MSD / Gegenbefund / RESEARCH EDITION

Wenn KI Arbeit verlängert: der METR-Gegenbefund

In einem randomisierten Versuch mit 16 erfahrenen Entwicklern und 246 Aufgaben verlängerten frühe 2025er KI-Werkzeuge die Bearbeitungszeit um 19 %. Die Beteiligten schätzten ihren Nutzen deutlich günstiger ein.

Jetzt eintauchen ↓RECHERCHESTAND 12.11.2026 · FAKTEN + EINORDNUNG + SZENARIEN
RESEARCH NOTE / 2025Gegenbefund

KI & Agenten

Externe Forschung · MSD-Einordnung
Keine Behauptung eines eigenen Versuchs.

01 / EINORDNUNG

Was dieser Befund trägt.

Grenzen des Nachweises

Untersucht wurden vertraute, große Open-Source-Projekte und damalige Werkzeuge. Andere Aufgaben und neuere Modelle können andere Ergebnisse liefern.

Unsere Ableitung für einen Pilotbetrieb

Unterstützung gegen eine echte Vergleichsgruppe testen; gefühlte Geschwindigkeit und gemessene Fertigstellung getrennt dokumentieren.

Diese Ableitung ist eine redaktionelle Empfehlung von MSD. Sie ist kein weiteres Ergebnis der zitierten Studie.

Quelle und Version

METR · randomisierter Versuch · Publikations-/Bezugsjahr 2025. Recherchiert am 12.11.2026.

Primärquelle lesen ↗

Externe Forschung, keine MSD-Kundenreferenz. Eigene Versuche veröffentlichen wir erst mit Aufbau, Datum, Messwerten und dokumentierten Fehlversuchen.

02 / VERKNÜPFUNGEN

Weiterdenken. Weiterprüfen.

KI & Agenten / Methodik / 2026

Neue Werkzeuge, neue Auswahlverzerrung ↗

METR beschreibt im Februar 2026 ein Folgeexperiment. Hinweise auf schnellere Arbeit sind durch Auswahl der Teilnehmer und Aufgaben sowie Probleme bei der Zeitmessung schwer interpretierbar.

METR · Methodenupdate 24.02.2026
KI & Agenten / Grundlage / 2017

Attention: Sprache wird parallel verarbeitbar ↗

Das Transformer-Paper stellt eine auf Attention beruhende Architektur für Sequenzverarbeitung vor. Es ist ein methodischer Baustein späterer Sprach- und multimodaler Modelle.

Vaswani et al. · Attention Is All You Need
KI & Agenten / Forschung / 2022

ReAct verbindet sprachliches Planen und Handeln ↗

ReAct untersucht, wie Sprachmodelle Zwischenschritte mit Aktionen in einer Umgebung verbinden können. Werkzeuge liefern neue Beobachtungen für weitere Schritte.

Yao et al. · ReAct