder in Umfeldern mit geringer Fehlerkultur (Kelley & Michela, 1980). Marketingprojekte sind naturgemäß von hoher Volatilität geprägt, da der Erfolg stark von externen Faktoren wie Markttrends, Konsumentenverhalten und wirtschaftlichen Rahmenbedingungen abhängt. Die empirischen Befunde dieser Untersuchung bestätigen, dass in solchen Kontexten Scapegoating-Mechanismen eine signifikante Rolle spielen.
Ein weiterer wichtiger Punkt ist die Hierarchie innerhalb der Unternehmen. In klassischen Unternehmensstrukturen übernehmen Führungskräfte strategische Entscheidungen, während operative Fehler oft auf nachgelagerte Ebenen delegiert werden. Dies könnte erklären, warum in vielen Unternehmen Einzelpersonen für Misserfolge verantwortlich gemacht werden, obwohl strategische Fehlentscheidungen oder externe Faktoren eine größere Rolle spielen könnten.
Die Untersuchung bestätigt, dass KI im Marketing weit verbreitet ist und als zentraler Entscheidungsfaktor genutzt wird. Die hohe Zustimmung zu „In unserem Unternehmen nutzen wir KI-gestützte Systeme zur Marketingstrategieentwicklung“ (M = 4,13, SD = 0,66) sowie „KI-basierte Analysen werden stärker berücksichtigt als menschliche Einschätzungen“ (M = 3,84, SD = 0,80) zeigt, dass algorithmische Entscheidungsfindung in vielen Unternehmen mittlerweile Standard ist. Dies entspricht der aktuellen Forschungslage, die belegt, dass KI zunehmend traditionelle Entscheidungsprozesse ersetzt und datengetriebene Strategien in den Vordergrund rückt (Binns, 2018).
Interessanterweise zeigt das Item „KI hilft uns, datenbasierte und objektive Entscheidungen zu treffen“ (M = 4,00, SD = 0,70) eine hohe Zustimmung. Dies deutet darauf hin, dass viele Befragte KI als einen Mechanismus der Objektivierung wahrnehmen. Der zunehmende Einfluss von KI könnte also in gewisser Weise zu einer Reduktion von subjektiven Fehlentscheidungen führen. Allerdings birgt dies auch das Risiko, dass Entscheidungen als unausweichliche Folge algorithmischer Prozesse betrachtet werden, wodurch Verantwortung von menschlichen Akteuren auf die Technologie verlagert wird.
Ein weiteres Problem, das aus der Literatur bekannt ist, betrifft das sogenannte „Automation Bias“, also die Tendenz, algorithmischen Entscheidungen blind zu vertrauen, selbst wenn sie fehlerhaft sind (Mittelstadt et al., 2016). Die Ergebnisse dieser Untersuchung legen nahe, dass Unternehmen zunehmend algorithmengesteuerte Prozesse als Entscheidungsgrundlage nutzen, was sowohl Vorteile als auch Risiken mit sich bringt.
Ein zentrales Anliegen dieser Untersuchung war es, zu überprüfen, ob KI als Sündenbock für Fehlschläge in Marketingprojekten genutzt wird. Die Items „Wenn ein KI-gestütztes Marketingprojekt scheitert, wird die Schuld eher der Technologie als dem Team zugeschrieben“ (M = 3,50, SD = 0,90) und „Führungskräfte nutzen KI zur Absicherung, um persönliche Verantwortung zu vermeiden“ (M = 3,70, SD = 0,90) weisen darauf hin, dass ein solcher Mechanismus in vielen Unternehmen tatsächlich existiert.
Diese Befunde sind besonders relevant im Hinblick auf die Hypothese, dass KI als „technologischer Sündenbock“ missbraucht wird, um menschliche Verantwortung zu minimieren. Die hohe Zustimmung zu „Die Nutzung von KI in Marketingprojekten reduziert das Risiko, dass Menschen für Fehler verantwortlich gemacht werden“ (M = 3,90, SD = 0,80) unterstützt diese Annahme. Dies deckt sich mit früheren Forschungsergebnissen, die zeigen, dass Unternehmen KI-Systeme gezielt einsetzen, um Entscheidungen zu legitimieren und Kritik von sich abzulenken (Rahwan et al., 2019).
