Stellen Sie Gründern die Frage, die kein Anbieter in seine Folien schreibt — wie viele zusätzliche Mitarbeitende bräuchten Sie ohne generative KI, um die Arbeit der letzten Woche in gleicher Qualität zu produzieren? — und die durchschnittliche Antwort lautet: 55 % mehr Personal. Der Median liegt bei 17 %. Die häufigste Antwort ist null: 30 % der Gründer, die geantwortet haben, bräuchten niemanden zusätzlich (Colaiacovo & Koning, 2026).
Gleiche Frage, gleiche Stichprobe, drei Zahlen, die drei völlig unterschiedliche Budgets rechtfertigen würden.
Das ist das erste Problem daran, wie KI-Personaleinsparungen bepreist werden. Das zweite ist nützlicher: Der Unterschied zwischen Gründern, die große Einsparungen berichten, und denen, die fast keine berichten, erklärt sich nicht durch die gekauften Werkzeuge und nicht durch ihren Optimismus über die Leistungsfähigkeit der Modelle. Er erklärt sich daraus, ob jemand die Arbeit umgebaut hat.
Die Verteilung, die Ihr Business Case zitiert
Die Studie ist das Harvard Business School Working Paper 26-093 von Cassandra Colaiacovo und Rem Koning. Über Pitchbook wurden 199 Gründer nordamerikanischer Technologieunternehmen gewonnen — 176 beantworteten die Befragung vollständig — mit durchschnittlich 16 Mitarbeitenden (Median 9), rund 3,5 Jahren Firmenalter und über der Hälfte venture-finanziert mit durchschnittlich 4,86 Mio. USD eingesammeltem Kapital. 96 % berichten, dass generative KI im Unternehmen genutzt wird, formal oder informell, mit einem Median von fünf eingesetzten Werkzeugen (Colaiacovo & Koning, 2026).
Das sind keine zögerlichen Anwender. Das ist nahe am Best Case: kleine, flexible Firmen, geführt von der Person, die sowohl das Prozessdesign als auch den Einstellungsplan verantwortet.
Und die Verteilung der berichteten Einsparungen ist stark rechtsschief. Mittelwert 55 %, Median 17 %, Modus null. Die Frage nach den Stunden verhält sich genauso: Ohne KI bräuchten die Gründer im Mittel 59 % mehr Arbeitsstunden, im Median 30 %.
Die operative Konsequenz ist konkret. Ein Business Case auf dem Mittelwert ist ein Business Case auf dem Rand der Verteilung. Wenn ein Anbieter oder ein interner Fürsprecher sagt, KI lasse ein Team mit halber Mannschaft arbeiten, ist diese Zahl arithmetisch wahr für die Stichprobe und deskriptiv falsch für das typische Unternehmen darin. Das mediane Unternehmen im KI-gesättigtsten Segment der Wirtschaft berichtet 17 % Einsparung — real, wertvoll und sehr weit entfernt von einer Abbauthese.
Wenn Ihr Agentenplan vom Mittelwert abhängt, fragen Sie, für welche Hälfte der Verteilung Sie Belege haben.
Formale Integration ist der Ort, an dem die Personaleinsparungen entstehen
Die Autoren ließen die Gründer ihre eigene Nutzung einordnen: War generative KI formal integriert in die Arbeitsabläufe, oder nutzten Mitarbeitende sie informell nach eigenem Ermessen? Diese einzige Unterscheidung sortiert die Ergebnisse neu.
| Berichtetes Kontrafaktum ohne KI | Formale Integratoren | Informelle Nutzer |
|---|---|---|
| Zusätzlich benötigte Mitarbeitende (Mittelwert) | 91,4 % | 24 % |
| Zusätzlich benötigte Mitarbeitende (Median) | 40 % | 10 % |
| Zusätzlich benötigte Arbeitsstunden (Mittelwert) | 82,8 % | 33 % |
| Zusätzlich benötigte Arbeitsstunden (Median) | 40 % | 20 % |
Fast das Vierfache an Personaleinsparung, im Mittelwert wie im Median (Colaiacovo & Koning, 2026). Formale Integratoren berichten außerdem häufiger, dass KI verändert hat, ob und wen sie einstellen, die Teamkoordination effizienter gemacht, Managementkapazität bereitgestellt und das Onboarding neuer Mitarbeitender erleichtert hat.
