Künstliche Intelligenz soll Beschäftigte von Routineaufgaben entlasten, Prozesse beschleunigen und Raum für anspruchsvollere Tätigkeiten schaffen. Im Arbeitsalltag zeigt sich jedoch ein widersprüchlicheres Bild: Während viele Beschäftigte individuelle Zeitgewinne wahrnehmen, schlägt sich die Nutzung von KI offenbar deutlich seltener in einer spürbar besseren Organisationsleistung nieder.
Der Work AI Index 2026 des zum Softwareanbieter Glean gehörenden Work AI Institute beschreibt diese Differenz als Produktivitätsparadox. Nach Angaben des Reports nutzen 87 Prozent der befragten digitalen Beschäftigten KI bei der Arbeit. 75 Prozent geben an, dadurch produktiver zu sein. Allein durch Automatisierung würden sie nach eigener Einschätzung durchschnittlich rund elf Stunden pro Woche einsparen. Gleichzeitig berichten lediglich 13 Prozent, dass sich Leistung und Ergebnisse ihrer Organisation durch KI deutlich verbessert hätten.
Der Report führt einen Teil dieser Diskrepanz auf zusätzliche menschliche Arbeit zurück, die bei der Einführung generativer KI häufig übersehen wird. Beschäftigte müssen Informationen zusammentragen, Kontext erklären, Ergebnisse kontrollieren, Fehler korrigieren und ungeeignete Ausgaben überarbeiten. Glean bezeichnet diese Tätigkeiten als „Botsitting“.
Die provokante Begriffswahl sollte nicht darüber hinwegtäuschen, dass der Report eine für Unternehmen relevante Frage aufwirft: Wie produktiv ist KI tatsächlich, wenn nicht nur die Geschwindigkeit der Erzeugung, sondern auch der Aufwand für Kontrolle, Abstimmung und Nachbearbeitung berücksichtigt wird?
Inhaltsverzeichnis
- Der Work AI Index 2026 und das Produktivitätsparadox
- Was bedeutet Botsitting?
- Wenn ungeprüfte KI-Ergebnisse weitergegeben werden
- Was die Ergebnisse für HR bedeuten
- Von der Tool-Einführung zur Arbeitsgestaltung
- Methodische Grenzen des Work AI Index
- Fazit: KI-Produktivität ist eine Frage der Organisation
Der Work AI Index 2026 und das Produktivitätsparadox
Für den Work AI Index wurden 6.000 Vollzeitbeschäftigte in den USA, Großbritannien und Australien befragt, die den überwiegenden Teil ihrer Arbeit am Computer oder mit digitalen Werkzeugen erledigen. Die Erhebung fand zwischen Dezember 2025 und Januar 2026 statt. Zusätzlich berücksichtigten die Autoren Interviews, Fallstudien und anonymisierte Nutzungsdaten der Glean-Plattform.
Die Studie zeichnet das Bild einer weit fortgeschrittenen KI-Nutzung. 77 Prozent der Befragten verwenden demnach jede Woche mehrere KI-Werkzeuge; ein Drittel arbeitet mit mindestens vier unterschiedlichen Anwendungen. 48 Prozent wenden sich bei einem Problem zunächst an ein KI-System, bevor sie selbst nach einer Lösung suchen. 52 Prozent empfinden die Zusammenarbeit mit KI als einfacher als die Zusammenarbeit mit menschlichen Kollegen.
Diese Angaben zeigen zunächst, wie stark generative KI in digital geprägte Arbeitsprozesse eingedrungen ist. Sie belegen jedoch noch keinen entsprechenden wirtschaftlichen Nutzen. Individuelle Zeitersparnis, subjektiv wahrgenommene Produktivität und messbare Organisationsleistung sind unterschiedliche Größen.
