KI-Zeitersparnis messen: Was nach Prüfung und Nacharbeit übrig bleibt

KI spart bei einer Aufgabe erst dann Arbeitszeit, wenn der gesamte Ablauf weniger Aufwand braucht. Zur Rechnung gehören die Vorbereitung, die Bearbeitung, die Prüfung und alle nötigen Korrekturen. Ein schneller Entwurf allein beantwortet die Frage nach der Entlastung nicht.

Dieser Leitfaden hilft dir, einen begrenzten Arbeitsablauf im Team zu vergleichen. Die Arbeitsbeispiele und ihre Rechenwerte sind fiktiv. Sie erklären die Auswertung und belegen keine gemessene Wirkung eines KI-Werkzeugs oder einer Beratung. Davon getrennt stehen die ausdrücklich belegten Forschungszahlen.

Was die Forschung zur KI-Produktivität tatsächlich zeigt

Die Frage "Wie viel Zeit spart KI?" hat ohne Aufgabe, Nutzergruppe und Qualitätsmassstab keine eindeutige Antwort. Drei Forschungsansätze zeigen, warum Prozentzahlen aus verschiedenen Studien nicht direkt vergleichbar sind.

Noy und Zhang untersuchten 2023 berufstypische Schreibaufgaben in einem randomisierten Experiment mit 453 akademisch ausgebildeten Personen. Nach der Darstellung der Studie durch das MIT sank die durchschnittliche Bearbeitungszeit mit ChatGPT um 40 Prozent; die bewertete Qualität stieg um 18 Prozent. Es ging um begrenzte Schreibaufgaben, nicht um vollständige betriebliche Prozesse. Das MIT nennt selbst die eingeschränkte Anforderung an faktische Präzision und organisationsspezifischen Kontext. Der Verlagsvolltext war bei meiner Prüfung nicht abrufbar; die Zahlen sind gegen den Bericht der beteiligten Hochschule geprüft. Sie sind keine Prognose für deine Kundenkommunikation.

Brynjolfsson, Li und Raymond untersuchten in Generative AI at Work, überarbeitete Fassung von November 2024 die gestaffelte Einführung einer Assistenz bei 5.172 Supportmitarbeitern. Die gelösten Anliegen je Stunde stiegen im Mittel um 15 Prozent. Unterschiede nach Erfahrung waren erheblich. Das ist eine betriebliche Untersuchung mit anderem Design als das Schreibexperiment. Die Messgrösse ist Durchsatz, keine direkt gemessene Verkürzung jeder einzelnen Aufgabe. Frühere Fassungen berichteten abweichende Stichproben und rund 14 Prozent; dieser Artikel bezieht sich ausdrücklich auf die verlinkte Fassung.

METR untersuchte 2025 16 erfahrene Open-Source-Entwickler bei 246 realen Aufgaben in vertrauten Projekten. Die Aufgaben wurden zufällig einer Bedingung mit oder ohne erlaubte KI-Nutzung zugeordnet. Mit den damals untersuchten Werkzeugen benötigten die Entwickler durchschnittlich 19 Prozent mehr Zeit. METR begrenzt den Befund auf dieses Umfeld und diesen Werkzeugstand. Daraus folgt keine allgemeine Aussage, dass KI Programmierer verlangsamt.

Auch dieser Befund braucht einen aktuellen Nachtrag: Im Methodenupdate vom Februar 2026 beschreibt METR Auswahlverzerrungen der Folgestudie. Unter anderem wollten manche Entwickler nicht mehr ohne KI arbeiten; parallele Agentennutzung erschwerte die Zeitmessung. Die Forschenden bewerten die neuen Daten deshalb als unzuverlässiges Signal für den aktuellen Produktivitätseffekt. Die alte Zahl ist somit kein unveränderlicher Stand der Technik.

Meine praktische Schlussfolgerung aus den unterschiedlichen Untersuchungen: Übernimm das Messprinzip, nicht die Ergebniszahl. Eine Aufgabenstudie zeigt einen Effekt unter bestimmten Bedingungen. Für dein Team musst du Arbeitsumfang, Qualitätsprüfung, Erfahrung und Werkzeugstand selbst dokumentieren.

