Diese Generation von Studenten könnte nach ihrem Abschluss als „Betreuer“ für KI-Systeme arbeiten müssen.

Zwar hat KI unzählige Unternehmen dazu veranlasst, Personal abzubauen, andererseits schafft KI aber auch neue Arbeitsplätze.

Nach den neuesten Daten der vom Ministerium für Humanressourcen und soziale Sicherheit initiierten „Monat der Cloud-basierten Rekrutierung in Internetunternehmen“ haben in diesem Sommer mehr als 5.000 Internetunternehmen zusammen über 200.000 Stellen freigesetzt. Führende Unternehmen wie JD.com, Tencent, ByteDance und Meituan tragen zusammen über 46.000 Stellen bei, die zukunftsweisende Bereiche wie KI-Algorithmen, Anwendungen großer Modelle und Hochleistungsrechnen abdecken.

Nicht nur die Zahl der Stellen ist gestiegen, sondern auch die Vielfalt der Berufsbilder. Beispiele hierfür sind Algorithmen-Ingenieure, Prompt-Ingenieure und mehr. Das kürzlich aufgekommene „Botsitting“ wird höchstwahrscheinlich zu einem neuen Reservoir an Arbeitskräften werden.

Was ist Botsitting? „Babysitting“ bedeutet die Betreuung von Säuglingen durch eine Nanny, also ist Botsitting die Tätigkeit, die sich um Roboter (KI) kümmert – eine „Nanny für KI“.

In der Copilot-Abteilung von Microsoft gibt es Stellenbezeichnungen wie „KI-Trainer“, „Spezialist für digitale Adaption“ und „KI-Befürworter“. Die Arbeit, die sie verrichten, ist in gewisser Weise eine Form von Botsitting.

Konkret bedeutet dies: Kollegen beibringen, wie man KI nutzt, die Qualität der KI-Ausgaben überprüfen und KI in spezifische Geschäftsprozesse einbinden.

In der praktischen Arbeit ist das, was die KI ausgibt, oft nicht dasselbe wie die tatsächliche Anwendung dieser Ergebnisse in realen Szenarien.

KI kann Halluzinationen erzeugen oder Ihre Absichten vollständig missverstehen. Kurz gesagt, Sie müssen Zeit investieren, um die von der KI gelieferten Antworten zu überarbeiten.

Wie lange dauert diese Zeit konkret?

Laut dem Bericht „Work AI Index 2026“, der vom Work AI Institute unter dem Dach von Glean gemeinsam mit Universitäten wie Stanford und UC Berkeley veröffentlicht wurde, verbringt ein Angestellter fast einen vollen Arbeitstag pro Woche mit Botsitting.

Zudem ist Botsitting keine schwierige Tätigkeit – mit grundlegenden Erfahrungen im Umgang mit KI kann man direkt einsteigen. Daher eignet es sich perfekt für frisch graduierte Studierende, die die Branche kennenlernen möchten.

Ähnlich wie die Datenannotatoren in vergangenen Jahren: Anfangs gab es nur wenige, aber mit der Entwicklung der KI wurde die Bedeutung dieser Stelle zunehmend erkannt, sodass der Bereich stetig wuchs.

Was umfasst Botsitting genau?

Also, welche Arbeit verrichtet man bei Botsitting eigentlich? Mit einem Beispiel wird es Ihnen klar.

Nehmen wir an, Sie lassen KI einen Marktanalysebericht schreiben. Zuerst weiß die KI nichts über die Produktlinien Ihres Unternehmens, also müssen Sie ihr die Hintergrundinformationen zuführen. Nachdem das Ergebnis vorliegt, müssen Sie die Daten zu Wettbewerbern einzeln überprüfen.

Schließlich müssen Sie den von der KI erstellten Inhalt noch formatieren. Dieser gesamte Prozess dauert ungefähr ein bis zwei Stunden.

Der „Work AI Index 2026“ erwähnt, dass 87 % der Angestellten bereits KI in ihrer Arbeit nutzen und im Durchschnitt behaupten, pro Woche 13 Stunden einzusparen.

Trotzdem verbringen sie durchschnittlich 6,4 Stunden pro Woche mit Botsitting. Das bedeutet: Die Hälfte der von der KI eingesparten Zeit wird von ihnen wieder investiert.

Zudem hat Botsitting eine Tendenz zur Selbstverschlechterung: 69 % der Menschen reichen KI-generierte Inhalte ungeprüft unverändert ein.

