Die Werkzeuge der künstlichen Intelligenz nehmen in den beruflichen Umgebungen zu, doch die gemessenen Produktivitätsgewinne bleiben von einem Mitarbeiterprofil zum anderen sehr unterschiedlich. Eine im April 2025 im Quarterly Journal of Economics veröffentlichte Studie, die 5.172 Kundenservicemitarbeiter untersuchte, stellte einen durchschnittlichen Anstieg von etwa 14 bis 15 % der pro Stunde gelösten Probleme fest.
Die unerfahrenen Mitarbeiter profitierten am meisten, während die erfahreneren Mitarbeiter einen schwachen Effekt oder sogar einen leichten Rückgang der Qualität feststellten.
Diskrepanz zwischen wahrgenommener und gemessener Produktivität im Unternehmen
Der erste Reflex, wenn ein neues Werkzeug eingeführt wird, besteht darin, die Benutzer zu fragen, ob sie sich effizienter fühlen. Die Daten aus der Praxis erzählen jedoch eine andere Geschichte: In mehreren Experimenten haben die Teilnehmer ihre eigenen Gewinne im Vergleich zu objektiv gemessenen Ergebnissen erheblich überschätzt.
Diese Diskrepanz hat direkte Auswirkungen auf Investitionsentscheidungen. Die Unternehmen, die bei der Einführung von KI am weitesten fortgeschritten sind, produzierten nicht mehr pro Mitarbeiter als die Nicht-Anwender. Die frühen Anwender wiesen manchmal sogar eine leicht niedrigere Produktivität auf.
| Indikator | Benutzerwahrnehmung | Experimentelle Messung |
|---|---|---|
| Kundenservice (QJE, April 2025) | Positiv für alle Profile | Durchschnittlich +14-15 %, gering bei Experten |
| Softwarelieferungen (DORA 2024) | Wahrgenommene individuelle Produktivität steigt | Rückgang der Liefergeschwindigkeit und Stabilität |
Diese Tabelle veranschaulicht ein wiederkehrendes Muster: das Vertrauen in das Werkzeug übersteigt oft die überprüfbaren Ergebnisse. Mehrere aktuelle IT-Innovationen sollten daher auf ihre tatsächlichen Auswirkungen und nicht auf ihre Versprechungen bewertet werden.
KI-Assistenten für Kundenservice und Textverfassung: echte, aber gezielte Gewinne
Die solidesten Ergebnisse betreffen repetitive und strukturierte Aufgaben. Auf der Website Planet X Tech informatique gehören die Kategorien von Werkzeugen, die mit Textverarbeitung und technischem Support verbunden sind, zu den meistbesuchten, was die aktuelle Nachfrage der Fachleute widerspiegelt.
Die Studie des Quarterly Journal of Economics hebt einen Punkt hervor, den die Werkzeuglisten oft übersehen: die Gewinne konzentrieren sich auf die am wenigsten erfahrenen Profile. Für einen Junior-Supportmitarbeiter liefert der KI-Assistent Standardantworten, die die Lösung beschleunigen. Für einen Senior-Mitarbeiter bietet das Werkzeug manchmal Vorschläge, die nicht mit der Komplexität des Falls übereinstimmen, was die Bearbeitung verlangsamt oder die Qualität mindert.
Im professionellen Schreiben zeigt sich dasselbe Phänomen. Ein Redakteur, der sein Thema bereits beherrscht, verbringt mehr Zeit mit der Korrektur der Ausgaben der KI als mit dem direkten Schreiben. Im Gegensatz dazu ist der Zeitgewinn bei der Erstellung von ersten Entwürfen, internen Zusammenfassungen oder standardisierten Berichten spürbar.
