KI-Produktivität ist keine Adoptionsrate
Der Bericht von PA Consulting vom 9. November 2026 trennt gemeldeten KI-Wert vom täglichen Gebrauch. Die Kohorten sind nicht derselbe Schnitt.
Christian Kosiek•Veröffentlicht am •17 Min. Lesezeit

Man kann ein KI-Werkzeug jeden Tag öffnen und trotzdem nicht die Person sein, die mehr daraus zieht. Diese Unterscheidung ist der Punkt des Berichts von PA Consulting, The capability paradox, angekündigt am 9. November 2026. Die Presseseite nennt PA Consulting ein Unternehmen von Jacobs. Die Produktionszeile des Berichts sagt Oktober 2026. Die Feldarbeit, so der Bericht, fand weitgehend im ersten Halbjahr 2026 statt. Das sind drei Daten, nicht eines.12
Die Untersuchung verband eine Befragung von 2.000 Beschäftigten im Vereinigten Königreich, eine zweiwöchige Online-Tagebuchstudie mit 20 Teilnehmenden und 13 Interviews mit Führungskräften, KI-Fachleuten und Fachexperten. Der Fragebogen galt Werkzeugen wie ChatGPT, Claude, Gemini, Microsoft Copilot und anderen generativen KI-Anwendungen. Der Bericht sagt, KI-erzeugte synthetische Personas seien nur genutzt worden, um Lücken in den Perspektiven zu suchen, und Erkenntnisse, Deutungen und Zitate stammten von realen Teilnehmenden. Dieser Artikel weist die Prozentwerte unten nicht dem Tagebuch und nicht den 13 Interviews zu. Der Bericht druckt keine eigene Basis für jede Zahl.2
Zwei Etiketten, die sich nicht tauschen lassen
Für den Großteil der Ergebnisse nutzt der Bericht zwei Kohorten. Individual Contributors sind Personen in Einstiegs-, Junior- und mittleren Rollen ohne Führungsaufgabe. Senior Leaders umfassen Senior Managers und Abteilungsleitungen, Directors und Senior Leadership sowie Executive/C-Suite. Der Bericht sagt, diese Gruppen würden nicht genutzt, wo er eine bestimmte Rolle nennt.2
Die Presseseite vom 9. November druckt die Kennzahlen der Überschrift gegen ein engeres Etikett: Beschäftigte in Einstiegs- und Juniorrollen, und in einer Zeile "entry-level or junior". Die Landingpage druckt "non-leadership roles". Dieser Artikel behandelt die drei Formeln nicht als eine Gruppe. Die Zahlen unten folgen dem Bericht, außer eine Stelle sagt, sie stammen von der Presseseite oder der Landingpage.13
Was Senior Leaders melden
70 Prozent der Senior Leaders sagen, KI ermögliche ihnen Dinge, die sie zuvor nicht tun konnten, gegenüber 38 Prozent der Individual Contributors. 72 Prozent der Senior Leaders melden Qualitätsverbesserungen ihrer Ergebnisse mit KI, gegenüber 43 Prozent der Individual Contributors. Der Bericht ergänzt, erst ab Managementebene meldeten mehr als 50 Prozent der Befragten eine Qualitätsverbesserung durch KI. "Mehr als 50 Prozent" ist diese Schwelle. Es ist nicht die 72 Prozent, und es ist keine Quote für jede Führungskraft.2
Das sind gemeldete Erfahrungen. Es ist kein Experiment, das zeigt, Seniorität verursache bessere KI-Ergebnisse. Es zeigt nicht, KI habe Junior-Beschäftigte weniger fähig gemacht. Das Vorwort sagt, Senior Leaders meldeten deutlich größere Gewinne bei Produktivität, Fähigkeit und Qualität als Personen in Junior-, Einstiegs- und nicht-leitenden Rollen. Der Satz nutzt "melden".2
