AI Daily Brief – Botsitting: The Work Draining AI Gains

Botsitting: Warum KI im KMU nicht nur Arbeit spart, sondern neue Arbeit erzeugt

Viele KMU erleben gerade ein merkwürdiges Paradox: Die Teams nutzen KI intensiv, einzelne Mitarbeitende arbeiten sichtbar schneller, und trotzdem bleibt der große organisatorische Durchbruch aus. Die Erklärung ist oft nicht, dass KI „nichts bringt“ — sondern dass rund um die Nutzung eine neue, versteckte Form von Arbeit entsteht.

Diese Arbeit hat inzwischen einen Namen: Botsitting.

Gemeint ist damit alles, was nötig ist, damit KI im Alltag überhaupt brauchbar wird: Kontext nachreichen, Antworten prüfen, Fehler korrigieren, Prompts neu formulieren, Ergebnisse zwischen Tools vergleichen und am Ende doch noch händisch aufräumen. Genau hier liegt für viele KMU der Unterschied zwischen einer beeindruckenden Demo und einem belastbaren Arbeitsmodell.

Die Kernidee in 3 Sätzen

KI spart nicht einfach Zeit, sondern verschiebt Arbeit. Ein Teil der früheren Facharbeit wird durch neue Kontroll-, Integrations- und Prüfaufgaben ersetzt. Wer diese Zusatzarbeit nicht aktiv gestaltet, bekommt zwar mehr KI-Nutzung, aber nicht automatisch mehr Unternehmensleistung.

1. Produktivität auf Mitarbeiterebene ist noch kein ROI auf Unternehmensebene

Dass einzelne Mitarbeitende mit KI schneller arbeiten, ist gut — aber betriebswirtschaftlich noch nicht genug. Wenn die gewonnene Zeit nicht in klar priorisierte Ziele fließt, bleibt sie organisatorisch wirkungslos.

Was heißt das praktisch?

• Zeitersparnis allein ist keine Zielgröße.
• Entscheidend ist, ob sich Durchlaufzeiten, Qualität, Servicelevel oder Umsatzhebel verbessern.
• KMU brauchen pro Anwendungsfall eine einfache Übersetzung: Welche Kennzahl soll sich konkret verändern?

Ein Beispiel: Wenn ein Vertriebsteam mit KI schneller Angebote erstellt, aber Freigaben, Rückfragen und Nachbesserungen gleich bleiben, ist lokal zwar Effizienz entstanden — aber noch kein echter Prozessgewinn.

2. Botsitting ist kein Randproblem, sondern Teil des Betriebsmodells

Viele Unternehmen behandeln KI-Nacharbeit wie Kinderkrankheiten. Das ist zu kurz gedacht. In Wahrheit ist Botsitting ein struktureller Bestandteil der aktuellen KI-Nutzung.

Typische Formen im KMU:

• dieselben Informationen immer wieder in verschiedene Tools kopieren
• mehrere Antworten vergleichen, weil keine verlässlich genug ist
• KI-Texte oder Analysen nachträglich fachlich „retten“
• Ergebnisse prüfen, ohne klare Prüfkriterien zu haben

Was heißt das praktisch?

• Nicht nur „Wo nutzen wir KI?“ erfassen, sondern auch „Wo betreuen wir KI?“
• Tool-Sprawl reduzieren
• wiederkehrende Kontexte standardisieren
• Review-Schritte definieren statt implizit zu lassen

Der größte Fehler ist, diese Zusatzarbeit unsichtbar zu lassen. Unsichtbare Arbeit wird nicht verbessert, nicht gemessen und nicht sauber verteilt.

3. Das eigentliche Risiko ist nicht Halluzination, sondern Verantwortungsdiffusion

Noch kritischer als zusätzlicher Aufwand ist ein zweites Phänomen: Mitarbeitende gewöhnen sich daran, plausible KI-Ergebnisse einfach zu übernehmen. Nicht aus Faulheit, sondern aus Routine, Zeitdruck und schleichender Ermüdung.

