Das Vertrauensthermometer
Vertrauen in KI wird üblicherweise so gemessen, wie Temperatur gemessen wird. Eine Skala. Eine Zahl. Ein Gradient, der in kleinen, vorhersehbaren Schritten steigt oder fällt. Edelman veröffentlicht die Studie. Das Dashboard wird grün oder rot. Das Policy-Team schreibt ein Memo. Die Zahl wird wie eine Thermostatablesung behandelt — etwas, das man durch Kampagnen, Schulungen und Beruhigung nach oben drücken soll.
Der Edelman Trust Barometer 2026 hat diesen Rahmen aufgebrochen. Vertrauen in KI ist kein Thermometer. Es ist eine Klippe.
Bei rund 34 000 Befragten in 28 Ländern, befragt zwischen dem 23. Oktober und dem 18. November 2025, fand Edelman etwas, das das Gradientenmodell nicht erklären kann. Der größte einzelne Prädiktor dafür, ob jemand KI vertraut, ist nicht das Alter, nicht das Einkommen, nicht der Bildungsgrad, nicht die politische Ausrichtung. Es ist, ob die Person persönlich eine nützliche Erfahrung mit dem Werkzeug gemacht hat. Und die Lücke zwischen denen, die das haben, und denen, die das nicht haben, beträgt 26 bis 46 Prozentpunkte je nach Markt.
26 bis 46 Prozentpunkte sind kein Gradient. Sie sind eine Diskontinuität. Die Daten zeigen nicht, dass Menschen sich der KI langsam annähern, je mehr sie über sie lernen. Die Daten zeigen Menschen auf der einen oder anderen Seite einer Wand. Die Wand ist eine sinnvolle Nutzung. Wenn diese Nutzung stattgefunden hat, steigt das Vertrauen deutlich. Solange sie nicht stattgefunden hat, bewegt sich das Vertrauen nicht — egal, wie viele Präsentationen das Change-Management-Team produziert.
Die Klippe in den Zahlen
Die Länderaufschlüsselung macht die Klippe im großen Maßstab sichtbar. In China sagen 87 Prozent der Befragten, sie vertrauen KI. In Brasilien 67 Prozent. In Deutschland 39 Prozent. Im Vereinigten Königreich 36 Prozent. In den USA 32 Prozent. Die Lücke zwischen China und den USA beträgt 55 Prozentpunkte — eine so große Lücke, dass die beiden Bevölkerungen faktisch in unterschiedlichen Verhältnissen zur selben Technologie leben.
Die Versuchung ist, die Länderunterschiede kulturell zu lesen. Östliche Märkte vertrauen Technologie mehr als westliche. Junge Bevölkerungen mehr als ältere. Die vertrauten Erklärungen reihen sich auf.
Das Edelman Trust Institute hat sich den zugrunde liegenden Mechanismus angesehen und etwas anderes gefunden. Der Edelman Trust Barometer Flash Poll vom Herbst 2025 — eine separate Befragung von 5 000 Personen in Brasilien, China, Deutschland, dem Vereinigten Königreich und den USA, durchgeführt zwischen dem 17. und 27. Oktober 2025 — isolierte die Variable Erfahrung. Die Frage war einfach: Haben Sie persönlich von KI bei der Arbeit profitiert? In vier der fünf Märkte hatten Befragte, die mit Ja antworteten, eine um 26 bis 46 Prozentpunkte höhere Wahrscheinlichkeit, KI zu vertrauen, als Befragte, die mit Nein antworteten.
Die Länderunterschiede in den Schlagzeilenwerten verschwinden nicht, wenn man die Erfahrung kontrolliert. Aber sie werden kleiner. Deutlich kleiner. Der Grund, warum China im Vertrauensranking führt, ist nicht in erster Linie, dass die chinesische Kultur Technologie mehr vertraut. Es ist, dass mehr chinesische Beschäftigte eine nützliche KI-Erfahrung gemacht haben. Vertrauen folgt der Erfahrung. Erfahrung folgt nicht dem Vertrauen.
Genau deshalb ist die Klippen-Metapher präziser als die Thermometer-Metapher. Ein Thermometer setzt Stetigkeit voraus — kleine Bewegungen am Eingang erzeugen kleine Bewegungen am Ausgang. Eine Klippe setzt Unstetigkeit voraus — die Person auf der einen Seite hat eine kategorisch andere Ausrichtung als die Person auf der anderen Seite, und das einzige, was sie hinüberbringt, ist das Hinübergehen selbst.
