Direktoren und höhere Ebenen sparen mit KI neun Stunden pro Woche. Individual Contributors sparen vier. Diese Spreizung von 2,25x stammt aus dem Bericht Navigating AI in the Workplace: 2026 von SHRM, erhoben unter 4.065 Beschäftigten, die KI tatsächlich bei der Arbeit nutzen; der Unterschied zwischen den Ebenen ist statistisch signifikant (SHRM, 2026). Die aggregierte Schlagzeile — rund sechs eingesparte Stunden pro Woche, fast ein voller Arbeitstag — ist real. Sie ist zugleich ein Durchschnitt, den keine einzelne Ebene Ihrer Organisation tatsächlich erlebt.
Das ist deshalb relevant, weil es darauf ankommt, wer den Piloten fährt. In Unternehmen mit 50 bis 500 FTE starten KI-Rollouts fast immer bei den Menschen, die der Entscheidung am nächsten stehen: der Operations-Leitung, den Bereichsleitern, zwei, drei Senior-Managern. Sie messen ihre eigenen eingesparten Stunden, extrapolieren und bauen daraus einen Business Case für die gesamte Belegschaft. Die SHRM-Daten sagen: Diese Extrapolation überschätzt die Gewinne in der Frontlinie um etwa den Faktor zwei — und die KI-Zeitersparnis nach Hierarchieebene läuft genau entgegengesetzt zur Annahme „KI hebt den Boden", auf der die meisten Rollouts budgetiert sind.
Die Dividende konzentriert sich an der Spitze
Hier der vollständige Gradient in der SHRM-Stichprobe: Direktoren und höher sparen 9 Stunden pro Woche, Manager 7, Individual Contributors 4 (SHRM, 2026).
Die intuitive Erzählung über KI war die umgekehrte. Junioren profitieren am meisten; das Werkzeug ersetzt Erfahrung; der Boden steigt schneller als die Decke. Diese Erzählung hat in engen Task-Studien echte empirische Grundlage — deshalb hat sie sich verbreitet. Auf Ebene einer echten Arbeitswoche kehrt sie sich um. Diejenigen mit dem größten Ermessensspielraum über ihre Zeit sind diejenigen, die am meisten Zeit zurückgewinnen.
Der Gradient ist kein Rundungsartefakt und verschwindet nicht, wenn man die Kosten der KI abzieht. Derselbe Bericht findet, dass Direktoren rund 6 Stunden pro Woche mit der Korrektur von KI-Output verbringen — die höchste Nacharbeitslast der Stichprobe — gegenüber etwa 3 Stunden bei Individual Contributors. Netto nach Nacharbeit bleiben Direktoren bei rund +3 Stunden pro Woche, Individual Contributors bei rund +1. Die Dividende schrumpft auf jeder Ebene. Sie bleibt auf jeder Ebene regressiv.
Warum die Lücke strukturell ist, nicht motivational
Die Reflexerklärung lautet: Senioren können KI einfach besser nutzen, also ist Training die Lösung. Die Daten deuten auf etwas weniger Schmeichelhaftes und dafür Umsetzbareres.
Beginnen wir bei der Exposition. KI berührt 63 % der Arbeit von Direktoren, 50 % der Arbeit von Managern und nur 34 % der Arbeit von Individual Contributors (SHRM, 2026). Ein Werkzeug kann keine Zeit bei Arbeit sparen, die es nicht berührt. Arbeit auf Direktorenebene — Entwürfe, Zusammenfassungen, Synthesen, Umstrukturierung von Dokumenten, Analysevorbereitung — ist überproportional genau jene unstrukturierte Spracharbeit, in der aktuelle Modelle stark sind. Frontlinienarbeit in einem Mid-Market-Betrieb ist dagegen überproportional prozessgebunden: Sie läuft in einem System of Record, folgt einer definierten Sequenz und ist durch Übergaben getaktet. Diese Schritte werden nicht schneller, weil jemand daneben ein Chatfenster offen hat.
Zweitens: Ermessensspielraum. Ein Direktor, der eine Stunde spart, kann sie selbst umwidmen. Ein Individual Contributor, der eine Stunde in einem warteschlangengetriebenen Prozess spart, kann das meist nicht — die Warteschlange gibt das Tempo vor, und die gesparte Zeit verdampft entweder oder taucht als Wartezeit wieder auf.
