Wenn KI mehr Arbeit erzeugt, als sie spart

KI verspricht Produktivität.

Texte schneller. Analysen schneller. Zusammenfassungen schneller. Präsentationen schneller. Kundenantworten schneller.

Das stimmt oft.

Aber es ist nur die halbe Rechnung.

Denn was einzelne Mitarbeitende schneller macht, kann andere im Unternehmen langsamer machen. Genau hier entsteht ein Effekt, den viele KI-Business-Cases übersehen: KI verschiebt Arbeit. Sie verlagert Prüfung, Korrektur und Verantwortung von einer Stelle an eine andere.

Ein Verkäufer erstellt mit KI in 25 Minuten eine Offerte, die früher 90 Minuten gedauert hätte. Auf den ersten Blick: ein klarer Effizienzgewinn.

Dann prüft der Projektleiter und findet technische Ungenauigkeiten. Die Kalkulation ist nicht falsch, aber zu wenig präzise. Eine Annahme passt nicht zum Kunden. Eine Formulierung verspricht mehr, als das Unternehmen liefern kann.

Der Projektleiter korrigiert. Die Administration prüft. Der Verkaufsleiter überarbeitet.

Am Ende hat der Verkäufer Zeit gewonnen.

Das Unternehmen nicht.

Workslop: ein Begriff für ein altes Problem

International wird dieses Phänomen zunehmend als „Workslop" bezeichnet. Gemeint ist KI-Output, der professionell aussieht, aber andere Personen mit zusätzlicher Prüf-, Korrektur- oder Interpretationsarbeit belastet.

Eine Studie der Stanford Social Media Lab und BetterUp Labs unter 1’150 US-Bürowork-Mitarbeitenden zeigt: 40 Prozent erhielten in einem Monat solchen Workslop. Pro Vorfall investierten die Empfänger im Schnitt knapp zwei Stunden, um die Inhalte zu prüfen, zu korrigieren oder neu zu schreiben.

Die Studie ist amerikanisch. Das Muster ist aber nicht kulturspezifisch.

Auch in Schweizer KMU sieht man die Auswirkungen heute schon. Mitarbeitende erzeugen mit KI in kurzer Zeit umfangreiche Texte. Die Empfänger erkennen erst beim Lesen, dass die Substanz dünn ist. Manche Inhalte enthalten erfundene Fakten. Manche Argumente klingen plausibel, bis jemand sie verifiziert. Manche Berichte folgen einer Form, die nicht zu den realen Geschäftszahlen passt.

Der Begriff Workslop ist neu. Das Problem ist alt. KI macht es nur sichtbarer und vor allem schneller skalierbar.

Die falsche Kennzahl

Viele KI-Business-Cases rechnen mit individueller Zeitersparnis.

Diese Aufgabe dauert heute 60 Minuten. Mit KI dauert sie 20 Minuten. Also sparen wir 40 Minuten.

Das klingt logisch. Es ist aber oft zu einfach.

Denn die wirtschaftlich relevante Frage lautet nicht, wie schnell ein einzelner Mitarbeitender ein Dokument erzeugt. Sie lautet, wie sich der Gesamtprozess verändert.

Dazu gehören vier Ebenen. Erstens: Wie gut ist der erste Entwurf wirklich? Zweitens: Wie viel Prüfarbeit braucht er nachher? Drittens: Wer trägt die fachliche Verantwortung für die Qualität? Viertens: Wird der gesamte Ablauf besser oder bleibt der Vorteil bei einer Person stecken?

Wenn nur die erste Ebene gemessen wird, entsteht ein falsches Bild.

Für Geschäftsführer ist deshalb nicht die KI-Geschwindigkeit entscheidend. Entscheidend ist die Netto-Wirkung im Prozess.

Wo Workslop besonders häufig entsteht

Nicht jede KI-Nutzung ist gleich riskant. Drei Bereiche zeigen das Muster besonders deutlich.

Kundenkommunikation. KI formuliert schnell Antworten. Aber Kunden erwarten Genauigkeit, Relevanz und Verbindlichkeit. Wenn Mitarbeitende KI-Texte unkritisch verwenden, steigt das Risiko von falschen Zusagen, generischen Aussagen und reputativem Schaden.

Offerten und Ausschreibungen. Hier zählt Präzision. KI kann Struktur und Sprache verbessern. Aber technische Spezifikationen, Preise, Lieferumfang und Risiken brauchen fachliche Verantwortung. Eine schnelle Offerte ist wirtschaftlich wertlos, wenn sie später nachverhandelt oder zurückgezogen werden muss.

Management-Reports. KI kann Daten in Sätze übersetzen. Aber wenn Datenbasis, Definitionen oder Annahmen unklar sind, entstehen scheinbar überzeugende Schlussfolgerungen auf brüchigem Fundament. Genau dort, wo Geschäftsführer eigentlich Klarheit brauchen.

In allen drei Bereichen gilt: KI kann helfen. Aber sie braucht Regeln und Verantwortlichkeiten.

Warum das ein Marge-Thema ist

Aus 20 Jahren in der Geschäftsleitung weiss ich: Das ist nicht zuerst ein Tool-Problem. Es ist ein Marge-Problem.

Wenn hoch qualifizierte Mitarbeitende einen Teil ihrer Zeit damit verbringen, KI-Output anderer zu prüfen oder zu reparieren, entstehen versteckte Kosten. Diese Kosten stehen auf keiner Rechnung. Aber sie wirken auf die Marge.

Weniger fakturierbare Zeit. Längere Durchlaufzeiten. Mehr interne Abstimmung. Höhere Fehlerkosten. Geringere Kundenzufriedenheit. Mehr Führungsaufwand.

Gerade in Schweizer KMU mit knappen Fachressourcen ist das relevant. Ein Unternehmen kann sich nicht leisten, seine besten Leute zu Kontrollinstanzen für mittelmässigen KI-Output zu machen.

Was produktive KI-Nutzung unterscheidet

Drei Merkmale machen den Unterschied.

Erstens: Der Anwendungsfall ist eng genug. „Wir nutzen KI im Vertrieb" ist zu breit. „Wir nutzen KI, um Erstentwürfe für wiederkehrende Offerttypen zu erstellen" ist führbar.

Zweitens: Die Qualitätsprüfung ist eingebaut. Ein KI-Entwurf ist ein Input. Keine Freigabe. Keine Wahrheit. Verantwortung bleibt beim Menschen.

Drittens: Der Nutzen wird im Gesamtprozess gemessen. Nicht im Einzelschritt.

Fazit

KI kann Arbeit sparen. Aber nur, wenn sie geführt wird.

Ungeprüfte KI-Nutzung kann das Gegenteil bewirken: mehr Output, mehr Kontrolle, mehr Korrektur, mehr Unsicherheit. Und am Ende eine schlechtere Marge.

Für Geschäftsführer ist deshalb nicht die Frage entscheidend, ob Mitarbeitende KI nutzen. Die entscheidende Frage lautet: Verbessert KI den Gesamtprozess oder verschiebt sie Arbeit nur an eine andere Stelle?

Diese Frage ist unbequem. Aber sie ist notwendig.

Denn KI wird nicht durch Nutzung produktiv.

KI wird produktiv, wenn Nutzen, Qualität und Verantwortung zusammengeführt werden.

Handlungsfrage für die Geschäftsleitung:

Wo erzeugt KI in Ihrem Unternehmen heute bereits Output, aber noch keinen nachweisbaren Netto-Nutzen?

Dort beginnt die eigentliche Führungsarbeit.