Was die Erste Interaktion Entscheidet
Amy Edmondson veröffentlichte ihre grundlegenden Arbeiten zu psychologischer Sicherheit 1996 und 1999 und untersuchte Pflegeteams in einem Krankenhaus. Sie erwartete, dass besser leistende Teams weniger Medikationsfehler machen würden. Sie fand das Gegenteil: Bessere Teams berichteten mehr Fehler, nicht weniger. Die Teams, die gut funktionierten, waren nicht fehlerfrei. Sie waren fehler-ehrlich. Psychologische Sicherheit — die Edmondson als die Überzeugung definierte, dass das Team ein sicherer Ort für zwischenmenschliche Risiken ist, die Überzeugung, dass man nicht bestraft wird, wenn man eine Frage stellt oder zugibt, etwas nicht zu wissen — war die Variable, die Teams, die Fehler an die Oberfläche bringen konnten, von Teams unterschied, die sie vergruben.
Wendet man den Rahmen auf KI-Adoption an, wird die Klippe scharf.
Die erste Interaktion mit einem KI-Werkzeug ist ein zwischenmenschlicher Risikomoment. Die Person am Bildschirm weiß nicht, ob ihre Frage zu einfach, zu vage oder zu verräterisch dafür ist, was sie nicht weiß. Sie weiß nicht, ob das System etwas Nützliches oder etwas Peinliches produziert. Sie weiß nicht, ob ihr Anfragenverlauf von jemandem eingesehen wird, der über ihre Leistungsbeurteilung entscheidet. Sie setzt ein Stück kognitiver Unsicherheit einem System aus, dessen soziale Bedeutung noch nicht etabliert ist.
Wenn diese erste Interaktion ein kleines, nützliches Ergebnis hervorbringt — eine Antwort, die etwas klärt, einen Entwurf, der zwanzig Minuten spart, eine Zusammenfassung, die ein bisher übersehenes Muster sichtbar macht —, löst sich die Unsicherheit auf. Das Werkzeug wechselt von „potenzielle Bedrohung meines beruflichen Standings” zu „Ressource, auf die ich zurückgreifen kann”. Vertrauen entsteht nicht durch Überredung. Es entsteht durch die Erfahrung eines nicht-bestrafenden Ergebnisses auf einen kleinen Akt der Verletzlichkeit. Das ist Edmondsons Rahmen, angewandt auf Werkzeuge statt auf Teams: Die Sicherheit, das Risiko einzugehen, erzeugt die Erfahrung, die das Vertrauen rechtfertigt.
Wenn diese erste Interaktion nichts hervorbringt — oder schlimmer noch, etwas, das die Person bereinigen, verteidigen oder verbergen muss —, löst sich die Unsicherheit nicht auf. Sie verhärtet sich. Das Risiko wurde eingegangen. Der Ertrag war negativ. Das System wurde nun als unsicher eingestuft. Keine spätere Schulung wird diese Einstufung schnell zurücksetzen, denn das menschliche Nervensystem gewichtet Hinweise nicht symmetrisch. Eine negative Erstbegegnung erzeugt eine defensive Haltung, die spätere positive Erfahrungen überwinden müssen, nicht einfach addieren.
Die Lücke von 26 bis 46 Prozentpunkten ist der sichtbare Schatten dieser Asymmetrie. Die Menschen auf der Vertrauensseite der Klippe sind nicht aufgeklärter. Sie hatten eine nützliche erste Interaktion. Die Menschen auf der Widerstandsseite sind nicht ängstlicher. Sie hatten sie nicht.
Die Europäische Position
Für europäische KMU — die Unternehmen mit 50 bis 500 Beschäftigten, die das Publikum für fast alles bilden, was Bluewaves schreibt — hat die Klippe eine spezifische Geometrie, die die globalen Durchschnitte verbergen.
Eurostat veröffentlichte seine IKT-Erhebung 2025 am 11. Dezember 2025. Die Schlagzeilenzahl: 20 Prozent der EU-Unternehmen mit zehn oder mehr Beschäftigten nutzten 2025 KI-Technologien. Zwanzig Prozent. Das heißt, achtzig Prozent nicht. Das Wachstum gegenüber 2024 betrug 6,5 Prozentpunkte — eine solide Beschleunigung —, aber der Ausgangspunkt war 13,5 Prozent, und das Ziel bleibt eine Minderheit der europäischen Unternehmen.