Die Presseseite wiederholt 70 Prozent gegenüber 38 Prozent der Beschäftigten in Einstiegs- und Juniorrollen und 72 Prozent gegenüber 43 Prozent der Einstiegs- und Juniorbeschäftigten. Sie sagt, Senior Leaders meldeten höherwertige Arbeit durch KI. Der Bericht sagt "quality improvements in their outputs with AI" und vergleicht mit Individual Contributors. Das Presse-Etikett "Einstieg und Junior" auf die 38 Prozent des Berichts zu kleben ließe die mittleren Rollen ohne Führung weg, die die Methode zu den Individual Contributors zählt.12
Die Nutzung nennt bestimmte Rollen, also ist die Senior-Leader-Gruppe nicht die richtige Zeile. Der Bericht sagt, die KI-Nutzung steige mit der Seniorität, von 1.8x am Tag bei Einstiegs- und Juniorrollen auf 6.9x am Tag auf Executive/C-Suite-Ebene. Die Presseseite sagt, Senior Leaders nutzten KI täglich mehr als dreimal so oft wie Beschäftigte in Einstiegs- und Juniorrollen, im Schnitt 6.9 Nutzungen am Tag. Dieser Artikel behandelt "Senior Leaders" und "Executive/C-Suite" nicht als denselben Satz und teilt 6.9 nicht durch 1.8. Die 1.8x gelten für Einstiegs- und Juniorrollen. Sie sind nicht die ganze Kohorte der Individual Contributors.12
| Was gedruckt ist | Zahl | Was es nicht ist |
|---|---|---|
| Senior Leaders, die sagen, KI lasse sie tun, was sie zuvor nicht konnten, gegenüber Individual Contributors | 70 Prozent gegenüber 38 Prozent | Beweis, dass Seniorität das Ergebnis verursacht. Das Presse-Etikett "Einstieg und Junior" |
| Senior Leaders, die Qualitätsverbesserungen melden, gegenüber Individual Contributors | 72 Prozent gegenüber 43 Prozent | Die eigene Zeile: Qualitätsverbesserung über 50 Prozent erst ab Management |
| Nutzungen am Tag: Einstieg und Junior, dann Executive/C-Suite | 1.8x, dann 6.9x | Ein Senior-Leader-Schnitt. Die "6.9 Nutzungen am Tag" der Presse sind ein anderer Satz |
| Presse: Senior Leaders gegenüber Einstieg und Junior | Mehr als dreimal so oft täglich, Schnitt 6.9 Nutzungen | Die Berichtszeile von 1.8x bis 6.9x |
Ein Diagramm zu Vertrauen und zum Standard der Arbeit schließt Antworten aus, die als weder noch oder als weiß nicht markiert sind. Die Balkenhöhen kamen nicht als Text an, deshalb stehen sie hier nicht.2
Kate Spencer steht auf der Presseseite als PA-Expertin für People and Change. Das Zitat nutzt englische Kontraktionen, deshalb paraphrasiert dieser Artikel. Sie sagt, KI werde oft als Ausgleich gesehen, und die Untersuchung lege nahe, dass derzeit das Gegenteil geschehen könne: Menschen mit bereits größerer Expertise und Urteilskraft zögen den größten Nutzen, während Menschen früher in der Laufbahn das Risiko trügen, Gelegenheiten zum Aufbau ihrer Fähigkeiten zu verlieren. Die Berichtsseite nennt sie Expertin für Workforce Transformation. Dieser Artikel mischt die beiden Titel nicht. Der Satz ist ihre Lesart. Er ist kein gemessener Fähigkeitsverlust.12
Schneller ist nicht dasselbe wie Wert
Der Bericht sagt, 60 Prozent der Beschäftigten über alle Kohorten glaubten, KI helfe ihnen, schneller zu arbeiten, und 79 Prozent sagten, KI mache sie effizienter. Das sind zwei Antworten. Dieser Artikel mittelt sie nicht.2
37 Prozent sagen, sie verbrächten gleich viel Zeit mit Prüfen und Nachschärfen der Arbeit, wie sie für die eigene Herstellung gebraucht hätten. 34 Prozent sagten, KI habe ihre Arbeitslast nicht verändert. 14 Prozent sagten, KI habe ihre Arbeitslast erhöht. Fast ein Drittel, 32 Prozent, der Beschäftigten meldet noch keinen bedeutsamen Nutzen von KI. "Noch nicht melden" ist die Formel des Berichts. Es ist nicht "keinen Nutzen erhalten". Diese vier Zeilen werden nicht addiert. Sie können sich überlappen, und der Bericht sagt nicht, sie teilten die Stichprobe.2