Insgesamt zeigen die Ergebnisse, dass KI nicht nur als Unterstützungstool, sondern auch als Absicherung gegen persönliche Verantwortlichkeit genutzt wird. Dieser Effekt ist insbesondere in Organisationen relevant, in denen die Fehlerkultur unzureichend entwickelt ist und Schuldzuweisungen zum Unternehmensalltag gehören.
Ein weiteres zentrales Thema der Untersuchung war die Fehlerkultur in Unternehmen. Die Items „Unsere Organisation geht konstruktiv mit Fehlern um und sucht nach Lösungen statt nach Schuldigen“ (M = 3,40, SD = 0,90) und „Scapegoating ist in unserer Organisation ein seltenes Phänomen“ (M = 2,90, SD = 1,00) legen nahe, dass in vielen Unternehmen eine problematische Fehlerkultur vorherrscht.
Interessanterweise zeigt das Item „KI-gestützte Analysen machen unsere Entscheidungen transparenter und weniger anfällig für Schuldzuweisungen“ (M = 4,10, SD = 0,70) eine hohe Zustimmung. Dies deutet darauf hin, dass Unternehmen, die KI gezielt für transparente Entscheidungen nutzen, tendenziell eine offenere Fehlerkultur etablieren können.
Die zentrale Erkenntnis in diesem Zusammenhang ist, dass KI sowohl Scapegoating verstärken als auch reduzieren kann – abhängig von der Unternehmenskultur. In Organisationen mit einer datengetriebenen Fehlerkultur könnte KI tatsächlich dazu beitragen, Entscheidungsprozesse transparenter zu gestalten und Schuldzuweisungen zu reduzieren.
Die vorliegende Untersuchung zielte darauf ab, zentrale Mechanismen der Verantwortungsverschiebung in Marketingprojekten zu identifizieren und die Rolle von KI in diesem Kontext zu analysieren. Auf Basis der empirischen Daten wurden drei Hypothesen formuliert und überprüft. Die nachfolgende Diskussion beleuchtet die jeweiligen Hypothesen detailliert, indem sie die gewonnenen Ergebnisse in den theoretischen Rahmen einbettet und Implikationen für Wissenschaft und Praxis ableitet.
H1: In Marketingprojekten mit hoher Unsicherheit tritt Scapegoating vermehrt auf, wobei insbesondere externe Dienstleister und technologische Systeme als Schuldige identifiziert werden.
Die Ergebnisse zeigen, dass Schuldzuweisungen in vielen Unternehmen ein wiederkehrendes Muster darstellen. Die hohe Zustimmung zu den Items „Wenn ein Marketingprojekt scheitert, werden Einzelpersonen oft zur Verantwortung gezogen“ (M = 3,81, SD = 0,85) und „Schuldzuweisungen sind ein wiederkehrendes Muster in unserem Marketingteam“ (M = 3,65, SD = 0,85) legt nahe, dass Unternehmen dazu neigen, Verantwortung für Misserfolge auf einzelne Akteure abzuwälzen, anstatt systemische Ursachen zu analysieren. Dies steht in Einklang mit der Attributionstheorie (Kelley & Michela, 1980), die beschreibt, dass Individuen und Organisationen externe Ursachen für Misserfolge suchen, um eigene Fehlentscheidungen oder strukturelle Defizite nicht thematisieren zu müssen.
Besonders relevant ist in diesem Zusammenhang, dass nicht nur interne Akteure, sondern auch technologische Systeme als Sündenböcke dienen. Die Zustimmung zum Item „Wenn ein KI-gestütztes Marketingprojekt scheitert, wird die Schuld eher der Technologie als dem Team zugeschrieben“ (M = 3,50, SD = 0,90) deutet darauf hin, dass KI als externe Instanz genutzt wird, um Verantwortung zu externalisieren. Dieser Mechanismus entspricht dem Konzept des technologischen Scapegoating, das beschreibt, dass Technologien in Organisationen nicht nur als Werkzeuge, sondern auch als Projektionsflächen für Fehlschläge genutzt werden (Mittelstadt et al., 2016). Die empirischen Befunde bestätigen somit, dass Unsicherheit in Marketingprojekten Scapegoating fördert und dass sowohl Einzelpersonen als auch technologische Systeme als Schuldträger identifiziert werden.
