Ein brauchbares Bild ist schnell erzeugt. Danach beginnt die Arbeit an den Details: eine unpassende Geste korrigieren, die Bildidee schärfen, eine stimmigere Variante finden. Für Menschen, die KI nutzen, sind das zwei unterschiedliche Aufgaben. Der schnelle Anfang sagt wenig darüber aus, wie viel eine weitere Arbeitsstunde noch bringt.
Genau diesen Unterschied rückt ein im September 2026 von der Asian Development Bank vorgestelltes Arbeitspapier ins Blickfeld. Es beschreibt, wie KI zunächst bessere Ergebnisse ermöglicht, zugleich aber den zusätzlichen Ertrag weiterer Anstrengung verringern kann. Manche Beteiligte hören deshalb früher auf und geben schlechtere Bilder ab. Daraus folgt jedoch kein allgemeiner Qualitätsverlust durch KI.
Früher fertig bedeutet nicht automatisch schlechter
Die zugängliche Arbeitsfassung vom 20. Juli 2025 beschreibt einen Versuch aus August und September 2024 mit 219 professionellen und studentischen Kunstschaffenden. Alle bearbeiteten zwei Illustrationsaufgaben. 168 erhielten für die zweite Zugang zur Bild-KI Tiamat; 51 arbeiteten beide Male ohne KI. Damit ließ sich ein bloßer Übungseffekt gegenprüfen.
Das Team bewertete auch Zwischenstände in Abständen von 15 Minuten. Verwertbare Arbeitsvideos lagen allerdings nur für 146 Personen vor. Die Auswertung zeigte einen frühen Qualitätsvorsprung mit KI, der bei längerer Bearbeitung kleiner wurde. Der Nutzen zusätzlicher Zeit flachte früher ab.
Im Vergleich der Gruppen sank die Bearbeitungszeit um rund 24 Minuten. Die durchschnittliche Endqualität stieg leicht; dieser Unterschied war statistisch nicht gesichert. Der Versuch belegt also keine durchschnittliche Verschlechterung. Die Verbindung zwischen kleinen Qualitätsfortschritten und früherem Aufhören stützt die Erklärung der Autoren, beweist aber weder allgemeine Faulheit noch dauerhaften Motivationsverlust. Diese Angaben beziehen sich auf die ältere Arbeitsfassung, nicht auf eine neue Messung vom September 2026.
Bei Schreibaufgaben gelang beides zugleich
Dass Zeitersparnis und Qualitätsgewinn zusammengehen können, zeigt ein unabhängiges Experiment von Shakked Noy und Whitney Zhang. Ihre 2023 in Science veröffentlichte Studie untersuchte berufstypische Schreibaufgaben mit 453 Hochschulabsolventinnen und Hochschulabsolventen. Mit ChatGPT sank die durchschnittliche Bearbeitungszeit um 40 Prozent, während die Qualitätsbewertung um 18 Prozent stieg.
Auch dieser Vergleich hat Grenzen. Der MIT-Bericht über den Versuch nennt etwa fehlenden firmenspezifischen Kontext und die ausbleibende gesonderte Faktenprüfung der Texte. Ein gut bewerteter Entwurf ist deshalb nicht automatisch eine versandfertige Kundenantwort. Die beiden Experimente testen unterschiedliche Aufgaben und Werkzeuge; ihre Zahlen lassen sich nicht zu einem gemeinsamen KI-Effekt verrechnen.
Der Gegenbefund ist trotzdem wichtig: Wer schneller aufhört, muss keine Qualität opfern. Ein Werkzeug kann ausreichend viel Arbeit abnehmen, um beides zu ermöglichen. Entscheidend bleibt, welches Ergebnis tatsächlich abgegeben wird und welche Anforderungen daran gelten.
Der Maßstab muss vor dem ersten Entwurf feststehen
Für die Bewertung von KI-Arbeit ergibt sich daraus eine praktische Unterscheidung. Geht es um eine interne Illustration, die einen Gedanken verständlich machen soll, kann ein früheres Ende vernünftig sein. Soll dasselbe Bild eine genaue Handlung erklären, wäre eine falsche Geste ein inhaltlicher Mangel. Das sind illustrative Beispiele, keine weiteren Ergebnisse der Studie.
Eine reine Zeitmessung würde beide Fälle als Erfolg verbuchen. Eine Qualitätsprüfung müsste dagegen feststellen, ob die jeweilige Aufgabe erfüllt ist. Auch die umgekehrte Bewertung wäre zu einfach: Länger an einer bereits ausreichenden Darstellung zu arbeiten, macht sie nicht automatisch wertvoller.
Die Konsequenz für Teams ist deshalb, Zeitbudget und Qualitätsziel ausdrücklich auseinanderzuhalten. Vorab benannte Anforderungen helfen, einen schnellen Entwurf sinnvoll zu beurteilen. Ob bestimmte Prämien oder feste Überarbeitungsrunden dabei tatsächlich bessere Ergebnisse erzeugen, ist mit den hier betrachteten Befunden nicht nachgewiesen. Der Gewinn durch KI kann in freier Zeit liegen, in höherer Qualität oder in beidem. Welches Ziel zählt, muss die Aufgabe bestimmen.
Titelbild: KI-generiertes Symbolbild eines digitalen Illustrationsarbeitsplatzes; keine Aufnahme aus dem Experiment.
Quellen
- Asian Development Bank: Better Technology, Worse Motivation: Generative Artificial Intelligence’s Mediocrity Trap, September 2026.
- Yvonne Jie Chen, Jie Gong, Jin Li und Zibo Zhao: Better Technology, Worse Motivation: GenAI’s Mediocrity Trap, Arbeitsfassung vom 20. Juli 2025.
- Shakked Noy und Whitney Zhang: Experimental evidence on the productivity effects of generative artificial intelligence, Science, online 13. Juli 2023.
- MIT News, Zach Winn: Study finds ChatGPT boosts worker productivity for some writing tasks, 14. Juli 2023.
Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.
