Generative KI steigert Effizienz stärker als Qualität

Die Digitalisierung ist seit Jahren ein zentraler Treiber des Wandels im Schweizer Arbeitsmarkt. Mit der schnellen Verbreitung generativer KI hat diese Entwicklung jedoch eine neue Intensität erreicht. KI-Chatbots ermöglichen es vielen Erwerbstätigen mittlerweile, Aufgaben schneller zu erledigen oder neue Lösungsansätze zu entwickeln. Öffentliche Debatten über die Produktivitätsgewinne generativer KI konzentrieren sich meist auf Effizienzsteigerungen – also auf die Frage, wie viel Zeit sich durch den Einsatz generativer KI einsparen lässt. Weit weniger im Fokus stand jedoch bisher, dass Produktivitätsgewinne auch durch Qualitätsverbesserungen entstehen können. In diesem Beitrag untersuchen wir, inwiefern Diplomierte und Studierende der Höheren Fachschule (HF) generative KI als effizienz- oder qualitätssteigernd wahrnehmen. 

Von Lena Dändliker¹, Filippo Pusterla¹,² und Thomas Bolli³

Effizienzgewinne übersteigen Qualitätsgewinne nur leicht – aber systematisch

Die zunehmende Nutzung generativer KI wirft die Frage auf, in welchem Ausmass diese Technologien tatsächlich zur Arbeitsproduktivität beitragen. Anhand der ODEC-Salär-Erhebung 2025 untersuchen wir dabei, inwieweit Diplomierte und Studierende der Höheren Fachschule denken, dass generative KI ihre Arbeit effizienter oder qualitativ besser macht. 

Abbildung 1 zeigt auf der linken Seite, wie stark generative KI nach Einschätzung aller Befragten die Effizienz und Qualität ihrer Arbeit verbessert. Die Auswertung beschränkt sich dabei auf Personen, die generative KI tatsächlich nutzen. Insgesamt berichten die Befragten von moderaten Verbesserungen. Auf einer Skala von 1 («gar nicht») bis 5 («sehr stark») liegt die durchschnittlich wahrgenommene Qualitätssteigerung bei rund 3,0 Punkten, während die Effizienzsteigerung mit rund 3,3 Punkten etwas höher ausfällt. Der Effekt von generativer KI sowohl auf die Effizienz- als auch auf die Qualitätssteigerung wird somit als mittelstark eingeschätzt.

Auffällig ist, dass Effizienzgewinne systematisch etwas höher als Qualitätsgewinne sind – unabhängig von Alter, Geschlecht oder Funktion der Befragten. Eine mögliche Erklärung könnte darin liegen, dass generative KI insbesondere Aufgaben beschleunigt, etwa beim Verfassen von Texten oder beim Zusammenstellen von Informationen. Demgegenüber erfordert eine Verbesserung der Arbeitsqualität häufig zusätzliche Zeit für die Überarbeitung oder eine vertiefte Auseinandersetzung mit den generierten Inhalten. In der Praxis könnte dies bedeuten, dass viele Nutzende generative KI vor allem einsetzen, um Aufgaben schneller zu erledigen, während eine intensivere Zusammenarbeit zwischen Menschen und KI – beispielsweise durch iterative Überarbeitung – seltener stattfindet. Unsere Ergebnisse zeigen aber, dass KI auch die Qualität verbessern kann. Dies wird in der öffentlichen Diskussion selten angesprochen.

Ein zentraler Faktor für die wahrgenommene Produktivitätssteigerung durch generative KI ist zudem die Nutzungsintensität. Personen, die generative KI häufiger einsetzen, berichten sowohl von höheren Effizienz- als auch von höheren Qualitätsgewinnen. Dieser Zusammenhang ist bei der Effizienz besonders ausgeprägt: Je häufiger generative KI genutzt wird, desto stärker fällt der Effizienzgewinn aus. Die Qualitätssteigerung nimmt ebenfalls mit der Nutzung zu, allerdings weniger stark.

Nicht alle Bildungsfelder profitieren gleich stark von generativer KI

Auch das Tätigkeitsfeld spielt eine wichtige Rolle dabei, inwieweit generative KI zur Arbeitsproduktivität beitragen kann. Abbildung 1 zeigt auf der rechten Seite, wie sich die Effizienz- und Qualitätsgewinne zwischen den Bildungsfeldern der Befragten unterscheiden. Besonders hohe Verbesserungen berichten Personen aus den Feldern «Wirtschaft, Verwaltung und Recht», «Dienstleistungen» sowie «Informations- und Kommunikationstechnologie». In diesen Bereichen sind sowohl die Effizienz- als auch die Qualitätsgewinne relativ hoch. Demgegenüber fallen die Effizienzsteigerungen im Bildungsfeld «Verarbeitendes Gewerbe, Baugewerbe und Ingenieurwesen» sowie insbesondere im Feld «Gesundheit und Sozialwesen» deutlich geringer aus. 

Ein Teil dieser Unterschiede kann dadurch erklärt werden, dass generative KI in manchen Bildungsfeldern häufiger eingesetzt wird als in anderen. Allerdings bestehen teilweise selbst bei vergleichbarer Nutzungsintensität weiterhin Unterschiede zwischen den Bildungsfeldern. Dies deutet darauf hin, dass auch die Art der Tätigkeiten eine Rolle spielt: In manchen Bildungsfeldern kann generative KI offenbar grundsätzlich stärker zur Effizienz oder Qualität beitragen als in anderen– und das nicht nur aufgrund der Nutzungsintensität. 

