Was aus dem Zeitgewinn wird

Die Geschichte der Automatisierungswellen hat eine eher lästige Eigenschaft: Je tiefer eine Technik in die Organisation eingreift, desto weiter entfernt sich ihr Ertrag von der einzelnen Tätigkeit. Bei generativer KI müsste das eigentlich anders sein. Nutzung, Bearbeitungsdauer und Kosten lassen sich in einer digitalen Arbeitsumgebung genauer erfassen als bei den Großrechnern der 1970er Jahre.

Und tatsächlich zeigen Tätigkeitsdaten einen Zeitgewinn. Kundenanfragen werden schneller bearbeitet, Programmieraufgaben früher abgeschlossen, Entwürfe in Minuten erzeugt. Nur ist damit aber nicht geklärt, was aus den gesparten Minuten wird. Sie können die Qualität erhöhen oder in andere Aufgaben fließen. In der erfassten Arbeitszeit oder im Betriebsergebnis müssen sie zunächst gar nicht auftauchen.

Die Unsicherheit entsteht hier nicht einfach aus schlechten Daten. Ein Wert entsteht häufig erst im Verbund mit anderen Tätigkeiten, frei werdende Kapazität verkauft sich nicht allein.

Der Beitrag einer Tätigkeit

Eine Tätigkeit hat häufig beobachtbare Kosten, eine Durchlaufzeit und eine Fehlerrate. Ihr eigener Ergebnisbeitrag zum Unternehmenserfolg ist selten separat sichtbar. Eine Kundenmail kann in vier statt acht Minuten geschrieben sein. Ob sie einen Auftrag sichert oder eine spätere Rückfrage verhindert, hängt aber von vielen anderen Faktoren ab.

Es dürfte deshalb kein Zufall sein, dass die überzeugendsten Produktivitätsbefunde aus bereits vermessenen Umgebungen stammen. In einem kontrollierten Experiment von 2023 zu GitHub Copilot bearbeiteten Entwickler eine klar abgegrenzte Programmieraufgabe mit dem Assistenten im Mittel 55,8% schneller.²⁶⁸⁰⁹ Eine Feldstudie zu einem KI-Assistenten im Kundendienst maß 14% mehr gelöste Fälle pro Stunde.²⁶⁸¹⁰ Beide Studien konnten damit auf eine Ergebnisgröße zurückgreifen, die schon vor dem KI-Werkzeug feststand. Die Frage ist aber, was in Prozessen geschieht, denen diese klare Zielgröße fehlt.

Zwei verschiedene Schwellen

An dieser Stelle werden zwei sehr unterschiedliche Fragen leicht miteinander vermischt. Die Wirtschaftlichkeitsschwelle beschreibt, ab wann der tatsächlich realisierte Wert die Kosten eines Werkzeugs übersteigt. Die statistische Nachweisgrenze beschreibt, wie groß ein Effekt in den gewählten Ergebnisdaten sein müsste, damit eine Untersuchung ihn zuverlässig vom Rauschen trennt. Preis, Nutzung und realisierter Wert bestimmen die erste. Endpunkt, Streuung, Stichprobe und Untersuchungsdesign bestimmen die zweite.

Eine im März 2026 revidierte dänische Arbeitsmarktstudie prüft, ob sich die Nutzung generativer KI bereits in Verdienst und Arbeitsstunden niederschlägt. Dazu verbindet sie repräsentative Befragungen aus elf stark KI-exponierten Berufen mit Verwaltungsdaten zu beiden Ergebnisgrößen.²⁶⁸¹¹ Ihre Schätzungen können zwei Jahre nach der Veröffentlichung von ChatGPT Veränderungen von mehr als 2% bei Verdienst und Arbeitsstunden ausschließen. Ob sich ein Werkzeug für eine bestimmte Aufgabe rechnet, untersucht die Studie damit nicht. Qualität, Mehrmenge, vermiedene Fehler und Werkzeugkosten liegen außerhalb ihrer Ergebnisgrößen. Ein universeller Break-even lässt sich aus dem Befund deshalb nicht ableiten. Dafür müsste man bereits annehmen, dass jede gesparte Minute proportional als Geldwert zurückkehrt, und genau diese Annahme ist das Problem.

