Überprüfung von “Wie Menschen ChatGPT nutzen”

Ich bin Ilya Romanov und arbeite an einem KI-Produkt im Stealth-Modus. In meinem letzten Artikel sprach ich über einen (nicht wirklich?) disruptiven MIT-Bericht über KI und Umsatz. Ein weiterer viel diskutierter Bericht ist erschienen – “Wie Menschen ChatGPT nutzen”. Sein mutiger Auftakt “Insgesamt stellen wir fest, dass ChatGPT durch Entscheidungsunterstützung wirtschaftlichen Wert bietet, der besonders in wissensintensiven Berufen wichtig ist” ließ mich fragen, ob es endlich einen nachweisbaren Beweis dafür gibt, dass KI einen greifbaren Beitrag zu einem Arbeitsprozess und Umsatz leistet. Lassen Sie uns nun genauer betrachten!

Der Bericht und das Team

” Wie Menschen ChatGPT nutzen” wurde von OpenAI-Forschern und dem Harvard-Ökonomen David Deming erstellt. Ihre kombinierte Expertise in KI-Engineering, datenschutzfreundlicher Datenanalyse und wirtschaftspolitischer Beratung ermöglichte die Erstellung dieser umfassenden groß angelegten empirischen Studie über ChatGPT.

Die Studie basiert auf einer beeindruckenden Anzahl von 1,5 Millionen Gesprächen mit ChatGPT. Das Team nutzte den datenschutzfreundlichen Trichter, um Benutzer anonym zu halten, während sie den Intent hinter den Nachrichten verstanden. Im Wesentlichen wurden alle ChatGPT-Gespräche durch einen automatisierten Filter gezogen, der alle Namen oder persönlichen Details entfernte, bevor die Forscher sie sahen. Diese gereinigten, maschinengenerierten Labels (wie Themen oder Intent) wurden analysiert. Um grundlegende demografische Hintergründe wie Bildung oder Beruf zu verknüpfen, arbeitete das Team in einer sicheren Clean-Room-Umgebung, in der sie nur aggregierte Daten von mindestens 100 Benutzern abrufen konnten, so dass keine einzelne Person oder Nachricht identifiziert oder reidentifiziert werden konnte.

Ergebnisse

Die mutige Aussage im “Abstract” ist eine der wichtigsten Erkenntnisse darüber, wie KI in der modernen Wirtschaft Wert liefert. Im Gegensatz zu den zahlreichen “Automatisiere-alles”-Lösungen, die in letzter Zeit aufgetaucht sind, wird ChatGPT hauptsächlich als Entscheidungsunterstützungswerkzeug und nicht als reine Aufgabenautomatisierungsplattform eingesetzt. Der Bericht stellt zwei Arten von Aufgaben vor, die ChatGPT von Benutzern zugewiesen werden: “Fragen” und “Tun”. Ersteres bezieht sich auf Aufgaben wie die Suche nach Informationen, Beratung oder Führung für bessere Entscheidungen (“Was ist der Unterschied zwischen Korrelation und Kausalität?”). Letzteres bezieht sich auf die Ausführung spezifischer Aufgaben wie das Verfassen von E-Mails, das Schreiben von Berichten und sogar das Erstellen von Code (“Schreiben Sie eine E-Mail an meinen Vorgesetzten, in der ich sage, dass ich nicht in der Lage war, den Vertrieb zu erreichen, obwohl ich mehrmals angerufen habe.”).

Interessanterweise unterscheidet der Bericht zwischen Arbeits- und Nichtarbeitsgesprächen. Alle Nichtarbeitsgespräche machen bis zu 70% im Jahr 2025 aus, was einen steilen Anstieg von 53% im Jahr 2024 zeigt. Persönliche Interaktionen konzentrieren sich hauptsächlich auf Alltagsaufgaben (Anleitungen und Tutoring) und Schreibunterstützung (Bearbeitung oder Übersetzung). Dieser Anstieg und der Kontext der Nutzung positionieren ChatGPT als täglichen Begleiter – den neuen Google sozusagen – für Exploration, kreatives Arbeiten und Entscheidungsfindung außerhalb der Arbeit.

Der Bericht zeigt, dass 49% aller Nachrichten “Fragen” sind, verglichen mit nur 40% “Tun”-Anfragen. Das Geheimnis liegt darin, dass “Fragen”-Nachrichten schneller wachsen und höhere Zufriedenheitsbewertungen von ChatGPT-Benutzern erhalten. Im Juli 2024 waren “Fragen” und “Tun” fast gleich, mit jeweils 46% aller ChatGPT-Nachrichten. Im Juni 2025 stieg “Fragen” auf 51,6%, was einem absoluten Anstieg von 5,6 Prozentpunkten entspricht, was einem relativen Anstieg von 12% entspricht, während “Tun” auf 34,6% fiel, was einem relativen Rückgang von 25% entspricht.

