Zehn Stunden mit KI gespart. Vier davon gleich wieder in Nacharbeit gesteckt. Diese Rechnung ist keine Übertreibung, sondern eine Veranschaulichung dessen, was eine grosse Befragung von Workday im November 2025 ergeben hat. Wer KI einsetzt, spart Zeit. Ob diese Zeit am Ende tatsächlich gewonnen ist, entscheidet sich an anderer Stelle.
Ausgangslage: Ersparnis ja, Gewinn nicht automatisch
Zeit lässt sich nicht zurückholen. KI kann helfen, sie für sinnvolle, werthaltige Arbeit freizumachen. Die aktuelle Studienlage zeigt allerdings ein nüchterneres Bild als viele Versprechen.
In der Workday-Befragung von 3’200 Beschäftigten geben 85 % an, mit KI eine bis sieben Stunden pro Woche zu sparen. Fast 40 % dieser Ersparnis gehen jedoch für Nacharbeit verloren: Fehler korrigieren, Inhalte umschreiben, Ergebnisse prüfen. Nur 14 % erzielen durchgehend einen klar positiven Nettoeffekt. In 89 % der Organisationen ist weniger als die Hälfte der Rollen an die neuen Möglichkeiten angepasst.
Die BCG-Studie «AI at Work» 2026 mit knapp 12’000 Befragten kommt zu einem ähnlichen Befund. 42 % der regelmässig nutzenden Mitarbeitenden an der Basis sparen rund acht Stunden pro Woche. Gleichzeitig erhalten 66 % kaum oder keine Orientierung, was mit dieser Zeit geschehen soll. Mehr als die Hälfte investiert sie nicht in strategischere Arbeit. BCG hält fest, dass eingesparte Zeit aus der Organisation «versickert», wenn sie nicht erfasst und bewusst eingesetzt wird.
Analyse: Wo die Zeit verloren geht
Betrachtet man diese Befunde in der Logik von Prozessen, zeigen sich drei Stellen, an denen Ersparnis wieder verschwindet.
Erstens: am Übergang zwischen KI und Mensch. Jedes KI-Ergebnis muss geprüft, angepasst oder freigegeben werden. Wenn niemand festgelegt hat, wer das tut und nach welchem Massstab, wird diese Prüfung zur unsichtbaren Zusatzarbeit. Eine Befragung von BetterUp und dem Stanford Social Media Lab unter 1’150 US-Büroangestellten im September 2025 zeigt, wie sich das ausbreitet: 40 % hatten im Vormonat KI-Inhalte erhalten, die gut aussehen, aber wenig Substanz haben. Pro Fall kostete das im Schnitt zwei Stunden, meist bei Kolleginnen und Kollegen, nicht bei der Person, die die KI genutzt hatte.
Zweitens: beim falschen Anwendungsfall. Ein Feldexperiment von Harvard und BCG mit 758 Beratenden zeigt die Spannweite. Bei Aufgaben, die gut zur KI passten, erledigten die Teilnehmenden 12,2 % mehr Aufgaben, 25,1 % schneller und in deutlich besserer Qualität. Bei einer komplexen Managementaufgabe ausserhalb dieser Grenze kamen sie mit KI jedoch 19 % seltener zu einer korrekten Lösung als ohne. Derselbe Arbeitsablauf kann also Zeit sparen oder Fehler erzeugen, je nachdem, welcher Schritt der KI übergeben wird.
Drittens: bei der Wahrnehmung. In einem randomisierten Experiment von METR mit 16 erfahrenen Softwareentwicklern brauchten diese mit KI 19 % länger. Sie selbst schätzten danach, sie seien 20 % schneller gewesen. METR bezeichnet diese Ergebnisse inzwischen selbst als historischen Stand von Anfang 2025. Als Denkanstoss bleiben sie wertvoll: Gefühlte Ersparnis und gemessene Ersparnis sind nicht dasselbe.
Dazu passt eine Studie von Humlum und Vestergaard mit rund 25’000 Beschäftigten in Dänemark aus den Jahren 2023 und 2024. Die Befragten sparten im Schnitt 2,8 % ihrer Arbeitszeit, bei aktiver Unterstützung durch den Arbeitgeber 3,6 %, ohne diese 2,2 %. Für 17 % der Nutzenden entstanden zusätzliche Arbeitslasten, oft neue Aufgaben. Die Autoren halten fest, dass selbst berichtete Ersparnisse eher eine Obergrenze darstellen.
Was die Studien zeigen und was nicht
Hier ist eine klare Trennung nötig.