Die Autoren bleiben vorsichtig, und wer sie zitiert, sollte es auch: Diese Schätzungen sind Zusammenhänge, keine kausalen Effekte. Gründer, die KI bewusst einbetten, könnten dieselben sein, die operativen Hebel auch anderswo gefunden hätten. Aber die Richtung des Zusammenhangs ist der verwertbare Teil, denn die Alternativerklärung — formale Integratoren hätten einfach bessere Werkzeuge gekauft — wird vom weiteren Verlauf der Studie widerlegt.
Was „formal" tatsächlich bedeutete
Die Unterscheidung ist wichtig, weil die üblichen Messungen daran scheitern. Die Autoren weisen darauf hin, dass die Frage nach verwendeten Werkzeugen und Foundation Models „nicht zwischen jenen unterscheiden kann, die Werkzeuge gelegentlich nutzen, und jenen, die sie als Teil regelmäßiger Arbeitsroutinen einsetzen". Also ließen sie die Gründer das einordnen, was wirklich variiert: Saß die generative KI im Prozess oder daneben?
Das ist genau das Messproblem der meisten KI-Dashboards im Mittelstand. Lizenzzahlen, Weekly Actives und Prompt-Volumina erfassen die informelle Population in voller Stärke. Keine dieser Kennzahlen sagt, ob ein einziger Prozessschritt um den Agenten herum neu geschnitten wurde — und genau das ist die Größe, die die Unterscheidung formal/informell abbildet und die Zahl um den Faktor vier bewegt.
Überzeugungen über Leistungsfähigkeit erklären nicht, wer delegiert
Das ist das Ergebnis, das die Frage vom Einkauf in die Organisationsgestaltung verschiebt.
Die Forscher integrierten ein Experiment zu einer Funktion, in der KI schon verbreitet eingesetzt wird: Kundenservice. Gründern wurde zufällig eine optimistische oder pessimistische Zusammenfassung echter Nachrichten und Forschung zur KI-Leistung in dieser Rolle gezeigt; danach wurden sie erneut gefragt, wie bereit sie wären, eine Kundenanfrage an KI zu delegieren.
Die Intervention wirkte — die Überzeugungen verschoben sich im Mittel. Die Delegationsbereitschaft konvergierte nicht. Überzeugungen über die Aufgabenleistung erklären höchstens ein Drittel der Varianz in der Delegationsbereitschaft, und nach der Informationsintervention erklären die revidierten Überzeugungen nur 37 % (Colaiacovo & Koning, 2026). Bemerkenswert: Die tiefen Integratoren waren nicht wesentlich optimistischer als informelle Nutzer, was die Aufgabenleistung der KI betrifft. Sie waren eher bereit zu experimentieren, wie Menschen und KI sich die Arbeit teilen.
Zwei Drittel der Varianz darüber, ob ein fähiger Agent echte Arbeit bekommt, liegen woanders als im Modell.
Dieser Befund steht nicht allein. Microsofts Work Trend Index 2026 mit 20.000 Beschäftigten in 10 Ländern schreibt organisationalen Faktoren — Kultur, Führungsunterstützung, Personalpraktiken — mehr als das Doppelte des realisierten KI-Effekts zu wie individuellen Faktoren: 67 % gegenüber 32 % (Microsoft Work Trend Index, 2026). Deloittes Befragung von 3.235 Führungskräften in 24 Ländern zeigt, wohin das Geld tatsächlich fließt: 53 % schulen die Belegschaft, um KI-Kompetenz zu erhöhen, während nur 30 % die Organisation entlang neuer KI-Muster neu denken und 33 % Karrierewege neu gestalten (Deloitte, 2026).
Alle finanzieren Kompetenz. Fast niemand finanziert den Umbau. Die HBS-Daten sagen: Der Umbau ist die Variable, die 40 % Einsparung von 10 % trennt.
Der ehrliche Gegeneinwand
Drei Grenzen, klar benannt, denn dies ist eine Befragung und keine Lohnbuchprüfung.
Das sind Überzeugungen, keine gemessene Leistung. Niemand hat die Kontrafaktuale der Gründer gegen Personalstandsdaten oder Umsatz pro Mitarbeitenden abgeglichen. Die Autoren sagen das ausdrücklich und fordern Arbeiten mit realisierten Produktivitätsmaßen, wo Bilanzdaten vorliegen.
