KI-Betreuung stiehlt Mitarbeitern mehr als 6 Stunden pro Woche

KI-Tools erleichtern nicht nur die Arbeit, sondern bürden Mitarbeitern zusätzliche Aufgaben auf.vchal/ Shutterstock



Während KI am Arbeitsplatz immer stärker in den Arbeitsalltag integriert wird, zeigt sich ein neues Produktivitätsparadox: Obwohl die Technologie das Gefühl vermittelt, dass Workflows schneller ablaufen, bürdet sie Mitarbeitern zusätzliche Tasks auf: Sie müssen Kontext liefern, Ergebnisse überprüfen und den Prozess oft mehrfach über verschiedene, voneinander getrennte Tools hinweg wiederholen.



Botsitting und Botshitting



Dies führt laut einer neuen Umfrage des Work AI Institute von Glean unter 6.000 Vollzeitbeschäftigten im digitalen Bereich zu zwei neuen Verhaltensweisen:




„Botsitting“, also all die meist unsichtbare Arbeit, um KI überhaupt nutzbar zu machen;



„Botshitting“, das Ausliefern von KI-generierten Ergebnissen, die nicht überprüft, nicht gut verstanden oder vielleicht sogar unzuverlässig sind.




Der Bericht wurde gemeinsam von Experten des Work AI Institute, der Emory University, der Stanford University, der UC Berkeley, der UC Santa Barbara, der UNC Charlotte, des University College London und der University of Notre Dame verfasst.



„In vielerlei Hinsicht handelt es sich um einen sich selbst verstärkender Teufelskreis“, erklärt Rebecca Hinds, Leiterin des Forschungszentrums Work AI Institute von Glean. Unternehmen müssten beginnen, den enormen menschlichen Arbeitsaufwand, der hier im Mittelpunkt steht, zu verstehenund anzugehen.



Mehr KI-Nutzung – aber auch mehr Frustration



Es besteht kaum Zweifel daran, dass sich KI rasch zu einem zentralen Teammitglied am Arbeitsplatz entwickelt. Laut der Studie nutzen bereits 87 Prozent der digitalen Arbeitnehmer KI. Die Technologie automatisiert bereits mehr als ein Viertel ihrer Arbeit und spart etwa elf Stunden pro Woche ein.



Dennoch geben nur 13 Prozent der Befragten an, dass der Einsatz von KI die Leistung ihres Unternehmens deutlich verbessert hat. Vielmehr werde die Zeitersparnis von derselben Technologie aufgezehrt, die sie erst ermöglicht.



Demnach verlieren Mitarbeiter durchschnittlich etwa ein Drittel ihrer Arbeitswoche (6,4 Stunden) mit „Botsitting“.



„Wir beobachten, dass vielfach mehrere Tools genutzt werden – und diese sind oft nicht miteinander verbunden“, berichtet Forschungsleiterin Hinds.



Was die Eingabe von Kontextdaten angeht, so werden große Sprachmodelle (LLMs) auf dem riesigen Korpus des Internets trainiert, jedoch nicht immer auf unternehmensspezifischen Daten. Daher müssen Mitarbeiter oft zusätzliche Informationen zu den Produkten, Kunden, Dienstleistungen oder anderen Details ihres Unternehmens bereitstellen.



„Viele sind frustriert, wenn die Tools ihren Arbeitsalltag nicht gut genug verstehen, um wirklich hilfreich zu sein“, erklärt die Forschungsleiterin. Da häufig mehrere Systeme genutzt würden, müssten dieselben Eingaben zudem immer wieder neu formuliert werden.



„Es ist anstrengend für die Mitarbeiter, diese Arbeit leisten zu müssen – und zugleich zu erleben, dass sie oft weder anerkannt noch belohnt wird“, stellt Hinds fest.



Wenn Kontrolle zur Belastung wird



Ein weiteres Problem besteht darin, dass Mitarbeiter oft KI-Ergebnisse korrigieren müssen, die professionell und überzeugend wirken, tatsächlich aber Fehler enthalten, unvollständig sind oder wichtigen Kontext vermissen lassen. Besonders belastend ist das Debugging, da es oft von Personen durchgeführt wird, die an der ursprünglichen Erstellung gar nicht beteiligt waren. Diese müssten sich dann erst einmal mühsam einarbeiten.



„Allerdings ist nicht jede Form von Botsitting schlecht“, betont Hinds. „Ein gewisses Maß an Eigenverantwortung und Kontrolle durch Mitarbeiter ist wichtig.“



Problematisch wird es, wenn die Belastung so groß wird, dass daraus „Botshitting“ entsteht: Dann liefern Mitarbeiter mangels Zeit KI-generierte Arbeitsergebnisse aus, ohne sie ausreichend geprüft zu haben.



