Workslop: Wenn KI-Arbeit nur nach Arbeit aussieht

von | Sep. 24, 2026 | KI-News, Weiterbildung & Future Skills

Erschöpfter Mann mit PromptPower-Kappe am Laptop reibt sich die Augen (KI-generiertes Bild)

Ein Kollege schickt ein Konzept. Zwölf Seiten, saubere Gliederung, jede Zwischenüberschrift sitzt. Nach zehn Minuten Lesen ist klar, dass sich damit nicht arbeiten lässt: keine Zahl zum eigenen Markt, keine Entscheidung, dafür drei Absätze über „dynamische Rahmenbedingungen“. Man kann jetzt selbst nacharbeiten oder nachfragen. Beides kostet Zeit, und das Nachfragen kostet zusätzlich Stimmung.

Für genau diese Situation haben Forschende von BetterUp Labs und dem Stanford Social Media Lab im September 2025 einen Begriff eingeführt: Workslop. Ihr Beitrag in der Harvard Business Review hieß „AI-Generated ‚Workslop‘ Is Destroying Productivity“ und wurde in wenigen Tagen zu einem der meistzitierten Texte über KI am Arbeitsplatz. Ein Jahr später lohnt sich die Frage, was davon hält und was neuere Erhebungen ergänzen.

Erschöpfter Mann mit PromptPower-Kappe am Laptop reibt sich die Augen (KI-generiertes Bild)

Was ist Workslop?

Workslop sind KI-generierte Arbeitsergebnisse, die wie gute Arbeit aussehen, aber zu wenig Substanz haben, um eine Aufgabe tatsächlich voranzubringen. Typisch sind glatte Folien, lange Berichte, Zusammenfassungen ohne Kern oder Code ohne Kontext. Der Begriff verbindet „work“ mit „slop“, dem englischen Wort für minderwertigen KI-Inhalt. Entscheidend ist die Wirkung: Die Denkarbeit, die der Absender sich gespart hat, landet beim Empfänger.

Was die Ausgangsstudie gemessen hat

Grundlage ist eine Online-Umfrage unter 1.150 Vollzeitbeschäftigten mit Büroarbeitsplatz in den USA. 40 Prozent gaben an, im vergangenen Monat Workslop erhalten zu haben. Im Schnitt schätzten die Befragten, dass 15,4 Prozent der Arbeitsergebnisse, die bei ihnen ankommen, in diese Kategorie fallen.

Der größte Teil wandert zwischen Kolleginnen und Kollegen auf derselben Ebene (40 Prozent). 19 Prozent gehen von Mitarbeitenden an Führungskräfte, 16 Prozent von Führungskräften an ihre Teams. Und 53 Prozent räumen ein, selbst schon Workslop weitergegeben zu haben. Das Problem sind also nicht „die anderen“.

Pro Fall rechnen die Befragten mit 1 Stunde und 51 Minuten, um das Ergebnis zu verstehen, zu korrigieren oder neu zu machen. Die Forschenden haben das auf 186 US-Dollar pro Person und Monat hochgerechnet, bei einem Unternehmen mit 10.000 Beschäftigten auf mehr als 9 Millionen Dollar im Jahr.

Interessanter als die Dollarzahl finde ich die sozialen Folgen. 54 Prozent reagierten genervt, 38 Prozent verwirrt, 22 Prozent fühlten sich gekränkt. Etwa die Hälfte hielt den Absender danach für weniger kreativ, weniger fähig und weniger zuverlässig, 42 Prozent für weniger vertrauenswürdig. Fast jeder Dritte wollte mit dieser Person künftig seltener zusammenarbeiten. Wer mit KI zwanzig Minuten spart, bezahlt das also womöglich mit seinem Ruf im Team.