Die Presseseite sagt, mehr als ein Drittel, 37 Prozent, räumten ein, danach gleich viel Zeit mit dem Prüfen und Nachschärfen KI-erzeugter Arbeit zu verbringen. Die Aufzählung des Berichts sagt nicht "danach" und nicht "KI-erzeugt". Dieser Artikel behandelt die 37 Prozent nicht als Teilmenge der 60 Prozent.1
68 Prozent der Senior Leaders sagen, KI ermögliche es ihnen, sich auf höherwertige Aufgaben zu konzentrieren, gegenüber 38 Prozent der Individual Contributors. Diese 38 Prozent beantworten eine andere Frage als die 38 Prozent neben den 70 Prozent. Die Landingpage sagt, 68 Prozent der Senior Leaders könnten sich auf höherwertige Arbeit konzentrieren, gegenüber 38 Prozent der Beschäftigten in Non-Leadership-Rollen. "Aufgaben" ist nicht "Arbeit", und "Individual Contributors" ist nicht "Non-Leadership-Rollen".23
Stellen Sie sich eine kleine Organisation vor, die einen Förderantrag vorbereitet. In diesem hypothetischen Beispiel schreibt eine Junior-Koordinatorin einen Entwurf schnell und prüft danach einen Nachmittag lang Förderregeln, Begünstigtenzahlen und Auflagen. Eine Leiterin, die den Geldgeber schon kennt, sieht eine Schwäche früher. Den Entwurf zu zählen würde das Werkzeug schmeicheln. Den geprüften Antrag zu zählen nicht. Diese Szene ist keine Tagebuchteilnehmerin, keines der 13 Interviews und keine Branchenzahl. Die Prüfungen sind eine redaktionelle Illustration.
Ein anderer Artikel trennt bereits gesparte Zeit von der Frage, wer die Stunden bekommt, mit anderen Quellen: KI sparte Zeit. Wer bekommt die Stunden zurück?. Diese Quellen sind nicht dieser Bericht.
Vertrauen, wenn die Antworten auseinandergehen
Die Abbildungsunterschrift des Berichts sagt, einer von acht Beschäftigten vertraue dem Urteil der KI mehr als dem eigenen. Die Presseseite druckt einen von acht Beschäftigten (12 Prozent), die sagen, sie vertrauten dem Urteil der KI mehr als dem eigenen. Dieser Artikel macht aus "einer von acht" keine selbst nachgerechnete Zahl.12
Wenn die KI-Ausgabe dem eigenen Urteil widersprach, sagten 18 Prozent der häufigen Nutzenden, sie hätten der KI vertraut. Häufig heißt fünf oder mehr Nutzungen am Tag. Der Vergleich ist 11 Prozent der mittleren Nutzenden, ein- bis viermal am Tag, und 7 Prozent der seltenen Nutzenden, seltener als täglich. Die Presseseite sagt, häufige Nutzende seien 1.5x eher geneigt gewesen, der KI über das eigene Urteil zu vertrauen als mittlere Nutzende. Dieser Multiplikator ist der der Presse. Dieser Artikel rechnet ihn nicht aus 18 und 11.12
Ein zweiter Schnitt ist Seniorität, nicht Häufigkeit. Senior Leaders vertrauten der KI über das eigene Urteil eher als Individual Contributors, wenn beides auseinanderging: 17 Prozent gegenüber 9 Prozent. Dieses Paar ist nicht 18, 11 und 7, und es ist nicht einer von acht.2
Abhängigkeit ist eine dritte Frage. 20 Prozent der Befragten räumen ein, sich zu stark von KI abhängig zu fühlen. Häufige Nutzende melden Abhängigkeitsquoten von 28 Prozent, gegenüber 10 Prozent der seltenen Nutzenden. Die 20 Prozent sind nicht die 28 Prozent. Keiner der beiden Werte ist eine Vertrauensquote.2
Dasselbe Diagramm zeigt Anteile, die dem eigenen Urteil vertrauen, und neutrale Anteile. Diese Anteile kamen nicht als sauberer Text an, deshalb druckt dieser Artikel sie nicht.
