Wenn KI mehr produziert, als Dein Team prüfen kann: Review-Kapazität planen

Plane KI-Arbeitspakete nach der verfügbaren Prüfkapazität Deines Teams. Wenn ein Assistent mehr Entwürfe erzeugt, als fachlich abgenommen werden können, wächst zunächst die Warteschlange. Der praktische Nutzen entsteht erst, wenn ein brauchbares Ergebnis rechtzeitig bei der nächsten zuständigen Person ankommt.

Für Teamleitungen verändert das die Frage nach Produktivität. "Wie viele Texte hat die KI erstellt?" beschreibt eine Aktivität. "Wie viele geprüfte Antworten haben wir innerhalb der benötigten Zeit fertiggestellt?" beschreibt einen nutzbaren Ausgang. Beide Zahlen können sich in unterschiedliche Richtungen bewegen.

Eine Untersuchung aus dem eigenen Betrieb von Anthropic gibt Anlass, genauer auf diese Übergabe zu schauen. Ich ordne den Befund ein und zeige anschliessend einen eigenen Planungsansatz für Büro- und Fachbereichsarbeit. Die Beispielzahlen sind frei gewählt und keine Prognose für Dein Team.

Was die Anthropic-Untersuchung aussagt

Nathan Wilmers und Mitautoren veröffentlichten am 16. Oktober 2026 eine interne Auswertung von Beschäftigung, KI-Nutzung und Arbeitsoutput, ergänzt um 17 Interviews. Anthropic berichtet für August ein Verhältnis interaktiver Agentenstunden zu menschlichen Arbeitsstunden von sechs zu eins. Agentenstunden basieren auf Laufzeit einschliesslich aktiver Werkzeugnutzung; menschliche Stunden auf Beschäftigtenzahl und angenommenen 40 Wochenstunden.

Der Bericht nennt zudem einen Anstieg der Commits pro Engineer auf das Fünffache innerhalb von sechs Monaten und beschreibt mehr Arbeit an Sichtbarkeit, Überwachung und Steuerung von Agentenabläufen.

Quelle: How employment is changing at Anthropic. Es ist eine Hersteller-Selbstauswertung eines besonders intensiven Anwenders. Laufzeit ist keine vergleichbare menschliche Arbeitsleistung; Commits messen keine vollständige Produktqualität. Unternehmenswachstum und weitere Veränderungen erschweren die kausale Zuordnung. Aus diesen Angaben folgt keine übertragbare Produktivitätsquote für Dein Unternehmen und keine belastbare Personalabbauempfehlung.

Ungeprüfter Output ist offene Arbeit

Meine Ableitung für die Teamorganisation: Führe KI-Ausgaben als offene Arbeit, bis die vereinbarten Abnahmekriterien erfüllt sind. Ein Entwurf erhält einen eigenen Status. Dadurch bleibt sichtbar, dass zwischen Erstellung und Nutzung weitere Arbeit liegt. Ohne diese Trennung taucht dieselbe Aufgabe im Dashboard als erledigt und im Posteingang des Prüfers als unerledigt auf.

Der Status muss beschreiben, was tatsächlich passiert ist. "Erstellt" bedeutet, dass ein Entwurf vorliegt. "Prüfbereit" bedeutet zusätzlich, dass die erforderlichen Quellen und Angaben vorhanden sind. "In Prüfung" setzt eine Übernahme voraus. "Freigegeben" braucht eine dokumentierte Entscheidung. "Verwendet" beschreibt den nachfolgenden Einsatz.

Diese Unterscheidung dient der Kapazitätsplanung. Sie macht niemanden automatisch zum Freigabeverantwortlichen. Die Zuständigkeit muss auch für die Urlaubsvertretung eindeutig dokumentiert sein. Die Teamleitung muss benennen, wer welche Art von Ergebnis beurteilt und welche Vertretung bei Abwesenheit übernimmt. Eine allgemeine Zuweisung an "das Team" lässt offen, wer die Warteschlange tatsächlich abbaut.

Miss Prüfzeit und Wartezeit getrennt

Prüfzeit ist aktive Arbeit: Quellen öffnen, Aussagen abgleichen, Fehler korrigieren und das Ergebnis abnehmen. Wartezeit ist die Zeit, in der ein prüfbereites Ergebnis auf Bearbeitung wartet. Ein Vorgang mit zehn Minuten Review kann zwei Tage liegen. Für den Empfänger zählen beide Grössen.

Erfasse zunächst pro Vorgang den Zeitpunkt der Prüfbereitschaft, den Prüfstart und den Abschluss. Ergänze die tatsächlich aufgewendeten Minuten. Unterbrechungen dürfen nicht pauschal als aktive Prüfzeit zählen. Eine einfache manuelle Liste reicht für einen begrenzten Test, sofern die Beteiligten dieselben Definitionen verwenden.