Der Bericht weist weiter darauf hin: Von der Zeit, die Mitarbeiter wöchentlich mit KI verbringen, entfallen 37 % auf Botsitting, 36 % auf die Erstellung von Inhalten mit KI und die restlichen 27 % auf das Erlernen von Tools und das Einrichten von Agenten.

Diese Zahlen mögen zwar erstaunlich sein, aber die Realität ist noch auffälliger.

Der Grund, warum Botsitting mehr Zeit in Anspruch nimmt als die eigentliche Nutzung von KI, liegt darin, dass 36 % der KI-Sitzungen direkt „scheitern“ und komplett neu durchgeführt werden müssen. Ein weiterer Grund ist die schiere Anzahl an Tools: 77 % der KI-Nutzer wechseln wöchentlich zwischen mehreren KI-Tools hin und her, 33 % nutzen gleichzeitig mehr als vier davon.

Unter den Nutzern von Claude verwenden nur 0,5 % ausschließlich Claude – im Durchschnitt läuft bei jeder Person noch vier weitere KI-Tools parallel. Bei jedem Wechsel geht der zuvor eingegebene Unternehmenshintergrund und Projektkontext verloren, sodass diese Informationen erneut eingefügt werden müssen.

Der Bericht nennt dies die „Kontextsteuer“.

Der Bericht zeigt: Für jede zusätzliche 10 % an Zeit, die Mitarbeiter investieren, um KI mit Kontextinformationen zu versorgen, steigt die Wahrscheinlichkeit für Erschöpfung um 25 %.

Darüber hinaus ist die Botsitting-Frequenz bei intensiven KI-Nutzern mehr als doppelt so hoch wie bei gelegentlichen Nutzern. Das bedeutet: Je intensiver Sie KI nutzen, desto größer ist der Anteil der Zeit, die Sie als „KI-Nanny“ verbringen.

Je instabiler die Qualität der KI-Ausgaben ist, desto mehr Botsitting wird benötigt; je mehr Botsitting stattfindet, desto erschöpfter sind die Menschen; je erschöpfter sie sind, desto eher neigen sie dazu, die Prüfung zu überspringen und Inhalte direkt einzureichen; je mehr Menschen die Prüfung überspringen, desto weniger sieht die Organisation den tatsächlichen Nutzen von KI.

Der Bericht zeigt: 75 % der einzelnen Nutzer sind der Meinung, dass KI die Produktivität steigert – aber tatsächlich geben nur 13 % an, dass ihr Unternehmen durch KI eine deutliche Verbesserung erzielt hat. Die fehlenden 62 % erklären sich durch das Fehlen von ausreichendem Botsitting.

Warum Botsitting natürlich perfekt für frisch graduierte Studierende ist

Laut dem Bericht „Job Outlook 2026“ der National Association of Colleges and Employers (NACE) bewerten 45 % der Arbeitgeber den Talentmarkt 2026 als „befriedigend“ – die schlechteste Bewertung seit 2021.

Im Herbst 2025 prognostizierten Arbeitgeber ein Wachstum der Einstellungen von Absolventen von nur 1,6 %. Obwohl diese Zahl im Frühjahr auf 5,6 % anstieg, haben große Technologieunternehmen ihre Einstellungen von Absolventen 2025 um 25 % reduziert.

Dennoch geht der „Work AI Index 2026“ davon aus, dass Botsitting zahlreichen Studierenden neue Beschäftigungsmöglichkeiten eröffnen wird.

Erster Grund: Die Einstiegsbarrieren für Botsitting sind extrem niedrig, aber der Kontakt zu verschiedenen Branchen ist sehr hoch.

Viele Menschen assoziieren mit KI-bezogenen Arbeiten sofort das Schreiben von Code, das Anpassen von Parametern oder das Trainieren von Modellen. Botsitting ist davon völlig verschieden.

Sie brauchen keine Algorithmus-Kenntnisse – nur grundlegendes menschliches Urteilsvermögen.

Können Sie erkennen, ob ein von der KI geschriebener Text Unsinn ist? Können Sie überprüfen, ob die Schlussfolgerung eines Datenanalyseberichts mit den vorherigen Daten übereinstimmt? Können Sie die scheinbar fachkundigen, aber inhaltlich leeren Fachbegriffe erkennen, die die KI nur zur Erhöhung der Wortzahl eingefügt hat?

