KI bringt messbar mehr Output, aber nur wenn die Leute es wirklich nutzen

Zum ersten Mal eine echte Zahl

Wenn mich jemand im Workshop fragt, ob KI wirklich etwas bringt oder nur Hype ist, konnte ich bis vor kurzem nur ehrlich sagen: Ich sehe es bei mir, ich sehe es bei Kunden, aber eine saubere Studie mit großer Stichprobe kenne ich nicht. Die gibt es jetzt.

Microsoft hat den eigenen Rollout von zwei KI-Programmierwerkzeugen, Claude Code und GitHub Copilot CLI, Anfang 2026 wissenschaftlich ausgewertet. Nicht an einer Handvoll Freiwilliger, sondern an Zehntausenden Entwicklern. Das Ergebnis: Wer die Werkzeuge nutzte, brachte rund 24 Prozent mehr fertige Arbeitsergebnisse durch als vergleichbare Kollegen ohne. Und der Effekt war kein Strohfeuer der ersten Woche, er hielt über den gesamten Vier-Monats-Zeitraum der Studie an.

Das ist die beste Munition gegen zwei Lager gleichzeitig. Gegen die, die sagen, KI sei nur teures Spielzeug. Und gegen die, die einen Zehnfach-Turbo versprechen. Die Wahrheit liegt bei einem soliden, dauerhaften Viertel mehr. Kein Wunder, aber auch kein Nichts. So sieht ein echter Produktivitätshebel aus.

Der Haken, den die Studie gleich mitliefert

Jetzt kommt der Teil, den die meisten überlesen, obwohl er der wichtigere ist. Diese 24 Prozent kamen nicht dadurch zustande, dass Microsoft allen ein Werkzeug in die Hand drückte. Sie kamen von den Leuten, die es tatsächlich regelmäßig benutzten. Wer nur den Zugang hatte, aber nicht damit arbeitete, holte auch nichts heraus. Zugang ist nicht Nutzung, und nur Nutzung zahlt.

Zwei weitere Befunde schärfen das Bild. Erstens: Ob jemand bei einem Werkzeug dranblieb, hing stärker an seiner bisherigen Aktivität als an Rolle, Titel oder Erfahrung. Die schon Fleißigen wurden schneller, nicht automatisch die Zögerlichen. Zweitens, und das finde ich am spannendsten: Die Erstnutzung verbreitete sich vor allem über soziale Kontakte im Team, über Kollegen, die es einem zeigten, nicht über die offizielle Schulung von oben.

Warum das für einen KMU die eigentliche Nachricht ist

Der typische erste Reflex, wenn ein Chef von so einer Zahl hört, ist: Dann kaufen wir jetzt für alle Lizenzen und schreiben vor, dass es genutzt wird. Genau das ist laut dieser Studie der Weg, der am wenigsten bringt. Zugang verteilen erzeugt eine schöne Zeile in der Rechnung und sonst nichts, wenn niemand tatsächlich damit arbeitet.

Was stattdessen funktioniert, lässt sich direkt aus den Befunden ableiten:

• Mit den Neugierigen starten, nicht mit allen. In fast jedem Betrieb gibt es ein, zwei Leute, die von sich aus schon herumprobieren. Denen gibst du zuerst ein echtes Werkzeug, einen echten Anwendungsfall und ein bisschen Zeit. Sie sind der Zünder.
• Verbreitung über Kollegen einplanen, nicht über die Schulung. Der beste Multiplikator ist der Kollege am Nebentisch, der sagt „schau mal, wie ich das jetzt mache“. Ein Schulungstermin ersetzt das nicht, er ergänzt es höchstens. Gib den frühen Nutzern also Gelegenheit, es weiterzugeben.
• Echte Nutzung messen, nicht verteilte Zugänge. Die Frage ist nicht „wie viele haben eine Lizenz“, sondern „wie viele arbeiten diese Woche wirklich damit“. Nur die zweite Zahl hängt mit dem Produktivitätsgewinn zusammen.
• Einen konkreten Prozess wählen, nicht das Werkzeug bewundern. Die 24 Prozent entstanden bei echter Arbeit an echten Aufgaben. Such dir einen Ablauf, der wirklich Zeit frisst, und häng das Werkzeug da dran. Ohne Aufgabe kein Effekt.

Was ich selbst in Workshops sehe

Diese Woche stehe ich wieder in genau so einem Raum, bei einem Mittelständler, der KI ernst nehmen will. Und ich sehe das Muster aus der Studie jedes Mal live. Wenn eine Geschäftsführung von oben ansagt „ab jetzt nutzen wir KI“, passiert erstaunlich wenig. Die Lizenzen liegen brach, die Leute machen weiter wie vorher, nach drei Monaten ist die Enttäuschung groß und der Schluss lautet fälschlich „bringt bei uns nichts“.

Wenn dagegen einer im Team anfängt, sichtbar schneller zu werden, und den anderen zeigt wie, dann zieht das. Nicht weil es angeordnet wurde, sondern weil keiner der Langsamere sein will. Deshalb baue ich in einem Workshop nie eine flächendeckende Einführung, sondern suche die ein, zwei Leute, die es tragen, und mache sie handlungsfähig. Der Rest kommt über sie, nicht über mich.

Eine ehrliche Einschränkung

Ich will die Zahl nicht größer machen, als sie ist. Die Studie zählt fertige Arbeitsergebnisse als Maß für Output, und die Forscher sagen selbst dazu: Ein fertiges Ergebnis ist nicht dasselbe wie der Wert, den es stiftet. Mehr Output ist nicht automatisch mehr Umsatz. Und die Untersuchung lief bei Softwareentwicklern, nicht in einer Tischlerei oder einer Steuerkanzlei. Der Mechanismus dahinter, Nutzung schlägt Zugang und Verbreitung läuft über Menschen, ist aber nicht an das Berufsbild gebunden. Den sehe ich in jedem Betrieb, egal welche Branche.

Fazit

Die gute Nachricht: KI-Werkzeuge bringen messbar etwas, dauerhaft, in einer Größenordnung, die sich lohnt. Die praktische Nachricht ist wichtiger: Der Gewinn hängt nicht am Kauf, sondern an der Nutzung, und Nutzung verbreitet sich über Menschen, nicht über Anordnungen. Wenn du KI in deinen Betrieb bringen willst, kauf nicht als Erstes Lizenzen für alle. Such die zwei Leute, die schon Lust haben, gib ihnen einen echten Anwendungsfall, und lass es von dort wachsen. Das ist langsamer als eine Rundmail und deutlich wirksamer.

Quelle: „Adoption and Impact of Command-Line AI Coding Agents: A Study of Microsoft’s Early 2026 Rollout of Claude Code and GitHub Copilot CLI“ (arXiv, Juli 2026). Kernbefunde: Adopter stellten rund 24 Prozent mehr Pull Requests fertig als vergleichbare Kollegen, der Effekt hielt über das Vier-Monats-Fenster an; die Erstnutzung verbreitete sich vor allem über soziale Netzwerke im Team, die Bindung hing stärker an der bisherigen Coding-Aktivität als an Demografie, und der Gewinn zeigte sich nur bei tatsächlicher Nutzung, nicht bei bloßem Zugang. Die Forscher weisen selbst darauf hin, dass ein gemergter Pull Request nicht mit dem gestifteten Wert gleichzusetzen ist. Die Übertragung auf die KI-Einführung im KMU und die Workshop-Beobachtungen stammen aus eigener Arbeit, Juli 2026.