Measuring the Self-Reported Impact of Early-2026 AI on Technical Worker Productivity
Zusammenfassung
Kurz
In einer Befragung von 349 technischen Fachkräften schätzte METR den selbstberichteten KI-bedingten Wertzuwachs im Median auf das 1,4- bis 2-Fache und den Geschwindigkeitszuwachs auf das 3-Fache. Die Befragten erwarteten einen Anstieg des Wertzuwachses von 1,3-fach im März 2025 über 2-fach im März 2026 auf 2,5-fach im März 2027. METR betont, dass die Gelegenheitsstichprobe, mögliche Verzerrungen und ungenaue Selbstauskünfte die Aussagekraft begrenzen; die Antworten belegen keine tatsächlichen Produktivitätsgewinne.
Mittel
METR fasst eine Befragung von 349 technischen Fachkräften aus Februar bis April 2026 zusammen. Die Studie fragt nach dem wahrgenommenen Wertzuwachs durch KI, getrennt von der bloßen Zeitersparnis: Im Median schätzten die Teilnehmenden den Wert ihrer Arbeit mit KI auf das 1,4- bis 2-Fache, die Geschwindigkeit auf das 3-Fache. Rückblickend nannten sie etwa 1,3-fach für März 2025 und 2-fach für März 2026; für März 2027 erwarteten sie 2,5-fach.
Die Antworten verschiedener Wertfragen waren mäßig korreliert. METR sieht darin eine gewisse interne Konsistenz, kann daraus aber nicht ableiten, dass die Einschätzungen der tatsächlichen Produktivität entsprechen. Die Stichprobe war eine Gelegenheitsstichprobe mit niedriger Rücklaufquote; rund 70 Prozent wurden für die Teilnahme bezahlt, und zehn von 359 Antworten wurden wegen Qualitätsauffälligkeiten ausgeschlossen. Auswahlverzerrungen und ungenaue Selbsteinschätzungen sind daher wichtige Einschränkungen.
Höhere wahrgenommene Zuwächse meldeten häufigere und erfahrenere KI-Nutzer, während METR-Mitarbeitende niedrigere Werte angaben. Eine Prüfung besonders hoher Angaben ließ Zweifel an einigen Fällen aufkommen, war aber begrenzt. METR empfiehlt klar definierte Messgrößen und Befragungen von Führungskräften oder Produktivitätsforschenden. Insgesamt sind die Ergebnisse Selbstauskünfte und kein direkter Nachweis realer Produktivitäts- oder Forschungsfortschritte.
Ausführlich lesen
METR berichtet über eine Befragung von 349 technischen Fachkräften, die zwischen Februar und April 2026 zu ihrer Nutzung von KI-Werkzeugen befragt wurden. Die Stichprobe umfasste unter anderem Softwareentwickler, Forschende, Akademiker und Promovierende sowie Gründer und Führungskräfte. Untersucht wurde, welchen Produktivitätseffekt die Befragten KI zuschreiben. METR unterscheidet dabei zwischen „Wert“ – wie viel wertvollere Arbeit entsteht – und „Geschwindigkeit“ – wie viel schneller Aufgaben erledigt werden. Nach Einschätzung der Autoren kann die Geschwindigkeitsmessung den Wertzuwachs überschätzen, etwa wenn KI zusätzliche, schnell erledigte Aufgaben ermöglicht, die zuvor weniger wichtig gewesen wären.
Die Befragten schätzten den Wert ihrer Arbeit mit KI im Median auf das 1,4- bis 2-Fache; bei der Geschwindigkeit lag der Median bei 3-fach. Rückblickend bezifferten sie den Wertzuwachs für März 2025 auf etwa 1,3-fach, für März 2026 auf 2-fach und prognostizierten für März 2027 einen Anstieg auf 2,5-fach. Die Antworten auf verschiedene Wertfragen korrelierten mäßig. METR wertet sie als überwiegend intern konsistent, betont aber, dass solche Prüfungen nicht zeigen, ob die Einschätzungen der tatsächlichen Produktivität entsprechen.
