Warum Ihre besten Leute von KI am wenigsten profitieren

Wenn KI in Ihrem Unternehmen eingeführt wird und die Adoption stockt, liegt das in den meisten Fällen nicht am Tool und nicht an fehlender Motivation. Es liegt daran, dass der Nutzen ungleich verteilt ist und die Einführung diese Ungleichverteilung ignoriert. Die belastbarste Studie zu dieser Frage stammt aus dem Quarterly Journal of Economics vom Mai 2025: Bei 5.172 Kundenservice-Mitarbeitenden erhöhte ein generativer KI-Assistent die Zahl gelöster Anfragen pro Stunde im Durchschnitt um 15 Prozent. Der Durchschnitt ist dabei die uninteressanteste Zahl. Neueinsteiger und geringqualifizierte Kräfte wurden um 30 Prozent produktiver. Bei den erfahrensten Mitarbeitenden war der Effekt nahezu null, bei der Gesprächsqualität sogar leicht negativ. Für Führungskräfte heißt das: Wer KI mit dem Argument einführt, sie mache alle schneller, verspricht der Hälfte der Belegschaft etwas, das für sie nicht eintritt. Und genau diese Hälfte sind meist die Leistungsträger, deren Vorbildfunktion Sie für die Adoption gebraucht hätten.

Was die Feldstudien tatsächlich zeigen

Produktivitätseffekte von KI sind gemessen, aber sie sind stark abhängig von Vorerfahrung, Aufgabentyp und Messmethode. Die vier belastbarsten Untersuchungen kommen zu Ergebnissen, die sich nicht widersprechen, sondern ergänzen.

Zwei Einschränkungen gehören zur Ehrlichkeit dazu. Die Entwicklerstudie entstand mit Beteiligung von Microsoft, dem Anbieter des getesteten Werkzeugs. Die Beratungsstudie entstand mit BCG und testete GPT-4 im Jahr 2023, also ein Modell, das heute mehrere Generationen zurückliegt. Beide sind peer-reviewed und randomisiert, was sie weit über jede Anbieter-Fallstudie stellt, aber Interessen sind vorhanden.

Der wichtigste Befund heißt "jagged frontier"

Die Fähigkeitsgrenze von KI verläuft nicht linear, sondern zackig. Das ist der Kernbefund der BCG-Studie und er ist für die Praxis wichtiger als jede Prozentzahl. Zwei Aufgaben, die für einen Menschen gleich schwer aussehen, können auf verschiedenen Seiten dieser Grenze liegen. Innerhalb der Grenze lieferten die Beratenden 12 Prozent mehr Aufgaben ab, 25 Prozent schneller und in 40 Prozent besserer Qualität. Außerhalb der Grenze sank die Wahrscheinlichkeit einer korrekten Lösung um 19 Prozentpunkte. Die Autoren benennen die Ursache klar: Die Beratenden verließen sich zu stark auf die KI, "consultants tended to overrely on AI", und zwar am stärksten dort, wo sie am schwächsten war.

Daraus folgt eine unangenehme Konsequenz für Trainingskonzepte. Man kann diese Grenze nicht in einer Schulung erklären, weil sie für jedes Geschäftsmodell anders verläuft. Sie muss im eigenen Betrieb empirisch kartiert werden, Aufgabe für Aufgabe.

Warum Selbsteinschätzung als Datenquelle ausfällt

Die Wahrnehmung von Produktivitätsgewinnen weicht messbar von der gemessenen Produktivität ab. Die Non-Profit-Organisation METR ließ zwischen Februar und Juni 2025 sechzehn erfahrene Open-Source-Entwickler 246 echte Aufgaben in ihren eigenen Repositories bearbeiten, randomisiert mit und ohne KI. Ergebnis, veröffentlicht im Juli 2025: Mit KI brauchten sie 19 Prozent länger. Vorher hatten sie geschätzt, 24 Prozent schneller zu sein. Und nachdem sie die Verlangsamung erlebt hatten, schätzten sie sich noch immer 20 Prozent schneller ein.

Diese Studie wird seither in Fachartikeln als Beweis zitiert, dass KI nicht funktioniert. Diese Lesart trägt nicht mehr, und der Hinweis kommt von METR selbst. Im Februar 2026 veröffentlichte die Organisation eine zweite, größere Erhebung mit 57 Entwicklern und über 800 Aufgaben. Für die zehn Entwickler, die aus der Erststudie wieder mitmachten, lag die Bearbeitungszeit nun 18 Prozent niedriger, also eine Beschleunigung, allerdings mit einem Konfidenzintervall von minus 38 bis plus 9 Prozent, das die Null einschließt. Für die neu Rekrutierten waren es minus 4 Prozent. METR nennt die eigenen neuen Daten ausdrücklich ein schwaches und unzuverlässiges Signal. Der Hauptgrund sind Selektionseffekte: Zwischen 30 und 50 Prozent der Teilnehmenden gaben an, bestimmte Aufgaben gar nicht mehr einzureichen, wenn sie sie ohne KI erledigen müssten, und ein Teil der eingeladenen Entwickler nahm überhaupt nicht teil. Ein Teilnehmer erledigte keine einzige der ihm ohne KI zugewiesenen Aufgaben.

