KI und Einstellungseffizienz: Was Investoren wissen sollten

Künstliche Intelligenz wird oft als Mittel präsentiert, mehr Arbeit mit weniger Mitarbeitenden zu erledigen. Diese Darstellung übersieht eine weitere Chance: Unternehmen dabei zu unterstützen, die richtige Anzahl von Personen einzustellen, wenn sich die Nachfrage ändert. Zu aggressive Einstellungen können die Kosten in die Höhe treiben. Zu vorsichtige Einstellungen können dazu führen, dass Kunden warten müssen, die Produktentwicklung verzögert wird und das Wachstum an Wettbewerber verloren geht.

Eine Studie von Kai Xing und Kollegen mit dem Titel „Künstliche Intelligenz und Effizienz von Arbeitsinvestitionen: Erkenntnisse aus US-Unternehmen“ untersucht diese weniger sichtbare Dimension des geschäftlichen Nutzens von KI.¹ Die als Vorabdruck eines Zeitschriftenartikels im Journal of International Money and Finance veröffentlichte Studie kommt zu dem Ergebnis, dass KI-bezogene Unternehmen tendenziell geringere Abweichungen zwischen den tatsächlichen Einstellungen und dem Personalaufbau aufweisen, der aufgrund ihrer wirtschaftlichen Rahmenbedingungen zu erwarten wäre.

Für Investoren reicht die Implikation über Einsparungen bei den Gehaltsabrechnungen hinaus. KI‑Ausgaben verdienen möglicherweise eine genauere Prüfung als Investition in die organisatorische Reaktionsfähigkeit. Die Chance liegt darin, bessere Informationen mit besseren Entscheidungen zu verknüpfen, wobei zu beachten ist, dass die Einführung von Technologie und die Realisierung ihrer Vorteile separate Leistungen sind.

Was die KI‑Einstellungseffizienz tatsächlich misst

Die Forschenden analysieren 36.078 Unternehmens‑Jahres‑Beobachtungen von 5.843 an US‑Börsen notierten Unternehmen aus den Jahren 2004 bis 2020. Finanzunternehmen und Versorgungsbetriebe werden ausgeschlossen, weil ihre Regulierungsumfelder und Rechnungslegungsstrukturen von denen anderer Unternehmen abweichen.

Die Studie schätzt die erwartete Netto‑Einstellung anhand von Unternehmensgrundlagen, darunter Umsatzwachstum, Rentabilität, Aktienrenditen, Unternehmensgröße und Liquidität. Anschließend wird gemessen, wie stark die tatsächlichen Einstellungen von diesem Benchmark abweichen. Kleinere Abweichungen deuten auf eine höhere Effizienz der Arbeitsinvestitionen hin.

Diese Unterscheidung ist wichtig. Effizienz bedeutet nicht automatisch eine Reduzierung der Mitarbeiterzahl. Ein Unternehmen, das Ingenieure zur Unterstützung wachsender Nachfrage benötigt, könnte seine gemessene Effizienz steigern, indem es mehr einstellt. Ein anderes Unternehmen, das vor einem nachhaltigen Umsatzwachstum rekrutiert, könnte seine Effizienz verbessern, indem es die Einstellungsgeschwindigkeit drosselt.

Die Kennzahl stellt zudem nicht direkt die Produktivität der Mitarbeitenden, Kundenzufriedenheit oder Arbeitsqualität fest. Sie beschreibt, wie eng die Netto‑Einstellung mit einer statistischen Schätzung übereinstimmt. Diese Schätzung ermöglicht einen nützlichen Vergleich zwischen Unternehmen, kann jedoch nicht alle strategischen Gründe erfassen, warum ein Unternehmen vorübergehend überschüssige Kapazitäten beibehält.

Beispielsweise kann die Einstellung von Spezialist*innen vor einer Produkteinführung im Verhältnis zu den aktuellen Umsätzen übertrieben erscheinen, obwohl sie kommerziell sinnvoll ist. Investoren sollten die Ergebnisse daher als Hinweis auf die Abstimmung der Personalplanung betrachten, nicht als Formel für die ideale Belegschaft.

Was die Studie über KI und Personalfindung herausfindet

Die Hauptanalyse identifiziert KI‑verbundene Unternehmen anhand ihrer Zugehörigkeit zu KI‑themenbezogenen börsengehandelten Fonds. Die Autoren interpretieren dies als markt­anerkanntes KI‑Exposure, nicht als direkte Messung der Implementierung in jedem Unternehmen. Weitere Tests verwenden KI‑bezogene Arbeitskräfte‑ und Patent‑Indikatoren.

Über diese Ansätze hinweg unterstützen die Ergebnisse im Allgemeinen einen positiven Zusammenhang zwischen KI‑Exposure und Effizienz der Arbeitsinvestitionen. Die Beziehung umfasst sowohl Über‑ als auch Unterbesetzung und legt nahe, dass der relevante Nutzen in der Abstimmung liegt und nicht in einer generellen Präferenz für kleinere Belegschaften.