Zeitgewinn, Durchsatz und wirtschaftlicher Nutzen unterscheiden

Eine Verkürzung von 20 auf 16 Minuten entspricht 20 Prozent weniger Zeit pro Vorgang. Bei vollständig ausgelasteter Arbeit und unveränderten Bedingungen steigt der rechnerische Durchsatz von drei auf 3,75 Vorgänge je Stunde, also um 25 Prozent. Die Prozentsätze unterscheiden sich, obwohl sie dieselbe Veränderung beschreiben. Deshalb darf ein Bericht "mehr Vorgänge je Stunde" nicht ungeprüft in "gleich viel Prozent weniger Arbeitszeit" umbenennen.

Im Team kommt eine weitere Ebene hinzu. Wenn die Entwurfserstellung schneller wird, die fachliche Freigabe aber den Engpass bildet, steigt die Menge abgeschlossener Vorgänge möglicherweise nicht. Stattdessen wächst der Stapel wartender Entwürfe. Prüfe daher sowohl den Aufwand je Vorgang als auch die Zahl fachlich abgeschlossener Vorgänge im betrachteten Zeitraum.

Wirtschaftlicher Nutzen entsteht erst über eine benannte Verwendung. Gewonnene Minuten erlauben beispielsweise zusätzliche Bearbeitung, kürzere Reaktionszeiten oder weniger Überstunden. Welche dieser Wirkungen tatsächlich eintritt, muss separat gemessen werden. Die Zeitmessung liefert eine Kapazitätsrechnung; sie ersetzt keine Ergebnis- oder Kostenrechnung.

Lege zuerst fest, wann die Arbeit beginnt und endet

Nimm eine wiederkehrende Aufgabe, deren Ergebnis eine Fachkraft beurteilen kann. Für unser Beispiel lautet sie: Aus einer freigegebenen Kundenanfrage und einer Leistungsbeschreibung eine intern freigegebene Antwort vorbereiten. Der Ablauf beginnt mit dem Lesen der Anfrage. Er endet mit dem fachlich geprüften Antwortentwurf. Der Versand gehört in diesem Beispiel nicht zum untersuchten Ablauf.

Die Grenze muss bei beiden Arbeitsweisen gleich bleiben. Wenn du ohne KI die Recherche mitzählst und mit KI nur die Texterstellung misst, vergleichst du verschiedene Aufgaben. Auch Rückfragen und Korrekturen dürfen nicht auf den nächsten Kollegen ausgelagert werden und dann aus der Rechnung verschwinden.

Halte vor dem Versuch schriftlich fest:

• Welche Aufgabe wird bearbeitet und welche Fälle gehören dazu?
• Welches Ausgangsmaterial ist in beiden Arbeitsweisen verfügbar?
• Was muss am Ergebnis stimmen, bevor es als fertig zählt?
• Welche Person prüft die fachliche Qualität?
• Welche Tätigkeiten und Wartezeiten werden getrennt erfasst?

Arbeitszeit und Durchlaufzeit getrennt messen

Arbeitszeit ist die aktive Zeit der beteiligten Menschen. Durchlaufzeit ist die Zeit vom Beginn bis zum Ende des Vorgangs, einschliesslich Warten. Beide Werte beantworten verschiedene Fragen.

Eine KI kann einen Entwurf schnell liefern. Wenn die Freigabe erst am nächsten Tag erfolgt, bleibt die Durchlaufzeit lang. Umgekehrt kann eine schnellere Übergabe die Durchlaufzeit senken, obwohl die aktive Bearbeitungszeit kaum sinkt. Vermische die Werte nicht zu einer einzigen vermeintlichen Ersparnis.

Wenn mehrere Menschen mitarbeiten, addierst du ihre aktive Arbeitszeit. Parallel ausgeführte Arbeit zählt bei der Arbeitszeit für beide Personen. Die Durchlaufzeit wird dagegen an den Start- und Endzeitpunkten des gesamten Vorgangs gemessen.

