KI-Zugang hob die Testergebnisse um 7,2 Prozentpunkte, und eine Woche nachdem das Werkzeug entzogen war, waren 3,9 Punkte noch da — aber nur bei den Personen, die KI als Tutor genutzt hatten. Bei denen, die sie für sich schreiben ließen, war der Zugewinn verschwunden (Contractor und Reyes, 2026).
Zwei Personen in Ihrem Team können dasselbe Modell an derselben Aufgabe einsetzen und Arbeit gleicher Qualität abliefern. Eine Woche später ist eine von beiden messbar besser in dieser Aufgabe, die andere steht wieder am Anfang. Das Ergebnis in Ihrer Hand sagt Ihnen nicht, welche welche ist.
Das Experiment hinter diesen Zahlen ist ein beaufsichtigtes Randomexperiment in Präsenz: Studierende erarbeiteten unter Zeitdruck ein ihnen unbekanntes technisches Thema und schrieben einen analytischen Aufsatz mit oder ohne KI-Zugang, anschließend bearbeiteten sie unmittelbar und etwa eine Woche später Prüfungen ohne jede Hilfe. Die Zusammenfassung der Autoren zu dieser Spaltung ist der gesamte Befund — die Zugewinne bleiben bei Studierenden, die KI als Tutor nutzen, und verblassen bei denen, die KI für sich schreiben lassen.
Das Design hat die Person gemessen, nicht das Ergebnis
Fast jede Studie zu KI und Produktivität misst den Output, während das Werkzeug im Raum ist. Diese tut etwas Schwierigeres und für Entscheidungen Relevanteres: Sie nimmt das Werkzeug weg und misst, was die Person behalten hat.
Von 256 Angemeldeten erschienen 211 zur ersten Sitzung, 205 kamen zur zweiten zurück, im Mittel 6,98 Tage später. Die Themen waren absichtlich fremd — Blockchain, Kohlenstoffabscheidung, CRISPR. Die zweite Sitzung war für alle beaufsichtigt und ohne Hilfsmittel, Versuchs- wie Kontrollgruppe. Die Aufsätze wurden von 309 Bewertern mit Master- oder Doktorgrad bewertet, 23 wurden wegen eines nicht bestandenen Verständnistests ausgeschlossen.
Diese Struktur trennt geliehenen Output von behaltener Fähigkeit. Der unmittelbare Test sagt Ihnen, ob das Werkzeug geholfen hat. Die hilfsmittelfreie Nachmessung sagt Ihnen, ob sich die Person verändert hat. Das sind verschiedene Fragen, und nahezu jedes Adoption-Dashboard im Mittelstand beantwortet nur die erste — wenn es überhaupt eine beantwortet.
Was die Zahlen tatsächlich sagen
| Kennzahl | Ergebnis |
|---|---|
| Unmittelbarer Wissenstest, KI-Zugang vs. Kontrolle | +7,2 pp, 0,28 SD (p = 0,021) |
| Gleicher Test, treatment-on-treated | +10,4 pp, 0,41 SD |
| Test ohne Hilfsmittel rund eine Woche später | +3,9 pp, 0,21 SD |
| Aufsatzqualität in Sitzung zwei, ohne KI geschrieben | +0,24 SD |
| Mechanismus | Gleiche Gesamtzeit; Zeit verschoben vom Schreiben zum Lesen und Suchen |
Das Aufsatzergebnis verdient einen zweiten Blick. Eine Woche nach Entzug des Werkzeugs, in einem beaufsichtigten Raum ohne jede Unterstützung, schrieben die Personen mit früherem KI-Zugang messbar bessere Aufsätze — mit den größten Effekten bei der Verwendung von Belegen und Beispielen und bei der Klarheit des Stils. Etwas wurde in die Person übertragen, nicht nur in das Dokument.
Die Automation-Nutzer gewannen die erste Sitzung und verloren die Woche
Hier ist der Teil, der Ihr Denken über den Rollout verändern sollte.
Teilnehmende, die KI für sich schreiben ließen — die Autoren nennen das automation — gaben in Sitzung eins die besser bewerteten Aufsätze ab. Sie sahen aus wie die Leistungsträger. Eine Woche später, in der hilfsmittelfreien Sitzung, war dieser Vorsprung einfach weg. Teilnehmende, die KI als Tutor nutzten und sie um Erklärung statt um Produktion baten, behielten ihren.
Zwei Nutzungsmodi. Im Ergebnis nicht unterscheidbar. In der Wirkung auf die Fähigkeit entgegengesetzt. Und der Mechanismus ist prosaisch: Beide Gruppen brauchten dieselbe Gesamtzeit, aber der KI-Zugang verschob Minuten vom Schreiben zum Lesen und zur Informationssuche. Die Tutor-Nutzer verbrachten diese Minuten mit Verstehen. Die Ghostwriter-Nutzer verbrachten sie mit nichts, was blieb.
