Warum wir keinen KI-Copiloten in die Verhandlung setzen

Für eine KI-Verhandlungsplattform liegt eine Produktidee scheinbar auf der Hand: Das System hört im echten Gespräch mit, transkribiert den Austausch, erkennt die Bewegung des Lieferanten und blendet dem Einkäufer sofort den nächsten Schritt ein. Die Hinweise könnten lauten „Kostenargument hinterfragen“, „nach Belegen fragen“, „Stille aushalten“ oder „Volumen nur gegen Preis tauschen“. Technisch wird so etwas immer realistischer. Für den Aufbau von Verhandlungskompetenz halten wir es trotzdem für die falsche Richtung.

KI hat sehr wohl einen Platz in der Verhandlung. Einen wichtigen vor dem Gespräch und einen weiteren danach. Problematisch wird es, wenn das System im Live-Gespräch zum unsichtbaren dritten Teilnehmer wird und dem Menschen unter Druck sagt, was er als Nächstes tun soll.

Eine im September 2026 veröffentlichte Übersichtsarbeit von Jeanne Brett in Current Opinion in Psychology gibt dieser Grenze eine bemerkenswert passende Forschungsbasis. Brett ordnet empirische Arbeiten zu KI in der Verhandlung in Übung, Coaching und Feedback. Sokratisches Coaching sowie Feedback und Reflexion nach der Verhandlung scheinen Lernen zu unterstützen. Interaktives, explizites KI-Coaching während der Planung oder während der Verhandlung kann dagegen Abhängigkeit begünstigen.

Als Mechanismus nennt Brett nicht Faulheit. Motivierte Lernende können sich der vermeintlichen Expertise der KI unterordnen oder von dynamischen Hinweisen zusätzlich überlastet werden. Das liegt sehr nah an der Produktgrenze, die wir auch ohne diese Arbeit ziehen würden.

Die Urteilskraft im Live-Gespräch muss beim Menschen bleiben

Eine Verhandlung besteht nicht aus einzelnen Einwänden, denen jeweils eine richtige Antwort zugeordnet werden kann. Der Lieferant sagt, drei Prozent seien die absolute Untergrenze. Ob der Einkäufer widersprechen, akzeptieren, tauschen oder vertagen sollte, hängt von Informationen ab, die in diesem Moment womöglich überhaupt nicht ausgesprochen werden: Mandat aus Finance, Wert kommender Projekte, Qualifizierungsdauer einer Alternative, Stärke der BATNA, ein Wartungsstillstand im nächsten Monat, rechtliche Grenzen oder ein bereits zuvor vereinbartes Zugeständnis.

Ein Transkript zeigt, was gesagt wurde. Es zeigt nicht automatisch, welche kaufmännische Entscheidung richtig war.

Genau das ist für einen Live-Copiloten problematisch. Er muss jetzt empfehlen, obwohl ein Teil des entscheidenden Kontextes außerhalb des Gesprächs liegt.

Ein Einkäufer bewegt sich nach einem Hinweis auf Versorgungsrisiko von zwei auf drei Prozent. Für ein System, das nur den Dialog sieht, kann das wie ein unnötiges Zugeständnis aussehen. Vielleicht lagen drei Prozent aber bereits im genehmigten Mandat und der Lieferant hat gleichzeitig feste Stundensätze für das Projekt akzeptiert. Vielleicht würde ein weiterer Prozentpunkt weniger einsparen, als eine Verzögerung der Mobilisierung kosten würde.

Das beobachtbare Verhalten ist klar. Die Qualität der Entscheidung ist es nicht.

Das ist dieselbe Grenze, die wir im Beitrag über KI und Urteilskraft im Einkauf beschreiben. Kaufmännischer Kontext liegt verteilt in Köpfen, Systemen und früheren Entscheidungen. Die KI sieht nur, was sie erhält.

Eine Analyse kann belastbar sagen: „Nachdem der Lieferant Versorgungssicherheit eingebracht hat, haben Sie sich bewegt, ohne vorher nach Belegen zu fragen.“ Mit der Aussage „Sie hätten sich nicht bewegen dürfen“ sollte sie vorsichtiger sein, denn dafür braucht sie mehr Kontext.

