Was zeigen Studien wirklich zur Wirtschaftlichkeit von KI im Unternehmen?

Kurz gesagt

Der Forschungsstand erlaubt weder die Aussage „KI rechnet sich immer" noch „KI ist vor allem Hype". Randomisierte Studien zeigen bei eng abgegrenzten Aufgaben teils erhebliche Produktivitäts- und Qualitätsgewinne, andere Studien finden Nullwirkungen oder sogar Verlangsamung. Entscheidend ist nicht die Technologie, sondern die Passung von Aufgabe, Modell und Prozess.

Die gezackte Leistungsgrenze

Der Fachbegriff dafür ist die „gezackte Leistungsgrenze" (jagged frontier): Ein KI-System kann in einer Teilaufgabe hervorragend strukturieren, in der nächsten plausibel falsch argumentieren und in einer dritten durch fehlenden Kontext mehr Prüfaufwand erzeugen als es einspart. Für die Wirtschaftlichkeit bedeutet das: Nicht Berufsrollen, sondern einzelne Aufgaben und Entscheidungspunkte müssen bewertet werden. Ein pauschaler „KI-Produktivitätsfaktor" über alle Tätigkeiten hinweg ist forschungsseitig nicht haltbar.

In einem vielzitierten Experiment mit Unternehmensberatern arbeiteten Teilnehmende innerhalb der beobachteten Modellstärken schneller, produktiver und mit höherer Qualität. Bei einer Aufgabe außerhalb dieser Stärken lagen dieselben KI-Nutzer 19 Prozentpunkte häufiger falsch als die Kontrollgruppe ohne KI. Beide Ergebnisse stammen aus derselben Studie, mit denselben Teilnehmenden.

Die wichtigsten positiven Befunde

Bei 453 Fachkräften für abgegrenzte Schreibaufgaben sank die Bearbeitungszeit im Mittel um rund 40 Prozent, die Qualitätsbewertung stieg um rund 18 Prozent (randomisiertes Experiment mit Zugang zu einem Sprachmodell).
In einem Kundenservice-Feldversuch mit 5.172 Beschäftigten eines Fortune-500-Unternehmens stieg die Zahl gelöster Kundenprobleme je Stunde durchschnittlich um rund 15 Prozent – mit deutlich stärkeren Gewinnen bei weniger erfahrenen Beschäftigten.
Drei randomisierte Feldexperimente mit insgesamt 4.867 Softwareentwicklern bei mehreren Unternehmen ergaben kombiniert rund 26 Prozent mehr erledigte Aufgaben bei Zugang zu einem KI-Coding-Assistenten.
In einem Feldexperiment mit 791 Fachkräften bei einem Konsumgüterhersteller konnten KI-unterstützte Einzelpersonen bei bestimmten Produktinnovationsaufgaben das Leistungsniveau klassischer Teams erreichen und Aufgaben schneller abschließen.

Die wichtigsten Gegenbefunde

In einer Studie mit 16 sehr erfahrenen Open-Source-Entwicklern und 246 realen Programmier-Issues führte erlaubte KI-Nutzung im Mittel zu einer 19 Prozent längeren Bearbeitungszeit – obwohl die Entwickler vorher wie nachher an einen positiven Effekt glaubten.
In einem Feldexperiment zu KI-gestützter Inkassokommunikation lag der Barwert der eingezogenen Rückzahlungen unter dem menschlicher Anrufer, obwohl die Kontaktkosten je Anruf sanken.
Eine dänische Arbeitsmarktstudie mit Verwaltungsdaten aus elf stark exponierten Berufen fand trotz hoher KI-Nutzung nach zwei Jahren keine größeren Effekte auf registrierte Arbeitszeit oder Einkommen.
Bei kreativem Schreiben wurden KI-unterstützte Einzeltexte im Mittel besser bewertet, gleichzeitig wurde die Vielfalt der Gesamtheit aller Texte geringer – ein Zielkonflikt zwischen Einzelqualität und Portfolio-Vielfalt.

Warum sich diese Ergebnisse nicht widersprechen

Die Studien untersuchen unterschiedliche Aufgaben, Modelle, Nutzergruppen, Arbeitsprozesse und Zielgrößen. Ein Assistent kann bei standardisierten Text- oder Supportaufgaben Wissen verteilen und die Lernkurve verkürzen, während er in einer tief vertrauten, komplexen Codebasis zusätzlichen Kontext-, Prüf- und Korrekturaufwand erzeugt, der den Bruttogewinn wieder auffrisst. Der wirtschaftlich entscheidende Faktor ist der Task-Model-Process-Fit – die Passung zwischen konkreter Aufgabe, eingesetztem Modell und umgebendem Arbeitsprozess. Durchschnittswerte ohne diese Aufgabenklassifikation sind für Investitionsentscheidungen wenig belastbar.

Was oft übersehen wird

Auch subjektive Wahrnehmung kann täuschen: In der Entwicklerstudie mit gemessener Verlangsamung erwarteten die Teilnehmenden vorher eine Beschleunigung und glaubten auch nach dem Versuch weiter daran – obwohl die gemessene Zeit gestiegen war. Selbstauskünfte zu Zeitersparnis sind daher kein Ersatz für objektive Messung. Ebenso wichtig: Eine oft zitierte Studie zu angeblich deutlich mehr Materialentdeckungen durch KI gilt inzwischen als nicht belastbar – die zuständige Institution erklärte öffentlich, keinerlei Vertrauen in Datenherkunft und Validität der Untersuchung zu haben. Spektakuläre Einzelzahlen ohne nachvollziehbare Daten gehören nicht in eine Investitionsentscheidung.

Häufige Fragen

Kann ich einen Studienwert wie „40 Prozent schneller" direkt auf mein Unternehmen übertragen?

Nein. Die Übertragung setzt voraus, dass Aufgabe, Nutzererfahrung, Modell und Prozess dem untersuchten Setting ähneln; ohne diese Prüfung ist der Wert eine Hypothese, kein Beleg.

Bedeuten die negativen Studien, dass sich KI grundsätzlich nicht lohnt?

Nein, sie zeigen Grenzen in bestimmten Aufgaben, Modellen und Erfahrungsstufen und helfen, ungeeignete Anwendungsfälle vorab auszuschließen.

Warum widersprechen sich die Studien zur Softwareentwicklung?

Weil sie unterschiedliche Entwicklergruppen, Aufgabentypen und Codebasen untersuchen; erfahrene Entwickler in vertrauten, komplexen Projekten profitieren nachweislich anders als weniger erfahrene bei klar abgegrenzten Aufgaben.