Einen fairen Vergleich vorbereiten

Formuliere vor Beginn eine lokale Untersuchungsfrage: "Verringert unsere freigegebene Vorlage den vollständigen aktiven Aufwand für Standardanfragen, ohne die festgelegte fachliche Qualität zu verschlechtern?" Damit ist klar, welche Aufgabe und welche Entscheidung untersucht werden. Eine allgemeine Frage nach der Leistungsfähigkeit von KI ist für diesen Versuch zu gross.

Lege die Fallklassen anhand erkennbarer Merkmale fest, bevor du die Ergebnisse kennst. Vollständigkeit, Zahl der Positionen und notwendige Rückfragen sind mögliche Merkmale. Wenn du erst nachträglich schwierige KI-Fälle als Sonderfälle ausschliesst, passt du den Vergleich an das gewünschte Ergebnis an. Ausgeschlossene Fälle brauchen deshalb eine vorab formulierte Regel und eine dokumentierte Anzahl.

Nutze nach Möglichkeit vergleichbare neue Fälle und verteile sie innerhalb der Fallklassen zufällig auf beide Arbeitsweisen. Lass erfahrene und weniger erfahrene Personen in beiden Bedingungen vorkommen. Eine Auswertung, in der nur die geübteste Person KI nutzt, trennt Werkzeugwirkung und Personenunterschied nicht. Wenn eine zufällige Zuordnung im Betrieb nicht möglich ist, dokumentiere das gewählte Verfahren und seine Grenzen.

Eine Übungsphase kann vor der eigentlichen Messung liegen. Erfasse ihren Aufwand als Einführungskosten. Vermische die ersten Orientierungsversuche nicht still mit einer später eingespielten Routine. Umgekehrt darf die Übungszeit nicht aus einer Gesamtrechnung verschwinden. Halte beide Phasen mit ihrem Zweck auseinander.

Es gibt keine universelle Mindestzahl von zehn oder dreissig Fällen, die einen zuverlässigen Wirksamkeitsnachweis garantiert. Die benötigte Zahl hängt von der Streuung, der erwarteten Differenz und dem Entscheidungsrisiko ab. Ein kleiner Durchlauf eignet sich zunächst, um Messlücken und häufige Fehler zu finden. Für belastbare statistische Aussagen braucht es ein zum Design passendes Verfahren und eine begründete Fallzahlplanung.

Nutze ein Messblatt pro Vorgang

Die beiden Zeilen sind ein Rechenbeispiel, kein ausgeführter Vergleich. In einer tatsächlichen Messung muss die Fallauswahl dokumentiert sein. Die Bezeichnung "Standardanfrage" allein beweist noch keine Vergleichbarkeit.

Du brauchst im Messblatt auch Platz für Werkzeug beziehungsweise Version, Datum und Besonderheiten. Wenn die Vorbereitung in der KI-Variante länger dauert, muss genau das sichtbar bleiben. Ein fehlender Zeitwert ist nicht null. Der Vorgang bleibt für die Zeitrechnung unvollständig, bis die Angabe geklärt ist.

Rechne den vollständigen Aufwand

Im bisherigen Ablauf ergeben sich 6 + 12 + 5 + 2 = 25 Minuten aktive Arbeitszeit. Mit KI ergeben sich 8 + 3 + 9 + 4 = 24 Minuten. Die Differenz beträgt eine Minute pro vergleichbarem Vorgang.

Wer nur die Bearbeitung betrachtet, sieht zwölf statt drei Minuten und meldet neun Minuten Gewinn. Die zusätzliche Vorbereitung, Prüfung und Nacharbeit verbrauchen in diesem Beispiel acht dieser Minuten. Übrig bleibt eine Minute.

Die Grundrechnung lautet:

Zeitdifferenz je Vorgang = vollständige aktive Arbeitszeit ohne KI minus vollständige aktive Arbeitszeit mit KI.

Ein negativer Wert bedeutet zusätzlichen Aufwand. Das ist ein brauchbares Ergebnis, wenn es korrekt ermittelt wurde. Der Zweck des Versuchs ist eine Entscheidung über diesen Ablauf.