Ordne die Werte nach Aufgabenart. Ein internes Protokoll und eine verbindliche Kundenantwort brauchen unterschiedliche fachliche Kontrollen. Ein gemeinsamer Durchschnitt kann die anspruchsvollere Aufgabe verbergen. Der Beitrag zum Messen des KI-Prüfaufwands vertieft die Erfassung einzelner Vorgänge. Hier geht es darum, daraus eine Teamplanung abzuleiten.

Ein fiktives Rechenbeispiel für die Tageskapazität

Angenommen, zwei fachkundige Personen haben zusammen täglich 120 Minuten für das Review eines bestimmten Antworttyps reserviert. Im beobachteten Test dauert die aktive Prüfung im Durchschnitt zehn Minuten. Die rechnerische Kapazität liegt damit bei zwölf Ergebnissen am Tag. Das ist eine vereinfachte Planungsrechnung ohne Störungen oder schwankende Schwierigkeit.

Erzeugt das System täglich 20 neue prüfbereite Antworten, wächst der Bestand um acht Vorgänge pro Tag. Nach fünf gleichartigen Arbeitstagen liegen 40 zusätzliche Antworten in der Warteschlange. Ein schnellerer Generator verschärft in diesem Beispiel den Rückstand, solange die Prüfung unverändert bleibt.

Die erste Reaktion muss nicht mehr Personal sein. Prüfe, ob alle 20 Antworten gebraucht werden, ob das Eingangsmaterial vollständig ist und ob der Umfang der Entwürfe zum Zweck passt. Vier alternative Fassungen pro Vorgang erzeugen beispielsweise Vergleichsarbeit. Ein einziger auftragsgerechter Entwurf kann für denselben Zweck genügen.

Plane die zwölf rechnerischen Plätze nicht automatisch vollständig aus. Die passende Reserve hängt von Schwankungen und Dringlichkeit ab. Eine allgemein gültige Reservequote existiert für dieses Beispiel nicht. Die Teamleitung muss anhand eigener Beobachtungen festlegen, wie viele neue Vorgänge angenommen werden und wann ein Engpass gemeldet wird.

Begrenze die Menge vor dem Review

Ich empfehle eine Obergrenze für gleichzeitig offene KI-Arbeit. Das bedeutet: Neue Ausgaben entstehen nur, wenn ein prüfbarer Auftrag und ein realistischer Abnahmeweg existieren. Die Begrenzung kann zunächst organisatorisch erfolgen, etwa durch ein tägliches Paket mit benannter Prüferin oder benanntem Prüfer.

Die Obergrenze muss auf eine konkrete Warteschlange bezogen sein. "Maximal zehn offene Aufgaben im gesamten Unternehmen" passt selten zu unterschiedlichen Fachbereichen. Besser ist eine Grenze je vergleichbarer Aufgabenart und Zuständigkeit. Wenn sie erreicht ist, bleiben neue Anforderungen sichtbar im Eingang, statt als weitere Entwürfe verborgen weiterzuwachsen.

Dagegen spricht, dass eine Mengenbegrenzung die technische Auslastung senkt. Das ist ein realer Zielkonflikt, wenn Laufzeitfenster knapp sind. Dann prüft ihr, ob vorgezogene Erstellung und spätere Abnahme wirtschaftlich sinnvoll sind. Voraussetzung bleibt, dass Aktualität, Speicherbedarf und Verfallsrisiko der Entwürfe berücksichtigt werden.

Besonders zeitabhängige Ausgaben brauchen ein Ablaufdatum. Eine Antwort auf Grundlage eines alten Lieferstands lässt sich nicht beliebig lange prüfen und anschliessend versenden. Vor ihrer Nutzung muss der relevante Stand erneut abgeglichen werden. Das macht die Warteschlange selbst zu einem Qualitätsrisiko.

Mache Ergebnisse wirklich prüfbereit

Ein langer Text ohne Quellen ist häufig noch nicht prüfbereit. Die prüfende Person muss zuerst rekonstruieren, aus welchem Dokument eine Zahl stammt. Diese Rekonstruktion verschiebt Arbeit in den Review-Schritt. Definiere deshalb, welche Informationen eine Ausgabe für die Übergabe mitbringen muss.

Für einen Antwortentwurf empfehle ich den Auftrag, die verwendeten Quellen mit Stand, die offenen Angaben und die eigentliche Fassung. Bei einer Tabellenanalyse gehören die Auswahlregeln und Kontrollsummen dazu. Bei einer vorgeschlagenen Systemänderung muss ein Vergleich von vorher und nachher sichtbar sein.

Der Umfang richtet sich nach dem Fehler, den der Prüfer erkennen muss. Vollständige Rohprotokolle bei jeder kleinen Textkorrektur überladen die Übergabe. Eine einzelne Zusammenfassung bei einer umfangreichen Änderung versteckt möglicherweise relevante Details. Prüft mit einer zweiten fachkundigen Person, ob sie den Vorgang ohne mündliche Nachlieferung nachvollziehen kann.

Die Wartungsaufgaben mit KI-Agenten zeigen diesen Übergabepunkt an Änderungsvorschlägen. Dort ist das geprüfte Ergebnis ein abgenommener Eingriff; im Büro ist es häufig ein freigegebener Entwurf. In beiden Fällen muss das Paket die Abnahme ermöglichen.

