Knowledge Hiding: Warum Mitarbeitende Wissen aktiv zurückhalten — und was die Forschung dagegen weiß

1. Drei empirisch validierte Formen von Knowledge Hiding

Connelly, Zweig, Webster und Trougakos haben 2012 im Journal of Organizational Behavior die bis heute meistzitierte Taxonomie etabliert ^[1]. Knowledge Hiding ist demnach kein simples Gegenstück zu Knowledge Sharing — es ist ein eigenständiges Konstrukt mit drei distinkten Spielarten:

• Evasive Hiding — die angefragte Person verspricht eine Antwort, liefert aber nie oder liefert irrelevante Inhalte.
• Playing Dumb — die Person täuscht vor, das gefragte Wissen nicht zu besitzen.
• Rationalized Hiding — die Person verweigert offen, begründet mit Vertraulichkeit, Politik oder Zuständigkeit.

Die drei Formen korrelieren mit unterschiedlichen Antezedenzien (Distrust, Territorialität, Aufgabenkomplexität) und produzieren unterschiedliche Schäden — wichtig für die Frage, an welchem Hebel man ansetzt.

2. Der reziproke Distrust-Loop (Serenko & Bontis, 2016)

Serenko und Bontis ^[2] haben in einer Multi-Sample-Studie gezeigt, dass Knowledge Hiding zirkulär wirkt: Wer einmal das Gefühl hat, dass Kolleg:innen Wissen zurückhalten, verringert das eigene Sharing-Verhalten ebenfalls. Das hat zwei harte Konsequenzen:

1. Knowledge Hiding ist ansteckend — einzelne Vorfälle skalieren zu Teamkulturen.
2. Tools allein reichen nicht — eine Confluence-Instanz löst keinen Distrust auf.

Die Studie quantifiziert außerdem die ökonomischen Folgen: Teams mit hohem Hiding-Score liegen bei Innovationskennzahlen und Time-to-Competence von Onboardees signifikant zurück.

3. Was Zhang et al. (HICSS 2024) ergänzen — und warum es wichtig ist

Zhang, Sun, Wang und Shen ^[3] haben 2024 eine bemerkenswerte Frage gestellt: Bedeutet hoher Wissensbeitrag automatisch niedriges Zurückhalten? Die intuitive Antwort lautet ja. Die empirische Antwort lautet nein.

Sie zeigen, dass Knowledge Contribution durch Motivationsfaktoren (Anerkennung, Selbstwirksamkeit, intrinsische Freude) erklärt wird, Knowledge Withholding hingegen durch Neutralisierungsstrategien ("Es ist eh nicht so wichtig", "Die finden das auch selbst raus", "Das ist nicht mein Job"). Beide Mechanismen sind weitgehend unabhängig.

Konsequenz: Eine Person kann gleichzeitig hochaktiv Wissen beitragen und in spezifischen Situationen Wissen aktiv zurückhalten. Wer KPI-mäßig nur Sharing misst, übersieht systematisch das Risiko.

4. Was das für KI-gestütztes Knowledge Management heißt

Die drei Studien führen zu einer wenig beworbenen, aber harten Schlussfolgerung: KI-Plattformen ändern Hiding-Verhalten nicht automatisch — sie können es sogar verstärken, wenn die Plattform Monitoring-Charakter annimmt.

Drei Design-Prinzipien folgen daraus:

Erstens — psychologische Sicherheit vor Tool-Adoption. Wenn Mitarbeitende fürchten, dass ihre Beiträge gegen sie verwendet werden (Performance-Reviews, KPI-Tracking, Ersetzbarkeitssignale), sinkt die Wahrheitstiefe ihrer Antworten.

Zweitens — Asymmetrie zwischen Anfrager und Wissensquelle reduzieren. Lucas et al. (2014) ^[4] haben empirisch gezeigt, dass Menschen gegenüber Virtuellen Agenten mehr preisgeben als gegenüber Menschen — der Bewertungsdruck sinkt. KI-Interviews können diesen Effekt nutzen, wenn die Plattform glaubhaft macht, dass Outputs nicht der direkten Bewertung dienen.

Drittens — Reziprozität sichtbar machen. Plattformen, die zeigen, wer von wessen Wissen profitiert, aktivieren das soziale Prestige-System und entkräften Neutralisierungsargumente ("Das nutzt ja eh keinem").

5. Anschluss an Communities of Practice

Wenger (1998) ^[5] und Brown & Duguid (1991) ^[6] haben gezeigt, dass Wissensteilung in gewachsenen Praxisgemeinschaften mit geteilter Identität deutlich höher ist als in formal verordneten Strukturen. Ardichvili, Page und Wentling (2003) ^[7] haben das für virtuelle Communities repliziert und identifizierten als zentrale Barriere: Angst vor Gesichtsverlust und Misstrauen in die Akkuratheit eigener Beiträge.

Die Synthese: Wer Knowledge Hiding reduzieren will, baut keine Datenbank — sondern eine glaubhafte, niedrigschwellige Praxisgemeinschaft mit asymmetriearmen Erfassungswegen.

Fazit

Knowledge Hiding ist die unterschätzteste Variable im Wissensmanagement. Die Forschung zeigt zweifelsfrei: Es lässt sich nicht durch Tools wegrationalisieren, nicht durch KPIs erzwingen und nicht durch Druck reduzieren. Die wirksamen Hebel liegen in psychologischer Sicherheit, sichtbarer Reziprozität und in der bewussten Reduktion von Bewertungsasymmetrien — Bereiche, in denen KI-gestützte Pipelines paradoxerweise einen strukturellen Vorteil haben können.