KI-ROI-Rechner: Rechnet sich KI?

Das Ergebnis hat vier Zeilen. Die ersten drei geben je eine untere und eine obere Schätzung, und zusammen ergeben sie das Ergebnis. Die vierte listet auf, was bei anderen Organisationen schiefging. Sie wird nie hinzugerechnet.

• Einen Anteil eingesparter Zeit, der „zu Wert wird“, aus einer Studie. Keine Studie nennt einen. Der Anteil ist Ihre Eingabe. Die veröffentlichten Zahlen daneben messen anderes: was Menschen nach eigener Aussage mit der Zeit gemacht haben, oder was bei ihrem Lohn ankam.
• Eine Zahl dafür, was Nutzungsziele, Quoten oder Ranglisten bewirken. Niemand hat es gemessen. Sie erhalten die berichteten Fälle. Und Sie erhalten, was eine Umfrage unter etwa 25.000 Beschäftigten in Dänemark fand: Wo Arbeitgeber die Nutzung von Chatbots förderten, nutzten 83 % der Beschäftigten sie, sonst 47 % (Humlum und Vestergaard, 2025).
• „Ausfallquoten“ von Pilotprojekten in den Rechnungen. Vier werden häufig zitiert, und keine misst die Wahrscheinlichkeit, dass Ihr Projekt scheitert.
  • 95 %. Der Anteil der Organisationen ohne messbare Rendite in der Gewinn- und Verlustrechnung, in einem Bericht auf Grundlage von Interviews in 52 Organisationen. Erfolg hieß, dass Nutzende oder Führungskräfte eine dauerhafte Wirkung „bemerkt“ hatten (“remarked”) (MIT-NANDA-Bericht, 2025).
  • 42 %. Der Anteil der 1.006 Befragten, die sagten, ihr Unternehmen habe die meisten seiner KI-Vorhaben vor dem produktiven Einsatz aufgegeben (Umfrage von S&P Global, 2025).
  • 30 %. Eine Vorhersage aus dem Jahr 2024, ohne veröffentlichte Methode (Gartner, 2024).
  • 80 %. Oft RAND zugeschrieben, dessen Bericht die Zahl mit “By some estimates” [„Nach manchen Schätzungen“] einleitet. RAND befragte 65 Datenfachleute und Ingenieure, warum Projekte scheitern, und zählte keine gescheiterten Projekte (RAND, 2024).
• Die Wahrscheinlichkeit oder die erwarteten Kosten, wenn etwas schiefgeht. Siehe die vierte Zeile, Risiko: was es andere gekostet hat. Sie listet auf, was bei anderen Organisationen schiefging, und sagt, warum nichts davon im Ergebnis steckt.
• Einen Gewinn für „alle Beschäftigten“. Jeder gemessene Gewinn gilt für eine Art von Arbeit und eine Gruppe von Menschen. Die Zahl für Mitarbeitende im Kundendienst sagt nichts über Ihre Buchhaltung.
• Eine Rendite, die von der Unternehmensgröße abhängt. Siehe den Hinweis unter den Größen-Schaltflächen in Ihre Zahlen.
• Eine Prognose für die ganze Volkswirtschaft als Ihre Rendite. Siehe den nächsten Abschnitt.

Der Ökonom Daron Acemoglu schätzte 2024, wie viel KI in zehn Jahren zur Produktivität der Vereinigten Staaten beitragen wird. Seine Rechnung hat vier Zahlen.

1. 20 % der Aufgaben × 23 % = 4,6 % der Aufgaben KI könnte 20 % der Arbeitsaufgaben übernehmen oder unterstützen, gezählt nach dem Lohn, der an ihnen hängt. 23 % davon lohnen sich innerhalb von zehn Jahren zu automatisieren. Die 23 % übernimmt er aus einer Kostenstudie zu Systemen für maschinelles Sehen (Svanberg und andere, 2024) und nennt diesen Schritt “not an innocuous step” [„keinen harmlosen Schritt“].
2. 27 % Arbeitsersparnis × 0,535 = 14,4 % Kostenersparnis 27 % ist der Durchschnitt zweier Experimente: zu Schreibaufgaben und zum Kundendienst, die beide in diesem Werkzeug verwendet werden. Arbeit macht 53,5 % der Kosten dieser Aufgaben aus. Nimmt man ein Experiment mit einem Programmierassistenten hinzu, steigen die 27 % auf 36 %.
3. 4,6 % × 14,4 % = 0,66 % Zusätzliche Produktivität insgesamt über zehn Jahre. Er nennt es eine Obergrenze. Sparen schwierigere Aufgaben 7 % statt 27 %, sind es 0,53 %. Beim BIP: 0,93 % bis 1,16 % mehr über zehn Jahre. Er fügt hinzu, dass die Rechnung die Kosten für die Umorganisation der Arbeit auslässt, die Zahl also immer noch zu hoch sein kann.

