Zum Inhalt springen

Zeitgewinn / Studien und Belege

Wer sein Fach kann, arbeitet mit KI schneller. Belegt.

Wir haben über 100 Studien, Berichte und Selbstauskünfte aus zehn Fachgebieten ausgewertet, neun davon stellen wir einzeln vor, dazu vier Originaldokumente von Anthropic. Das Bild ist eindeutig: Wer sein Fach beherrscht und KI richtig einsetzt, arbeitet schneller und oft besser. Wie viel, hängt an der Aufgabe.

Stand 19. September 2026 · Evidenzgrad an jeder Zahl

Faustregel: Beschleunigung durch KI je Ebene
EbeneBeschleunigung durch KI
Einzelne, gut passende Teilaufgabe5× bis 100×
Einzelne Aufgabe inklusive Prüfung1,3× bis 3×
Gesamte Tätigkeit eines Spitzennutzers1,5× bis 2×
Ganze Organisationenderzeit 1,01× bis 1,5×
Abb. 01 /Faustregel aus allen Befunden. Je besser die Aufgabe passt, desto größer der Faktor.

01 / Befunde

Neun Fachgebiete, ein Ergebnis: Mit KI geht es schneller.

Jeder Befund hat eine eigene Seite: was gemessen wurde, was herauskam, wie belastbar es ist und woher die Zahl stammt.

02 / Faktor-Skala

Wie viel schneller mit KI? Das hängt an der Aufgabe.

Jede Zeile zeigt die Spanne des Beschleunigungsfaktors, die die Belege für diesen Aufgabentyp stützen. Die Achse ist logarithmisch, damit das 1,1-Fache und das 50-Fache in dieselbe Grafik passen. Zeilen mit Befund führen zu den Details.

Forschungsplanung: Promovierte mit KI-ExpertenTabletop-Übung, Anthropic · Geschätzt
20–48×
Einzelaufgaben von SpitzenforschernKnuth, Tao, Aaronson, Schwartz · Selbstauskunft
5–100×
Sitzungen mit Coding-Agenten, ObergrenzeMETR-Transkripte 2026 · Geschätzt
1,5–13×
Anthropic-Forscher, SelbsteinschätzungUmfrage zu Mythos Preview · Selbstauskunft
≈ 4×
Wissensarbeit in kontrollierten ExperimentenBCG, Procter & Gamble, Recht · Gemessen
1,2–2,4×
Softwareentwicklung mit Agenten, gesamter OutputMicrosoft, METR 2026 · Gemessen
1,2–1,5×
Anthropic-Forschung, tatsächlicher FortschrittSchätzung von Anthropic · Geschätzt
unter 2×
Expertenaufgaben inklusive PrüfungOpenAI GDPval · Gemessen
1,12–1,39×
Alle Beschäftigten einer VolkswirtschaftDänemark, St. Louis Fed · Gemessen
1,01–1,05×
Abb. 02 /Beschleunigungsfaktor, logarithmische Achse. Die senkrechte Ink-Linie markiert 1×, also Arbeit ohne KI.
Die Werte als Tabelle
Faktor-Skala als Tabelle
AufgabentypBelegeFaktorBeleg
Forschungsplanung: Promovierte mit KI-ExpertenTabletop-Übung, Anthropic20–48×Geschätzt
Einzelaufgaben von SpitzenforschernKnuth, Tao, Aaronson, Schwartz5–100×Selbstauskunft
Sitzungen mit Coding-Agenten, ObergrenzeMETR-Transkripte 20261,5–13×Geschätzt
Anthropic-Forscher, SelbsteinschätzungUmfrage zu Mythos Preview≈ 4×Selbstauskunft
Wissensarbeit in kontrollierten ExperimentenBCG, Procter & Gamble, Recht1,2–2,4×Gemessen
Softwareentwicklung mit Agenten, gesamter OutputMicrosoft, METR 20261,2–1,5×Gemessen
Anthropic-Forschung, tatsächlicher FortschrittSchätzung von Anthropicunter 2×Geschätzt
Expertenaufgaben inklusive PrüfungOpenAI GDPval1,12–1,39×Gemessen
Alle Beschäftigten einer VolkswirtschaftDänemark, St. Louis Fed1,01–1,05×Gemessen

03 / Bedingungen

Wann die großen Faktoren entstehen.

Die großen Sprünge sind kein Zufall. In den Befunden treffen immer wieder dieselben fünf Bedingungen zusammen. Genau diese Bedingungen schaffen wir mit dir.

01 /

Die Aufgabe passt zur KI

Sie liegt innerhalb der Fähigkeitsgrenze: klar beschrieben, gut abgegrenzt. Außerhalb wird man mit KI sogar schlechter.

02 /

Das Ergebnis lässt sich schnell prüfen

Durch Tests, Referenzdaten, einen Beweisprüfer oder einen erfahrenen Blick. Je schneller die Prüfung, desto größer der Gewinn.

03 /

Fachwissen sitzt am Steuer

Wer sein Fach kennt, erkennt Fehler und fordert das Modell heraus. Fehler werden von denen gefunden, die die KI hinterfragen können.