Was bedeutet diese Divergenz? Der wirtschaftliche Nutzen, so argumentiert der Bericht, liegt in der schnelleren und besser informierten Entscheidungsfindung in wissensintensiven Berufen, die die Produktivität steigert. In wissensintensiven Berufen, in denen Geschäftsergebnisse direkt von der Qualität und Geschwindigkeit der Entscheidungen beeinflusst werden, kann der Zugang zu besser verarbeiteten Informationen, alternativen Perspektiven und exzellenter analytischer Unterstützung die Arbeitsleistung erheblich steigern.

Die Grundlage für die Schlussfolgerung sind die Ergebnisse. Einerseits sind Benutzer mit Hochschulabschluss etwa 2 Prozentpunkte eher bereit, ChatGPT für “Fragen” zu nutzen und 1,6 Prozentpunkte weniger bereit, “Tun”-Nachrichten zu senden, im Vergleich zu weniger gebildeten Benutzern. In ähnlicher Weise sind Benutzer in hochbezahlten wissenschaftlichen und technischen Berufen eher bereit, KI für “Fragen” zu nutzen – 47% der arbeitsbezogenen Nachrichten sind “Fragen” in computerbezogenen Berufen.

Die unsichtbaren Entscheidungsfähigkeiten, die das menschliche Gehirn bei Weitem übersteigen, können sich in Geld niederschlagen – nicht in Bezug auf den Umsatz, den OpenAI erzielt (eine beeindruckende Summe von 13 Milliarden US-Dollar an jährlich wiederkehrenden Einnahmen, Stand August dieses Jahres), sondern in Verbraucherüberschuss. Vereinfacht ausgedrückt ist der Verbraucherüberschuss die Lücke zwischen dem Höchstbetrag, den eine Person bereit wäre, für einen Dienst zu zahlen, und dem tatsächlichen Preis, den sie zahlt. Zum Beispiel bin ich bereit, 100 US-Dollar für ein monatliches ChatGPT-Abonnement zu zahlen, aber ich zahle nur 20 US-Dollar, so dass der Verbraucherüberschuss 80 US-Dollar beträgt.

Im großen Maßstab, wie die Forschung von Collis und Brynjolfsson (2025) fand, beträgt der Verbraucherüberschuss mindestens 97 Milliarden US-Dollar allein in den USA. Und es scheint, dass Menschen im Durchschnitt 98 US-Dollar bezahlt werden müssten, um den Einsatz von generativer KI für einen Monat aufzugeben. Der Wert, den ChatGPT für Benutzer in Arbeits- und Nichtarbeitskontexten hat, ist enorm, und es ist sicher zu sagen, dass es in einem Unternehmenskontext einen noch größeren finanziellen Gewinn gibt.

Warum Fragen?

Als ich das Team hinter diesem Bericht recherchierte und (Überraschung!) Perplexity einlud, mit mir über diesen Bericht nachzudenken, konnte ich nicht umhin, mich zu fragen, warum Menschen ChatGPT eher “Fragen” als “Tun” nutzen.

Um es wissenschaftlich auszudrücken, möchte ich auf eine Forschung hinweisen, die im Bericht erwähnt wird. Ide und Talamas (2025) stellten zwei Rollen von KI im Arbeitsplatz vor: “Kollege”, der Lieferungen erstellt, d. h. Arbeit leistet, und “Kopilot”, der Problemlösung ohne Endprodukte unterstützt. Die Daten aus “Wie Menschen ChatGPT nutzen” unterstützen das Kopilot-Paradigma: Menschen nutzen ChatGPT eher für “Fragen” als für “Tun” (49% vs 40%) und “Fragen” sind im Aufwind und “Entscheidungen treffen und Probleme lösen” zählt zu den Top-Arbeitsaktivitäten in jeder befragten Berufsgruppe. In einem Nussshell: ChatGPT bietet Rat an, anstatt Arbeit in den meisten Fällen.

Also, KI ist in den meisten Fällen ein Kopilot (hat Microsoft etwas gewusst, als sie ihr KI-Tool benannten… wenn Sie den Wink verstehen). Aber warum? Scrollen Sie durch LinkedIn und sehen Sie “Automatisieren Sie dies” und “Automatisieren Sie jenes”.