Die im Report genannten elf eingesparten Stunden lassen sich deshalb nicht einfach mit den ebenfalls ausgewiesenen 6,4 Stunden „Botsitting“ verrechnen. Beide Werte beruhen auf Selbstauskünften und beziehen sich auf unterschiedlich definierte Aspekte der Arbeit. Sie liefern keine belastbare betriebswirtschaftliche Nettorechnung. Der Vergleich macht jedoch sichtbar, dass ein erheblicher Teil der KI-bezogenen Arbeitszeit nicht in die unmittelbare Erstellung von Arbeitsergebnissen fließt (siehe auch das KI-Paradox am Arbeitsplatz).
Was bedeutet Botsitting?
Als Botsitting bezeichnet der Report die weitgehend unsichtbare Arbeit, die erforderlich ist, um KI-Ausgaben in einem konkreten betrieblichen Kontext nutzbar zu machen. Dazu gehören insbesondere das Bereitstellen von Informationen, die Kontrolle der Ergebnisse, die Fehlersuche, wiederholtes Prompting und die nachträgliche Bereinigung fehlerhafter Ausgaben.
Nach Angaben der Befragten entfallen 37 Prozent ihrer gesamten KI-bezogenen Arbeitszeit auf solche Tätigkeiten. 36 Prozent werden für die unmittelbare Arbeit mit KI eingesetzt, beispielsweise für Entwürfe, Zusammenfassungen oder Analysen. Weitere 27 Prozent fließen in das Lernen, Experimentieren und den Aufbau automatisierter Abläufe oder KI-Agenten. Im Durchschnitt verbringen die Befragten nach eigener Einschätzung 6,4 Stunden pro Woche mit Botsitting.
Kontext für KI-Systeme bereitstellen
Den größten Einzelanteil bildet laut Report die Bereitstellung von Kontext. Beschäftigte verwenden durchschnittlich 2,3 Stunden pro Woche darauf, Dokumente, Hintergrundinformationen oder projektspezifisches Wissen in ein KI-System einzugeben.
Gerade in Unternehmen reicht der Zugriff auf Daten allein nicht aus. Ein System muss beispielsweise erkennen können, welche Dokumentversion aktuell ist, welche Quelle als verbindlich gilt, welche internen Abkürzungen verwendet werden oder welche informellen Prozessregeln für einen bestimmten Fall relevant sind.
Fehlt dieser Kontext, übernehmen Beschäftigte die Rolle einer manuellen Schnittstelle. Sie kopieren Informationen zwischen Anwendungen, erklären mehreren Systemen denselben Sachverhalt und vergleichen voneinander abweichende Ergebnisse. 53 Prozent der Befragten geben an, dass wichtige Informationen, die sie für ihre Arbeit benötigen, über ihre KI-Systeme nicht zugänglich seien.
Ergebnisse prüfen und Fehler korrigieren
Weitere 2,2 Stunden pro Woche entfallen dem Report zufolge auf die Kontrolle von KI-Ausgaben. Für die Fehlersuche und Korrektur werden durchschnittlich 1,7 Stunden angegeben. Die Befragten berichten außerdem, dass 36 Prozent ihrer KI-Sitzungen nicht unmittelbar zum gewünschten Ergebnis führten und einen Neustart oder eine umfangreichere Überarbeitung erforderten.
Diese Kontrollarbeit ist nicht grundsätzlich unproduktiv. Bei rechtlichen Texten, Finanzinformationen, Personalentscheidungen, Analysen oder externer Kommunikation ist die fachliche Prüfung unverzichtbar. Problematisch wird Botsitting vor allem dann, wenn der Aufwand weder bei der Kapazitätsplanung noch bei der Bewertung von KI-Projekten berücksichtigt wird.
Unternehmen, die nur die Erzeugungsgeschwindigkeit messen, können daher zu einer verzerrten Einschätzung gelangen. Ein schneller produzierter Entwurf ist kein Produktivitätsgewinn, wenn anschließend mehrere Beschäftigte Fehler suchen, Quellen nachprüfen oder Missverständnisse in nachgelagerten Prozessen korrigieren müssen.