Drittens — und das ist der Teil, den die meisten Rollouts unterfinanzieren — erfordert die Ersparnis an der Frontlinie ein Workflow-Redesign, das die Senior-Ersparnis nicht erfordert. Die Verhaltenstelemetrie von ActivTrak über 120.620 Beschäftigte ist deutlich, wie selten dieses Redesign ist: 27 % der Beschäftigten sind bei der Nutzung als Rechercheassistenz angekommen, 14 % bei der Aufgabenausführung und nur 2 % haben echte Workflow-Integration erreicht (ActivTrak, 2026). Diese Messung leitet sich aus beobachteter Aktivität ab, nicht aus Lizenzen, Logins oder Selbstauskunft — genau deshalb widerspricht sie dem Umfragebild. Gallup meldete in derselben Woche, in der ActivTrak die 2 % veröffentlichte, einen Sprung der organisationalen KI-Adoption um sechs Punkte (Gallup, 2026). Der Zugang skaliert schnell. Das Redesign nicht.
Individual Contributors sind die Ebene, deren Gewinne am stärksten von dem Redesign abhängen, das nicht stattgefunden hat. Das ist der Mechanismus. Nicht Motivation, nicht Prompt-Können.
Rechnen Sie den KI-ROI in Ihrem eigenen Business Case nach
Nehmen Sie ein Unternehmen mit 200 FTE: 15 Personen auf Direktorenebene oder darüber, 35 Manager, 150 Individual Contributors. Modellieren Sie es auf die übliche Weise — Pilot mit der Senior-Gruppe, rund 9 gesparte Stunden beobachtet, auf die Organisation hochgerechnet — und Sie projizieren etwa 1.800 Stunden pro Woche.
Legen Sie stattdessen den SHRM-Gradienten an: 15 × 9 + 35 × 7 + 150 × 4 = 980 Stunden. Ziehen Sie dann die Nacharbeit ab, und Sie landen näher bei 300 Stunden wirklich zurückgewonnener Kapazität. Das naive Modell ist nicht um 10 % zu optimistisch. Es liegt vor Nacharbeit um etwa den Faktor zwei daneben und danach deutlich mehr — und der Fehler konzentriert sich genau dort, wo 75 % Ihrer Belegschaft sitzen.
Daraus folgen zwei Budgetkonsequenzen.
Erstens: Die Ökonomie der Lizenz pro Platz funktioniert nicht mehr so, wie die Folie behauptet. Wenn der Wert pro Platz an der Frontlinie weniger als die Hälfte des Werts pro Platz an der Spitze beträgt, dann subventioniert ein einheitlich bepreister, einheitlicher Rollout still Ihre renditeschwächsten Plätze mit den renditestärksten. Das kann trotzdem richtig sein — aber es sollte eine Entscheidung sein, kein Beschaffungsunfall.
Zweitens: Die Amortisation von Frontlinien-Plätzen ist überhaupt keine Lizenzfrage. Sie ist eine Redesign-Frage, und Redesign ist Personalzeit, die Sie einplanen müssen. 150 Plätze zu kaufen und die Ersparnis von 150 Plätzen zu buchen, unterstellt eine Prozessänderung, mit der niemand beauftragt wurde.
Das Retentionsrisiko steht in derselben Tabelle
In den SHRM-Daten gibt es einen zweiten Gradienten, und er verläuft parallel zum ersten.
Vor der KI-Einführung waren 74 % der Direktoren darüber informiert, dass sie kommt. Unter Managern 55 %. Unter Individual Contributors 33 % (SHRM, 2026). Das Vertrauen folgt derselben Form: 80 % der Direktoren vertrauen der Führung in Sachen KI, gegenüber 65 % der Manager und 47 % der Individual Contributors. Und 26 % der Individual Contributors berichten, dass ihr Vertrauen in die Führung sinkt, je stärker sich Führungskräfte auf KI stützen — gegenüber 9 % der Direktoren.
Legen Sie nun die Erwartungen daneben. Die Hälfte aller Beschäftigten sagt, KI habe die Leistungserwartungen an sie erhöht, und 70 % der Direktoren berichten von gestiegenen Erwartungen im eigenen Bereich. Das Arbeitstempo ist für 75 % der Direktoren und 59 % der Manager gestiegen, während 50 % der Individual Contributors überhaupt keine Tempoänderung berichten.