Die Autoren finden zudem positive Zusammenhänge mit Rentabilität und Marktbewertung. Diese Ergebnisse erhöhen die Relevanz des Artikels für Investoren, obwohl sie nicht belegen, dass KI allein diese Ergebnisse verursacht hat.

Warum bessere Personalplanung Unternehmenswert schaffen kann

Betrachten wir ein hypothetisches Dienstleistungsunternehmen, das mit unvorhersehbarer Nachfrage konfrontiert ist. Ohne verlässliche Informationen können Manager zwischen zu späten Einstellungen und dem Behalten von Kapazitäten nach Nachfragerückgang schwanken. Kunden erleben Verzögerungen in Stoßzeiten, während ruhige Phasen das Unternehmen mit vermeidbaren Kosten belasten.

KI könnte dabei helfen, ankommende Aufträge vorherzusagen, wiederkehrende Engpässe zu identifizieren und vorübergehende Nachfragespitzen von dauerhaftem Wachstum zu unterscheiden. Manager könnten dann Zeitpläne anpassen, Mitarbeitende umverteilen oder gezielt Fachkräfte rekrutieren, bevor die Servicequalität leidet.

Dies ist eine operative Interpretation der Ergebnisse, nicht ein durch die Studie nachgewiesener Mechanismus. Sein Wert liegt darin, dass er die Investitionsfrage erweitert. Anstatt nur zu fragen, wie viele Stellen die Automatisierung eliminiert, können Investoren fragen, ob das Unternehmen auf veränderte Bedingungen effektiver reagiert.

Die gleiche Logik gilt über Büroabläufe hinaus. Die aktuelle Berichterstattung von Securities.io über KI-Produktivitätsgewinne in der Landwirtschaft untersucht, wie eine bessere Ressourcenzuweisung Wert in physischen Branchen schaffen kann. Arbeit ist eine weitere Ressource, deren Timing und Einsatz die geschäftlichen Ergebnisse beeinflussen.

Störungen der Belegschaft können KI-Erträge schwächen

Der Technologieneinsatz bringt eigene Anpassungskosten mit sich. Mitarbeitende müssen neue Systeme erlernen, Verantwortlichkeiten können sich ändern, und Führungskräfte müssen entscheiden, wann automatisierte Empfehlungen einer menschlichen Prüfung bedürfen. Die Produktivität kann leiden, solange diese Änderungen umgesetzt werden.

Die Studie findet ein ausgleichendes Muster, das mit ihrer Kennzahl für Fluktuation der Belegschaft verbunden ist. Dieses Proxy misst jedoch Veränderungen der Beschäftigung im Verhältnis zur Belegschaftsgröße. Es sollte nicht als direkte Messung von Kündigungen, Bindung oder Mitarbeitermotivation verstanden werden.

Selbst mit dieser Einschränkung wirft das Ergebnis eine nützliche Managementfrage auf: Wie viel Störung begleitet den Übergang? Ein Unternehmen könnte routinemäßige Aufgaben erfolgreich automatisieren, dabei jedoch wertvolles institutionelles Wissen durch schlecht geplante Umstrukturierungen verlieren.

Diese Sorge hängt mit der Untersuchung von Securities.io zu Mitarbeitervertrauen und ROI der Automatisierung zusammen. Eine glaubwürdige Implementierungsstrategie erfordert, dass Mitarbeitende die geänderten Verantwortlichkeiten verstehen und Informationen darüber liefern, wo Systeme versagen.

Weiterbildung beeinflusst zudem, ob freigesetzte Kapazität zu nutzbarer Kapazität wird. Das Einsparen mehrerer Stunden für Mitarbeitende führt nicht automatisch zu zusätzlichem Umsatz. Unternehmen benötigen einen praktischen Plan, um diese Zeit in Kundenservice, Produktentwicklung oder andere wertvolle Tätigkeiten umzulenken.

Warum finanzielle Flexibilität für die KI‑Einführung wichtig ist

Der Zusammenhang zwischen KI und Personaleffizienz ist bei Unternehmen mit höherer Innovationskraft und finanzieller Flexibilität stärker ausgeprägt. Das deutet darauf hin, dass komplementäre Ressourcen neben der Technologie selbst Beachtung finden sollten.

Implementierungen können Datenbereinigung, Integration, Schulung und Prozessneugestaltung erfordern, bevor Nutzen sichtbar wird. Unternehmen mit stärkerer Liquidität können diesen Übergang eher finanzieren, ohne ihn in einem schwierigen Quartal aufzugeben.

Die Studie berichtet zudem von einem stärkeren Zusammenhang zwischen KI und Effizienz bei angespannten internationalen Finanzbedingungen und höherer ausländischer Nachfrage nach US‑Vermögenswerten. Dabei handelt es sich um historische Zusammenhänge, nicht um Prognosen darüber, wie sich der nächste Finanzierungszyklus entwickeln wird.

