KI hat bislang keinem großen Unternehmen außerhalb der Technologiebranche zu einem messbaren Gewinnanstieg verholfen. Zu diesem Schluss kommt Torsten Slok, Chefökonom von Apollo Global Management, in einer kürzlich veröffentlichten Mitteilung. Er vergleicht dabei die sieben großen US-Technologiekonzerne mit den übrigen Unternehmen des S&P 500 und stellt fest, dass deren Gewinnmargen und Umsatz pro Mitarbeitenden stagnieren. Auch für eine Steigerung des Produktivitätswachstums durch KI sieht er bislang keine Anzeichen.
Slok argumentiert, dass KI zwar bei Berechnungen leistungsfähig sei, in der Geschäftswelt die Intelligenz jedoch vor allem im Urteilsvermögen liege. Dieses sei stark vom jeweiligen Kontext abhängig und könne je nach befragter Person oder KI-Modell zu unterschiedlichen Ergebnissen führen. Vor allem fehle KI ein Verständnis für Verantwortlichkeit, Vertrauen, Unternehmenskultur, ungeschriebene Regeln, ethische Abwägungen und Fairness. All diese Faktoren beeinflussten jedoch das Reputationsrisiko und damit letztlich das Umsatzwachstum und die Gewinnmargen.
Auch wissenschaftliche Untersuchungen deuten darauf hin, dass sich die erwarteten Produktivitätsgewinne bisher nur begrenzt einstellen. Eine Studie des National Bureau of Economic Research aus dem Jahr 2025 etwa bezifferte die Zeitersparnis durch KI auf rund 3%, ohne signifikante Auswirkungen auf Einkommen oder Arbeitsstunden festzustellen.
Doch woran könnte es liegen, dass sich der KI-Einsatz bislang kaum in messbaren Produktivitätsgewinnen niederschlägt? Eine mögliche Erklärung ist, dass KI nicht nur einzelne Aufgaben beschleunigt, sondern zugleich Arbeitsabläufe verändert, zusätzliche Aufgaben schafft und den Kontrollaufwand erhöht.
Aus einer von Monday.com beauftragten Umfrage geht bspw. hervor, dass es für Führungskräfte zunehmend schwieriger wird, zu erkennen, welcher Anteil der Arbeitsergebnisse von Mitarbeitenden selbst und welcher von KI stammt. Fast die Hälfte der Befragten verbringt deshalb mehr Zeit damit, Ergebnisse zu überprüfen und ihre Teams zu begleiten. Gleichzeitig nutzen 46% der Führungskräfte KI zur Entscheidungsfindung und 39% zur Erstellung von Leistungsbeurteilungen. Dabei besteht die Gefahr, dass KI bestehende menschliche Denkmuster und Vorurteile aus ihren Trainingsdaten reproduziert und das von Slok betonte kontextbezogene Urteilsvermögen zu kurz kommt.
Eine in der Harvard Business Review veröffentlichte Untersuchung zeigt zudem, dass KI die Arbeitsbelastung erhöhen kann, anstatt sie zu reduzieren. Mitarbeitende erledigen Aufgaben schneller, übernehmen zusätzliche Tätigkeiten und verlängern teilweise eigenständig ihre Arbeitszeiten. Die anfänglichen Effizienzgewinne können dadurch mit einer steigenden Arbeitsintensität, Erschöpfung und nachlassender Entscheidungsqualität einhergehen. Langfristig besteht somit die Gefahr, dass vermeintliche Produktivitätsgewinne die Leistungsfähigkeit beeinträchtigen.
Entscheidend ist deshalb nicht allein, wie häufig KI eingesetzt wird, sondern wie sie in bestehende Arbeitsprozesse integriert wird. Dazu gehören klare Regeln für ihren Einsatz, bewusste Phasen der Reflexion und die kritische Überprüfung KI-generierter Ergebnisse. Gerade wenn KI einzelne Arbeitsschritte beschleunigt, ist es wichtig, ausreichend Raum für eigenständige Bewertungen und Entscheidungen zu lassen.
Was bedeutet das für den KI-Einsatz in der professionellen Recherche?
Auch in der Recherche kann KI zahlreiche Arbeitsschritte erleichtern und beschleunigen, wie bei der Informationssuche, Auswertung oder Aufbereitung von Ergebnissen. Zu wirklichen Produktivitätsfortschritten kommt es jedoch nur, wenn die gewonnene Zeit nicht ausschließlich für die Bearbeitung neuer, zusätzlicher Aufgaben genutzt wird. Zudem sollte durch systematische Qualitätssicherung und eine kritische Einordnung von Ergebnissen fortlaufend evaluiert werden, wo KI nutzenstiftend eingesetzt werden kann. Den offenbar noch ausbleibenden Produktivitätsfortschritt allein auf „die KI“ zurückzuführen, ist zu kurz gedacht. Vielmehr geht es um das Handeln der Nutzenden und, damit zusammenhängend, um den gezielten Umbau von Prozessen.
Von Ida Kandler