Emotionen erkennen in der Führung: Potenziale und Grenzen künstlicher Intelligenz (AI)

Das Erkennen von Emotionenist ein zentraler Bestandteil von Führung. Emotionen beeinflussen, wie Situationen bewertet, Entscheidungen getroffen, Beziehungen gestaltet und Signale zwischen Führungskraft und Mitarbeitenden interpretiert werden. Gerade in schwierigen Situationen – etwa bei Veränderungsprozessen, Konflikten, Leistungsfeedback oder Unsicherheit – reicht es daher nicht aus, nur den gesprochenen Inhalt einer Kommunikation zu betrachten. Führungskräfte senden gleichzeitig emotionale und nonverbale Signale, die Mitarbeitende wahrnehmen und in ihre Einschätzung der Situation einbeziehen. Die Führungsforschung zeigt entsprechend, dass Emotionen sowohl mit Führungsverhalten als auch mit Reaktionen von Mitarbeitenden und organisationalen Ergebnissen verbunden sind (Küpers/Weibler 2005; Rajah/Song/Arvey 2011).

Zugleich ist Vorsicht geboten: Ein Gesichtsausdruck ist als emotionales Signal kein eindeutiger Beweis für einen inneren Gefühlszustand. Schon oft haben wir bei Leadership Insiders betont, dass die emotionale Wahrnehmung immer auch vom situativen Kontext, von Stimme, Körperhaltung, Vorwissen und sozialen Erwartungen abhängt (vgl. hierzu detailliert Barrett et al., 2019; Goel et al., 2024).

Im Folgenden wird zunächst mit Blick auf unserem heutigen Referenztext von Silvia Stroe und ihrem Team (2026) erläutert, warum das Erkennen von Emotionen für Führungskräfte relevant ist. Danach geht es darum, wie Mitarbeitende emotionale Signale ihrer Führungskraft wahrnehmen. Sodann darum, welchen zusätzlichen Nutzen künstliche Intelligenz (KI/AI) durch Algorithmic Facial Expression Analysis (AFEA), also die algorithmische Analyse von Gesichtsausdrücken, bietet und wie diese technisch funktioniert. Abschließend werden die im Referenztext dargestellten Ergebnisse eingeordnet und hinsichtlich ihrer Aussagekraft bewertet und abschließend auf die praktische und verantwortungsvolle Führungsarbeit transferiert.

Warum ist das Erkennen von Emotionen für Führungskräfte wichtig?

Führung findet in sozialen Situationen statt. Mitarbeitende reagieren nicht ausschließlich auf Sachinformationen, sondern auch darauf, wie eine Führungskraft etwas sagt, welche emotionale Haltung sie vermittelt und ob ihr Auftreten zur Situation glaubwürdig erscheint. Emotionen können damit eine soziale Informationsfunktion übernehmen: Sie geben Hinweise darauf, wie eine Führungskraft ein Ereignis bewertet, welche Bedeutung sie ihm beimisst und welche Reaktion sie von anderen möglicherweise erwartet. In der Führungsforschung wird deshalb seit Jahren untersucht – wir denken da sogleich an die populären Bücher von Daniel Goleman –, wie die Emotionen von Führungskräften und Mitarbeitenden zusammenhängen und welche Folgen emotionale Ausdrucksfähigkeit, positive oder negative Affekte und emotionale Kompetenzen für Führung haben (zur Übersicht siehe Weibler 2023, S. 551ff.).

Für die Praxis ist besonders relevant, dass Führungskräfte ihre Emotionen häufig regulieren müssen bzw. sollten. Eine Führungskraft kann beispielsweise über einen Rückschlag verärgert sein, in einem Gespräch aber bewusst ruhig bleiben. Sie kann Unsicherheit empfinden und gleichzeitig Zuversicht kommunizieren wollen. Diese Differenz zwischen innerem Erleben und äußerem Ausdruck ist nicht automatisch problematisch; sie gehört zur professionellen Rollenanforderung. Problematisch wird sie dort, wo die kommunizierte Emotion für Mitarbeitende unglaubwürdig wirkt oder unbeabsichtigt ein anderes Signal vermittelt als beabsichtigt. Die im Referenztext beschriebene AFEA-Perspektive ist deshalb interessant, weil sie nicht nur nach einer einzelnen Emotion fragt, sondern nach dem zeitlichen Verlauf und der Abstimmung verschiedener Ausdrucksmuster.

