Dieser Text wurde (ganz oder teilweise) mithilfe von KI erstellt.
Stand: 16.10.2026
Der Guardian berichtet über Kurskorrekturen beim KI-Einsatz in Unternehmen. Dieser Beitrag nimmt den Bericht zum Anlass für eine eigenständige Einordnung anhand von Originalquellen: Was entscheidet darüber, ob künstliche Intelligenz im Arbeitsalltag tatsächlich hilft?
Werkzeuge allein verändern noch keine Arbeitsabläufe
Microsoft beschreibt in einem eigenen Erfahrungsbericht vom September 2026, dass die breite Bereitstellung von KI-Werkzeugen zunächst nicht automatisch zu den erhofften Veränderungen führte. Das Unternehmen betont, ganze Arbeitsabläufe zu verbessern und Beschäftigte einzubeziehen. Wenn lediglich ein einzelner Arbeitsschritt schneller wird, kann sich die Arbeit an der nächsten Station stauen. Microsoft berichtet zugleich über Erfolge in ausgewählten Bereichen. Diese Angaben stammen vom Unternehmen selbst und sind kein unabhängiger Beleg dafür, dass sich vergleichbare Verbesserungen überall erreichen lassen.
Kontrolle kann zu einer Kurskorrektur führen
Eine EY-Befragung von 202 führenden KI-Verantwortlichen börsennotierter US-Unternehmen mit mindestens einer Milliarde US-Dollar Jahresumsatz zeigt konkrete Schwierigkeiten. 36 Prozent berichteten über einen KI-Vorfall mit erheblichen negativen Folgen, beispielsweise Datenverlust, finanziellen Schäden oder Betriebsstörungen. Unter den Befragten, deren Unternehmen formale KI-Prüfungen durchgeführt hatten, gaben 29 Prozent an, mindestens ein Viertel ihrer KI-Systeme pausiert zu haben.
Diese Ergebnisse beschreiben Selbstauskünfte aus einer bestimmten Gruppe großer Unternehmen. Sie zeigen weder die Lage aller Betriebe noch, dass KI insgesamt gescheitert wäre. Sie verdeutlichen aber, warum verbindliche Zuständigkeiten und regelmäßige Prüfungen zum Einsatz dazugehören.
Weiterbildung muss zur konkreten Arbeit passen
In einer US-Befragung von Indeed und YouGov erklärten 52 Prozent der befragten Beschäftigten, nicht die benötigte KI-Schulung zu erhalten. Die Untersuchung umfasste insgesamt 1.301 Personen, darunter 1.001 Arbeitssuchende und 300 Personalentscheidende größerer Unternehmen. Die Ergebnisse lassen sich daher nicht ohne Weiteres auf die gesamte deutsche Arbeitswelt übertragen.
Für die Praxis spricht das dafür, Schulungen an tatsächlichen Aufgaben auszurichten. Wer Kundenanfragen bearbeitet, braucht andere Übungen als jemand, der Programme entwickelt. Entscheidend sind auch die Fragen: Woran erkenne ich einen Fehler? Welche Informationen darf ich eingeben? Wann muss ein Mensch übernehmen?
KI kann nachweislich helfen
Ein Gegenbeispiel zu pauschaler Ernüchterung liefert das NBER-Arbeitspapier „Generative AI at Work“ in seiner Fassung vom November 2023. Es untersucht 5.179 Beschäftigte im Kundendienst. Mit KI-Unterstützung stieg die Zahl gelöster Anliegen pro Stunde im Durchschnitt um 14 Prozent. Besonders profitierten weniger erfahrene Beschäftigte. Bei erfahrenen, leistungsstarken Mitarbeitenden waren die Effekte deutlich kleiner.
Das ist ein Ergebnis für einen konkreten Einsatzbereich, kein allgemeines Versprechen für beliebige Tätigkeiten. Zusammen mit den anderen Quellen ergibt sich ein differenziertes Bild: Nutzen ist möglich, hängt aber von Aufgabe, Umsetzung und Erfahrung ab.
Praxisbeispiel: Eine Antwort ist erst nach der Prüfung fertig
Ein frei gewähltes Rechenbeispiel verdeutlicht die Bedeutung der Gesamtzeit. Eine Kundenantwort dauert ohne KI zehn Minuten. Die KI erstellt einen Entwurf in zwei Minuten. Benötigt die Prüfung anschließend drei Minuten, werden insgesamt fünf Minuten eingespart. Dauern Kontrolle und Korrektur dagegen neun Minuten, ist der Vorgang mit elf Minuten langsamer als zuvor. Diese Zahlen dienen nur der Veranschaulichung und stammen aus keiner Studie.
Eigene Einordnung und Empfehlung
Betriebe sollten vor einem breiten Einsatz eine klar umrissene Aufgabe erproben und den bisherigen Ablauf mit dem KI-gestützten Verfahren vergleichen. Dabei zählen Bearbeitungszeit einschließlich Nacharbeit, Ergebnisqualität, Kosten und die Erfahrungen der Beschäftigten. Fachkundige Menschen müssen Fehler erkennen und Entscheidungen verantworten können.
Fazit
Der sinnvolle Maßstab ist der nachprüfbare Nutzen im gesamten Arbeitsablauf. Ein Pilotprojekt zu verändern oder zu beenden kann deshalb eine sachgerechte Entscheidung sein. Weiterbildung, klare Zuständigkeiten und eine ehrliche Erfolgskontrolle gehören zur Einführung dazu.
Quellen
1. Companies rushed in on AI. Now some are pulling back
Taylor Telford, The Guardian. Veröffentlicht am 13.10.2026, aktualisiert am 14.10.2026.
https://www.theguardian.com/technology/2026/oct/13/ai-companies-rushed-workers-fallout
2. What we’ve learned from Microsoft’s own AI transformation
Kathleen Hogan, Microsoft. Veröffentlicht am 17.09.2026.
https://blogs.microsoft.com/blog/2026/09/17/what-weve-learned-from-microsofts-own-ai-transformation/
3. EY survey finds that autonomous AI implementation outpaces oversight, yielding an AI governance gap
EY US. Veröffentlicht am 15.09.2026. Befragungszeitraum: 28.05. bis 15.06.2026.
https://www.ey.com/en_us/newsroom/2026/09/ey-survey-finds-that-autonomous-ai-implementation-outpaces-oversight-yielding-an-ai-governance-gap
4. Employers Want AI-Native Talent, but the Workforce Isn’t There Yet. Here’s How to Close the Gap
Kristy Threlkeld, Indeed. Veröffentlicht am 28.07.2026. Befragung mit YouGov: 22.05. bis 02.06.2026.
https://www.indeed.com/lead/employers-want-ai-native-talent-but-the-workforce-isnt-there-yet-heres-how-to-close-the-gap
5. Generative AI at Work
Erik Brynjolfsson, Danielle Li und Lindsey R. Raymond, NBER Working Paper 31161. April 2023, überarbeitet im November 2023. Die genannten Zahlen beziehen sich auf diese Arbeitspapierfassung.
https://www.nber.org/papers/w31161
Alle Quellen abgerufen am 16.10.2026.