Ein weiterer Aspekt ist die Abhängigkeit vieler Unternehmen von externen Dienstleistern, insbesondere Agenturen und Beratern. Da diese Akteure oft projektbezogen eingebunden werden, besteht ein strukturelles Risiko, dass sie als Verantwortliche für Misserfolge dienen. Die Ergebnisse lassen darauf schließen, dass Organisationen in Krisensituationen dazu tendieren, Schuld außerhalb der eigenen Strukturen zu suchen, um interne Akteure und Prozesse zu entlasten. Dies unterstreicht die Relevanz einer klaren Verantwortungsstruktur in Marketingprojekten, die nicht nur individuelle, sondern auch systemische Fehlerquellen berücksichtigt.
H2: In Marketingprojekten, die stark auf KI-gestützte Entscheidungsprozesse setzen, wird Verantwortung für Fehlschläge häufiger auf die KI-Technologie als auf menschliche Akteure übertragen.
Die Untersuchung zeigt, dass KI in vielen Unternehmen eine zentrale Rolle in Entscheidungsprozessen einnimmt. Die hohe Zustimmung zum Item „In unserem Unternehmen nutzen wir KI-gestützte Systeme zur Marketingstrategieentwicklung“ (M = 4,13, SD = 0,66) sowie zur Aussage „KI-basierte Analysen werden stärker berücksichtigt als menschliche Einschätzungen“ (M = 3,84, SD = 0,80) verdeutlicht, dass algorithmische Entscheidungsfindung als fester Bestandteil moderner Marketingstrategien etabliert ist.
Gleichzeitig weist das Item „Führungskräfte nutzen KI zur Absicherung, um persönliche Verantwortung zu vermeiden“ (M = 3,70, SD = 0,90) darauf hin, dass KI als Schutzmechanismus in Entscheidungsprozessen fungieren kann. Dies unterstützt die These, dass Verantwortung nicht nur innerhalb von Hierarchien, sondern auch zwischen menschlichen und technologischen Entitäten verschoben wird. Dieser Befund korrespondiert mit dem Konzept des „Automation Bias“ (Mittelstadt et al., 2016), das beschreibt, dass algorithmische Entscheidungen oft als objektiv wahrgenommen werden, was es Entscheidungsträgern erleichtert, sich von ihrer eigenen Verantwortlichkeit zu distanzieren.
Die Tatsache, dass Unternehmen KI-basierte Systeme als „Entscheidungsträger“ etablieren, kann somit als doppelschneidiges Schwert interpretiert werden. Einerseits reduziert der Einsatz von KI menschliche Fehlerquellen und ermöglicht datengetriebene Entscheidungen, andererseits kann KI als Legitimation für Entscheidungen genutzt werden, ohne dass menschliche Verantwortung explizit übernommen wird. Dies wirft ethische Fragen auf, insbesondere im Hinblick auf die Nachvollziehbarkeit von Entscheidungen und die Verantwortung für negative Konsequenzen.
Ein weiterer kritischer Punkt ist die Frage der Fehlertoleranz in KI-gestützten Systemen. Wenn Unternehmen Misserfolge auf technologische Limitierungen oder Datenqualität zurückführen, könnte dies dazu führen, dass die tatsächlichen Ursachen nicht hinterfragt werden. Dies birgt das Risiko, dass algorithmische Fehler nicht als Lernmöglichkeit genutzt, sondern lediglich als unvermeidbare Konsequenz eines unvollständigen Modells betrachtet werden.
H3: In Unternehmen mit einer datengetriebenen Fehlerkultur führt der Einsatz von KI zu einer Reduktion von Scapegoating und einer transparenteren Verantwortlichkeitsstruktur.