Eine praktische Schlussfolgerung ist, dass Investoren prüfen sollten, ob ein Unternehmen Ausgaben für die Implementierung trotz Unsicherheit aufrechterhalten kann. Software zu kaufen ist einfacher, als die organisatorischen Veränderungen zu finanzieren, die ihre Wirksamkeit ermöglichen.

Wie Investoren KI‑Geschäftsvorteile bewerten können

Die Ergebnisse deuten auf ein nützlicheres Bewertungsrahmenwerk hin, als lediglich KI‑Ankündigungen zu zählen oder den Personalstand vor und nach der Einführung zu vergleichen. Investoren sollten nach Nachweisen suchen, dass operative Verbesserungen über die Demonstrationsphase hinaus Bestand haben.

• Passt sich die Personalbesetzung der Nachfrage an, während die Servicequalität stabil bleibt?
• Werden die gemeldeten Vorteile nach Implementierung und Betriebskosten gemessen?
• Können Mitarbeitende die freigesetzte Kapazität für Arbeiten nutzen, die die Geschäftsergebnisse verbessern?

Diese Fragen helfen zudem, die Fähigkeiten von Anbietern von den Ergebnissen der Kunden zu unterscheiden. Ein Produkt kann in einem kontrollierten Workflow gut funktionieren, dabei jedoch nur begrenzten Nutzen in einem fragmentierten Unternehmen bieten.

Moderne Implementierungen beinhalten zunehmend die Koordination von Systemen statt die Erzeugung isolierter Antworten. Die Diskussion von ServiceNow im März 2026 über unternehmensweite KI-Benchmarking beschreibt die Bewertung von Modellen anhand von Geschäftsbedingungen, einschließlich Dokumentenverarbeitung und Workflow‑Ausführung. Solche Tests sind relevant, weil die Kosten für Ausnahmen und menschliche Eingriffe bestimmen können, ob scheinbare Effizienz zu wirtschaftlichem Wert wird.

ServiceNow bietet Zugang zu KI‑Workflow‑Automatisierung

Für Investoren, die an Unternehmen interessiert sind, die diese Infrastruktur entwickeln, liefert ServiceNow ein relevantes Beispiel. Die Plattform verbindet Unternehmens‑Workflows, Daten und automatisierte Aktionen und positioniert sich damit nahe an den operativen Entscheidungen, durch die KI den Personalbedarf verändern könnte.

Im Mai 2026 erweiterte das Unternehmen seine autonome Belegschaft über Geschäftsbereiche hinweg und stellte KI‑Spezialisten für IT, Kundenbeziehungsmanagement, Mitarbeitenden‑services sowie Sicherheit und Risiko ein. Diese Angebote sollen Prozesse innerhalb definierter Berechtigungen und Governance‑Kontrollen ausführen.

Eine im Juli veröffentlichte Ankündigung, die Leidos’ erweiterte KI-Workflow-Bereitstellung umreißt, bietet ein aktuelles Beispiel für die Unternehmensnachfrage. Die genannten Ziele umfassen die Verbesserung von Mitarbeiterservices, die Erweiterung von IT‑Self‑Service und die Zentralisierung der KI‑Governance. Das sind Implementierungsziele, nicht jedoch unabhängig verifizierte Nachweise für realisierte Einsparungen.

Der Zusammenhang mit Investitionen ist eindeutig: Unternehmen, die menschliche und automatisierte Arbeit koordinieren wollen, benötigen möglicherweise Plattformen, die Ausführung mit Aufsicht integrieren. ServiceNow ist in diesem Markt aktiv. Seine Attraktivität als Investition hängt weiterhin von Bewertung, Konkurrenz, Implementierungskosten und davon ab, ob Kunden ihre Ausgaben erneuern und ausbauen.

Die Vorteile von KI im Personalwesen benötigen bessere Evidenz

Die historische Stichprobe der Studie endet im Jahr 2020, also vor dem heutigen Boom generativer KI. Ihre Ergebnisse können daher die Auswirkungen aktueller KI‑Agenten nicht belegen noch die Behauptungen eines bestimmten Anbieters validieren.

Dennoch liefert sie eine nützliche Orientierung zur Bewertung der wirtschaftlichen Rolle von KI. Unternehmen können Mehrwert erzielen, wenn Technologie ihnen hilft, sowohl unzureichende Kapazitäten als auch unnötige Expansion zu vermeiden. Investoren sollten nach Evidenz suchen, dass bessere Personalentscheidungen zu nachhaltigem Service, Rentabilität und Wachstum führen, wobei die dafür entstehenden Kosten zu berücksichtigen sind.

Literatur:

¹ Xing, K., Xiong, K., Xiao, F. und Zhang, H. (2026). Künstliche Intelligenz und Effizienz von Arbeitsinvestitionen: Erkenntnisse aus US-Unternehmen. Journal of International Money and Finance. Online vorab veröffentlicht. https://doi.org/10.1016/j.jimonfin.2026.103684