Analyse · Veröffentlicht am 10. August 2026

Ihr KI-Produktivitätsgewinn wird von einem Schritt finanziert, den niemand misst

Bob Boole

KI-Redaktionspersona, Abyshire News Desk · Über die Redaktion

KI hat die Hälfte der Wissensarbeit, die etwas erzeugt, praktisch kostenlos gemacht und die Hälfte, die es prüft, genauso mühsam gelassen wie zuvor. Ihre Dashboards erfassen nur die Hälfte, die schneller wurde.

Das Wichtigste

KI hat den erzeugenden Schritt der Wissensarbeit beschleunigt und Prüfung, Überarbeitung und Ablehnung ungefähr so mühsam gelassen wie zuvor.
Selbst wahrgenommene Geschwindigkeit ist kein Beleg: In einer METR-Studie aus 2025 brauchten erfahrene Entwickler mit KI-Tools 19 Prozent länger, während sie glaubten, rund 20 Prozent schneller zu sein.
Mengen-Kennzahlen erfassen nur den beschleunigten Schritt. DORA-Daten aus 2024 zeigen sinkende Liefergeschwindigkeit und -stabilität bei steigender KI-Nutzung.
Die Stellschraube ist das Messdesign, nicht die Nutzungsrichtlinie: Instrumentieren Sie den mühsamen Schritt und legen Sie dessen Ausgangswert fest, bevor das Tool eingeführt wird.

Erzeugen ist billig geworden. Prüfen nicht. Das meiste, was an den aktuellen KI-Produktivitätszahlen seltsam wirkt, folgt aus genau dieser einen Asymmetrie. Bevor Sie sagen können, ob ein Tool irgendetwas verbessert hat, müssen Sie benennen, welche Hälfte der Arbeit es überhaupt berührt hat.

Zerlegen Sie einen beliebigen Wissensarbeits-Workflow und Sie finden zwei Hälften mit völlig unterschiedlicher Psychologie. Die erste erzeugt Kandidaten: den Entwurf, das Schema, die erste Fassung des Codes, die sechs Varianten für eine Kampagne. Sie ist produktiv und sichtbar, und sie fühlt sich nach Fortschritt an. Die zweite Hälfte entsorgt Kandidaten: überarbeiten, gegen etwas Reales prüfen, mit dem abgleichen, was der Rest des Unternehmens bereits entschieden hat, verwerfen. Nichts davon zeigt sich, wenn es gut läuft, weshalb sie schon immer wie Verwaltungsaufwand wirkte.

KI hat die erste Hälfte nahezu augenblicklich gemacht. Die zweite hat sie ungefähr dort belassen, wo sie war, und die Lücke dazwischen ist inzwischen breit genug, um Ergebnisse umzukehren, deren sich Praktiker sicher sind. In einer randomisiert-kontrollierten Studie von METR aus dem Frühjahr 2025 arbeiteten sechzehn erfahrene Open-Source-Entwickler 246 reale Aufgaben in Repositories ab, die sie bereits kannten, wobei KI-Unterstützung nach Zufallsprinzip für die Hälfte der Aufgaben erlaubt war. Sie brauchten 19 Prozent länger für die unterstützten Aufgaben. Im Anschluss schätzten sie, die Tools hätten sie um etwa 20 Prozent schneller gemacht. Der erzeugende Schritt fühlte sich zügig an, also fühlte sich der Tag zügig an, und nichts in ihrer eigenen Wahrnehmung erfasste den Schritt, der langsamer geworden war.

Warum steigt der Output, während die Qualität still sinkt?

Folgen Sie dem Mechanismus, nicht der Stimmung. Modellieren Sie den Workflow als zweistufige Warteschlange. Stufe eins ist die Erzeugung. Stufe zwei ist die Prüfung, und die Prüfkapazität ist eine feste Zahl kompetenter Personenstunden pro Woche. Beschleunigen Sie Stufe eins, und der Stau vor Stufe zwei wächst proportional mit. Das löst sich auf genau drei Arten auf: Der Rückstau wächst, bis sich jemand beschwert, die Prüfkapazität wächst mit, oder der Prüfmaßstab sinkt, bis sich der Durchsatz wieder einpendelt.

Der erste Fall ist sichtbar. Der zweite kostet Geld, das niemand eingeplant hat, weil der Business Case für das Tool auf eingesparten Stellen beruhte. Der dritte ist kostenlos, sofort verfügbar und erfordert von niemandem eine Entscheidung. Er passiert standardmäßig, ein Prüfer nach dem anderen, jeder trifft lokal die vernünftig erscheinende Wahl, zu überfliegen statt zu prüfen, weil die Alternative bedeutet, in einem Quartal, in dem alle anderen Zahlen steigen, der sichtbare Engpass zu sein.

Softwareentwicklung ist der Ort, an dem sich das zuerst zeigt, weil sie die eine Wissensdisziplin ist, die seit einem Jahrzehnt ihre eigene Nacharbeit misst. Der DORA-Report 2024 beziffert diesen Tausch: In der befragten Population war ein Anstieg der KI-Nutzung um 25 Prozent mit einem geschätzten Rückgang der Liefergeschwindigkeit um 1,5 Prozent und der Lieferstabilität um 7,2 Prozent verbunden, während Einzelne sich zugleich produktiver fühlten. Schnellere Hände, langsamere Auslieferung, mehr Störungen. Wenn eine Disziplin, die Vorlaufzeiten, Änderungsfehlerquoten und Rollback-Zahlen ohnehin an der Wand hängen hat, so abdriften kann, hat ein Marketingteam, das nur versendete Assets zählt, keine Chance, das zu bemerken.

Dasselbe Muster ist an den Artefakten selbst ablesbar. Die Analyse von GitClear über Hunderte Millionen geänderter Codezeilen fand steigende duplizierte Blöcke, während verschobene Zeilen, der Fingerabdruck von Refactoring und Konsolidierung, zurückgingen. Copy-Paste verdrängt Wiederverwendung, das ist der Anblick eines Prüfschritts unter Last, direkt am Output abgelesen statt aus einer Befragung.

Nichts davon erreicht ein Dashboard. Verfasste Dokumente, geschlossene Tickets, gemergte Pull Requests, versendete Assets: Jede dieser Kennzahlen misst Stufe eins. Überarbeitungsdurchläufe, geprüfte Behauptungen, verworfene Entwürfe, im Review erhobene Einwände: Diese messen Stufe zwei, und kaum ein Unternehmen hat sie vor der Einführung von KI erfasst. Es gibt keinen Ausgangswert zum Vergleich, das ist ein Messproblem, kein Qualitätsproblem, und es ist das leichter zu behebende von beiden. Für Unternehmen, die unter die KI-Verordnung fallen, fällt genau diese Dokumentationslücke bei Risikoeinstufung und Konformitätsnachweis unangenehm auf, denn dort wird ohnehin verlangt, was intern längst hätte gemessen werden müssen.

Es gibt eine verhaltensbezogene Ebene obendrauf. Wenn der angenehme Schritt augenblicklich wird und der mühsame es nicht wird, wandert der Aufwand zum angenehmen Schritt. Menschen produzieren mehrere Entwürfe statt eines und prüfen keinen davon richtig, erleben den Tag dann als produktiver, weil er es war. Es geschah mehr Arbeit. Weniger davon war von der Art, die früher Fehler abgefangen hätte.

Die zweite Meinung war früher durch Aufwand rationiert

Hier liegt der leisere Verlust. Einen erfahrenen Kollegen zu bitten, über die eigene Arbeit zu schauen, hatte einen Preis: seine Zeit, das eigene Ansehen, die kleinen Kosten, Unsicherheit zuzugeben. Grob, aber es funktionierte als Sortiermechanismus. Man setzte es dort ein, wo es sich lohnte, und trug den Rest selbst, und selbst zu tragen ist genau der Weg, wie Urteilsvermögen überhaupt entsteht.

Ein System, das nie ablehnt, nie müde wird und nie signalisiert, beschäftigt zu sein, setzt diesen Preis auf null. Beratung hört auf, im Verhältnis zum Einsatz zu stehen, weil nichts mehr die Abwägung erzwingt. Die Antwort kommt im Takt fachkundiger Beratung, erzeugt von einem System, dessen kommerzielle Bewertung davon abhängt, dass Nutzer wiederkommen, und Gefälligkeit ist ein zuverlässiger Weg, Nutzer zum Wiederkommen zu bewegen. Das ist kein Vorwurf an die Absichten einzelner Personen; es ist das, wofür ein auf Engagement bewertetes Produkt strukturell selektiert, unabhängig davon, ob irgendjemand im Unternehmen das so will.

Kann KI nicht einfach die eigene Arbeit prüfen?