Von den Autoren der Studie berechnet Quelle: Acemoglu, 2024. Es ist eine Zehnjahreszahl für eine ganze Volkswirtschaft, nicht die Rendite eines Unternehmens. Ein Unternehmen, das seine Aufgaben gut wählt, kann weit darüber liegen, und ein Unternehmen, das keine wählt, liegt bei null.

Aghion und Bunel setzten Acemoglus eigene Formel mit ihrer Lesart der Evidenz ein und kamen auf etwa das Zehnfache seiner Zahl. Die Antwort hängt von den ersten beiden Zahlen der Rechnung ab. Zwei weitere Schlagzeilenzahlen messen etwas anderes. Die “almost 40%” [„fast 40 %“] des IMF sind der Anteil der Arbeitsplätze, die KI ausgesetzt sind (IMF-Blog, 2024). Die $2,6 Billionen bis $4,4 Billionen pro Jahr von McKinsey sind der Wert von 63 Anwendungen, die McKinsey für die Untersuchung ausgewählt hat (McKinsey Global Institute, 2023).

Jede Zahl, die dieses Werkzeug verwendet oder zeigt, mit der Angabe, welche Art von Zahl sie ist. Ein Link auf diese Website führt zu einer Seite, die sagt, was die Studie oder der Fall untersucht und gefunden hat.

Zahlen, die in die Rechnung eingehen

Jede geht in die Rechnung ein, wenn Sie ihr Kästchen anhaken oder ihre Art von Arbeit wählen.

1. Noy, S. and Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187-192 (peer-reviewed). doi.org In einer Studie gemessen In einem Experiment mit kurzen beruflichen Schreibaufgaben verkürzte ChatGPT die benötigte Zeit um 40 % und steigerte die Qualität um 18 %. Auf dieser Website.
2. Brynjolfsson, E., Li, D. and Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889-942 (peer-reviewed). Abstract read on arXiv:2304.11771. arxiv.org In einer Studie gemessen In einem großen Kundendienstbetrieb lösten Mitarbeitende mit einem KI-Assistenten im Schnitt 15 % mehr Anliegen pro Stunde. Auf dieser Website.
3. Dell’Acqua, F. et al. (2026). Navigating the Jagged Technological Frontier. Organization Science, 37(2), 403-423 (peer-reviewed). doi.org In einer Studie gemessen Beratende mit GPT-4 erledigten bei Arbeit, die die KI gut erledigt, 12,2 % mehr Aufgaben 25,1 % schneller, und lagen bei einer Aufgabe, die die KI nicht gut erledigen konnte, mit 19 Prozentpunkten geringerer Wahrscheinlichkeit richtig. Auf dieser Website.
4. Cui, K. Z., Demirer, M., Jaffe, S., Musolff, L., Peng, S. and Salz, T. (February 2025 version). The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers. Working paper (version hosted by MIT Economics; not peer-reviewed at that version). economics.mit.edu In einer Studie gemessen In drei randomisierten Versuchen, die Unternehmen selbst durchführten, erledigten Entwickler mit einem KI-Programmierassistenten etwa 26 % mehr Aufgaben.
5. Becker, J., Rush, N., Barnes, B. and Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. arXiv:2507.09089v2 (preprint, not peer-reviewed). arxiv.org In einer Studie gemessen In einem randomisierten Versuch brauchten erfahrene Open-Source-Entwickler für ihre eigenen echten Aufgaben 19 % länger, wenn sie KI-Werkzeuge nutzen durften.
6. Humlum, A. and Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56, May 2025 (working paper). bfi.uchicago.edu Selbst angegeben Über einen ganzen Arbeitsmarkt hinweg gaben Chatbot-Nutzende an, im Schnitt 2,8 % ihrer Arbeitszeit einzusparen. Auf dieser Website.
7. Bick, A., Blandin, A. and Deming, D. (27 February 2025). The Impact of Generative AI on Work Productivity. Federal Reserve Bank of St. Louis, On the Economy blog. stlouisfed.org Selbst angegeben In einer landesweiten Umfrage in den USA sagten Nutzende generativer KI, sie spare ihnen 5,4 % ihrer Arbeitszeit. Über alle Beschäftigten sind das 1,4 %.
8. Humlum, A. and Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56 (May 2025 version). bfi.uchicago.edu Selbst angegeben Wo Arbeitgeber in Dänemark die Nutzung von Chatbots förderten, verdoppelte sich der Anteil der Beschäftigten, die Chatbots nutzten, fast, von 47 % auf 83 %, und die angegebene Zeitersparnis war größer.
9. Workday (14 January 2026). New Workday Research: Companies Are Leaving AI Gains on the Table. Press release for 'Beyond Productivity: Measuring the Real Value of AI', fielded by Hanover Research (vendor survey). newsroom.workday.com Selbst angegeben In einer Umfrage eines Anbieters sagten Beschäftigte, fast 40 % der Zeit, die KI ihnen sparte, gingen mit dem Korrigieren und Prüfen ihrer Ergebnisse verloren.
10. Anthropic. Claude pricing page (vendor price list), checked 13 October 2026. claude.com Listenpreis des Anbieters Anthropic nennt für den Tarif Claude Team $20 pro Platz und Monat bei jährlicher Abrechnung oder $25 bei monatlicher Abrechnung, mit einem Premium-Platz für $100.

