Wo KI gemessen wird, entscheidet die Erfahrung über das Vorzeichen

Im Kundendienst zählt das System mit, ohne zu fragen: Wie viele Anliegen eine Kraft in der Stunde abschließt, steht im Protokoll. Bei 5.179 Beschäftigten eines Softwareanbieters stiegen die abgeschlossenen Vorgänge nach der Einführung eines KI-Assistenten um 14 Prozent je Stunde¹, erhoben von Erik Brynjolfsson, Danielle Li und Lindsey Raymond für das National Bureau of Economic Research. Kein Fragebogen, kein Selbsteindruck. Wer belegen will, dass KI die Arbeit beschleunigt, greift zu dieser Studie.

Dagegen steht eine zweite Messung mit demselben Anspruch. Sechzehn erfahrene Entwickler bearbeiteten 246 Aufgaben in Projekten, die sie seit Jahren selbst pflegen, ein Teil davon per Los mit KI-Werkzeugen. Mit den Werkzeugen brauchten sie 19 Prozent länger. Die Ausgabe vom 14. August hielt fest, dass die Zeitwirkung von KI damit zuletzt im Frühjahr 2025 unter Kontrollbedingungen gemessen² wurde, und ließ die Frage offen, woran sie sich ohne Vergleichsgruppe noch prüfen ließe.

Die Frage hat einen Preis. Eine Wirkung sauber zu messen verlangt eine Gruppe, die etwas nicht tut, und diese Gruppe wird teurer und künstlicher, je weiter sich eine Technik verbreitet. Eine Befragung kostet unabhängig davon gleich viel. Wo beide Verfahren um dieselbe Frage konkurrieren, setzt sich das billigere durch, und zwar in dem Moment, in dem am meisten davon abhängt. Den Abstand zwischen automatisch gemessener und selbst berichteter Produktivität hat eine Forschungsgruppe um Beller und Zimmermann schon 2020 an 81 Entwicklern bei Microsoft untersucht, als es die heutige Debatte noch nicht gab.

Dieselbe Feldmessung findet 34 Prozent bei Anfängern und nichts bei Erfahrenen#

Die 14 Prozent sind ein Mittelwert über sehr ungleiche Gruppen. Aufgeschlüsselt weist dieselbe Studie 34 Prozent für Berufsanfänger und gering qualifizierte Kräfte aus; für erfahrene, hoch qualifizierte Beschäftigte nennt sie den Zuwachs „minimal“. Die Gegenthese hält für die Gruppe mit der geringsten Erfahrung.

Damit treffen sich zwei Messungen, die bisher als Widerspruch gelesen wurden. Erfahrene Entwickler an eigenem Code: 19 Prozent langsamer. Erfahrene Kundendienstkräfte an eigenen Fällen: minimal schneller. Beide Male wurde nicht gefragt, sondern gezählt, und beide Male waren die Gemessenen erfahren.

Die zitierten 18 Prozent KI-Beschleunigung sind METRs Wert mit umgedrehtem Vorzeichen#

Für 2026 kursiert dagegen eine Beschleunigung von rund 18 Prozent, mit einem Intervall von minus 38 bis plus 9 Prozent. Der Abruf der Quelle am 15. August ergibt etwas anderes. Die Forschungsorganisation METR nennt für die zehn Entwickler, die aus dem ersten Durchgang wiederkamen, minus 18 Prozent mit genau diesem Intervall³, also eine Verlangsamung, und für 47 neu geworbene Entwickler minus 4 Prozent mit minus 15 bis plus 9. Der zitierte Wert ist derselbe Betrag mit umgedrehtem Vorzeichen. Die zweite Teilgruppe fehlt in der Ausgabe vom 14. August ganz. Wer METR finanziert, ist auf den abgerufenen Seiten nicht ausgewiesen.

Dieselbe Ausgabe formulierte, auf der Seite der Organisation stehe statt eines Ergebnisses der Hinweis auf ein unzuverlässiges Signal. Diese Einschätzung war falsch: METR führt zwei Punktschätzer samt Konfidenzintervallen auf, und der Vorbehalt gilt ihnen. Die Daten des neuen Versuchs gäben, schreibt die Organisation, „an unreliable signal of the current productivity effect of AI tools“. Ergebnis und Vorbehalt stehen nebeneinander. Aufgegeben ist der Versuch ebenfalls nicht; METR arbeitet an Änderungen am Design.

Die Führungskräfte-Befragung zur KI-Produktivität trägt eine andere Papiernummer#

Eine ältere Ausgabe dieser Serie hat am 20. Juli auf drei Ebenen nach dem Verbleib des Zeitgewinns gesucht⁴ und dafür eine NBER-Befragung von gut sechstausend Führungskräften in den USA, Großbritannien, Deutschland und Australien angeführt, unter der Nummer 34984. Diese Befragung steht in Working Paper 34836⁵ vom Februar 2026. Papier 34984 stammt vom März 2026, beruht auf knapp 750 Führungskräften und berichtet positive Produktivitätsgewinne. Auch die geschätzten 250 Milliarden Dollar KI-Investition für 2024, die derselbe Text der NBER-Befragung zuschrieb, kommen in keinem der beiden Papiere vor.

