Der KI-Slop-Eimer läuft über: „Workslop“ ist die versteckte Produktivitätsbremse, die niemand misst

In amerikanischen Unternehmen macht ein neuer Begriff die Runde, und er trifft genau den Frust, der sich aufstaut, seit ChatGPT am Arbeitsplatz angekommen ist: Workslop. Das ist die KI-generierte Ausgabe jenes Kollegen, der Ihnen ein PowerPoint-Deck mit 47 Folien weiterleitet, auf denen irgendwie gar nichts steht. Nur passiert das jetzt in Maschinengeschwindigkeit, in jeder Abteilung und oft mit dem Segen des Managements.

Das Phänomen ist so verbreitet, dass es bereits eine eigene Ökonomie hat. Laut neuen Forschungsergebnissen von BetterUp Labs und dem Social Media Lab in Stanford haben 40 Prozent der US-Beschäftigten im vergangenen Monat Workslop von Kolleginnen und Kollegen bekommen. Jeder einzelne Fall kostet im Schnitt fast zwei Stunden Entwirrungsarbeit: Zeit, in der man Fehler sucht, Lücken füllt und überhaupt die Arbeit erledigt, die von Anfang an hätte gemacht werden sollen. Für ein Unternehmen mit 10.000 Beschäftigten ergibt das nach Schätzung der Forschenden rund 9 Millionen Dollar an verlorener Produktivität pro Jahr.

Der finanzielle Schaden ist aber womöglich noch das Geringste. Der eigentliche Schaden entsteht bei Vertrauen und Zusammenarbeit.

Die Vertrauenssteuer der unsichtbaren KI

Die unbequeme Wahrheit, die eine weltweite Studie der Melbourne Business School zutage gefördert hat: Zwei Drittel der Beschäftigten, die KI bei der Arbeit nutzen, haben sich schon auf deren Ergebnisse verlassen, ohne sie wirklich zu prüfen. Sie haben auf „Generieren“ geklickt, das Ergebnis überflogen und auf Senden gedrückt.

Erst diesen Monat hat sich der Beratungsriese Deloitte Australia formell entschuldigt, nachdem er der australischen Bundesregierung einen 440.000 Dollar teuren Bericht voller KI-generierter Fehler geliefert hatte. Das ist die Unternehmensvariante der Seminararbeit, die man abgibt, ohne sie gelesen zu haben, nur dass es hier um Steuergeld und politische Entscheidungen geht.

Die Studie der Melbourne Business School, für die über 32.000 Beschäftigte in 47 Ländern befragt wurden, zeigt: Workslop beschädigt mehr als nur Zeitpläne. Wer KI-Slop bekommt, verliert nicht nur Zeit mit dem Beheben von Fehlern, sondern korrigiert auch sein berufliches Urteil über den Absender. Wer Workslop abliefert, gilt als weniger verlässlich, weniger kreativ und weniger vertrauenswürdig. KI wird damit vom Produktivitätsverstärker zum Glaubwürdigkeitsrisiko.

Am beunruhigendsten ist vielleicht: Die Mehrheit der Beschäftigten verheimlicht ihre KI-Nutzung. Einundsechzig Prozent legen nicht offen, wenn sie KI verwendet haben, und 55 Prozent geben KI-generiertes Material als eigene Arbeit aus. Rutschen Fehler durch, gibt es keine Spur, die zeigt, an welcher Stelle ein Mensch hätte prüfen müssen.

Die Ursache: Wir setzen KI für die falschen Dinge ein

Im Kern entsteht das Workslop-Problem aus einem grundlegenden Missverhältnis zwischen dem, was KI gut kann, und dem, was wir von ihr verlangen. Large Language Models sind stark beim Erkennen von Mustern, beim Zusammenfassen vorhandener Informationen und beim Erzeugen von Varianten zu einem Thema. Sie formulieren erstaunlich flüssig, schöpfen aber im Grunde nur aus Vorhandenem.

