Pharma, Kundenservice, Softwareentwicklung. Was Studien über KI in drei Berufen zeigen

Im Podcast „Unsupervised Learning“ sprach Godement über Pharma, Kundenservice und Softwareentwicklung. Business Insider berichtete darüber am 15. Dezember 2025. Im Kundenservice erwartet er spürbare Automatisierung in den nächsten ein bis zwei Jahren. Bei Softwareentwicklung sei die vollständige Automatisierung noch nicht erreicht, aber in Sichtweite. OpenAI stellte danach klar, es gehe um Produktivität, nicht um das Ende von Berufen.

Das ist die Einschätzung eines Anbieters, der diese Werkzeuge verkauft. Das macht sie nicht falsch. Es lohnt sich aber, daneben zu legen, was unabhängige Studien in genau diesen drei Feldern gemessen haben.

Erik Brynjolfsson, Danielle Li und Lindsey Raymond untersuchten die Einführung eines KI-Assistenten bei 5.179 Beschäftigten im Kundensupport. Veröffentlicht wurde die Arbeit 2025 im Quarterly Journal of Economics. Mit dem Assistenten lösten die Beschäftigten im Schnitt 14 Prozent mehr Anfragen pro Stunde. Bei Neuen und weniger Erfahrenen waren es 34 Prozent, bei den Erfahrensten fast nichts. Die Stimmung der Kunden wurde besser, und weniger Beschäftigte kündigten.

Dass Vollautomatisierung im Service ihre Grenzen hat, zeigt Klarna. Das Unternehmen meldete 2024, sein KI-Assistent leiste die Arbeit von rund 700 Vollzeitkräften. Im Mai 2025 sagte Konzernchef Sebastian Siemiatkowski laut Bloomberg, man habe zu stark auf Kosten geschaut, und das Ergebnis sei geringere Qualität gewesen. Klarna stellt seitdem wieder Menschen für den Service ein. Einfache Anfragen übernimmt die KI, schwierige ein Mensch.

Das Forschungsinstitut METR ließ im ersten Halbjahr 2025 16 erfahrene Open-Source-Entwickler 246 echte Aufgaben in ihren eigenen Projekten lösen, zufällig mit oder ohne KI-Werkzeuge. Mit KI brauchten sie 19 Prozent länger. Vorher hatten sie mit 24 Prozent Zeitersparnis gerechnet. Und auch danach glaubten sie noch, 20 Prozent schneller gewesen zu sein.

Im Februar 2026 veröffentlichte METR eine Folgemessung mit neueren Werkzeugen. Die Daten deuten nun eher auf einen Zeitgewinn hin. METR nennt sie aber selbst unzuverlässig, weil viele Entwickler nicht mehr ohne KI arbeiten wollten und deshalb gar nicht erst teilnahmen. Die ehrliche Zusammenfassung lautet also, dass der Effekt stark vom Werkzeug, der Aufgabe und der Person abhängt. Und dass das eigene Gefühl ein schlechtes Messinstrument ist.

Godement meinte vor allem Verwaltung und Dokumentation, also das Zusammenführen großer Mengen strukturierter und unstrukturierter Daten. Auch die Behörden nutzen das. Die US-Arzneimittelbehörde FDA führte im Juni 2025 ihr internes KI-Werkzeug Elsa ein. Es fasst Meldungen zu Nebenwirkungen zusammen, vergleicht Produktinformationen und unterstützt die Prüfung von Studienprotokollen.

Bei der Wirkstoffsuche ist Insilico Medicine ein viel zitiertes Beispiel. Ziel und Molekül des Wirkstoffs Rentosertib gegen Lungenfibrose wurden nach Angaben des Unternehmens mit KI gefunden. Im Juni 2025 erschienen in Nature Medicine die Ergebnisse einer Phase-2a-Studie mit 71 Patienten über 12 Wochen. Im Juli 2026 kündigte Insilico den Start der Phase III an, mit 320 Teilnehmenden und 52 Wochen Behandlung.

Das zeigt beides. KI kann frühe Schritte beschleunigen. Die klinischen Studien am Menschen dauern trotzdem Jahre, und ob der Wirkstoff zugelassen wird, ist offen.

1. 1

   In Aufgaben denken, nicht in Berufen

   Zerlegen Sie einen Ablauf in Schritte. Anfragen sortieren, Antworten vorschlagen, Daten nachschlagen. Einzelne Schritte lassen sich gut automatisieren, der ganze Beruf fast nie.

2. 2

   Messen statt schätzen

   Die METR-Studie zeigt, wie weit Gefühl und Wirklichkeit auseinanderliegen können. Legen Sie vorher fest, was Sie messen, etwa Bearbeitungszeit oder Fehlerquote, und vergleichen Sie danach.

3. 3

   Einfache Fälle automatisieren, schwierige weitergeben

   Klarna ist das Lehrstück. Ein Workflow, der einfache Anfragen löst und alles Unklare sauber an einen Menschen übergibt, ist besser als einer, der alles allein versucht.

4. 4

   Einarbeitung mitdenken

   Wenn KI vor allem Neuen hilft, ist sie auch ein Werkzeug für die Einarbeitung. Achten Sie dann darauf, dass Neue das Fach trotzdem lernen und nicht nur Vorschläge übernehmen.

Welche Aufgaben in Ihrem Unternehmen sich dafür eignen, lässt sich meist in einem Gespräch eingrenzen. Die vier Fragen dafür stehen in Welcher Prozess zuerst.