Meta-Arbeit ist auch bei mir längst Alltag geworden. Nicht weil ich faul bin, sondern weil ich meine Fähigkeiten so gut wie möglich einsetzen möchte. Sie findet statt:

Ich spreche von «Meta», weil Wissensarbeitende vermehrt auf einer anderen intellektuellen Ebene arbeiten. Sie lesen und schreiben weniger und bearbeiten stattdessen Vorleistungen, die Maschinen generiert haben. Meta zu arbeiten heisst auch, dass sich Wissensarbeitende immer weniger mit Originalquellen beschäftigen und sich stattdessen auf computergenerierte Zusammenfassungen verlassen.

Allerdings ist die Vorstellung falsch, dass nur Maschinen diese Arbeit generiert haben. Gen-KI ist ein neuer «Schachtürke»: Es scheint nur so, dass alles voll automatisch passiert, doch in Wahrheit sind Menschen am Werk. Damit Gen-KI funktioniert, muss sie zum einen zahlreiche Programmierungsschlaufen durchlaufen inklusive billige «Arbeiter:innen», die sie händisch trainieren. Zum anderen basiert Gen-KI auf Trainingsdaten, die bis heute wesentlich von Menschen hergestellt wurden (Blogs, Social Media Posts, Zeitungsartikel). Es ist gesellschaftspolitisch heikel, dass Tech-Konzerne diese Arbeit stehlen und die Autorinnen und Autoren nicht entschädigen.

Im Moment, wo die Mehrheit der Trainingsdaten künstlich generiert würde, erreicht die Synthetik der Arbeit eine neue Stufe. Pointierter: Synthetische Trainingsdaten sind eine Abkürzung in die Plastikzukunft.

Richtig: Hochwertige Wissensarbeit war immer Meta-Arbeit. Wissensarbeitende sind seit jeher darauf angewiesen, dass andere für sie übersetzen, auswählen, zusammenfassen, synthetisieren. Beispiele für solche Vorarbeiten sind Bibliotheken, Lexika oder die Quellenverzeichnisse in wissenschaftlichen Texten. Alle diese Meta-Arbeiten gingen mit spezialisierten Berufen einher.

Trotzdem zeigen sich durch den Zugriff auf Gen-KI einige neue Aspekte der Meta-Arbeit:

Die Daten des IGEM-Digitalmonitors 2025 zeigen: Gen-KI wird in der Schweiz privat intensiver als im Beruf genutzt. Dabei gibt es einen klaren Altersunterschied. Jüngere Menschen (15- bis 34 Jährige) nutzen sie deutlich häufiger (69 Prozent) als über 55-Jährige (25 Prozent). Die Unternehmensgrösse hat ebenfalls Einfluss: In grossen Organisationen wird sie häufiger eingesetzt als in kleinen.

Gemäss AXA-Arbeitsmarktmonitor ist Gen-KI bei 34 Prozent der KMU bewusst implementiert (Stand November 2025), in Dienstleistungsunternehmen deutlich häufiger als in Produktionsbetrieben (37 vs. 20 Prozent). Am meissten wird sie sie für kommunikative Aufgaben eingesetzt – für Übersetzungen (52 Prozent) und Korrespondenz (47 Prozent). Ein Drittel der befragten Unternehmen setzt sie für die Automatisierung und ebenfalls ein Drittel für die Datenanalyse ein.

Gemäss der AXA-Arbeitsmarktstudie 2025 bleiben die Auswirkungen auf die Arbeitsplätze bisher gering. Nur zwei Prozent der befragten KMU geben an, aufgrund von KI auf Personal zu verzichten. Es könnte sich auch ein bisheriges Muster der digitalen Transformation fortsetzen. Neue Technologien führen zum Wandel von Jobs aber auch zur Entstehung von neuer Arbeit. Zehn Prozent der Befragten in der AXA Arbeitsmarktstudie berichten von einem Stellenausbau aufgrund von KI.

In 97 Prozent der Unternehmen soll es gemäss einer Studie des Cloudanbieters Red Rat zu einem Einsatz von Schatten-KI kommen. Die Mitarbeitenden nutzen sie also ohne offizielle Erlaubnis bzw. Implementierung. Knapp 40 Prozent der Mitarbeitenden teilen sensible Arbeitsinformationen ohne Erlaubnis ihres Arbeitgebers mit KI-Tools.