Die Forschung zeigt nämlich, dass aus dekontextualisierten Gesichtsbewegungen nicht zuverlässig auf eine bestimmte Emotion geschlossen werden kann. Barrett et al. (2019) weisen beispielsweise auf begrenzte Zuverlässigkeit, fehlende Spezifität und eingeschränkte Generalisierbarkeit solcher Zuordnungen hin und Goel et al. (2024) zeigen, dass situatives Wissen die emotionale Interpretation wesentlich beeinflussen kann und Gesichtsinformationen allein oftmals nicht ausreichen, um auf sicherem Grund zu stehen.

Wie nehmen Mitarbeitende Emotionen bei der Führungskraft wahr?

Mitarbeitende nehmen Emotionen ihrer Führungskraft über mehrere Kanäle wahr. Das Gesicht ist dabei ein wichtiger, aber keineswegs der einzige Informationskanal. Mimik, Stimme, Körperhaltung, Blickkontakt, Sprechtempo und situativer Kontext werden zusammengeführt. Die wissenschaftliche Literatur zur Gesichtswahrnehmung macht deutlich, dass dieselbe Bewegung im Gesicht je nach Situation unterschiedlich interpretiert werden kann. Ein angespannter Gesichtsausdruck kann etwa Ärger, Konzentration, Unsicherheit oder körperliche Anstrengung widerspiegeln. Für die Führungspraxis bedeutet dies: Mitarbeitende interpretieren nicht lediglich einzelne Gesichtsmuskeln, sondern bilden aus mehreren Signalen eine soziale Einschätzung.

Besonders bedeutsam ist die zeitliche Dynamik. Ein emotionaler Ausdruck besteht nicht nur aus einem sichtbaren Höhepunkt, sondern entwickelt sich über die Zeit. Stroe et al. (2026) beschreiben hierfür verschiedene zeitbezogeneMessgrößen: Der Onset bezeichnet den Beginn einer Ausdrucksaktivierung. Die Latenz beschreibt den zeitlichen Abstand zwischen einem auslösenden Ereignis beziehungsweise dem Ausdruck einer anderen Person und dem Beginn der beobachteten Reaktion. Der Peak bezeichnet die maximale Intensität eines Ausdrucksmusters innerhalb eines betrachteten Zeitraums. Die Dauer gibt an, wie lange die Aktivierung anhält, während Recovery den anschließenden Rückgang in Richtung des Ausgangsniveaus bezeichnet.

Für die Führungsforschung eröffnet dies eine differenziertere Perspektive: Nicht nur die Frage, ob ein Ausdruck auftritt, ist relevant, sondern auch, wann er einsetzt, wie stark er ausfällt, wie lange er anhält und wie schnell er abklingt. Gerade für Interaktionen wie die in Führungsbeziehungen ist dies bedeutsam. Damit lässt sich beispielsweise untersuchen, ob und wie schnell ein emotionales Signal einer Führungskraft mit einer Reaktion von Mitarbeitenden zeitlich zusammenfällt. Eine solche Messung ist allerdings zunächst eine Beschreibung des beobachtbaren Verhaltens und noch keine Erklärung für dessen Ursache.

Ein weiterer Aspekt betrifft die wahrgenommene Authentizität. Menschen achten nicht nur darauf, welche Emotion gezeigt wird, sondern auch darauf, ob der Ausdruck glaubwürdig erscheint. Dies haben Weischer/Petersen/Weibler (2013) in einer frühen Ausarbeitung im Labor bereits näher analysiert. Dort wurde deutlich anders reagiert, wenn eine Unstimmigkeit im Erscheinungsbild der Zielperson beim Beobachtenden auftrat. Die hier im Referenztext genutzte AFEA kann nun technisch unterschiedliche Aktivierungsmuster von Gesichtsmuskeln und deren zeitlichen Verlauf erfassen. Daraus folgt jedoch nicht, dass eine Software „Ehrlichkeit“ unmittelbar feststellen kann. Sinnvoller ist es, von beobachtbaren Ausdrucksmustern zu sprechen, deren Bedeutung erst im Zusammenhang mit Situation und Verhalten beurteilt werden kann.

Welche Vorteile bietet die AI und wie macht sie das technisch?

Der wesentliche Vorteil künstlicher Intelligenz liegt gegenüber einer rein menschlichen Beobachtung in der Skalierbarkeit, Standardisierung und zeitlichen Auflösung. Menschen können Gesichtsausdrücke grundsätzlich sehr fein wahrnehmen, doch es ist einfacher und genauer, Verläufe über viele Beobachtungspunkte hinweg technisch zu analysieren.

