78 Stunden Zeitersparnis durch KI? Ich habe die virale Zahl nachgerechnet

Ronald hier. Vor ein paar Tagen ist mir auf Instagram eine Statistik-Grafik ins Bild gescrollt: Vor zwei Jahren habe KI Aufgaben geschafft, für die ein Mensch 10 Sekunden braucht. Heute seien es 78 Stunden. Ich bin kurz hängengeblieben, weil die Zahl beeindruckend klingt — und weil ich sofort misstrauisch wurde. 78 Stunden, das sind fast zwei volle Arbeitswochen an einer einzigen Aufgabe. Also habe ich mir vorgenommen, das nachzuprüfen, bevor ich es irgendwo weitererzähle.

Die kurze Antwort vorweg: Es gibt tatsächlich eine ernstzunehmende Studie hinter dieser Art von Zahl. Aber die 78 Stunden sind nicht das, was diese Studie tatsächlich zeigt.

Die echte Studie: METR und der „Zeit-Horizont”

Die Forschungsorganisation METR misst seit Jahren etwas, das sie „Zeit-Horizont” nennt: Wie lang darf eine Aufgabe sein, die ein Mensch normalerweise braucht, damit eine KI sie noch mit mindestens 50 Prozent Erfolgsquote löst? Nicht länger richtig als falsch, sondern öfter richtig als falsch — das ist ein wichtiger Unterschied, dazu gleich mehr.

2019, beim Modell GPT-2, lag dieser Wert bei ungefähr zwei Sekunden. Aufgaben, die einen Menschen zwei Sekunden kosten, hat GPT-2 halbwegs zuverlässig hinbekommen — alles Längere kaum. Die „10 Sekunden” aus dem Instagram-Post liegen also nah an der Realität von damals.

Der aktuelle Stand, gemessen von METR Ende Januar 2026: Die stärksten verfügbaren Modelle liegen bei rund 5 Stunden, nicht bei 78. Anthropics Claude Opus 4.5 kommt auf etwa 320 Minuten, also gut 5 Stunden 20. OpenAIs GPT-5 liegt bei rund 3,6 Stunden. Das ist eine gewaltige Entwicklung — von 2 Sekunden auf mehrere Stunden in sechs Jahren ist kein kleiner Sprung. Aber es ist eben eine andere Größenordnung als 78 Stunden.

Modell (Jahr)	50-%-Zeit-Horizont
GPT-2 (2019)	ca. 2 Sekunden
Claude 3.7 Sonnet (2025)	ca. 50 Minuten
o3 (2025)	ca. 2 Stunden
GPT-5 (2026)	ca. 3,6 Stunden
Claude Opus 4.5 (2026)	ca. 5,3 Stunden

Woher könnten die 78 Stunden trotzdem kommen? Vermutlich aus einer Verwechslung oder Hochrechnung, die auf dem Weg durch Social Media zusammengebrochen ist — solche Zahlen verselbstständigen sich gern, wenn eine beeindruckende Kurve mehrfach weitergegeben wird, ohne dass jemand zur Quelle zurückgeht. METR selbst nennt für ihre neuesten Tests keinen Wert in dieser Höhe.

Und hier kommt der Teil, den kein Instagram-Post erwähnt: 50 Prozent Erfolgsquote heißt, dass die Aufgabe in der Hälfte der Fälle schiefgeht. Bei einer Aufgabe von 5 Stunden Länge ist das eine Münzwurf-Chance, nicht ein verlässliches Ergebnis. METR schreibt außerdem selbst, dass ihre Test-Aufgaben stark auf Softwareentwicklung und technische Recherche ausgerichtet sind — die beiden häufigsten gutbezahlten Berufe in den USA, Pflege und Management, kommen in den Tests kaum vor. Der Zeit-Horizont sagt also viel über Programmieraufgaben, aber wenig über den Rest der Arbeitswelt.

Wo KI heute wirklich nachweislich Zeit spart

Zeit-Horizont ist eine Fähigkeits-Messung im Labor. Interessanter für den Alltag sind Studien, die echte Arbeitszeit in echten Jobs gemessen haben.

