Dasselbe Modell. Dieselben fünfzehn Minuten. Dieselbe Aufgabe. Verschieben Sie dieses Fenster von der ersten Hälfte der Stunde in die zweite, und die von Experten bewertete Kreativität fällt um 0,62 Standardabweichungen (Huang, Yu, Chen & Zhou, 2026). Am Werkzeug hat sich nichts geändert — nur der Moment, in dem das Team es anfassen durfte. Dieser Befund macht den Zeitpunkt des KI-Zugangs zu einer Konfigurationsentscheidung mit messbarem Preis, und in den meisten Unternehmen ist es eine Entscheidung, die niemand getroffen hat: der Assistent ist einfach an, immer, für alle.
Die Studie ist ein präregistriertes Laborexperiment mit 148 Dreipersonenteams (444 Teilnehmende), die zufällig fünf Zugangsplänen zum selben Sprachmodell während einer 40-minütigen Produktdesign-Aufgabe zugewiesen wurden. Die Aufgabe hatte eine 15-minütige Suchphase, eine 15-minütige Auswahlphase und eine Entwicklungsphase. Das Entscheidungstor — die Autoren nennen es the screen, den Filter — fiel in jeder Bedingung auf Minute 15.
Was das Experiment tatsächlich verschoben hat
Fünf Bedingungen: der Assistent nur während der Suche, nur während der Auswahl, durchgehend, nie, und während der Suche mit einem dauerhaften Hinweis auf übermäßiges Vertrauen. Die Plattform erzwang jedes Fenster, und alle 2.124 protokollierten Anfragen fielen in das jeweils zugewiesene Fenster. Der Assistent war ein einzelnes Modell (DeepSeek V3.2) bei Temperatur 0,1. Vier Bewertende mit fünf bis zehn Jahren Branchenerfahrung bewerteten jede Einreichung blind.
Der zentrale Kontrast stellt Zugang in der Suchphase gegen Zugang in der Auswahlphase: 0,356 Punkte auf der Bewertungsskala, 95-%-KI [0,064, 0,648], Welch p = 0,018, was die Autoren als 0,62 Standardabweichungen berichten. Er überlebt ihre präregistrierte Benjamini-Hochberg-Korrektur über alle acht Kontraste.
Gegen die Kontrollgruppe ohne KI wird das Muster schärfer:
| Bedingung | Zugewinn vs. ohne KI | p-Wert |
|---|---|---|
| Zugang während der Suche | +0,486 Punkte | 0,002 |
| Zugang durchgehend | +0,479 Punkte | 0,002 |
| Zugang nur während der Auswahl | +0,130 Punkte | 0,43 |
Zwei Dinge in dieser Tabelle verdienen eine zweite Lesung. Erstens: späterer Zugang erzeugte keinen messbaren Zugewinn — machte die Teams aber nicht schlechter als gar keine KI. Die Autoren sind eindeutig: sie finden keinen direkten Hinweis auf eine Strafe; die Kosten sind eine entgangene Prämie, kein Schaden. Zweitens: Auswahlphasen-Zugang oben auf Suchphasen-Zugang zu legen brachte nichts: durchgehend gegen nur-früh ergibt −0,007 Punkte. Der gesamte Ertrag lag im ersten Fenster.
Warum der Zeitpunkt des KI-Zugangs über den Ertrag entscheidet
Die Plattformprotokolle lokalisieren den Mechanismus präzise, und es geht nicht um Anstrengung oder Nutzungsraten. Die Teams nutzten das Modell über die Bedingungen hinweg in ähnlichem Umfang.
Teams mit frühem Zugang erreichten das Tor mit 19,8 schriftlich festgehaltenen eigenständigen Ideen, gegen 3,9 bei Teams ohne KI — ein fünfmal größerer Pool. Das meiste war maschinell abgeleitet (18,6 Ideen), und die eigenen Ideen der Teams fielen sogar von 3,9 auf 1,3. Der Assistent verdrängte einen Teil ihrer eigenen Ideenbildung, während er den Pool vervielfachte. Dann wurde beschnitten: etwa ein Drittel der gesammelten Ideen (32 %) erschien in der Einreichung wieder, derselbe Anteil wie bei Teams ohne KI, und die Einreichungen enthielten 2,9 Vorschläge.
Das ist die ganze Geschichte. Ein weiter Pool, dann ein menschlicher Filter, dann eine schmale Festlegung.
Teams mit spätem Zugang erreichten dasselbe Tor mit 3,8 Ideen — statistisch identisch mit den 3,9 der Kontrollgruppe, genau wie die Randomisierung es erwarten lässt. Dann bekamen sie das Modell, und sie nutzten es nicht zum Auswählen. Sie nutzten es, um erneut zu suchen. Bei festem Fenster, festem System-Prompt und festem Modell — späterer Zugang gegen durchgehenden Zugang, der saubere Vergleich — widmeten Teams mit spätem Zugang 29 % ihrer Anfragen in der Auswahlphase der Erzeugung neuer Optionen, gegen 11 % bei Teams, die den Assistenten bereits während der Suche gehabt hatten.
Die Folge zeigt sich in dem, was überlebte. Nur 5 % des eingereichten Textes der Teams mit spätem Zugang existierten vor dem Tor, gegen 22 % bei Teams ohne KI und 71 % bei Teams mit frühem Zugang. Späte Optionen wurden nicht zur gefilterten Menge hinzugefügt. Sie ersetzten sie. Die Ähnlichkeit über Satz-Embeddings ergibt dasselbe Muster, es handelt sich also nicht darum, dass der Assistent umformuliert, was die Teams schon hatten.
Optionen, die das Team nie gesehen hat
Ein Detail ist für jeden erwähnenswert, der einen Review-Prozess verantwortet. Unter den Teams mit spätem Zugang gelangte maschinell abgeleitetes Material in 9,6 % der Fälle in Einreichungen, ohne jemals mit den Teammitgliedern geteilt worden zu sein, gegen 3,9 % bei frühem Zugang. Wenn die Autoren den Anfragetyp konstant halten, schrumpfen die meisten Unterschiede zwischen den beiden Bedingungen und verlieren ihre Signifikanz — aber die ungeteilte Übernahme bleibt bestehen. Spät in einer Aufgabe, mit einer anstehenden Entscheidung, geht Output direkt in die Lieferung, ohne ein zweites Paar Augen zu passieren.
Es ist dasselbe Versagen, das die verification tax im Feld misst: 52 % der Beschäftigten korrigieren regelmäßig KI-generierte Arbeit von Kolleginnen und Kollegen, und 42 % verbringen mehr Zeit mit dem Prüfen von KI-Output, als sie durch dessen Nutzung sparen (Adaptavist, 2026). Ungefilterter Output verschwindet nicht. Er wird zum Filterproblem von jemand anderem, einen Schritt weiter stromabwärts.
Späterer Zugang kaufte Breite, und Breite ist nicht Qualität
Teams mit spätem Zugang waren nicht untätig. Sie produzierten mehr. Die Vorschläge pro Einreichung stiegen um 1,53 gegenüber der Kontrollgruppe (SE 0,54, p = 0,005) — eine Steigerung von 73 % über den Kontrollmittelwert von 2,10 Vorschlägen, und das Doppelte der Steigerung bei frühem Zugang.
Die menschlichen Bewertenden belohnten das nicht. Über die Teams hinweg war jeder zusätzliche Vorschlag mit einer um 0,179 Punkte niedrigeren Bewertung verbunden. Mehr Optionen kamen an, und die Qualität pro Option fiel — was zu erwarten ist, wenn ein festes Entwicklungsbudget auf mehr Kandidaten verteilt wird.
Das ist die Form des Problems für eine operative Verantwortliche: späterer KI-Zugang erhöht zuverlässig den sichtbaren Output und verfehlt genauso zuverlässig die bewertete Qualität. Wenn Ihr Dashboard Artefakte zählt, sieht späterer Zugang wie ein Erfolg aus.
Der ehrliche Gegeneinwand: in diesem Befund steckt eine Bewertungsregel
Die Autoren führen den Gegeneinwand selbst, und das ist der nützlichste Teil der Arbeit. Rechnen Sie Breite an, und das Urteil verschiebt sich.
Addieren Sie γ Punkte pro Vorschlag auf die Punktzahl jedes Teams, und der Vorsprung von früh über spät sinkt von 0,356 bei γ = 0 auf 0,279 bei γ = 0,1 und auf 0,203 bei γ = 0,2 (p = 0,076), und verschwindet vollständig bei γ = 0,46. Bei einer Anrechnung von nur 0,1 Punkten pro Vorschlag übertrifft späterer Zugang die Kontrollgruppe ohne KI. Früher Zugang führt außerdem um 0,356 beim mittleren Vorschlag, um 0,221 beim besten Vorschlag, und kehrt sich bei der Summe um — Teams mit spätem Zugang summieren mehr Punkte.
Die ehrliche Aussage ist also bedingt: wenn Sie eine einzige starke Festlegung brauchen, geben Sie dem Team den Assistenten vor dem Filter. Wenn Sie ein breites Feld an Optionen zum Weitertragen brauchen, ist späterer Zugang kein Fehlermodus. Der Fehler ist, nicht zu wählen. Ein dauerhaft eingeschalteter Assistent setzt diesen Parameter per Voreinstellung, und die Voreinstellung ist die teure für Festlegungsarbeit.
Drei weitere Grenzen gehören in jede interne Zusammenfassung dieser Studie. Die Teilnehmenden waren 444 Studierende in China, Durchschnittsalter 21,6 Jahre, bei einer 40-minütigen strukturierten Aufgabe mit einem einzigen Modell — die Autoren erklären offen, dass ihr Design „Breite des Settings gegen saubere Identifikation tauscht". Das Design war für d ≈ 0,74 gepowert und fand g = 0,62, das ist also kein eng geschätzter Effekt, auch wenn er die Korrektur überlebt. Und der Vergleich früh-gegen-spät trägt eine Prompt-Konfundierung, die die Autoren offenlegen: der System-Prompt war je Phase gesetzt, dem Assistenten in der Suchphase wurde also gesagt zu generieren und dem in der Auswahlphase zu verfeinern. Der Vergleich, der Prompt, Fenster und Modell konstant hält, ist späterer Zugang gegen durchgehenden Zugang — also das Ergebnis 29 % gegen 11 %, und es zeigt in dieselbe Richtung.
Ihr KI-Bewerter wird das nicht bemerken
Hier ist der Befund, der einen Prozess verändern sollte und nicht eine Meinung.
Jeder Vorschlag wurde außerdem von zehn Frontier-Sprachmodellen aus fünf Modellfamilien bewertet, nach derselben Rubrik wie bei den menschlichen Experten. Das Panel war intern konsistent, und seine Teamwerte korrelierten mit 0,61 mit denen des menschlichen Panels. Es erkannte den Bruttonutzen des KI-Zugangs korrekt und platzierte jede Zugangsbedingung 0,58 bis 1,41 Standardabweichungen über der Kontrollgruppe.
Die Kosten des Zeitpunkts konnte es überhaupt nicht sehen. Der Kontrast früh-gegen-spät betrug 0,59 Standardabweichungen unter menschlichen Bewertungen (p = 0,019) und −0,08 unter dem Modell-Panel (p = 0,77). Schließt man das dem Assistenten nächstliegende Modell aus, bleibt er bei −0,10; schließt man beide DeepSeek-Modelle aus, bleibt er bei −0,08 — es handelt sich also nicht um Selbstbevorzugung. Die Blindheit zeigt sich auf jeder Dimension — Originalität, Angemessenheit, Ausarbeitung, Textqualität — dort, wo die menschlichen Experten Lücken von 0,5 bis 0,7 SD sahen.
Ein Teil der Erklärung ist mechanisch. Menschliche Bewertende zogen 0,179 Punkte pro zusätzlichen Vorschlag ab; das Modell-Panel zog 0,063 ab. Das Panel bepreiste Breite nicht so, wie die Experten es taten, und Breite ist genau das, was späterer Zugang erzeugte.
Der Satz der Autoren ist der, den man in ein Steuerungsgremium mitnehmen sollte: eine Organisation, die KI-gestützte Arbeit mit KI-Richtern bewertet, „wird sehen, dass Unterstützung hilft, aber nicht, dass ihr Zeitpunkt zählt".
Das ist kein Einzelbefund zu einer Rubrik. Bewertungsschichten sind Messinstrumente mit eigenen Eigenschaften, und sie driften: in einer Längsschnittstudie zur Prüfung von Agenten-Output bewertete ein strengerer Prüfer, der im Mai dazukam, identische Chargen um 0,79 SD niedriger und glättete in den Rohdaten einen realen Verbesserungstrend von 0,53 SD (Bewerter-Effekte in der Agentenbewertung, 2026). Ob Ihr Richter ein Mensch oder ein Modell ist: er muss gegen etwas kalibriert werden, bevor Sie ihn ein Deployment benoten lassen.