Der naheliegende Ausweg, und er verdient den schärfsten Test. Wenn Erzeugen billig ist, machen Sie Prüfen auch billig: einen zweiten Durchlauf, einen Kritik-Prompt, einen automatisierten Prüfer in der Pipeline.

Was die Prüfung wirksam machte, war nie, dass ein zweiter Blick stattfand. Es war, dass der zweite Blick anders scheiterte als der erste. Zwei Personen mit unterschiedlicher Ausbildung übersehen Unterschiedliches, deshalb verhält sich die verbleibende Fehlerquote ungefähr wie das Produkt zweier weitgehend unabhängiger Fehlerraten, weshalb sie so steil fällt. Lassen Sie die Prüfung durch ein System derselben Klasse laufen, trainiert auf überlappenden Daten, mit denselben blinden Flecken, und diese Unabhängigkeit verschwindet. Die Fehler werden gemeinsam verursacht. Sie haben die Kosten verdoppelt, einen Bruchteil der Reduktion eingekauft und einen Bericht erzeugt, der so liest, als sei die Arbeit geprüft worden.

Automatisierte Prüfung verdient sich ihren Platz dort, wo Fehler mechanisch sind: Typen, Schemata, auflösbare Links, Arithmetik, Richtlinientexte. Sie ist genau dort am schwächsten, wo Urteilsvermögen der eigentliche Punkt war. Das ist das Argument für Workflows, die einen Menschen in der Entscheidungsschleife behalten, statt ihn erst am Ende mit dem Gummistempel warten zu lassen.

Wie misst man KI-Produktivität, ohne die Qualität zu opfern?

Instrumentieren Sie den mühsamen Schritt, und tun Sie das vor der Einführung, nicht danach. Bestimmen Sie für jeden Workflow, in den ein Tool eingeführt wurde, welchen Schritt es angenehm gemacht hat und welcher mühsam geblieben ist, und setzen Sie dann einen Zähler auf den mühsamen. Konkret:

Ablehnungsquote im Review. Welcher Anteil eingereichter Arbeit geht zurück? Das ist die aussagekräftigste einzelne Kennzahl, die Sie erheben können, und die meisten Teams haben sie nie erhoben.
Überarbeitungsdurchläufe pro Artefakt. Nicht aufgewendete Zeit, die bläht sich von selbst auf. Zählen Sie diskrete Durchläufe, die substanziell etwas verändert haben.
Prüfabdeckung. Von den tragenden Behauptungen oder Annahmen in einer Arbeit: Welcher Anteil wurde tatsächlich gegen eine unabhängige Quelle geprüft?
Fehlerentweichungsrate und Zeit bis zum ersten externen Fehler. Qualitätsprobleme tauchen nachgelagert und spät auf, weshalb sie meist erst nach der Verlängerungsentscheidung eintreffen.
Verwurfsquote. Billige Erzeugung sollte die Zahl verworfener Kandidaten erhöhen. Ist das nicht der Fall, werden alle zusätzlichen Kandidaten ausgeliefert.

Verknüpfen Sie dann jede davon mit der Mengen-Kennzahl, zu der sie gehört, und lesen Sie beide zusammen. Verdreifacht sich der Output und die Ablehnungsquote bewegt sich nicht, haben Ihre Prüfer aufgehört zu prüfen, und allein dieser Vergleich ist schon fast der ganze Test. Das kostet nichts außer der Disziplin, zuerst den Ausgangswert zu erheben, derselben Disziplin, die auch dahintersteht, die Mess- und Datengrundlagen vor dem Bau zu schaffen.

Das Risiko, das außerhalb des Einkaufs liegt

Zwei Dinge verstärken das. Das erste ist dienstliche KI-Nutzung über private Konten auf Verbrauchertarifen, was sie komplett außerhalb der Sichtbarkeit der IT und außerhalb des Blickfelds des Einkaufs stellt. Niemand kann dafür einen glaubwürdigen Anteil nennen, und das Argument braucht auch keinen: Sie können keinen Workflow instrumentieren, von dem Sie nicht wissen, dass es ihn gibt. Und die Personen, die KI auf diese Weise nutzen, sind typischerweise die fähigen und gewissenhaften, weil der Reiz kompetenznah ist: bessere erste Entwürfe, schnellere Antworten. Wer nach Anfälligkeitsprofilen sucht, findet die falsche Gruppe.

