Geben Sie KI-Unterstützung zuerst den neueren Beschäftigten

Worum es geht

Beginnen Sie mit den Menschen, die am kürzesten in ihrer Stelle sind. Die meisten Einführungen beginnen mit Freiwilligen oder erfahrenen Kräften. Bei routinemäßiger, klar umrissener Arbeit zeigt die Evidenz in die andere Richtung.

Das gilt, wo es für die Aufgabe einen klaren Maßstab gibt und jemand die Ergebnisse daran prüft. Bei offener Arbeit ohne Prüfung gewannen die Schwächsten nichts oder verloren.

Was die Evidenz zeigt

In einer Studie mit 5.172 Beschäftigten im Kundensupport bei ihrer echten Arbeit steigerte ein KI-Assistent die Zahl der gelösten Anliegen pro Stunde im Durchschnitt um 15 %. Der Gewinn war ungleich verteilt. Weniger erfahrene und weniger geübte Beschäftigte wurden schneller und besser. Die erfahrensten wurden etwas schneller, und die Qualität ihrer Arbeit sank leicht.

In einem Experiment mit 453 Fachkräften verkürzte ChatGPT die Zeit für Schreibaufgaben um 40 % und hob die Qualität um 18 %. Der Abstand zwischen stärkeren und schwächeren Personen wurde kleiner.

Der wahrscheinliche Grund: Die KI hat aufgenommen, wie gute Arbeit üblicherweise gemacht wird. Wer neu ist, weiß das noch nicht. Wer erfahren ist, weiß es schon.

Die andere Seite. Andere Studien zeigen in die entgegengesetzte Richtung, die Evidenz ist also umstritten.

In der Softwareentwicklung gewannen Erfahrene am meisten. Eine Studie zum Code von 160.097 Entwicklerinnen und Entwicklern auf GitHub schätzte, dass KI ihre Leistung im Durchschnitt um 3,6 % steigerte. Erfahrene Programmiererinnen und Programmierer erzielten fast den gesamten Gewinn.
Schwache Unternehmer schnitten mit einem KI-Berater schlechter ab. In einem randomisierten Versuch mit 640 Inhaberinnen und Inhabern kleiner Unternehmen in Kenia erhielt die Hälfte einen Geschäftsberater auf Basis von GPT-4 über WhatsApp. Im Durchschnitt machte er bei Umsatz und Gewinn keinen Unterschied. Inhaber, deren Betriebe zu Beginn schlecht liefen, schnitten damit fast 10 % schlechter ab. Wer gut dastand, hat möglicherweise mehr als 15 % gewonnen. Der Unterschied kam davon, welche Ratschläge die Inhaber umsetzten.
Schüler gewannen mit dem Werkzeug und verloren ohne es. In einem randomisierten Versuch mit fast 1.000 Schülerinnen und Schülern weiterführender Schulen in der Türkei hob ein unbeschränktes GPT-4 die Punktzahlen beim Üben um 48 %. In der Prüfung ohne KI schnitten dieselben Schülerinnen und Schüler um 17 % schlechter ab als die, die nie KI hatten. Eine auf Hinweise beschränkte Version hob die Punktzahlen beim Üben ohne diesen Verlust.

Beide Befunde können zugleich stimmen. Die stützenden Studien maßen die Leistung mit dem Werkzeug, bei Aufgaben mit einem klaren Maßstab. Die anderen maßen offene Arbeit, die Leistung über einen längeren Zeitraum oder das Können, nachdem das Werkzeug weg war.

Wer in diesen Studien fehlt. Berufseinsteiger können in der Stelle gewinnen, während weniger Berufseinsteiger eingestellt werden. Ob KI die Einstellung von Berufseinsteigern verringert, ist umstritten. Siehe die Einstiegsaufgaben behalten.

So gehen Sie vor

Wählen Sie eine Aufgabe, die häufig vorkommt und für die es einen klaren Maßstab für gute Arbeit gibt.
Geben Sie den Assistenten zuerst Beschäftigten in ihren ersten Monaten in der Rolle.
Behalten Sie für einige Wochen eine Vergleichsgruppe ohne Assistenten, damit Sie den Unterschied sehen.
Bitten Sie erfahrene Beschäftigte, die Vorschläge des Assistenten zu prüfen. Erfahrene Kräfte erkennen, wo er falschliegt.
Bieten Sie ihn dann erfahrenen Beschäftigten als Möglichkeit an, und beobachten Sie deren Qualitätswerte.