Auf der Fähigkeitsseite gibt es eine bemerkenswerte Parallele. In einem dreimonatigen randomisierten Versuch mit 133 Patentanwältinnen und -anwälten hob KI-Zugang die Qualität der gelieferten Arbeit nach 90 Tagen um 0,38 SD — und als das Werkzeug entfernt wurde, konzentrierte sich der verbleibende Vorteil mit 0,45 SD bei den Seniors, während die Juniors keinen durchschnittlichen Zugewinn zeigten (Autor et al., NBER w35720, 2026). Gelieferte Qualität und zugrunde liegendes Urteilsvermögen gingen auseinander. Die Zeitpunkt-Studie ist dieselbe Lektion eine Ebene höher: das Artefakt sieht in Ordnung aus, während der Prozess, der es hätte erzeugen sollen, nicht gelaufen ist.
Was ein Head of Operations in diesem Quartal zum Zeitpunkt des KI-Zugangs tun sollte
Vier konkrete Schritte, nach Kosten geordnet.
- Finden Sie Ihre Filter und schreiben Sie sie auf. Benennen Sie für Ihre zwei oder drei wichtigsten wiederkehrenden Arbeitsabläufe den Moment, in dem sich die Optionsmenge schließt und die Festlegung beginnt. Die meisten Teams können ihn nicht benennen, und das ist die Vorbedingung dafür, den Zugang falsch zu terminieren.
- Entscheiden Sie je Ablauf, ob Sie Tiefe oder Breite kaufen. Das ist die γ-Frage, konkret gemacht. Festlegungsarbeit — ein Vorschlag, ein Anbieter, ein Plan — will den Assistenten vor dem Filter. Feldarbeit will ihn danach. Schreiben Sie die Antwort in die Ablaufdefinition, statt sie dem zu überlassen, der ein Chatfenster öffnet.
- Beschränken Sie KI-Nutzung nach dem Filter auf Entwicklung, nicht auf Erzeugung. Die Lücke 29 % gegen 11 % ist das messbare Versagen. Wo der erste Beitrag des Assistenten zwangsläufig spät kommt, verlangen Sie, dass späterer Output mit dem Bereits-Gewählten verglichen wird, statt ungefiltert dagegen anzutreten.
- Validieren Sie Ihren Bewerter, bevor Sie einem Urteil vertrauen. Bewerten Sie eine Charge sowohl mit Ihrem automatisierten Richter als auch mit zwei erfahrenen Menschen und vergleichen Sie die Kontraste, auf die es Ihnen wirklich ankommt — nicht nur die Gesamtübereinstimmung. Ein Panel, das auf Niveaus mit 0,61 korreliert, kann beim entscheidenden Vergleich dennoch −0,08 liefern.
Punkt drei und vier sind Konfigurationsfragen, keine Schulungsfragen, und darum schlägt Governance je Aufgabe eine pauschale Richtlinie. Wo diese Arbeit auf einer Plattform statt in einem Dokument geschieht, sind die relevanten Kontrollen jene auf der Ebene der einzelnen Aktion: Scovais Digital Employees sind standardmäßig confirm-first, mit Autonomie, die je Art der Aktion aus einem protokollierten Genehmigungsregister erworben wird, und mit je Stelle gesetzter Occupancy — sodass „der Assistent darf eine gewählte Option ausarbeiten, aber nach dem Tor keine neue eröffnen" eine erzwungene Einstellung mit Audit-Spur ist und keine Zeile in einem Handbuch, das in Minute 22 niemand liest.
Beachten Sie, was nichts davon erfordert. Kein neues Werkzeug, keine neue Budgetposition, keine Modellmigration. Das Experiment änderte einen Parameter, den Ihr Unternehmen bereits versehentlich setzt, jeden Tag, in jedem Ablauf, in dem jemand ein Chatfenster offen hat.
Nehmen Sie Ihre wichtigste wiederkehrende Entscheidung in diesem Quartal und stellen Sie eine Frage dazu: kommt die KI vor dem Filter oder danach? Wenn niemand antworten kann, führen Sie kein KI-Pilotprojekt. Sie betreiben die teure Bedingung per Voreinstellung — und wenn ein KI-Richter sie benotet, wird nichts in Ihrem Reporting es Ihnen jemals sagen.