Die dritte Abweichung liegt bei der deutschen Arbeitsproduktivität je geleisteter Stunde. Für 2023 stand dort minus 1,0 Prozent; das Statistische Bundesamt weist im Stand vom 22. Mai 2026 minus 1,2 Prozent⁶ aus. Diese drei Angaben waren falsch.

Die Reihe selbst hat sich seither gedreht: für 2024 minus 0,3 Prozent, für 2025 plus 0,4 Prozent. Das Aggregat führt kein KI-Merkmal, das Plus belegt einen KI-Effekt also so wenig, wie das Minus zuvor einen ausgeschlossen hat. Der Befund aus 34836 bleibt davon unberührt: Über 90 Prozent der befragten Führungskräfte berichten keinen Beschäftigungseffekt, 89 Prozent keinen Produktivitätseffekt, gemessen als Umsatz je Beschäftigten. Erhoben wurde das per Fragebogen.

Zur KI-Wirkung liefert das US-Zensusamt einen Zusammenhang statt einer Messung#

Das US Census Bureau hat zwischen November 2025 und Januar 2026 erhoben, wie weit KI in den Betrieben angekommen ist: 18 Prozent der Betriebe, mit der Beschäftigtenzahl gewichtet 32 Prozent⁷, und ein KI-bedingter Beschäftigungsrückgang in 2 Prozent der Betriebe. Zur Produktivität steht dort ein robuster positiver Zusammenhang zwischen der geschäftlichen Leistung eines Betriebs und der Breite seiner KI-Nutzung. Welche Seite die andere bewegt, sagt die Erhebung nicht, und den Rückgang melden die Betriebe selbst.

Die deutsche Entsprechung geht nicht so weit. Die IKT-Erhebung des Statistischen Bundesamts, Stand 24. November 2025, weist 26 Prozent aller Unternehmen ab zehn Beschäftigten mit KI-Einsatz aus, 23 Prozent bei den kleinen und 57 Prozent ab 250 Beschäftigten. Die Spalten führen ausschließlich Merkmale des eingesetzten Verfahrens; eine Spalte zur Wirkung auf Arbeitszeit, Produktivität oder Ausbringung ist dort nicht angelegt.

Eine der meistzitierten betrieblichen Zahlen, wonach rund 95 Prozent der KI-Pilotprojekte ohne messbaren Ergebniseffekt blieben, ließ sich am 15. August nicht mehr nachschlagen. Die Adresse der erhebenden Gruppe am MIT Media Lab leitet auf eine Übersichtsseite um, die den Bericht weder enthält noch verlinkt; die verbreitete Kopie antwortet mit 403. Die Gruppe wirbt auf ihrer Seite Themen-Sponsoring zu 50.000 Dollar je Forschungsthema ein. Die Zahl bleibt damit ungeprüft.

Daron Acemoglu hat 2024 durchgerechnet, was ein solcher Zuwachs für eine ganze Volkswirtschaft austrägt, und kommt auf höchstens 0,66 Prozent zusätzliche totale Faktorproduktivität über zehn Jahre⁸, in der vorsichtigeren Fassung unter 0,53 Prozent. Seine Begründung benennt die Bedingung, unter der die vorliegenden Belege zustande kamen: Sie stammen aus leicht erlernbaren Aufgaben, bei denen es überhaupt ein objektives Ergebnismaß gibt. Genau dort ist bisher gemessen worden, an Vorgängen je Stunde und an Aufgaben je Sitzung. Die Gegenprobe hält in diesem Geltungsbereich, also bei enger Aufgabe und geringer Erfahrung. Außerhalb davon liegt die gemessene Wirkung bei null oder darunter, und die großen Zahlen stammen von denen, die sie berichten.

Anlass war die Ausgabe „Gemessen wurde die KI-Produktivität zuletzt 2025″, Am Rand gelesen, 14.08.2026 (christopher-helm.com). Ebenfalls herangezogen: „KI beschleunigt jede Aufgabe, nur die Produktivität nicht“ (20.07.2026, christopher-helm.com).

Erneut geprüft wurden für diese Ausgabe: der Zwischenstand von METR vom 24.02.2026 metr.org ↗ und der Versuchsbericht vom 10.07.2025⁹, beide ohne Angabe zu Auftraggeber oder Finanzierung; die NBER Working Papers 34836 nber.org ↗ (Februar 2026), 34984 (März 2026) und 33777¹⁰ (Humlum/Vestergaard, Mai 2025, überarbeitet März 2026); die Tabelle Arbeitsproduktivität je geleisteter Stunde destatis.de ↗ des Statistischen Bundesamts im Stand vom 22.05.2026 sowie dessen IKT-Erhebung im Stand vom 24.11.2025; der Bericht der Gruppe NANDA am MIT Media Lab zu betrieblichen KI-Pilotprojekten, dessen Adresse am 15.08.2026 auf eine Übersichtsseite ohne den Bericht umleitete und dessen verbreitete Kopie mit HTTP 403 antwortete. Neu hinzugekommen sind NBER Working Paper 31161 nber.org ↗ (Brynjolfsson/Li/Raymond, April 2023, überarbeitet November 2023), NBER Working Paper 32487 nber.org ↗ (Acemoglu, Mai 2024), das Working Paper CES-WP-26-25 census.gov ↗ des US Census Bureau (April 2026) und „Mind the Gap“ arxiv.org ↗ von Beller u. a. (Dezember 2020).