Beobachtung: Alle sechs Studien finden Zeitersparnis. Alle finden auch Effekte, die diese Ersparnis wieder aufzehren: Nacharbeit, Prüfaufwand, ungeeignete Anwendungsfälle, fehlende Orientierung.
Deutung: Die Studien legen nahe, dass der Unterschied weniger im Werkzeug liegt als in der Einbettung. Wo Rollen, Abläufe und Ziele angepasst sind, wird aus Ersparnis eher Gewinn.
Grenzen: Workday befragte Beschäftigte in Unternehmen mit über 100 Millionen US-Dollar Umsatz, BCG vor allem grössere Organisationen. Die meisten Zahlen beruhen auf Selbstauskunft, die dänischen Daten auf älteren Werkzeugen. Für kleinere Organisationen in der Schweiz sind diese Werte ein Hinweis, kein direkter Beleg.
Konsequenz: Zeitgewinn entsteht vorher
Man ist mit KI dabei. Das ist gut gemeint und oft lehrreich. Zeit ist damit aber noch nicht gewonnen. Gewonnen wird sie erst, wenn klar ist, wofür die KI eingesetzt wird, an welcher Stelle im Ablauf und wer das Ergebnis verantwortet.
Das gilt besonders für kleinere Organisationen. Dort gibt es selten eine Stelle, die Nacharbeit auffängt. Jede Stunde Korrektur fehlt direkt bei Kunden, Angebot oder Führung.
Drei praktische Punkte
1. Den Prozess klären, bevor das Werkzeug gewählt wird. Beschreiben Sie den Ablauf, in dem KI helfen soll: Wo beginnt er, wer ist beteiligt, wo entsteht der Wert für Ihre Kundinnen und Kunden? Erst dann lässt sich beurteilen, welcher Schritt sich für KI eignet und welcher bewusst beim Menschen bleibt.
2. Prüfung und Verantwortung festlegen. Legen Sie für jeden KI-gestützten Schritt fest, wer das Ergebnis prüft, nach welchem Massstab und wann es als fertig gilt. So wird Nacharbeit sichtbar und planbar, statt sich unbemerkt auf andere zu verlagern.
3. Die Verwendung der gewonnenen Zeit bestimmen und messen. Entscheiden Sie im Voraus, wohin frei werdende Zeit fliessen soll, etwa in Kundengespräche, Qualität oder Weiterentwicklung. Erfassen Sie über einige Wochen, wie viel Zeit tatsächlich frei wird und wie viel in Nacharbeit zurückfliesst. Erst dieser Vergleich zeigt den echten Nutzen.
Damit freigewordene Zeit in Wertschöpfung fliesst und nicht in Nacharbeit.
Klarheit vor Aktionismus. Prozesse vor Werkzeugen. Nutzen vor Umfang.
Nächster Schritt
Möchten Sie klären, wo KI in Ihren Abläufen tatsächlich Zeit freisetzt? Buchen Sie direkt einen 45-minütigen Video-Termin, ganz ohne Formular: Erstgespräch vereinbaren.
Quellen
- Workday: «New Workday Research: Companies Are Leaving AI Gains on the Table», 14. Januar 2026. Befragung von 3’200 Vollzeitbeschäftigten in Unternehmen mit über 100 Mio. USD Umsatz, November 2025. https://investor.workday.com/news-and-events/press-releases/news-details/2026/New-Workday-Research-Companies-Are-Leaving-AI-Gains-on-the-Table/default.aspx
- Boston Consulting Group: «AI at Work: Why Strategy Matters More Than Tools», 3. Juni 2026. Befragung von knapp 12’000 Beschäftigten, Führungskräften und Managern. https://www.bcg.com/publications/2026/ai-at-work-why-strategy-matters-more-than-tools
- Humlum, A. und Vestergaard, E.: «Large Language Models, Small Labor Market Effects», NBER Working Paper 33777, erste Fassung Mai 2025. Befragungen 2023 und 2024 mit je rund 25’000 Beschäftigten, verknüpft mit Registerdaten. https://www.nber.org/system/files/working_papers/w33777/revisions/w33777.rev0.pdf
- Dell’Acqua, F. et al.: «Navigating the Jagged Technological Frontier», Harvard Business School Working Paper 24-013, September 2023. Experiment mit 758 Beratenden der Boston Consulting Group. https://www.hbs.edu/faculty/Pages/item.aspx?num=64700
- METR: «Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity», 10. Juli 2025. Randomisiertes Experiment mit 16 Entwicklern und 246 Aufgaben. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
- BetterUp und Stanford Social Media Lab: «Workslop», Online-Befragung von 1’150 US-Büroangestellten, September 2025. https://www.betterup.com/workslop