Live-Hinweise konkurrieren um dieselbe Aufmerksamkeit wie die Verhandlung

Selbst richtige Hinweise schaffen ein zweites Problem. Eine angespannte Verhandlung beansprucht Aufmerksamkeit bereits vollständig. Zuhören, Bedeutung filtern, Mandat erinnern, mehrere Variablen verfolgen, Glaubwürdigkeit einschätzen, die eigene Reaktion steuern, eine Antwort auswählen und sie klar formulieren laufen gleichzeitig.

Nun kommt ein weiterer Arbeitsstrom hinzu: KI-Hinweis lesen, verstehen, prüfen, ob genug Kontext vorliegt, mit der eigenen Einschätzung abgleichen, annehmen oder verwerfen und dann zurück zur Gegenseite, die vielleicht längst weitergesprochen hat. Das System wird zu einem weiteren Gesprächsteilnehmer, den man mitführen muss.

Brett nennt die Überlastung durch dynamische KI-Hinweise ausdrücklich als möglichen Weg in die Abhängigkeit. Eine separate CHI-Studie aus 2026 liefert einen passenden unterstützenden Mechanismus. In einem kontrollierten Mietverhandlungsexperiment mit 32 Teilnehmenden sank die menschliche Leistung, als mehr Themen gleichzeitig verarbeitet werden mussten und die kognitive Last stieg. Die Studie untersuchte keinen Live-Copiloten in einer menschlichen Lieferantenverhandlung. Sie ist deshalb kein direkter Beleg gegen solche Systeme. Sie zeigt aber, wie empfindlich Verhandlungsleistung auf zusätzliche Komplexität reagieren kann.

Interessant ist auch die Gegenrichtung: Eine nicht vorschreibende Visualisierung reduzierte in dieser Studie die Belastung bei komplexeren Verhandlungen. Das ist eine wichtige Unterscheidung. Informationen übersichtlicher zu machen ist nicht dasselbe wie fortlaufend den nächsten Schritt vorzuschreiben.

Die entscheidende Frage lautet deshalb nicht, ob Technologie während einer Verhandlung grundsätzlich sichtbar sein darf. Entscheidend ist, ob sie die Lage verständlicher macht oder die Urteilskraft des Menschen ersetzt.

Abhängigkeit ist auch dann ein Lernproblem, wenn der Deal besser wird

Nehmen wir an, der Copilot funktioniert perfekt. Der Einkäufer erzielt ein besseres Ergebnis, weil das System die richtige Frage einblendet, an Stille erinnert und vor einem voreiligen Zugeständnis warnt. Der unmittelbare Deal kann dadurch besser werden. Für den Kompetenzaufbau entsteht aber eine schwierigere Frage: Wenn das System immer genau in dem schwierigen Moment übernimmt, fehlen dem Lernenden Wiederholungen jener Urteilskraft, die das Unternehmen langfristig von ihm erwartet.

KI-gestützte Leistung und Kompetenzaufbau sind deshalb nicht automatisch dasselbe Ziel. Navigation kann die heutige Strecke verbessern, ohne dass man die Stadt lernt. Ein Verhandlungs-Copilot kann die heutige Antwort verbessern, ohne die Fähigkeit aufzubauen, sie morgen selbst zu produzieren.

Gerade deshalb ist Bretts Überblick so relevant. Vielversprechende Lernmechanismen lassen die Person weiter denken: sokratisches Coaching, Übung, Feedback und Reflexion. Das Abhängigkeitsrisiko erscheint dort, wo explizite KI-Hinweise näher an die Ausführung der Aufgabe rücken.

Die Forschung ist noch jung. Brett fordert ausdrücklich mehr Arbeit zu den Mechanismen hinter Lernen und Abhängigkeit. Daraus folgt nicht, dass jede Live-Unterstützung Kompetenz schädigt. Es folgt aber eine wichtigere Produktfrage als „Können wir das bauen?“.