Woher Workslop kommt

Im Januar 2026 legten Kate Niederhoffer, Alexi Robichaux (beide BetterUp) und Jeffrey Hancock (Stanford) in der HBR nach, diesmal mit der Frage nach den Ursachen. Sie nennen drei Treiber: unklare KI-Vorgaben der Führung („nutzt mehr KI“ ohne Ziel und Qualitätsmaßstab), überlastete Teams und ein Umfeld, in dem man Unsicherheit nicht zugeben und nicht um Hilfe bitten kann.

Das passt zu einer Unterscheidung aus der ersten Studie. Die Forschenden trennen „Piloten“ mit hoher Eigeninitiative und Zuversicht, die KI einsetzen, um bessere Arbeit zu machen, von „Passagieren“, die KI eher nutzen, um Arbeit loszuwerden. Workslop entsteht vor allem im zweiten Modus. Das ist weniger eine Frage des Werkzeugs als eine der Haltung und der Bedingungen, unter denen gearbeitet wird.

Schon der erste HBR-Artikel ordnete das Thema in einen größeren Befund ein: Ein Bericht des MIT Media Lab vom Sommer 2025 kam zu dem Ergebnis, dass 95 Prozent der untersuchten Organisationen keinen messbaren Ertrag aus ihren Investitionen in generative KI sehen. Workslop ist eine plausible Teilerklärung dafür, warum mehr KI-Nutzung nicht automatisch mehr Produktivität bedeutet. Warum Output und Wertschöpfung zwei verschiedene Dinge sind, steht in meinem Beitrag über die zwei großen KI-Fallen.

Neuere Studien aus 2026

Seit der Ausgangsstudie sind mehrere Erhebungen erschienen, die das Thema aufgreifen. Sie messen unterschiedliche Dinge, zeigen aber in dieselbe Richtung.

Glean, Work AI Index 2026. Befragt wurden zwischen Dezember 2025 und Januar 2026 insgesamt 6.000 Vollzeitbeschäftigte in den USA, Großbritannien und Australien. Sie verbringen nach eigener Angabe 6,4 Stunden pro Woche mit dem, was der Bericht „Botsitting“ nennt: KI-Ergebnisse beaufsichtigen, Fehler suchen, nacharbeiten. 36 Prozent der KI-Sitzungen scheitern so, dass neu begonnen oder grundlegend überarbeitet werden muss. 77 Prozent haben im letzten Monat KI-gestützte Arbeit korrigiert oder neu gemacht. Und 41 Prozent geben Ergebnisse weiter, die sie auf Nachfrage nicht erklären könnten.

Zety, Workslop-Report (März 2026). 1.000 US-Beschäftigte, die bereits Workslop bekommen hatten, wurden im Januar 2026 befragt. 55 Prozent haben Workslop von ihrer Führungskraft erhalten, 85 Prozent sagen, das beschädige ihr Vertrauen in die Führung. 74 Prozent trauen danach der Arbeitsqualität des Absenders weniger. Jeder Vierte hat vom Arbeitgeber keinerlei KI-Schulung oder Anleitung bekommen. Als Gegenmittel wünschen sich 57 Prozent klarere Qualitätsstandards und 51 Prozent bessere Schulung.

GoTo und Workplace Intelligence, Pulse of Work 2026 (Mai 2026). 2.500 Beschäftigte und IT-Verantwortliche in zehn Ländern, darunter Deutschland, Österreich und die Schweiz. 43 Prozent haben KI-Inhalte verwendet, obwohl sie Fehler oder Erfindungen darin vermuteten. 77 Prozent sagen, KI-generierte Arbeit brauche mehr Prüfzeit als menschliche, 66 Prozent empfinden das Prüfen fremder KI-Ergebnisse als Zusatzlast. Gleichzeitig fühlen sich 60 Prozent unter Druck gesetzt, KI für mehr Produktivität einzusetzen, und 80 Prozent finden, dass Beschäftigte nicht ausreichend geschult werden.