04 /

Agentische Werkzeuge, täglich genutzt

Werkzeuge, die Aufgaben selbstständig erledigen, sind heute der stärkste Hebel. Wer sie täglich nutzt, holt deutlich mehr heraus.

05 /

Die Engpässe drumherum sind gelöst

Prüfung, Freigaben und Abstimmung wachsen mit. Sonst verschiebt sich die Arbeit nur an eine andere Stelle.

04 / Ehrlich gerechnet

Warum Durchschnitte kleiner ausfallen als die Befunde.

Wer KI nur gelegentlich nutzt oder die Prüfung vergisst, sieht wenig davon. Diese drei Punkte erklären, warum breite Durchschnitte bei wenigen Prozent liegen, während Könner ein Vielfaches herausholen.

01 /

Die Prüfung gehört dazu

In OpenAIs GDPval ist das Modell allein 90-mal schneller als ein Branchenexperte mit 14 Jahren Erfahrung. Rechnet man ein, dass ein Mensch das Ergebnis prüft und notfalls korrigiert, bleibt das 1,12- bis 1,39-Fache.

02 /

Der Durchschnitt nutzt KI nur gelegentlich

In Dänemark sparen Beschäftigte im Schnitt 2,8 Prozent Zeit, in den USA 5,4 Prozent. Tägliche Nutzer sparen aber dreimal so oft vier oder mehr Stunden pro Woche wie wöchentliche.

03 /

Gefühl ist kein Maßstab

Erfahrene Entwickler waren 2025 mit KI 19 Prozent langsamer und fühlten sich 20 Prozent schneller. 2026 hat sich das Bild gedreht: Wer wieder teilnahm, brauchte 18 Prozent weniger Zeit. Deshalb zählen hier gemessene Zahlen.

05 / Lesehilfe

Prozent in Faktor umrechnen, Belege richtig lesen.

Studien nennen mal Prozent Zeitersparnis, mal ein Vielfaches. Umgerechnet wird mit Faktor = 1 / (1 − Ersparnis). Deshalb sind 50 Prozent Ersparnis erst das Doppelte und 90 Prozent das Zehnfache.

Umrechnung Zeitersparnis in Faktor
ZeitersparnisFaktorBeispiel
16 %1,19×Procter & Gamble, Produktentwicklung
25 %1,33×BCG, Beratung
40 %1,67×Schreibaufgaben (Noy und Zhang, Science 2023)
56 %2,3×GitHub Copilot, Programmieraufgabe
75 %4×Selbsteinschätzung der Anthropic-Forscher
90 %10×Harvard-Physiker Schwartz, nach eigener Schätzung
99 %100×Einzelfälle wie Knuth, grob geschätzt
Kennzeichnung der Belege
KennzeichnungBedeutung
Primärquelle geprüftPaper, System Card oder Originalbeitrag selbst gelesen
Kurzfassung geprüftNur Abstract oder Zusammenfassung der Primärquelle gelesen
SekundärquelleBericht über die Studie, nicht die Studie selbst
SelbstauskunftErfahrungsbericht einer Person, keine Messung
Angabe des KI-AnbietersZahl stammt vom Hersteller des Modells

06 / Quellen

Studien, Paper und Berichte zum Nachlesen.

Die Quellen der einzelnen Befunde stehen auf deren Seiten. Hier folgen die Quellen der Faktor-Skala und der Einordnung. Grundlage ist unsere Evidenzanalyse vom 19. September 2026.

  1. 01 /

    GDPval: KI-Modelle gegen Branchenexperten mit 14 Jahren Erfahrung

    OpenAI, arXiv 2510.04374

    Primärquelle geprüft · Angabe des KI-Anbieters

  2. 02 /

    Claude Mythos Preview System Card

    Anthropic

    Primärquelle geprüft · Angabe des KI-Anbieters

  3. 03 /

    Randomisierte Studie mit 16 erfahrenen Open-Source-Entwicklern

    METR, arXiv 2507.09089

    Primärquelle geprüft

  4. 04 /

    Uplift-Update

    METR

    Primärquelle geprüft

  5. 05 /

    Transkriptanalyse zu Zeitersparnis durch Coding-Agenten

    METR

    Primärquelle geprüft

  6. 06 /

    KI-Nutzung von 25.000 Beschäftigten in Dänemark

    Humlum und Vestergaard, NBER 33777

    Primärquelle geprüft

  7. 07 /

    Generative KI und Arbeitsproduktivität

    Federal Reserve Bank of St. Louis

    Primärquelle geprüft

  8. 08 /

    Experimental evidence on the productivity effects of generative artificial intelligence

    Noy und Zhang, Science

    Kurzfassung geprüft

  9. 09 /

    The Impact of AI on Developer Productivity: Evidence from GitHub Copilot

    arXiv 2302.06590

    Primärquelle geprüft

Der nächste Befund kann aus deinem Betrieb kommen.

Wir finden die Aufgaben in deinem Betrieb, bei denen KI wirklich Zeit spart, und bauen die Prüfung gleich mit ein.