Zwanzig Prozent der erwerbstätigen Erwachsenen in den USA geben an, dass KI inzwischen mindestens eine Aufgabe erledigt, die sie oder ihr Team zuvor an eine Kollegin oder einen externen Dienstleister übergeben haben (Epoch AI, 2026). Nicht „dabei unterstützt". Erledigt.
Das ist eine Beschaffungsentscheidung – die Art von Entscheidung, die Ihre Organisation normalerweise in eine Bedarfsanforderung, eine Lieferantenprüfung und eine Budgetposition einbettet. Getroffen wurde sie von einzelnen Mitarbeitenden, Aufgabe für Aufgabe, und sie taucht in keinem System auf, das Ihnen gehört. KI-Aufgabendelegation dieser Art zeigt sich weder im Personalbestand noch in der Prognose der Dienstleisterausgaben noch in irgendeinem Adoption-Dashboard, denn diese Dashboards wurden gebaut, um Toolnutzung zu zählen, nicht die Umverteilung von Arbeit.
Das Unangenehme ist nicht, dass es passiert ist. Unangenehm ist, dass Ihr Kapazitätsmodell jetzt falsch ist – und zwar falsch in eine Richtung, die Sie nicht sehen können.
Was die Epoch-AI/Ipsos-Befragung tatsächlich gemessen hat
Die Befragung wurde von Ipsos im Auftrag von Epoch AI über das wahrscheinlichkeitsbasierte KnowledgePanel durchgeführt, erhoben vom 10. bis 19. Juli 2026 unter 1.106 erwerbstätigen Erwachsenen in den USA, mit auf die erwerbstätige US-Bevölkerung gewichteten Schätzungen (Ipsos, 2026). Die Zufallsstichprobe ist hier entscheidend: Das ist kein selbstselektiertes Panel von KI-Enthusiasten, die Ihnen erzählen, wie transformativ ihre Werkzeuge sind.
Die Schlagzeile sind die 20 %. Die Substanz steckt in der Aufschlüsselung nach Aufgabe. Beschäftigte berichten, dass KI zuvor an Menschen delegierte Arbeit am häufigsten in der Datenanalyse (7,1 %), beim Lesen von Arbeitsdokumenten (5,7 %) und bei der Aktenpflege (5,3 %) übernimmt (Epoch AI, 2026).
Lesen Sie diese Liste noch einmal mit dem Blick einer operativen Führungskraft. Das sind keine kreativen Aufgaben und keine Randexperimente. Das sind exakt die Kategorien, die ein Unternehmen mit 200 Beschäftigten routinemäßig an einen Junior-Analysten, eine Zeitarbeitskraft, ein Offshore-Team oder eine freiberufliche Rechercheurin weitergibt. Und es sind, fast ausnahmslos, Aufgaben, deren Ergebnis jemand anderes weiter unten in der Kette braucht.
Noch eine Zahl aus derselben Befragung, und es ist die, die Ihre Aufmerksamkeit verdient: Über alle KI-gestützten Aufgaben hinweg wurden 66 % der Ergebnisse unverändert oder mit nur geringfügigen Anpassungen verwendet, gegenüber 5 %, die substanziell überarbeitet oder neu erstellt wurden.
Eine Make-or-Buy-Entscheidung ohne jede Bedarfsanforderung
Jede Organisation hat einen Prozess für die Entscheidung, ob Arbeit intern erledigt oder extern eingekauft wird. Er ist aus gutem Grund langsam. Jemand schneidet den Umfang zu, jemand bepreist ihn, jemand prüft, ob der Dienstleister etwas taugt, und jemand verantwortet das Ergebnis.
Was die Epoch-Daten beschreiben, ist genau diese Entscheidung, getroffen auf individueller Ebene, in der Zeit, die das Öffnen eines Chatfensters braucht.
Die Mitarbeiterin macht nichts falsch. Aus ihrer Perspektive ist das Eigeninitiative: Der Bericht, der früher vier Tage Hin und Her mit einem Dienstleister kostete, braucht jetzt einen Nachmittag. Genau dafür wird sie belohnt. Keine Richtlinie hat ihr gesagt, dass die Umwidmung einer Aufgabe vom Menschen zum Modell eine andere Entscheidungskategorie ist als die Wahl eines schnelleren Wegs, die eigene Arbeit zu erledigen.
Es ist aber eine andere Kategorie, aus einem strukturellen Grund. Wenn Sie an einen Menschen delegieren, bekommen Sie einen zweiten Kopf auf das Problem – ob Sie darum gebeten haben oder nicht. Dienstleister stellen Rückfragen. Junior-Analysten melden Daten, die falsch aussehen. Kolleginnen widersprechen, wenn eine Anfrage keinen Sinn ergibt. Diese Reibung ist kein Mangel der menschlichen Delegation – sie ist ein nicht bepreister Qualitätssicherungsmechanismus, der mitgeliefert wurde.
