»Im schlechtesten Fall arbeiten die Beschäftigten mit einem Tool, das sie nicht unterstützt, sondern Fehler und Mehrarbeit verursacht. Die Vorgesetzten erwarten dennoch schnellere Ergebnisse, schließlich unterstützt die KI bei der Arbeit. Gleichzeitig kontrolliert der Arbeitgeber, der die Lizenzmodelle der Hersteller (z.B. Kosten pro Token) bedienen muss, ob die Tools tatsächlich genutzt werden. Ein womöglich nutzloses Tool kann so auch zu einem Überwachungsinstrument werden.

Diese horizontale Einführung birgt Risiken, die oft übersehen werden. Studien zeigen zwei typische Phänomene: ›Workslop‹ und ›Workload Creep‹.

Workslop, also Arbeitsschrott, beschreibt KI-generierte Texte, die professionell wirken, aber substanzlos sind. Die Folgen: Beschäftigte verschwenden Zeit mit Überarbeitungen, verlieren Vertrauen in Kolleg*innen, die minderwertige KI-generierte Beiträge verschicken, und die Betriebskultur leidet. Effizienz und Qualität sinken (https://www.btq-kassel.de/unser-standpunkt-arbeitsschrott-von-der-ki/ ).

Workload Creep meint die schleichende Ausweitung der Aufgaben durch KI. Zwar entlastet die Technologie, doch die gewonnene Zeit fließt in neue Aufgaben und mehr Output. Arbeit drängt in Pausen, Randzeiten und den Feierabend. Die Folge: Arbeitsverdichtung, Mehrbelastung, steigendes Burnout-Risiko.

Um solche Folgen von vornherein zu vermeiden, braucht es eine gut geplante, vertikale Einführung von KI-Systemen.

Rolle der Interessenvertretung

Die Einführung eines KI-Systems sollte gemeinsam mit der Interessenvertretung erfolgen. Dies umfasst die strategische Vorplanung, die Bedarfs- und Zielanalyse, die Vorprüfung ausgewählter Systeme, das Roll-out und die Evaluation.  Zudem sollte die Interessenvertretung frühzeitig entscheiden, ob sie gemäß § 80 Abs. 3 BetrVG externen Sachverstand hinzuzieht, zudem empfiehlt es sich eine Schulung zum Aufbau von KI-Kompetenzen durchzuführen, die der Arbeitgeber nach Artikel 4 KI-VO verpflichtend durchführen muss.

Bestandsaufnahme

Am Anfang steht eine Bestandsaufnahme: Welche Tools nutzt das Unternehmen bereits? Welche Ziele sollen erreicht werden? Welche Anwendungsfelder eignen sich? Welche Tools kommen dafür in Frage?

Einzelne Anwendungsszenarien

Statt das gesamte Anwendungs-, KI- oder IT-System zu betrachten, sollten einzelne Anwendungsszenarien (Use-Cases) im Fokus stehen. Ziel ist es, Prozesse und Use-Cases gezielt zu regeln. Eine KI-Rahmenvereinbarung kann helfen, künftig spezifische Steckbriefe für einzelne Use-Cases zu erstellen.

Ein Beispiel: KI soll das interne Wissensmanagement unterstützen. Über KI-gestützte Chatbots sollen unternehmensinterne Wissensbestände und Informationen zugänglich gemacht werden. Zu klären ist, für welche Anwendungsgruppen und in welcher Weise ein Nutzen entstehen kann. Welche Informationen werden zu diesen Zwecken benötigt? Soll es anwenderspezifische Chatbots geben und welche Daten brauchen diese? Welche Daten dürfen in diesem Prozess überhaupt genutzt werden und welche nicht (Stichwort: Beschäftigtendatenschutz, Urheberrecht und Unternehmenscompliance)?

Beteiligung der Beschäftigten

Beschäftigte sollen diese Use-Cases mitgestalten. Sie sind Expert*innen ihrer Arbeitsplätze und wissen am besten, an welcher Stelle sie welche Unterstützung benötigen. Arbeitsgruppen, die sich persönlich treffen, eignen sich besser als anonyme Abfragen. Die Interessenvertretung sollte jedoch bedenken, dass auch Beschäftigte vom KI-Hype erfasst sein können und unrealistische Erwartungen entwickeln – ähnlich wie die Führungsebene. Sind die Use-Cases formuliert, müssen sie auf Gebrauchstauglichkeit getestet und bei Bedarf angepasst werden, bevor sie ausgerollt werden.