Die Aufschlüsselung nach Unternehmensgröße ist noch aufschlussreicher. Große Unternehmen (250+ Beschäftigte) erreichen 55 Prozent Adoption. Mittlere Unternehmen (50–249 Beschäftigte) erreichen 30 Prozent. Kleine Unternehmen (10–49 Beschäftigte) erreichen 17 Prozent. Die Spannweite zwischen den Ländern ist noch größer: Dänemark mit 42 Prozent, Finnland mit 37,8 Prozent, Schweden mit 35 Prozent an der Spitze; Rumänien mit 5,2 Prozent, Polen mit 8,4 Prozent, Bulgarien mit 8,5 Prozent unten.
Die europäische KMU-Landschaft ist also größtenteils noch diesseits der Klippe. Die meisten Unternehmen haben den meisten ihrer Beschäftigten noch keine KI-Werkzeuge vorgestellt. Die meisten Beschäftigten haben noch keine erste Interaktion erlebt. Das bedeutet, dass der Großteil der Vertrauensbildung, die entscheidet, ob KI in europäischen KMU Wurzeln schlägt, noch nicht stattgefunden hat.
Das ist ungewöhnlich. Wir sind es gewohnt, Adoption als etwas zu denken, das im Nachhinein geschieht — rückblickend gemessen, durch Iteration optimiert. Der KMU-Kontext in Europa kehrt die Reihenfolge um. Die ersten Interaktionen liegen noch in der Zukunft. Die Klippe wurde noch nicht von der Mehrheit überquert. Die Bedingungen der Überquerung sind noch gestaltbar.
Das ist eine seltene Position. Es ist auch eine fragile. Denn die Designentscheidungen, die darüber bestimmen, ob die erste Interaktion gelingt, werden gerade jetzt getroffen — in Beschaffungsentscheidungen, Rollout-Vorlagen und Willkommensmails — und die meisten dieser Entscheidungen werden von Menschen getroffen, die nicht merken, dass sie eine Klippe gestalten.
Was die Meisten Rollouts Falsch Machen
Ich habe in den letzten zwei Jahren Dutzende KI-Rollouts in europäischen Unternehmen beobachtet. Die Rollouts, die scheitern, scheitern in der Regel auf ähnliche Weisen. Die Rollouts, die gelingen, gelingen in der Regel aus ähnlichen Gründen. Das Muster ist nicht subtil, sobald man weiß, wo man hinschauen muss.
Die scheiternden Rollouts behandeln die erste Interaktion als Schulungsproblem. Der Gedanke lautet: Wenn wir die Leute gut genug auf das Werkzeug schulen, werden sie es gut nutzen. Also legt die Rollout-Verantwortliche eine einstündige Schulung an. Eine Vertreterin des Anbieters geht die Funktionen durch. Die Leute machen Notizen. Ein paar Fragen werden gestellt. Die Sitzung endet. Die Leute kehren an ihre Plätze zurück, wo das Werkzeug nun neben siebzehn anderen Anwendungen installiert ist, und es wird erwartet, dass sie es in ihre Arbeit integrieren.
Die erste Interaktion sieht in dieser Konfiguration typisch so aus: Eine Person sitzt allein am Schreibtisch, öffnet das Werkzeug zum ersten Mal nach der Schulung und versucht sich zu erinnern, was sie tun sollte. Sie tippt etwas Tentatives ein. Das Werkzeug produziert etwas Generisches. Die Person weiß nicht, ob das Ergebnis gut oder schlecht ist — sie kann es nicht bewerten, weil sie das Werkzeug nicht genug benutzt hat, um eine Kalibrierung zu entwickeln. Sie schließt das Fenster. Sie kehrt zu dem Arbeitsablauf zurück, den sie schon kennt. Die erste Interaktion ist kein Versagen. Sie ist ein Nicht-Ereignis. Und ein Nicht-Ereignis ist in Edmondsons Rahmen eine Bestätigung dafür, dass das Risiko es nicht wert war. Vertrauen bildet sich nicht, weil nichts passiert ist, das es hätte bilden können.