Dieser Prozess beginnt nach Stroe et al. mit der Erkennung und Lokalisierung eines Gesichts in einzelnen Videoframes. Anschließend werden markante Bereiche des Gesichts erfasst und die Kopfposition berücksichtigt. Trainierte neuronale Netze analysieren die visuellen Merkmale. Die erkannten Bewegungen können anschließend in sogenannte Action Units des Facial Action Coding System (FACS) nach dem Emotionsforscher Paul Ekman übersetzt werden. Diese beschreiben einzelne oder kombinierte Bewegungen der Gesichtsmuskulatur. Aus bestimmten Kombinationen lassen sich wiederum Ausdruckskategorien ableiten. Deep-Learning-Verfahren haben die automatische Gesichtsausdrucksanalyse gegenüber älteren, stärker handcodierten Merkmalsverfahren deutlich weiterentwickelt; zugleich bleiben technische Einflussfaktoren wie Beleuchtung, Kopfhaltung, Bildqualität und Unterschiede zwischen Personen relevant (Li/Deng, 2022).

Der besondere Mehrwert von AFEA liegt deshalb nicht allein in der Klassifikation eines Gesichtsausdrucks, sondern in der Möglichkeit, dessen zeitliche Struktur systematisch zu erfassen. So können Reaktionslatenz, maximale Intensität, Dauer, Erholungszeit und die zeitliche Abfolge verschiedener Ausdrucksmuster untersucht werden. Auch zeitliche Zusammenhänge zwischen Personen können analysiert werden. Für die Führungsforschung ist dies besonders interessant, weil emotionale Prozesse in Interaktionen nicht statisch sind. Sie entwickeln sich zwischen Personen und über die Zeit.

Eine solche Analyse ist grundsätzlich auch in realitätsnahen Situationen denkbar, etwa bei Präsentationen, Feedbackgesprächen oder Meetings. Damit steigt allerdings zugleich die Bedeutung des Kontextes. Je natürlicher und komplexer eine Interaktion ist, desto weniger sinnvoll ist es, einen einzelnen Gesichtsausdruck isoliert zu interpretieren. Die technische Fähigkeit, ein Muster zuverlässig zu erkennen, beantwortet daher noch nicht die weitergehende Frage, welche soziale oder emotionale Bedeutung dieses Muster in einer konkreten Führungssituation besitzt.

Was folgt daraus für die praktische Führungsarbeit?

Vorweg steht die Bewertung der Methode. Sie zeigt, dass sich emotionale Ausdrucksdynamiken mit hoher zeitlicher Auflösung erfassen und zwischen mehreren Personen in Beziehung setzen lassen. In einem beschriebenen Beispiel wird unter anderem eine zeitliche Differenz von 1,13 Sekunden zwischen dem Beginn eines Ausdrucks beim Unternehmer und der anschließenden Reaktion eines Investors ausgewiesen. Das kann man auf Führungsbeziehungen übertragen. Die Reihenfolge und zeitliche Nähe von Ausdrucksereignissen kann damit präziser dokumentiert werden, als dies bei einer rein nachträglichen menschlichen Beobachtung möglich wäre. Spannend, wie sich solche Effekte zwischen Personen unterscheiden könnten und wie beeinflussbar dies wäre.

Die wissenschaftlich angemessene Gesamtbewertung fällt differenziert aus. AFEA besitzt eine erhebliche Stärke bei der Beschreibung beobachtbarer, zeitlich strukturierter Gesichtsausdrucksdaten. Schwächer ist die Methode dort, wo aus diesen Daten auf den subjektiven emotionalen Zustand einer Person geschlossen werden soll. Stroe et al. (2026) verweisen in diesem Zusammenhang selbst auf lediglich moderate Zusammenhänge zwischen emotionalem Erleben und beobachtetem Gesichtsausdruck. Das wird allerdings noch besser werden. Vereinfacht gesagt ist die Aussage „Was hat sich im Gesicht wann verändert?“ momentan methodisch wesentlich belastbarer als die Aussage „Was hat die Person wirklich gefühlt?“. Für die Führungspraxis ist diese Grenze zentral.