Delegieren Sie dieselbe Aufgabe an ein Modell, und die Reibung verschwindet. Das Modell fragt nicht, warum die Anfrage seltsam ist. Es antwortet.
Die Prüfinstanz verschwand im selben Moment, in dem die Arbeit wanderte
Legen Sie die 20 % und die 66 % nebeneinander, und das Risiko wird konkret. Arbeit wandert von Menschen zu Modellen – und gleichzeitig geht zwei Drittel der Modellausgabe ohne nennenswerte Überarbeitung raus. Die Aufgabe hat den Besitzer gewechselt, und der Prüfschritt ist mit dem alten Besitzer gegangen.
Der Schaden ist nicht hypothetisch. Adaptavists Studie von 2026 unter 2.500 Wissensarbeitern ergab, dass 52 % regelmäßig KI-generierte Arbeit von Kolleginnen und Kollegen korrigieren (Adaptavist, 2026). Die Korrektur findet statt – sie ist nur von einem definierten Übergabepunkt zu demjenigen gewandert, der das Pech hat, weiter unten in der Kette zu sitzen.
Forschung von BetterUp Labs und dem Stanford Social Media Lab hat diese Verlagerung beziffert: Rund 40 % der US-Büroangestellten berichteten, im Vormonat KI-generierten „Workslop" erhalten zu haben, mit etwa zwei Stunden Aufwand pro Vorfall, was die Forschenden mit rund 186 Dollar pro Beschäftigtem und Monat bewerteten (BetterUp Labs, 2026).
Zwei Stunden pro Vorfall, aufgefangen von einer Kollegin, nirgendwo erfasst.
Es gibt eine Verteilungsfalte, die man benennen sollte. Die drei Aufgabenkategorien, in denen das am stärksten auftritt – Datenanalyse, Dokumente lesen, Aktenpflege –, konzentrieren sich genau in den Funktionen, die ein mittelständischer Betrieb am dünnsten besetzt: Finanzsupport, operative Koordination, Compliance-Verwaltung. Das sind die Rollen, in denen eine einzelne Person oft der Prozess ist und in denen ein externer Dienstleister historisch das Überdruckventil war. Wenn das Überdruckventil durch ein Modell ersetzt wird und niemand neu festlegt, wer das Ergebnis prüft, kündigt sich das Versagen nicht allmählich an. Es kündigt sich als eine einzige falsche Zahl in einer Aufsichtsratsvorlage an.
Das ist die Form des Problems. Die Ersparnis wird von der Person vereinnahmt, die an das Modell delegiert hat, und ist für sie sichtbar. Die Kosten trägt, wer das Ergebnis empfängt, und sie sind für niemanden sichtbar. Die Nettoproduktivität kann flach oder negativ sein, während jede beteiligte Person ehrlich berichtet, schneller zu sein.
Warum Ihr Kapazitätsmodell jetzt in eine nicht erfasste Richtung falsch ist
Hier hört das Thema auf, eine Governance-Frage zu sein, und wird zu einem operativen Problem.
Wenn ein nennenswerter Teil Ihres Teams still und leise Aufgaben von Dienstleistern und Kolleginnen weggeleitet hat, messen mehrere Ihrer Planungsgrößen inzwischen etwas anderes als das, was Sie annehmen.
Sinkende Dienstleisterausgaben lesen sich wie Disziplin. Es kann Disziplin sein. Es kann auch ungeprüfte Arbeitssubstitution sein. Beide haben in der GuV identische Signaturen und im Risiko gegenteilige Implikationen.
Das Volumen interner Übergaben sinkt. Weniger Tickets, weniger Anfragen zwischen Teams, auf dem Papier kürzere Durchlaufzeiten. Ein Teil davon ist echt. Ein Teil ist Arbeit, die nicht mehr übergeben wird, weil sie nicht mehr geprüft wird.
Personalmodelle driften. Wenn Sie die Einstellungen des nächsten Jahres auf der beobachteten Arbeitslast dieses Jahres planen und diese Arbeitslast still von Modellen mit einer 66-Prozent-Quote unveränderter Auslieferung absorbiert wurde, extrapolieren Sie von einer Basislinie, die bereits ungemessene Qualitätsschulden enthält.
Bei 50 bis 500 Vollzeitkräften beißt das härter als auf Konzernebene. Eine große Organisation hat Einkaufskontrollen, eine Lieferantenmanagement-Funktion und genug Prozessinstrumentierung, dass eine Verschiebung in der Art der Arbeitsbeschaffung irgendwann in irgendjemandes Bericht auftaucht. Ein mittelständischer Betrieb hat einen Head of Operations, eine Finanzleitung und eine Sammlung von Tabellen, gebaut auf der Annahme, dass die Arbeit von den Personen im Organigramm erledigt wird.
