Testen Sie für jede Art von Aufgabe, ob ein Mensch mit KI besser ist als jeder allein

Worum es geht

Vergleichen Sie für jede Art von Aufgabe drei Möglichkeiten: ein Mensch allein, KI allein und ein Mensch, der mit KI arbeitet. Wählen Sie dann. Viele Unternehmen halten „KI, und ein Mensch prüft“ für die sichere Standardlösung. Die Evidenz sagt, dass es nicht immer die beste Aufstellung ist.

Was die Evidenz zeigt

Eine Studie, die die Ergebnisse von 106 Experimenten zusammenfasste, verglich alle drei Möglichkeiten. Im Durchschnitt schnitt ein Mensch mit KI schlechter ab als der bessere der beiden allein.

Der Durchschnitt verdeckt ein Muster:

• Entscheidungen. Bei Aufgaben wie dem Beurteilen oder Einordnen eines Falls schnitt ein Mensch mit KI schlechter ab.
• Inhalte erstellen. Bei Aufgaben wie dem Entwerfen von Texten schnitt ein Mensch mit KI besser ab.
• Wer allein besser ist. Wenn Menschen allein besser waren als die KI, half es, KI hinzuzunehmen. Wenn die KI allein besser war als Menschen, wurden die Ergebnisse schlechter, sobald ein Mensch hinzukam.

Ein Experiment mit 758 Beratern zeigt dieselbe Teilung innerhalb eines Berufs. Bei 18 Aufgaben, die die KI gut erledigte, schafften Berater mit KI 12,2 % mehr Aufgaben und arbeiteten 25,1 % schneller. Bei einer Aufgabe, die ausgewählt wurde, weil die KI sie schlecht erledigte, kamen sie mit einer um 19 Prozentpunkte geringeren Wahrscheinlichkeit zur richtigen Antwort.

Menschen können lernen, die Arbeit besser aufzuteilen. In einem Experiment gaben Menschen, denen erklärt wurde, wie KI funktioniert, häufiger die richtigen Aufgaben ab, und ihre Ergebnisse wurden besser.

Neuere Studien fügen vier Punkte hinzu:

• Offene Ratschläge ohne Prüfung können schaden. In einem randomisierten Versuch mit 640 Inhaberinnen und Inhabern kleiner Unternehmen in Kenia machte ein Geschäftsberater auf Basis von GPT-4 im Durchschnitt keinen Unterschied. Inhaber, deren Betriebe zu Beginn schlecht liefen, schnitten damit fast 10 % schlechter ab. Niemand prüfte die Ratschläge an einem Maßstab, bevor danach gehandelt wurde.
• KI mit einem Weg zu einem Menschen kann Menschen allein übertreffen. In randomisierten Experimenten auf einer großen Online-Handelsplattform verkaufte ein KI-Service, der schwierigere Fragen an einen Menschen weitergab, 11,5 % mehr als menschliche Servicekräfte allein.
• Menschen sortieren ihre Aufgaben selbst. In zwei randomisierten Versuchen mit KI-Schreibassistenten für die Dokumentation nutzten Ärztinnen und Ärzte, die die Werkzeuge erhielten, sie bei etwa einem Drittel ihrer Arbeit: bei 33,5 % und 29,5 % der Termine für die beiden Werkzeuge im einen Versuch und für 38 % der Berichte im anderen. Die Aufstellung, die Sie wählen, ist nicht immer die, die Menschen nutzen.
• Der Erfolg sinkt, je länger die Aufgaben werden. Anhand von Nutzungsdaten seiner eigenen Geschäftskunden schätzt Anthropic, ein Anbieter von KI-Modellen, dass der Erfolg von etwa 60 % bei Aufgaben, für die ein Mensch weniger als eine Stunde bräuchte, auf etwa 45 % bei Aufgaben von fünf Stunden oder mehr sank. Den Erfolg beurteilte ein KI-Modell.

So gehen Sie vor

1. Listen Sie die Arten von Aufgaben im Prozess auf, nicht die Stellenbezeichnungen.
2. Nehmen Sie für jede Art eine Stichprobe echter vergangener Fälle, bei denen Sie die richtige Antwort kennen oder die Qualität beurteilen können.
3. Bearbeiten Sie die Stichprobe auf drei Arten: Mensch allein, KI allein, Mensch mit KI.
4. Vergleichen Sie zuerst die Qualität, dann die Zeit.
5. Wo KI allein klar besser ist, fügen Sie keine routinemäßige Überarbeitung durch einen Menschen hinzu. Setzen Sie stattdessen auf Stichproben.
6. Wo Menschen allein besser sind, lassen Sie sie KI als Hilfe nutzen.
7. Wiederholen Sie den Test, wenn sich das KI-Modell oder die Aufgabe ändert.

Was Sie messen sollten

• Qualität oder Genauigkeit für jede der drei Aufstellungen, bei denselben Fällen.
• Zeit pro Fall.
• Wie oft die prüfende Person eine richtige KI-Antwort in eine falsche ändert, und umgekehrt.

Woran es scheitert

• Sie können Qualität nicht testen. Wenn niemand sagen kann, was eine gute Antwort ist, können Sie den Vergleich nicht durchführen. Klären Sie das zuerst.
• Gesetz oder Pflicht verlangen einen Menschen. Für manche Entscheidungen muss ein Mensch geradestehen, was auch immer der Test zeigt. Der Test sagt Ihnen dann, wie viel Gewicht Sie dem Vorschlag der KI geben sollten.
• Was KI gut kann, ändert sich ständig. Ein Ergebnis gilt für ein KI-Modell zu einem Zeitpunkt. In der Studie mit den Beratern lagen Aufgaben, die gleich schwer aussahen, auf verschiedenen Seiten der Grenze zwischen dem, was die KI gut, und dem, was sie schlecht erledigte.