Die gelingenden Rollouts behandeln die erste Interaktion als relationalen Moment. Sie gestalten ihn. Nicht das Werkzeug — den Moment. Sie identifizieren eine konkrete, kleine, reale Aufgabe, die die Person ohnehin schon erledigt. Sie setzen sich neben die Person — oder paaren sie mit einer Kollegin, die das Werkzeug schon genutzt hat — für die erste Interaktion. Sie schauen sich gemeinsam das Ergebnis an. Sie benennen, was nützlich ist und was nicht. Sie sorgen dafür, dass die Person die erste Interaktion mit einem konkreten Fall verlässt: „Dieses Werkzeug hat mir bei etwas geholfen, das ich ohnehin tun musste.” Dieser Fall wird zum Vertrauensanker. Folgende Interaktionen sind keine ersten Interaktionen mehr — sie sind Fortsetzungen einer Erfahrung, die die Person bereits als positiv einordnet.
Die gelingenden Rollouts verstehen etwas, was die anderen nicht verstehen: Die erste Interaktion ist kein Schritt in einem Schulungsplan. Sie ist der Moment, in dem die Klippe überquert wird oder nicht. Alles andere liegt stromabwärts dieses Moments.
Die Lücke zwischen Führung und Team
Die Edelman-Daten brachten einen weiteren Befund hervor, den europäische KMU sorgfältig lesen sollten. In den untersuchten Märkten gaben fast zwei Drittel der Führungskräfte an, KI-Werkzeuge regelmäßig zu nutzen. Bei den Mitarbeitenden ohne Führungsverantwortung lag der Wert bei rund einem von vier.
Das ist keine Kompetenzlücke. Es ist eine Erstinteraktionslücke. Führungskräfte hatten mehr Gelegenheiten, mit KI-Werkzeugen in Kontakt zu kommen — sie sind bei Anbieterdemos dabei, in Beschaffungsgesprächen eingebunden, erhalten frühen Zugang in Pilotphasen und manchmal eine persönliche Lizenz vor dem breiten Rollout. Sie hatten mehrere erste Interaktionen, einige davon mit nützlichen Ergebnissen. Sie stehen auf der Vertrauensseite der Klippe.
Mitarbeitende ohne Führungsverantwortung erleben in den meisten Rollouts, die ich gesehen habe, eine andere erste Interaktion. Sie erhalten eine E-Mail, die das Werkzeug ankündigt. Sie erhalten einen Link zu einer aufgezeichneten Schulung. Sie erhalten eine Frist, bis zu der sie es nutzen sollen. Sie haben keine Kollegin neben sich für die erste Anfrage. Sie haben keine explizite, kleine, reale Aufgabe, auf die sie das Werkzeug anwenden können. Sie erhalten die Konfiguration, die Nicht-Ereignisse erzeugt.
Die Vertrauenslücke zwischen Führung und Team in den Edelman-Daten ist nicht in erster Linie eine Lücke in Fähigkeit, Intelligenz oder Offenheit gegenüber Technologie. Sie ist eine Lücke in der Qualität der ersten Interaktionen. Die Führung hatte die relationalen Momente. Das Team hatte die E-Mail.
Für ein KMU, das KI einführt, heißt das, dass die Frage „Übernimmt unser Team das Werkzeug?” die falsche Frage ist. Die richtige Frage lautet: „Wie war die erste Interaktion jeder einzelnen Person mit diesem Werkzeug, und war sie gut genug, um sie auf die Vertrauensseite der Klippe zu bringen?” Wenn Sie diese Frage für jede Person nicht beantworten können, haben Sie keine Adoptionsstrategie. Sie haben eine Adoptionshoffnung.
Die Asymmetrie Negativer Ersteindrücke
Es gibt einen Punkt aus der Stressphysiologie, der hier benannt werden sollte. Robert Sapolsky dokumentiert in Why Zebras Don’t Get Ulcers die Asymmetrie der Bedrohungserkennung im Nervensystem von Säugetieren. Ein verpasstes Raubtier ist eine verlorene Mahlzeit. Ein unbemerktes Raubtier ist der Tod. Das Nervensystem ist so kalibriert, dass es negative Signale stärker gewichtet als positive, weil die Kosten eines falsch-negativen Befundes — eine tatsächliche Bedrohung zu übersehen — höher sind als die Kosten eines falsch-positiven — etwas Sicheres als Bedrohung zu behandeln.