Der Punkt für Sie als Führungskraft ist nicht, welche Zahl stimmt. Der Punkt ist: Wenn eine Organisation, deren Kernkompetenz das Messen von KI-Wirkung ist, ihre eigene Messung nach sieben Monaten relativieren muss, dann ist die Selbstauskunft Ihrer Teams keine belastbare Grundlage für eine Investitionsentscheidung. Eine eigene Vorher-Nachher-Messung ist es.

Was das für Ihre Einführung konkret bedeutet

Aus der Befundlage folgen vier Entscheidungen, die vor der Toolauswahl liegen.

1. Verorten Sie den erwarteten Nutzen dort, wo er belegt ist: bei Onboarding, Nachwuchs, Quereinsteigern und in Bereichen mit hoher Personalfluktuation. Rechnen Sie ihn nicht bei Ihren Senior-Leuten ein.

2. Messen Sie vor der Einführung. Drei wiederkehrende Aufgaben pro Führungskraft mit heutigem Zeitaufwand genügen als Ausgangsmessung. Ohne diese Basis können Sie später keinen Effekt nachweisen, nur behaupten.

3. Erwarten Sie von erfahrenen Kräften nicht Geschwindigkeit, sondern Urteilsvermögen. Ihr Beitrag ist, die zackige Fähigkeitsgrenze für das eigene Geschäft zu kartieren, also zu erkennen, welche Aufgabe die KI zuverlässig kann und welche nur zuverlässig aussieht.

4. Behandeln Sie KI als Organisationsthema, nicht nur als Effizienzthema. Wenn eine Person mit KI die Leistung eines Zweierteams erreicht, wie die Procter-&-Gamble-Studie zeigt, verändert das Ihre Teamzuschnitte, nicht nur Ihre Durchlaufzeiten.

Selbstdiagnose: Fünf Fragen an Ihre Führungsrunde

Wenn Sie diese fünf Fragen nicht ohne Rückfrage beantworten können, ist Ihr KI-Vorhaben noch keine Investitionsentscheidung, sondern eine Absichtserklärung.

1. Für welche drei konkreten Aufgaben in Ihrem Unternehmen kennen Sie den heutigen Zeitaufwand in Minuten?

2. Welche Personengruppe soll messbar profitieren, und warum gerade diese?

3. Welche Aufgabe haben Sie bewusst als "nicht KI-geeignet" eingestuft, und woran haben Sie das erkannt?

4. Woran würden Sie in 90 Tagen merken, dass das Vorhaben gescheitert ist?

5. Wer in Ihrer Organisation darf diese Entscheidung treffen, und wer wird nur informiert?

Frage vier ist die, an der die meisten Vorhaben scheitern, weil sie nie gestellt wird.

Nächster Schritt

Genau diese Kartierung ist der Kern des AI Leadership Intensive: ein Tag mit Ihrer Führungsebene, an dem jede Führungskraft drei eigene Aufgaben mit gemessenem Ausgangsaufwand mitbringt, gemeinsam eine funktionierende Lösung im Raum entsteht und am Ende ein unterschriebener 90-Tage-Plan mit einer Automatisierungsreife-Einschätzung je Use Case steht. Kein Toolvergleich, sondern eine Entscheidungsgrundlage.

Wenn Sie wissen wollen, ob das zu Ihrer Ausgangslage passt, schreiben Sie mir kurz, welche drei Aufgaben Sie zuerst prüfen würden.

Quellen

• Brynjolfsson, Li, Raymond: Generative AI at Work, Quarterly Journal of Economics 140(2), Mai 2025, S. 889 bis 942. https://academic.oup.com/qje/article/140/2/889/7990658

• Cui et al.: The Effects of Generative AI on High-Skilled Work, Management Science, online Februar 2026. https://pubsonline.informs.org/doi/10.1287/mnsc.2025.00535

• Dell'Acqua et al.: Navigating the Jagged Technological Frontier, HBS Working Paper 24-013, September 2023, peer-reviewed in Organization Science, online März 2026. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321

• Dell'Acqua et al.: The Cybernetic Teammate, NBER Working Paper 33641, April 2025. https://www.nber.org/papers/w33641

• METR: Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, 10. Juli 2025. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/

• METR: Uplift Update, 24. Februar 2026. https://metr.org/blog/2026-02-24-uplift-update/

Stand: 2. September 2026