Tests und Rückholbarkeit

Bei Tests ist sicherzustellen, dass ins System eingebrachte Daten rückholbar bleiben (https://www.btq-kassel.de/unser-standpunkt-drum-pruefe-wer-sich-ewig-bindet/ ).

Besonders bei dynamischen Systemen wie KI-Anwendungen oder Software-as-a-Service (SaaS), bei denen Anwendungen remote über das Internet statt lokal auf eigenen Rechnern bereitgestellt werden, verlieren Unternehmen oft die Kontrolle über Updates, Funktionsänderungen sowie, je nach Konfiguration, die Hoheit über ihre eigenen Daten.

Interessenvertretungen sollten darauf bestehen, dass KI-Systeme regelmäßig überprüft und bei Bedarf zurückgeführt werden können.

Einführung in fünf Schritten

Die Einführung eines KI-Systems lässt sich in fünf Schritte gliedern. Der Prozess wird ausführlich im Buch »KI und betriebliche Regelungsvorschläge« der BTQ Kassel beschrieben (siehe „Zum Weiterlesen“).

1. Der Arbeitgeber macht eine Vorprüfung, erstellt einen Steckbrief und eine Kritikalitätserklärung. Die Unterlagen gehen an die Interessenvertretung.
2. Die Interessenvertretung klassifiziert das Risiko des KI-Systems.
3. Je nach Einstufung – unkritisch, begrenzt, hochriskant oder zu riskant – folgt ein abgekürztes, Steckbrief- oder standardisiertes Verfahren. Bei zu hohem Risiko wird das System nicht eingeführt.
4. Roll-out des Systems
5. Regelmäßige Überprüfung und Wiedervorlage bei Änderung der Kritikalitätsstufe

Die Vorbereitung kostet zwar Zeit, doch sie lohnt sich. Wer vor der Einführung Energie investiert, kann durch ein transparentes und gemeinsames Vorgehen Abwehrreaktionen aufgrund von Ängsten und Vorbehalten der Beschäftigten abbauen. Anpassungsbedarfe werden frühzeitig erkannt, wodurch sich eventuell langwierige Korrekturen im Nachgang erübrigen. Zudem ist davon auszugehen, dass KI-Tools Beschäftigte bei spezifischen Tätigkeiten sinnvoll unterstützen und dadurch potenzielle negative Folgen frühzeitig vermieden werden können.

Ein Tipp: Der Prozess sollte in einer KI-Rahmenvereinbarung festgehalten werden. Diese regelt unabhängig vom System den Umgang mit KI-Anwendungen und legt verbindliche Verfahren für die Einführung fest.«

Zum Weiterlesen

Die BTQ hat drei Broschüren rund um KI verfasst sowie ein Buch publiziert:

WIN:A Handlungsleitfaden KI und Diskriminierung

WIN:A Handlungsleitfaden Weiterbildung & KI

KomKI Handlungsleitfaden KI 2. Aufl.)

BTQ, Andreae, Ghaboli-Rashti, Köppel, Scholz: »KI und betriebliche Regelungsvorschläge«, Frankfurt 2025, Bund-Verlag, 84 Seiten, 20 Euro.

Links:

NIEDERHOFFER, Kate/ KELLERMAN, Gabriella Rosen/ LEE, Angela/ LIEBSCHER, Alex/ RAPUANO, Kristina/ HANCOCK, Jeffrey T. (2025): AI-Generated “Workslop” Is Destroying Productivity, 25.09.2025, Harvard Bussines Review URL: https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity

RANGANATHAN, Aruna / YE, Xingqi Maggie (2026): AI Doesn’t Reduce Work—It Intensifies It, Harvard Business Review, 09.02.2026 URL: https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it

GRABAU, Maik (2026): Soziale Nachhaltigkeit und Workload Creep, URL: https://www.s-hochschule.de/hfm/news-room/maik-grabau-soziale-nachhaltigkeit-workload-creep