Die Kosten fragmentierter KI-Landschaften
Der Report verbindet einen Teil des zusätzlichen Aufwands mit der Vielzahl parallel genutzter Anwendungen. Beschäftigte, die mehrere KI-Werkzeuge verwenden, berichten demnach häufiger von intensivem Botsitting. 60 Prozent geben an, denselben Prompt in mehreren Systemen auszuführen, weil das erste Ergebnis nicht ausreichend gewesen sei.
Aus organisatorischer Perspektive verweist dies auf ein Integrationsproblem. Nicht jede neue Anwendung erweitert automatisch den betrieblichen Nutzen. Zusätzliche Werkzeuge können vielmehr neue Übergaben, Medienbrüche und Kontrollschritte erzeugen.
Eine tragfähige KI-Strategie sollte deshalb nicht mit der Zahl verfügbarer Tools beginnen. Ausgangspunkt sollten konkrete Arbeitsprozesse sein: Wo entstehen wiederkehrende Belastungen? Welche Informationen fehlen? Welche Übergaben verursachen Fehler? Und an welchen Stellen verbessert KI tatsächlich Qualität, Geschwindigkeit oder Entscheidungsfähigkeit?
Wenn ungeprüfte KI-Ergebnisse weitergegeben werden
Der Work AI Index verwendet für die Weitergabe unzureichend kontrollierter KI-Ausgaben den Begriff „Botshitting“. Gemeint sind Arbeitsergebnisse, die Beschäftigte nicht geprüft haben, nicht vollständig verstehen oder im Zweifelsfall nicht fachlich vertreten könnten.
69 Prozent der KI-Nutzenden geben laut Report mindestens eine der entsprechend definierten Verhaltensweisen an. 41 Prozent berichten, gelegentlich KI-generierte Arbeit weiterzugeben, die sie auf Nachfrage nicht vollständig erklären könnten (siehe auch Workslop). 38 Prozent nutzen nicht freigegebene Werkzeuge (Schatten-KI), 37 Prozent verwenden zugelassene Systeme entgegen betrieblicher Vorgaben und zwölf Prozent haben nach eigener Aussage bereits Ergebnisse weitergegeben, obwohl sie diese für falsch hielten. 28 Prozent geben an, eigene Fehler schon einmal der KI zugeschrieben zu haben.
Der Begriff ist natürlich bewusst zugespitzt, inhaltlich ist das beschriebene Problem dennoch relevant. Generative KI kann Texte, Analysen oder Empfehlungen erzeugen, die sprachlich geschlossen und plausibel erscheinen, obwohl wichtige Informationen fehlen oder Aussagen falsch sind. Dadurch steigt das Risiko, dass ein Ergebnis als fertig wahrgenommen wird, bevor eine fachliche Prüfung stattgefunden hat.
Je stärker Arbeit in mehrere Schritte, Teams und Systeme aufgeteilt ist, desto wichtiger wird eine eindeutige Verantwortungszuordnung. Es muss erkennbar bleiben, wer eine KI-Ausgabe geprüft, freigegeben und in einen betrieblichen Prozess übernommen hat. Die Verantwortung kann nicht an das eingesetzte Werkzeug delegiert werden.
Was die Ergebnisse für HR bedeuten
Die Studie ist keine reine Technologieanalyse. Ihre Kernaussagen betreffen Arbeitsgestaltung, Führung, Kompetenzentwicklung und die Verteilung von Verantwortung. Damit berührt sie zentrale Aufgaben des Personalmanagements.
Unsichtbare Zusatzarbeit erfassen
Zeitgewinne durch KI sollten nicht isoliert betrachtet werden. Unternehmen müssen ebenso erfassen, wie viel Zeit für Vorbereitung, Kontrolle, Korrektur und Abstimmung erforderlich ist. Dazu gehören auch Aufwände, die bei Kollegen oder nachgelagerten Teams entstehen.
Für HR und People Analytics bedeutet dies, Kennzahlen zur KI-Nutzung um qualitative Indikatoren zu ergänzen. Neben eingesparter Zeit und produzierter Menge sollten unter anderem Fehlerquoten, Nachbearbeitungsaufwand, Arbeitsbelastung, Ergebnisqualität und die Erfahrungen der Beschäftigten berücksichtigt werden.