Frei werdende Zeit: zum Vergleich gezeigt

1. METR (24 February 2026). We are Changing our Developer Productivity Experiment Design. METR blog. metr.org In einer Studie gemessen Die Folgestudie von METR fand geringere Verlangsamungen und hält ihre eigenen neuen Daten für unzuverlässig, weil Entwickler keine Aufgaben mehr ohne KI erledigen wollen.
2. UK Government Digital Service (2 June 2025). Microsoft 365 Copilot experiment: cross-government findings report. gov.uk Selbst angegeben Im Copilot-Versuch der britischen Regierung gaben Nutzende an, im Schnitt 26 Minuten pro Tag einzusparen. Auf dieser Website.
3. Dillon, E. W., Jaffe, S., Immorlica, N. and Stanton, C. T. (2025). Shifting Work Patterns with Generative AI. NBER Working Paper 33795 (working paper; three authors work at Microsoft Research). nber.org In einer Studie gemessen In einem randomisierten Versuch in 66 Unternehmen verbrachten Beschäftigte, die einen KI-Assistenten in ihrer Bürosoftware nutzten, zwei Stunden pro Woche weniger mit E-Mails.
4. Digital Transformation Agency (October 2024). Evaluation of the whole-of-government trial of Microsoft 365 Copilot: Summary of evaluation findings. digital.gov.au Selbst angegeben Derselbe Versuch fand, dass die gefühlte Ersparnis von etwa einer Stunde pro Tag auf drei Aufgaben beschränkt war: Zusammenfassen, erste Entwürfe und Informationssuche.