Wer das Ergebnis noch besitzt
66 Prozent der Beschäftigten glauben, die Verantwortung bleibe beim Owner des Ergebnisses, unabhängig von der Beteiligung der KI. 13 Prozent fühlen sich weniger verantwortlich für die Qualität, wenn KI den Großteil der Arbeit erzeugt. 21 Prozent sind unsicher, wo die Verantwortung liegt. 26 Prozent fühlen sich unwohl, von KI geprägte Arbeit freizugeben.2
Die Presseseite sagt, die Verantwortung bleibe bei der Person, die für ein Ergebnis verantwortlich ist, unabhängig von der Beteiligung der KI. "Owner des Ergebnisses" und "Person, die für ein Ergebnis verantwortlich ist" sind nicht dieselbe Formel. Die Presse setzt auch "a further" vor die 13 Prozent. Der Bericht listet die 13 Prozent als eigenen Punkt. Dieser Artikel addiert 66, 21 und 13 nicht und sagt nicht, sie ergäben 100.12
Die Ergebnisse zeigen Unsicherheit über Eigentum. Sie sind kein Beleg, dass Beschäftigte Verantwortung routinemäßig meiden.
Der Bericht trennt einen System-Owner, einen Ablauf-Owner, einen Ergebnis-Owner und einen Entscheidungs-Owner. Er sagt, Beschäftigten zu sagen, sie blieben verantwortlich, sei nötig und nicht hinreichend, weil Menschen Systeme nutzen müssen, die sie nicht gewählt, nicht konfiguriert und nicht trainiert haben. Das ist das Argument des Berichts. Es ist keine geprüfte Compliance-Methode.2
Eine interviewte Person schlug vor, Senior Leaders sollten "dedicate roughly 25% of their time to intentional mentoring and coaching to ensure knowledge transfer and judgement skills are passed down". Das ist ein Vorschlag. Es ist kein gemessener Anteil der Kalender und keiner der Umfrageprozente.2
Der Bericht enthält Kundenstories, darunter BT Enterprise, ABN AMRO, National Highways und Schiphol. Dieser Artikel nutzt sie nicht als Umfrageergebnisse und übernimmt ihre Nutzerzahlen nicht. Eine Nutzerzahl in einer Kundenstory ist nicht die Befragung der 2.000.2
Wo der gemeldete Nutzen breiter ist
Die Presseseite druckt Branchenprozente, die der Berichtstext, wie er für diesen Artikel gelesen wurde, in Prosa nicht wiederholt. Sie können in einem Diagramm stehen. Dieser Artikel schreibt sie der Seite vom 9. November zu.12
Beschäftigte, die bedeutsamen Nutzen melden: Technologie, Medien und Telekommunikation, 87 Prozent; Finanzdienstleistungen, 77 Prozent; Energie und Versorger, 75 Prozent; Gesundheit und Life Sciences, 55 Prozent; öffentlicher Sektor, 53 Prozent; Wohlfahrt und Organisationen ohne Gewinnzweck, 39 Prozent.1
Die Branchenliste des Berichts ist breiter als diese sechs Zeilen. Sie nennt den öffentlichen Sektor; Professional Services; Finanzdienstleistungen; Tech, Medien und Telekommunikation; Handel, Gastgewerbe und Freizeit; Energie, Versorger und Infrastruktur; Fertigung, Ingenieurwesen und Bau; Gesundheit und Life Sciences; sowie Third Sector, Non-Profit und Charity. Die Presseseite druckt kein Prozent für Handel, Fertigung oder Professional Services. Dieser Artikel erfindet keines. Er behandelt "charities and not-for-profit organizations" auch nicht als Beweis, dass das Third-Sector-Etikett des Berichts derselbe Schnitt ist, auch wenn beide auf gemeinnützige Arbeit zielen. Die Befragung zeigt nicht, dass diese Beschäftigten weniger fähig sind oder ihre Werkzeuge schlechter. Budget, Arbeitsgestaltung, Datensensibilität, Aufgabenmix und Zugang zu Weiterbildung sind mögliche Erklärungen. Sie sind keine Schlüsse, die die Befragung feststellt.12