Der Report zeigt, wie problematisch ein einseitiger Produktivitätsfokus sein kann. In Organisationen, die nach Wahrnehmung der Beschäftigten ausschließlich Produktivität messen, berichten 74 Prozent mindestens eine Form der Weitergabe unzureichend geprüfter KI-Ergebnisse. Wird neben Produktivität auch Qualität erfasst, liegt der Anteil bei 64 Prozent. Die Zahlen zeigen einen Zusammenhang, belegen aber keine Kausalität.
AI Literacy über Prompting hinaus entwickeln
Der Work AI Index legt nahe, dass erfolgreiche KI-Nutzung mehr erfordert als die Fähigkeit, gute Eingabeaufforderungen zu formulieren. Beschäftigte benötigen ein Verständnis dafür, wann ein Werkzeug geeignet ist, welche Quellen zuverlässig sind, welche Ergebnisse geprüft werden müssen und bei welchen Aufgaben auf KI verzichtet werden sollte.
Als besonders erfolgreiche KI-Nutzende definiert der Report Personen, die sowohl Produktivitäts- als auch Qualitätsgewinne angeben. Diese Gruppe beschränkt den KI-Einsatz nach eigener Aussage häufiger bewusst und kontrolliert Ergebnisse intensiver. 79 Prozent dieser Gruppe hätten im vorangegangenen Monat mindestens einen KI-Fehler entdeckt und korrigiert, gegenüber 64 Prozent der weniger erfolgreichen Nutzenden.
Für die Personalentwicklung ergibt sich daraus ein breiteres Kompetenzmodell. AI Literacy umfasst mindestens technisches Grundverständnis, fachliche Urteilskraft, Quellenprüfung, Datenschutzbewusstsein, Kenntnis interner Regeln und die Fähigkeit, Risiken eines konkreten Einsatzfalls einzuschätzen.
Diese Perspektive entspricht auch den Hinweisen der Europäischen Kommission zu Artikel 4 des EU AI Act. Danach sollen Anbieter und Betreiber von KI-Systemen bei ihren Beschäftigten ein angemessenes Maß an KI-Kompetenz sicherstellen. Die Maßnahmen sollen sich unter anderem an Vorwissen, Erfahrung, Einsatzkontext und Risiken der verwendeten Systeme orientieren. Das bloße Lesen einer Bedienungsanleitung kann nach Einschätzung des AI Office in vielen Fällen nicht ausreichen.
Führungskräfte für hybride Arbeit qualifizieren
61 Prozent der im Work AI Index Befragten sagen, KI unterstütze sie bei der täglichen Arbeit stärker als die eigene Führungskraft, was sich auch mitz anderen Befunden deckt. Diese Zahl lässt sich als Warnsignal lesen, sollte aber nicht vorschnell als Beleg für eine abnehmende Bedeutung von Führung interpretiert werden.
KI-Systeme können Informationen zusammenfassen, Statusberichte entwerfen, Besprechungen dokumentieren oder Aufgaben koordinieren. Sie können jedoch keine belastbare soziale Beziehung herstellen, Konflikte verantwortlich moderieren oder die Entwicklung eines Mitarbeiters in seinem organisatorischen Kontext beurteilen.
Der Report deutet vielmehr auf eine Verschiebung der Führungsarbeit hin. Als erfolgreich eingestufte Führungskräfte delegieren nach Angaben der Studie mehr Koordinationsaufgaben an KI und nutzen den gewonnenen Spielraum eher für Coaching, Mentoring und Kompetenzentwicklung.
Damit dies gelingt, benötigen Führungskräfte selbst ausreichende KI-Kompetenz. Sie müssen realistische Erwartungen formulieren, Ergebnisse kritisch beurteilen und mit ihren Teams klären, für welche Aufgaben KI eingesetzt werden darf. Ebenso wichtig ist ein Arbeitsklima, in dem Beschäftigte Fehler, Unsicherheiten und ungeeignete KI-Ausgaben offen ansprechen können.
