ServerBase Blog

KI: Doping für Low-Performer?

• Blog
• Inspiration
• KI/AI
• News

Dienstag, 9. September 2025

---

 

Studien zeigen klar: High-Performer profitieren kaum von KI – sie arbeiten ohnehin effizient und integrieren Assistenzsysteme selektiv. Anders bei den Low-Performern: Hier zeigt sich ein massiver Produktivitätszuwachs von teils über 40%. Ehrliche Selbsteinschätzung ist eine menschliche Schwäche, deswegen ist die Wahrnehmung von High zu Low getrübt. Das Verhältnis ist extrem zu Ungunsten der High-Performer. Dies verspricht ein unglaubliches Potenzial. Weiter zeigen Studien, dass ganz besonders Generalisten von KI profitieren. Da besonders KMUs, die in der Schweiz dominieren, überdurchschnittlich viele Generalisten haben, ist auch dies ein erfreuliches Ergebnis. Doch wie sieht das im Detail aus und was bedeutet das für das Management?

Inhaltsverzeichnis

• Warum sind diese Resultate für Unternehmen vielversprechend und ganz besonders für KMUs?
• Was sagen Studien zur Steigerung der Produktivität dank KI?
  • High-Performer
  • Low-Performer
  • Überblick: Drei Studien im Vergleich
• Wie stark profitieren Generalisten im Gegensatz zu Spezialisten?
• Verteilung von Low- zu High-Performern in der Wirtschaft
• Verteilung von Generalisten zu Spezialisten je nach Firmengrösse

Warum sind diese Resultate für Unternehmen vielversprechend und ganz besonders für KMUs?

Generalisten sind in KMUs überrepräsentiert. In der Schweiz sind die überwiegende Mehrheit der Firmen KMUs, entsprechend ist die Dichte der Generalisten in der Gesamtwirtschaft vermutlich relativ hoch. Dazu findet der Leser konkrete Zahlen in den nachfolgenden Kapiteln. Die Verteilung der Low-Performer zu den High-Performern ist über die gesamte Wirtschaft vergleichbar. Diese legen wir mit klaren Zahlen und Studien anschliessend dar.

 

Generalisten

Generalisten erreichen nicht nur Produktivitätssteigerungen von bis zu 40%, sie können dank KI auch Aufgaben erledigen, die sie ohne diese nicht könnten. Das heisst, der Wert von Generalisten steigt für Unternehmen exponentiell mit dem Einsatz von KI.

Low-Performer

Low-Performer bilden zum einen 70 bis 80% der Mitarbeiter und können überproportional von KI profitieren, mit Performancesteigerungen von bis zu 40%. Das heisst für Unternehmen und ganz besonders für KMUs, lohnt sich der Einsatz von KI-Tools. Hier ist natürlich auch unser Beitrag zu beachten zum Datenschutz etc. Sie wissen, nach dem Sie den ganzen Artikel gelesen haben, Sie sind von Low-Performern umgeben. Die machen sich generell auch keine Gedanken zu solchen Themen, das heisst, klare Vorgaben und Strukturen im Umgang mit KI im Unternehmen sind umso wichtiger, wenn Sie das Potenzial ohne Risiko für Ihr Unternehmen nutzen wollen.

Fachkräftemangel: High-Performer und Spezialisten sind kostspielig und schwer zu bekommen

Der Fachkräftemangel ist besonders bei High-Performern und Angestellten mit hohem Spezialisierungsgrad spürbar. Hier können KMUs oft nicht mithalten, wenn es um Löhne und andere Benefits geht. Diese Zahlen zeigen, dass sie die Lücke zwischen Low- und High-Performern zwar nicht komplett schliessen können, aber mit KI verkleinern. Strategisch macht der breite Einsatz von KI für KMUs mehr Sinn, als zu versuchen, bei den Löhnen mit Grosskonzernen mitzuhalten. Sie haben damit den besseren Hebel, besonders auch, weil sie viele Generalisten einsetzen. Schulungen, Strukturen und die Evaluierung der richtigen KI-Tools für die jeweiligen Aufgaben bringen hier den höchsten Mehrwert.

 

Was sagen Studien mit klarem Studiendesign zur Steigerung der Produktivität dank KI?

 

Wir haben uns hier auf Studien fokussiert, welche ein klares Setting haben. Es gibt viele Selbsteinschätzungsstudien, diese beziehen sich nicht auf Fakten, sondern auf die Eigenwahrnehmung. Dass diese uns öfters trügt, kennen wir aus dem Alltag. Dies Zeigt auch die Studie «Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity», die wir hier nicht explizit verwendet haben. In dieser wurde explizit eine Selbsteinschätzung vor und nach den Tests gemacht. Die Selbsteinschätzung am nach der Umsetzung der Aufgaben immer noch bei 20% Produktivitätsgewinn – der Produktivitätsgewinn war -19%, sprich fast 40% Abweichung von der Selbsteinschätzung. Deswegen haben wir versucht, solche Einschätzungs-Studien, weg zu lassen. Wir möchten für die Leser echten Mehrwert schaffen.