Gerade die Kombination der beiden Messarten macht dieses Problem sichtbar: In der Befragung berichteten die Nutzer von Zeitersparnissen von durchschnittlich etwa 3% ihrer Arbeitszeit. Verdienst und erfasste Stunden stammen dagegen aus Verwaltungsregistern und veränderten sich im Mittel nicht. Der scheinbare Widerspruch verläuft damit zwischen einem selbstberichteten Zeitgewinn und harten Arbeitsmarktergebnissen.²⁶⁸¹²

Aber: 85% der Nutzer mit berichteter Ersparnis gaben an, sie anderen Arbeitsaufgaben zuzuweisen.²⁶⁸¹³ Weniger Zeit für einen Entwurf wurde zu mehr Zeit für die Prüfung, die nächste Akte oder eine neue Aufgabe. Das kann durchaus produktiv sein. Auf dem Arbeitszeitkonto erscheint es aber dadurch nicht.

Viele kleine Einsparungen können rechnerisch eine halbe Stelle ergeben, die trotzdem keine entnehmbare halbe Stelle bilden. Zehn Minuten am Morgen, fünf Minuten nach einem Kundengespräch und eine halbe Stunde bei einem seltenen Monatsbericht liegen über Mitarbeiter und Prozesse verstreut. Erst wenn eine Organisation diese Minuten bündelt, Aufgaben neu verteilt und eine Kapazität tatsächlich anders einsetzt, ergäbe sich eine Möglichkeit zur Ersparnis.

Diese Ersparnis muss wiederum nicht in Personalabbau resultieren. Ein Betrieb kann zusätzliches Volumen bewältigen, externe Unterstützung reduzieren, Fehlerkosten vermeiden oder eine überlastete Abteilung stabilisieren. Jede Variante übersetzt die gesparte Zeit in einen möglichen betrieblichen Effekt, welcher es wird bleibt eine organisationale Entscheidung.

Veränderte Arbeit, stabile Gesamtbeschäftigung

Die nächste Stufe der Ertragsfrage liegt beim Betrieb: Werden die über Mitarbeiter und Prozesse verteilten Zeitgewinne so gebündelt, dass sich Arbeitsstunden, Lohnsumme oder Stellenzahl verändern? Zwei Arbeiten beobachten diesen Übergang in unterschiedlichen Phasen der KI-Adoption.

Eine IAB-Studie von 2024 untersucht, ob frühe KI-Aktivitäten deutscher Betriebe mit deren Beschäftigungsentwicklung zusammenhingen. Als Maß verwendet sie den Anteil KI-bezogener Stellenanzeigen und verbindet ihn mit administrativen Beschäftigungsdaten der Jahre 2015 bis 2019. Die Anzeigen zeigen, dass ein Betrieb Fähigkeiten für die Entwicklung, Einführung oder Nutzung von KI suchte; sie belegen keinen tatsächlichen Einsatz generativer KI. Ein höherer Anteil solcher Anzeigen war nicht mit einem anderen Wachstum der Gesamtbeschäftigung verbunden. Gleichzeitig wuchs die Beschäftigung in hochkomplexen Tätigkeiten etwas stärker, während die Nachfrage nach Fähigkeiten ohne KI-Bezug etwas zurückging. In dieser frühen Phase veränderte sich damit eher die Zusammensetzung der Arbeit als die Zahl der Beschäftigten.²⁶⁸¹⁴

Die bereits herangezogene dänische Arbeitsmarktstudie liegt zeitlich näher an der heutigen Nutzung: Sie erfasst die ersten beiden Jahre nach der Veröffentlichung von ChatGPT. Dafür verbindet sie Befragungen von rund 25.000 Mitarbeitern in etwa 7.000 Betrieben mit monatlichen Verwaltungsdaten. Betriebe, die den Chatbot-Einsatz förderten, unterschieden sich weder bei Gesamtbeschäftigung und Lohnsumme noch bei neu geschaffenen oder weggefallenen Stellen von vergleichbaren Betrieben ohne eine solche Initiative. Auch der Anteil von Berufsanfängern sowie die Zusammensetzung von Einstellungen und Trennungen entwickelten sich nicht anders. Diese Nullbefunde blieben bestehen, wenn die Betriebe zusätzlich ein Unternehmenswerkzeug und Schulungen bereitstellten.²⁶⁸¹⁵

Gleichzeitig änderte sich die Arbeit innerhalb dieser stabilen Beschäftigungszahlen. Mitarbeiter übernahmen neue Aufgaben bei der Erstellung, Prüfung und Einbindung von KI-Ergebnissen; 85% der Nutzer mit berichteter Zeitersparnis setzten die gewonnene Zeit für andere Aufgaben ein.²⁶⁸¹⁶ Die Betriebe absorbierten den Zeitgewinn zunächst durch eine andere Aufgabenverteilung, nicht durch eine geringere Menge an Arbeit.

