Produktivität, geprüft · Teil 6 von 8
Hebel: was eine Stunde vervielfacht
Archimedes soll gesagt haben, mit einem festen Standort und einem langen Hebel könne er die Erde bewegen. Der Satz wurde Jahrhunderte nach seinem Tod aufgeschrieben, niemand weiß also, ob er ihn gesagt hat. Das macht ihn zu einem passenden Anfang für diesen Teil: Wie viel Produktivitätsrat verbindet er einen echten Mechanismus mit einer Größe, die niemand geprüft hat.
Die ersten vier Stationen handeln davon, keinen Aufwand zu verschwenden: die richtige Arbeit wählen, sie in Bewegung halten, ihr Aufmerksamkeit geben, die Maschine am Laufen halten. Diese Station handelt von der anderen Hälfte des Verhältnisses. Ein Hebel ist alles, was aus einer Stunde Aufwand mehr wertvolles Ergebnis macht: über Jahre aufgebautes Können, ein Werkzeug, ein KI-Modell, eine Kollegin, die du eingearbeitet hast. Jeder Hebel kostet etwas im Aufbau oder Gebrauch, und manche drücken still in die falsche Richtung.
Die Frage dieser Station: Was vervielfacht das Ergebnis wirklich, und um wie viel?
KI: eine gezackte Grenze
Ethan Mollicks Co-Intelligence beschreibt KI als seltsamen neuen Kollegen mit einer „gezackten Grenze“: brillant bei manchen Aufgaben, merkwürdig schlecht bei anderen, die genauso schwer aussehen, und vorher lässt sich nicht sagen, welche welche ist. Die besten Belege dafür stammen aus einer Studie, an der Mollick mitgeschrieben hat. 758 Berater der Boston Consulting Group bearbeiteten 18 realistische Aufgaben. Mit GPT-4 erledigten sie 12,2 % mehr Aufgaben, 25,1 % schneller, bei über 40 % höherer Qualität (Dell'Acqua et al. 2026) ~85 %. Aber bei einer Aufgabe, die gezielt knapp außerhalb der Fähigkeiten des Modells lag, fanden 84,5 % der Berater ohne KI die richtige Antwort, gegenüber 60,0 % und 70,6 % in den beiden KI-Gruppen ~70 %. Der einzige Unterschied war, auf welcher Seite einer unsichtbaren Linie die Aufgabe lag.
Andere Studien zeigen innerhalb der Grenze in dieselbe Richtung. In einer randomisierten Studie mit 453 Fachleuten, die kurze Schreibaufgaben erledigten, senkte ChatGPT die Zeit um 40 % und hob die Qualität um 18 % (Noy & Zhang 2023). Bei 5.172 Kundenservice-Mitarbeitenden steigerte ein KI-Assistent die gelösten Anliegen pro Stunde um 15 % (Brynjolfsson, Li & Raymond 2025). Im Working Paper legten neue und gering qualifizierte Mitarbeitende um 34 % zu.
Dieses letzte Detail ist der konsistenteste Befund des Felds: KI gleicht Können an ~85 %. In der BCG-Studie verbesserten unterdurchschnittliche Berater ihre Qualität um etwa 43 %, Spitzenkräfte um etwa 17 %. Erfahrene Support-Mitarbeitende gewannen kaum Tempo und verloren leicht an Qualität. Ein plausibler Mechanismus: Das Modell liefert eine solide Durchschnittsantwort, für Anfänger ein großer Schritt nach oben, für Experten ein kleiner oder ein Schritt zur Seite.
Der Haken: Ein guter Assistent bringt Menschen dazu, nicht mehr nachzuprüfen. In einem präregistrierten Experiment bewerteten 181 Recruiter Lebensläufe mit einer KI, die zu etwa 99 %, 85 % oder 75 % richtig lag, oder ohne. Wer die bessere KI bekam, strengte sich weniger an, folgte ihr blinder und urteilte ungenauer (Dell'Acqua 2022). Mollick nennt das Einschlafen am Steuer. Je besser der Assistent, desto verlockender ist es, seine Arbeit nicht mehr zu lesen.