Deshalb ist „KI-Nutzung“ die falsche Adoptionskennzahl. Sie ist keine schwache und keine nachlaufende Kennzahl. Sie ist eine Kennzahl, die dem Verhalten, das Ihre Bank aufbaut, und dem Verhalten, das sie aushöhlt, denselben Wert zuweist.
Ihr Adoption-Dashboard sieht KI als Tutor nicht
Wenn der Nutzungsmodus die entscheidende Variable ist, lautet die naheliegende Frage, ob ihn jemand misst. Im Großen und Ganzen: nein.
Das Productivity Lab von ActivTrak leitete KI-Adoptionsstufen aus Verhaltenstelemetrie von 120.620 Beschäftigten ab, nicht aus Lizenzen, Logins oder Selbstauskünften. Es fand 27 % bei Recherche-Unterstützung, 14 % bei Aufgabenausführung und 2 % bei echter Workflow-Integration (ActivTrak Productivity Lab, 2026). Platzzahlen und Login-Dashboards messen Verteilung. Sie messen keine Adoption, und den Modus messen sie gewiss nicht.
Unterdessen schrumpft die Entwicklungskapazität, die den besseren Modus beibringen würde. Die PwC-Beschäftigtenbefragung 2026 unter 49.364 Erwerbstätigen in 48 Ländern ergab, dass der Anteil derjenigen, die Zugang zu den benötigten Lern- und Entwicklungsangeboten haben, auf 51 % fiel, von 59 % im Vorjahr — während die tägliche Nutzung generativer KI von 14 % auf 22 % stieg (PwC, 2026). Der Zugang zum Werkzeug skaliert. Der Zugang zur Anleitung, wie man es nutzt, geht in die andere Richtung.
Die Beschäftigten merken es. In der GoTo-Arbeitsstudie 2026 sagten 39 %, ihre Abhängigkeit von KI erodiere ihre Fähigkeiten, und 43 % gaben zu, KI-Output abgeliefert zu haben, dessen Qualität sie für schlecht hielten (GoTo und Workplace Intelligence, 2026). Selbstauskunft ist allein schwache Evidenz. Neben ein beaufsichtigtes Experiment gestellt, das dieselbe Form findet, hört sie auf, Rauschen zu sein.
Die Asymmetrie, die daraus ein Nachfolgeproblem macht
Ein weiteres Ergebnis, und es ist dasjenige, das die Sache aus der Personalentwicklung in die Personalplanung verschiebt.
Ein präregistriertes dreimonatiges Feldexperiment gab 133 praktizierenden Patentanwälten in elf US-Kanzleien einen KI-Assistenten für Patentschriften an die Hand, wobei verblindete Fachexperten jede Einreichung bewerteten. Bei unterstützten Aufgaben stieg die Qualität nach neunzig Tagen um 0,38 SD, mit größeren Zugewinnen bei den Junioren. Dann folgte eine Redigieraufgabe ohne Unterstützung, bei der KI für niemanden erlaubt war — die Kompetenzmessung. Die Anwälte der Versuchsgruppe erzielten insgesamt 0,32 SD mehr, doch der Vorteil konzentrierte sich vollständig auf die Senioren, mit 0,45 SD. Die Junioren zeigten keinen durchschnittlichen Zugewinn; ihre Werte gabelten sich auf, mit deutlich weniger mittelmäßigen Resultaten, aufgewogen durch mehr schlechte und mehr gute (Autor et al., NBER, 2026).
Die Deutung der Autoren selbst ist der Satz für Ihre nächste Planungsrunde: Die größten Zugewinne aus KI fielen den Anwälten zu, die am wenigsten behielten, und grundlegende Expertise könnte Voraussetzung dafür sein, aus KI-gestützter Praxis dauerhafte Kompetenz zu ziehen.
Lesen Sie beide Studien zusammen. Der Nutzungsmodus entscheidet, ob Fähigkeit sich aufbaut, und vorhandene Expertise scheint zu entscheiden, welchen Modus eine Person standardmäßig wählt. Ihre Erfahrensten akkumulieren. Ihre Junioren spalten sich in zwei Gruppen auf, und der unterstützte Output beider sieht gut aus.
Klar gesagt: Finanzierung und Teile der Autorschaft der Patentstudie liegen beim Hersteller des Werkzeugs. Präregistrierung und verblindete Drittbewertung tragen ihre Glaubwürdigkeit, nicht der Sponsor.
Der ehrliche Einwand
Vier Grenzen, bevor jemand eine Richtlinie darauf baut.
