AI ist überall im Unternehmen. Nur 1 von 10 sagt, dass sie den Job wirklich verändert hat

Ihr Team nutzt AI. Wahrscheinlich ein Großteil davon. Doch wenn Sie sich fragen, warum sich das noch nicht in Ihren Zahlen niederschlägt, sind Sie damit nicht allein und lesen die Daten auch nicht falsch.

Ein Working Paper des National Bureau of Economic Research (NBER), das auf einer Umfrage unter knapp 750 Unternehmensführungskräften basiert, kommt zu einem bemerkenswerten Befund: Wahrgenommene Produktivitätssteigerungen durch AI übertreffen die tatsächlich messbaren Zuwächse systematisch. Die Autoren bezeichnen dies als "Produktivitätsparadox" und führen es auf eine verzögerte Umsatzrealisierung zurück. Unternehmen führen AI schneller ein, als sie die damit verbundene Arbeit neu gestalten. Genau dieser Widerspruch erklärt, warum die GuV flach bleibt, obwohl die Lizenzanzahl steigt.

Das Paradox ist kein Zeichen dafür, dass AI nicht funktioniert. Es ist ein Signal, dass die bloße Einführung nicht das eigentliche Ziel sein kann.

Die Zahlen hinter der Lücke

Das NBER-Paper (Working Paper w34984, gemeinsam mit der Federal Reserve Bank of Atlanta veröffentlicht) gehört zu den methodisch sorgfältigsten Untersuchungen dieser Frage. Die Befragung auf Führungsebene bildet ab, was tatsächlich in Unternehmen passiert, und nicht das, was Anbieter in ihren Verkaufspräsentationen versprechen.

Wichtige Kennzahlen

• Knapp 750 Unternehmensführungskräfte berichten, dass wahrgenommene AI-Produktivitätsgewinne die messbaren übertreffen. Als Ursache gilt eine verzögerte Umsatzrealisierung (NBER/Atlanta Fed, w34984, 2026).
• Generative AI spart rund 5,4 % der Arbeitsstunden, etwa 2,2 Stunden pro Woche bei einem 40-Stunden-Modell (Federal Reserve, 2026).
• Nur etwa 1 von 10 Mitarbeitern in Unternehmen, die AI eingeführt haben, stimmt deutlich zu, dass AI die Art ihrer Arbeit grundlegend verändert hat (Gallup, 2026).

Die Gallup-Zahl verdient besondere Aufmerksamkeit. Rund 80 % der Mitarbeiter geben an, AI-Tools bei der Arbeit zu nutzen. Doch nur etwa 10 % sagen, dass die Technologie die Arbeitsweise tatsächlich bedeutsam verändert hat. Die übrigen nutzen AI so, wie sie einst Google genutzt haben: als etwas schnellere Version dessen, was sie ohnehin schon taten.

Warum Ihre Zahlen nicht zu Ihren Nutzungsprotokollen passen

Die Lücke zwischen wahrgenommenem und messbarem Effekt ist kein Rätsel, sobald man den zugrundeliegenden Mechanismus versteht. Wenn Mitarbeiter AI einführen, tendieren sie dazu, die am leichtesten automatisierbaren Teile ihrer Arbeit zu automatisieren, nicht unbedingt jene, die den größten Wertbeitrag leisten. Ein Vertriebsmitarbeiter nutzt AI, um Follow-up-E-Mails schneller zu verfassen. Eine Führungskraft fasst damit Besprechungsnotizen zusammen. Das sind echte Zeiteinsparungen, doch sie bewegen den Umsatz nicht direkt.

Die Analyse der Federal Reserve bestätigt dies. Generative AI spart bei einem 40-Stunden-Modell rund 2,2 Stunden pro Woche. Das entspricht einer Effizienzsteigerung von etwa 5,4 % der Arbeitszeit. Doch Einsparungen bei der Arbeitszeit schlagen sich nicht automatisch in GuV-Effekten nieder. Sie wirken sich nur dann auf den Umsatz aus, wenn die freigwordene Zeit in wertschöpfendere Tätigkeiten gelenkt wird oder wenn der zugrundeliegende Prozess so neu gestaltet wird, dass der Gewinn sich potenziert.

Die meisten Unternehmen überspringen diesen Umleitungsschritt. Mitarbeiter sparen zwei Stunden ein und füllen sie dann mit Aufgaben geringerer Priorität oder Besprechungen. Die Zeit verpufft, statt sich zu verwandeln. Und da sich am Umsatzmodell nichts ändert, verbleibt der Produktivitätsgewinn im Prozessinnern.