Wie die Suchmaschinen, Online-Lexika und die sozialen Medien zuvor, wird Gen-KI zu einem selbstverständlichen Werkzeug von Wissensarbeitenden. Sie wird die Büros nicht wieder verlassen: auf der persönlichen Ebene spart sie Zeit, auf der unternehmerischen Ebene Kosten.

Richtig eingesetzt, verringert Gen-KI die Zeit, die Wissensarbeitende für Routine-Aufgaben aufwenden. Mit der Unterstützung durch KI erhalten sie mehr Zeit für stärker wertschöpfende Tätigkeiten. In einem positiven Szenario der Zukunft geht Meta-Arbeit zudem mit einer Verbesserung unserer Leistungen einher, weil Gen-KI als potente Feedbackmaschine hartnäckig fragt und hinterfragt.

Allerdings müssen Wissensarbeitende dieses Feedback auch einfordern und wollen sie ihren Stil, ihren kritischen Geist und ihr Weltbild beibehalten, dürfen sie nicht alle Vorschläge der Gen-KIs ernst nehmen. Der Medienwissenschaftler Roberto Simanowski fordert in seiner «Philosophie der Sprachmaschinen», wir sollen Akteure bleiben und nicht zu Objekten werden.

Vor einigen Wochen habe ich beschrieben, warum wir in Zeiten der Plastikzukunft leben und welche Gefahren eine solche hochprozessierte Zukunft mit sich bringt.

Auch Meta-Arbeit ist hochprozessiert. Sie wird dann zur «Plastikarbeit», wenn Wissensarbeitende zu Automaten schrumpfen, die nur noch klicken, aber nicht mehr denken. Ihre Arbeit ist dann scheinbar effizient und ästhetisch weich gespült, aber es fehlt ihr all das, was gute Wissensarbeit ausmacht: Die Originalität, die Tiefenschärfe, das Sinnliche und Zwischenmenschliche. Plastikarbeit ist dünn, leer, entkoppelt. Das zeigt sich rein sprachlich: Menschen haben einen grösseren Wortschatz als Maschinen.

Die Forschung nennt schlechte maschinengenerierte Plastikarbeit «Workslop» («Slop» = Schweinefutter oder Abfall: massenhaft, schnell und billig produziert). Sie meint damit «generierte Arbeitsinhalte, die sich als gute Arbeit ausgeben, aber nicht den nötigen Inhalt besitzen, um eine bestimmte Aufgabe sinnvoll voranzubringen». In einer in der HBR publizierten US-Studie gibt über die Hälfte der Befragten zu, KI-Inhalte weiterzuleiten, die sie für «nutzlos, wenig aufwändig oder von geringer Qualität» halten – hauptsächlich, weil sie sich überlastet fühlen.

Überprozessierte Wissensarbeit bringt eine Zukunft hervor, in der alles etwa gleich klingt und gleich aussieht. Bilder werden gleich gefiltert, Texte gleich optimiert, Slidedecks immer gleich aufgebaut, Social Media Posts mit den gleichen Emojis strukturiert. Plastikarbeit fehlt damit das Kritische und Widerspenstige, um Fortschritt zu erzielen.

Aus eigener Erfahrung ist nicht nur die Bequemlichkeit ein Treiber der Plastikarbeit sondern auch die Tendenz der Maschinen jene Inhalte zu bevorzugen, die maschinengeneriert sind. Die Forschung spricht von einem AI-AI-Bias. Krass ausgedrückt: Inhalte mit gründlichem menschlichem Denken, kontextueller Argumentation und subjektiver Stimme — also das, was echte Wissensvermittlung ausmacht — könnten algorithmisch benachteiligt werden.

Verantwortlich für eine virale Verbreitung von Fehlern durch Meta-Arbeit ist in erster Linie die Verwendung von mangelhaften Trainingsdaten. Meta-Fehler fallen zunächst nicht auf, weil die Antworten der Maschinen sauber formuliert daherkommen und plausibel strukturiert sind. Und trotzdem können sie natürlich falsch sein, etwa weil «billiges Trainingsmaterial» wie Social Media Posts verwendet wurden.

Noch unauffälliger sind «fehlerhafte» Vorarbeiten in Form von Vorurteilen und Ideologien, die in die Modelle geraten. Die Maschinen kommen scheinbar politisch neutral und normativ gleichgültig daher – sind es natürlich aber überhaupt nicht. Zum einen werden die Modelle kaum der Weltsicht ihrer Besitzenden entgegenlaufen und zum anderen geben die Modelle die Vergangenheit wieder. Auch wenn sie den Anschein machen, die Zukunft vorauszusagen, geben sie – aufgrund ihrer Trainingsdaten – das Denken und die Normen der Vergangenheit wieder. Das könnte Wandel verhindern beziehungsweise Retro-Utopien stärken.

Schliesslich kommt es bei Meta-Fehlern zu einer Art Teufelskreis. Wenn die Trainingsdaten falsch sind, können sich Fehler in neue Texte einschleichen, die dann wiederum Teil der neuen Trainingsdaten werden. Ergebnis könnte eine kontinuierliche Verschlechterung der maschinellen Vorarbeit der künftigen Wissensarbeit sein - und damit letztlich eine Verdummung von Mensch, Organisation und Gesellschaft.

Dass Gen-KI Arbeit einfacher und kürzer macht, ist ein Klischee. Es trifft nur dann zu, wenn Wissensarbeit zur Plastikarbeit degeneriert.

In allen anderen Szenarien der zukünftigen Arbeitswelt führt Gen-KI vielmehr dazu, dass Arbeit anstrengender wird. In einem viel beachteten Artikel in der Harvard Business Review führten Aruna Ranganathan and Xingqi Maggie Ye jüngst aus, warum Gen-KI die Wissensarbeit intensiver macht. Sie machen drei Faktoren dafür verantwortlich:

Meta-Arbeit könnte bewirken, dass die meisten Wissensarbeitenden herabgestuft werden und ihre Arbeit langweiliger wird. Sie werden zu «Rennpferden», die in Algorithmen eingespannt, möglichst schnell und reibungslos zur Lösung kommen sollen. Dieses Szenario ist brisant, weil es die Jobs für Anfänger:innen bedroht und weil sich nach den Burnouts die Boreouts häufen könnten. Die «Boring Apocalypse» ist auch deshalb ein erschreckendes Szenario, weil sich bereits heute 60 Prozent der Beschäftigten unterfordert fühlen.

Ein Grund für die Langeweile ist die Zerlegung von ganzheitlichen Aufgaben in Kleinstaufgaben. Der Soziologe Hartmut Rosa spricht von einer «parametrischen Optimierung». Einzelaspekte werden optimiert (zum Beispiel die einfache Sprache), das Gesamtergebnis und vielleicht noch mehr das Gesamterlebnis können aber unter der selektiven Optimierung deutlich leiden. Eine Publikation oder eine Ausstellung sind dann zwar für alle verständlich aber vielleicht wahnsinnig langweilig; für die Produzierenden genauso wie für die Besuchenden. Diese Gefahr verstärkt sich durch eine «Diktaktur der Durchschnittlichkeit», wenn alle Wissensarbeitenden dieselben KI-Modelle nuzten.

Der nicht reflektierenden prozessierenden Belegschaft steht eine kleine Elite gegenüber, die durch primäre Wissensarbeit tatsächlich noch genuin neue Inhalte generiert. Sie ist nicht nur für die Wertschöpfung der Unternehmen unverzichtbar, sondern auch für die Wissensmaschinen.

Durch den Zugriff auf Gen-KI werden Wissensarbeitende zu Kuratorinnen. Ihre Arbeitsqualität hängt mindestens so sehr davon ab, wie zuverlässig, präzise und quellenkritisch sie arbeiten, wie ob es ihnen gelingt, originell und publikumswirksam Wissen zusammensetzen. Durch die Fokussierung auf die Maschinengerechtigkeit gleicht sich Wissensarbeit von Influencer:innen an.