Vier Verschiebungen und eine Liste, die der Bericht nicht geprüft hat
Der Bericht nennt vier Verschiebungen: Wege zur Expertise neu bauen; schnellere Arbeit in bessere Ergebnisse übersetzen; entscheiden, wo menschliches Urteil hingehört; Verantwortung und Kontrolle ausrichten. Die Presseseite nennt vier Prioritäten in derselben Reihenfolge: Gelegenheiten zu lernen, Ausgaben zu prüfen, Urteil zu üben und Fähigkeiten zu entwickeln; Geschäftswert messen statt nur Adoption oder Häufigkeit; Aufsicht behalten, wo Fehler größeres Risiko tragen; Verantwortung so definieren, dass sie bei den richtigen Personen liegt. "Practise" ist die Schreibung der Presse.12
Das sind Empfehlungen der Firma. Der Bericht stellt sie nicht als Eingriff dar, von dem er gezeigt hätte, er schließe die gemessene Lücke.
Für ein kleines Team steht daneben eine redaktionelle Liste, und sie ist kein PA-Befund. Den ganzen Ablauf messen, einschließlich Prüfung und Korrekturen, nicht nur Prompts oder Lizenzen. Eine weniger erfahrene Person mit jemandem zusammenbringen, der erklären kann, warum eine Antwort falsch ist. Übung an der Kernaufgabe behalten, damit Urteil nicht nur die Freigabe eines Entwurfs ist. Beaufsichtigte Verantwortung auf einem Risikoniveau geben, das die Person prüfen kann. Fragen, welche Unterstützung Menschen brauchen, bevor Zögern als Kompetenzlücke gilt. PA Consulting hat diese Liste nicht geprüft.
Nachbarfragen haben auf dieser Website schon eigene Quellen: KI-Schulung erreicht Chefs, nicht Einsteiger, warum Lernzeit zur Karrierelücke wird, wer Urteil lehrt, wenn KI den Entwurf schreibt und Junior-Anzeigen, die Senior-Urteil verlangen. Dieser Artikel übernimmt ihre Zahlen nicht.
Stellenanzeigen sind eine andere Studie
PwCs Global AI Jobs Barometer vom 15. Juni 2026 analysierte mehr als eine Milliarde Stellenanzeigen in 27 Ländern und Gebieten. Die Mitteilung sagt, KI verstärke die Betonung menschlicher Fähigkeiten wie Urteil, Kreativität und Führung. Die Schreibung "judgement" ist die der Mitteilung. Das ist ein Satz über Fähigkeiten, die Arbeitgeber in Anzeigen beschreiben. Es ist kein Beleg, dass eine bestimmte Person sie erworben hat, und es ist nicht diese PA-Befragung.4
Dieselbe Mitteilung hat einen Vergleich zu Einstiegsjobs in den USA, eine Lohnprämie und Zahlen zu Belegschaft und Produktivität von Unternehmen. Sie werden hier nicht nachgedruckt. Der Einstiegsvergleich ist schon auseinandergelegt in der Junior-Anzeige, die Senior-Urteil verlangt. Die Formulierung des Eingangsentwurfs, "stronger demand for human-intensive skills", ist lockerer als die Mitteilung und deshalb nicht der Befund dieses Artikels.