Niemand tut etwas sichtbar Falsches. Genau deshalb hält es sich.
Was diese Evidenz nicht sagt
Drei Grenzen, klar benannt, denn ein Plan auf Basis einer Überinterpretation dieser Zahlen scheitert.
Zwanzig Prozent sind nicht zwanzig Prozent Ihrer Arbeitslast. Die Zahl ist der Anteil der Beschäftigten, die mindestens eine solche Aufgabe berichten, nicht der Anteil verlagerter Aufgaben oder Stunden. Die Werte je Aufgabe – 7,1 %, 5,7 %, 5,3 % – sind der bessere Mengenmaßstab, und sie sind einstellig.
Unverändert ausgeliefert heißt nicht falsch. Die 66 % sagen Ihnen, dass die Prüfintensität gesunken ist, nicht dass das Ergebnis fehlerhaft ist. Für eine Routineaktualisierung in einer Akte kann unverändert völlig korrekt sein. Die Sorge ist, dass die Prüfquote jetzt über Aufgabentypen hinweg einheitlich ist, bei denen die Fehlerkosten alles andere als einheitlich sind.
Selbstauskunft hat bekannte Grenzen. Beschäftigte erinnern sich womöglich nicht präzise daran, ob eine Aufgabe früher an einen Dienstleister gegangen wäre. Die Zufallsstichprobe kontrolliert, wer befragt wurde, nicht, wie gut Menschen kontrafaktische Szenarien erinnern.
Nichts davon ändert die operative Schlussfolgerung. Selbst in der konservativsten Lesart wird Arbeit über einen Mechanismus beschafft, den Ihre Kapazitätsplanung nicht beobachtet, und die Qualitätsschleuse, die früher gratis war, ist weg.
KI-Aufgabendelegation in diesem Quartal messbar machen
Die Lösung heißt Messdisziplin, nicht Rundschreiben. Vier Schritte, keiner davon mit neuen Ausgaben verbunden.
Stellen Sie die Frage direkt, ein Mal. Fragen Sie in Ihrem nächsten Team-Review jede Funktion genau eines: Welche Aufgaben haben wir in den letzten sechs Monaten aufgehört, an einen Dienstleister, einen Shared Service oder ein anderes Team zu geben – und wohin sind sie gewandert? Sie haben die Antwort an einem Nachmittag. Die Epoch-Daten sagen, dass etwa jede fünfte Ihrer Personen eine hat.
Instrumentieren Sie Umverteilung, nicht Logins. Adoptionsmetriken, die Lizenzen und Sitzungen zählen, sind strukturell außerstande, das zu erkennen. Verfolgen Sie, was sich bewegt, wenn Arbeit neu zugewiesen wird: Rechnungsvolumen von Dienstleistern nach Kategorie, Anzahl teamübergreifender Anfragen und Nacharbeitsvorfälle. Stanfords Digital Economy Lab vertritt dasselbe Argument – KI auf Aufgabenebene messen statt auf Werkzeugebene (Stanford Digital Economy Lab, 2026).
Hängen Sie die Prüfinstanz dort wieder an, wo kollegiale Delegation sie geliefert hat. Das ist der wertvollste und billigste Punkt. Klassifizieren Sie Aufgaben nach den Kosten eines unentdeckten Fehlers, nicht danach, ob KI im Spiel ist. Für das Set mit hohen Kosten benennen Sie ausdrücklich eine prüfende Person. Menschliche Delegation lieferte diese Person gratis mit; Delegation an ein Modell tut das nicht – sie muss bewusst wieder eingeführt werden.
Machen Sie die Neuzuweisung von Aufgaben zu einem meldepflichtigen Ereignis. Kein Genehmigungsprozess – eine Meldung. Wenn jemand eine wiederkehrende Aufgabe von einem Menschen auf ein Modell verlagert, wird das an derselben Stelle vermerkt wie eine Personal- oder Lieferantenänderung. Eine Zeile, ohne Zeremonie. Sichtbarkeit ist der gesamte Zweck.
Die Entscheidung, die in diesem Quartal vor Ihnen liegt, ist eng und binär. Entweder Sie können die KI-Aufgabendelegation benennen, die in Ihrem Betrieb bereits stattgefunden hat – welche Arbeit vom Menschen zum Modell gewandert ist und wer sie jetzt prüft – oder Sie können es nicht. Wenn nicht, führen Sie keinen schlanken Betrieb. Sie führen einen, dessen tatsächliche Kostenstruktur und Qualitätsexposition Aufgabe für Aufgabe von Menschen festgelegt werden, denen nie gesagt wurde, dass sie diese Entscheidung treffen.