Die Technik macht das noch schlimmer. LLMs „wissen“ nichts: Sie sagen auf Basis von Trainingsdaten statistisch wahrscheinliche nächste Token voraus. Aus dieser Architektur ergeben sich typische Fehlerbilder: halluzinierte Quellenangaben, selbstsicher vorgetragene Falschaussagen und Ergebnisse, die autoritativ klingen und inhaltlich hohl sind. Im Grunde sind die Modelle ausgefeilte Autovervollständigungen, optimiert auf Plausibilität, nicht auf Richtigkeit.

Dazu kommt der wachsende Trend zur Prompt-Inflation: Nutzer stopfen ihre Prompts mit Anweisungen voll, damit die KI „professioneller“ oder „detaillierter“ klingt. Heraus kommen Texte, die gleichzeitig länger und bedeutungsärmer sind. Mehr Wörter, weniger Signal.

Problematisch wird es, wenn wir diese Werkzeuge für Aufgaben einsetzen, die eigenständiges Denken, Urteilsvermögen im Kontext oder Fachwissen verlangen, und die Ergebnisse dann nicht kritisch prüfen. KI „versteht“ weder die Rahmenbedingungen Ihres Projekts noch die Bedürfnisse Ihres Publikums oder die feinen politischen Dynamiken in Ihrer Organisation. Sie produziert statistisch plausiblen Text, und das ist nicht dasselbe wie sinnvoller Inhalt.

Die Forschenden aus Melbourne stellten fest, dass Beschäftigte oft einen entscheidenden ersten Schritt auslassen: die Frage, ob KI für eine bestimmte Aufgabe überhaupt das beste Werkzeug ist. Stattdessen herrscht ein Drang zur Automatisierung, das Gefühl, der Einsatz von KI sei an sich schon innovativ oder effizient, ganz unabhängig vom Kontext.

„KI ersetzt nicht Ihren Job. Sie ersetzt Ihre Maßstäbe.“

Wie sich das Workslop-Problem beheben lässt

Die gute Nachricht: Workslop ist keine zwangsläufige Folge von KI-Werkzeugen, sondern eine Folge davon, wie Menschen sie benutzen. Das Problem ist also lösbar, auch wenn es Einsatz verlangt, von Einzelnen ebenso wie von Organisationen.

Für Einzelne läuft die Lösung auf drei einfache Schritte hinaus. Erstens: Fragen Sie sich ernsthaft, ob KI für die jeweilige Aufgabe überhaupt passt. Wenn Sie das Ergebnis nicht erklären oder verteidigen können, verwenden Sie es nicht. Zweitens: Behandeln Sie KI-Ausgaben als Entwurf, der redigiert werden muss. Prüfen Sie Fakten, testen Sie Code und passen Sie Inhalte an Ihren konkreten Kontext und Ihr Publikum an. Drittens: Wenn viel auf dem Spiel steht, legen Sie offen, wie Sie KI genutzt und was Sie geprüft haben. Zeigen Sie Sorgfalt, statt die Nahtstellen zu verstecken.

Organisationen müssen in das investieren, was die Forschenden „Governance, KI-Kompetenz und Fähigkeiten zur Zusammenarbeit zwischen Mensch und KI“ nennen. Das ist Beraterdeutsch für: Klären Sie Ihre KI-Strategie, schulen Sie Ihre Leute ordentlich und hören Sie auf, die Einführung von KI dem freien Spiel der Kräfte zu überlassen.

Manche Unternehmen gehen bereits voran. Microsoft verlangt inzwischen für jede KI-generierte Kundenkommunikation eine ausdrückliche Freigabe durch einen Menschen. Andere haben „KI-Prüfgremien“ eingerichtet, die Ergebnisse, bei denen viel auf dem Spiel steht, kontrollieren, bevor sie das Haus verlassen. Das sind keine bürokratischen Hürden, sondern Mechanismen der Verantwortlichkeit, die Workslop abfangen sollen, bevor er Metastasen bildet.

