Gusto hat die echten Payroll-Daten von 1.593 kleinen Unternehmen verfolgt, die KI eingeführt haben, sowie von 669, die davon wussten und sich dagegen entschieden haben, und festgestellt: die Adoptierenden ließen ihre Belegschaft im folgenden Jahr um rund 7% stärker wachsen (Gusto, 2026). Das ist die Zahl, die als Beweis dafür durch die Presse ging, dass KI Arbeitsplätze schafft. Die Aufschlüsselung nach Größe darunter ist die Zahl, die eine Operations-Leitung wirklich lesen sollte: 10% bei Unternehmen mit einem Beschäftigten, 11% bei zwei bis vier, 11% bei fünf bis neun — und 0% bei Unternehmen mit 10 bis 24 Beschäftigten.
Die Dividende schrumpft nicht allmählich mit der Größe. Sie verschwindet genau an dem Punkt, an dem ein Unternehmen beginnt, Prozesse zu haben.
Das ist kein Argument dafür, dass KI oberhalb von zehn Personen aufhört zu wirken. Es ist ein Argument darüber, wohin die von KI freigesetzte Kapazität geht, wenn ihr kein Ziel zugewiesen wird — und die Antwort ist über drei unabhängige Datensätze hinweg konsistent: Sie geht in den bestehenden Prozess und ist für niemanden mehr sichtbar, der das Pilotprojekt finanziert.
Was 2.262 Payroll-Verläufe tatsächlich zeigen
Die Methode ist der Grund, warum das mehr wert ist als eine weitere Adoptionsbefragung. Gusto nahm die Teilnehmenden der eigenen KI-Befragung von April 2025, teilte sie in 1.593 selbstberichtete Adoptierende und 669 informierte Nicht-Adoptierende, und maß dann, was ihre Lohnbuchhaltung tat — nicht, was sie darüber sagten. Die Vergleichsgruppe ist der sorgfältige Teil: Unternehmen, die KI kannten und ablehnten, wodurch die Entscheidung zur Einführung isoliert wird, statt Nutzende mit nie Exponierten zu vergleichen.
Der Schätzer ist eine Event Study nach Callaway und Sant'Anna, gebaut für zeitlich gestaffelte Einführung, wobei jedes Unternehmen mit noch-nicht- und nie-adoptierenden Firmen verglichen wird, relativ zum Quartal vor der Einführung. Die Beschäftigungsverläufe waren vor der Einführung flach und parallel — die Prüfung, auf die es ankommt. Der Effekt baute sich allmählich auf, von etwa 4,5% auf etwa 6,8% über die vier Quartale nach der Einführung, was einen einmaligen Einstellungsschub ausschließt. Bei den Löhnen zeigte sich keine entsprechende Bewegung, konsistent mit Unternehmen, die Personen hinzufügen, statt auf einer allgemeinen Lohnsteigerung mitzufahren.
Und es waren keine KI-Rollen. Die Adoptierenden stellten Therapeuten, Lehrkräfte, Techniker, Köche ein — was Gusto do-ers nennt, Menschen, die mehr von dem produzieren, weswegen der Kunde gekommen ist. Unter Unternehmen mit weniger als zehn Beschäftigten lag das Belegschaftswachstum bei 8% in der Güterproduktion, 8% bei personenbezogenen Dienstleistungen, 9% bei professionellen Dienstleistungen und 19% bei gemeinschaftsnahen Dienstleistungen, getrieben von kleinen Gesundheits- und Sozialpraxen, die Dentalhygienikerinnen und Behandelnde einstellten.
Ein klares Ergebnis mit einem unglamourösen Mechanismus: In einem Fünf-Personen-Betrieb sind die Stunden der Inhaberin die bindende Beschränkung, und diese Stunden gehen in Terminplanung, Verwaltung, Marketing und Recherche. KI absorbiert das, und die zurückgewonnenen Stunden verwandeln sich in die nächste Einstellung.
Die Null ist der Befund
Gustos eigene Erklärung des Bereichs 10-24 ist der operativ nützlichste Satz der Studie. Unternehmen dieser Größe, heißt es dort, „haben einen großen Teil dieser Prozesse schon etabliert", und ihre Produktivitätsgewinne „zeigen sich wahrscheinlich an anderen Stellen als in der Belegschaftsgröße, selbst wenn Beschäftigte freigesetzt werden, um sich stärker auf ihre Kernaufgaben zu konzentrieren" (Gusto, 2026).
Lesen Sie das zweimal, denn es ist das gesamte Pilot-zu-Budget-Problem, formuliert von denen, die die Daten halten.
Bei fünf Beschäftigten gibt es keinen Prozess, der die freigesetzten Stunden absorbieren könnte, also treten sie als beobachtbare Entscheidung an die Oberfläche: jemanden einstellen. Bei fünfzehn gibt es Prozess — ein Planungssystem, eine Genehmigungskette, einen Reporting-Rhythmus, eine Arbeitswarteschlange, die sich ausdehnt, bis sie die verfügbare Aufmerksamkeit füllt. Die Stunden werden trotzdem frei. Sie werden einfach von der Struktur reabsorbiert, die schon da war, und kein Adoptions-Dashboard, keine Nutzungsmetrik und keine Zufriedenheitsbefragung kann Ihnen sagen, wohin sie gegangen sind.
Skalieren Sie das auf 50-500 FTE, und die Struktur ist um eine Größenordnung dichter. Die Annahme, die still unter den meisten KI-Business-Cases für 2027 liegt — dass Kapazität ihre beste Verwendung von selbst findet — ist genau die Annahme, die bei fünfzehn Beschäftigten Null gemessen hat.
Dänemark zeigt, wohin die freigesetzte Kapazität ging
Wenn Kapazität reabsorbiert und nicht zerstört wird, muss etwas sie absorbieren. Die beste Evidenz dazu kommt aus Verwaltungsdaten, nicht aus Selbstauskünften.
Humlum und Vestergaard haben groß angelegte Befragungen zur KI-Einführung mit dänischen administrativen Arbeitsmarktregistern verknüpft und schätzen präzise Nulleffekte auf Verdienste und erfasste Arbeitsstunden, sowohl auf Beschäftigten- als auch auf Betriebsebene, womit Effekte größer als 2% ausgeschlossen werden — zwei Jahre nach dem Start von ChatGPT, und das in einem Umfeld, in dem die meisten Arbeitgeber in exponierten Berufen Chatbot-Initiativen gestartet hatten und Beschäftigte Produktivitätsvorteile berichteten (Humlum und Vestergaard, 2026).
Was sich bewegte, war die Struktur der Arbeit. Arbeitgeber absorbierten KI über Aufgabenreorganisation, und die Autoren benennen die neuen Aufgaben ausdrücklich: Content-Erstellung, KI-Aufsicht und KI-Integration. Adoptierende wechselten außerdem in besser bezahlte Berufe, in denen Chatbots relevanter sind — zu wenige jedoch, um die Durchschnittsverdienste zu bewegen.
Das ist das Ziel, und es ist nicht das aus dem Business Case. Die Zeit, die das Werkzeug zurückgibt, wird in substanziellem Maß dafür aufgewendet, das Werkzeug zu beaufsichtigen, zu prüfen und anzubinden. Niemand hat diese Zeile ins Budget geschrieben, niemand verantwortet sie im Organigramm, und weil sie sich in Zehn-Minuten-Schritten über alle Arbeitstage verteilt, erscheint sie nie als Kosten — nur als Produktivitätsgewinn, der irgendwie nicht angekommen ist.
Die Gewinne oberhalb der Schwelle sind real — und sie werden gekauft
Das ehrliche Gegengewicht zu Gustos Null kommt aus einem viel größeren Firmenpanel. Mit gematchten EIBIS-ORBIS-Daten zu mehr als 12.000 nichtfinanziellen Unternehmen in der EU und den USA, wobei die Einführung in der EU über die Adoptionsraten US-amerikanischer Vergleichsunternehmen instrumentiert wird, hebt KI-Einführung das Niveau der Arbeitsproduktivität um 4% — über Kapitalintensivierung, nicht über Arbeitsplatzverdrängung, und ohne negative Beschäftigungseffekte auf Firmenebene (BIS, 2026).
Zwei Details zählen mehr als die Schlagzeile. Erstens konzentrieren sich die Gewinne „in mittleren und großen Unternehmen" — genau in dem Bereich, in dem Gustos Belegschaftseffekt verschwand. Zweitens ist das Papier explizit: Komplementärinvestitionen in Software, Daten und Weiterbildung sind es, die diese Gewinne freisetzen.
Legen Sie die drei Datensätze in eine Zeile, und das Bild ist kohärent. Unter zehn Beschäftigten verwandelt sich freigesetzte Kapazität von selbst in Belegschaft, weil nichts im Weg steht. In mittleren und großen Unternehmen verwandelt sie sich in gemessene Produktivität — aber nur zusammen mit den Komplementen, die sie umlenken. Dazwischen, und in jedem Unternehmen, das das Werkzeug ohne die Komplemente kauft, verwandelt sie sich in Aufgaben-Overhead ohne Eigentümer.
Die Dividende ist nicht bei zehn Beschäftigten gestorben. Sie hat aufgehört, automatisch zu sein.
