G-Ps AI at Work Report: Die KI-Rendite steht unter Beweisdruck

Nicht weniger KI — sondern weniger Geduld

Der Report zeigt nicht, dass Unternehmen KI den Rücken kehren. Im Gegenteil: G-P berichtet von universeller Nutzung in der befragten Stichprobe ^[3]. Neu ist die Erwartungshaltung. Führungskräfte scheinen weniger bereit zu sein, bloße Einführung, Tool-Lizenzen oder Aktivitätskennzahlen als Erfolg zu akzeptieren.

Das ist ein deutlicher Tonwechsel gegenüber der vorherigen Phase. G-Ps 2025 AI at Work Report betonte noch Beschleunigung: 91 Prozent der Führungskräfte skalierten aktiv KI-Initiativen, 74 Prozent nannten KI entscheidend für den Unternehmenserfolg ^[14]. Der 2026er Report beschreibt weiterhin eine breite Nutzung, rückt aber Rechenschaft, Belastungstests und belastbare Geschäftswerte in den Vordergrund ^[3].

Auch andere Untersuchungen deuten auf eine Lücke zwischen Investition und messbarem Nutzen. Die Boston Consulting Group berichtete, dass 60 Prozent der Unternehmen keinen substanziellen Wert aus KI in großem Maßstab erzielen; weitere 35 Prozent sehen zwar gewisse Erträge, kommen aber nach eigener Einschätzung nicht weit oder schnell genug voran ^[7]. McKinsey fand ebenfalls eine Spannung: 92 Prozent der Unternehmen planten, ihre KI-Investitionen über drei Jahre zu erhöhen, aber nur 1 Prozent der Führungskräfte bezeichnete die eigene Organisation als reif genug, damit KI vollständig in Arbeitsabläufe integriert ist und deutliche Geschäftsergebnisse liefert ^[13].

Der verdeckte Kostenblock: Prüfen, korrigieren, absichern

Ein Grund für enttäuschenden KI-ROI liegt im Arbeitsablauf selbst. KI kann an einer Stelle Tempo schaffen und an anderer Stelle neue Arbeit verursachen. Laut G-P sagen 69 Prozent der Führungskräfte, Beschäftigte verbrächten mehr Zeit damit, KI-generierte Ergebnisse zu überwachen, zu überprüfen oder zu aktualisieren ^[3].

In der Praxis heißt das: Ein System erstellt schneller Texte, Analysen, Code, Zusammenfassungen oder Antworten. Doch Menschen müssen anschließend Fakten prüfen, Tonalität anpassen, Fehler korrigieren, Risiken bewerten oder Compliance-Fragen klären. Der Output wächst — aber die Netto-Produktivität wächst nicht automatisch mit.

Eine von Channel Insider zusammengefasste Workday-Untersuchung beschreibt ein ähnliches Muster: Durch KI gesparte Zeit kann durch Nacharbeit wieder aufgezehrt werden, etwa durch das Beheben von Fehlern, das Umschreiben von Inhalten und das Gegenprüfen KI-generierter Ergebnisse ^[11]. Für Unternehmen ist deshalb nicht entscheidend, ob KI einen Schritt schneller macht. Entscheidend ist, ob der gesamte Prozess am Ende schneller, besser und verlässlicher wird.

Warum Scheinproduktivität gefährlich wird

G-Ps Report spricht auch ein weicheres, aber brisantes Problem an: KI-Aktivität kann wie Produktivität aussehen, ohne echten Wert zu schaffen. 88 Prozent der Führungskräfte sind besorgt, dass Beschäftigte KI einsetzen könnten, um produktiv zu wirken oder Vorgaben zur KI-Nutzung zu erfüllen, ohne sinnvolle Ergebnisse zu liefern ^[3]. Fast die Hälfte, 47 Prozent, ist sehr oder extrem besorgt, dass dies bereits passiert ^[3].

Das ist ein Warnsignal für alle Unternehmen, die KI-Erfolg vor allem an leicht zählbaren Kennzahlen festmachen: Logins, Prompt-Zahlen, erstellte Entwürfe oder Selbstauskünfte zur Nutzung. Solche Daten zeigen Aktivität. Sie beweisen aber nicht, dass Arbeit hochwertiger, schneller, sicherer oder profitabler geworden ist.