Während die vorangegangenen Hypothesen zeigen, dass Scapegoating in Marketingprojekten weit verbreitet ist, deuten die Ergebnisse darauf hin, dass Unternehmen mit einer starken datengetriebenen Kultur weniger anfällig für Schuldzuweisungen sind. Die hohe Zustimmung zum Item „KI-gestützte Analysen machen unsere Entscheidungen transparenter und weniger anfällig für Schuldzuweisungen“ (M = 4,10, SD = 0,70) zeigt, dass KI auch als Instrument der Transparenzsteigerung genutzt werden kann.
Dies steht im Einklang mit Forschungen zur datengetriebenen Entscheidungsfindung, die zeigen, dass Unternehmen, die systematische Datenanalysen verwenden, in der Regel eine weniger personalisierte Schuldzuweisungskultur haben (Rahwan et al., 2019). Der Einsatz von KI kann somit nicht nur als Schutzmechanismus dienen, sondern auch als Mittel zur Förderung einer faireren Fehlerkultur. In Unternehmen mit ausgeprägter Datenkompetenz kann KI zu einer objektiveren und weniger subjektiv geprägten Verantwortungsstruktur beitragen.
Dennoch bleibt die Herausforderung, dass datengetriebene Entscheidungen immer noch durch menschliche Interpretation beeinflusst werden. Die Untersuchung zeigt, dass trotz hoher Transparenz KI nicht automatisch eine offene Fehlerkultur schafft. Unternehmen müssen daher sicherstellen, dass datenbasierte Entscheidungen nicht nur als Begründung für Handlungen dienen, sondern tatsächlich zu einer verbesserten Verantwortungsstruktur führen.
Die empirischen Ergebnisse bestätigen weitgehend die aufgestellten Hypothesen. Scapegoating tritt in unsicheren Marketingprojekten verstärkt auf und betrifft nicht nur Einzelpersonen, sondern auch technologische Systeme. Der Einsatz von KI hat einen ambivalenten Effekt: Einerseits bietet KI eine Grundlage für datengetriebene, transparente Entscheidungen, andererseits kann sie als Schuldzuweisungsinstrument missbraucht werden. Unternehmen mit einer ausgeprägten datengetriebenen Kultur scheinen weniger anfällig für personenzentrierte Schuldzuweisungen zu sein, was darauf hindeutet, dass KI unter bestimmten Bedingungen zur Etablierung einer besseren Fehlerkultur beitragen kann.
Die Ergebnisse dieser Untersuchung liefern wichtige Implikationen für die Gestaltung von Verantwortlichkeitsstrukturen in Marketingprojekten. Unternehmen sollten sich bewusst machen, dass der Einsatz von KI nicht automatisch zu einer objektiveren Fehleranalyse führt, sondern stark von der organisationalen Fehlerkultur abhängt. Um die positiven Effekte von KI zu maximieren, sollten klare Verantwortlichkeitsmechanismen definiert werden, die verhindern, dass Technologie als Sündenbock dient. Nur so kann sichergestellt werden, dass datengetriebene Entscheidungen tatsächlich zur Verbesserung der Unternehmenskultur beitragen.
Die Ergebnisse dieser Untersuchung liefern bedeutende Erkenntnisse für die Praxis des Marketings und insbesondere für die Gestaltung von Entscheidungsprozessen in datengetriebenen und KI-gestützten Marketingprojekten. Die Analyse der Verantwortungsverschiebung in Marketingorganisationen hat gezeigt, dass Scapegoating in unsicheren Projektumfeldern weit verbreitet ist und sich sowohl auf individuelle Mitarbeiter als auch auf technologische Systeme erstrecken kann. Gleichzeitig wurde deutlich, dass der Einsatz von Künstlicher Intelligenz in Unternehmen sowohl zur Objektivierung von Entscheidungen als auch zur Externalisierung von Verantwortung genutzt wird. Basierend auf diesen Erkenntnissen lassen sich mehrere gezielte Implikationen ableiten, die zu einer Verbesserung von Entscheidungsprozessen und einer effektiveren Nutzung von KI in Marketingprojekten beitragen können.
Eine der zentralen Herausforderungen, die durch diese Untersuchung sichtbar wurde, ist die unklare oder inkonsistente Zuweisung von Verantwortung in Marketingprojekten. Die neutrale Bewertung des Items „In meinem Unternehmen wird Verantwortung für Marketingentscheidungen klar zugewiesen“ (M = 3,09) deutet darauf hin, dass in vielen Unternehmen keine eindeutig definierten Verantwortlichkeitsstrukturen existieren. Dies führt dazu, dass in Krisensituationen verstärkt individuelle Schuldzuweisungen erfolgen, anstatt systemische Ursachen zu adressieren.