Nach Tanja Prokić zielt deren Arbeit wesentlich darauf ab, Sichtbarkeit zu erzielen und die Gefühle des Gegenübers zu wecken. Wissensarbeit kann also nicht mehr nur beschreiben, sie muss einen Effekt erzielen. Das gelingt aber in einem digitalen Zeitalter nur dann, wenn Wissensarbeitende die Mechanismen der Wissenswerkzeuge und -plattformen verstehen.

Sollte die Arbeit früher von den Suchmaschinen gefunden werden (SEO) (um für Projekte, Vorträge und Medienauftritte angeheuert zu werden), müssen die Inhalte nun in die Wissensmaschinen rein. Der dafür etablierte Begriff ist (GEO), «Generative Engine Optimization», alternativ wird von AIVO (AI Visibility Optimization) gesprochen. Entscheidend damit Wissensarbeitende von KI-Modellen berücksichtigt werden, sind etwa die Zitation in hochklassigen Medien und Verzeichnissen.

Die Kuration von Wissen bewegt sich – ähnlich wie die Vermittlung in Museen – in Spannungsfeldern. Zu erwähnen sind etwa die folgenden Punkte:

Um diesen Zustand zu beleuchten, eignet sich das Theoriegerüst von Hartmut Rosa. In seinem jüngsten Buch («Situation und Konstellation», 2026) unterscheidet der Soziologe zwischen selbstbestimmter Situation und fremdbestimmter Konstellation. Weil in der heutigen Gesellschaft immer mehr rechtliche und bürokratische Vorgaben bestehen, beziehungsweise weil immer mehr Interaktion durch Maschinen gestützt ist, wird Handeln zum Vollziehen in einem eng abgesteckten Territorium.

Meta-Arbeit wird dann zu einer fremdbestimmten Konstellation, wenn Wissensarbeitende blind den Aufforderungen der Algorithmen folgen. Beispielsweise erstellen sie dann keine eigenständige Zusammenfassung eines Buchs für einen Social Media Post, sondern lassen sich alles von den Maschinen generieren, samt dazugehörigen Illustrationen. Das untergräbt den Stolz auf die eigenen Leistungen, das Gefühl der Selbstwirksamkeit.

Harmut Rosa hat viel über Resonanz geschrieben. Sie droht in einer hyperprozessierten Arbeitswelt verloren zu gehen. Durch die Häufung von Meta-Arbeit könnte die Erfahrung schwinden, durch seine Arbeit etwas Wesentliches zu bewirken. Man generiert zwar ganz viele Inhalte, aber sie kommen bei niemandem mehr. Alles Wissen ist vermittelt und überreicht das Gegenüber erst in weichgespülter Form. Selbst die Wissensarbeiterin sieht wenig involviert zu, wie die Maschinen fleissig Content ausspucken.

Resonanz verlangt nach Hartmut Rosa ein In-Beziehung-Treten. Das kann entweder heissen, mit der Welt ausserhalb der Bildschirme zu interagieren (also mit der Natur, mit fremden Städten, mit Kunstwerken) oder aber mit anderen Menschen.

Rosa plädiert für eine Arbeitswelt, die Emotionen schafft und in der wir uns «voller Energie und Tatendrang» fühlen. Wer in einer resonanzfördernden Arbeitswelt arbeitet, verändert etwas und verändert sich durch diese Veränderung auch selbst. Das heisst man muss sich die Hände schmutzig machen, es muss mühsam werden.

Arbeitgebende, welche die Begegnung mit der Welt fördern, ermuntern ihre Wissensarbeitenden während der Arbeitszeit im Kino stricken zu gehen, zu reisen, Zeit mit Tieren oder ihren Familien zu verbringen. Sie schicken sie in Technoclubs und Museen. Arbeitgebende, die das Miteinander fördern, investieren in Gespräche. Sie schaffen Räume, damit man sich neugierig und wertschätzend begegnet.

Um diese Begegnungen möglich zu machen, müssen Unternehmen wohlmöglich an anderen Orten entschlacken, sparen und reduzieren, etwa bei Präsenzzeiten, bei Absicherungsmechanismen, veralteten HR-Prozessen und allgemein beim Administrativen.

