48 Prozent übertreiben ihre KI-Nutzung: Was die US-Erhebung zeigt

Visier hat am 23. September 2026 Ergebnisse einer Befragung von 1.000 Vollzeitbeschäftigten in den USA veröffentlicht: 48 Prozent gaben an, ihre KI-Nutzung oder -Kompetenz gegenüber Kollegen oder Vorgesetzten zumindest gelegentlich übertrieben zu haben; Visier-Forscherin Andrea Derler warnte in der Mitteilung: „AI adoption cannot simply be measured by how many employees are using a tool or how often they use it.“ Die Angabe beschreibt eine Selbstauskunft über Übertreibung, keine Messung der tatsächlichen Fähigkeiten oder der Qualität geleisteter Arbeit.

Der Bericht von TechRadar nennt aus derselben US-Erhebung 45 Prozent, die sich trotz Unsicherheit im wirksamen Umgang mit KI zur Nutzung gedrängt fühlen, und 21 Prozent, die einer ausreichenden Schulung und Unterstützung durch ihren Arbeitgeber ausdrücklich zustimmen. Zusammengenommen zeigen die Antworten, weshalb eine hohe gemeldete KI-Nutzung auch Ausdruck einer Erwartung am Arbeitsplatz sein kann. Sie belegen jedoch nicht, dass der empfundene Druck bei jeder befragten Person die Übertreibung ausgelöst hat.

Was die Angabe zur übertriebenen KI-Nutzung erfasst

Die Visier-Befragung trennt übertriebene Angaben zur KI-Nutzung von überprüfbaren Arbeitsergebnissen.

Die Frage bezog sich auf Nutzung oder Kompetenz. Wer die eigene Erfahrung größer darstellt, muss die Verwendung eines Werkzeugs nicht vollständig erfunden haben. Ebenso umfasst „zumindest gelegentlich“ unterschiedliche Häufigkeiten; daraus lässt sich weder tägliches Verhalten noch ein Anteil fehlerhafter Arbeitsergebnisse berechnen. Die Antworten zeigen vor allem, dass Selbstberichte über KI im Arbeitsalltag ein unsicheres Signal für Können sind.

Das Problem beginnt schon vor einer möglichen Übertreibung. Eine Beschäftigte kann ein Werkzeug häufig öffnen, ohne es für ihre Aufgaben sinnvoll einzusetzen; ein Kollege kann es seltener verwenden und dennoch bessere Ergebnisse erzielen. Nutzungszahlen erfassen zunächst Aktivität. Ob die Auswahl des Werkzeugs angemessen war, ob eine Ausgabe geprüft wurde und ob das fertige Ergebnis den fachlichen Anforderungen genügt, verlangt andere Beobachtungen. Wird sichtbare Aktivität zum Ziel, kann ihre Darstellung wichtiger werden als der Nutzen für die Aufgabe.

Die veröffentlichte Kurzmethodik beschreibt eine Befragung US-amerikanischer Vollzeitbeschäftigter sowie vertiefende Gespräche unter anderem mit Menschen aus Gesundheitswesen, Finanzbereich und Personalwesen. Erhebungszeitraum, Rekrutierung und Gewichtung der Stichprobe werden dort nicht ausgewiesen. Für Unternehmen in Deutschland, Österreich und der deutschsprachigen Schweiz ist der Prozentwert deshalb keine Schätzung für die eigene Belegschaft. Aussagekräftig ist hier die Messlücke, auf die die Antworten aufmerksam machen.

Druck trifft auf unklare Pläne und Schulungsbedarf

Die US-Erhebung zeigt Druck zur KI-Nutzung, Unsicherheit über Arbeitgeberpläne und selten ausdrücklich bestätigte Unterstützung.

Zur Unsicherheit über die eigene Anwendung kommt Unsicherheit über die Strategie des Arbeitgebers. Laut TechSpot sahen 32 Prozent der Befragten keinen klaren Plan für die Auswirkungen von KI auf Beschäftigte und Aufgaben, 27 Prozent zweifelten, ob ein solcher Plan existiert, und nur 33 Prozent glaubten, ihre Führungskräfte verstünden den benötigten Schulungsumfang. Das sind unterschiedliche Fragen aus derselben Erhebung; ihre Werte beschreiben kein gemeinsames Verhaltensmuster einzelner Personen.

Für die Einführung von KI ist diese Kombination dennoch relevant. Wer eine Nutzung erwartet, ohne Aufgaben, Grenzen und verfügbare Hilfe deutlich zu machen, erhält schwer deutbare Rückmeldungen: Eine gemeldete Anwendung kann erlernte Routine anzeigen, einen vorsichtigen Versuch oder den Wunsch, einer Erwartung zu entsprechen. Auch ein niedriger Nutzungswert ist für sich genommen kein Misserfolg, wenn das Werkzeug für bestimmte Aufgaben wenig beiträgt. Der geeignete Maßstab hängt daher von der Arbeit ab, die sich verbessern soll.