 

High-Performer

High-Performer zeichnen sich durch hohes Fachwissen, Erfahrung und effiziente Arbeitsweise aus. Studien zeigen, dass diese Gruppe bei KI-Nutzung nur marginale Verbesserungen erzielt, teilweise sogar negative Effekte. Hier kommt der gleiche Effekt zum Tragen wie, wenn ich jemandem eine Aufgabe das erste Mal erklären und dann kontrollieren muss. In der Regel wäre es schneller gegangen, die Aufgabe selbst zu machen. Heisst, nur wenn ich die Aufgabe immer und immer wieder gleich machen muss, kann ich gewinnen, wenn ich diese Aufgabe der KI oder einem Menschen anvertraue.

Beispiele:

• In einer Harvard-Studie mit Strategieberatern steigerten High-Performer ihre Qualität mit KI nur minimal.
• In einer Support-Studie zeigten sich bei Top-Agenten kaum Unterschiede in der Effizienz mit vs. ohne KI.
• Bei GitHub Copilot erzielten Senior Developer nur geringe Zeiteinsparung (5–10%).

Fazit: Für High-Performer kann KI ein nützliches Werkzeug sein, aber der Hebel ist klein.

 

Low-Performer

Die grössten Effekte zeigen sich bei Low-Performern oder Berufseinsteigern. Diese Gruppe erzielt mit KI massive Leistungssteigerungen. Dies ist der gleiche Effekt wie zuvor, aber auf der anderen Seite. Wenn ich nun einen Assistenten habe, der mein mangelndes Wissen und Erfahrung teilweise kompensieren kann mit seinem Wissen, steigt entsprechend meine Performance. Ich muss nicht mehr Dokumentationen wälzen, Kollegen fragen oder Tutorials anschauen, wie ich etwas mache. Ich kriege die Infos schnell. Ich kann mich Schritt für Schritt durch einen Prozess führen lassen, den ich schlecht oder gar nicht kenne. Genauso schlechte Lerner, die nach dem hundertsten Mal immer noch nicht wissen, was sie machen müssen, wenn ein Kunde dieses Problem hat, werden durch die KI geführt und schneller. Die KI ist ein bisschen wie eine Gehhilfe.

Beispiele:

• In der Harvard-BCG-Studie stieg die Qualität der Abgaben von Low-Performern um bis zu 40%, während sich die Lösungsrate signifikant erhöhte.
• In der Kundenservice-Studie erledigten Low-Performer mit KI ihre Aufgaben um über 30% schneller bei höherer Kundenzufriedenheit.
• Bei GitHub Copilot zeigte sich, dass Anfänger Aufgaben teils 55% schneller lösten als ohne KI-Unterstützung.

Fazit: KI wirkt hier wie ein «Produktivitäts-Booster» – sie verringert das Leistungsgefälle deutlich, schliesst es aber nicht ganz. Es bleibt ein Abstand von 50 bis 20% zu den High-Performern.

 

Übersicht Studien

Studie	High-Performer: Veränderung	Low-Performer: Veränderung
Support-Agents (Brynjolfsson)	+5% Speed, kaum bessere Qualität	+30–35% Produktivität, höhere Qualität
GitHub Copilot (Peng et al.)	ca. +5–10% Speed	-55% Zeitaufwand → ca. +40% Leistung
BCG-Harvard (Strategieberatung)	kleine Verbesserungen	bis +40% Leistung, höhere Qualität

 

 

Wie stark profitieren Generalisten im Gegensatz zu Spezialisten?

Generalisten sind Mitarbeitende mit breitem Aufgabenspektrum, häufig in kleineren Unternehmen oder Managementrollen. Sie müssen flexibel agieren, Wissen kombinieren, improvisieren – aber verfügen oft nicht über tiefes Fachwissen in jedem Bereich. Sie müssen also in verschiedenen Bereichen arbeiten und dabei auch ganz vielfältige Systeme verwenden und oft auch neue. Das heisst, sie haben bei vielen Tasks nicht die Routine wie ein Spezialist und sind zwar viel breiter aufgestellt und können vernetzt arbeiten, jedoch sind sie bei jedem Task gezwungenermassen immer langsamer als der Spezialist. Der studierte Architekt, der sein Haus selber bauen will, wird nie so schnell sein wie wenn er jeden Task dem Spezialisten gibt und dies in Arbeitsstunden. Er kann zwar vielleicht viel mehr als der Akkordbodenleger, aber der ist in seinem Gebiet einfach viel schneller. Genau so ist dies in jedem Bereich.