Das NBER-Paper fügt eine weitere Ebene hinzu: Die Gewinne, die in der gemessenen Produktivität auftauchen, fließen hauptsächlich über Nachfrage- und Innovationskanäle, nicht über Kapitalvertiefung. In verständlicher Sprache ausgedrückt: AI schafft Wert, indem sie neue Möglichkeiten eröffnet (bessere Produkte, schnellere Iteration, präzisere Kundenansprache), nicht bloß dadurch, dass sie Bestehendes billiger macht. Unternehmen, die AI als Kostensenkungswerkzeug betrachten, messen in der Regel nur den Kostenteil und verpassen das Wachstumspotenzial.

Wo die Gewinne tatsächlich sichtbar werden

Nicht alle Branchen oder Anwendungsfälle sind gleichwertig. Die NBER-Ergebnisse zeigen die größten messbaren Produktivitätsgewinne in wissensintensiven Dienstleistungen und im Finanzbereich. In diesen Bereichen unterstützt AI komplexe Urteilsarbeit: Deal-Analyse, Vertragsüberprüfung, Finanzmodellierung, Kundenrecherche, und nicht einfache Routinetätigkeiten.

Das Muster ist nachvollziehbar. Wenn AI einem 300.000-Euro-Analysten oder einem leitenden Relationship Manager assistiert, ist der Gewinn groß genug, um messbar zu sein. Wenn sie jemandem hilft, eine etwas bessere E-Mail zu versenden, bewegt das in der Summe keine Kennzahlen.

Die Implikation für CEOs: Wo Sie AI einsetzen, ist genauso entscheidend wie die Breite des Einsatzes. AI-Lizenzen auf alle Funktionen zu verteilen ist Einführung. AI auf die Arbeit zu konzentrieren, die direkt mit dem Umsatz verknüpft ist, ist Transformation.

Kleine und große Unternehmen beobachten dabei Unterschiedliches. Die NBER-Daten zeigen, dass größere Unternehmen langfristig mit AI-bedingten Belegschaftsreduzierungen rechnen, während kleinere Unternehmen tatsächlich einen moderaten Beschäftigungsanstieg erwarten, angetrieben durch Wachstum aus Produktivitätsverbesserungen. Die verbreitete Annahme, AI kürze in erster Linie Stellen in großem Maßstab, erweist sich bei näherer Betrachtung als komplexer.

Vier Maßnahmen, die CEOs in diesem Quartal ergreifen können

Die Lücke zwischen Einführung und messbarer Wirkung lässt sich schließen. Das erfordert jedoch, AI als ein Problem des operativen Designs zu behandeln, nicht der Beschaffung.

1. Prüfen Sie, wohin Ihre AI-Stunden tatsächlich fließen. Ziehen Sie Nutzungsdaten aus Ihren AI-Tools und ordnen Sie diese Funktionen zu. Setzen Ihre Mitarbeiter mit dem größten Hebel AI bei ihren wertschöpfendsten Aufgaben ein? In den meisten Unternehmen lautet die Antwort: nein. Intensive AI-Nutzung konzentriert sich auf Kommunikation und Dokumentation, nicht auf die Arbeit, die Abschlüsse erzielt oder Kunden gewinnt.

2. Gestalten Sie mindestens einen umsatzverknüpften Prozess neu. Wählen Sie einen Prozess, der den Umsatz direkt berührt: einen Vertriebsprozess, eine Customer-Success-Bewegung, einen Produktentwicklungszyklus, und gestalten Sie ihn von Grund auf neu rund um AI. Fügen Sie AI nicht nachträglich in bestehende Schritte ein. Fragen Sie: Wie würde dieser Prozess aussehen, wenn wir ihn heute aufbauen und dabei wüssten, was AI kann? Das NBER-Ergebnis, dass Gewinne über Nachfrage- und Innovationskanäle fließen, deutet darauf hin, dass in genau dieser Art von Neugestaltung das eigentliche Potenzial liegt.

3. Messen Sie Ergebnisse, nicht die Nutzung. Die meisten AI-Dashboards berichten über Lizenzzahlen und Abfragevolumen. Das sind Einführungskennzahlen, keine Wirkungskennzahlen. Verlagern Sie Ihr Berichtswesen auf Ergebniskennzahlen: Umsatz je Kopf in AI-unterstützten Rollen, Durchlaufzeit bei AI-neu-gestalteten Prozessen, Kundengewinnungskosten in AI-gestützten Funneln. Wenn Sie Ihre AI-Investition nicht mit einer dieser Zahlen verknüpfen können, wissen Sie noch nicht, ob sie wirkt.