Eine wesentliche Implikation dieser Erkenntnis ist die Notwendigkeit, klare Rollen- und Verantwortlichkeitsmodelle in Marketingteams zu etablieren. Unternehmen sollten standardisierte Frameworks für Entscheidungsprozesse und Verantwortlichkeiten entwickeln, um eine nachvollziehbare Zuordnung von Kompetenzen und Aufgabenbereichen zu gewährleisten. Ein mögliches Modell könnte beispielsweise eine RACI-Matrix (Responsible, Accountable, Consulted, Informed) sein, die sicherstellt, dass für jede Entscheidungsebene genau definiert ist, wer für welche Aspekte eines Marketingprojekts verantwortlich ist und wer in Entscheidungsprozesse einbezogen werden muss. Dies reduziert die Wahrscheinlichkeit, dass in Krisensituationen Einzelpersonen oder externe Faktoren als Sündenböcke dienen.
Ein weiterer zentraler Aspekt ist die Einführung eines strukturieren Fehler- und Lessons-Learned-Prozesses. Statt individuelle Verantwortung in den Vordergrund zu stellen, sollten Unternehmen Misserfolge als Gelegenheit zur Prozessverbesserung betrachten. Regelmäßige retrospektive Analysen von Marketingkampagnen, in denen Erfolge und Misserfolge systematisch evaluiert werden, können dazu beitragen, dass Verantwortung objektiver betrachtet wird und weniger auf Einzelpersonen oder Technologien projiziert wird.
Die Ergebnisse haben gezeigt, dass Unternehmen zunehmend KI-gestützte Analysen für Marketingentscheidungen heranziehen. Die hohe Zustimmung zu „KI hilft uns, datenbasierte und objektive Entscheidungen zu treffen“ (M = 4,00) bestätigt, dass datengetriebene Entscheidungsfindung als wichtiger Vorteil von KI wahrgenommen wird. Gleichzeitig wurde aber auch deutlich, dass KI als Absicherungsmechanismus genutzt wird („Führungskräfte nutzen KI zur Absicherung, um persönliche Verantwortung zu vermeiden“, M = 3,70).
Eine wesentliche Verbesserung für Marketingprojekte besteht daher darin, KI nicht nur als Entscheidungsgrundlage, sondern auch als Entscheidungsunterstützung zu nutzen. Unternehmen sollten sicherstellen, dass algorithmische Prognosen und Empfehlungen nicht isoliert betrachtet werden, sondern in einem hybriden Entscheidungsmodell mit menschlicher Expertise kombiniert werden. Dies könnte durch die Einführung eines „KI+Human Review“-Ansatzes erfolgen, bei dem jede kritische Entscheidung sowohl durch maschinelle als auch durch menschliche Analysen validiert wird.
Ein weiteres Optimierungspotenzial besteht in der Verbesserung der Datenqualität und Transparenz der KI-Modelle. Eine der Herausforderungen bei der Nutzung von KI ist die Gefahr, dass Algorithmen aufgrund verzerrter oder unvollständiger Datengrundlagen fehlerhafte Empfehlungen abgeben. Um dies zu vermeiden, sollten Unternehmen verstärkt auf Data Governance und explainable AI (XAI) setzen. Durch eine erhöhte Transparenz der Entscheidungsgrundlagen von KI-Modellen lässt sich verhindern, dass Fehlschläge auf die Technologie abgewälzt werden, da nachvollziehbar bleibt, welche Faktoren in eine Entscheidung eingeflossen sind.
Die Studie hat gezeigt, dass in Unternehmen mit einer datengetriebenen Fehlerkultur eine geringere Tendenz zu Scapegoating besteht. Die hohe Zustimmung zu „KI-gestützte Analysen machen unsere Entscheidungen transparenter und weniger anfällig für Schuldzuweisungen“ (M = 4,10) deutet darauf hin, dass Unternehmen, die datenbasierte Entscheidungsprozesse etabliert haben, tendenziell eine weniger personalisierte Schuldzuweisungspraxis verfolgen.