Priorität braucht eine fachliche Regel

Die Reihenfolge einer Warteschlange darf nicht allein davon abhängen, welche Ausgabe zuletzt fertig wurde. Lege fest, welche Termine und Fehlerfolgen Vorrang haben. Eine fristgebundene Antwort benötigt möglicherweise früheres Review als eine interne Ideensammlung, auch wenn die Ideensammlung zuerst vorliegt.

Vermeide dabei eine unkontrollierte Dringlichkeitsstufe, die jeder Vorgang erhält. Eine Prioritätsregel braucht überprüfbare Gründe: bestätigte Frist, blockierter Folgeprozess oder benannte Auswirkung. Fehlt diese Grundlage, bleibt der Vorgang in der normalen Reihenfolge.

Eine zuständige Person muss Prioritätskonflikte entscheiden. Der Agent kann Hinweise sammeln, darf aber aus sprachlicher Dringlichkeit keine neue verbindliche Zusage erfinden. "Bitte sofort" in einer Nachricht ist ein Eingangssignal. Die tatsächliche Bearbeitungszusage folgt aus der vereinbarten Zuständigkeit und Kapazität.

Automatisiere Kontrollen nur mit einem eigenen Qualitätstest

Automatische Prüfungen können Menschen entlasten, etwa durch Formatkontrolle, fehlende Pflichtfelder oder den Abgleich von Summen. Diese klaren Kontrollen lassen sich separat prüfen. Ein zweites Sprachmodell, das eine Antwort für gut erklärt, liefert dagegen zunächst ein weiteres Urteil mit eigenen Fehlerquellen.

Teste einen automatischen Prüfer mit bekannten korrekten und fehlerhaften Fällen. Besonders relevant sind falsch akzeptierte Ergebnisse. Wenn der Prüfer zehn offensichtliche Tippfehler erkennt, aber eine unbelegte Terminzusage übersieht, passt er nicht als alleinige Freigabe für diesen Antworttyp.

Die Automatisierung der Prüfung verändert zudem den Restaufwand. Menschen erhalten möglicherweise seltener einfache Fälle und häufiger schwierige Ausnahmen. Die durchschnittliche manuelle Prüfzeit steigt dann, obwohl der Gesamtaufwand sinkt. Deshalb müssen Fallmix, Menge und Gesamtdauer gemeinsam betrachtet werden.

Nutze Nacharbeit für die nächste Schulung

Ein Review-Protokoll liefert Lernstoff, wenn es Fehler konkret beschreibt. "Schlechte Antwort" hilft wenig. "Quelle nicht beigefügt", "Termin ohne Bestätigung übernommen" oder "Auftrag um zusätzliche Empfehlung erweitert" benennt eine bearbeitbare Ursache. Die Einteilung muss zum tatsächlichen Arbeitsablauf passen.

Wähle für eine kurze Übung einen häufigen Fehler und einen neuen, vergleichbaren Fall. Mitarbeiter erstellen oder korrigieren den Auftrag und prüfen die anschliessende Ausgabe. Der Lernerfolg zeigt sich daran, dass die relevante Grenze auch im neuen Fall erkannt wird. Eine auswendig gelernte Formulierung reicht dafür nicht.

Im KI-Pilot für Mitarbeiter liegt der Fokus auf solchen Arbeitsaufgaben und ihrer Prüfung. Die Schulung muss zum tatsächlichen Engpass passen: fehlende Quellenkenntnis braucht einen anderen Ansatz als unklare Zuständigkeit oder ein überlasteter Freigabeweg.

Trefft die Entscheidung nach einem begrenzten Beobachtungszeitraum

Die Teamleitung legt vor dem Test fest, wann sie Eingang, Bestand, Abnahmen und Nacharbeit gemeinsam betrachtet. Der Zeitraum muss typische Aufgaben und verfügbare Prüfer abbilden. Eine ruhige Einzelstunde ersetzt keine Beobachtung eines wiederkehrenden Ablaufs mit Vertretung und Unterbrechungen.

Vergleicht danach den bisherigen Weg mit dem KI-gestützten Weg. Bleibt der Bestand beherrschbar? Werden Fristen eingehalten? Sinkt der Gesamtaufwand bei vergleichbarer Qualität? Werden schwierige Fälle nachvollziehbar weitergegeben? Haltet auch fest, welche Voraussetzung noch fehlt.

Aus diesen Antworten folgt eine konkrete Entscheidung: Umfang halten, Auftrag vereinfachen, Prüfung verbessern oder Einsatz begrenzen. Mehr erzeugte Ausgaben allein begründen keine Erweiterung. Die nächste Stufe beginnt erst, wenn der Abnahmeweg mitwächst.

Quellenstand: 23. Oktober 2026. Die Anthropic-Originalveröffentlichung wurde gelesen. Kapazitätsrechnung, Statusmodell und Teamablauf sind eigene redaktionelle Vorschläge; eine Wirkung im konkreten Unternehmen ist damit nicht nachgewiesen.