Dann kippt Botsitting in ein gefährlicheres Muster:

• Outputs werden weniger hinterfragt
• Quellen werden nicht mehr geprüft
• fachliche Verantwortung wird psychologisch an das Tool abgegeben

Was heißt das praktisch?

• Für risikoreiche Outputs braucht es klare Human-in-the-Loop-Regeln.
• Nicht jede KI-Antwort braucht denselben Prüfgrad.
• Aber jedes Team sollte wissen: Was darf KI vorbereiten, was muss ein Mensch fachlich verantworten?

Gerade in KMU ist das wichtig, weil Rollen oft breit geschnitten sind und Fehler schneller direkt beim Kunden, in Angeboten oder in internen Entscheidungen landen.

4. Mehr Tools bedeuten oft nicht mehr Leistung, sondern mehr Reibung

Ein verbreitetes Muster: Teams nutzen parallel ChatGPT, Claude, Copilot, Gemini oder Spezialtools. Das klingt flexibel, erzeugt aber oft eine versteckte „Wechselsteuer“: mehr Kontextwechsel, mehr Vergleichsaufwand, mehr Unsicherheit.

Was heißt das praktisch?

• Lieber ein definierter Standard-Stack als fünf halb genutzte Tools
• pro Kernprozess 1–2 freigegebene Wege
• gemeinsame Prompt- und Kontextbausteine statt individueller Bastellösungen

Für KMU ist Standardisierung meist wertvoller als maximale Toolfreiheit. Nicht weil Vielfalt schlecht ist, sondern weil operative Reibung teuer wird.

5. Gute KI-Nutzung ist vor allem Führungs- und Systemarbeit

Die spannendste Erkenntnis aus der Debatte um Botsitting ist vielleicht diese: Erfolgreiche Organisationen gewinnen nicht, weil sie „mehr KI“ haben. Sie gewinnen, weil sie KI besser in Arbeit, Verantwortung und Lernen einbetten.

Dazu gehören:

• relevante Metriken statt Vanity Metrics
• regelmäßige Anpassung von Regeln und Workflows
• Training an echten Aufgaben statt abstrakter Prompt-Schulungen
• Führungskräfte, die Koordinationsaufwand mit KI reduzieren und die gewonnene Zeit in Coaching und Entwicklung investieren

Was heißt das praktisch?
KI-Einführung ist kein Softwareprojekt. Sie ist ein Veränderungsprojekt.

Umsetzung im KMU: erster Schritt und typische Stolperfallen

Der beste erste Schritt ist kein neues Tool, sondern ein Botsitting-Audit in einem konkreten Team. Schauen Sie sich einen realen Prozess an — etwa Angebotserstellung, Kundenkommunikation, Reporting oder Recruiting — und erfassen Sie drei Dinge:

1. Wo spart KI Zeit?
2. Wo erzeugt sie Nacharbeit?
3. Wo ist unklar, wer fachlich verantwortlich ist?

Typische Stolperfallen:

• nur Nutzung statt Wirkung messen
• zu viele Tools parallel zulassen
• keine Review-Standards definieren
• KI als IT-Thema behandeln statt als Arbeitsorganisations-Thema

Mein Beratungsbeitrag: so kann ich konkret unterstützen

• Botsitting-Audit: Ich analysiere mit Ihrem Team, wo KI heute Zeit spart, aber gleichzeitig neue Reibung erzeugt — und leite daraus ein pragmatisches Workflow-Redesign ab.
• Human-in-the-Loop-Governance: Ich entwickle mit Ihnen klare Prüf-, Freigabe- und Verantwortungsregeln für KI-Outputs in sensiblen Prozessen.
• KMU-AI-Enablement: Ich übersetze KI-Nutzung in teamtaugliche Standards, SOPs und Trainingsformate, die im Alltag funktionieren statt nur im Workshop.

Wenn Sie KI im Unternehmen nicht nur einführen, sondern wirksam machen wollen, sollten Sie nicht nur auf das Modell schauen — sondern auf die Arbeit, die rundherum entsteht.