Liest man beide Gradienten zusammen, ist die Position der Frontlinie präzise: Sie wurden zuletzt informiert, Sie vertrauen am wenigsten, Sie sparen am wenigsten — und die Erwartungen an Sie sind trotzdem gestiegen. Das ist kein Kommunikationsproblem, das eine Betriebsversammlung löst. Es ist ein Fairness-Konto, und Menschen führen es genau.
Die vierte jährliche AI-at-Work-Studie von BCG mit 11.749 Beschäftigten in 14 Märkten zeigt, was passiert, wenn niemand die freigewordene Zeit steuert: 66 % der KI-Nutzer berichten von keinerlei belastbarer Vorgabe, wie die freigesetzten Stunden umzuwidmen sind, und 47 % verbringen inzwischen mehr Zeit damit, KI zu steuern, als die Arbeit selbst zu tun (BCG, 2026). Ungesteuerte Zeit wird nicht zu Kapazität. Sie wird zu Aufsicht — und Aufsicht ist ein realer Aufmerksamkeitskostenpunkt, der im Konto als „beschäftigter" auftaucht, nicht als „freier".
Der Gegeneinwand — und warum er nur Zeit kauft
Der stärkste Einwand: Das ist eine frühe Adoptionskurve, kein strukturelles Merkmal. Senioren hatten die Werkzeuge zuerst und den Spielraum zum Experimentieren. Geben Sie ihm achtzehn Monate, dann zieht die Frontlinie nach.
Teilweise zutreffend und einzupreisen. Doch zwei Dinge sprechen gegen Abwarten. Erstens ist die Expositionslücke eine Eigenschaft der Arbeit, nicht des Kalenders — die 34 % KI-adressierbarer Frontlinienarbeit steigen nicht, weil Zeit vergeht. Sie steigen, weil jemand den Prozess neu gestaltet. Zweitens sagt die 2-%-Zahl zur Workflow-Integration, dass dieses Redesign nirgends und auf keiner Ebene organisch geschieht (ActivTrak, 2026). Abwarten verwandelt eine Lücke, die Sie hätten konstruieren können, in eine Lücke, die Sie erben — während der Erwartungsgradient auf genau den Menschen weiter steigt, denen er am wenigsten dient.
Was in diesem Quartal zu ändern ist
Die ROI-Basis nach Ebene neu setzen
Bauen Sie den Business Case mit drei getrennten Zeilen — Direktor, Manager, Individual Contributor — statt eines gemischten Durchschnitts. Nutzen Sie Ihre eigenen beobachteten Zahlen, falls vorhanden, sonst den SHRM-Gradienten. Wenn sich die projizierten Einsparungen halbieren, war das Modell vorher falsch, nicht jetzt.
Einen Frontlinien-Workflow auswählen und bis zur Integration führen
Keine Platzausweitung. Ein benannter Prozess, ein Owner, ein Redesign-Durchgang, gemessen daran, ob der KI-Schritt wirklich im Workflow liegt statt daneben. Da nur 2 % der Beschäftigten diese Stufe erreichen, ist ein Prozess, der dort ankommt, mehr wert als hundert Plätze, die es nicht tun.
Die 33-%-Kommunikationslücke vor dem nächsten Rollout schließen
Die billigste Position auf dieser Liste ist, Individual Contributors zu sagen, was kommt und warum, bevor es eintrifft — im selben Umfang, in dem Sie es Direktoren sagen. Es kostet nichts, und der Vertrauensgradient, den es adressiert, ist derjenige, der irgendwann in Ihren Fluktuationszahlen auftaucht.
Eine Entscheidung
Öffnen Sie Ihren KI-Business-Case und finden Sie die Ebene, auf der er gemessen wurde. Die KI-Zeitersparnis nach Hierarchieebene ist der Input, der darin am wahrscheinlichsten falsch ist. Wenn die gesparten Stunden von Ihnen und Ihren direkten Reports stammen, halten Sie die 9-Stunden-Zahl in der Hand und projizieren sie auf eine Population, die vier liefern wird — während Sie die Erwartungen an genau die Ebene erhöhen, die zuletzt informiert wurde und Ihnen am wenigsten vertraut.
Halbieren Sie die Projektion, oder finanzieren Sie das Redesign, das sie wahr macht. Das sind die einzigen zwei ehrlichen Optionen, und eine davon ist kostenlos.