Die Gespräche im Umfeld der Befragung beschreiben zudem verschiedene Erfahrungen mit KI: Für manche Beschäftigte beschleunigt sie einzelne Aufgaben, für andere steigen die Erwartungen an die Menge der Arbeit oder der Aufwand für die Prüfung. Diese Unterschiede erklären, weshalb eine einzige Nutzungsquote für alle Rollen wenig über den Fortschritt aussagt. Sie zeigen zugleich, wo Schulung ansetzen müsste: bei konkreten Aufgaben und den Entscheidungen, die Beschäftigte beim Einsatz eines Werkzeugs treffen.

Welche Messgrößen über Aktivität hinausgehen

Eine auf die Visier-Erhebung bezogene Messmatrix verbindet KI-Kompetenz, Ergebnisqualität, Zeitaufwand und regelkonforme Nutzung.

Für Unternehmen im deutschsprachigen Raum lässt sich aus dem Befund eine kompakte Messmatrix ableiten. Sie ist eine redaktionelle Empfehlung und keine in der US-Erhebung getestete Methode. Vergleichbar werden Ergebnisse erst, wenn Aufgabe, Qualitätsanforderung und erlaubte Werkzeuge vorab feststehen. Sonst können Unterschiede zwischen Teams auf verschiedenen Tätigkeiten beruhen, obwohl sie wie Unterschiede in der KI-Kompetenz aussehen.

Kompetenz: Kann eine Person bei einer typischen Aufgabe begründen, wann KI hilft, welche Grenzen das Werkzeug hat und wie sie dessen Ausgabe überprüft? Eine kurze Arbeitsprobe macht diese Entscheidungen sichtbar.
Qualität: Erfüllt das fertige Ergebnis dieselben fachlichen Anforderungen wie Arbeit ohne KI? Korrektheit, Vollständigkeit und notwendige Nacharbeit sollten nach denselben Kriterien beurteilt werden.
Zeitgewinn: Wie lange dauert die gesamte Aufgabe einschließlich Prüfung und Korrektur? Die Zeit bis zur ersten KI-Ausgabe allein blendet Arbeit aus, die danach noch anfällt.
Regelkonforme Nutzung: Werden freigegebene Werkzeuge, zulässige Daten und vorgesehene Freigaben eingehalten? Ein schneller Entwurf ist kein brauchbares Ergebnis, wenn seine Erstellung betriebliche Regeln verletzt.

Diese Größen gehören für vergleichbare Aufgaben zusammen. Bessere Qualität bei gleichem Zeitaufwand kann bereits eine Verbesserung sein; eine schnellere erste Fassung mit umfangreicher Nacharbeit dagegen kaum. Welche Fähigkeiten dabei erwartet werden, lässt sich über rollenspezifische KI-Kompetenzen genauer bestimmen. So wird auch erkennbar, ob eine Schulung die tatsächlich benötigten Entscheidungen abdeckt oder lediglich die Bedienung eines Werkzeugs vermittelt.

Anonyme Rückmeldungen erklären die Ergebnisse

Arbeitsproben und fertige Ergebnisse zeigen nicht vollständig, warum Beschäftigte ein Werkzeug meiden, zögerlich einsetzen oder ihren Umgang damit günstiger darstellen. Ergänzend können anonyme Fragen die Bedingungen der Nutzung erfassen: Bei welcher Aufgabe hilft KI tatsächlich? Wo entsteht besonders viel Prüf- oder Korrekturarbeit? Bei welcher Aufgabe besteht Nutzungsdruck, obwohl Anleitung fehlt? Solche Antworten geben einer gemessenen Veränderung Kontext, ohne eine möglichst hohe Aktivität vorzugeben.

Die Auswertung sollte sich auf Aufgaben und Schulungsbedarf richten; kleine Gruppen dürfen einzelne Beschäftigte nicht erkennbar machen. Wenn beispielsweise mehr Nutzung gemeldet wird, die Qualität aber stagniert und die Korrekturzeit steigt, wäre zusätzliche Aktivität kein Beleg für einen besseren Prozess. Genau diese Unterscheidung ist die unmittelbare Konsequenz der US-Erhebung für DACH-Unternehmen: Über Einführungserfolg entscheidet die geprüfte Arbeit unter klaren Regeln, nicht die Zahl der Menschen, die KI-Nutzung angeben.

Lesen Sie auch: