„Workslop“ statt Produktivität: KI macht Arbeit – wenn Kompetenz fehlt

Künstliche Intelligenz (KI) gilt in vielen Unternehmen als Produktivitätshebel. Die Realität ist häufig nüchterner: Neue Anwendungen werden eingeführt, Teams experimentieren, Ergebnisse wirken auf den ersten Blick brauchbar – und erzeugen dennoch zusätzliche Arbeit. Hagen Schönfeld, Gründer und Geschäftsführer der Masterpiece GmbH – Executive Search Advisors, warnt deshalb vor einem Missverständnis: „Nur weil Unternehmen stark in Tools investieren, entsteht noch keine Produktivität.“ Entscheidend sei, ob Mitarbeiter wissen, wie KI sinnvoll eingesetzt, geprüft und in Prozesse eingebettet wird.

Wenn KI-Arbeit nach Leistung aussieht

Schönfeld verweist auf den Begriff „Workslop“. Gemeint sind KI-generierte Dokumente, Präsentationen oder Analysen, die produktiv aussehen, für Empfänger aber zunächst zusätzlichen Aufwand verursachen. Inhalte müssen nachrecherchiert, fachlich geprüft, korrigiert oder vollständig überarbeitet werden. Laut einem Bericht von MIT Labs kann solcher KI-Arbeitsmüll pro Person und Monat bis zu 186 Dollar zusätzliche Kosten verursachen. Damit wird KI nicht zum Effizienzgewinn, sondern zur versteckten Belastung in ohnehin vollen Arbeitsabläufen.

Das Problem liegt weniger in der Technologie selbst als in ihrem unklaren Einsatz. Wer KI-Ergebnisse ungeprüft weitergibt, verlagert Arbeit auf andere. Wer unpräzise Eingaben macht, erhält oft oberflächliche Antworten. Wer schwache Datengrundlagen nutzt, produziert auch mit leistungsfähigen Modellen schwachen Output.

Prompting reicht nicht aus

Viele Unternehmen konzentrieren sich bei KI-Schulungen auf Prompts. Das ist zu kurz gedacht. Schönfeld betont, es brauche „vor allem fachliche Urteilskraft“. Nur wer ein Thema wirklich versteht, könne bewerten, ob KI-Ergebnisse plausibel, vollständig und verwertbar sind. Die eigentliche Schlüsselkompetenz liegt damit nicht im Formulieren möglichst geschickter Eingaben, sondern in der Fähigkeit, Ergebnisse einzuordnen.

Hinzu kommt Datenkompetenz. KI kann nur so gut arbeiten wie die Informationen, mit denen sie gefüttert wird. Schlechte, unvollständige oder verzerrte Daten führen zu fehlerhaften Ergebnissen. Für Unternehmen bedeutet das: KI-Einführung ist kein reines Softwareprojekt, sondern berührt Datenqualität, Rollenverständnis, Verantwortlichkeiten und Führung.

Führung muss Prozesse neu sortieren

Besonders Führungskräfte stehen vor neuen Aufgaben. Sie müssen entscheiden, wo KI echten Mehrwert schafft, wo sie nur zusätzlichen Lärm erzeugt und welche Aufgaben bewusst menschlich bleiben sollten. Automatisierung darf nicht zum Selbstzweck werden. Gefragt sind klare Einsatzregeln: Wann kommt KI zum Einsatz? Wer prüft den Output? Welche Ergebnisse müssen dokumentiert werden?

Schönfeld formuliert die Grenze deutlich: „Die KI darf nicht zur Ausrede werden, um Denken auszulagern.“ Produktivität entsteht erst, wenn KI in belastbare Arbeitsprozesse eingebettet ist. Dazu gehören Standards, Verantwortungsbewusstsein und eine Kultur, in der Ergebnisse nicht wegen ihrer schnellen Erzeugung, sondern wegen ihrer Qualität zählen.

Kompetenz wird zum Wettbewerbsfaktor

Masterpiece blickt auf KI aus der Perspektive der Führungskräftebesetzung. Die Personalberatung besetzt Vorstands-, Geschäftsführungs- und Schlüsselrollen, vor allem in Industrie, Handel und Energie. Dort wird KI-Kompetenz zur Führungsaufgabe: Wer Transformation steuern will, muss Technologie, Datenqualität und Organisation zusammen denken.

Der Kern der Warnung lautet daher: KI ist kein Selbstläufer. Ohne Kompetenz, Qualitätskontrolle und klare Verantwortung produziert sie nicht automatisch bessere Arbeit, nur schneller mehr Material. Erst der richtige Umgang entscheidet, ob daraus Produktivität entsteht.

Weitere Artikel zum Thema: 

Die Amnesie der Abwehr

Chefsache künstliche Intelligenz

Schatten-KI im Unternehmen: Risiken erkennen und mit KI-Governance eindämmen