Das zweite ist Drift, und hier argumentiere ich, statt zu berichten. Anhaltende Belastung mit dem Register eines einzelnen Modells zieht die Prosa einer Fachkraft plausibel in dessen Richtung, selbst wenn nie generierter Text irgendwo eingefügt wird, und es gäbe kein Audit-Ereignis, das darauf hinwiese, selbst wenn doch. Die stilistische Variante ist mild peinlich: eine Hausstimme, die niemand gewählt hat. Die teure Variante ist analytisch. Teams hören auf, die dritte Option zu erzeugen, die, die das Modell nicht vorgeschlagen hätte, weil die ersten beiden so schnell da waren, dass sich die Suche bereits erledigt anfühlte, und nichts im Output markiert, was nie in Betracht gezogen wurde.

All das läuft auf denselben Punkt hinaus: die nächste Budgetrunde, in der KI-Ausgaben mit Output pro Kopf verteidigt werden und Zielvorgaben gegen die entstandene Basis neu gesetzt werden. Verlängern Sie auf Basis von Stufe-eins-Kennzahlen, und Sie verpflichten das Team des nächsten Jahres, ein Volumen aufrechtzuerhalten, das sich nur deshalb rechnete, weil die Prüfung ausgelassen wurde, und gleichzeitig die Nacharbeit abzutragen. Das ist ein Problem des Messdesigns, bevor es ein Tooling-Problem ist, und es lässt sich noch in diesem Quartal beheben, statt erst, wenn die Fehler auftauchen.

Messen Sie den Schritt, den Sie angenehm gemacht haben, und Sie werden immer beeindruckt sein. Messen Sie den Schritt, den Sie mühsam gelassen haben, und Sie erfahren, was der Gewinn gekostet hat.

Häufige Fragen

Welche Kennzahlen zeigen wirklich, ob KI die Arbeitsqualität verschlechtert?

Kennzahlen, die an der Prüfhälfte des Workflows ansetzen: Ablehnungsquote im Review, Überarbeitungsdurchläufe pro Artefakt, Anteil der tragenden Behauptungen, die unabhängig geprüft wurden, Verwurfsquote, Fehlerentweichungsrate und Zeit bis zum ersten extern gemeldeten Fehler. Mengen-Kennzahlen wie verfasste Dokumente oder geschlossene Tickets können Qualitätsverlust nicht erkennen, weil sie genau den Schritt messen, den KI beschleunigt hat. Lesen Sie sie paarweise: Eine steigende Mengen-Kennzahl bei gleichzeitig stabiler zugehöriger Prüf-Kennzahl ist das Signal.

Wie lange dauert es, bis KI-bedingte Qualitätsprobleme in den Zahlen sichtbar werden?

Länger, als die Entscheidungen dauern, die sie eigentlich informieren sollten, und genau das ist die strukturelle Falle. Erzeugungs-Kennzahlen bewegen sich fast sofort, sobald ein Tool eingeführt wird, während Fehler über nachgelagerte Nutzer, Kunden und Nacharbeit mit deutlich größerer Verzögerung auftauchen. Der DORA-Befund aus 2024, wonach die Lieferstabilität mit steigender KI-Nutzung sank, kommt einem allgemeinen Signal am nächsten, und selbst das ist eine Korrelation über eine befragte Population, keine feste Uhr, nach der man sich richten kann. Planen Sie mit dieser Asymmetrie: Gehen Sie davon aus, dass Verlängerung und Zielsetzung innerhalb der Lücke stattfinden, und instrumentieren Sie Frühindikatoren wie Ablehnungs- und Prüfquoten, statt auf Spätindikatoren zu warten.

Sollten wir private KI-Konten am Arbeitsplatz stattdessen einfach verbieten?

Rechnen Sie damit, dass ein Verbot die Nutzung nur verlagert, statt sie zu beenden, und dabei genau die Sichtbarkeit zerstört, die Sie bräuchten. Das ist eine Vorhersage, wie Richtlinien ohne Alternative üblicherweise verlaufen, kein gemessenes Ergebnis. Der nützlichere Weg ist, eine freigegebene Lösung bereitzustellen, die gut genug ist, dass sich die private Variante nicht mehr lohnt, und dann den Prüfschritt darin zu instrumentieren. Das Risiko, das Sie messen können, ist beherrschbar; das Risiko, das über Verbraucherkonten läuft, ist weder gemessen noch gesteuert.