Spart KI wirklich Zeit? Gefühlt das Doppelte, gemessen einstellig

Frag zehn Leute, ob KI ihnen Zeit spart. Zehnmal ja.

Frag nach, wie viel. Die Antwort liegt erstaunlich verlässlich bei "ungefähr doppelt so viel schaffe ich".

Das ist keine Übertreibung von Einzelnen. Das Forschungsinstitut METR hat 2026 rund 350 Fachleute befragt - Entwickler, Forscher, Gründer, im Median zwölf Jahre Berufserfahrung. Ergebnis: Sie schätzen den Wert ihrer Arbeit auf das Doppelte gegenüber dem Vorjahr.

Jetzt die andere Seite. Da, wo nicht gefragt, sondern gemessen wird.

Was herauskommt, wenn man nachmisst

Telemetrie über 400 Unternehmen, 16 Monate. Die KI-Nutzung stieg um 65 Prozent. Der tatsächliche Durchsatz stieg um 8 Prozent. Die meisten Firmen liegen zwischen 5 und 15 Prozent. Die Auswerter schreiben trocken, das sei "weit unter den versprochenen 3x bis 10x".

Dänemark, über zwei Jahre, anhand echter Verwaltungsdaten. Keine Umfrage - Lohn- und Arbeitszeitdaten. Ergebnis: eine präzise gemessene Null. Die Studie kann Effekte über 2 Prozent ausschließen. Dieselben Leute gaben selbst an, 2,8 Prozent Zeit zu sparen. Gegen eine gemessene Null.

Rund 6.000 Führungskräfte in den USA, Großbritannien, Deutschland und Australien. 89 Prozent berichten nach drei Jahren KI keine messbare Produktivitätswirkung in ihrem Unternehmen.

Gefühlt: das Doppelte. Gemessen: einstellig, wenn überhaupt.

Diese Lücke ist die eigentliche Nachricht. Nicht "KI bringt nichts" - sondern dass zwischen dem, was sich nach Fortschritt anfühlt, und dem, was am Monatsende an Stunden übrig bleibt, eine Größenordnung liegt.

Woran das liegt

An zwei Dingen, und beide sind unspektakulär.

Die Nacharbeit zählt niemand mit. Du erinnerst dich an den Moment, in dem in fünf Sekunden ein fertiger Entwurf dastand. Du erinnerst dich nicht an die zwanzig Minuten danach, in denen du geprüft, korrigiert und nachgebessert hast. Das eine fühlt sich nach Magie an, das andere nach normaler Arbeit - also nach nichts Besonderem. In der Erinnerung bleibt die Magie.

Und die Qualität leidet, messbar. Das ist der einzige Befund, bei dem sich sämtliche Untersuchungen einig sind: Wo Qualität mitgemessen wurde, wurde sie schlechter. Mehr Fehler, mehr Nacharbeit, mehr Störungen im Betrieb.

In einer Befragung unter fast 50.000 Entwicklern vertrauen nur 29 Prozent der Genauigkeit von KI-Ausgaben - Tendenz fallend. Das meistgenannte Problem: "fast richtig, aber nicht ganz". Fast die Hälfte sagt, das Aufräumen hinter KI koste mehr Zeit als es spart. In Deutschland ist das Vertrauen übrigens am niedrigsten von allen Ländern.

"Fast richtig" ist teurer als "falsch". Falsch fällt auf. Fast richtig rutscht durch, bis es beim Kunden auffällt.

Die Kettenlänge

Ich bin Snooker-Fan, und dort gibt es ein Bild, das das erklärt.

Beim Snooker bleibst du am Tisch, solange du triffst. Ein Fehler, und dein Gegner übernimmt. Die Serie am Stück heißt Break. Und der Punkt, den die meisten falsch haben: Die guten Spieler gewinnen nicht, weil sie den einzelnen Ball besser treffen. Sie gewinnen, weil sie länger am Tisch bleiben.

Bei KI ist es dasselbe. Sie arbeitet eine Kette von Schritten ab und bleibt am Tisch, solange jeder Schritt sitzt. Ein Fehler, und du übernimmst.

Die Frage bei jeder Automatisierung lautet also nicht "wie gut ist KI". Sie lautet: Wie lang ist die Kette, die sie am Stück schafft, bevor jemand ran muss?

Und die kann man messen. METR tut genau das. Die vielzitierte Schlagzeile lautet, Spitzenmodelle schafften inzwischen Aufgaben von zwölf Stunden. Das stimmt - bei 50 Prozent Erfolgsquote. Also Münzwurf.

Interessanter ist die Zahl, die zur Frage "kann ich es allein laufen lassen" passt: die Aufgabenlänge bei 80 Prozent Zuverlässigkeit. Da liegen die aktuellen Spitzenmodelle bei etwa einer bis drei Stunden. Nicht bei zwölf, nicht bei Tagen.