Governance als gelebtes System verstehen
Eine Richtlinie im Intranet ist noch keine funktionierende KI-Governance. Regeln müssen verständlich, aktuell und im Arbeitsalltag umsetzbar sein. Beschäftigte müssen wissen, welche Systeme freigegeben sind, welche Daten verarbeitet werden dürfen, wann eine menschliche Prüfung erforderlich ist und wer für den Einsatz von KI-Agenten verantwortlich ist.
Die Ergebnisse des Reports zeigen eine Lücke zwischen formalen Regeln und praktischer Nutzung. Rund die Hälfte der Befragten verwendet demnach entweder nicht freigegebene Werkzeuge oder zugelassene Systeme auf eine Weise, die nicht den betrieblichen Vorgaben entspricht. Nur 60 Prozent geben an, die KI-Richtlinie ihrer Organisation gelesen zu haben.
Solche Umgehungen sind nicht nur als individuelles Fehlverhalten zu betrachten. Sie können darauf hinweisen, dass freigegebene Systeme zu schwerfällig sind, wichtige Funktionen fehlen oder die Regeln nicht zu den tatsächlichen Arbeitsabläufen passen.
Governance benötigt deshalb Rückkopplung. HR, IT, Datenschutz, Informationssicherheit, Compliance, Fachbereiche und gegebenenfalls Arbeitnehmervertretungen sollten regelmäßig prüfen, ob Vorgaben verständlich und praktikabel sind. Meldungen über ungeeignete Systeme oder neue Anwendungsfälle müssen in die Weiterentwicklung der Regeln einfließen.
Bei bestimmten Anwendungen im Personalwesen kommt eine besondere regulatorische Sensibilität hinzu. Der EU AI Act ordnet unter anderem KI-Systeme für bestimmte Aufgaben im Recruiting und Personalmanagement als Hochrisikoanwendungen ein, beispielsweise Systeme zur Analyse und Filterung von Bewerbungen oder zur Bewertung von Kandidaten. Für solche Systeme sind unter anderem Risikomanagement, Dokumentation, Transparenz und menschliche Aufsicht relevant. Beim Einsatz am Arbeitsplatz bestehen außerdem Informationspflichten gegenüber betroffenen Beschäftigten und Arbeitnehmervertretungen.
Von der Tool-Einführung zur Arbeitsgestaltung
Die wichtigste Konsequenz aus dem Work AI Index besteht darin, KI nicht allein als Beschaffungs- oder Einführungsprojekt zu behandeln. Entscheidend ist die Gestaltung der Arbeit rund um das System.
Dazu gehört zunächst eine klare Aufgabenanalyse. Unternehmen sollten bestimmen, welche Tätigkeiten standardisiert genug für eine Automatisierung sind, wo verlässliche Daten verfügbar sind und an welchen Stellen menschliches Erfahrungswissen unverzichtbar bleibt.
Anschließend müssen Prüf- und Eskalationswege definiert werden. Nicht jedes Ergebnis benötigt dieselbe Kontrolle. Ein interner Ideenvorschlag ist anders zu behandeln als eine arbeitsrechtliche Bewertung, eine Gehaltsentscheidung oder eine Kommunikation an Bewerber.
Ebenso wichtig ist die technische und organisatorische Kontextversorgung. Beschäftigte sollten nicht dauerhaft dafür verantwortlich sein, dieselben Hintergrundinformationen in mehrere Systeme zu übertragen. Wissensbestände benötigen klare Zuständigkeiten, verlässliche Versionen und geeignete Zugriffsrechte.
