Fünf Minuten schreiben, zwanzig Minuten prüfen: KI-Prüfaufwand messen

Ein KI-Entwurf spart keine Arbeitszeit, wenn die anschliessende Prüfung und Nacharbeit den Vorsprung aufbrauchen. Wer nur die Schreibzeit misst, bewertet einen Zwischenschritt. Für die Entscheidung über den Arbeitsablauf zählt die Zeit bis zum akzeptierten Ergebnis.

Dieser Artikel untersucht den Prüfaufwand innerhalb eines KI-gestützten Vorgangs. Er ergänzt die grundlegende Messung von KI-Zeitersparnis um eine genauere Frage: An welcher Stelle entsteht zusätzliche Kontrollarbeit, und welche Änderung reduziert sie, ohne die Qualitätsanforderung zu senken? Alle folgenden Minutenwerte sind fiktive Rechenbeispiele. Sie sind keine Kundenergebnisse und keine Marktbenchmarks.

Forschung widerspricht einfachen Zeitversprechen

Die METR-Studie zu erfahrenen Open-Source-Entwicklern untersuchte 16 Entwickler und 246 Aufgaben in ihnen vertrauten Projekten. Bei erlaubtem Einsatz der untersuchten Werkzeuge aus Anfang 2025 dauerte die Bearbeitung im Mittel 19 Prozent länger. Die Teilnehmenden schätzten ihre eigene Beschleunigung nachträglich trotzdem positiv ein. Das ist ein Befund aus einem bestimmten Entwicklungsumfeld, kein allgemeiner Faktor für Büroarbeit.

Der METR-Folgebericht vom Februar 2026 warnt ausdrücklich vor einer einfachen Fortschreibung: Auswahlverzerrungen und Probleme bei der Zeitmessung machen die neueren Ergebnisse schwer interpretierbar. Die Forschenden beschreiben Hinweise auf stärkere Beschleunigung, aber keine verlässliche allgemeine Effektgrösse. Deshalb braucht dein Prozess eine eigene Messung.

Ein weiterer Forschungsbefund zeigt, warum Kontrolle selbst Arbeit ist: Die Befragung von Lee und Kollegen beschreibt bei 319 Wissensarbeitenden eine Verschiebung kritischer Denkarbeit zu Informationsprüfung, Integration und Steuerung der Aufgabe. Es handelt sich um Selbstauskünfte, nicht um eine experimentelle Messung deiner Prüfminuten.

Was genau zum Prüfaufwand gehört

Prüfung beginnt nicht erst mit dem letzten Gegenlesen. Dazu gehört auch, die richtigen Quellen zu öffnen, Angaben zuzuordnen und eine zunächst plausible Aussage zu widerlegen. Wenn du eine Zahl drei Minuten lang suchst, bevor du sie bestätigst, sind diese drei Minuten Bestandteil der Bearbeitung.

Trenne mindestens die Prüfung der sachlichen Richtigkeit von der Nacharbeit. Prüfung beantwortet, ob das Ergebnis stimmt. Nacharbeit verändert einen gefundenen Fehler. Die erneute Kontrolle der Änderung zählt wieder zur Prüfung. Diese Trennung zeigt, ob ein Prozess unter schwer überprüfbaren Ausgaben oder unter häufigen Fehlern leidet.

Wartezeiten erfasst du gesondert. Wenn eine Fachperson erst am Nachmittag antwortet, wächst die Durchlaufzeit, aber nicht jede wartende Minute ist aktive Arbeitszeit. Wenn währenddessen mehrfach nachgefragt oder der Vorgang erneut gelesen wird, entsteht jedoch zusätzlicher aktiver Aufwand. Beides muss sichtbar bleiben.

Ein vollständiger Vergleich für einen Vorgang

Ein Team bereitet eine Kundenantwort aus drei Unterlagen vor. Für beide Wege gilt dieselbe Abnahme: Angaben vollständig, keine unbelegten Zusagen, Quellen nachvollziehbar, verantwortliche Person bestätigt die fachliche Fassung.