Ein weiteres auffälliges Muster betrifft das Verhältnis zwischen Effizienz- und Qualitätsgewinnen. Im Bildungsfeld «Informations- und Kommunikationstechnologie» ist der Unterschied besonders gross: Hier berichten Befragte im Vergleich zu anderen Bildungsfeldern von besonders starken Effizienzsteigerungen im Vergleich zur Qualitätsverbesserung. Am geringsten ist der Unterschied im Feld «Gesundheit und Sozialwesen», allerdings auf einem insgesamt niedrigeren Niveau.

Wie generative KI am Arbeitsplatz eingesetzt wird

Um zu verstehen, wo generative KI im Arbeitsalltag konkret eingesetzt wird, lohnt sich ein Blick auf typische Anwendungssituationen. Um dies zu untersuchen, haben wir den Befragten eine offene Frage gestellt, in der sie konkrete Beispiele für den Einsatz generativer KI beschreiben konnten. Mithilfe von KI haben wir diese offenen Antworten in unterschiedliche Kategorien gruppiert.

Abbildung 2 zeigt, für welche Arten von Aufgaben generative KI am häufigsten verwendet wird. Die Ergebnisse verdeutlichen, dass generative KI am Arbeitsplatz vor allem für Schreibaufgaben genutzt wird. Rund zwei Drittel der Kommentare beziehen sich auf Tätigkeiten wie das Verfassen von E-Mails, das Erstellen von Textentwürfen, Übersetzungen oder das Zusammenfassen von Dokumenten. Weitere häufig genannte Anwendungen sind die Informationssuche und die technische Unterstützung, etwa bei Programmierfragen oder der Lösung technischer Probleme. Seltener werden Anwendungen wie die Erstellung von praktischen Anleitungen oder Multimedia-Inhalten genannt. Insgesamt zeigt sich somit ein klares Muster: Generative KI wird vor allem dort eingesetzt, wo Informationen schnell verarbeitet oder Texte erstellt werden müssen.

Diese Nutzungsmuster helfen auch dabei, die zuvor beobachteten Effizienz- und Qualitätsunterschiede besser zu verstehen. Wenn generative KI hauptsächlich für Aufgaben eingesetzt wird, bei denen Informationen strukturiert oder Texte formuliert werden, lassen sich Effizienzgewinne relativ leicht realisieren. Demgegenüber kann eine Verbesserung der Qualität – etwa durch vertiefte Analyse oder kreative Problemlösung – häufig mehr Zeit und Interaktion erfordern.

Somit überrascht es nicht, dass der Effizienzgewinn im Bildungsfeld «Informations- und Kommunikationstechnologie» besonders hoch ist. Dort nutzen die Befragten generative KI vergleichsweise häufig für technische Aufgaben, zum Beispiel beim Programmieren. Im Gegensatz dazu ist der Einsatz von KI im Feld «Gesundheit und Sozialwesen» stärker auf Multimedia-Anwendungen fokussiert, wie etwa die Bildanalyse von Röntgenaufnahmen. Dies könnte erklären, warum dort die Qualitätssteigerungen im Vergleich zu Effizienzgewinnen relativ hoch sind.

Fazit und Ausblick

Unsere Analysen zeigen, dass HF-Diplomierte und -Studierende den Effekt generativer KI auf ihre Produktivitätsgewinne bei der Arbeit insgesamt als mittelstark einschätzen. Steigerungen der Arbeitsqualität fallen etwas geringer aus als Effizienzgewinne, sind aber dennoch mittelgross. Ein wichtiger Faktor für den Nutzen generativer KI ist die Nutzungsintensität: Personen, die KI häufiger einsetzen, berichten sowohl von stärkeren Effizienz- als auch Qualitätsgewinnen. Die Auswertung der offenen Antworten zeigt zudem, dass generative KI im Arbeitsalltag vor allem für Schreib- und Informationsaufgaben genutzt wird.

Diese Ergebnisse deuten darauf hin, dass generative KI vor allem dort rasch Effizienzgewinne ermöglicht, wo bestehende Arbeitsprozesse stark auf Informationsverarbeitung oder Textproduktion beruhen. Verbesserungen der Arbeitsqualität hängen vermutlich stärker davon ab, wie intensiv generative KI in Arbeitsprozesse integriert wird und wie stark Mensch und KI gemeinsam an der Weiterentwicklung von Ergebnissen arbeiten. Vor diesem Hintergrund werden wir uns in unserem nächsten Artikel mit der Frage befassen, welche Arten von Weiterbildungen aufgrund der Entwicklung von generativer KI als besonders notwendig erachtet werden. 

 ¹Professur für Bildungssysteme, ETH Zürich
 ²Eidgenössische Hochschule für Berufsbildung
 ³School of Management and Law, ZHAW

Referenzen
Chatterji A., Cunningham T., Deming D. J., Hitzig Z., Ong C., Shan C. Y., & Wadman K. (2025). How people use chatgpt (No. w34255). National Bureau of Economic Research.