Genutzte Zeit: zum Vergleich gezeigt

1. Dillon, E. W., Jaffe, S., Immorlica, N. and Stanton, C. T. (2025). Shifting Work Patterns with Generative AI. NBER Working Paper 33795. nber.org In einer Studie gemessen Derselbe Versuch fand keine Veränderung darin, wie viel und welche Arbeit Menschen erledigten: Die eingesparte Zeit zeigte sich nicht als mehr Leistung.
2. Humlum, A. and Vestergaard, E. (2025, revised March 2026). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777 (working paper). nber.org In einer Studie gemessen Zwei Jahre nach dem Erscheinen von ChatGPT fand eine dänische Studie, die Umfragen mit Lohndaten verknüpfte, keine Wirkung auf Verdienst oder erfasste Stunden und schließt Wirkungen über 2 % aus. Auf dieser Website.
3. Humlum, A. and Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56 (May 2025 version). bfi.uchicago.edu In einer Studie gemessen In der dänischen Studie zeigten sich nur 3 % bis 7 % der angegebenen Zeitersparnis der Beschäftigten als höherer Verdienst. Auf dieser Website.
4. Humlum, A. and Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56 (May 2025 version). bfi.uchicago.edu Selbst angegeben Gefragt, was sie mit der durch Chatbots eingesparten Zeit machten, nannten 80 % der Nutzenden in Dänemark andere Arbeitsaufgaben, weniger als 10 % Pausen oder Freizeit und 25 % mehr von derselben Aufgabe.
5. Yotzov, I., Barrero, J. M., Bloom, N., Bunn, P., Davis, S. J. et al. (2026). Firm Data on AI. NBER Working Paper 34836, February 2026, revised March 2026 (working paper). nber.org Selbst angegeben In einer Umfrage unter fast 6.000 Führungskräften in vier Ländern sagten 89 %, KI habe in den letzten drei Jahren keine Wirkung auf die Arbeitsproduktivität ihres Unternehmens gehabt.
6. Yotzov, I., Barrero, J. M., Bloom, N. et al. (2026). Firm Data on AI. NBER Working Paper 34836. nber.org Selbst angegeben Dieselben Führungskräfte erwarten, dass KI die Produktivität ihrer Unternehmen in den nächsten drei Jahren im Schnitt um 1,4 % steigert.
7. UK Department for Business and Trade (August 2025). The evaluation of the M365 Copilot pilot in the Department for Business and Trade. assets.publishing.service.gov.uk In einer Studie gemessen Ein britisches Ministerium, das sein Copilot-Pilotprojekt gemessen hat, fand Zeitersparnis bei einigen Aufgaben und keinen Beleg, dass sie zu höherer Produktivität führte. Auf dieser Website.
8. Digital Transformation Agency (October 2024). Evaluation of the whole-of-government trial of Microsoft 365 Copilot: Summary of evaluation findings. Evaluation by Nous Group. digital.gov.au Selbst angegeben Im Copilot-Versuch der australischen Regierung sagten etwa 40 % der Teilnehmenden, sie hätten eingesparte Zeit auf wertvollere Arbeit verlagern können.
9. Australian Centre for Evaluation, The Treasury (February 2025). Evaluation of a trial of generative artificial intelligence (Copilot) in The Department of the Treasury. evaluation.treasury.gov.au Selbst angegeben Im Copilot-Versuch des australischen Finanzministeriums erwarteten vorher 85 %, dass das Werkzeug ihre Arbeit beschleunigt, und hinterher sagten 49 %, dass es das getan habe.
10. McElheran, K., Yang, M.-J., Kroff, Z. and Brynjolfsson, E. (2025). The Rise of Industrial AI in America: Microfoundations of the Productivity J-curve(s). US Census Bureau, Center for Economic Studies Working Paper CES 25-27, April 2025 (working paper). www2.census.gov In einer Studie gemessen In der US-Industrie wurden Werke, die industrielle KI einführten, zunächst weniger produktiv, bevor Gewinne sichtbar wurden. Die Verluste trafen vor allem ältere Betriebe.
11. Brynjolfsson, E., Rock, D. and Syverson, C. (2018). The Productivity J-Curve: How Intangibles Complement General Purpose Technologies. NBER Working Paper 25148; published in American Economic Journal: Macroeconomics, 13(1), 2021, 333-372 (peer-reviewed). nber.org Von den Autoren der Studie berechnet Eine neue Allzwecktechnologie braucht zuerst nicht gemessene Investitionen in Prozesse und Kompetenzen. Daher sinkt die gemessene Produktivität, bevor sie steigt: die 'productivity J-curve' [„Produktivitäts-J-Kurve“].
12. Babina, T., Fedyk, A., He, A. and Hodson, J. (2024). Artificial intelligence, firm growth, and product innovation. Journal of Financial Economics, 151, 103745 (peer-reviewed). sciencedirect.com In einer Studie gemessen US-Unternehmen, die mehr in KI investierten, wuchsen schneller bei Umsatz, Beschäftigung und Marktwert, vor allem durch die Einführung neuer Produkte.
13. Czarnitzki, D., Fernández, G. P. and Rammer, C. (2023). Artificial intelligence and firm-level productivity. Journal of Economic Behavior & Organization, 211, 188-205 (peer-reviewed, open access). sciencedirect.com In einer Studie gemessen Deutsche Unternehmen, die KI nutzten, waren produktiver, und der Zusammenhang blieb bestehen, als die Autoren berücksichtigten, welche Unternehmen sich für KI entscheiden.
14. Aghion, P., Bunel, S., Jaravel, X., Mikaelsen, T., Roulet, A. and Søgaard, J. (2025). How Different Uses of AI Shape Labor Demand: Evidence from France. AEA Papers and Proceedings, 115, 62-67 (lightly reviewed conference volume). ideas.repec.org In einer Studie gemessen Bei französischen Unternehmen, die KI einführten, stiegen danach Beschäftigung und Umsatz, mit unterschiedlichen Ergebnissen je nach Anwendung.
15. Jiang, W., Park, J., Xiao, R. and Zhang, S. (2025). AI and the Extended Workday: Productivity, Contracting Efficiency, and Distribution of Rents. NBER Working Paper 33536 (working paper). nber.org In einer Studie gemessen Eine US-Studie mit Zeittagebüchern fand, dass Menschen in Berufen, die KI stärker ausgesetzt sind, länger arbeiteten und weniger Freizeit hatten, nicht mehr.
16. McKinsey & Company (5 November 2025). The State of AI: Global Survey 2025 (consultancy survey). web.archive.org Selbst angegeben In der McKinsey-Umfrage 2025 schrieben etwa 6 % der Organisationen KI 5 % oder mehr ihres operativen Gewinns zu, und sie hatten fast dreimal so oft ihre Arbeitsabläufe neu gestaltet. Auf dieser Website.