Für die praktische Führungsarbeit ergibt sich zunächst eine Konsequenz, die unabhängig vom Einsatz von KI gilt: Führungskräfte sollten ihre eigenen emotionalen Signale bewusst wahrnehmen. Wer weiß, dass Mitarbeitende Mimik, Stimme, Körpersprache und Situation gemeinsam interpretieren, kann prüfen, ob die eigene Kommunikation die beabsichtigte Botschaft tatsächlich unterstützt. Dies ist besonders in Veränderungssituationen oder bei kritischen Entscheidungen relevant. Eine Führungskraft kann verbal Zuversicht vermitteln wollen, gleichzeitig aber durch dauerhaft angespannte oder abweisende Signale unbeabsichtigt Unsicherheit verstärken. AFEA kann eine solche Reflexion perspektivisch unterstützen, ersetzt sie aber nicht.

Eine andere betrifft den möglichen Einsatz als Trainings- und Reflexionsinstrument. Denkbar wäre beispielsweise die freiwillige Analyse aufgezeichneter Präsentationen oder Gesprächssimulationen. Der Nutzen läge dann weniger darin, einer Führungskraft eine bestimmte „Emotion“ zuzuschreiben, sondern darin, wiederkehrende Ausdrucksmuster sichtbar zu machen: Wann steigt die mimische Anspannung? Wie lange hält sie an? Verändert sich der Ausdruck bei bestimmten Gesprächsinhalten? Eine solche Rückmeldung kann die Selbstreflexion unterstützen, ohne aus einem Gesichtsausdruck eine psychologische Diagnose zu machen.

Des Weiteren sollte die Technologie die direkte Kommunikation nicht ersetzen. Wenn eine Führungskraft bei einem Mitarbeitenden eine ungewöhnliche emotionale Reaktion wahrnimmt – unabhängig davon, ob diese Beobachtung technisch unterstützt wurde –, ist die angemessene Führungsreaktion zunächst das Gespräch. Eine offene Frage wie „Wie erleben Sie die Situation?“ liefert Informationen über das subjektive Erleben, die eine Gesichtsanalyse nicht bereitstellen kann. Gerade weil emotionale Ausdrucksmuster kontextabhängig sind, bleibt der Dialog die entscheidende Ergänzung jeder technischen Analyse.

Zudem sind klare Grenzen beim Einsatz von KI im Führungsalltag erforderlich. Eine kontinuierliche emotionale Überwachung von Mitarbeitenden könnte nicht nur erhebliche Datenschutz- und Akzeptanzprobleme erzeugen, sondern auch zu Fehlinterpretationen und unangemessenen Leistungsurteilen führen. Aus wissenschaftlicher und führungspraktischer Sicht erscheint eine Nutzung deshalb eher dort vertretbar, wo sie freiwillig, transparent, zweckgebunden und auf Entwicklung oder Forschung ausgerichtet ist. Eine verdeckte Überwachung emotionaler Reaktionen wäre demgegenüber mit erheblichen juristischen relevanten Sachverhalten und ethischen sowie organisationalen Risiken verbunden.

Und noch eines:  Die AFEA erweitert den emotionsorientierten Blick auf Führung um die zeitliche Dimension emotionalen Verhaltens. Nicht nur die Frage, ob eine Führungskraft beispielsweise Ärger, Freude oder Anspannung zeigt, kann relevant sein, sondern auch, wie schnell eine Reaktion einsetzt, wie intensiv sie ausfällt und wie schnell sie wieder abklingt. Diese Erkenntnis trägt dazu bei, Führung stärker als Prozess der emotionalen Selbststeuerung und sozialen Abstimmung zu verstehen.

Die zentrale praktische Schlussfolgerung lautet damit: KI kann die Beobachtung emotionaler Ausdruckssignale präzisieren und neue Möglichkeiten für Forschung, Training und Reflexion eröffnen. Sie sollte jedoch nicht als Instrument verstanden werden, das den inneren Zustand von Führungskräften oder Mitarbeitenden zuverlässig aus deren Gesicht abliest. Wissenschaftlich verantwortbare Führung verbindet technische Beobachtung vielmehr mit Kontextwissen, Selbstreflexion und vor allem mit direkter Kommunikation. Deshalb gilt:

Die eigentliche Führungsleistung in der Emotionserkennung mittels künstlicher Intelligenz bleibt damit das Verstehen und Gestalten sozialer Situationen. Für einen Impuls, der in Echtzeit die Führungskraft erreicht, einmal das gerade Ablaufende zu reflektieren – insbesondere wenn bedrohliche Kommunikationssignale drohen, übersehen zu werden –, wäre womöglich so manche Führungskraft und vielleicht mehr noch die Teammitglieder dennoch dankbar.