Solange Sie ein normaler Mensch mit grundlegender Universitätsbildung sind, verfügen Sie über diese Fähigkeiten.

Zweiter Grund: Die aktuelle Generation von Studierenden sind KI-Ureinwohner.

Es ist eine Tatsache, dass die Abschlussarbeiten der 2026 graduierenden Studierenden größtenteils mit ChatGPT, Claude oder DeepSeek erstellt wurden. Viele langjährige erfahrene Mitarbeiter hingegen nutzen KI immer noch wie eine schnellere Suchmaschine: Sie stellen eine Frage und erhalten eine Antwort.

Diese Generation von Absolventen ist anders. Durch wiederholte negative Erfahrungen mit KI haben sie ein Gespür dafür entwickelt: Wann kann man der KI-Ausgabe vertrauen? Wann sollte man noch einmal nachprüfen? Wann scheint die KI zu antworten, dreht sich aber nur im Kreis?

Noch wichtiger: Diese Generation versteht instinktiv, was „Prompt-Engineering“ ist – eine Lektion, die sie durch verpasste Prüfungen gelernt haben.

Sie empfinden das wiederholte Überarbeiten von KI-Ausgaben nicht als „zusätzliche Arbeit“, da dies bereits Teil ihres üblichen Arbeitsablaufs ist: Die KI erstellt einen ersten Entwurf, sie überarbeiten ihn umfassend, lassen die KI dann den Text verfeinern und prüfen abschließend selbst.

Mit anderen Worten: Für langjährige Mitarbeiter ist Botsitting eine „zusätzliche Belastung“ – aber für diese Generation von Absolventen ist es die „normale Arbeitsweise“, die sie gelernt haben.

Dritter Grund: Die Arbeitsintensität ist moderat.

Wie bereits erwähnt, werden pro Woche 6,4 Stunden benötigt. Bei Studierenden, die gut im Umgang mit KI sind, verkürzt sich diese Zeit sogar noch.

Die NACE-Umfrage zeigt zudem, dass 70 % der Arbeitgeber bereits kompetenzbasierte Rekrutierungsmethoden anwenden – ein Anstieg um 5 % gegenüber dem Vorjahr.

Was bedeutet kompetenzbasierte Einstellung? Es zählen nicht Ihre Universität oder Ihr Studiengang, sondern Ihre Fähigkeit, die Arbeit zu erledigen.

Ein weiterer leicht übersehener Punkt: Botsitting ist keine Stelle mit festgelegtem, begrenztem Entwicklungspfad – es gibt klare Aufstiegsmöglichkeiten.

Unternehmen wie Scale AI und Surge AI rekrutieren ihre festangestellten Qualitätsanalysten und Projektmanager direkt aus den leistungsstärksten KI-Trainern. Der Einstiegslohn beträgt etwa 10 bis 20 US-Dollar pro Stunde, nach der Festanstellung kann das Jahresgehalt 40.000 bis 60.000 britische Pfund erreichen.

Für einen frisch graduierten Studierenden sind die Aufstiegskriterien messbar: Wenn Sie mehr und genauere Fehler als Ihre Kollegen erkennen, können Sie befördert werden.

Wird Botsitting zu einer dauerhaften Normalität?

Es gibt noch eine grundlegendere Frage, die beantwortet werden muss: Ist Botsitting nur ein vorübergehendes Phänomen in einer Übergangsphase – oder wird es zu einer dauerhaften Stelle?

Um dies zu verstehen, brauchen wir einen Vergleichspunkt: die Datenannotierung.

Vor 10 Jahren war der Begriff „Datenannotierung“ fast unbekannt.

Nehmen wir das Beispiel „Wie bringt man einem Modell bei, eine Katze zu erkennen?“ – damals bestand die Lösung darin, Menschen einzustellen, die Bilder einzeln markieren: Dieses Bild zeigt eine Katze, dieses nicht, dieses zeigt eine Katze, deren Gesicht halb verdeckt ist – aber trotzdem eine Katze.

Fortune Business Insights veröffentlichte einmal Daten: Um 2015 gab es in China nur einige zehntausend Datenannotierer, der Gesamtmarkt belief sich auf rund 500 Millionen Yuan. Bis 2020 erreichte der chinesische Markt für Datenannotierung 3,1 Milliarden Yuan, und 2025 überschritt er 10,5 Milliarden Yuan.