Angenommen, die Differenz von einer Minute trifft später auf 40 tatsächlich geeignete und mit dem neuen Ablauf bearbeitete Vorgänge pro Woche zu. Dann ergeben sich rechnerisch 40 Minuten freie Kapazität. Diese Hochrechnung bleibt ein Szenario, solange Fallzahl und Vergleichbarkeit nicht gemessen sind.

Fallen zusätzlich 30 Minuten pro Woche für die Pflege der Arbeitsvorlage an, bleiben im Szenario zehn Minuten. Einmaliger Schulungs- und Einrichtungsaufwand wird separat ausgewiesen. So bleibt erkennbar, ob du über den laufenden Betrieb oder die gesamte Investition sprichst.

Freie Kapazität ist nicht automatisch eine Kostenersparnis. Für eine Kostenrechnung müssen zusätzlich tatsächlich veränderte Ausgaben oder eine nachvollziehbare Verwendung der gewonnenen Zeit betrachtet werden. Die Multiplikation mit einem Stundensatz allein beweist keinen gesunkenen Personalaufwand in der Buchhaltung.

Qualität darf nicht aus der Rechnung verschwinden

Definiere die fachlichen Kriterien vor dem Test. Für die Kundenantwort im Beispiel gelten folgende Anforderungen: Leistungsangaben stimmen mit der freigegebenen Beschreibung überein; Termine und Preise werden nicht erfunden; offene Fragen bleiben sichtbar; die Antwort enthält keine nicht freigegebenen Zusagen.

Ein Entwurf mit falschem Preis ist noch kein akzeptiertes Ergebnis. Erfasse deshalb neben der Zeit, ob der Vorgang die Prüfung bestanden hat und welche Korrekturen nötig waren. Wenn der Versuch abgebrochen wird und eine Person die Aufgabe vollständig neu erledigt, gehört auch dieser Aufwand in die Betrachtung.

Zeige die Zahl begonnener, akzeptierter und abgebrochener Vorgänge getrennt. Nur die gelungenen Fälle auszuwerten verzerrt den Eindruck. Umgekehrt dürfen einmalige Lernprobleme nicht ohne Kennzeichnung als dauerhafter Betriebszustand erscheinen.

Vergleiche passende Fälle

Eine einfache Anfrage und ein widersprüchlicher Sonderfall brauchen unterschiedlich viel Arbeit. Teile die Vorgänge deshalb vor der Auswertung in wenige fachlich sinnvolle Gruppen. Zum Beispiel: vollständige Standardanfrage, Anfrage mit fehlender Angabe und Anfrage mit widersprüchlichen Unterlagen.

Zeige je Gruppe die Anzahl der Fälle, die akzeptierten Ergebnisse und die gemessenen Zeiten. Mittelwert und Median beschreiben unterschiedliche Aspekte. Der Median hilft beim Blick auf einen typischen Fall; der Mittelwert berücksichtigt den gesamten erfassten Aufwand. Keiner der beiden Werte ersetzt den Blick auf seltene, teure Fehler.

Auch die Versuchsanordnung beeinflusst das Ergebnis. Wer dieselbe Aufgabe erst ohne KI und danach mit KI bearbeitet, kennt beim zweiten Durchlauf bereits den Inhalt. Dokumentiere solche Lerneffekte. Für einen ersten betrieblichen Test eignen sich vergleichbare Aufgaben mit vorab festgelegter Zuordnung. Ein kleiner Praxistest liefert eine lokale Entscheidungsgrundlage, keinen allgemeinen Wirksamkeitsnachweis.

Eine vollständige Auswertung an zwei Fallklassen

Erweitern wir das fiktive Rechenbeispiel um einen zweiten Falltyp. Die folgenden Zahlen sind frei gesetzte Szenariowerte, keine Stichprobe und keine Ergebnisse eines Versuchs. Alle Minuten umfassen Vorbereitung, Bearbeitung, Prüfung und Nacharbeit bis zum akzeptierten Abschluss.