Das Paradox der menschlichen Arbeit

Besonders heikel ist der Befund zur Belegschaft. 82 Prozent der Führungskräfte sagten, KI habe den Wert verringert, den sie menschlichen Mitarbeitenden beimessen ^[3]. Gleichzeitig zeigt derselbe Report, dass Menschen weiterhin in erheblichem Umfang gebraucht werden, um KI-Ergebnisse zu prüfen, zu überwachen und zu aktualisieren ^[3].

Darin liegt ein Paradox: Je mehr Unternehmen KI einsetzen, desto wichtiger wird oft menschliches Urteilsvermögen — gerade dort, wo es um Qualität, Kontext, Verantwortung und Risiko geht. Wer KI nur als Ersatzlogik versteht, kann den menschlichen Anteil übersehen, der KI überhaupt erst geschäftstauglich macht.

McKinsey argumentierte in seiner Arbeitsplatz-KI-Forschung ähnlich: Unternehmen sollten praktische Anwendungen in den Mittelpunkt stellen, die Beschäftigte in ihrer täglichen Arbeit stärken und KI mit messbaren Ergebnissen verbinden, statt KI nur als isolierten Technologie-Rollout zu behandeln ^[13].

Welche Kennzahlen jetzt wichtiger werden

Aus den G-P-Zahlen folgt eine einfache Lehre: Unternehmen sollten KI nicht primär daran messen, ob sie genutzt wird, sondern daran, ob sie geprüfte, relevante Arbeit verbessert ^[3]. Eine robustere KI-Scorecard könnte diese Punkte enthalten:

1. Geschäftswirkung: Trägt der KI-Einsatz zu Umsatz, Kostensenkung, besserer Kundenerfahrung, geringeren Risiken oder schnellerer Lieferung geprüfter Ergebnisse bei?
2. Netto-Produktivität: Wie viel Zeit wird wirklich gewonnen, wenn Prüfaufwand, Korrekturen, Umschreiben und Aktualisierungen abgezogen werden?
3. Qualität: Sinken Fehlerquoten, Eskalationen, Compliance-Probleme oder Kundenbeschwerden? Wie oft werden KI-Ergebnisse ohne größere Nacharbeit akzeptiert?
4. Prozessintegration: Ist KI in einen wertvollen Arbeitsablauf eingebettet — oder nur ein weiteres Tool neben vielen?
5. Menschlicher Hebel: Hilft KI Beschäftigten, bessere Entscheidungen zu treffen und anspruchsvollere Arbeit zu erledigen, statt nur mehr Material zu produzieren?
6. Budgetdisziplin: Hat jeder KI-Anwendungsfall einen klaren Verantwortlichen, eine Ausgangsbasis, ein Erfolgskriterium und einen Termin zur Überprüfung, bevor die Ausgaben steigen?

Der praktische Unterschied ist groß: Nicht die Frage „Nutzen unsere Leute KI?“ entscheidet über den Wert. Sondern: „Verbessert KI die Arbeit, die für das Geschäft wirklich zählt?“

Fazit

G-Ps 2026 AI at Work Report ist keine Anti-KI-Geschichte. Er ist eine Geschichte über Nachweispflicht. Dieselbe Befragung, die universelle KI-Nutzung meldet, zeigt auch: 73 Prozent der Führungskräfte waren von mindestens einigen KI-Investitionen enttäuscht, und fast 70 Prozent könnten Ausgaben zurückfahren, wenn Ziele nicht erreicht werden ^[2][3].

Weil der Report auf Einschätzungen von Führungskräften basiert, sollte er nicht als geprüfter Beweis gelesen werden, dass KI gescheitert ist. Er zeigt aber sehr klar, dass sich die Beweislast verschoben hat. Die nächste Phase der Arbeitsplatz-KI wird weniger vom Rollout handeln — und mehr von messbarem, verlässlichem und menschlich überprüftem Geschäftswert.