Die deutsche Stellenanzeigenstudie und die dänische Arbeitsmarktstudie widerlegen spätere Beschäftigungseffekte nicht. Sie markieren vielmehr eine mögliche Reihenfolge der beobachtbaren Veränderungen: Zuerst ändern sich gesuchte Fähigkeiten und konkrete Aufgaben, während Arbeitsstunden und Beschäftigtenzahl stabil bleiben. Für eine betriebliche Ertragsrechnung ist das entscheidend. Wer den Nutzen als eingesparte Stelle ansetzen will, braucht einen belegbaren Effekt auf Arbeitsstunden, Einstellungen oder Trennungen; ein Zeitgewinn innerhalb einzelner Tätigkeiten genügt dafür nicht.

Der Einstellungsrand

Ein anderer Befund scheint zunächst in die entgegengesetzte Richtung zu weisen. Eine 2026 aktualisierte Stanford-Auswertung von Lohnabrechnungsdaten untersucht, ob sich die Beschäftigungsentwicklung seit der Verbreitung generativer KI nach Alter und beruflicher KI-Exposition unterscheidet. Bei 22- bis 25-Jährigen in stark exponierten Berufen findet sie eine wachsende Beschäftigungslücke gegenüber weniger exponierten Berufen. In den Daten entsteht diese eher durch schwächere Einstellungen als durch häufigere Trennungen.²⁶⁸¹⁷ Das passt zur Vorstellung, dass Unternehmen frei werdende Kapazität bei Neueinstellungen leichter berücksichtigen können als im Personalbestand.

Für eine Verdrängungserzählung reicht der Befund jedoch nicht. Die Auswertung ist deskriptiv und erhebt keinen kausalen Anspruch. Sie weist auf Trends vor der Veröffentlichung von ChatGPT, die Empfindlichkeit gegenüber einzelnen Spezifikationen und die begrenzte Übertragbarkeit der ADP-Stichprobe hin. Außerdem wuchs die Gesamtbeschäftigung im Beobachtungszeitraum, selbst im am stärksten exponierten Segment.²⁶⁸¹⁸

Die Stanford-Auswertung misst zudem die technische Exposition eines Berufs, nicht die tatsächliche KI-Adoption in einem bestimmten Unternehmen.²⁶⁸¹⁹ Die dänische Arbeitsmarktstudie verbindet dagegen selbstberichtete Nutzung und wahrgenommene betriebliche Initiativen mit Registern.²⁶⁸²⁰ Beide Ansätze beantworten verschiedene Fragen. Aus ihrer Gegenüberstellung lässt sich deshalb keine Mechanik ableiten, nach der KI bereits Stellen abbaut. Der Druck auf Einstiegspositionen bleibt trotzdem ein ernst zu nehmendes Signal.

Für die betriebliche Messung entsteht am Einstellungsrand ein besonderes Problem. Stellenanträge, Planstellen und Recruitingkosten sind beobachtbar. Eine nicht geschaltete Stellenazeige ist jedoch nicht etwas, was man KI zuschreiben könnte. Vielleicht sank die Nachfrage, vielleicht wurde ein Prozess anders verteilt, vielleicht änderte sich das Budget. Der Messpunkt bleibt ein kontrafaktischer Vergleich: Was hätte das Unternehmen ohne das Werkzeug getan?

Die passende Ergebnisgrenze

Aufgrund der Probleme der Messbarkeit sollte die Ertragsrechnung daher bei der Entscheidung beginnen. Soll KI an einem Engpass mehr Vorgänge ermöglichen, sind Durchsatz und Wartezeit passende Größen. Soll sie externe Arbeit ersetzen, stehen Agentur- oder Beratungskosten näher am Ergebnis. Geht es um Qualität, können Fehlerkosten, Nacharbeit oder Vertragsstrafen sinnvolle Messgrößen sein.