Methodisch stellte die Umfrage mehrere Fragen zu Wert und Geschwindigkeit, zur Arbeit und KI-Nutzung sowie zu Erfahrung und Ausgaben für KI-Werkzeuge. Die Teilnehmenden kamen aus einer Gelegenheitsstichprobe, unter anderem aus GitHub, akademischen Verzeichnissen, METR-Netzwerken und X. Die Rücklaufquote bei angeschriebenen Personen lag laut Bericht bei ungefähr zwei Prozent; rund 70 Prozent der Teilnehmenden wurden für die Befragung bezahlt. Von 359 erfassten Antworten wurden zehn wegen gehäufter Qualitätsauffälligkeiten ausgeschlossen. Die Autoren nennen Auswahlverzerrungen und mögliche ungenaue Antworten als zentrale Einschränkungen.
Höhere wahrgenommene Wertzuwächse fanden sich laut METR bei Personen, die KI häufiger oder länger nutzen, sowie bei Nutzern bestimmter Programmierassistenten. METR-Mitarbeitende berichteten geringere Zuwächse; warum, bleibt unklar. Eine qualitative Prüfung von sieben Fällen mit mindestens zwei Wertschätzungen von 10-fach oder mehr ließ die Autoren teils an der Höhe der Angaben zweifeln: In zwei Fällen erschienen sie klar übertrieben, in weiteren zwei verdächtig; die übrigen Fälle waren nicht eindeutig oder nur eingeschränkt beurteilbar.
METR warnt, dass Befragungsergebnisse nicht notwendigerweise der Wirklichkeit entsprechen. Frühere Untersuchungen hätten teils deutliche Überschätzungen selbstberichteter Zeitersparnis gefunden; Vergleiche mit Experimenten seien jedoch schwierig, weil Studien unterschiedliche Zeiträume, Aufgaben und Messgrößen abdecken. Auch die ergänzende Frage, welchen Gehaltsanteil Teilnehmende für einen Monat KI-Zugang aufgeben würden, ergab zwar einen Median von 29 Prozent, wird wegen unsicherer Gehaltsschätzungen, großer Streuung und schwer interpretierbarer Anreize aber als schwacher Beleg bewertet. METR empfiehlt für künftige Erhebungen eine klare Definition der Messgröße, ausreichende Stichproben und möglichst Befragungen von Führungskräften oder Produktivitätsforschenden. Die berichteten Wertmultiplikatoren bleiben Selbstauskünfte und sind nur ein indirekter Hinweis auf den Einfluss von KI auf den Fortschritt in der KI-Forschung.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Lunas beide Zusammenfassungen geben den Bericht im Kern treu wieder; die Formulierung belegen keine tatsächlichen Produktivitätsgewinne geht etwas über METRs eigene Vorbehalte hinaus. Mehrere zentrale Befunde fehlen, vor allem Stichprobenzusammensetzung, die Überschätzungsbefunde und die Wert-versus-Tempo-Logik. Der Bericht berührt die Sammelfragen nur am Rande, daher sind die Stufen niedrig.
Im Bericht, aber nicht in der Zusammenfassung
- Die Stichprobe bestand aus 87 Softwareingenieuren, 71 Forschenden, 129 Akademikern und Doktoranden sowie 48 Gründern und Managern.
- Geschwindigkeitsangaben (Median 3-fach) gelten laut METR als nach oben verzerrt gegenüber dem Wertzuwachs; die Unterscheidung Wert versus Tempo wird nur knapp erwähnt.
- Frühere METR-Studie: Entwickler überschätzten den KI-Effekt auf ihre Zeit um rund 40 Prozentpunkte; Umfragen liefern tendenziell höhere Produktivitätsschätzungen als Experimente.
- Willingness-to-accept: Median 29 Prozent des Gehalts, um KI-Zugang einen Monat zu behalten, mit METR-Vorbehalten zur Datenqualität.
- Qualitative Prüfung der sieben Angaben von mindestens 10-fach: in zwei Fällen wurde eine Überzeichnung als belegt gesehen, in zwei weiteren bestehen Zweifel.
- Empfehlungen an KI-Unternehmen: Metrik klar definieren, Führungskräfte und Produktivitätsforschende befragen, Befragung verkürzen.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 36 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Fähigkeiten messen
- SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 33 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 41 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F5 Wie gehen Staaten gemeinsam gegen KI-gestützte Cyberangriffe vor und verhindern Eskalation zwischen autonomen Systemen, ohne die Verteidigung zu behindern?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 28 %einzelne zitierbare Belege
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 21 %Hintergrund, keine Belege
- Luna 43 %einzelne zitierbare Belege
- JEV 42 %umfangreiche Belege
- amos 29 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 31 %gleiches Oberthema, hilft nicht
- d3-ultra 46 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-P3-T08 Welche gemeinsame Bezugsgröße für den Umfang der Nutzung, welcher Beobachtungszeitraum, welcher Stichprobenplan, welche Definition von Beinahe-Vorfall und welche statistische Obergrenze (obere Konfidenzgrenze) würden es jedem erlauben zu sagen: „keine erkennbare systemische Fehlausrichtung (Verhalten gegen die vorgesehenen Ziele oder Werte) im Einsatzmaßstab“? Und wie muss dargestellt werden, dass die Erkennung lückenhaft ist?