Laufende Kosten: zum Vergleich gezeigt

1. BetterUp Labs and Stanford Social Media Lab (2025). Workslop: The Hidden Cost of AI-Generated Busywork. Reported in Niederhoffer, K., Kellerman, G. R., Lee, A., Liebscher, A., Rapuano, K. and Hancock, J. T. (22 September 2025). AI-Generated “Workslop” Is Destroying Productivity. Harvard Business Review (vendor survey; magazine article, not peer-reviewed). betterup.com Selbst angegeben In einer Umfrage von BetterUp und Stanford sagten 40 % der Büroangestellten in den USA, sie hätten im vergangenen Monat 'workslop' erhalten: KI-Ergebnisse, die poliert aussehen, aber die eigentliche Arbeit dem Empfänger überlassen.
2. UK Department for Business and Trade (August 2025). The evaluation of the M365 Copilot pilot in the Department for Business and Trade. assets.publishing.service.gov.uk Selbst angegeben Im Copilot-Pilotprojekt des britischen Ministeriums hatten 22 % der Tagebuch-Teilnehmenden erfundene Inhalte bemerkt. Geprüft wurde uneinheitlich. Auf dieser Website.
3. UK Department for Business and Trade (August 2025). The evaluation of the M365 Copilot pilot in the Department for Business and Trade. assets.publishing.service.gov.uk Selbst angegeben Manche Aufgaben dauerten mit Copilot länger: Terminplanung kostete 0,6 Stunden mehr pro Aufgabe und das Erstellen von Bildern 0,5 Stunden mehr, laut den Tagebüchern der Nutzenden. Auf dieser Website.
4. Humlum, A. and Vestergaard, E. (2025). Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56 (May 2025 version). bfi.uchicago.edu Selbst angegeben Chatbots schufen in der dänischen Studie für 8,4 % der Beschäftigten neue Arbeitsaufgaben, auch für Menschen, die die Werkzeuge selbst nicht nutzen. Auf dieser Website.
5. Australian Centre for Evaluation, The Treasury (February 2025). Evaluation of a trial of generative artificial intelligence (Copilot) in The Department of the Treasury. evaluation.treasury.gov.au Von den Autoren der Studie berechnet Das australische Finanzministerium errechnete, dass eine Fachkraft der mittleren Ebene etwa 13 Minuten pro Woche auf wertvollere Arbeit verlagern muss, um die Copilot-Lizenz zu decken.
6. Microsoft. Microsoft 365 Copilot pricing page (vendor price list), checked 13 October 2026. microsoft.com Listenpreis des Anbieters Microsoft nennt für sein Copilot-Zusatzprodukt für kleine und mittlere Unternehmen $18 pro Nutzer und Monat bei jährlicher Zahlung (als reduziert von $21 angezeigt), zusätzlich zu einem Microsoft-365-Tarif.
7. France Num (French government). Case page on SAM, a retirement advisory firm that automated its client files with AI. francenum.gouv.fr Berichtet, nicht gemessen Eine französische Beratungsfirma mit zwei Personen nennt die Kosten ihrer KI-Einrichtung: etwa €3.000 für einen Server, fast €650 pro Monat für Lizenzen und etwa 60 Stunden Einrichtungsarbeit. Auf dieser Website.
8. Fortune (9 April 2026). Report on Meta's 'Claudeonomics' employee token leaderboard and its removal, citing The Information and a Meta statement. fortune.com Berichtet, nicht gemessen Eine von Beschäftigten gebaute Rangliste bei Meta ordnete Mitarbeitende nach verbrauchten KI-Tokens. Fortune errechnete, dass die Menge des Spitzenreiters in 30 Tagen zu Listenpreisen mehr als $1,4 Millionen hätte kosten können.
9. heise online (29 May 2026). Too much tokenmaxxing? Amazon stops internal AI ranking. Summary of a Financial Times report, quoting Amazon senior vice-president Dave Treadwell. heise.de Berichtet, nicht gemessen Amazon schaffte laut einem Bericht der Financial Times eine interne Rangliste der KI-Nutzung ab, nachdem Beschäftigte KI-Agenten für unnötige Aufgaben laufen ließen, um darin aufzusteigen.

Risiko: was es andere gekostet hat

1. Customer Experience Dive (9 May 2025). Report on Klarna reinvesting in human customer-service staff, quoting chief executive Sebastian Siemiatkowski's remarks to Bloomberg. customerexperiencedive.com Berichtet, nicht gemessen Der Chef von Klarna sagte, das Unternehmen habe im Kundendienst die Kosten zu stark gewichtet und schlechtere Qualität bekommen. Es begann wieder, menschliche Mitarbeitende einzustellen. Auf dieser Website.
2. Moffatt v. Air Canada, 2024 BCCRT 149. British Columbia Civil Resolution Tribunal. decisions.civilresolutionbc.ca Gerichts- oder Behördenakte Ein kanadisches Schiedsgericht verurteilte Air Canada, einem Kunden C$812,02 zu zahlen, nachdem der Chatbot auf ihrer Website falsche Auskünfte zu Tarifen gegeben hatte. Auf dieser Website.
3. Mata v. Avianca, Inc., No. 22-cv-1461 (S.D.N.Y. 22 June 2023). Opinion and order on sanctions. storage.courtlistener.com Gerichts- oder Behördenakte Ein New Yorker Gericht verhängte gegen eine Kanzlei und zwei Anwälte eine Strafe von $5.000, weil sie sechs Gerichtsentscheidungen eingereicht hatten, die ChatGPT erfunden hatte. Auf dieser Website.
4. Wadsworth v. Walmart Inc., No. 2:23-cv-118 (D. Wyo. 2025). Order on sanctions. storage.courtlistener.com Gerichts- oder Behördenakte Ein Gericht in Wyoming verhängte gegen drei Anwälte Strafen von insgesamt $5.000 ($3.000 und zweimal $1.000) wegen acht erfundener Fälle aus dem eigenen KI-Werkzeug ihrer Kanzlei. Auf dieser Website.
5. Johnson v. Dunn, No. 2:21-cv-1701 (N.D. Ala. 23 July 2025). Sanctions order. storage.courtlistener.com Gerichts- oder Behördenakte Nach fünf erfundenen Zitaten bezahlte eine US-Kanzlei 28 Anwälte einer anderen Kanzlei dafür, mehr als 2.400 Zitate in 330 Schriftsätzen zu prüfen. Auf dieser Website.
6. Ayinde v London Borough of Haringey and Al-Haroun v Qatar National Bank [2025] EWHC 1383 (Admin). judiciary.uk Gerichts- oder Behördenakte In einem englischen Fall, der zusammen mit dem Fall von Primus Solicitors verhandelt wurde, mussten ein Rechtsberatungszentrum und ein Barrister je £2.000 an unnötig verursachten Kosten zahlen, wegen fünf nicht existierender Fälle. Der Schriftsatz von Primus enthielt 18. Auf dieser Website.
7. US Federal Trade Commission (22 April 2025). FTC approves final order requiring accessiBe to pay $1 million. Press release. ftc.gov Gerichts- oder Behördenakte Die US-Verbraucherschutzbehörde verpflichtete accessiBe zur Zahlung von $1 Million wegen der Behauptung, ihr KI-Plug-in mache jede Website barrierefrei. Auf dieser Website.
8. US Federal Trade Commission (February 2025). FTC finalizes order with DoNotPay that prohibits deceptive ‘AI lawyer’ claims, imposes monetary relief. Press release. ftc.gov Gerichts- oder Behördenakte Die US-Verbraucherschutzbehörde verpflichtete DoNotPay zur Zahlung von $193.000, weil das Unternehmen einen ungetesteten 'robot lawyer' [„Roboteranwalt“] verkauft hatte. Auf dieser Website.
9. US Securities and Exchange Commission (March 2024). SEC Charges Two Investment Advisers with Making False and Misleading Statements About Their Use of Artificial Intelligence. Press release 2024-36. sec.gov Gerichts- oder Behördenakte Die US-Wertpapieraufsicht verhängte gegen zwei Anlageberater Strafen von $225.000 und $175.000, weil sie mit KI warben, die sie nicht hatten. Auf dieser Website.
10. US Federal Trade Commission (19 December 2023). Rite Aid banned from using AI facial recognition after FTC says retailer deployed technology without reasonable safeguards. Press release. ftc.gov Gerichts- oder Behördenakte Rite Aid wurde für fünf Jahre verboten, Gesichtserkennung zur Überwachung einzusetzen, nachdem das Unternehmen sie ohne Prüfung ihrer Genauigkeit eingesetzt hatte. Auf dieser Website.
11. Office of the Victorian Information Commissioner (September 2024). Investigation into the use of ChatGPT by a Child Protection worker. ovic.vic.gov.au Gerichts- oder Behördenakte Nachdem eine Kinderschutz-Mitarbeiterin ChatGPT für einen Bericht an ein Gericht genutzt hatte, stellte die Aufsichtsbehörde fest, dass fast 900 Beschäftigte die Seite aufgerufen hatten, und ordnete an, dass die Behörde solche Werkzeuge sperrt. Auf dieser Website.
12. WPP plc (30 October 2025). Third Quarter Trading Update 2025; and WPP Annual Report on Form 20-F for 2024. wpp.com Berichtet, nicht gemessen WPP erhöhte die Ausgaben für seine KI-Plattform auf £300 Millionen pro Jahr. Die Erlöse fielen 2025 trotzdem, und das Unternehmen senkte seine Prognose auf einen Rückgang von 5,5 % bis 6,0 %. Auf dieser Website.