Die bekannteste stammt von der Stanford-Forschungsgruppe um Erik Brynjolfsson: In einem Kundensupport-Center mit über 5.000 Mitarbeitenden stieg die Zahl gelöster Anfragen pro Stunde im Schnitt um 14 Prozent, nachdem ein KI-Assistent eingeführt wurde. Bei neuen, unerfahrenen Mitarbeitenden waren es sogar 34 Prozent — die KI gab ihnen quasi das Wissen der erfahrenen Kollegen mit.

Eine zweite, oft zitierte Studie von Harvard Business School und der Beratung BCG ließ 758 Berater an typischen Aufgaben arbeiten — Texte schreiben, Ideen entwickeln, Daten auswerten. Mit ChatGPT waren sie bei Aufgaben, die die KI gut beherrscht, 25 Prozent schneller, lösten 12 Prozent mehr Aufgaben und wurden von Gutachtern als 40 Prozent besser bewertet. Der Haken, den die Forscher selbst „jagged frontier” nennen, also gezackte Grenze: Bei Aufgaben außerhalb dieser Stärke wurden dieselben Berater teils schlechter, nicht besser.

Eine große Umfrage von BCG unter rund 12.000 Beschäftigten Anfang 2026 ergänzt das mit einer Selbsteinschätzung: 42 Prozent der regelmäßigen KI-Nutzer gaben an, im Schnitt 8 Stunden pro Woche zu sparen — knapp ein Arbeitstag. Wichtig dabei: Das ist eine Befragung, keine Stoppuhr-Messung, und über die Hälfte der Befragten wusste laut derselben Umfrage nicht genau, was sie mit der gesparten Zeit anfangen sollte.

Studie (Jahr)	Bereich	Gemessene Zeitersparnis
Stanford/NBER (2023)	Kundensupport	+14 % im Schnitt, +34 % bei Einsteigern
Harvard/BCG (2023, 2026 veröffentlicht)	Beratung, Text, Analyse	+25 % Tempo bei geeigneten Aufgaben
BCG-Umfrage (2026)	Alle Branchen, ~12.000 Befragte	42 % sparen ca. 8 Std./Woche (Selbstauskunft)

Wie es weitergeht — meine Einschätzung

Der Trend nach oben ist real und gut belegt: Der Zeit-Horizont hat sich seit 2019 im Schnitt etwa alle sieben Monate verdoppelt, zeitweise sogar alle drei bis vier Monate. Wenn dieses Tempo hält, wovon ich nicht automatisch ausgehe, würden KI-Modelle in ein bis zwei Jahren am Stück an Aufgaben arbeiten können, für die heute ein Mensch einen vollen Arbeitstag braucht.

Was das für kleine Betriebe bedeutet, ist reine Einschätzung meinerseits, kein Fakt: Die größten, am Handy oder Rechner spürbaren Sprünge dürften weiter bei klar umrissenen Aufgaben kommen — Anfragen beantworten, Texte entwerfen, Belege sortieren — nicht bei allem auf einmal. Genau das habe ich in den letzten Wochen selbst erlebt, wenn ich Routineaufgaben an KI abgebe: spürbar schneller bei einzelnen Schritten, aber ich bleibe derjenige, der am Ende gegenliest.

Die 78 Stunden aus dem Instagram-Post waren also der falsche Aufhänger — aber die eigentliche Geschichte dahinter ist ehrlich beeindruckend genug, ohne aufgerundet zu werden.

Quellen: METR — Time Horizon 1.1 (Januar 2026) · METR — Measuring AI Ability to Complete Long Tasks (März 2025) · METR — How Does Time Horizon Vary Across Domains? (Juli 2025) · Stanford/NBER — Generative AI at Work, Brynjolfsson/Li/Raymond (2023) · Harvard Business School AI Institute — Navigating the Jagged Technological Frontier · BCG — AI at Work 2026 (via CIO.com)