Die Standardfälle allein sehen positiv aus. Im gesamten Szenario benötigt die neue Arbeitsweise jedoch 30 Minuten mehr. Mit zusätzlichen 30 Minuten Pflege entstehen 60 Minuten Mehraufwand pro Woche. Die passende Entscheidung lautet deshalb nicht "KI spart eine Minute", sondern: Die geprüfte Arbeitsweise passt möglicherweise nur zu einer begrenzten Fallklasse. Vor einer solchen Begrenzung muss das Team allerdings die Fallklasse zuverlässig erkennen können.

Eine vorgeschaltete Klassifikation verursacht selbst Aufwand. Wenn das Erkennen der geeigneten Fälle insgesamt 15 Minuten pro Woche benötigt, sinkt der Gewinn des reinen Standardfall-Szenarios von zehn Minuten nach Pflege auf minus fünf Minuten. Dieser zusätzliche Schritt muss in die Rechnung, auch wenn ihn eine andere Rolle übernimmt.

Prüfe die Empfindlichkeit der Rechnung. Bei 40 Standardfällen und 30 Minuten Pflege liegt der rechnerische Ausgleich ohne Einführungskosten bei 0,75 Minuten Gewinn je Fall. Eine gemessene Differenz nahe dieser Grenze trägt keine weitreichende Investitionsentscheidung, wenn die Zeiten stark schwanken. Zeige dann mehrere plausible Werte und dokumentiere, welche Angaben noch unsicher sind.

Für eine Rechnung über mehrere Wochen trennst du den einmaligen Aufwand vom wiederkehrenden Ergebnis. Ein rein fiktiver Einführungsaufwand von 600 Minuten amortisiert sich bei dauerhaft zehn Minuten Nettoentlastung je Woche rechnerisch nach 60 Wochen. Diese Zahl setzt unveränderte Fallzahlen, Qualität und Pflege voraus. Sie ist eine Szenariorechnung, kein beobachteter Rückfluss.

Die Fallklassen-Rechnung als CSV enthält Fallzahlen, Minuten und die daraus berechneten Klassensummen. Pflege, Klassifikation und Einführungskosten stehen im Artikel separat, damit sie nicht doppelt in die Fallwerte eingehen.

Unsicherheit und Qualität gemeinsam auswerten

Berichte je Fallklasse die Fallzahl und die Verteilung der Zeiten. Ein einzelner Mittelwert lässt offen, ob fast alle Fälle etwas schneller laufen oder wenige sehr schnelle Fälle mehrere teure Ausnahmen verdecken. Zeige zusätzlich Median, Spannweite und die Zahl der Abbrüche. Eine Spannweite ist kein Konfidenzintervall und beschreibt keine Sicherheit des geschätzten Effekts.

Wenn mehrere Fälle von derselben Person stammen, sind sie nicht automatisch voneinander unabhängige Beobachtungen. Erfahrung, Arbeitsstil und Aufgabenverteilung verbinden sie. Für eine statistische Auswertung muss diese Struktur berücksichtigt werden. Bei einem kleinen internen Versuch ist eine ehrliche, beschreibende Auswertung oft hilfreicher als eine scheinpräzise Prozentzahl mit unpassender Berechnung.

Beurteile Qualität möglichst ohne Kenntnis der verwendeten Arbeitsweise. Dazu erhält die Prüfperson einheitlich formatierte Ergebnisse und die benötigten Quellen. Diese Verblindung ist nicht immer vollständig möglich; halte verbleibende Hinweise auf die Arbeitsweise fest. Verwende dieselben fachlichen Kriterien für beide Bedingungen.

Erfasse auch nachgelagerte Fehler innerhalb eines vorher festgelegten Beobachtungsfensters. Eine Rückfrage am Folgetag gehört zum Vorgang, wenn sie aus einer unvollständigen Antwort entsteht. Lege fest, bis wann solche Korrekturen nachgetragen werden. Ein kürzeres Beobachtungsfenster für KI-Ergebnisse erzeugt einen unfairen Vergleich.