Eine zentrale Implikation ist daher die Notwendigkeit, eine faktenbasierte Fehlerkultur zu etablieren, in der Entscheidungen und deren Konsequenzen systematisch analysiert werden. Unternehmen sollten auf datengetriebene Performance-Metriken setzen, um den Erfolg oder Misserfolg von Marketingprojekten zu bewerten. Statt subjektiver Schuldzuweisungen sollte eine objektive Ursachenanalyse erfolgen, die anhand quantitativer Daten den Einfluss einzelner Faktoren auf den Projekterfolg bewertet. Dies kann durch die Nutzung von A/B-Tests, Attribution-Modellen und KI-gestützten Simulationen realisiert werden.
Ein weiteres Mittel zur Verbesserung der Fehlerkultur ist die Einführung von KI-gestützten Anomalie-Erkennungssystemen, die automatisch Abweichungen und unerwartete Entwicklungen in Marketingkampagnen identifizieren. Anstatt retrospektiv nach Schuldigen zu suchen, könnten solche Systeme genutzt werden, um frühzeitig auf potenzielle Probleme hinzuweisen und Gegenmaßnahmen einzuleiten.
Ein weiteres zentrales Ergebnis dieser Untersuchung ist die Erkenntnis, dass Führungskräfte KI häufig als Absicherung nutzen. Dies birgt die Gefahr, dass Entscheidungsträger sich zunehmend auf algorithmische Empfehlungen verlassen, ohne selbst Verantwortung zu übernehmen. Dies könnte zu einer Reduktion der strategischen Kompetenz von Marketingverantwortlichen führen, da algorithmische Modelle zunehmend als „Entscheidungsträger“ anstelle menschlicher Expertise genutzt werden.
Eine zentrale Implikation für Unternehmen ist daher die Schulung von Führungskräften im effektiven Umgang mit KI-gestützten Entscheidungen. Unternehmen sollten sicherstellen, dass Manager nicht nur die Ergebnisse von KI-Analysen verstehen, sondern auch deren Limitationen kritisch hinterfragen können. Schulungsprogramme zur „Data Literacy“ könnten dazu beitragen, dass KI nicht als unantastbare Autorität betrachtet wird, sondern als wertvolles, aber kritisches Werkzeug in der Entscheidungsfindung.
Ein weiteres Mittel zur Verbesserung der Führungskultur ist die Einführung von Verantwortlichkeitsstrukturen für KI-Entscheidungen. Unternehmen sollten klare Mechanismen definieren, um sicherzustellen, dass strategische Entscheidungen nicht ausschließlich auf algorithmischen Empfehlungen basieren, sondern stets eine menschliche Bewertung beinhalten. Dies könnte beispielsweise durch die Einrichtung von KI-Ethik- und Review-Gremien geschehen, die jede kritische Entscheidung vor ihrer Umsetzung validieren.
Die Untersuchung hat gezeigt, dass KI sowohl positive als auch problematische Effekte in Marketingprojekten haben kann. Während sie Transparenz und datengetriebene Objektivität fördern kann, besteht gleichzeitig das Risiko, dass sie als Mechanismus zur Externalisierung von Verantwortung genutzt wird. Unternehmen sollten daher darauf achten, KI nicht als isolierte Entscheidungsinstanz zu etablieren, sondern als integrativen Bestandteil eines strukturierten und verantwortlichen Entscheidungsprozesses.
Die Einführung klarer Verantwortlichkeitsstrukturen, die Förderung einer datengetriebenen Fehlerkultur, die Verbesserung der Transparenz von KI-Modellen und die Schulung von Führungskräften im Umgang mit datengetriebenen Entscheidungen sind zentrale Maßnahmen, um Scapegoating in Marketingprojekten zu reduzieren und gleichzeitig die positiven Effekte von KI bestmöglich zu nutzen. Nur durch eine bewusste, reflektierte und strategisch durchdachte Integration von KI können Unternehmen langfristig erfolgreich datengetriebene Marketingentscheidungen treffen.