Der Report bezeichnet Organisationen, deren Beschäftigte deutliche Leistungsverbesserungen durch KI wahrnehmen, als „transformativ“. In diesen Organisationen berichten 90 Prozent der Befragten von ausreichender Schulung und Unterstützung; in den übrigen Organisationen sind es 52 Prozent. 90 Prozent sagen außerdem, ihr Arbeitgeber nutze KI zur Neugestaltung von Arbeit, gegenüber 54 Prozent in anderen Organisationen. Auch hierbei handelt es sich um Zusammenhänge aus Selbstauskünften, nicht um einen Nachweis, dass die genannten Maßnahmen allein die besseren Ergebnisse verursacht haben.
Methodische Grenzen des Work AI Index
Die Ergebnisse liefern wichtige Hinweise, sollten aber nicht verallgemeinert werden. Die Untersuchung konzentriert sich auf digital arbeitende Vollzeitbeschäftigte in drei englischsprachigen Ländern. Beschäftigte in Produktion, Pflege, Logistik, Handwerk oder anderen operativen Tätigkeiten sind nicht in gleicher Weise abgebildet.
Nach Angaben der Autoren weist die Stichprobe außerdem eine überdurchschnittlich hohe KI-Nutzung, einen höheren Anteil leitender Positionen und eine starke Vertretung technologieintensiver Branchen auf. Zwar seien statistische Kontrollverfahren eingesetzt worden, dennoch bildet die Untersuchung nicht die gesamte Erwerbsbevölkerung ab.
Hinzu kommt, dass ein großer Teil der Ergebnisse auf Selbstauskünften beruht. Angaben zu eingesparter Zeit, Produktivität, Erschöpfung oder Organisationsleistung können durch Erinnerungslücken, individuelle Wahrnehmung und sozial erwünschte Antworten beeinflusst sein.
Auch der institutionelle Hintergrund ist zu berücksichtigen. Der Report stammt vom Work AI Institute des Softwareanbieters Glean, dessen Geschäftsmodell auf KI-gestützter Unternehmenssuche und Wissensbereitstellung basiert. Gerade die starke Betonung fehlenden Unternehmenskontexts berührt damit zugleich das Leistungsversprechen des Anbieters.
Auffällig ist zudem, dass die veröffentlichte Webfassung an mehreren Stellen noch Platzhaltertexte enthält. Das mindert nicht automatisch den Wert der Erhebung, spricht aber für einen sorgfältigen und zurückhaltenden Umgang mit den Schlussfolgerungen.
Fazit: KI-Produktivität ist eine Frage der Organisation
Der Work AI Index 2026 macht deutlich, dass KI-Nutzung nicht automatisch mit organisatorischer Produktivität gleichzusetzen ist. Zwischen einem schnell erzeugten Ergebnis und einem belastbaren Arbeitsergebnis liegen häufig Kontextarbeit, Kontrolle, Korrektur und Abstimmung.
Für Unternehmen folgt daraus keine grundsätzliche Absage an generative KI. Vielmehr müssen sie die Voraussetzungen für einen verantwortungsvollen und wirtschaftlich sinnvollen Einsatz schaffen. Dazu gehören geeignete Prozesse, zugängliches Wissen, realistische Leistungskennzahlen, klare Verantwortlichkeiten und arbeitsplatzbezogene Qualifizierung.
HR übernimmt dabei eine zentrale Rolle. Personalverantwortliche müssen nicht die technische Steuerung sämtlicher KI-Systeme übernehmen. Sie sollten jedoch darauf achten, wie sich Arbeit, Kompetenzanforderungen, Führung und Belastung verändern. Besonders relevant ist die Frage, ob KI Beschäftigte tatsächlich entlastet oder lediglich sichtbare Tätigkeiten automatisiert und dafür neue unsichtbare Arbeit erzeugt.
Der nachhaltige Produktivitätsgewinn entsteht nicht durch möglichst viele KI-Interaktionen. Er entsteht dort, wo Beschäftigte wissen, wann KI hilfreich ist, Ergebnisse fachlich beurteilen können und ausreichend Zeit für notwendige Kontrollen erhalten. Die entscheidende Kennzahl ist daher nicht, wie häufig ein System genutzt wird, sondern ob die Arbeit am Ende nachweisbar besser, verlässlicher und sinnvoller organisiert ist.