Überzeugungen über den Personaleffekt von KI haben eine dokumentierte Fehlerquote. McKinseys State of AI 2026 ist die erste Ausgabe, die ihr eigenes Panel bewerten kann: Ein Jahr zuvor erwarteten 32 % der Befragten KI-bedingte Beschäftigungsrückgänge, und nur 14 % der KI-nutzenden Organisationen berichteten, dass KI im gleichen Zeitraum zu einem tatsächlichen Rückgang der Belegschaftsgröße beigetragen hat; zwei Drittel berichteten kaum oder keine KI-bedingte Veränderung (McKinsey, 2026). Die Erwartung übertraf die Realisierung um etwa das Doppelte. Durch diese Linse gelesen, werden die HBS-Mittelwerte verdächtiger, nicht weniger.
Die Stichprobe sind 199 VC-finanzierte Tech-Startups mit durchschnittlich 16 Personen. Ein Gründer mit vier direkten Berichtslinien kann einen Prozess an einem Wochenende neu zeichnen. Eine Operations-Funktion mit 300 Personen kann das nicht, und ihre formale Integration kostet mehr und dauert länger. Die Reihenfolge der Befunde überträgt sich auf den Mittelstand; die Größenordnungen nicht.
Unter allen drei Punkten läuft zudem eine Selektionsfrage. Formale Integration ist nicht kostenlos: Sie kostet Managementaufmerksamkeit, einen neu gestalteten Prozess und jemanden, der für das Ergebnis einsteht, wenn ein Agent es erzeugt. Firmen, die diesen Preis gezahlt haben, sind qua Konstruktion Firmen, die den Spielraum dafür hatten. Für eine Organisation mit 50–500 FTE lautet die ehrliche Übersetzung: Die vierfache Lücke ist eine Obergrenze dafür, was der Umbau bringt, keine Prognose.
Nichts davon schwächt die Kernaussage. Es schärft sie: Die trennende Variable ist organisational, und die Niveaus sind selbst berichtet.
Was in diesem Quartal zu entscheiden ist
Vier Schritte, von denen keiner ein neues Werkzeug erfordert.
- Bepreisen Sie den Business Case über den Median, nicht über den Mittelwert. Wenn ein Plan mehr als 40 % Einsparung annimmt, nimmt er an, dass Sie ein formaler Integrator im oberen Dezil einer schiefen Verteilung sind. Schreiben Sie auf, welche Zahl Sie verantworten und welche Belege Sie dort platzieren.
- Prüfen Sie einen Prozess auf formale Integration, nicht auf Nutzung. Lizenzzahlen und Weekly Actives messen informelle Nutzung — genau die Population mit 10 % Median-Einsparung. Die Frage ist, ob ein Prozessschritt um den Agenten herum neu geschnitten wurde, mit einem Verantwortlichen und einem definierten Ergebnis.
- Trennen Sie das Schulungsbudget vom Umbaubudget. Es sind nicht dieselbe Position und sie liefern nicht dieselbe Rendite. Ist Schulung finanziert und Umbau nicht, kaufen Sie das Ergebnis des informellen Nutzers zum Preis des formalen Integrators.
- Geben Sie dem Agenten eine Stellendefinition, bevor Sie ihm Arbeit geben. Formale Integration heißt: ein benannter Aufgabenzuschnitt, ein namentlich verantwortlicher Mensch und eine explizite Regel, welche Aktionen eine Freigabe brauchen. Das ist das Governance-Modell hinter Scovais Digital Employees — auf eine Rolle trainiert, Bestätigung zuerst bei allem, was nach außen sichtbar wird, Autonomie je Aktionsart erarbeitet statt voreingestellt — brauchbar als Referenz dafür, was eine „formale" Integration festlegen muss, wer auch immer sie baut.
Die unbequeme Implikation dieser Studie: Die Frage der Agentenfähigkeit ist weitgehend geklärt, die organisationale weitgehend unangetastet. 96 % dieser Firmen hatten die Werkzeuge schon. Die mit der vierfachen Einsparung hatten etwas anderes getan.
Bevor Sie die nächste Agentenlizenz freigeben, finden Sie heraus, wer den Prozess verantwortet, den sie verändern soll. Lautet die Antwort niemand, kaufen Sie den Median.