Die ehrlichen Grenzen
Gusto ist assoziativ und sagt das auch. Unternehmen entscheiden selbst, ob und wann sie einführen; der Zeitpunkt der Einführung ist selbstberichtet; die Stichprobe sind Gusto-Kunden, die an einer Befragung teilgenommen haben, keine Zufallsstichprobe US-amerikanischer Kleinunternehmen. Die Autoren sagen klar, dass die exakten Größenordnungen gesamtwirtschaftlich nicht gelten müssen.
Der Bereich 5-9 trägt einen Vorbehalt der Autoren. Diese Firmen schrumpften vor der Einführung leicht, ein Teil dieser 11% kann also Aufholeffekt und nicht neue Einstellung sein.
Die Null wurde bei 10 bis 24 Beschäftigten gemessen, nicht bei 200. Nichts in diesem Datensatz beobachtet eine Organisation mit 300 Personen. Was sich nach oben überträgt, ist der Mechanismus — Prozess absorbiert nicht zugewiesene Kapazität — nicht der Punktschätzer. Wer „0% oberhalb von zehn Beschäftigten" als Befund über den Mittelstand zitiert, hat überinterpretiert, einschließlich jeder Person, die diesen Artikel zitiert.
Dänemark ist früh, chatbot-spezifisch und über Durchschnitte. Ein präziser Nulleffekt auf durchschnittliche Verdienste und Stunden ist kein Nulleffekt für eine einzelne Rolle, und das Fenster sind die ersten zwei Jahre einer Allzwecktechnologie.
Die BIS-Schätzung identifiziert Exposition, nicht Ihren Rollout. Die Instrumentierung über Adoptionsraten US-amerikanischer Vergleichsunternehmen erkauft saubere kausale Variation zum Preis, den durchschnittlichen Effekt des Adoptierens zu messen — nicht den Effekt davon, wie gut Sie umgesetzt haben.
Was eine Operations-Leitung tun sollte, bevor das nächste Pilotprojekt finanziert wird
Vier Schritte, und keiner davon ist eine Tooling-Entscheidung.
1. Schreiben Sie das Ziel der Stunden auf, bevor Sie die Ausgabe genehmigen. Ein Satz, in der Genehmigung: Die Kapazität, die das freisetzt, geht in dieses Ergebnis, verantwortet von dieser Person, gemessen auf diese Weise, bis zu diesem Datum. Wenn die einzige verfügbare Antwort „das Team wird produktiver" lautet, haben Sie gerade die 0%-Bedingung finanziert — eine freigesetzte Stunde ohne benannten Anspruch wird von dem Prozess reabsorbiert, der schon da war.
2. Budgetieren Sie Aufsicht und Integration als Arbeit. Die dänische Evidenz sagt, die neuen Aufgaben sind Beaufsichtigung, Prüfung und Anbindung. Bepreisen Sie sie im Business Case als benannte Kosten gegen eine benannte Rolle, sonst werden sie aus derselben Kapazität bezahlt, die der Pilot freisetzen sollte.
3. Ändern Sie die abhängige Variable, die Sie berichten. In Ihrer Größe ist Belegschaft die falsche Ablesung und Nutzung eine Vanity-Metrik. Wählen Sie etwas, das der Prozess nicht stillschweigend absorbieren kann: Durchlaufzeit in einem konkreten Workflow, abgearbeiteter Rückstand, Output pro FTE in einer Funktion. Instrumentieren Sie es, bevor der Pilot startet, denn eine nachträglich rekonstruierte Baseline ist eine Erzählung.
4. Geben Sie der Aufsicht einen Namen, keinen Überlauf. Verifikationsarbeit verschwindet, weil sie keine Stelle hat. Ein regiertes Deployment macht sie strukturell: Scovais Digital-Employee-Modell ist standardmäßig confirm-first — jede nach außen sichtbare Aktion wird zu einer Genehmigungsanfrage mit einem menschlichen Namen daran, Autonomie wird pro Aktionsart aus einem protokollierten Ledger verdient, und Schweigen ist niemals Zustimmung. Welchen Stack Sie auch wählen, der Test bleibt derselbe: Können Sie auf die Person zeigen, die die Genehmigungswarteschlange verantwortet, und können Sie sehen, was sie sie gekostet hat?
Die drei Datensätze sind sich über Größenordnungen uneinig und über den Mechanismus einig. Von KI freigesetzte Kapazität, die niemand beansprucht hat, ist nicht gespart. Sie wird still ausgegeben, innerhalb der Struktur, die Sie schon haben, für Arbeit, die niemand beschlossen hat.
Nehmen Sie also ein KI-Pilotprojekt, das in Ihrer Organisation schon läuft, und versuchen Sie, den Satz aus Schritt eins zu vollenden. Wenn Sie Ziel, Verantwortliche, Messgröße und Datum in diesem Quartal nicht benennen können, haben Sie kein Produktivitätsprogramm. Sie haben eine Umverteilung, die Sie nicht beobachten.
