Stellen Sie sich vor, Sie sehen zu, wie ein CEO eine schwierige Umstrukturierung ankündigt. Seine Worte sind beruhigend, sein Lächeln wirkt scheinbar echt. Doch für den Bruchteil einer Sekunde huscht ein Anflug von Verachtung über sein Gesicht. Den meisten von uns würde das entgehen. Der künstlichen Intelligenz jedoch nicht. Neue Forschungsergebnisse deuten sogar darauf hin, dass dieser flüchtige Moment das Vertrauen der Mitarbeiter stärker untergräbt als die schwierige Nachricht selbst.
Dies ist eine der Fragen, mit deren Beantwortung sich die Professorinnen Silvia Stroe und Charlotta Sirén von der School of Management beschäftigt haben. In einem kürzlich im «Academy of Management Journal», einer der führenden Fachzeitschriften auf diesem Gebiet, veröffentlichten Artikel stellen sie gemeinsam mit den Co-Autor:innen Vivianna Fang He (University College London), Vangelis Souitaris (City, University of London) und der Organisationswissenschaftlerin Barbara Burkhard (unabhängige Forscherin) ein Rahmenkonzept für die Anwendung der algorithmischen Analyse von Gesichtsausdrücken (AFEA) zur Untersuchung von Emotionen in Organisationen vor.
«Durch die Pionierarbeit von Paul Ekman sind wir vor acht Jahren zum ersten Mal auf diese Methode gestossen. Seine Forschungen legten den Grundstein für die Analyse von Gesichtsausdrücken. Mit dem Aufkommen algorithmischer Werkzeuge wurde es möglich, diese Methode effizient anzuwenden. Damals nutzte sie jedoch noch niemand in der Managementforschung», erinnert sich Sirén.
«Wir haben eine der ersten Studien zum Thema Unternehmertum unter Verwendung von AFEA durchgeführt. Dabei haben wir die Mimik von Gründenden während ihrer Pitches analysiert. Wir wollten verstehen, welche Rolle die Emotionen spielen, die Unternehmer:innen zeigen“, fügt Stroe hinzu. «Selbstauskünfte geben Aufschluss darüber, woran sich Menschen erinnern, nicht jedoch darüber, was ihr Gesicht in diesem Moment verriet.»
Sechs Jahre später fasst ihre neue methodische Abhandlung die Erkenntnisse aus dem Bereich der Betriebswirtschaftslehre zusammen. Sie legt einen Fahrplan dar, wie Forschende und später auch Praktiker:innen AFEA verantwortungsbewusst einsetzen können.
Im Kern nutzt AFEA Computer Vision und maschinelles Lernen, um die winzigen Muskelbewegungen, aus denen sich ein Gesichtsausdruck zusammensetzt, Bild für Bild in einem einfachen Video zu erkennen. Die Algorithmen basieren auf jahrzehntelanger psychologischer Forschung. Sie identifizieren gezeigte Emotionen unauffällig und messen ihre Intensität Bild für Bild.
Zwei Besonderheiten dieser neuen Methode stechen besonders hervor. Die erste ist die Erfassung der zeitlichen Struktur von Emotionen. «Emotionstheorien haben Emotionen schon immer als dynamisch und flüchtig beschrieben. Doch bestehende Messinstrumente beschränkten sich auf Momentaufnahmen: eine Umfrage am Ende einer Sitzung oder eine Selbstauskunft im Nachhinein. Mit AFEA können wir beobachten, wie sich eine Emotion aufbaut, ihren Höhepunkt erreicht und wieder abklingt – manchmal innerhalb von Sekunden», erklärt Sirén.
AFEA kann das zeigen, was als «emotionale Ansteckung» bezeichnet wird. Emotionale Ansteckung beschreibt die unbewusste Tendenz, die eigenen Emotionen automatisch nachzuahmen und mit denen einer anderen Person zu synchronisieren. Sie ist ein Zeichen für echte Verbundenheit. In einer Demonstration (die das Team für die Veröffentlichung filmte) übertrug sich Freude in 1,13 Sekunden vom Gesicht der unternehmerischen Person auf das Gesicht einer investierenden Person – ein klares Zeichen für einen Lehrbuchfall positiver emotionaler Ansteckung. «Die Synchronisationsgeschwindigkeit zwischen einer unternehmerischen und einer investierenden Person», argumentiert Stroe, «könnte ein weitaus besseres Signal für eine echte Verbindung sein als jedes verbale Feedback.»
Die zweite Fähigkeit ist Authentizität. Ein echtes Lächeln, das sogenannte Duchenne-Lächeln, beansprucht die Muskeln um die Augen; ein höfliches, gesellschaftliches Lächeln tut dies nicht. «AFEA kann diesen Unterschied zuverlässig erkennen und eröffnet damit die Möglichkeit, das zu erforschen, was als ‹emotionale Arbeit› bekannt ist, also die Anstrengung von Menschen, ihre Emotionen zu verbergen», fügt Sirén hinzu. «Dies kann beispielsweise dabei helfen, festzustellen, ob Servicemitarbeiter sich wirklich auf ihre Kundschaft einlassen.»
Für Stroe und Sirén ist der spannendste Schritt der, der als Nächstes kommt: die Umwandlung von AFEA von einem Forschungsinstrument in ein Werkzeug zur Selbstreflexion für Manager:innen, Führungskräfte und Unternehmer:innen.
«Wir möchten, dass Menschen sich selbst so sehen können, wie der Algorithmus sie sieht», sagt Stroe. «Nicht, um zu urteilen, sondern um zu lernen. Stellen Sie sich eine Person vor, die ihren Pitch überprüft und feststellt, dass ihre Begeisterung genau dann nachliess, als sie über ihr Team sprach. Oder eine Führungskraft, die erkennt, dass ihre beruhigende Ankündigung subtile Signale der Frustration enthielt. Das sind Informationen, auf die man reagieren kann.»
Das Ziel, betonen sie, sei eine bessere Selbsterkenntnis. «Emotionale Kommunikation ist eine Fähigkeit», sagt Sirén. «Und wie jede Fähigkeit verbessert sie sich, wenn man endlich sieht, was man tut.»