Auch aus der Praxis kommt Bestätigung. Shopify-Chef Tobi Lütke, dessen Unternehmen KI-Nutzung seit 2025 zur Grunderwartung gemacht hat, sprach im September 2026 in einem Podcast von „Slop-Granaten“: ungelesener KI-Output, den man Kollegen zuwirft. Faule Arbeit zeige sich heute nicht mehr in zu wenig Output, sondern in zu viel davon.

Wie belastbar sind die Zahlen?

Alle genannten Studien beruhen auf Selbstauskünften. Die zwei Stunden pro Fall sind eine Schätzung der Befragten, die 9 Millionen Dollar eine Hochrechnung daraus. Die Stichproben stammen überwiegend aus den USA, und eine eigene Auswertung für Deutschland habe ich nicht gefunden. Die GoTo-Studie schließt den DACH-Raum ein, weist ihn aber nicht gesondert aus.

Dazu kommt, wer die Studien bezahlt. BetterUp verkauft Coaching, Glean eine KI-Plattform für Unternehmen, Zety Bewerbungswerkzeuge, GoTo IT-Software. Jeder dieser Anbieter hat ein Interesse daran, dass Unternehmen das Problem ernst nehmen. Das macht die Ergebnisse nicht falsch, aber man sollte die exakten Prozentwerte nicht auf die Goldwaage legen.

Belastbar ist die Richtung. Vier voneinander unabhängige Erhebungen mit unterschiedlichen Methoden kommen zu einem ähnlichen Bild: KI verschiebt Arbeit vom Erstellen zum Prüfen, und diese Prüfarbeit landet häufig bei jemand anderem als dem, der die Zeitersparnis verbucht.

Was dagegen hilft

Die Empfehlungen der Forschenden und die Wünsche der Befragten decken sich weitgehend. Übersetzt in konkrete Regeln für ein Team:

  • Wer KI-Ergebnisse weitergibt, verantwortet sie wie eigene Arbeit. Das klingt banal, steht aber in den wenigsten KI-Richtlinien so ausdrücklich drin.
  • KI-Vorgaben mit Zweck statt mit Quote. „Nutzt KI für Recherche-Entwürfe, geprüft wird gegen Primärquellen“ hilft mehr als eine Nutzungsstatistik im Dashboard.
  • Der Erklärtest vor dem Absenden. Kann ich jede Aussage in diesem Dokument begründen, wenn jemand nachfragt? Wenn nicht, ist es noch nicht fertig. Die 41 Prozent aus der Glean-Studie scheitern genau hier.
  • Kürzer statt länger. KI macht Text billig, Lesezeit bleibt teuer. Eine halbe Seite mit Entscheidungsvorlage schlägt zwölf Seiten Hintergrund.
  • Nachfragen erlaubt machen. Wenn es in einem Team als peinlich gilt zu sagen „Das verstehe ich nicht, hast du das selbst geprüft?“, wird Workslop stillschweigend weitergereicht.

Was das für KI-Weiterbildung bedeutet

Für mich ist Workslop das stärkste Argument gegen KI-Schulungen, die nur Prompting beibringen. Wer lernt, wie man in dreißig Sekunden einen Bericht erzeugt, aber nicht, wie man ihn prüft, kürzt und verantwortet, wird zum effizienten Workslop-Produzenten. Die Zety-Zahl, nach der jeder Vierte gar keine Anleitung bekommen hat, passt dazu.

Das Prüfen von KI-Ergebnissen gehört deshalb für mich genauso in eine KI-Weiterbildung wie das Erzeugen. Warum ich Urteilsvermögen für die wichtigste KI-Kompetenz halte und warum im Marketing Geschmack zur KI-Kompetenz wird, habe ich an anderer Stelle beschrieben. Workslop ist die Innenseite desselben Problems: AI Slop landet bei Kundinnen und Kunden, Workslop bei den Kolleginnen und Kollegen am Schreibtisch nebenan. Wie ich das in meiner KI-Weiterbildung angehe, steht auf der Kursseite.

Mehr zum Thema

Grenzen und Risiken von KI im Marketing ordnet der Themenbereich KI im Marketing ein.

Quellen