Nach Unternehmensgröße

• Kleinst- und Kleinunternehmen: Einen formalen Test werden Sie nicht durchführen. Nehmen Sie 20 vergangene Fälle und vergleichen Sie von Hand. Das reicht, um die schlimmsten Fehlbesetzungen zu erkennen.
• Gehobener Mittelstand und Großunternehmen: Machen Sie den Dreiervergleich zu einem festen Schritt, bevor eine KI-Anwendung breiter eingeführt wird.

Firmenfälle

Unternehmen, die das getan haben

• Ashurst Die Kanzlei probierte die Werkzeuge an möglichst vielen Arten von Aufgaben aus. Die Ergebnisse waren von Aufgabe zu Aufgabe unterschiedlich. Vom Unternehmen gemeldetes Ergebnis
• Herges Stahl- und Blechbau Bevor das Modell eingesetzt wurde, wurden seine Vorhersagen mit den Schätzungen erfahrener Beschäftigter für dieselben Aufträge verglichen. Gemessenes Ergebnis
• Procter & Gamble P&G prüfte vier Arbeitsformen an echten Produktproblemen (allein oder zu zweit, mit und ohne KI) und ließ die Ergebnisse von Fachleuten bewerten, die nicht wussten, welche Form dahintersteckte. Gemessenes Ergebnis
• PSG Global Solutions Die Firma teilte die Arbeit in zwei Teile: Die KI sammelt die Informationen, und ein Mensch beurteilt sie. Gemessenes Ergebnis
• Siemens Dieselbe Prüfaufgabe lief mit zwei Arten von KI-Hilfe und wurde mit der KI allein verglichen. Beschäftigte mit nur einem Wert schnitten schlechter ab als die KI allein. Beschäftigte, denen gezeigt wurde, wo sie hingesehen hatte, schnitten besser ab. Gemessenes Ergebnis

Unternehmen, die später dazu übergingen

• Klarna Ein Jahr später legte sich Klarna auf eine Aufteilung fest: KI beantwortet die Routinefragen, Menschen übernehmen die schwierigen, und Kunden können nach einem Menschen fragen. Teilweise zurückgenommen

Quellen

1. Vaccaro, Almaatouq and Malone (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293–2303. Was diese Studie untersucht und gefunden hat
2. Dell’Acqua, McFowland, Mollick, Lifshitz-Assaf, Kellogg, Rajendran, Krayer, Candelon and Lakhani (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403–423. Was diese Studie untersucht und gefunden hat
3. Pinski, Adam and Benlian (2023). AI Knowledge: Improving AI Delegation through Human Enablement. Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems. Was diese Studie untersucht und gefunden hat
4. Otis, Clarke, Delecourt, Holtz and Koning (2026). The Uneven Impact of Generative AI on Entrepreneurial Performance: Evidence from a Field Experiment in Kenya. Management Science (published 10 July 2026). Was diese Studie untersucht und gefunden hat
5. Fang, Yuan, Zhang, Donati and Sarvary (2025). Generative AI and Sales Productivity: Field Experiments in Online Retail. arXiv 2510.12049, version 6 (29 June 2026). Was diese Studie untersucht und gefunden hat
6. Lukac, Turner, Vangala, Chin, Khalili, Shih, Sarkisian, Cheng and Mafi (2025). Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI, 2(12). Was diese Studie untersucht und gefunden hat
7. Anthropic (January 2026). Anthropic Economic Index report: Economic primitives. Anthropic sells AI models; the figures come from its own customers' usage, classified by its own model. anthropic.com

Verwandte Praktiken

• Erfassen Sie die Aufgaben, bevor Sie entscheiden, was Sie automatisieren Zerlegen Sie Berufe in Aufgaben und betrachten Sie jede einzeln. Veröffentlichte Werte schätzen, wie viel eines Berufs KI übernehmen könnte, die „Exposition“. Behandeln Sie einen hohen Wert als Hinweis, wo Sie genauer hinsehen, nicht als Entscheidung zum Automatisieren. Zuerst · Aufwand: gering (Tage, eine Person) Evidenz: Mittel Umstritten Prozesse neu gestalten · Erkunden
• Geben Sie KI-Unterstützung zuerst den neueren Beschäftigten Wenn Sie einen KI-Assistenten für eine klar umrissene Aufgabe einführen, beginnen Sie mit Ihren weniger erfahrenen Leuten. Studien zeigen, dass sie am meisten gewinnen. Als Nächstes · Aufwand: gering (Tage, eine Person) Evidenz: Vorläufig UmstrittenKontextabhängig Menschen und Kompetenzen · Einführen
• Erhalten Sie die Einstiegsaufgaben, an denen Neue lernen Bevor Sie Routinearbeit automatisieren, prüfen Sie, ob Nachwuchskräfte daran den Beruf lernen. Wenn ja, lassen Sie ihnen einen Teil davon, oder ersetzen Sie das Lernen auf andere Weise. Später · Aufwand: mittel (Wochen, einige Personen) Evidenz: Vorläufig Umstritten Menschen und Kompetenzen · Betreiben