Was, wenn das alles gar nicht so viel bringt?
Schneller Texte schreiben, Mails beantworten lassen, Code-Schnipsel generieren: KI-Chatbots wie ChatGPT sollen uns produktiver machen – vor allem in Apps, im Job, im Alltag. Und die großen Versprechen dazu kennt mittlerweile jeder. Aber: Eine neue Studie zeigt ziemlich eindeutig, dass die Realität anders aussieht. Spoiler: Wer dachte, dass KI den Büroalltag revolutioniert, sollte mal einen Blick nach Dänemark werfen.
Die Fakten: Was wurde untersucht?
Zuerst mal: Diese Studie ist kein Meinungsartikel, keine Umfrage unter Tech-Influencern, sondern handfeste Sozialforschung mit echten Daten. Und zwar von:
- Anders Humlum (University of Chicago Booth School of Business)
- Emilie Vestergaard (University of Copenhagen)
Veröffentlicht im Mai 2025 beim NBER unter dem Titel
„Large Language Models, Small Labor Market Effects“
Grundlage der Studie:
- 25.159 Beschäftigte
- 7.381 Unternehmen in Dänemark
- Zeitraum: 2022–2024
- Fokus: Einführung von generativer KI, insbesondere LLMs (Large Language Models), z. B. ChatGPT
Und das Besondere: Die Forscher*innen haben nicht Leute gefragt, wie sie KI finden – sie haben in staatliche Datenbanken geschaut: Gehälter, Arbeitsstunden, Jobwechsel, Aufgabenzuordnungen. Dazu Infos aus Stellenausschreibungen, wann ein Unternehmen wahrscheinlich KI eingeführt hat.
Das Ergebnis? Ernüchternd
Trotz des riesigen Hypes zeigt sich:
| Kennzahl | Ergebnis nach KI-Einführung |
|---|---|
| Produktivitätsgewinn | ~ 3 % bei „exponierten“ Berufen |
| Lohnsteigerung | statistisch nicht signifikant |
| Arbeitszeit | konstant geblieben |
| Jobwechsel / Karriereaufstieg | kaum Veränderungen |
| Aufgabenverlagerung | ja, aber keine echten Transformationen |
Heißt: KI hilft vielleicht, ein bisschen Zeit zu sparen – aber das bringt weder mehr Geld noch weniger Stress. In der Praxis wird oft einfach nur ein Arbeitsschritt schneller gemacht – der nächste kommt halt gleich hinterher.
Welche Jobs wurden analysiert?
Vor allem diese drei Bereiche, die laut früherer Forschung am stärksten durch LLMs betroffen sein könnten:
- Kundendienst / Support
- Journalismus / Medien
- Softwareentwicklung
Diese Berufe wurden als „LLM-exponiert“ klassifiziert – mithilfe internationaler Klassifikationen wie O*NET, dann übertragen auf das dänische Job-System.
Warum funktioniert es nicht besser?
Die Studie nennt dafür gleich mehrere ziemlich nachvollziehbare Gründe:
| Faktor | Problem in der Realität |
|---|---|
| Gewonnene Zeit | Wird oft nicht sinnvoll genutzt – oder gleich wieder „aufgefüllt“ |
| Kontrollaufwand | KI muss überwacht werden (z. B. bei Prüfungen, Texten, Code) |
| Keine Lohnkopplung | Wer effizienter arbeitet, bekommt trotzdem kein höheres Gehalt |
| Strukturelle Trägheit | Unternehmen bemerken Effizienzgewinne oft gar nicht – oder reagieren nicht |
| Soziale Dynamik | Mitarbeitende sagen lieber nicht, dass sie schneller sind – aus Angst vor Mehrarbeit oder Kürzung der Stunden |
Kurz: Der Büroalltag ist komplizierter als jede PowerPoint-Folie. Und selbst eine noch so geniale KI bringt wenig, wenn das System drumherum träge bleibt.
Und was heißt das für KI-Apps?
Wenn dir eine App verspricht, deinen Alltag durch KI komplett zu optimieren – dann lies nochmal oben. Die Studie zeigt: LLMs sind kein magischer Produktivitätsbooster. Sie funktionieren in bestimmten Szenarien gut – aber sie lösen nicht automatisch die Grundprobleme von Arbeit, Organisation oder Belohnungssystemen.
Gerade im App-Bereich heißt das:
Nur weil eine App ein KI-Label trägt, ist sie nicht automatisch sinnvoll.
Frag dich lieber:
- Spart sie dir wirklich Zeit?
- Oder produziert sie nur neue Aufgaben?
- Macht sie dich unabhängiger – oder bringt sie dich in noch mehr Tool-Abhängigkeit?
Fazit: KI ist kein Wundermittel – noch nicht
Diese dänische Studie ist einer der ersten großen Realitätstests für KI im echten Arbeitsleben. Sie zeigt, dass der Effekt auf Produktivität und Gehalt bislang überschaubar ist. Nicht null – aber weit entfernt von Revolution.
Für App-Entwickler heißt das: weniger Buzzwords, mehr echte Lösungen.
Für Nutzer: weniger Staunen, mehr Prüfen.
Für alle: Es bleibt spannend – aber mit kühlem Kopf.