Was Sie messen sollten

Leistung pro Stunde und Qualität, aufgeteilt nach Zeit in der Stelle.
Wie lange eine neu eingestellte Person braucht, um das übliche Niveau des Teams zu erreichen, vorher und nachher.
Die Qualität bei Ihren erfahrensten Leuten. Sie kann sinken.
Die Leistung ohne das Werkzeug, an einer Stichprobe von Fällen, bei neuen Beschäftigten nach einigen Monaten.

Woran es scheitert

Aufgaben, die die KI schlecht erledigt. Wer neu ist, erkennt nicht, wann die KI falschliegt. Bei solchen Aufgaben kann KI-Hilfe die Ergebnisse verschlechtern. Siehe Testen Sie nach Art der Aufgabe.
Den Beruf lernen. Wenn der Assistent den Teil der Arbeit übernimmt, durch den man den Beruf lernt, entwickeln sich neue Beschäftigte womöglich nicht weiter. Eine Studie mit angehenden Chirurginnen und Chirurgen zeigt, wie das geschieht, wenn eine Technik das Üben übernimmt. Siehe Erhalten Sie die Lernaufgaben für Berufseinsteiger.
Gewinne, die ohne das Werkzeug verschwinden. Im Schulversuch schnitten Schülerinnen und Schüler, die mit einem unbeschränkten Chatbot geübt hatten, schlechter ab, sobald er weg war. Testen Sie neue Beschäftigte ab und zu ohne das Werkzeug. Siehe Prüfen Sie, was Beschäftigte ohne das Werkzeug können.
Erfahrene Fachleute. Erwarten Sie von Ihren besten Leuten nicht denselben Gewinn, und zwingen Sie ihnen das Werkzeug nicht auf. In einem randomisierten Versuch mit erfahrenen Entwicklerinnen und Entwicklern, die an ihrem eigenen Code arbeiteten, dauerten Aufgaben mit KI 19 % länger. In einem Feldexperiment im Kundenservice von Alibaba sank die Qualität der Arbeit der besten Servicekräfte mit KI-Hilfe, gemessen an den Bewertungen der Kunden und daran, wie oft Kunden mit demselben Problem wiederkamen. Diese Studie ist ein Arbeitspapier.

Nach Unternehmensgröße

Kleinst- und Kleinunternehmen: Vielleicht haben Sie eine oder zwei neue Personen. Geben Sie ihnen das Werkzeug, und lassen Sie die Inhaberin, den Inhaber oder eine erfahrene Kollegin ihre Arbeit in den ersten Wochen prüfen.
Gehobener Mittelstand und Großunternehmen: Führen Sie nach Zeit in der Stelle ein, und behalten Sie eine Vergleichsgruppe, damit sich das Ergebnis messen lässt.

Firmenfälle

Unternehmen, die das getan haben

Ministry of Clean Eine Beschäftigte aus dem Betrieb, die nie im Kundenservice gearbeitet hatte, wechselte mithilfe der geführten Schritte und Antwortvorschläge der Software in den Kundensupport. Vom Unternehmen gemeldetes Ergebnis

Quellen

Brynjolfsson, Li and Raymond (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. Was diese Studie untersucht und gefunden hat
Noy and Zhang (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. Was diese Studie untersucht und gefunden hat
Beane (2018). Shadow Learning: Building Robotic Surgical Skill When Approved Means Fail. Administrative Science Quarterly, 64(1), 87–123. Schränkt diese Praktik ein oder widerspricht ihr. Was diese Studie untersucht und gefunden hat
Daniotti, Wachs, Feng and Neffke (2026). Who is using AI to code? Global diffusion and impact of generative AI. Science, 391(6787), 831–835. Schränkt diese Praktik ein oder widerspricht ihr. Was diese Studie untersucht und gefunden hat
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). Schränkt diese Praktik ein oder widerspricht ihr. Was diese Studie untersucht und gefunden hat
Bastani, Bastani, Sungu, Ge, Kabakcı and Mariman (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. Schränkt diese Praktik ein oder widerspricht ihr. Was diese Studie untersucht und gefunden hat
Ni, Wang, Feng, Lu, Wang and Zhou (2026). Generative AI in Action: Field Experimental Evidence from Alibaba's Customer Service Operations. arXiv 2603.29888. Working paper, not peer-reviewed. arxiv.org