Der Fortschritt ist trotzdem echt: Vor gut einem Jahr waren es zwölf Minuten. Aber der Sprung geht von zwölf Minuten auf gut eine Stunde - nicht von einer Stunde auf zwölf.

Das deckt sich exakt mit dem, was Betriebe erleben. Kurze, klar abgegrenzte Aufgaben laufen zuverlässig: eine Rechnung auslesen, einen Termin eintragen, eine Standardantwort vorbereiten. Lange Ketten kippen: der komplette Angebotsprozess von der Anfrage bis zum Versand. Und dann kommst du mitten in eine Kette, die jemand anders angefangen hat, und musst erst verstehen, was passiert ist, bevor du es reparieren kannst.

Der ehrliche Teil: was niemand weiß

Jetzt könnte ich behaupten, KI bringe wenig. Das wäre genauso unseriös wie das Gegenteil.

Die Modelle sind gewaltig besser geworden, das ist unstrittig. METR wollte deshalb 2026 nachmessen: 57 Entwickler, 800 Aufgaben, mit aktuellen Werkzeugen. Die Studie ist geplatzt - und der Grund ist das stärkste Argument für KI in dieser ganzen Recherche.

Die Entwickler weigerten sich, ohne KI zu arbeiten. Selbst für 50 Dollar Stundenlohn. Zwischen 30 und 50 Prozent hielten Aufgaben zurück, die sie nicht ohne KI machen wollten. Einer lieferte gar nichts ab. METR verwirft die eigenen Daten als unbrauchbar und baut die Studie gerade neu.

Wer freiwillig auf Geld verzichtet, um ein Werkzeug behalten zu dürfen, sagt damit etwas. Nur ist das ein Verhalten, keine Zahl.

Und der Rest ist Leerstelle: Für die derzeit stärksten Modelle - Claude Opus 4.8, Fable 5, OpenAIs aktuelles Spitzenmodell - existiert überhaupt keine belastbare Messung. Bei einem hat METR es versucht und das Ergebnis selbst kassiert, weil das Modell in den Tests geschummelt hat.

Der Stand ist also: Die Benchmarks sind explodiert. Die Selbsteinschätzungen auch. Und das Messgerät dazwischen ist kaputt. Wer dir für 2026 eine belastbare Prozentzahl verspricht, hat keine.

Was du daraus machst

Genau deshalb ist die einzig verlässliche Zahl die aus deinem eigenen Betrieb. Das kostet dich einen Nachmittag.

1. Such dir einen Prozess, der oft genug vorkommt, dass Rechnen sich lohnt.
2. Stopp die Zeit ohne KI. Zehn Durchläufe, echte Uhr, keine Schätzung aus der Erinnerung. Die Erinnerung ist genau das, was hier nicht funktioniert.
3. Stopp die Zeit mit KI - und zwar inklusive Prüfen, Korrigieren und Nacharbeiten. Die Uhr läuft, bis das Ergebnis wirklich raus kann. Nicht, bis KI fertig ist.
4. Vergleich die Summen. Und schau auf die Fehler, die durchgerutscht sind, nicht nur auf die Minuten.

Wenn du deutlich schneller bist: ausbauen. Wenn nicht, hast du gerade Geld gespart, das sonst monatelang in etwas geflossen wäre, das nur nach Fortschritt aussieht.

Und wenn die Kette zu lang ist: zerlegen. Drei kurze, verlässliche Automatisierungen schlagen eine große, die alle zwei Tage gerettet werden muss.

Der Punkt

KI ist ein hervorragendes Werkzeug für kurze, klar abgegrenzte Aufgaben. Bei langen Ketten wird sie zum Kollegen, der zu 80 Prozent fertig wird und dir den Rest auf den Tisch legt, ohne zu sagen, welche 20 Prozent fehlen.

Der Unterschied zwischen einer Automatisierung, die trägt, und einer, die dich beschäftigt, liegt fast nie am Modell. Er liegt an der Länge der Kette, die du ihr zumutest.

Am Snooker-Tisch gewinnt nicht, wer den schönsten Stoß hat. Sondern wer am längsten am Tisch bleibt.

---

Quellen und Stand Juli 2026: Selbsteinschätzung und Horizont-Messungen von METR (metr.org); Telemetrie-Auswertung von DX über 400+ Organisationen; Dänemark-Studie NBER Working Paper 33777; Führungskräftebefragung NBER Working Paper 34836; Entwicklerbefragung Stack Overflow 2025. Die Zahlen zur Modellstärke veralten schnell - der Grund, im eigenen Betrieb nachzumessen statt zu schätzen, nicht.