Diese Asymmetrie wandert in den Arbeitsplatz. Eine Person, die eine negative Erfahrung mit einem Werkzeug hatte, braucht mehrere positive Erfahrungen, bevor die negative Einstufung überschrieben wird. Das genaue Verhältnis variiert — die Forschung zur Negativitätsverzerrung liefert Schätzungen zwischen drei zu eins und fünf zu eins —, aber die Richtung ist konstant. Negative Ersteindrücke kleben. Positive Ersteindrücke lassen sich verstärken. Das Substrat ist nicht symmetrisch.
Deshalb schließt sich die Edelman-Lücke nicht schnell durch spätere Begegnungen. Eine Person, die eine negative erste Interaktion mit einem KI-Werkzeug hatte, ist nicht einfach jemand, der noch keine positive hatte. Sie ist jemand, dessen Nervensystem das Werkzeug bereits als Risikoquelle kodiert hat. Die nächste Begegnung muss härter arbeiten als die erste hätte arbeiten müssen, weil sie gegen eine bestehende Einstufung kämpft, nicht eine von null aufbaut.
Für Rollout-Teams ist die operative Folge gravierend. Man kann keine schlechte erste Interaktion machen und sie mit einer besseren zweiten reparieren. Die erste Interaktion ist kein Entwurf. Sie ist das Fundament. Die Rollouts, die ich gelingen sah, behandeln sie mit dem Ernst, den dieser Befund verdient.
Was die Daten Nahelegen
Ich bin vorsichtig mit präskriptiven Listen, weil sie nuancierte Befunde in Checklisten verwandeln, die genau jene Compliance-getriebene Nicht-Adoption produzieren, die die Befunde verhindern sollten. Aber die Edelman-Daten, kombiniert mit Edmondsons Rahmen und Sapolskys Negativitätsasymmetrie, deuten auf einen kleinen Satz struktureller Entscheidungen hin, den europäische KMU vor ihrem nächsten KI-Rollout treffen sollten.
Die erste Interaktion bewusst gestalten. Setzen Sie nicht voraus, dass sie stattfindet. Setzen Sie nicht voraus, dass Schulung sie hervorbringt. Identifizieren Sie für jede Person im Team eine reale, kleine Aufgabe, bei der das Werkzeug nachweislich helfen kann, und gestalten Sie den Moment, in dem die Person das Werkzeug für diese Aufgabe nutzt. Das Design ist keine Checkliste. Es ist ein relationaler Moment — eine Kollegin anwesend, eine Frage erwartet, ein Ergebnis benannt.
Reihenfolge nach Bereitschaft, nicht nach Organigramm. Die ersten Menschen, die mit dem Werkzeug interagieren, sollten die sein, bei denen eine nützliche erste Interaktion am wahrscheinlichsten ist. Das heißt oft, mit neugierigen Nutzerinnen zu beginnen, nicht mit der Führung. Neugierige Nutzerinnen produzieren Vertrauenssignale, die die übrige Organisation beobachten kann — was das wahrgenommene Risiko der ersten Interaktion für alle, die danach kommen, senkt.
Rollout und Bewertung trennen. Während des Fensters der ersten Interaktionen sollten keine Nutzungs-Dashboards für Führungskräfte sichtbar sein. Keine Kennzahlen sollten nach oben weitergegeben werden. Die erste Interaktion ist ein Lernmoment. Sie als Bewertungsmoment zu behandeln, verschließt die Sicherheit, die das Lernen verlangt. Sobald sich Vertrauen gebildet hat — sobald das Team auf der richtigen Seite der Klippe ist —, können Nutzungsdaten operativ nützlich werden. Vorher sind sie eine Bedrohung, die genau das Verhalten verhindert, das sie messen sollen.
Für die misslungene erste Interaktion bauen. Manche ersten Interaktionen werden schlecht laufen. Das Werkzeug wird etwas Nutzloses oder Irreführendes produzieren. Das Rollout-Design sollte einen expliziten, kostengünstigen Weg enthalten, damit die Person das Scheitern markieren und es mit Hilfe erneut versuchen kann. Das Scheitern ist nicht das Problem. Das nicht offengelegte Scheitern ist das Problem — denn ein nicht offengelegtes Scheitern verhärtet sich zu jener negativen Einstufung, die Sapolskys Forschung beschreibt, und spätere positive Erfahrungen müssen monatelang dagegen anarbeiten.
Die Erfahrung messen, nicht die Aktivität. Die relevante Frage ist nicht, wie viele Anfragen das Team diese Woche gestellt hat. Sie lautet: Wie viele Menschen würden, direkt gefragt, sagen, dass das Werkzeug ihnen geholfen hat, etwas zu tun, das sie sowieso tun mussten? Diese Messung ist schwieriger. Genau deshalb überspringen die meisten Organisationen sie. Das Überspringen ist der Grund, warum die meisten Rollouts Aktivität ohne Adoption produzieren.
Die Integration
Hier ist die Spannung, die ich offen halten möchte, weil ein Kollabieren die Daten verfälschen würde.
KI-Werkzeuge sind nützlich. Die Edelman-Befragten, die regelmäßige KI-Nutzung angaben, berichteten auch von deutlichen Zuwächsen an Vertrauen, Produktivität und Akzeptanz. Wenn das Werkzeug Menschen hilft, komplexe Ideen zu verstehen, steigt das Vertrauen in den Märkten um etwa vierzig Punkte und im Vereinigten Königreich um knapp fünfzig. Die Vorteile sind real. Die Daten sind in diesem Punkt nicht zweideutig.
KI-Rollouts versagen größtenteils darin, diese Vorteile zu produzieren. Achtzig Prozent der europäischen Unternehmen mit zehn oder mehr Beschäftigten nutzen keine KI. Unter denen, die sie nutzen, ist die Lücke zwischen Führungskräften und Mitarbeitenden ohne Führungsverantwortung strukturell, nicht zufällig. Die Vorteile sind ungleich verteilt, weil die ersten Interaktionen ungleich gestaltet sind. Das Werkzeug funktioniert. Der Rollout, meistens, nicht.
Beides ist wahr. Die Technologie hat eine Fähigkeitsschwelle überschritten. Die Organisationen, die sie nutzen, haben keine Designschwelle überschritten. Die Fähigkeit ist einheitlich. Das Vertrauen ist bimodal.
Der Kontext europäischer KMU — wo die meisten Unternehmen noch in der Vor-Adoptionsphase sind, wo die meisten Beschäftigten noch keine erste Interaktion hatten — ist der seltene Moment, in dem die Designschwelle noch vor der Organisation liegt, nicht hinter ihr. Die Entscheidungen, die gerade getroffen werden — in Beschaffung, Onboarding und den ersten E-Mails über das neue Werkzeug —, sind Entscheidungen darüber, auf welcher Seite der Klippe jede Person landen wird. Diese Entscheidungen sind nur zu hohen Kosten reversibel. Sie sind zu geringen Kosten gestaltbar — wenn die Gestaltung vor dem Rollout geschieht, nicht danach.
Edelman hat uns die Daten gegeben. Edmondson hat uns den Rahmen gegeben. Sapolsky hat uns den Mechanismus gegeben. Die Integration der drei ist das operative Bild: Vertrauen bildet oder bricht sich in der ersten Interaktion, die erste Interaktion ist ein Moment psychologischer Risikobereitschaft, und das Nervensystem, das diesen Moment verarbeitet, gewichtet die Ergebnisse asymmetrisch. Nichts davon ist ein Thermometer. All das ist eine Klippe.
Die meisten Organisationen gestalten für die hundertste effiziente Interaktion. Das Adoptionsproblem liegt bei der ersten sicheren Interaktion.
Die Thermometerablesung bewegt sich nicht, weil das Thermometer das falsche Instrument ist. Was die Daten messen, ist keine Temperatur. Es ist eine Position. Und Position lässt sich, anders als Temperatur, nicht dadurch ändern, dass man den Raum aufheizt. Sie wird bestimmt von dem Ort, an dem die Person stand, als der Moment kam, auf den es ankam.
Die erste Interaktion ist die einzige, die zählt. Die meisten Organisationen gestalten sie nicht. Das ist das Adoptionsproblem, das niemand löst — und die seltene Gelegenheit für die KMU, die noch vor der Klippe stehen, es zu gestalten, bevor die Klippe fixiert ist.