Der Entwurf entsteht 13 Minuten schneller. Der gesamte Vorgang braucht sechs Minuten mehr. Gegenüber 33 Minuten sind das rund 18,2 Prozent zusätzlicher Aufwand. Die höhere Prüfzeit ist dabei nicht automatisch ein Zeichen schlechter Arbeit der prüfenden Person. Möglicherweise zeigt sie, dass die Ausgabe mehr unbelegte oder schwer zuzuordnende Aussagen enthält.

Die richtige Diagnose lautet deshalb zunächst: Der getestete KI-Weg A ist für diesen fiktiven Vorgang langsamer. Daraus folgt weder, dass KI generell ungeeignet ist, noch, dass die Prüfung gekürzt werden muss. Zuerst muss das Team feststellen, welche Ausgabeeigenschaft die Mehrarbeit verursacht.

Die Prüfzeit in beobachtbare Ursachen zerlegen

Erfasse für einen begrenzten Versuch, woran die prüfende Person tatsächlich arbeitet. Eine kurze Markierung je Abschnitt genügt: Quelle suchen, Zahl nachrechnen, fehlende Angabe ergänzen, Widerspruch klären oder Formulierung anpassen. Die Kategorien müssen zum Prozess passen und dürfen sich nicht unbemerkt überlappen.

Im Beispiel entfallen von 17 Prüfminuten acht auf die Suche nach Fundstellen, fünf auf den Abgleich der Mengen und vier auf die Kontrolle von Zusagen. Das sind angenommene Teilwerte, die zusammen die 17 Minuten ergeben. Die Beobachtung lenkt die nächste Änderung auf Quellenzuordnung und Feldstruktur.

Vermeide eine Scheingenauigkeit mit Sekundenzahlen, wenn Menschen nur grob stoppen. Notiere die Messmethode: Stoppuhr, Zeitstempel oder nachträgliche Schätzung. Eine Schätzung bleibt eine Schätzung, auch wenn die Tabelle zwei Nachkommastellen anzeigt. Ein grober, konsistent erfasster Wert kann für einen ersten Prozessvergleich ausreichen.

Den Entwurf leichter prüfbar machen

Der nächste Versuch verändert die Ausgabeform. Statt einer fertigen Kundenantwort erstellt die KI zuerst eine Tabelle mit Aussage, Quelle, Fundstelle und offenem Punkt. Erst nach der Sachprüfung entsteht der Text. Diese Gestaltung ist eine eigene Arbeitshypothese, deren Nutzen erneut gemessen werden muss.

Eine geeignete Eingabe lautet:

Extrahiere die Angaben für die Kundenantwort in eine Tabelle.
Spalten: Thema, belegte Angabe, Dokument-ID, Fundstelle, offener Punkt.
Trenne gewünschte Termine von bestätigten Terminen.
Führe widersprüchliche Angaben in getrennten Zeilen.
Erstelle noch keine ausformulierte Zusage.

Der Ansatz verlagert einen Teil der Arbeit nach vorn. Das kann sich lohnen, wenn dadurch die nachgelagerte Prüfung deutlich einfacher wird. Es kann auch zusätzliche Arbeit ohne Nutzen erzeugen. Der Vergleich muss deshalb weiterhin den vollständigen Vorgang erfassen und darf nicht nur die nun kürzere Prüfphase hervorheben.

Die zweite Variante vollständig rechnen

Im fiktiven KI-Weg B steigt die Vorbereitung auf acht Minuten. Der strukturierte Entwurf benötigt sechs Minuten, die Sachprüfung acht, Korrekturen vier und die letzte Prüfung drei Minuten. Zusammen sind das 29 Minuten.