Daten zu Tätigkeiten sind nicht wertlos, sie reichen nur nicht für jede Ertragsaussage. Bearbeitungszeiten und Fehlerraten zeigen, ob das Werkzeug an der erwarteten Stelle wirkt. Datenmenge und Reifegrad bestimmen außerdem, wann eine Veränderung sichtbar werden kann.

Der Messaufwand selbst gehört ebenfalls in die Rechnung. Für eine kleine, reversible Lizenzentscheidung genügt ein näherer betrieblicher Indikator. Eine weitreichende Prozess- oder Personalentscheidung verlangt einen belastbareren Vergleich. Perfekte Zurechnung wäre in gemeinsamer Wissensarbeit ohnehin selten erreichbar, und der Versuch kann mehr kosten als die mögliche Fehlentscheidung.

Was vom Zeitgewinn bleibt

Die ehrliche Antwort auf die Ertragsfrage ist deshalb selten nur eine Zahl. Ein Zeitgewinn kann messbar vorhanden sein und im Betriebsergebnis zunächst unsichtbar bleiben. Er kann in mehr Arbeit, bessere Qualität, geringere externe Kosten oder später in eine veränderte Stellenplanung fließen.

Die Messung sollte dieser Bewegung folgen. Von der einzelnen Tätigkeit führt der Weg über die Bündelung der Kapazität bis zur Ergebnisgröße, in der gehandelt wird. Bleibt man auf der ersten Stufe stehen, misst man eine technische Wirkung und nennt sie Ertrag. Überspringt man sie, fehlt der Hinweis, ob das Werkzeug überhaupt etwas verändert. Beides zusammen ergibt zwar immer noch keine entscheidungstragende Renditegröße, aber zumindest eine Rechnung, die näher an der tatsächlichen Arbeitsweise einer Organisation liegt.

Quellen

1. Sidnam Peng, Eirini Kalliamvakou, Peter Cihon und Mert Demirer: The Impact of AI on Developer Productivity: Evidence from GitHub Copilot, 2023. https://arxiv.org/abs/2302.06590 ↩
2. Erik Brynjolfsson, Danielle Li und Lindsey R. Raymond: Generative AI at Work, Quarterly Journal of Economics 140(2), 2025. https://academic.oup.com/qje/article/140/2/889/7990658 ↩
3. Anders Humlum und Emilie Vestergaard: Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI, NBER Working Paper 33777, Revision März 2026; zugleich RFBerlin Discussion Paper 078/26. Die Befragung umfasst rund 25.000 Mitarbeiter in etwa 7.000 Betrieben. https://www.rfberlin.com/wp-content/uploads/2026/03/26078.pdf ↩
4. Lena Peede und Michael Stops: Artificial intelligence technologies, skills demand and employment: Evidence from linked job ads data, IAB Discussion Paper 15/2024. https://doi.org/10.48720/IAB.DP.2415 ↩
5. Erik Brynjolfsson, Bharat Chandar und Ruyu Chen: Canaries in the Coal Mine?, Fassung August 2026, Daten bis Juni 2026. https://digitaleconomy.stanford.edu/app/uploads/2026/08/Canaries_August2026.pdf ↩
6. Regulation (EU) 2024/1689 - Artificial Intelligence Act ↩
7. Why Anthropic's 70% Inference Margins Matter for Your API Costs. MindStudio, 2026. https://www.mindstudio.ai/blog/anthropic-inference-margins-70-percent-api-costs ↩
8. Startups and tech giants wage AI price war as inference costs spiral. Crypto Briefing, 2026. https://cryptobriefing.com/ai-price-war-startups-tech-giants/ ↩
9. Tokens are getting cheaper, but AI costs keep climbing. Fortune, 2026. https://fortune.com/2026/06/17/why-is-ai-spending-increasing-as-tokens-get-cheaper-jevons-paradox/ ↩
10. AI inference costs set to plunge. CIO Dive zu Gartner, 2026. https://www.ciodive.com/news/ai-inference-costs-drop-2030-gartner/815725/ ↩
11. Ouyang et al.: Training language models to follow instructions with human feedback ↩
12. OpenAI: GPT-4 Technical Report ↩
13. OpenAI: Learning to reason with LLMs ↩
14. Liu et al.: Lost in the Middle ↩