Code: Stoppuhr und Gefühl sind sich uneinig
In der meistzitierten Studie zu KI für Programmierer schrieben 95 über Upwork angeworbene Freelance-Entwickler einen kleinen Webserver in JavaScript. Die mit GitHub Copilot waren nach 71 statt 161 Minuten fertig, 55,8 % schneller (Peng et al. 2023). Das Ergebnis ist für diese Aufgabe solide (~85 %) und ein schwacher Wegweiser für echte Arbeit ~30 %: ein abgegrenzter Auftrag, von Grund auf geschrieben, bei dem die weniger Erfahrenen am meisten gewannen. Feldstudien bei Microsoft, Accenture und einer Fortune-100-Firma mit 4.867 Entwicklern fanden etwa 26 % mehr erledigte Aufgaben, wieder vor allem bei Juniors (Cui et al. 2025).
Dann sah sich METR eine andere Gruppe an: 16 erfahrene Open-Source-Entwickler, die an 246 echten Aufgaben in Codebasen arbeiteten, die sie gut kannten. Mit KI-Werkzeugen vom Frühjahr 2025 brauchten sie 19 % länger. Vorher hatten sie 24 % Beschleunigung vorhergesagt, und hinterher glaubten sie immer noch, etwa 20 % schneller gewesen zu sein (Becker et al. 2025). Die Verlangsamung gehört zu einem Umfeld und einer Generation von Werkzeugen. METRs Folgestudie von 2026 wurde als unzuverlässig abgebrochen, unter anderem weil Entwickler sich weigerten, ohne KI zu arbeiten, und Berichte aus zweiter Hand legen die neuen Schätzungen nahe null. Die Lücke zwischen Gefühl und Stoppuhr ist der Teil, den es zu behalten lohnt, und Rückmeldung kommt darauf zurück.
Teams zeigen ein ähnliches Rätsel. Googles DORA-Umfrage für 2024 fand, dass 25 % mehr KI-Einsatz mit etwa 1,5 % geringerem Liefer-Durchsatz und 7,2 % geringerer Stabilität einherging, während Codequalität und Review-Tempo sich leicht verbesserten (~70 %). Der Bericht von 2025 fand KI nun mit höherem Durchsatz verbunden, aber weiter mit mehr Instabilität, mit dem Code-Review als neuem Engpass. Beides sind Zusammenhänge aus Umfragen, keine Experimente. Der Mechanismus ist aus der Fabrikhalle bekannt: Einen Schritt zu beschleunigen verschiebt nur den Stapel zum nächsten (siehe Fluss).
Nichts davon hätte Fred Brooks überrascht. In „No Silver Bullet“ (1986) argumentierte er, keine einzelne Technologie werde innerhalb eines Jahrzehnts auch nur eine Verzehnfachung der Software-Produktivität bringen, weil die meiste Schwierigkeit essenziell ist (die Komplexität des Problems selbst) statt akzidentell (Reibung durch Werkzeuge und Sprachen) ~85 %. KI-Werkzeuge sind der härteste Test, dem sich seine Behauptung je stellen musste, und keine der kontrollierten Studien kommt auch nur in die Nähe des Zehnfachen. Fairerweise: Mollicks Rat, davon auszugehen, „dies ist die schlechteste KI, die du je benutzen wirst“, hat auch Daten hinter sich: Die Länge der Aufgaben, die KI-Agenten erledigen können, verdoppelte sich von 2019 bis 2025 etwa alle sieben Monate. Brooks hat noch recht, aber der Abstand schrumpft.