Kriterien zur Bewertung eines KI-Assistenten vor dem Einsatz
- Das durchschnittliche Erfahrungsniveau der Zielbenutzer: Je unerfahrener das Team, desto höher ist der Return on Investment laut den verfügbaren Daten
- Der Anteil standardisierter Aufgaben im täglichen Arbeitsablauf, da KI bei wiederkehrenden Fällen gut funktioniert und bei Ausnahmen schwächer wird
- Die Fähigkeit des Werkzeugs, sich in bestehende Anwendungen (Messaging, CRM, interne Datenbank) zu integrieren, ohne zusätzliche Reibung zu erzeugen
KI-Programmierassistenten: Geschwindigkeit gegen Stabilität der Lieferungen
Der Bericht Accelerate State of DevOps 2024 von Google DORA liefert eine kontraintuitive Einsicht. Die Entwicklungsteams, die am meisten KI zur Codegenerierung einsetzten, sahen ihren Lieferdurchsatz und ihre Stabilität sinken, während die einzelnen Entwickler angaben, produktiver zu sein.
Der DORA 2025-Bericht, der sich mit KI-unterstützter Entwicklung beschäftigt, bestätigt, dass das Vertrauen in den generierten Code für einen signifikanten Teil der befragten Fachleute ein Problem bleibt. Der von einem Assistenten produzierte Code besteht die Unit-Tests, führt jedoch zu architektonischen Schwächen, die bei manuellen Code-Reviews spät erkannt werden.
Für Teams, die in Erwägung ziehen, einen Programmierassistenten einzuführen, ist die relevante Frage nicht “Wie viele zusätzliche Codezeilen?” sondern “Wie viele Bugs in der Produktion weniger?”. Die DORA-Metriken (Bereitstellungshäufigkeit, Zeit bis zur Produktion, Änderungsfehlerquote, Wiederherstellungszeit) bleiben die zuverlässigsten Indikatoren zur Messung der tatsächlichen Auswirkungen.
Automatisierung von Workflows: Wo die echten IT-Gewinne liegen
Automatisierungsplattformen (Connectoren zwischen Anwendungen, bedingte Auslöser, Datenrouting) stellen einen weniger spektakulären, aber oft vorhersehbareren Produktivitätshebel dar als generative KI. Ihr Prinzip ist einfach: Die bestehenden Werkzeuge zu verbinden, um manuelle Eingaben und Dateiübertragungen zu eliminieren.
Die Automatisierung erzielt die besten Ergebnisse bei Prozessen mit hohem Volumen und geringer Variabilität: Rechnungsvalidierung, Versand von Benachrichtigungen, Synchronisierung von Datenbanken zwischen einem CRM und einem Buchhaltungswerkzeug. Teams, die diese Flüsse automatisieren, gewinnen Zeit bei Aufgaben mit geringem Mehrwert.
Was eine rentable Automatisierung von einem Gadget unterscheidet
Ein automatisierter Workflow, der zehn Fälle pro Woche bearbeitet, rechtfertigt nicht den Einrichtungsaufwand. Ein Prozess, der jedoch mehrere Dutzend Mal am Tag ausgelöst wird, mit stabilen Regeln, generiert bereits in den ersten Wochen einen messbaren Rückfluss. Die Datensicherheit während des Transits zwischen Anwendungen bleibt ein wichtiger Punkt, insbesondere wenn sensible Informationen zwischen Werkzeugen aus unterschiedlichen Anbietern zirkulieren.
- Priorisieren Sie die häufigsten und standardisiertesten Flüsse für den ersten Einsatz
- Überprüfen Sie, ob jeder Connector die Sicherheitsrichtlinien des Unternehmens einhält, insbesondere die Verschlüsselung während des Transits
- Messen Sie die tatsächlich gesparte Zeit nach 30 Tagen, nicht nur die theoretisch vom Anbieter angegebene Zeit
Die am meisten beworbenen IT-Innovationen sind nicht immer die, die die Produktivität messbar verbessern. Die Diskrepanz zwischen Wahrnehmung und Realität, dokumentiert durch experimentelle Studien und DORA-Berichte, legt nahe, konkrete Metriken über Eindrücke zu priorisieren. Das nützlichste Werkzeug ist nicht das, das in der Demonstration beeindruckt, sondern das, dessen Auswirkungen einer strengen Messung nach mehreren Wochen täglicher Nutzung standhalten.