Die Studie der Melbourne Business School ergab, dass KI-Kompetenz und Schulungen mit kritischerem Umgang und weniger Fehlern einhergehen. Trotzdem gibt weniger als die Hälfte der Beschäftigten an, überhaupt eine Schulung oder Richtlinien bekommen zu haben. Unternehmen drücken ihren Leuten also mächtige neue Werkzeuge ohne Bedienungsanleitung in die Hand und wundern sich dann, wenn etwas schiefgeht.

Wirksame Governance heißt: klar festlegen, wann KI angebracht ist und wann nicht, die Verantwortung für die Ergebnisse regeln und die Resultate nachverfolgen. Es heißt auch, wertvolle Anwendungsfälle zu identifizieren, statt KI wahllos einzusetzen. Und vor allem heißt es, KI-Kompetenz zusammen mit den Richtlinien aufzubauen, denn Regeln ohne Verständnis führen nur zu kreativen Umgehungen.

Die Krise der Zusammenarbeit

Der vielleicht besorgniserregendste Befund der Studie: Die Hälfte der befragten Beschäftigten nutzt KI, statt mit Kolleginnen und Kollegen zusammenzuarbeiten. Dabei geht es um mehr als Effizienz, nämlich um die langsame Erosion der Fähigkeiten einer Organisation.

Wenn Sie ChatGPT fragen statt jemanden aus Ihrem Team, entgeht Ihnen die Chance auf Dialog, Verfeinerung und gemeinsames Problemlösen. Ihnen entgeht auch der Beziehungsaufbau, der bei der gemeinsamen Arbeit entsteht. Das Wissen, das sich in gemeinsamer Arbeit festsetzt (der geteilte Kontext, das institutionelle Gedächtnis, die Vertrauensnetzwerke), wandert nicht in die Interaktion mit KI hinüber.

„Wenn die Einführung von KI weniger menschliche Zusammenarbeit bedeutet, optimieren wir womöglich kurzfristige individuelle Produktivität auf Kosten der langfristigen Leistungsfähigkeit der Organisation.“

Hier zeigt sich, dass Workslop mehr ist als ein Ärgernis: Er ist das Symptom einer tieferen Verschiebung in der Arbeitswelt. Wir tauschen menschliche Abstimmung gegen algorithmische Isolation und tun dann überrascht, wenn den Ergebnissen die Stimmigkeit fehlt, die aus echter Zusammenarbeit entsteht.

Der Weg nach vorn

Die Workslop-Krise ist letztlich ein Reifeproblem. Wir stecken in der peinlichen Pubertät der KI-Einführung am Arbeitsplatz: Die Technik ist breit verfügbar, aber die bewährten Praktiken hinken hinterher. Unternehmen haben KI-Werkzeuge hastig eingeführt, ohne die nötige Grundlage aus Schulung, Governance und kultureller Anpassung.

Die Lösung besteht nicht darin, KI aufzugeben. Angemessen eingesetzt und gut beaufsichtigt kann sie die Leistung nachweislich steigern, das zeigt die Forschung. Es geht vielmehr darum, etwas zu entwickeln, das wir „KI-Unterscheidungsvermögen“ nennen könnten: die Fähigkeit zu erkennen, welche Aufgaben von KI-Unterstützung profitieren und welche menschliches Urteil verlangen.

Das heißt, KI als Werkzeug zu behandeln, mit dem Menschen aktiv zusammenarbeiten, und nicht als Automatisierung nach dem Motto „einrichten und vergessen“. Es heißt, ehrlich über die Grenzen heutiger Systeme zu sein, auch während wir ihre Möglichkeiten ausloten. Und es heißt anzuerkennen, dass Prüfen kein optionaler Mehraufwand ist, sondern der Kern der Arbeit.

So wie bisher kann es nicht weitergehen. Entweder wir entwickeln strengere Praktiken im Umgang mit KI, oder wir ertrinken weiter in KI-generierter Beschäftigungstherapie und wundern uns, warum unsere Produktivitätsgewinne nie eingetreten sind.

KI ertränkt uns nicht in Slop, weil sie so mächtig ist. Sie ertränkt uns, weil wir faule Lektoren sind. Solange sich das nicht ändert, läuft der Eimer weiter über.

Aus dem Englischen übersetzt: zum Originalbeitrag