Auf einen Blick
- Quelle
- Dillon, Jaffe, Immorlica and Stanton (2025). Shifting Work Patterns with Generative AI. NBER Working Paper 33795; arXiv 2504.11436, version 4 (November 2025). doi:10.3386/w33795 · Nicht fachlich begutachtet: Andere Forschende haben sie noch nicht für eine Fachzeitschrift geprüft.
- Wie sie durchgeführt wurde
- In jeder Firma wurden Beschäftigte per Zufall zugeteilt: sechs Monate mit Microsoft 365 Copilot oder ohne. Die Ergebnisse stammen aus den Aktivitätsdaten der Software selbst, nicht aus Angaben der Beschäftigten. Randomisiertes Experiment. Menschen wurden per Zufall der Arbeit mit oder ohne das Werkzeug zugeteilt, und die beiden Gruppen wurden verglichen.
- Wer teilnahm
- 7.137 Wissensarbeiter in 66 großen Firmen, 3.684 von ihnen mit dem Werkzeug.
- Wo
- Große Firmen in mehreren Branchen, die meisten in mehr als einem Land tätig, von September 2023 bis Oktober 2024.
“Apart from these individual time savings, we do not detect shifts in the quantity or composition of workers’ tasks resulting from individual-level AI provision.” [Abgesehen von dieser individuellen Zeitersparnis stellen wir keine Verschiebungen in der Menge oder Zusammensetzung der Aufgaben der Beschäftigten fest, die darauf zurückgehen, dass Einzelne KI zur Verfügung gestellt bekommen.]
Was sie fand
Das Werkzeug war in die Software für E-Mail, Besprechungen, Chat und Schreiben eingebaut, die die Beschäftigten ohnehin nutzten.
- Wer es nutzte. 80 % der Beschäftigten, die das Werkzeug bekamen, nutzten es.
- E-Mail. In der zweiten Hälfte der sechs Monate verbrachten die Nutzer pro Woche etwa zwei Stunden weniger mit E-Mails. Sie lasen 4 % weniger E-Mails und brauchten für jede nicht länger. Sie beantworteten so viele E-Mail-Verläufe wie vorher, und nicht langsamer.
- Arbeitszeit. Die Nutzer arbeiteten weniger außerhalb der regulären Arbeitszeit.
- Besprechungen und Dokumente. Die Zeit in Besprechungen und für das Schreiben von Dokumenten änderte sich nicht.
- Die Arbeit selbst. Abgesehen von der gesparten Zeit fand die Studie keine Veränderung darin, wie viel und welche Arbeit die Menschen machten.
Arbeit, die eine Person selbst steuert, etwa das eigene Postfach, veränderte sich. Arbeit, die von anderen abhängt, etwa Besprechungen, nicht.
Wann das Ergebnis gilt
Jeder Beschäftigte bekam das Werkzeug für sich, in einer unveränderten Arbeitsweise. Die Studie prüft, was das Verteilen eines Werkzeugs bewirkt. Sie prüft nicht, was geschieht, wenn ein Team seine Arbeit um das Werkzeug herum neu gestaltet.
Frühere Fassungen der Arbeit meldeten eine größere Ersparnis bei E-Mails. Diese Seite stützt sich auf Fassung 4 vom November 2025.
Grenzen
- Drei der vier Autoren arbeiten für Microsoft Research, und das Werkzeug stammt von Microsoft. Das Marketingteam von Microsoft gewann die Firmen und führte das Experiment durch.
- Die Firmen waren sehr groß und entschieden selbst über die Teilnahme. Sie nehmen neue Technik womöglich bereitwilliger auf als die meisten.
- Aktivitätsdaten zeigen die Zeit in Anwendungen, nicht die Qualität der Arbeit.
- Ein Arbeitspapier, nicht fachlich begutachtet.
Praktiken, die sich auf diese Studie stützen
Diese Studie stützt:
- Beginnen Sie mit einem kostspieligen Prozess, nicht mit einer unternehmensweiten Einführung Wählen Sie einen Prozess, der sichtbar Zeit oder Geld kostet. Setzen Sie dort KI ein, mit einem Menschen, der die Ergebnisse prüft, und weiten Sie erst aus, wenn sich die Zahlen bewegen. Zuerst · Aufwand: mittel (Wochen, einige Personen)
- Beginnen Sie mit fertiger KI in Software, die Sie schon nutzen, bevor Sie Eigenes bauen Ihre Büro-, Buchhaltungs-, Kundendienst- und Vertriebssoftware hat inzwischen wahrscheinlich KI-Funktionen. Probieren Sie diese bei einer Aufgabe aus, mit wenigen Lizenzen und einem gemessenen Ergebnis, bevor Sie jemanden für eine Eigenentwicklung bezahlen. Zuerst · Aufwand: gering (Tage, eine Person)
- Messen Sie die eingesparte Zeit je Aufgabe an einer Ausgangsmessung Halten Sie fest, wie lange eine Aufgabe dauert und wie gut das Ergebnis ist, bevor Sie KI einsetzen. Ohne diesen Ausgangswert können Sie einen echten Gewinn nicht von einem erhofften unterscheiden. Zuerst · Aufwand: gering (Tage, eine Person)
- Gestalten Sie den Arbeitsablauf neu, statt nur ein Werkzeug hinzuzufügen Wer Menschen ein KI-Werkzeug in einem unveränderten Prozess gibt, ändert wenig. Legen Sie neu fest, wer jeden Schritt erledigt, in welcher Reihenfolge und wo ein Mensch prüft. Als Nächstes · Aufwand: hoch (Monate, mehrere Teams)