Hintergrund: Nutzungsziele, Aussagen der Nutzenden und Prüfen

1. Becker, J., Rush, N., Barnes, B. and Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. arXiv:2507.09089v2. arxiv.org In einer Studie gemessen Die Entwickler im METR-Versuch erwarteten, dass KI sie 24 % schneller macht, und glaubten hinterher, sie seien 20 % schneller gewesen. Gemessen waren sie 19 % langsamer.
2. Yu, S., Cheng, M., Jabbar, A., Sucholutsky, I., Collins, K. M., Jurafsky, D. and Hawkins, R. D. (2026). The efficiency-gain illusion: People underestimate the rate of AI use and overestimate its benefits on simple tasks. arXiv:2605.22687 (preprint, not peer-reviewed). arxiv.org In einer Studie gemessen In drei vorab registrierten Experimenten mit einfachen Aufgaben erwarteten Menschen, dass KI 55,7 Sekunden einspart, und sie sparte 7,5.
3. UK Department for Business and Trade (August 2025). The evaluation of the M365 Copilot pilot in the Department for Business and Trade. assets.publishing.service.gov.uk In einer Studie gemessen Im Pilotprojekt des britischen Ministeriums meldeten die Tagebücher der Nutzenden Zeitersparnis bei der Datenanalyse, während ein gemessener Test ergab, dass Copilot-Nutzende Excel-Analysen langsamer und schlechter erledigten. Auf dieser Website.
4. Fortune (25 August 2025). Report on Coinbase chief executive Brian Armstrong's AI coding mandate, quoting his remarks on the Cheeky Pint podcast. fortune.com Berichtet, nicht gemessen Der Chef von Coinbase sagte, er habe Entwicklern eine Woche gegeben, um KI-Programmierwerkzeuge zu nutzen, und einige entlassen, die es nicht taten.
5. CNBC (7 April 2025). Shopify CEO says staffers need to prove jobs can't be done by AI before asking for more headcount. Report on Tobi Lütke's memo, which he posted on X. cnbc.com Berichtet, nicht gemessen Der Chef von Shopify teilte den Beschäftigten mit, dass KI-Nutzung Teil der Leistungsbeurteilung wird und Teams zeigen müssen, dass KI eine Arbeit nicht erledigen kann, bevor sie mehr Personal beantragen.
6. Fortune (18 August 2025). Duolingo CEO admits his controversial AI memo ‘did not give enough context’ and insists the company never laid off full-time employees. fortune.com Berichtet, nicht gemessen Der Chef von Duolingo sagte Monate später, sein 'AI-first'-Rundschreiben habe 'did not give enough context' [„nicht genug Zusammenhang geliefert“]. Auf dieser Website.
7. Holmström, B. and Milgrom, P. (1991). Multitask Principal-Agent Analyses: Incentive Contracts, Asset Ownership, and Job Design. The Journal of Law, Economics, and Organization, 7 (special issue), 24-52 (peer-reviewed). econpapers.repec.org Von den Autoren der Studie berechnet Das klassische ökonomische Ergebnis zum Messen des Falschen: Wird nur ein Teil einer Arbeit gemessen und belohnt, wandert der Einsatz zum gemessenen Teil.
8. Vaccaro, M., Almaatouq, A. and Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293-2303 (peer-reviewed). doi.org In einer Studie gemessen Über 106 Experimente hinweg schnitt ein Mensch mit KI im Schnitt schlechter ab als der bessere der beiden allein. Auf dieser Website.

Ausfallquoten, die dieses Werkzeug weglässt

1. Challapally, A., Pease, C., Raskar, R. and Chari, P. (July 2025). The GenAI Divide: State of AI in Business 2025. MIT NANDA (project report, not peer-reviewed; copy hosted by MLQ.ai). mlq.ai Berichtet, nicht gemessen Die '95%' des MIT-NANDA-Berichts sind der Anteil der Organisationen in seiner Stichprobe, die mit generativer KI keine messbare Rendite in der Gewinn- und Verlustrechnung erzielen. Er sagt auch, dass nur 5 % der maßgeschneiderten KI-Werkzeuge für Unternehmen in den produktiven Einsatz kamen.
2. Challapally, A. et al. (July 2025). The GenAI Divide: State of AI in Business 2025. MIT NANDA. mlq.ai Berichtet, nicht gemessen Derselbe Bericht definiert Erfolg als ein Werkzeug, bei dem Nutzende oder Führungskräfte eine deutliche und dauerhafte Wirkung 'remarked' [„bemerkten“]. Das ist ein Urteil und keine Messung.
3. S&P Global Market Intelligence (30 May 2025). Generative AI experiences rapid adoption, but with mixed outcomes: Highlights from VotE: AI & Machine Learning. Summary of 'Voice of the Enterprise: AI & Machine Learning, Use Cases 2025' (vendor research; full report behind a paywall). spglobal.com Selbst angegeben In der Umfrage von S&P Global 2025 sagten 42 % der Unternehmen, sie hätten die meisten ihrer KI-Vorhaben vor dem produktiven Einsatz aufgegeben, nach 17 % ein Jahr zuvor.
4. Gartner (29 July 2024). Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025. Press release. gartner.com Berichtet, nicht gemessen Gartner sagte 2024 voraus, dass bis Ende 2025 mindestens 30 % der Projekte mit generativer KI nach dem Machbarkeitsnachweis aufgegeben würden.
5. Ryseff, J., De Bruhl, B. F. and Newberry, S. J. (2024). The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed. RAND Corporation, RR-A2680-1. rand.org Berichtet, nicht gemessen RAND befragte 65 Datenfachleute und Ingenieure zu gescheiterten KI-Projekten. Die erste Ursache, die sie nannten, war ein falsch verstandenes Problem, einschließlich Modellen, die 'optimized for the wrong metrics' [„auf die falschen Kennzahlen optimiert“] waren.