Weltweit wurde der Markt für Datenannotierungstools 2025 auf 17 bis 36 Milliarden US-Dollar geschätzt – bis 2034 soll er auf 140 bis 380 Milliarden US-Dollar wachsen, mit einer jährlichen Wachstumsrate von über 26 %.

Wenn die Modelle immer leistungsfähiger werden – warum brauchen wir dann immer mehr Menschen für die Datenannotierung?

Die Antwort ist einfach: Je leistungsfähiger das Modell ist, desto komplexer sind die Aufgaben, die es bewältigen muss. Je komplexer die Aufgaben, desto detaillierter die benötigten Trainingsdaten. Je detaillierter die Daten, desto unersetzlicher ist das menschliche Urteilsvermögen.

Mit jedem Fortschritt der KI steigen die Anforderungen an die Datenannotierung.

Botsitting folgt dem gleichen Weg wie die Datenannotierung – und wird noch weiter gehen.

Erstens: Der zentrale Engpass von Botsitting ist nicht die Technik, sondern die Organisation.

Im März 2026 veröffentlichte die Harvard Business Review einen wichtigen Artikel mit dem Titel „Das Problem der letzten Meile, das die KI-Transformation ausbremst“.

Die Autoren umfassen Karim Lakhani von der Harvard Business School, Jared Spataro, Leiter von Microsoft AI at Work, und Jen Stave vom D³-Institut der Harvard University.

Ihre zentrale Schlussfolgerung lautet: Modelle können unbegrenzt leistungsfähiger werden – aber solange sie die internen Abläufe Ihres Unternehmens nicht verstehen, müssen Sie Personal einsetzen, um die Ergebnisse zu korrigieren und zu ergänzen.

Das liegt nicht daran, dass das Modell nicht gut genug ist, sondern daran, dass zwischen dem Modell und unserer realen Welt eine Informationslücke besteht. Jedes Unternehmen hat seinen eigenen einzigartigen Kontext – wie ungeschriebene Regeln oder Unternehmenskultur.

Diese Dinge sind in keinem öffentlichen Datensatz enthalten – KI kann sie niemals allein erlernen. Aber damit KI in einer Organisation wirken kann, muss jemand diese Informationen an die KI weitergeben, ergänzen und korrigieren.

Genau das ist der Kernwert von Botsitting.

Es kompensiert nicht die unzureichende Fähigkeit der KI, sondern schließt die Informationslücke zwischen KI und Organisation. Solange Unternehmen einzigartig sind, wird diese Lücke immer bestehen – und damit wird Botsitting immer benötigt.

Zweitens: Die Funktionsweise von KI erfordert von Natur aus menschliche Absicherung.

In einem Artikel von Forbes aus 2026 mit dem Titel „Ersetzt KI Arbeitsplätze? Neue Daten deuten darauf hin, dass sie die Arbeitsbelastung möglicherweise erhöhen“ wird eine These aufgestellt: KI lässt Arbeit nicht verschwinden, sondern verlagert sie.

Der Artikel stellt fest: „Sobald KI in echte Arbeitsabläufe integriert wird, muss es Menschen geben, die überwachen, bearbeiten, validieren und die letzte Verantwortung übernehmen.“

Im Jahr 2025 ereignete sich ein Vorfall vor dem Bundesgericht des US-Bundesstaates Mississippi: Mehrere Anwälte der Kanzlei Butler Snow fügten von KI erfundene Rechtsprechungen direkt in Gerichtsdokumente ein, ohne diese vor der Einreichung zu überprüfen.

Richter Britton Manasco reagierte darauf äußerst verärgert – in seiner Entscheidung hieß es wörtlich: „Die Verwendung erfundener Rechtsgrundlagen stellt ein schwerwiegendes Fehlverhalten dar.“

Eine Umfrage des National Law Review Anfang 2026 unter 85 Rechtsexperten kam zu dem Schluss: Der künftige Wettbewerbsvorteil von Anwälten liegt möglicherweise nicht darin, welche KI sie nutzen – sondern in ihrer Fähigkeit, die Ausgaben zu überprüfen.

„Mensch-Maschine-Kooperationsabläufe, Qualitätskontrolle und nachvollziehbare Überprüfungsverfahren werden zu zentralen Wettbewerbsvorteilen der Rechtsbranche – keine optionalen Sicherheitsmaßnahmen.“

Morgan Stanley führte 2024 das KI-Tool „Morgan Stanley Debrief“ ein – bis Ende 2025 nutzten es 98 % der Vermögensberater.