Können: der langsame Hebel
Können ist der älteste Hebel, und der von seinen Popularisierern am stärksten verzerrte. Anders Ericssons Forschung mit Geigerinnen und Geigern an einer Berliner Musikhochschule fand, dass die besten Studierenden weit mehr allein geübt hatten als die bloß guten: etwa 7.410 Stunden bis zum Alter von 18, gegenüber 5.301 (Ericsson, Krampe & Tesch-Römer 1993). Malcolm Gladwell machte aus dem Durchschnitt der besten Gruppe im Alter von 20 die „10.000-Stunden-Regel“. In Peak lehnt Ericsson die Regel selbst ab: Es gibt keine magische Zahl, und die Stunden unterscheiden sich je nach Feld ~5 %.
Das größere Problem betrifft Ericssons eigene Behauptung. Eine doppelblinde Replikation mit 39 Geigern fand, dass Übung etwa 26 % der Unterschiede im Können erklärte, nicht 48 %, und die „gute“ Gruppe hatte mehr geübt als die „beste“, wenn auch nicht signifikant (Macnamara & Maitra 2019). Eine Metaanalyse von 88 Studien fand, dass gezielte Übung 26 % der Leistungsunterschiede in Spielen erklärte, 21 % in Musik, 18 % im Sport, 4 % in der Bildung und unter 1 % in Berufen (Macnamara, Hambrick & Oswald 2014) ~85 %. Übung zählt. Sie ist nicht die ganze Geschichte, und in den meisten Jobs ein kleiner Teil davon.
Was überlebt, ist der Mechanismus. Übung baut mentale Repräsentationen auf: Schachmeister erfassen echte Spielstellungen auf einen Blick, verlieren den Großteil dieses Vorteils aber, wenn die Figuren zufällig stehen (Chase & Simon 1973) ~85 %. Und Erfahrung allein ist keine Übung: Ohne Rückmeldung können Jahre im Job Menschen sogar schlechter machen (siehe Rückmeldung).
Wissensarbeiter haben selten, was gezielte Übung voraussetzt: eine etablierte Trainingsmethode und einen Coach, der Übungen entwirft. Cal Newports Vorschlag in So Good They Can't Ignore You, gezielte Übung werde die meisten Wissensarbeiter weit nach vorn bringen, steht also auf dünnen Belegen. Der berühmte „10×-Programmierer“ hat dasselbe Problem: Die Studie von 1968 dahinter mischte Sprachen und Methoden, und eine Neuanalyse schreibt den Programmierern selbst nur etwa 5:1 zu. Große Unterschiede zwischen Menschen sind echt. Woher sie kommen, ist unklarer, als die Bücher nahelegen.
KI sitzt jetzt genau auf diesem Hebel. Adam Grants Hidden Potential plädiert für Gerüste: vorübergehende Unterstützung, etwa ein Tutor oder ein durchgerechnetes Beispiel, die Lernende über ein Hindernis bringt und dann zurückgebaut wird. Eine randomisierte Studie mit etwa 1.000 türkischen Oberstufenschülern zeigt, was passiert, wenn sie nicht zurückgebaut wird. Freier Zugang zu GPT-4 hob die Übungsergebnisse, senkte die Prüfungsergebnisse aber um 17 %; eine als Tutor gebaute Version mit Leitplanken schadete nicht (Bastani et al. 2025) ~85 %. Als Antwortmaschine genutzt, leiht KI das heutige Ergebnis auf Kosten des morgigen Könnens.
Andere Menschen: der Hebel der Führungskraft
Andy Grove, langjähriger CEO von Intel, baute High Output Management auf demselben Verhältnis auf wie diese Serie. Das Ergebnis einer Führungskraft, schrieb er, ist das Ergebnis ihrer Organisation plus das der benachbarten Gruppen, die sie beeinflusst, und Hebelwirkung ist die Wirkung einer Tätigkeit auf dieses Ergebnis geteilt durch die Zeit, die sie kostet. Arbeit mit großer Hebelwirkung betrifft viele Menschen, wirkt lange oder nutzt Wissen, das nur du hast.