Meta-Arbeit beschleunigt den Tod der Originale, den Lexika, Sekundärliteratur und andere Zusammenfassungen schon seit längerer Zeit eingeläutet haben. Warum sollte man noch etwas lesen und selbst analysieren, wenn man alles an die KI delegieren kann?

Durch Meta-Arbeit sind immer mehr Präsentationen, Texte und Bilder synthetischer Natur. Es sind Mash-Ups im Sinne Dirk von Gehlens. Diese Remix-Kultur ist nicht per se zu verteufeln und kann sogar dazu führen, dass Probleme besser gelöst werden, weil sie mit Hilfe von KI besser durchdacht und rationaler beurteilt werden. Im schlechtesten Falle aber führt Meta-Arbeit zu einer Verdummung, weil niemand mehr gründlich durchdenkt und die Gegenwart in ein Verhältnis zur Vergangenheit setzen kann. Es geht historischer Tiefgang und damit das Gefühl für tatsächliche Veränderungen verloren, die über das Marketing des Neuen hinausgehen.

Interessant in Bezug auf die Innovationskraft eines Unternehmens sind auch die Ergebnisse einer Studie des MIT Media Lab, welche die Auswirkungen von Workslop untersucht hat:

Die Qualität der Wissensarbeit könnte schliesslich auch deshalb leiden, weil es (unter anderem) durch KI-KI-Bias zu einer Verdummung, wenn nicht zu einem «Kollaps» der KI-Modelle kommt.

Meta-Arbeit beschleunigt die Prozesse, droht aber das Denken zu verkrusten. Unternehmen, in denen die Mitarbeitende nur noch prompten, erhalten denselben Wissensbrei wie alle anderen. Das reicht aber nicht, um aufzufallen, gegen den Strich zu gehen, die Zukunft besser zu denken. Ist der wahre Engpass der Zukunft deshalb gar nicht KI-Kompetenz, sondern vielmehr die Fähigkeit, Erkenntnisse aus Primärquellen zu extrahieren?

Es ist vielleicht wie beim Erkunden einer Stadt. Wer sich nur auf den Reiseführer verlässt, findet weder die coolen Bars noch die geheimnisvollen Innenhöfe. Wissensunternehmen, die vital bleiben wollen, sollten deshalb die Lust am Rätseln fördern, die Hartnäckigkeit zum Recherchieren, das Kombinieren von Ideen und Perspektiven. Das erfordert ganz im Sinne von Hartmut Rosa das Rückerobern von Spielräumen. Nur wer Zeit und Rückendeckung hat, wird experimentieren und den Mut aufbringen, sich zu verlaufen.

Meta-Arbeit zu verteufeln, ist der falsche Weg um die Vitalität eines Unternehmens hochzuhalten. Vielmehr bietet sie Anlass, um über Wirkung, Wertschöpfung und Resonanz zu sprechen. Hans Rusinek, Dozent für «Meaningful Work» an der Universität St. Gallen meint: «Richtig eingesetzt, könnte KI zum Katalysator werden, der Organisationen dazu zwingt, diese umfassendere, lebendigere Form menschlicher Intelligenz wiederzuentdecken. Neugier, moralisches Urteilsvermögen, Imagination, Sinnstiftung».

Die Innovationskraft in einer KI-Arbeitswelt zu sichern, bedingt schliesslich, die menschliche Aufmerksamkeit als begrenzte Ressource strategisch einzusetzen. Menschliche Fähigkeiten wie das Urteilsvermögen, die Entscheidungsfähigkeit und die strategische Planung erfordern Ruhe und Konzentration.

Die Meta-Terminologie eignet sich, um über das veränderte Führen nachzudenken. Wenn die Arbeit zu Meta-Arbeit wird, verlagert sich auch die Führung um eine Ebene nach oben. Führung wird zur «Meta-Führung». Sie steuert Arbeit nicht mehr direkt, sondern gestaltet die Bedingungen, damit die Mensch-Maschinen-Symbiose optimal gedeihen kann, also die Räume, die unterbrechungsfreien Zeiten, die Kultur der Zusammenarbeit.