KI · Produktivität · Rechner
Wie viel Routinearbeit spart KI? Ein Rechner auf Basis von Studien
Die Studien zeigen sehr unterschiedliche Zahlen – von knapp 3 % bis über 40 %. Statt einer einzigen Zahl gibt der Rechner drei Szenarien aus, jeweils mit Quelle, in Stunden und Euro für Ihr Team.
Der Rechner
Tragen Sie Teamgröße und Routinestunden ein, wählen Sie Ihre Branche – die Stundenkosten kommen aus der Destatis-Statistik und lassen sich überschreiben. Werkzeug- und Einführungskosten sind meine Annahmen: Bitte ersetzen Sie sie durch Ihre eigenen Werte. Die Berechnung läuft komplett im Browser, es werden keine Daten übertragen.
Ergebnis
| Szenario | Stunden gespart / Monat | Wert / Monat | Netto / Monat (nach Werkzeugkosten) | Netto im 1. Jahr | Amortisation |
|---|---|---|---|---|---|
| Vorsichtig (2,8 % · Humlum & Vestergaard) | – | – | – | – | – |
| Typisch (14 % · Brynjolfsson et al.) | – | – | – | – | – |
| Optimistisch (25 % · Dell’Acqua et al.) | – | – | – | – | – |
Modellrechnung, keine Prognose. Grundlage: 46 Arbeitswochen pro Jahr; der Anteil „gespart“ wird auf Ihre Routinestunden angewendet.
So lesen Sie das Ergebnis
- Vorsichtig (2,8 %): der gemessene Durchschnitt über alle Arbeitsstunden in Dänemark. Hier wird er auf Ihre Routinestunden angewendet – die Schätzung ist also bewusst sehr konservativ.
- Typisch (14 %): Produktivitätsgewinn im Kundenservice einer echten Firma, gemessen an über 5 000 Beschäftigten.
- Optimistisch (25 %): Geschwindigkeitsgewinn bei Aufgaben, die gut zu KI passen (Harvard/BCG-Experiment).
Die Studien im Überblick
| Quelle | Gemessen | Ergebnis |
|---|---|---|
| Brynjolfsson, Li, Raymond (NBER) | Kundenservice, 5 179 Beschäftigte | +14 % gelöste Fälle pro Stunde; +34 % bei Neulingen, kaum Effekt bei Erfahrenen |
| Noy & Zhang (Science 2023) | Schreibaufgaben, 453 Fachkräfte | Zeit −40 %, Qualität +18 % |
| Dell’Acqua et al. (Harvard/BCG) | 758 Wissensarbeiter, 18 Aufgaben | +12,2 % Aufgaben, 25,1 % schneller; bei einer Aufgabe außerhalb der KI-Grenze 19 % weniger richtige Lösungen |
| Peng et al. (GitHub Copilot) | Eine Programmieraufgabe im Experiment | 55,8 % schneller (Laborwert) |
| METR (2025) | 16 erfahrene Entwickler in ihren eigenen großen Projekten | 19 % langsamer mit KI – bei gefühlter Ersparnis von 20 % |
| Humlum & Vestergaard (Dänemark, 2025) | 25 000 Beschäftigte, 11 Berufe | Im Schnitt 2,8 % der Arbeitszeit gespart, keine signifikanten Effekte auf Einkommen und Stunden |
| Destatis (29.04.2026) | Arbeitskosten je Stunde 2025 | 45,00 € im Durchschnitt (Schätzung), je nach Branche 27,40 € bis 69,70 € |
Der Blick nach vorn: Was diese Zahlen für IT-Berufe in 10–20 Jahren bedeuten könnten, steht in Die Welt in 10–20 Jahren: drei Szenarien. Ein Beispiel für KI mit menschlicher Kontrolle ist KI-Content mit Human-in-the-Loop.
Grenzen der Rechnung
- Labor ist nicht Alltag: Die hohen Werte stammen aus Experimenten mit ausgewählten Aufgaben. Im echten Betrieb liegen die Zahlen deutlich niedriger.
- Nicht jeder profitiert gleich: Neulinge gewinnen mehr als Erfahrene, und bei Aufgaben außerhalb der Stärken der KI sinkt die Qualität. Wer nur das Tempo misst, übersieht Prüf- und Korrekturzeit.
- Gefühl ist kein Messwert: In der METR-Studie glaubten die Entwickler, schneller zu sein, waren es aber nicht. Messen Sie Ihre eigenen Aufgaben, bevor Sie hochrechnen.
- Die Stundenkosten sind ein Durchschnitt: Destatis schätzt die Werte für 2025 aus der Arbeitskostenerhebung 2020 hoch. Sie enthalten auch Lohnnebenkosten.
Was ich selbst damit mache
Bei PflegeOasis erzeugt eine KI die Entwürfe der Ratgeber-Artikel offline, ein Mensch prüft jeden Text vor der Veröffentlichung. Die KI beschleunigt die Arbeit, die Verantwortung bleibt beim Menschen – Prüf- und Korrekturzeit gehört deshalb zur Rechnung. Mehr dazu in der Notiz KI-Content mit Human-in-the-Loop.
Weiterlesen
KI · LLM · Content-Pipeline
KI-Content mit Human-in-the-Loop: 200+ Ratgeber-Artikel mit LLM-Entwürfen
Bei Pflegerecht sind KI-Fehler nicht akzeptabel. So nutze ich ein Sprachmodell als Schreibhilfe, ohne ihm die Verantwortung zu geben.
Case Study · Gesundheit · Ratgeber
PflegeOasis: Pflegegrad-Rechner, Widerspruch-Generator und KI-Content mit menschlichem Review
Ein kostenloses Portal, das Angehörigen hilft, sich im deutschen Pflegesystem zurechtzufinden – mit Rechnern, Checklisten und über 200 Ratgeber-Artikeln.
KI · Arbeitsmarkt · DevOps
Die Welt in 10–20 Jahren: drei Szenarien statt einer Prognose
Niemand weiß, wie die Welt nach KI, Robotern und Drohnen aussieht. Was man tun kann: gemessene Zahlen sammeln, Szenarien daraus ableiten und fragen, was in allen Szenarien gleich bleibt – aus Sicht eines Menschen, der in IT und DevOps arbeitet.
Mehr aus der Praxis
Weitere Notizen, Case Studies und Projekte findest du auf der Startseite.
Alle Notizen Case Study MeisterMeld Case Study PflegeOasis Case Study Kernbohr-Expert Zur Startseite
Kommentare
Diskutiere mit: Die Kommentare laufen über GitHub Discussions (Anmeldung mit GitHub-Konto). Erst mit Klick werden Inhalte von GitHub/giscus geladen. Datenschutz