4. Schließen Sie den Kreislauf bei eingesparter Zeit. Die 2,2 Stunden pro Woche, die AI einspart, sind nur dann wertvoll, wenn sie gezielt genutzt werden. Schließen Sie mit Teams explizite Zeit-Wert-Vereinbarungen: Wenn AI den Zeitaufwand für Aufgabe X reduziert, fließt diese Zeit als nächstes dorthin. Ohne diese Richtungsvorgabe verschwinden die Stunden, und der Produktivitätsgewinn löst sich mit ihnen auf.

Der Verzug bei der Umsatzrealisierung ist real, aber begrenzt

Die Rahmung des NBER-Papers als "Produktivitätsparadox" bedeutet nicht, dass die Gewinne nicht eintreten werden. Sie bedeutet, dass sie später kommen und über andere Kanäle, als die meisten Führungskräfte erwarten. Die Autoren stellen positive Arbeitsproduktivitätseffekte in den befragten Unternehmen fest. Die Lücke ist ein zeitliches Problem, kein grundlegendes Versagen.

Doch "es wird irgendwann funktionieren" ist keine Strategie. CEOs, die warten, bis sich die Gewinne von selbst materialisieren, werden voraussichtlich weiterhin beobachten, wie die Einführungskurve steigt und die GuV flach bleibt. Die Unternehmen, die den Verzug am schnellsten schließen, werden jene sein, die Prozessneugestaltung, Wirkungsmessung und umsatzorientierte Bereitstellung als die eigentliche Arbeit der AI-Einführung betrachten, nicht als das, was nach der Einführung kommt.

AI ist bereits überall im Unternehmen. Die Frage ist jetzt, ob sie auch wirklich arbeitet.

Häufig gestellte Fragen

Warum nehmen Mitarbeiter größere Produktivitätsgewinne durch AI wahr, als die Daten zeigen? Menschen neigen dazu, zu bemerken, wenn AI ihnen bei einer bestimmten Aufgabe Zeit spart, und übertragen das gedanklich auf ihre gesamte Arbeit. Der messbare Gewinn spiegelt jedoch wider, ob der Gesamtoutput oder der Umsatz tatsächlich gestiegen ist. Wenn Zeiteinsparungen nicht in wertschöpfendere Arbeit umgelenkt werden, ist der wahrgenommene Gewinn zwar real, der messbare bleibt jedoch aus. Das ist der Kern dessen, was die NBER-Forschung als verzögerte Umsatzrealisierung bezeichnet.

Welche Branchen verzeichnen derzeit die größten messbaren AI-Produktivitätsgewinne? Die NBER-Umfrage unter knapp 750 Führungskräften fand die größten messbaren Gewinne in wissensintensiven Dienstleistungen und im Finanzbereich. Diese Branchen profitieren am stärksten, weil AI komplexe, hochwertige Urteilsarbeit unterstützt, bei der selbst schrittweise Verbesserungen den Umsatz bewegen.

Sollten CEOs mehr AI-Lizenzen kaufen, wenn der messbare Effekt gering ist? Wahrscheinlich noch nicht. Die Evidenz deutet darauf hin, dass die Einschränkung nicht im Zugang zu AI-Tools liegt, sondern darin, wie diese Tools in Prozesse integriert sind und ob sie mit umsatzverknüpften Aufgaben verbunden sind. Mehr Lizenzen ohne Prozessneugestaltung und Wirkungsmessung vergrößern die Lücke zwischen Einführung und Wirkung in der Regel eher, als sie zu schließen.

Weiterführende Lektüre

• Warum AI-ROI schwer nachweisbar ist - die strukturellen Gründe, warum messbare AI-Erträge hinter Einführungskurven zurückbleiben
• Zeitersparnis versus Umsatzeffekt: AI messen - ein Rahmen, um AI-Effizienzgewinne in GuV-sichtbare Ergebnisse umzuwandeln
• Enterprise-AI-Kosten steigen, obwohl Token-Preise fallen - die Kostenseite der AI-Investitionsgleichung
• PwCs Bericht zur AI-Führungslücke - wie führende Unternehmen in messbarer AI-Performance vorausziehen

Quellen: NBER Working Paper w34984, "Artificial Intelligence, Productivity, and the Workforce: Evidence from Corporate Executives" (2026) | Gallup, "Rising AI Adoption Spurs Workforce Changes" (2026) | Federal Reserve FEDS Note, "Monitoring AI Adoption in the U.S. Economy" (2026)