Es sind Studierende an einer Einstundenaufgabe. Keine Beschäftigten über ein Quartal echter Arbeit. Der Mechanismus — Zeitverlagerung von der Produktion zum Verstehen — reist plausibel mit. Die Effektstärken sollten nicht als Schätzungen für den Arbeitsplatz zitiert werden, und ich würde 7,2 Punkte nicht in einen Business Case schreiben.
Es ist ein Preprint. arXiv 2607.08849 wurde im Juli 2026 eingestellt und im Oktober 2026 überarbeitet. Das Peer-Review ist nicht abgeschlossen.
Die Robustheitsprüfungen verschieben die Zahl. Schließt man Teilnehmende aus, die Studienregeln verletzten, sinkt der Lerneffekt der ersten Sitzung auf 0,24, 0,15 oder 0,27 SD, je nach verwendetem Maß. Der Effekt überlebt; seine Größe ist weicher als die Schlagzeile.
Der Modus wurde beobachtet, nicht zugewiesen. Die Spaltung Tutor gegen Ghostwriter ist das handlungsrelevanteste Ergebnis der Arbeit und ihr experimentell unsauberster Teil — die Teilnehmenden wählten selbst, wie sie das Werkzeug nutzten. Wer nach Erklärung greift, kann sich von dem, der nach Output greift, auch in Merkmalen unterscheiden, die Behalten vorhersagen. Die Senioritätsasymmetrie der Patentstudie passt genau zu dieser Lesart.
Was alle vier überlebt: Das Ergebnis ist kein Indikator dafür, ob die Person lernt, und die Lücke zwischen beiden ist ein Messproblem, das Sie ohne jeden Einkauf schließen können.
Was Sie dieses Quartal ändern sollten
Vier Schritte. Keiner ist ein Kauf.
- Berichten Sie KI-Nutzung nicht länger als Adoptionskennzahl. Lizenzen, Logins und Sitzungszahlen beschreiben Verteilung. Ersetzen Sie die Leitzahl durch eine einzige: wie viele Personen eine benannte Fähigkeit ohne Hilfsmittel nachgewiesen haben, nachdem sie KI zu deren Aufbau genutzt haben.
- Machen Sie Tutor-Modus-Prompting zu einem ausdrücklich gelehrten Verhalten. Es ist konkret genug für einen Onboarding-Pfad und für das Skript eines Vier-Augen-Gesprächs: Lassen Sie das Modell seine Begründung erklären und Ihre prüfen, nicht das Artefakt produzieren. Das ist der günstigste Eingriff im ganzen Set, und niemand führt ihn durch.
- Nehmen Sie eine hilfsmittelfreie Aufgabe in den Entwicklungszyklus auf, für Rollen, in denen Urteilsvermögen das Ergebnis ist. Kein Test — eine echte Aufgabe, ohne Unterstützung erledigt, nach derselben Bewertungsmatrix wie die unterstützte Version beurteilt. Die Lücke zwischen beiden ist Ihr Signal für Kompetenzerhalt, und sie existiert in keinem Qualitätsbericht zum Output.
- Rechnen Sie die Aufgabelung bei den Junioren in Ihre Nachfolgeplanung ein. Wenn unterstützter Output über Senioritätsstufen flach ist, behaltene Fähigkeit aber nicht, ist Ihre Zwei-Jahres-Bank dünner als Ihre Leistungsdaten behaupten, und der Fehler läuft nur in eine Richtung.
Dieser vierte Schritt hat in den meisten Unternehmen keinen naheliegenden Ort, weil er Kompetenz pro Zyklus gegen ein stabiles Rahmenwerk gemessen verlangt, nicht aus jüngsten Ergebnissen abgeleitet. Die Ebene Performance und Nachfolge von Scovai ist auf dieser Trennung gebaut — Kompetenz deterministisch bewertet, pro Kompetenz und pro Zyklus, auf dem Great-Eight-Rahmenwerk, eine 9-Box aus diesen Kompetenzdaten berechnet statt aus Führungseindrücken, und Nachfolgereife je kritischer Position ausgewiesen als jetzt bereit oder in zwölf bis vierundzwanzig Monaten. Die Relevanz hier ist strukturell: Wenn Ihre Potenzialachse unterstützten Output liest, liest sie das Werkzeug.
Die unbequeme Implikation dieser Forschung ist, dass Ihre leistungsstärksten KI-Nutzer und Ihre am schnellsten verfallenden dieselben Personen sein können — und dass nichts, was Sie derzeit messen, KI als Tutor von KI als Ghostwriter trennt.
Wählen Sie also dieses Quartal eine Rolle, lassen Sie eine hilfsmittelfreie Aufgabe nach derselben Bewertungsmatrix wie die unterstützte Version bearbeiten, und finden Sie heraus, in welche Richtung die Lücke läuft. Messen Sie die Person, nicht das Dokument — das Dokument hat an dem Tag aufgehört, Ihnen über beides etwas zu sagen, an dem das Werkzeug kam.
