Mit dem ersten Entwurf ist die Arbeit noch nicht fertig.
Stellen Sie sich einen neuen Filter für überfällige Rechnungen in einer internen Anwendung vor. Der Code ist schnell geschrieben. Trotzdem muss jemand prüfen, welche Rechnungen dazugehören, Grenzfälle korrigieren und die Änderung freigeben. Solange die Buchhaltung dem Ergebnis nicht vertrauen kann, ist die Aufgabe offen. Dieses Beispiel ist erfunden.
Wir würden das erwartete Verhalten vor dem Vergleich festlegen: Eine unbezahlte Rechnung nach ihrem Fälligkeitstag erscheint, eine bezahlte oder noch nicht fällige Rechnung nicht. Für vergleichbare Änderungen mit und ohne KI gelten dieselben Anforderungen. Die prüfende Person hält Abnahme oder Ablehnungsgrund fest. Ob der Code auf den ersten Blick plausibel aussieht, reicht dafür nicht.[S1]
Den angenommenen 75 gesparten Minuten beim Erstellen stehen 85 zusätzliche Minuten für Prüfung, Nacharbeit und Freigabe gegenüber. Insgesamt braucht die Änderung mit KI zehn Personenminuten mehr. Die gewählten Zahlen erklären die Rechnung. Sie sagen nicht voraus, wie Ihr Team abschneidet.[S1]
| Menschlicher Aufwand im erfundenen Beispiel | Ohne KI | Mit KI |
|---|---|---|
| Änderung erstellen | 120 Min. | 45 Min. |
| Prüfen | 30 Min. | 90 Min. |
| Nacharbeiten | 20 Min. | 35 Min. |
| Testen und freigeben | 10 Min. | 20 Min. |
| Gesamter menschlicher Aufwand | 180 Min. | 190 Min. |
Aufwand, Wartezeit und Qualität bleiben getrennt sichtbar.
Eine Prüfung kann eine halbe Stunde dauern, obwohl die Änderung den ganzen Nachmittag darauf gewartet hat. Erfassen Sie beides. In unserem Beispiel läuft die Aufgabe ohne KI von 09:00 bis 14:30 Uhr, also 330 Minuten. Mit KI dauert sie von 09:00 bis 16:00 Uhr, also 420 Minuten. Diese Zeitspannen enthalten Wartezeit und stehen neben den 180 beziehungsweise 190 Personenminuten aktiver Arbeit.[S1]
Damit der Vergleich nachvollziehbar bleibt, braucht jede Aufgabe einen Eintrag zu Ausgangslage, Aufwand, verstrichener Zeit und Ergebnis. Die Fehlernachprüfung ergänzt diesen Eintrag zum vereinbarten Termin.
| Je Aufgabe festhalten | Das gehört in den Eintrag |
|---|---|
| Vergleichbare Ausgangslage | Aufgabenart, erwartetes Verhalten, Risiko, Vertrautheit mit dem Codebestand, Erfahrung sowie Werkzeug- und Modellversion. |
| Menschlicher Aufwand | Aktive Minuten aller Beteiligten für Erstellung, Prüfung, Nacharbeit, Tests und Freigabe. Gemeinsamen Einrichtungsaufwand ausdrücklich zuordnen. |
| Durchlaufzeit | Beginn und Abnahme einschließlich Wartezeit. Maschinenlaufzeit gesondert erfassen. |
| Nutzbares Ergebnis | Abgenommen, verworfen oder abgebrochen, jeweils mit prüfender Person und Grund. Erfolglose Versuche nicht auslassen. |
| Spätere Qualität | Fehler, Schweregrad und Reparaturaufwand innerhalb eines vorab vereinbarten Zeitraums. Ein noch nicht beobachteter Zeitraum bedeutet unbekannt, nicht fehlerfrei. |
Gescheiterte Versuche verändern das Ergebnis. Angenommen, ein zweiter KI-gestützter Versuch braucht 95 Personenminuten und wird verworfen. Dann wurden insgesamt 285 Minuten für eine abgenommene Änderung aufgewendet, nicht 190. Ohne abgenommenes Ergebnis ist der Aufwand je abgenommener Änderung nicht definiert. Nennen Sie dann den Aufwand und null Abnahmen getrennt. Auch spätere Reparaturzeit bleibt sichtbar.[S1]
Ähnliche Aufgaben machen den Vergleich aussagekräftiger.
Gruppieren Sie vergleichbare Aufgaben, bevor Sie die beiden Arbeitsweisen zuordnen. Geben Sie der KI nicht nur die einfachen Fälle. Lassen Sie auch niemanden dasselbe bereits verstandene Problem zweimal lösen. Halten Sie Unterschiede fest und wiederholen Sie den Vergleich. Eine zufällige Zuordnung stärkt eine Studie; ein beobachtendes Teamprotokoll isoliert die Ursache einer Veränderung nicht.
Aktuelle Forschung zeigt, warum das zählt. METR erklärte im Februar 2026, weshalb der spätere Entwicklerversuch keine verlässliche Schätzung der Wirkung lieferte: Die Auswahl der Teilnehmenden und Aufgaben sowie parallel eingesetzte Agenten erschwerten den Vergleich. Eine im Mai veröffentlichte Befragung von 349 technischen Fachkräften berichtete wahrgenommene Vorteile. Die Antworten wurden von Februar bis April 2026 erhoben. Das waren Selbstauskünfte, keine beobachteten Leistungsgewinne.[S2][S3]
Mehr Ergebnisse können zudem andere Arbeit bedeuten. Ein nun günstig gebautes Dashboard mag helfen. Seine hypothetische Bauzeit ohne KI ist aber nicht automatisch eingesparter Geschäftswert. Halten Sie fest, wofür die Änderung gebraucht wurde und was sie ermöglicht hat. METR erläutert diesen Unterschied zwischen veränderter Aufgabenwahl und Wert in einer gesonderten Analyse.[S4]
Beginnen Sie mit einer wiederkehrenden, prüfbaren Änderung.
Wählen Sie mit der entwickelnden und der abnehmenden Person eine vertraute Aufgabenart. Schreiben Sie vor Beginn die Abnahmefälle und den Termin zur Fehlernachprüfung auf. Nutzen Sie das Protokoll oben für beide Arbeitsweisen. Betrachten Sie die abgeschlossenen Fälle gemeinsam: Kamen nützliche Änderungen früher an, brauchten sie weniger menschlichen Aufwand und hielten sie dieselbe Qualität? Wenn die Antworten auseinandergehen, untersuchen Sie den betreffenden Arbeitsschritt, bevor Sie den KI-Einsatz ausweiten.
Dahinter steht die praktische Frage einer hybriden Organisation: Wie liefern Menschen und Agenten gemeinsam nützliche Arbeit? Wir schlagen das Protokoll als Ausgangspunkt vor. Es bescheinigt keine Codesicherheit, berechnet keine Werkzeugkosten und belegt keine Personaleinsparung.