Ich habe auch darüber nachgedacht, als ich den Bericht las und hunderte begeisterter LinkedIn-Beiträge von KI-Enthusiasten, die endlich das Skript gefunden haben, um KI zum Arbeiten zu bringen. Meine Annahme ist, dass diese Vorherrschaft von “Fragen”-Typen über “Tun”-Typen bei ChatGPT möglicherweise nur ein Reflex der aktuellen (oder vergangenen) Einschränkungen des Modells und nicht einer grundlegenden öffentlichen Präferenz für KI als Kopilot ist. Es ist wahrscheinlich, dass Benutzer KI als echten Kollegen und nicht nur als Berater nutzen werden, sobald es eine wirklich leistungsfähige KI-Lösung gibt. Vereinfacht ausgedrückt: Menschen wollen KI als Kollegen nutzen, aber es gibt noch Einschränkungen.

Aus meiner Erfahrung und dem, was ich während der Kundentwicklungsgespräche gehört habe, gehe ich davon aus, dass es einen ernsthaften Nachteil gibt, den KI noch nicht überwinden kann. Einerseits fehlt es an Kontext. Andererseits kann nicht jede Arbeit in eine einfache Anfrage (oder ich bin einfach nicht geduldig genug) aufgeteilt werden.

Lassen Sie mich diese beiden Punkte erläutern. Da KI an Kontext fehlt, kann sie nicht freigelassen werden, wenn es um die Erstellung von Inhalten geht. Sie muss überwacht werden, und die Anfrage muss möglicherweise für ein besseres Ergebnis überarbeitet werden. IBM erklärte die Idee in wissenschaftlichen Begriffen. Menschen sammeln reiche situative Verständnis durch kontinuierliche Wahrnehmung, Erinnerung und reale Erfahrung, während KI-Assistenten rein durch Vorhersage des nächsten Tokens (~Wort) basierend auf einem festen “Kontextfenster” von aktuellen Eingaben operieren. KI hat ein kurzes Gedächtnis, und frühere Informationen gehen verloren, sobald die Speicherkapazität aufgebraucht ist.

Large Language Modelle haben Schwierigkeiten mit komplexen Aufgaben. Leistung und Kohärenz verschlechtern sich, wenn Aufgaben kombiniert werden, wie Prompt Drive erklärt. Es gibt einen Ansatz, um diese Einschränkung zu überwinden – den sogenannten Divide-and-Conquer-Ansatz. Allerdings wird anerkannt, dass keine einzelne Anfrage alle Nuancen erfassen kann, so dass KI ein exzellenter Kopilot und ein begrenzter Kollege bleibt.

Jetzt habe ich mich im Bereich von ChatGPT bewegt. Wird dieses Verhältnis (49% vs 40%) bei anderen KI-Tools repliziert?

• 60% der an Perplexity AI gesendeten Nachrichten sind forschungsgetriebene Anfragen und keine reinen Inhaltsgenerierungen, wie App Labx berichtet.
• DeepSeek R1 erzielt hohe Punktzahlen als fortgeschrittener Kollege für Logikaufgaben und Kopilot für Ketten von Gedanken, wie in seinem internen Bericht angegeben.
• GitHub Co-Pilot (der Hinweis ist im Namen, richtig?) ist für Editor-Vorschläge für Code, Debugging und Lernunterstützung konzipiert. Es ist sicher zu sagen, dass seine Rolle darin besteht, zu helfen und nicht zu tun.
• Microsoft Copilot zeigt ein ungefähr gleiches Verhältnis zwischen “Fragen” und “Tun”, was den NutzungsMustern für ChatGPT entspricht.

Was lassen uns also die Ergebnisse zurück? Wie ich es sehe, ist KI ein leistungsfähiger Booster für wissensintensive Arbeit, der Entscheidungsfindung beschleunigt und sich in direkten Zeitersparnissen und indirekten Umsatzgewinnen niederschlägt. Sich gegen KI zu wehren, um “menschliche Note” oder “einzigartigen Inhalt” zu bevorzugen, bedeutet, auf lange Sicht zu verlieren. Menschen nutzen ChatGPT und andere KI-Assistenten, um Entscheidungsfindung zu verbessern, und nicht, um einen menschlichen Entscheidungsträger ganz zu ersetzen.

Wird das Muster sich ändern? Werden Menschen den massiven Gehirnverfall aufgrund der zunehmenden Delegation von Arbeit an KI sehen? Bleiben Sie dran für meinen nächsten Artikel über die Auswirkungen von KI auf das menschliche Gehirn und kognitive Fähigkeiten.