Sein Lieblingsbeispiel ist Training: ein paar Stunden Vorbereitung zahlen sich über das ganze Jahr eines Teams aus ~70 %. Die Belege, dass Training wirkt, sind gut. Eine Metaanalyse fand einen Effekt von etwa d = 0.62 auf das Verhalten im Job (Arthur et al. 2003). Dass es die anderen Verwendungen der Zeit einer Führungskraft schlägt, ist Groves Arithmetik, kein Befund. In einer randomisierten Studie in indischen Textilwerken steigerte die Einführung grundlegender Managementpraktiken die Produktivität im ersten Jahr um etwa 17 % (Bloom et al. 2013) ~70 %. Das war allerdings eine Fabrik, und das Ergebnis aufs Büro zu übertragen ist eine Extrapolation.
Groves Ratschläge zum Umgang mit Menschen altern schlechter. Seine „aufgabenbezogene Reife“, die den Führungsstil an die Erfahrung einer Person mit der Aufgabe anpasst, ist eine Version der situativen Führungstheorie, die in Tests schlecht abgeschnitten hat. Seine Warnung, „Delegieren ohne Nachverfolgen ist Abdanken“, ist ungetestet, aber vernünftig. Sie liest sich auch gut als Anleitung zum Delegieren an KI-Agenten: Wer eine Aufgabe nie gemacht hat, muss geprüft werden, egal wer oder was. Mehr Leute dazuzuholen hat eigene Koordinationskosten, die gehören zu Fluss.
Wo die Arbeit stattfindet
Homeoffice ist ein Hebel, über den heute viele streiten und den wenige gemessen haben. Die besten Belege sind zwei randomisierte Studien bei demselben chinesischen Reiseunternehmen. In der ersten leisteten Callcenter-Freiwillige, die neun Monate von zu Hause arbeiten durften, 13 % mehr: 9 % durch mehr Arbeitsminuten, 4 % durch mehr Anrufe pro Minute. Die Kündigungen halbierten sich, bei gleicher Leistung sanken allerdings die Beförderungsraten (Bloom et al. 2015). Das Ergebnis ist für routinemäßige Einzelarbeit solide ~85 % und darüber hinaus viel unsicherer (~50 %). Ein Mitautor hat das Unternehmen mitgegründet.
Die zweite Studie, mit 1.612 Beschäftigten aus Engineering, Marketing und Finanzen, testete über sechs Monate zwei Tage pro Woche zu Hause. Die Kündigungen fielen um ein Drittel, ohne Effekt auf Leistungsbeurteilungen oder Beförderungen (Bloom, Han & Liang 2024) ~85 %. Die Führungskräfte hatten vorher einen Produktivitätsverlust vorhergesagt. Die ehrliche Zusammenfassung: Wo die Arbeit stattfindet, ist ein schwacher Ergebnis-Hebel und ein starker Bindungs-Hebel. Die Debatte ist lauter als der Effekt.
Was nicht funktioniert
- Die 10.000-Stunden-Regel. Es gibt keine Schwelle; die Zahl war der Durchschnitt einer Gruppe im Alter von 20, und Ericsson nannte sie willkürlich ~5 %.
- „Übung, nicht Talent.“ In einer Studie mit etwa 10.500 schwedischen Zwillingen unterschieden sich eineiige Zwillinge, die unterschiedlich viel geübt hatten, nicht in ihrer musikalischen Fähigkeit (Mosing et al. 2014) ~15 %.
- Persona-Prompts. Einer KI zu sagen „du bist Experte“ hob die Genauigkeit über 162 Rollen und 2.410 Fragen nicht (Zheng et al. 2024) ~30 %; Kontext und Beispiele helfen dagegen (~70 %).
- Labor-Beschleunigungen als echte Gewinne. Das Copilot-Ergebnis von 55,8 % stammte aus einer einzigen abgegrenzten Aufgabe; erfahrene Entwickler in ihren eigenen Codebasen waren langsamer ~30 %.
Probier das
- Vermiss deine eigene Grenze mit der Stoppuhr. Nimm eine wiederkehrende Aufgabe, erledige sie ein paar Mal mit KI und ein paar Mal ohne, und stopp beides. In der METR-Studie lagen gefühltes und gemessenes Tempo etwa 40 Prozentpunkte auseinander.