Spezialisten hingegen sind tief in ein Fachgebiet eingearbeitet, effizient und präzise in diesem. Sie kennen die grösseren Zusammenhänge nicht und sind im Positiven wie im Negativen sogenannte Fachidioten. In dem, was sie machen, sind sie aber unschlagbar gut. Ihre Produktivität ist immer höher als die eines Generalisten.

Wirkung von KI auf Spezialisten:

• Spezialisten profitieren hauptsächlich durch Automatisierung repetitiver Aufgaben oder als Schreibassistenz.
• Die Leistung steigert sich jedoch kaum, da sie Aufgaben bereits effizient erledigen.
• In manchen Fällen behindert KI sogar die Facharbeit durch falsche oder zu generische Vorschläge.

 

Wirkung von KI auf Generalisten:

• Generalisten profitieren überproportional stark:
  • KI hilft bei Recherchen, Strukturierung und ersten Lösungsentwürfen.
  • KI wirkt wie ein kognitives «Exoskelett», das fehlendes Fachwissen ausgleicht.
• Generalisten können dadurch Aufgaben übernehmen, die sonst Fachwissen voraussetzen.
• Für Generalisten ist KI ein Enabler.

 

BCG-Studie (2024) – zentrale Erkenntnis:

• KI erweitert nicht nur die Produktivität, sondern auch die Fähigkeiten von Mitarbeitenden.
• Generalisten konnten mit KI Aufgaben lösen, die ohne Tool ausserhalb ihrer Kompetenzen lagen.
• In der Studie wurden durchschnittliche Berater mit KI so produktiv wie Top-Performer ohne KI.

„Generative AI expands what workers can do, not just how fast they can do it.“ — BCG Generative AI at Work Report

 

 

Verteilung von Low- zu High-Performern in der Wirtschaft

Wie ist die reale Verteilung von Leistungsträgern in der Arbeitswelt? Studien zeigen: Die klassische Vorstellung einer Normalverteilung (wenige sehr gute, viele durchschnittliche, wenige schlechte) ist überholt. Hier haben wir auch das Problem der Selbstwahrnehmung wie bei der Studie mit den Experten. Jeder Manager hat das schon erlebt, er sitzt einem Mitarbeiter gegenüber, der überzeugt ist, der Beste zu sein und er ist genau das Gegenteil. So extrem ist es natürlich nicht immer und wenn wir in den Spiegel schauen, trifft das oft auch auf uns zu. Nicht umsonst gibt es dafür die spezifische Bezeichnung des «Dunning-Kruger-Effekts».

 

Empirische Befunde:

• Eine gross angelegte Metastudie mit über 600’000 Fällen zeigt:
  • In über 93% der Fälle liegt eine Pareto-Verteilung vor – das heisst:
    • 10–20% der Mitarbeitenden erbringen den Grossteil der Leistung.
    • Der Rest liegt unterdurchschnittlich oder nahe am Mittelwert.
  • Eine japanische Studie zur Produktivität von Angestellten zeigte ein ähnliches Bild: Nur ein kleiner Teil der Belegschaft trägt überdurchschnittlich zur Wertschöpfung bei.

Fazit: Ob wir es wahrhaben wollen oder nicht, wir sind von Low-Performern umgeben.

 

Wie ist die Verteilung von Generalisten vs. Spezialisten je nach Firmengrösse und wie gross sind Schweizer Firmen?

Generell kann man sagen, je kleiner ein Unternehmen, desto breiter ist das Aufgabengebiet eines Mitarbeiters. Das heisst, die Anzahl der Generalisten sinkt signifikant, je grösser das Unternehmen ist.

 

Verteilung Generalisten vs. Spezialisten zu Unternehmensgrösse

Beschäftigte	Anteil Generalisten	Anteil Spezialisten
10 bis 24 Mitarbeitende	70–90%	10–30%
25 bis 49 Mitarbeitende	70–90%	30–50%
50 bis 499 Mitarbeiter	30–50%	50–70%
500 Plus Mitarbeiter	<30%	>70%

 

Unternehmensgrössen in der Schweiz

Beschäftigte	Anzahl Unternehmen	Anzahl Beschäftigte
Mikrounternehmen (1-9)	556'360	1'191'596
Kleine Unternehmen (10-49)	52'191	1'008'744
Mittlere Unternehmen (50-249)	9'619	959'515
Grosse Unternehmen (250+)	1'776	1'598'405
Mehr als 1'000	327	946'962

« Zurück zum Blog