Im Rahmen der Studie




gaben 69 Prozent der Nutzer zu, dies bereits getan zu haben;



erklärten 41 Prozent, sie würden manchmal Arbeiten abliefern, die sie auf Nachfrage nicht erklären könnten;



schoben weitere 28 Prozent Fehler auf die KI, obwohl sie selbst verantwortlich waren.




„Botshitting bedeutet, dass man sein kritisches menschliches Denken, Urteilsvermögen und Verständnis auslagert“, erklärt Hinds. Genau diese Aufgaben müssten aber beim Menschen bleiben.



Der Forscherin zufolge tritt dieses Verhalten besonders häufig bei Personen auf, die mit mehreren KI-Agenten arbeiten. Durch deren hohe Skalierbarkeit könnten Fehler schnell außer Kontrolle geraten, wenn angemessene Kontrollen und Berechtigungen fehlten.



„Man sieht die negativen Auswirkungen oft erst nach drei, vier oder fünf Schritten“, betont sie. „Dann ist umfangreiche Aufräum- und Detektivarbeit nötig, um herauszufinden, wo der Agent falsch abgebogen ist.“



KI nutzen … aber nicht zu viel



Interessanterweise berichten mehr als die Hälfte der Befragten, dass sie im Arbeitsalltag mehr Unterstützung von der KI erhalten als von ihren Vorgesetzten. Zudem empfinden sie die Zusammenarbeit mit KI oft als einfacher als die mit Menschen.



Gleichzeitig stehen viele vor einem Dilemma, wenn es darum geht, ihre Nutzung von KI offenzulegen. 54 Prozent der – aus eigener Sicht – besonders erfolgreichen KI-Anwender nutzen nicht genehmigte Tools oder verwenden genehmigte Tools regelwidrig. 36 Prozent verheimlichen, wie stark KI zu ihrer Leistung beiträgt.



Laut Hinds hängt dies stark von der Unternehmenskultur und dem psychologischen Sicherheitsgefühl ab. „In vielen Organisationen herrscht ein massiver Druck, KI-Kompetenz unter Beweis zu stellen und zu zeigen, dass man ein Power-User ist“, erklärt sie. Andererseits wollten manche Mitarbeiter vermeiden, dass ihre Leistung als zu stark von KI abhängig erscheint und ihr eigener Wert infrage gestellt wird.



Was erfolgreiche Organisationen anders machen



Laut dem Bericht zeichnen sich führende Unternehmen nicht dadurch aus, dass sie mehr Zeit mit KI verbringen. Vielmehr investieren sie mehr Zeit in die Arbeit rund um KI. Dazu gehört, dass sie




den Kontext festlegen,



Qualitätsstandards definieren;



Urteilsvermögen entwickeln, und



entscheiden, welche Aufgaben gar nicht erst an ein Modell delegiert werden sollten.




Die Unternehmen mit dem größten Transformationspotenzial gehen KI-Herausforderungen proaktiv an: Sie bieten Schulungen und Unterstützung an, betrachten KI als Chance zur Neugestaltung der Arbeit und belohnen KI-Kompetenzen offiziell.



Eine der schwierigsten Fähigkeiten sei dabei zu wissen, wann man KI nicht einsetzen sollte, erklärt Hinds: „Es geht nicht nur um Klicks oder verbrauchte Tokens, sondern um echte Fähigkeiten und echtes Lernen.“



Darüber hinaus kommunizierten erfolgreiche Unternehmen ihre KI-Strategie klar und erläutern den Sinn dahinter. Governance dürfe kein statisches Regelwerk sein, sondern müsse kontinuierlich weiterentwickelt werden.



Dies müsse auf jeder Ebene geschehen, einschließlich der obersten Führungsebene, betont Hinds: „Es geht darum, zu sehen, wie die Führungskräfte die Technologie nutzen und sowohl die Erfolgsgeschichten als auch die Misserfolge teilen.“



Erfolgreiche Unternehmen nutzen zudem aktiv Kennzahlen, die auf bestehenden Leistungskennzahlen (KPIs) basieren. Sie messen Qualität, Effizienz und Mitarbeiterengagement auf unterschiedliche Weise und geben den Mitarbeitern Daten an die Hand, damit diese ihre eigene Akzeptanz und ihren Erfolg einschätzen können.



„Es geht weniger um Überwachung als vielmehr um Feedback dazu, wie wir gemeinsam arbeiten“, erklärt die Forschungsleiterin.



„Faszinierend, aber vielleicht nicht überraschend“ findet Hings, dass Mitarbeiter KI zunehmend selbst als Lernwerkzeug nutzen und sie anderen Lernkanälen vorziehen. Dies unterstreiche die Bedeutung von Low-Code- und No-Code-Tools mit flacher Lernkurve und organisatorischem Kontext, die direkt in Arbeitsabläufe eingebettet sind.



„Das unterscheidet sich deutlich von dem, was wir bei früheren Technologien gesehen haben.“ (mb)



Dieser Artikel erschien im Original bei unserer Schwesterpublikation CIO.com.