Eine Literacy-Pflicht ist nicht diese britische Befragung
Für eine Organisation in der Europäischen Union ist die nächste geschriebene Pflicht eine über Lernen, und sie ist kein Befund der 2.000 Beschäftigten im Vereinigten Königreich. Der KI-Act-Service-Desk der Kommission zeigt einen Text, den er auf die konsolidierte EUR-Lex-Fassung zum 27. Juli 2026 stützt. Artikel 4 ist dort als geändert markiert. Anbieter und Betreiber von KI-Systemen treffen Maßnahmen, um die KI-Kompetenz ihres Personals und anderer Personen zu fördern, die den Betrieb und die Nutzung dieser Systeme in ihrem Auftrag besorgen, unter Berücksichtigung von Fachwissen, Erfahrung, Bildung und Ausbildung sowie des Nutzungskontexts und der Personen oder Gruppen, auf die die Systeme angewandt werden. Derselbe Absatz sagt, diese Pflicht verlange nicht, dass Anbieter oder Betreiber ein bestimmtes KI-Kompetenzniveau einer einzelnen Person garantieren. Eine Pflicht, Lernen zu unterstützen, ist kein Versprechen, dass jede Person dasselbe Niveau erreicht.5
Das ist keine Rechtsberatung. EUR-Lex wurde für diesen Artikel nicht geöffnet, auch nicht die Digital-Omnibus-Verordnung. Der Wortlaut ist der des Service-Desks, gelesen am 22. November 2026.
Menschliche Aufsicht in Artikel 14 und die Betreiberpflichten in Artikel 26 gelten für Hochrisiko-KI-Systeme. Artikel 26 Absatz 2 sagt, Betreiber wiesen die menschliche Aufsicht natürlichen Personen zu, die die nötige Kompetenz, Ausbildung und Befugnis sowie die nötige Unterstützung haben. Artikel 14 Absatz 4 Buchstabe b sagt, die mit der Aufsicht über ein Hochrisikosystem betrauten Personen sollten in die Lage versetzt werden, sich der möglichen Tendenz bewusst zu bleiben, sich auf die Ausgabe zu verlassen oder zu sehr zu verlassen, was der Artikel Automatisierungsbias nennt, insbesondere wenn das System Informationen oder Empfehlungen für Entscheidungen liefert. Ein allgemeines Schreibwerkzeug in der PA-Befragung ist nicht automatisch ein Hochrisikosystem. Dieser Artikel wendet die beiden Artikel nicht auf jeden Entwurf an. Er sagt auch nicht, wann jeder Artikel zu gelten beginnt. Die FAQ zum Anwendungsbeginn wurde in diesem Durchgang nicht geöffnet.67
Wie hilighter helfen kann
hilighter liest die PA-Datei nicht, bewertet nicht, wer von KI profitiert, und entscheidet nicht, wer verantwortlich ist.
Was ein Team tun kann, ist die Arbeit aufzuschreiben. Kompetenzen nach Rolle kartieren, einschließlich der Prüfung, die eine Person noch macht. Personen mit diesen Anforderungen vergleichen in Skills und Talent Insights. Eine Korrektur oder eine abgeschlossene Prüfung festhalten in der Anerkennung von Lernerfolgen. Individuelle Entwicklungspfade setzen, damit Übung nicht dem Zufall überlassen bleibt. Die Durchsicht dieser Nachweise durch eine Führungskraft liegt in den Bewertungen durch Führungskräfte. Die Sicht KI-Auswirkung auf Berufe ist indikativ. Sie ist nicht die 70 Prozent und nicht die 6.9x-Zeile. Der Free-Plan deckt bis zu drei Rollen ab. Die Zahl der Beschäftigten ist nicht gedeckelt.