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 52 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 52 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 31 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-T1-T01 Welche messbaren, maschinell prüfbaren Fähigkeitsschwellen sollen Labore veröffentlichen, die vor dem Einsatz von Agentensystemen eine verpflichtende Pause und eine Prüfung von außen auslösen, abgestimmt über alle Labore hinweg? Wer führt das Register, und wo soll die Gesellschaft die verbindliche Sicherheitsgrenze für weitere Steigerungen der Fähigkeiten ziehen?
- SF-T1-T05 Welche messbaren Vergleichswerte würden zeigen, dass die Ausrichtung der Modelle eines Labors an den vorgesehenen Zielen und Werten schneller vorankommt, als ihre Fähigkeiten wachsen, über das Fehlen öffentlicher Fehlschläge hinaus?
- SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden?
- SF-T1-T08 Wenn ein Sicherheitsprojekt mit KI-Hilfe zugleich die allgemeine Fähigkeit des Modells oder die für sein Training genutzte Rechenleistung steigert: Wie hält man beide Wirkungen fest, und wie entscheidet man, ob der daraus entstehende Fähigkeitszuwachs eine neue Sicherheitsprüfung braucht, bevor die Arbeit weitergeht?
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 58 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 39 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-T2-T01 Welche öffentliche, nachprüfbare Handlung würde als Verzicht auf weitere Skalierung zählen, nicht nur eine Ankündigung? Was müsste ein Labor veröffentlichen, damit eine rivalisierende Regierung bestätigen kann, dass wirklich pausiert wurde, und welche nachträglichen Belege würden zeigen, dass keine Fähigkeitszuwächse zurückgehalten wurden, etwa durch nicht offengelegte Änderungen an Rechenleistung beim Einsatz oder Werkzeugzugang oder durch einen nicht offengelegten Austausch von Modellen?
- SF-T2-T04 Würde ein Labor eine Verlangsamung akzeptieren, deren Einhaltung es bei der Konkurrenz nicht prüfen kann?
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 26 %Hintergrund, keine Belege
- Luna 48 %einzelne zitierbare Belege
- JEV 38 %Hintergrund, keine Belege
- amos 30 %einzelne zitierbare Belege
- SubQ 100 %kein Bezug
- drex 24 %einzelne zitierbare Belege
- d3-ultra 29 %nur am Rande erwähnt
- Haiku-Prüfung nur am Rande erwähnt
- SF-T3-T08 Welche kontrollierten Versuche können Labore heute machen, um Selbstverbesserung nachzubilden, ohne eine unbeabsichtigte Beschleunigung zu riskieren?
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 32 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 30 %nur am Rande erwähnt
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 29 %gleiches Oberthema, hilft nicht
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 42 %Hintergrund, keine Belege
- JEV 32 %Hintergrund, keine Belege
- amos 29 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V5-T01 Was sollte ein Modell schon heute tun, nicht erst bei rekursiver Selbstverbesserung (wenn KI ihre eigene Weiterentwicklung selbst vorantreibt), um äußerste Vorsicht angesichts rasch wachsender maschineller Intelligenz ernst zu nehmen?
- SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar?
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 32 %nur am Rande erwähnt
- JEV 62 %nur am Rande erwähnt
- amos 30 %nur am Rande erwähnt
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-A1-T03 Werden Freigabetests messen, ob ein Agent folgenreiche Handlungen außerhalb seines Auftrags unterlässt, auch wenn kein einzeln aufgeführtes Verbot sie blockiert, und werden die Kriterien veröffentlicht?
- SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 64 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
- SF-O1 Wie können Mitarbeitende Sicherheitsbedenken melden, ohne alles zu riskieren?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 39 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 36 %Hintergrund, keine Belege
- JEV 34 %gleiches Oberthema, hilft nicht
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen?
- SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat?
Weitere Berichte zu diesen Fragen
- Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Woran erkennen andere, dass ein Labor wirklich bremst?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv