Sechsundfünfzig Prozent der US-Beschäftigten, die in der Vorwoche KI bei der Arbeit genutzt haben, sparten zwei Stunden oder weniger. Dreizehn Prozent sparten überhaupt nichts oder brauchten zusätzliche Zeit, um die Arbeit fertigzustellen (U.S. Census Bureau, 2026; Nextgov/FCW, 2026).
Das ist die erste staatliche, anbieterunabhängige Messung der Zeitersparnis durch KI am Arbeitsplatz. Kein Lizenz-Pitch, kein Telemetrie-Export aus dem Customer Success, keine Umfrage eines Unternehmens, das Seats verkauft. Und für einen Head of Operations, der gerade einen KI-Business-Case für 2026 baut, klärt sie eine Frage, die Anbieterdaten strukturell nicht klären können: was der mediane Nutzer tatsächlich zurückbekommt.
Die Antwort lautet ein bis zwei Stunden. Das Problem ist nicht, dass die Zahl klein ist. Das Problem ist, dass ein bis zwei verstreute Stunden nicht die Einheit sind, in der Ihr Business Case denominiert ist.
Was das Census Bureau zur Zeitersparnis durch KI am Arbeitsplatz tatsächlich gemessen hat
Die Household Trends and Outlook Pulse Survey vom März 2026, veröffentlicht am 11. August, fragte Erwerbstätige, ob sie KI für eine von 11 konkreten Arbeitsaufgaben genutzt hätten. Rund 55% bejahten (Census Bureau, 2026).
Die Aufgabenliste lohnt genaues Lesen, denn sie beschreibt die Form der realen Adoption — nicht die Form einer Roadmap:
- 37% — Suche nach Informationen oder technischer Hilfe
- 32% — Verfassen von Kommunikation, Dokumentation oder Anleitungen
- 32% — Ideengenerierung
- 31% — Interpretieren, Übersetzen oder Zusammenfassen von Informationen
- 27% — administrative Aufgaben
Nichts davon ist agentisch. Es ist Recherche, Entwurf und Verdichtung — die substituierbare Mitte der Wissensarbeit, nicht die durchgängige Prozessverantwortung, um die herum die meisten Rollout-Pläne für 2026 geschrieben sind.
Dann die Zeitfrage. Unter den Beschäftigten, die in der Vorwoche KI genutzt hatten, sah die Verteilung so aus: 25% sparten weniger als eine Stunde, 31% ein bis zwei Stunden, rund 30% drei Stunden oder mehr (etwa gleich verteilt auf drei Stunden und vier oder mehr), 10% sparten keine Zeit und 3% gaben an, die Arbeit habe mit KI länger gedauert als ohne (Census Bureau, 2026; CBS News, 2026).
Eine methodische Anmerkung, die für die interne Zitierweise zählt: Die Census-Frage ist an Aufgaben der Vorwoche verankert, nicht an eine saubere Wochensumme pro Person. Wenn überhaupt, ist diese Rahmung großzügig. Auch die Nutzung ist dünner, als die Adoptionsschlagzeilen nahelegen: Nur 24% der KI-Nutzer griffen in der Referenzwoche täglich darauf zu, während 46% sie an mindestens einem Tag nutzten.
Zwei unabhängige staatliche Messungen, eine Zahl: etwa zwei Stunden
Das Nützlichste an diesem Datensatz ist, dass er die zweite staatsnahe Messung ist, die nahezu am selben Punkt landet.
Die national repräsentative Erhebung von Bick, Blandin und Deming — jene hinter der Adoptionsarbeit der St. Louis Fed — fragte Nutzer generativer KI, wie viele zusätzliche Stunden sie ohne sie für die Arbeit der Vorwoche gebraucht hätten. Die Antwort: 5,4% der Arbeitsstunden, also rund 2,2 Stunden in einer 40-Stunden-Woche (St. Louis Fed, 2024).
Zwei verschiedene Instrumente, zwei verschiedene Jahre, zwei verschiedene Fragedesigns. Beide landen bei etwa zwei Stunden.