Quellen
- PA Consulting, AI risks widening the workplace divide, new report finds, Presse, 9. November 2026. PA Consulting, ein Unternehmen von Jacobs. Befragung von 2.000 Beschäftigten im Vereinigten Königreich. 70 Prozent der Senior Leaders gegenüber 38 Prozent der Einstiegs- und Juniorbeschäftigten bei Dingen, die sie zuvor nicht konnten. 72 Prozent gegenüber 43 Prozent bei höherwertiger Arbeit. Senior Leaders im Schnitt 6.9 Nutzungen am Tag, mehr als dreimal so oft wie Einstieg und Junior. 60 Prozent glauben, KI helfe ihnen, schneller zu arbeiten. 37 Prozent verbringen danach gleich viel Zeit mit dem Prüfen KI-erzeugter Arbeit. 32 Prozent melden noch keinen bedeutsamen Nutzen. 20 Prozent zu abhängig. Einer von acht (12 Prozent) vertraut dem Urteil der KI mehr. Häufige Nutzende 1.5x eher als mittlere. 66 Prozent, Person verantwortlich für ein Ergebnis; 21 Prozent unsicher; "a further" 13 Prozent weniger verantwortlich, wenn KI den Großteil erzeugt hat; 26 Prozent unwohl bei der Freigabe. Branchennutzen: Technologie, Medien und Telekommunikation 87 Prozent; Finanzdienstleistungen 77; Energie und Versorger 75; Gesundheit und Life Sciences 55; öffentlicher Sektor 53; Wohlfahrt und Organisationen ohne Gewinnzweck 39. Vier Prioritäten. Kate Spencer paraphrasiert wegen der Kontraktionen. Gelesen am 22. November 2026.
- PA Consulting, The capability paradox (PDF, 32 Seiten), Produktionszeile Oktober 2026, Code 9_571400. Seite: The capability paradox. Befragung von 2.000 Beschäftigten im Vereinigten Königreich, Tagebuch mit 20 Personen über zwei Wochen, 13 Interviews. Feldarbeit weitgehend im ersten Halbjahr 2026. Genannte Werkzeuge: ChatGPT, Claude, Gemini, Microsoft Copilot und andere generative KI-Anwendungen. Synthetische Personas nur als Forschungshilfe. Individual Contributors: Einstieg, Junior und mittlere Rollen ohne Führung. Senior Leaders: Senior Managers und Abteilungsleitungen, Directors und Senior Leadership, Executive/C-Suite. Gruppen werden nicht genutzt, wo eine bestimmte Rolle genannt ist. 70 Prozent gegenüber 38 Prozent der Individual Contributors. 72 Prozent gegenüber 43 Prozent. Qualitätsverbesserung über 50 Prozent erst ab Management. Nutzung 1.8x am Tag für Einstieg und Junior bis 6.9x am Tag für Executive/C-Suite. 60 Prozent schneller und 79 Prozent effizienter. 37 Prozent gleiche Prüfzeit, ohne "danach" und ohne "KI-erzeugt". 34 Prozent keine Änderung der Arbeitslast. 14 Prozent höhere Arbeitslast. 32 Prozent melden noch keinen bedeutsamen Nutzen. 68 Prozent der Senior Leaders zu höherwertigen Aufgaben gegenüber 38 Prozent der Individual Contributors. Einer von acht Beschäftigten in der Abbildungsunterschrift. Wenn Ausgaben widersprechen: 18 Prozent der häufigen Nutzenden (fünf oder mehr Nutzungen am Tag), 11 Prozent der mittleren (ein- bis viermal am Tag), 7 Prozent der seltenen (seltener als täglich). Senior Leaders 17 Prozent gegenüber Individual Contributors 9 Prozent. Abhängigkeit 20 Prozent; häufig 28 Prozent gegenüber selten 10 Prozent. Verantwortung: Ergebnis-Owner 66 Prozent; 13 Prozent weniger verantwortlich; 21 Prozent unsicher; 26 Prozent unwohl bei der Freigabe. Eine interviewte Person zu etwa 25 Prozent der Zeit für Mentoring. Kundenstories nicht als Befunde genutzt. Balkenhöhen und Anteile für eigenes Urteil und neutral nicht gedruckt, weil kein sauberer Text vorlag. Gelesen am 22. November 2026.