- Prüf am gründlichsten, wo KI am meisten hilft. Sie hilft Anfängern am meisten, und Anfänger erkennen ihre Fehler am schlechtesten. Prüf in ungewohnten Bereichen Fakten und Quellen, bevor du das Ergebnis verwendest.
- Mach KI beim Lernen zum Tutor, nicht zum Lösungsheft. Bitte sie um Hinweise, Fragen und Erklärungen; den letzten Schritt machst du selbst.
- Übe den Teil deiner Arbeit, der Rückmeldung hat. Wähl ein Können, bei dem du Ergebnisse schnell siehst, arbeite in kurzen, konzentrierten Einheiten an seiner Grenze und finde jemanden, der Übungen dafür entwerfen kann.
- Steck eine Stunde in etwas, das bleibt. Eine Checkliste, ein Training oder eine schriftliche Antwort auf eine wiederkehrende Frage zahlt sich jedes Mal aus, wenn jemand sie nutzt.
16 Behauptungen geprüft
Die Belege hinter diesem Artikel
Jede Behauptung oben, bewertet nach der Chance, dass sie der Forschung standhält. Öffne eine für die Quellen und ihren genauen Wortlaut.
- Arthur, Bennett, Edens, Bell (2003). Effectiveness of training in organizations: A meta-analysis of design and evaluation features. · Metaanalyse
- Bastani, Bastani, Sungu, Ge, Kabakcı, Mariman (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics · Studie
- Bloom, Eifert, Mahajan, McKenzie, Roberts (2012). Does Management Matter? Evidence from India * · Studie
- Bloom, Han, Liang (2024). Hybrid working from home improves retention without damaging performance · Studie
- Bloom, Liang, Roberts, Ying (2013). Does Working from Home Work? Evidence from a Chinese Experiment · Studie
- Brooks (1987). No Silver Bullet Essence and Accidents of Software Engineering · Quelle
- Brynjolfsson, Li, Raymond (2025). Generative AI at Work · Studie
- Chase, Simon (1973). Perception in chess · Studie
- Cui, Demirer, Jaffe, Musolff, Peng, Salz (2024). The Effects of Generative AI on High Skilled Work: Evidence from Three Field Experiments with Software Developers · Studie
- Dell'Acqua (2022). Falling Asleep at the Wheel: Human/AI Collaboration in a Field Experiment on HR Recruiters · Studie
- Dell'Acqua, McFowland III, Mollick, Lifshitz-Assaf, Kellogg, Rajendran, Krayer, Candelon, Lakhani (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality · Studie
- DORA (2024). Accelerate State of DevOps Report 2024 · Quelle
- Ericsson, Krampe, Tesch-Römer (1993). The role of deliberate practice in the acquisition of expert performance. · Studie
- Ericsson, Pool (2016). Peak · Buch
- Gobet, Simon (1996). Recall of rapidly presented random chess positions is a function of skill · Studie
- Grant (2023). Hidden Potential · Buch
- Grove (1983). High Output Management · Buch
- Joel, Rush, Barnes, David (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity · Studie
- Macnamara, Hambrick, Oswald (2014). Deliberate Practice and Performance in Music, Games, Sports, Education, and Professions: A Meta-Analysis · Metaanalyse
- Macnamara, Maitra (2019). The role of deliberate practice in expert performance: revisiting Ericsson, Krampe & Tesch-Römer (1993) · Replikation
- Mollick (2024). Co-Intelligence · Buch
- Mosing, Madison, Pedersen, Kuja-Halkola, Ullén (2014). Practice Does Not Make Perfect · Studie
- Newport (2012). So Good They Can't Ignore You · Buch
- Noy, Zhang (2023). Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence · Studie
- Peng, Kalliamvakou, Cihon, Demirer (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot · Studie
- Zheng, Pei, Logeswaran, Lee, Jurgens (2024). When ”A Helpful Assistant” Is Not Really Helpful: Personas in System Prompts Do Not Improve Performances of Large Language Models · Studie