Und hier der Punkt, den die meisten falsch herum lesen: Auch die Anbieter liegen bei dieser Zahl nicht weit daneben. Forresters Total-Economic-Impact-Studie zu Microsoft 365 Copilot baut ihren Wertmotor auf rund 9 eingesparte Stunden pro Nutzer und Monat — etwa 2,25 Stunden pro Woche — und kommt dennoch auf einen ROI von 116% für ihre Composite-Organisation, mit 36,8 Mio. USD Nutzen gegen 17,1 Mio. USD Kosten über drei Jahre (Forrester, 2025).
Der Dissens zwischen Bundesdaten und Anbietermodell betrifft also nicht die Stunden. Er betrifft den Wert einer Stunde. Und das ist eine Modellannahme, die Ihnen gehört — keine, die der Anbieter für Sie validieren kann.
Ihr Business Case irrt nicht bei den Stunden. Er irrt bei dem, was diese Stunden sind.
Die Standardrechnung lautet: eingesparte Stunden × Vollkostensatz pro Stunde × Kopfzahl. Sie ist sauber, sie übersteht eine Finance-Review, und sie ist auf eine sehr bestimmte Weise falsch: Sie unterstellt, dass zurückgewonnene Zeit mit gekaufter Zeit fungibel ist.
Ist sie nicht. Zwei Stunden pro Woche, verteilt auf ein Dutzend unterbrochener Aufgaben, sind Slack. Sie werden vom Arbeitstag absorbiert — etwas frühere Feierabende, etwas längere Reviews, etwas weniger Verdichtung am Wochenende. Sie konsolidieren sich nicht zu einem reallokierbaren Kapazitätsinkrement, weil nichts im Betriebsmodell darauf ausgelegt ist, sie einzusammeln. In einem Unternehmen mit 200 FTE gibt es keinen Mechanismus, der die verstreuten neunzig Minuten von vierzig Personen zu einem finanzierten Projekt zusammenkehrt.
Das ist die Mittelstandsversion eines Makrobefunds. Acemoglus aufgabenbasierte Rechnung zum Aggregateffekt von KI — Anteil betroffener Aufgaben mal durchschnittliche Kostenersparnis je Aufgabe — ergibt höchstens 0,66% Anstieg der totalen Faktorproduktivität über zehn Jahre, genau weil spürbare Ersparnisse je Aufgabe auf einem moderaten Anteil der Arbeit sich nicht so aggregieren, wie die Intuition es verlangt (Acemoglu, 2024). Ihre GuV rechnet dieselbe Arithmetik im Kleinen — mit demselben Ergebnis.
Der operative Test ist binär und unerbittlich: Hat eine ganze Aufgabe den Schreibtisch einer Person verlassen?
Wenn eine monatliche Abstimmung, ein Erstentwurfszyklus, eine Ticketklasse im First Level oder der Aufbau eines Reports jetzt vollständig absorbiert ist — das ist Kapazität, und sie ist verbuchbar. Sie zeigt sich als Stelle, die Sie nicht nachbesetzen, als Dienstleister, den Sie nicht verlängern, als Warteschlange, die ohne Überstunden abfließt. Wenn dagegen jede Aufgabe weiterhin eine Person erfordert und jede nur etwas schneller läuft, haben Sie Komfort gekauft. Komfort ist eine legitime Anschaffung. Er ist keine Kostenposition und hätte nie als solche modelliert werden dürfen.
Die 13%, die niemand einpreist
Zehn Prozent der KI-Nutzer sparten keine Zeit. Drei Prozent brauchten mehr Zeit als ohne KI (Nextgov/FCW, 2026).
Mir ist kein Mittelstands-Business-Case begegnet, der einen negativen Rand mitführt. Jedes Modell, das ich prüfe, behandelt Ersparnis als Verteilung mit Nulluntergrenze. Die Bundesdaten sagen: Etwa jeder achte Nutzer liegt bei null oder darunter — und diese Nutzer verbrauchen trotzdem eine Lizenz, einen Schulungsplatz und Führungsaufmerksamkeit.
Das verändert die Frage der Rollout-Breite. Ein flächendeckender Rollout zum fixen Seat-Preis kauft Ihnen die gesamte Verteilung, inklusive ihres unteren Achtels. Ein gezielter Rollout auf Aufgabenprofile am oberen Ende — hochvolumiges Entwerfen, Zusammenfassen, rechercheintensive Rollen — kauft Ihnen eine gestutzte. Bei 500 Seats ist der Unterschied zwischen diesen beiden Kurven das gesamte ROI-Argument, und er wird durch den Beschaffungsumfang entschieden, nicht durch die Technologie.
Der Einwand: „Unser Pilot hat mehr gezeigt"
Wahrscheinlich stimmt das. Zwei strukturelle Gründe, beide relevant, bevor Sie hochrechnen.
Piloten selektieren auf Enthusiasmus. Freiwillige für einen KI-Piloten stammen aus dem rechten Rand genau jener Verteilung, die das Census Bureau gerade veröffentlicht hat — jenen 30%, die drei Stunden oder mehr erzielen. Der Rollout auf die Gesamtpopulation bewegt Sie zum Median, nicht zum Pilotmittelwert. Ein Pilot mit vier Stunden pro Woche je Teilnehmer prognostiziert nicht vier Stunden pro Woche je Mitarbeiter; er prognostiziert die Obergrenze.
Selbstberichtete Zeitersparnis ist die Schätzung eines Kontrafaktischen. Sowohl das Census- als auch das St.-Louis-Fed-Instrument verlangt von Menschen, sich vorzustellen, wie lange die Arbeit ohne KI gedauert hätte. Das ist kognitiv schwierig, und es ist keineswegs offensichtlich, dass die Verzerrung nach unten geht. Nichts hier korrigiert die Möglichkeit, dass Selbstauskünfte überschätzen.
Keiner der beiden Punkte heißt, dass die Technologie unterdurchschnittlich liefert. Beide heißen operativ dasselbe: Ihr Business Case gehört auf den Median einer Gesamtpopulation gebaut und am unteren Dezil gestresst — nicht auf die Pilotkohorte gebaut und hoffnungsvoll fortgeschrieben.
Drei Entscheidungen vor Quartalsende
- Denominieren Sie das Modell in Aufgaben, nicht in Stunden. Nehmen Sie Ihren aktuellen KI-Business-Case und markieren Sie jede Zeile, in der eingesparte Stunden in Euro umgerechnet werden. Benennen Sie zu jeder die konkrete Aufgabe, die den Schreibtisch einer konkreten Person verlassen hat. Zeilen, die das bestehen, bleiben. Zeilen ohne benennbare Aufgabe werden von Kostenersparnis zu Qualitäts- oder Erlebnisnutzen umklassifiziert — real, förderungswürdig, aber nicht mehr tragend für den ROI.
- Preisen Sie das untere Achtel explizit ein. Ergänzen Sie eine Zeile für die rund 13% der Nutzer mit netto null oder negativem Ergebnis. Multiplizieren Sie mit Vollkosten je Seat plus Enablement. Verändert diese Zeile Ihre Amortisationsdauer wesentlich, lautet die Antwort engerer Rollout — nicht bessere Prompt-Bibliothek.
- Instrumentieren Sie vor der Verlängerung einen Prozess durchgängig. Wählen Sie einen einzigen hochvolumigen, klar abgegrenzten Workflow. Messen Sie Durchlaufzeit und Anzahl der beteiligten Hände vorher und nachher — auf Prozessebene, nicht auf Individualebene. Eine saubere Messung auf Prozessebene ist mehr wert als ein Jahr selbstberichteter Stunden, und sie ist der einzige Beleg, der Slack von Kapazität trennt.
Die Frage, die sich vor der Verlängerung lohnt
Der Beitrag des Census Bureau ist nicht, dass die Zeitersparnis durch KI gering wäre. Zwei Stunden pro Woche für mehr als die Hälfte einer zu 55% adoptierenden Erwerbsbevölkerung sind ein realer, breiter Gewinn — und er konvergiert mit der unabhängigen staatlichen Schätzung.
Der Beitrag ist, dass die Zahl jetzt öffentlich, nicht-kommerziell und stabil genug ist, um damit zu planen — womit die letzte Ausrede für einen Business Case entfällt, der verstreute Minuten mit einem Vollkostensatz multipliziert und das Ergebnis Kapazität nennt.
Stellen Sie Ihrem Team vor der Vertragsverlängerung eine Frage und verlangen Sie einen Namen, keine Zahl: Welche Aufgabe braucht keine Person mehr? Wenn niemand antworten kann, haben Sie dieses Jahr keine Kapazität gekauft. Sie haben eine etwas leichtere Woche gekauft — und das sollten Sie wissen, bevor es das Controlling im Abweichungsbericht entdeckt.