- PA Consulting, The capability paradox, Landingpage. Karten aus dem Markup am 22. November 2026: 70 Prozent der Senior Leaders gegenüber 38 Prozent der Beschäftigten in Non-Leadership-Rollen bei Dingen, die sie zuvor nicht konnten; 68 Prozent der Senior Leaders gegenüber 38 Prozent in diesen Rollen bei höherwertiger Arbeit; einer von acht vertraut der KI mehr als dem eigenen Urteil; 21 Prozent sehen nicht klar, wo Verantwortung liegt, während mehr als ein Viertel sich bei der Freigabe unwohl fühlt. "Non-leadership roles" und "higher-value work" sind Etiketten dieser Seite, nicht des Berichts. Die Seite sagt auch, der Bericht stütze sich auf eine Befragung von 2.000 Beschäftigten, Interviews und Tagebuchforschung.
- PwC, AI reshapes global labour market into two distinct paths, Pressemitteilung, London, 15. Juni 2026. Mehr als eine Milliarde Stellenanzeigen in 27 Ländern und Gebieten. Stärkere Betonung menschlicher Fähigkeiten wie Urteil, Kreativität und Führung. Der US-Einstiegsvergleich, die Lohnprämie und die Zahlen zu Belegschaft und Produktivität werden hier nicht genutzt. Gelesen am 22. November 2026.
- Europäische Kommission, KI-Act-Service-Desk, Artikel 4: KI-Kompetenz. Der Service-Desk sagt, der Text beruhe auf der konsolidierten EUR-Lex-Fassung zum 27. Juli 2026 und markiert Artikel 4 als geändert. Die Pflicht verlangt kein garantiertes Niveau für eine einzelne Person. Gelesen am 22. November 2026. EUR-Lex wurde nicht geöffnet.
- Europäische Kommission, KI-Act-Service-Desk, Artikel 14: menschliche Aufsicht, Absatz 4 Buchstabe b, Automatisierungsbias, für Hochrisikosysteme. Gelesen am 22. November 2026. EUR-Lex wurde nicht geöffnet.
- Europäische Kommission, KI-Act-Service-Desk, Artikel 26: Pflichten der Betreiber, Absatz 2. Gelesen am 22. November 2026. Die FAQ zum Anwendungsbeginn wurde nicht geöffnet, deshalb nennt dieser Artikel keine Anwendungsdaten. EUR-Lex wurde nicht geöffnet.
Quellen zuletzt geprüft: 22. November 2026. Die Individual Contributors des Berichts sind nicht die Einstiegs- und Juniorbeschäftigten der Presse und nicht die Non-Leadership-Rollen der Landingpage. Die 6.9x-Zeile ist Executive/C-Suite, nicht der Pressedurchschnitt von 6.9 Nutzungen am Tag für Senior Leaders. Die 1.8x-Zeile wird nicht durch diese 6.9 geteilt. Die 37 Prozent sind keine Teilmenge der 60 Prozent. Die Zeilen 79, 34 und 14 Prozent werden nicht mit den 32 Prozent vermischt. Die Aufteilung 18, 11 und 7 Prozent ist nicht einer von acht, nicht 17 gegenüber 9 und nicht der Multiplikator 1.5x. Abhängigkeit bei 20, 28 und 10 Prozent ist keine Vertrauensquote. Die Zeilen 66, 21 und 13 Prozent werden nicht addiert. Branchenprozente sind die der Presse. Die 25 Prozent Mentoring stammen von einer interviewten Person. Kundenstories sind keine Umfragebefunde. Die Szene der Organisation und das Ladenbild sind Illustrationen. Weder ein KI-Detektor-Wert noch das Ausbleiben von Google-Abstrafungen lässt sich garantieren. Die Übersetzung braucht eine muttersprachliche Prüfung.