Vor der Verhandlung ist Zeit, die Logik anzugreifen

Vor dem Gespräch funktioniert Zeit anders. Der Einkäufer kann einen strukturierten Fall eingeben, Fakten von Annahmen trennen lassen, die Verhandlungslogik angreifen, fehlende Informationen identifizieren und die stärkste glaubwürdige Lieferantenposition entwickeln. Aussagen können geprüft, Finance kann einbezogen und eine vermeintliche BATNA als neunmonatige Qualifizierung entlarvt werden. Schlechte KI-Empfehlungen lassen sich verwerfen, ohne gleichzeitig einem Lieferanten zuhören zu müssen.

Genau hier kann ChatGPT sehr nützlich sein. Unser Beitrag zum Verhandeln mit ChatGPT beschreibt diese Rolle ausführlich. Vorbereitung soll die Karte des Menschen verbessern, nicht ein Skript erzeugen, dem er folgen muss. Die echte Verhandlung bleibt seine Aufgabe.

Nach der Verhandlung kann KI analysieren, statt die Ausführung zu unterbrechen

Nach dem Gespräch ist der Zeitdruck verschwunden. Dann kann ein System Transkript, ursprüngliches Briefing und den zulässigen zusätzlichen Kontext gemeinsam betrachten. Es kann herausarbeiten, wo sich das Gespräch verändert hat, welche Annahmen der Vorbereitung standgehalten haben, wo der Einkäufer von seiner Linie abgewichen ist und welche Momente eine erneute Übung verdienen.

Das ist ein sinnvollerer Ort für forensische Analyse als mitten in einem Satz. Auch hier muss zwischen Verhalten und kaufmännischem Urteil unterschieden werden. „Sie haben Bewegung angeboten, bevor klar war, was der Lieferant im Gegenzug gibt“ ist eine Beobachtung aus dem Gespräch. „Sie hätten das Angebot ablehnen sollen“ kann Informationen verlangen, die im Transkript fehlen.

Bei simulierten Voice2Evolve-Sessions ist diese Trennung bereits wichtig: Die Analyse arbeitet mit Szenario, Gespräch und bekanntem Trainingskontext. Voice2Evolve erfasst und analysiert derzeit keine echten Lieferantenverhandlungen. Sollte diese Grenze künftig erweitert werden, wäre die für uns sinnvolle Richtung eine Analyse nach dem Gespräch auf Basis des ursprünglichen Briefings und des bekannten Kontextes. Es wäre kein versteckter KI-Kanal, der dem Einkäufer während der echten Verhandlung die nächste Formulierung vorgibt. Das ist für uns eine bewusste Produktgrenze, keine fehlende Funktion.

Der Entwicklungsloop ist etwas anderes als ein Copilot

Der Lernloop, den wir bevorzugen, ist einfach: den Fall vorbereiten, das Gespräch trainieren, die Live-Entscheidung beim Menschen lassen und danach analysieren, was passiert ist und was als Nächstes trainiert wird. KI ist rund um die Verhandlung stark beteiligt. Sie wird aber nicht zum Verhandler.

Ein System, das im richtigen Moment den perfekten Satz einblendet, wirkt spektakulärer. Für nachhaltigen Kompetenzaufbau ist die unspektakulärere Grenze möglicherweise wertvoller.

Wenn nur die nächste Antwort optimiert werden soll, ist Live-Hilfe verführerisch. Wenn Einkäufer auch ohne Einflüsterer unter Druck handlungsfähig bleiben sollen, zählt die Grenze. KI soll den Verhandler besser machen, nicht zum Verhandler werden.

Quellen

• Brett, J. M. (7. September 2026). AI and negotiation: Facilitating learning or fostering dependency?. Current Opinion in Psychology, 73, 102437.
• Parmar, M., & Silpasuwanchai, C. (13. April 2026). From Overload to Convergence: Supporting Multi-Issue Human-AI Negotiation with Bayesian Visualization. CHI '26.