Gegenüber dem bisherigen Weg mit 33 Minuten ergibt sich ein Vorteil von vier Minuten, rund 12,1 Prozent. Gegenüber KI-Weg A sind es zehn Minuten weniger. Beide Vergleiche sind korrekt, beantworten aber unterschiedliche Fragen. Für die Entscheidung über den Einsatz ist der Vergleich mit dem bisherigen Weg die relevante Ausgangsbasis.

Nimmt die Erstellung der neuen Vorlage einmalig 90 Minuten in Anspruch, liegt der rechnerische Ausgleich bei 22,5 Vorgängen. Bei ganzen Vorgängen wird dieser Punkt nach 23 gleichartigen Fällen überschritten. Diese Rechnung gilt nur unter der Annahme, dass der Vorteil von vier Minuten bestehen bleibt und keine weiteren Pflegekosten entstehen. Sie ist keine Prognose.

Für einen laufenden Betrieb müssen zusätzlich Änderungen an Quellen, Schulung neuer Personen und Pflege der Vorlage berücksichtigt werden. Der Artikel zu Kosten je nutzbarem KI-Ergebnis übersetzt solche Aufwände in eine vollständige Kostenbetrachtung.

Nicht jede Aufgabe in einen gemeinsamen Durchschnitt werfen

Einfache Standardfälle und unvollständige Sonderfälle erzeugen häufig sehr unterschiedliche Prüfwege. Lege deshalb vor dem Versuch sinnvolle Fallklassen fest. Im Beispiel sind das vollständige Unterlagen, fehlende Pflichtangaben und widersprüchliche Angaben.

Ein fiktiver Versuch enthält acht Standardfälle mit jeweils vier Minuten Vorteil und zwei Sonderfälle mit jeweils zwölf Minuten Mehraufwand. Insgesamt bleiben acht Minuten Vorteil über zehn Fälle, also 0,8 Minuten je Vorgang. Der positive Gesamtwert verdeckt, dass der Sonderfall einen anderen Bearbeitungsweg braucht.

Berichte deshalb Fallzahl, Gesamtdauer und Qualität je Fallklasse. Wenn ein Sonderfall verworfen wird, bleibt seine verbrauchte Zeit in der Bilanz. Nur erfolgreich abgeschlossene KI-Vorgänge zu zählen, lässt einen Teil der Kosten verschwinden. Die Entscheidung über das Verwerfen einer Ausgabe gehört daher in die Messung.

Eine faire Prüfung organisieren

Beide Varianten brauchen dieselben Qualitätskriterien. Ein ungeprüfter KI-Text lässt sich nicht fair mit einem freigegebenen manuellen Text vergleichen. Ebenso verzerrt eine besonders gründliche Sonderprüfung nur auf einer Seite das Ergebnis. Definiere vorab, welche Felder und Aussagen bei jedem Weg geprüft werden.

Wenn dieselbe Person denselben Vorgang zweimal bearbeitet, kennt sie beim zweiten Durchgang bereits die Lösung. Verwende deshalb vergleichbare, unterschiedliche Fälle und wechsle die Reihenfolge der Methoden. Dokumentiere die Erfahrung der Beteiligten. Ein erster Umgang mit einem Werkzeug und ein eingespielter Arbeitsablauf sind verschiedene Untersuchungsbedingungen.

Eine kleine Prozessprobe liefert zunächst Hinweise für genau diesen Arbeitsbereich. Sie begründet keine unternehmensweite Prozentzahl. Wenn die Ergebnisse stark schwanken, zeige die einzelnen Werte und die Falltypen. Ein Gesamtmittel ohne Streuung vermittelt mehr Stabilität, als die Daten hergeben.

Was die Teamleitung aus dem Ergebnis ableitet

Ein hoher Prüfaufwand kann an fehlenden Quellenmarkierungen liegen. Er kann aber auch zeigen, dass die Aufgabe eine nicht dokumentierte Fachentscheidung verlangt. Im zweiten Fall spart eine bessere Formatierung kaum Zeit. Das Team muss die Regel klären oder die Aufgabe anders zuschneiden.