Die vorsichtige Sicht und andere Prognosen

1. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Von den Autoren der Studie berechnet Nach Acemoglus Rechnung sind etwa 20 % der Arbeitsaufgaben in den USA, gewichtet nach Löhnen, KI ausgesetzt.
2. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Von den Autoren der Studie berechnet Acemoglu nimmt an, dass sich 23 % der KI ausgesetzten Aufgaben innerhalb von zehn Jahren zu automatisieren lohnen. Die Zahl übernimmt er aus einer Studie zu Aufgaben des maschinellen Sehens.
3. Svanberg, M., Li, W., Fleming, M., Goehring, B. and Thompson, N. (2024). Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Computer Vision? MIT FutureTech working paper, January 2024 (working paper, not peer-reviewed). futuretech-site.s3.us-east-2.amazonaws.com Von den Autoren der Studie berechnet Ein Kostenmodell für Aufgaben des maschinellen Sehens fand, dass sich wegen hoher Anfangskosten nur 23 % der betroffenen Lohnsumme auf Unternehmensebene zu automatisieren lohnten.
4. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Von den Autoren der Studie berechnet Durch Multiplikation der beiden Anteile beziffert Acemoglu den Teil der Wirtschaft, den KI innerhalb von zehn Jahren tatsächlich verändert, auf 4,6 %.
5. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Von den Autoren der Studie berechnet Bei Aufgaben, für die KI eingesetzt wird, setzt Acemoglu die Ersparnis bei den Arbeitskosten mit 27 % an, dem Durchschnitt zweier Experimente.
6. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Von den Autoren der Studie berechnet Weil Arbeit nur ein Teil der Kosten einer Aufgabe ist, rechnet Acemoglu die Arbeitsersparnis von 27 % in eine Ersparnis von 14,4 % bei den Gesamtkosten um.
7. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Von den Autoren der Studie berechnet Acemoglus Hauptergebnis: KI steigert die Produktivität der USA über zehn Jahre insgesamt um höchstens etwa 0,66 %.
8. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Von den Autoren der Studie berechnet Für 'hard-to-learn' [„schwer erlernbare“] Aufgaben, bei denen es keine klare richtige Antwort gibt, aus der man lernen kann, nimmt Acemoglu 7 % statt 27 % Arbeitsersparnis an. Das senkt seine Zehnjahresschätzung der Produktivität auf etwa 0,53 %.
9. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Von den Autoren der Studie berechnet Beim BIP liegt Acemoglus Schätzung über zehn Jahre insgesamt bei etwa 0,9 % bis 1,2 %.
10. Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487, May 2024. Published as: Economic Policy, 40(121), January 2025, 13-58, doi:10.1093/epolic/eiae042 (peer-reviewed journal; figures below quoted from the NBER text). nber.org Von den Autoren der Studie berechnet Acemoglu merkt an, dass seine Zahlen Kosten und Verzögerung der Umorganisation der Arbeit nicht berücksichtigen. Selbst seine kleine Schätzung kann also für die ersten zehn Jahre zu hoch sein.
11. Goldman Sachs (5 April 2023). Generative AI could raise global GDP by 7%. Goldman Sachs Research article summarising Briggs and Kodnani (investment-bank research, not peer-reviewed). goldmansachs.com Von den Autoren der Studie berechnet Goldman Sachs Research sagte voraus, dass generative KI das weltweite BIP um 7 % und das Produktivitätswachstum über zehn Jahre um 1,5 Prozentpunkte pro Jahr steigern könnte.
12. McKinsey Global Institute (14 June 2023). The economic potential of generative AI: The next productivity frontier (consultancy report, not peer-reviewed). web.archive.org Von den Autoren der Studie berechnet Das McKinsey Global Institute schätzte, dass generative KI dem Wachstum der Arbeitsproduktivität bis 2040 jährlich 0,1 bis 0,6 Prozentpunkte hinzufügen könnte.
13. McKinsey Global Institute (14 June 2023). The economic potential of generative AI: The next productivity frontier. web.archive.org Von den Autoren der Studie berechnet Derselbe McKinsey-Bericht bezifferte den Wert von 63 Anwendungsfällen generativer KI auf $2,6 Billionen bis $4,4 Billionen pro Jahr.
14. Aghion, P. and Bunel, S. (June 2024). AI and Growth: Where Do We Stand? Note published by the Federal Reserve Bank of San Francisco (not peer-reviewed). frbsf.org Von den Autoren der Studie berechnet Aghion und Bunel rechneten Acemoglus Formel mit ihrer eigenen Lesart der Evidenz nach und kamen auf 0,68 Prozentpunkte zusätzliches Produktivitätswachstum pro Jahr, etwa das Zehnfache seiner Zahl.
15. Filippucci, F., Gal, P. and Schief, M. (2024). Miracle or Myth? Assessing the macroeconomic productivity gains from Artificial Intelligence. OECD Artificial Intelligence Papers No. 29, November 2024 (working paper). oecd.org Von den Autoren der Studie berechnet Ein OECD-Arbeitspapier schätzt, dass KI dem Produktivitätswachstum über zehn Jahre jährlich 0,25 bis 0,6 Prozentpunkte hinzufügt.
16. Georgieva, K. (14 January 2024). AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity. IMF Blog, summarising IMF Staff Discussion Note SDN/2024/001 (Cazzaniga et al.). imf.org Von den Autoren der Studie berechnet Die Schlagzeilenzahl des IMF betrifft die Exposition, nicht das Wachstum: Fast 40 % der Arbeitsplätze weltweit und etwa 60 % in fortgeschrittenen Volkswirtschaften sind KI ausgesetzt.