Ein nicht akzeptiertes Ergebnis bleibt im Aufwandsregister. Wenn es manuell neu erstellt wird, zählt die gesamte Zeit beider Versuche. Neben dem Aufwand je begonnenem Vorgang ist der Aufwand je akzeptiertem Abschluss hilfreich. Beide Werte brauchen ihren Nenner; eine Kennzahl ohne Angabe, welche Vorgänge enthalten sind, lässt sich nicht fachlich prüfen.

Triff eine begrenzte Entscheidung

Nach der Auswertung muss klar sein, für welche Fälle der Ablauf weiterverwendet wird. Eine passende Entscheidung lautet beispielsweise: "Für vollständige Standardanfragen testen wir die Vorlage weiter. Bei fehlenden Leistungsangaben bleibt die manuelle Klärung bestehen. Die Prüfzeit wird im nächsten Durchlauf erneut erfasst."

Lege keine universelle Mindestquote für den Zeitgewinn fest. Der nötige Nutzen hängt vom Aufwand, von den Fehlerfolgen und vom Ziel des Teams ab. Manche Aufgaben profitieren durch vollständigere Ergebnisse oder weniger Rückfragen. Diese Wirkung braucht eigene Kriterien und darf nicht als Zeitersparnis umbenannt werden.

Beende den Versuch mit einem kurzen Vermerk: untersuchter Umfang, Datenstand, Anzahl der Fälle, Qualitätsbefund, Zeitvergleich, offene Grenzen und nächste Entscheidung. Eine tatsächlich beobachtete Verschlechterung ist ein Grund, die Aufgabe, die Vorlage oder den KI-Einsatz zu ändern.

Weiterarbeiten

Die Auswahl einer passenden Büroaufgabe grenzt den ersten Versuch ein.

Die Checkliste zur Ergebnisprüfung hilft bei der fachlichen Abnahme.

Die Kostenrechnung für KI-Arbeitsabläufe ergänzt Lizenzen und Einrichtung.

Wenn ihr die Arbeitsweise gemeinsam im Team aufbauen und prüfen wollt, beschreibt im Erstgespräch eine wiederkehrende Aufgabe und den heutigen Prüfaufwand. Vertrauliche Kundenunterlagen sind für diese erste Beschreibung nicht nötig.

Messblatt herunterladen und ausfüllen

Das leere Messblatt als CSV enthält die Erfassungsfelder für einen Vorgang. Importiere es in Excel mit Semikolon als Trennzeichen. Ergänze für jede beteiligte Person eine Zeile mit derselben Vorgang-ID; addiere deren aktive Minuten einmal je Vorgang. Erfasse Start und Ende des Gesamtvorgangs separat. Die Datei berechnet keine Summen automatisch. Das Rechenbeispiel als CSV enthält die beiden fiktiven Vergleichszeilen.

Halte zusätzlich die Zahl der begonnenen und abgebrochenen Vorgänge fest. Prüfe vor der Auswertung, ob alle beteiligten Rollen ihre Zeiten eingetragen haben. Für eine Woche rechnest du mit den tatsächlich bearbeiteten Fällen statt mit allen theoretisch möglichen Aufgaben. Der Artikel über Nacharbeit bei Kollegen zeigt, wie du ausgelagerten Aufwand an Übergaben erkennst.

Quellen und Einordnung

Die Messvorlage, beide Szenarien und die vorgeschlagenen Entscheidungsregeln sind eigene redaktionelle Arbeitsmittel. Die Forschungsbefunde sind jeweils am verwendeten Stand und Untersuchungsdesign eingeordnet. BetterUp Labs beschreibt unter dem Begriff Workslop KI-Inhalte, deren fehlende Substanz zusätzliche Arbeit bei Empfängern erzeugt. Das ist der Themenanlass für die vollständige Aufwandserfassung. Aus dieser Quelle leite ich keine Einsparquote für dein Team ab. Quellenprüfung: 21.10.2026.

Für die gemeinsame Umsetzung beschreibt der KI-Team-Pilot den Rahmen der Zusammenarbeit. Bringe eine wiederkehrende Aufgabe und die heutigen Prüfschritte ins Gespräch ein.