Die prüfende Person darf nicht dafür belohnt werden, möglichst schnell zu bestätigen. Sonst misst der Versuch möglicherweise eine sinkende Prüftiefe. Halte zusätzlich fest, wie viele fehlerhafte Angaben vor der Freigabe gefunden wurden und welche nach der Freigabe auffielen. Diese Werte brauchen eine gleichbleibende Definition und dürfen nicht als persönliche Rangliste dienen.

Für die nächste Entscheidung reicht ein kurzer Datensatz: Fallklasse, Methode, Vorbereitung, Erstellung, Prüfung, Nacharbeit, Freigabe, Ergebnisstatus und Fehlerart. Ein bestehendes Tabellenblatt genügt. Es muss klar sein, wer die Werte erfasst und wer die Qualitätsentscheidung trifft.

Unterbrechungen und fehlende Messwerte behandeln

Ein Zeitprotokoll muss zwischen aktiver Bearbeitung und Wartezeit unterscheiden. Wenn die prüfende Person zehn Minuten nach einer Fundstelle sucht, ist das aktive Prüfzeit. Wartet sie einen Tag auf eine fachliche Freigabe und bearbeitet währenddessen andere Aufgaben, gehört dieser Tag zur Durchlaufzeit. Er ist keine volle Arbeitszeit dieses Vorgangs. Beide Größen sind relevant, dürfen aber nicht addiert werden.

Ein brauchbarer Eintrag enthält Fall-ID, Arbeitsschritt, aktive Minuten, Unterbrechungsgrund und Abschlussstatus. Fehlt eine Messung, bleibt das Feld offen. Der fehlende Wert wird nicht als null in die Summe übernommen. Ein unvollständiger Fall kann separat ausgewiesen werden; die dokumentierte Stichprobe nennt dann ausdrücklich, welche Fälle nicht in den Zeitvergleich eingehen.

Im Beispiel fällt bei einem Sonderfall die erneute Prüfung auf den nächsten Tag. Wird nur die erste Sitzung gemessen, erscheint der KI-Weg künstlich schnell. Der Fall ist deshalb erst nach gleicher fachlicher Abnahme mit dem bisherigen Weg vergleichbar. Abgebrochene Versuche bleiben ebenfalls sichtbar, weil sie reale Arbeitszeit verbrauchen.

Für den ersten Versuch empfehle ich eine gemeinsame Zeitdefinition vor dem Start und eine kurze Kontrolle nach den ersten Fällen. Die Kontrolle klärt Erfassungsfehler. Sie verändert nicht nachträglich die Messregel, um ein günstigeres Ergebnis zu erzeugen. Eine notwendige Änderung wird als neue Messphase dokumentiert.

Ein belastbarer Bericht zum Versuch

Eine angemessene Aussage lautet im Beispiel: "Im fiktiven Standardfall verkürzt Variante B den aktiven Aufwand von 33 auf 29 Minuten bei gleicher Abnahme. Die einmalige Vorlagenerstellung ist darin nicht enthalten. Sonderfälle wurden separat betrachtet." Eine Aussage wie "KI spart zwölf Prozent" lässt die Bedingungen weg und ist deshalb für die Weitergabe ungeeignet.

Beende den Versuch mit einer konkreten Entscheidung: Variante übernehmen, weiter testen oder für diese Fallklasse stoppen. Notiere die nächste Änderung und den Prüfpunkt. Die Messung ist erst nützlich, wenn sie eine nachvollziehbare Prozessentscheidung ermöglicht.

Quellenstand: 22.10.2026. METR: Abstract der Studie sowie Methodengrenzen im Update vom Februar 2026 geprüft. Lee und Kollegen: Forschungszusammenfassung geprüft. Sämtliche Prozesszeiten und Rechnungen im Praxisfall sind eigene fiktive Beispiele.