GenAI in der Wissensarbeit

Effizienz, Qualität &  Vielfalt von Ergebnissen in GenAI-unterstützter Wissensarbeit

In einem gemeinsamen Projektvorhaben hat die Universität Ulm in Kooperation mit der Liebherr-Digital Development Center GmbH untersucht, wie sich der Einsatz von GenAI auf die Produktivität und Ergebnisse von Wissensarbeit auswirkt. GenAI-Systeme werden zunehmend im Arbeitsalltag eingesetzt, etwa zur Recherche von Informationen, zum Strukturieren von Inhalten oder zur Entwicklung neuer Ideen. Viele Unternehmen erwarten dadurch deutliche Produktivitätsgewinne. Gleichzeitig ist bislang nur begrenzt bekannt, wie sich GenAI tatsächlich auf Effizienz, Qualität und Vielfalt der Ergebnisse von Wissensarbeit auswirkt. Vor diesem Hintergrund wurde gemeinsam mit Liebherr eine Nutzerstudie durchgeführt, in der Mitarbeitende typische Aufgaben der Wissensarbeit bearbeiteten – darunter Informationsrecherche, Zusammenfassung von Inhalten sowie die Entwicklung neuer Ideen. Ein Teil der Teilnehmenden wurde dabei durch eine GenAI-Applikation unterstützt, während eine Kontrollgruppe die gleichen Aufgaben ohne solche Unterstützung bearbeitete. Die Ergebnisse zeigen, dass GenAI die Bearbeitung vieler Aufgaben deutlich beschleunigen kann. Gleichzeitig hängt der Einfluss auf die Qualität der Ergebnisse von der Art der Aufgabe ab. Besonders deutlich profitieren dabei Mitarbeitende mit geringerer Ausgangsleistung, während der Leistungsunterschied zwischen sogenannten Top- und Bottom-Performern durch die Unterstützung von GenAI teilweise reduziert wird. Darüber hinaus weisen die Resultate darauf hin, dass GenAI-unterstützte Wissensarbeit zu stärker ähnlichen Ergebnissen führen kann. Ein bewusster und reflektierter Umgang mit GenAI – etwa durch gezielte Prompts und kritische Weiterverarbeitung der generierten Inhalte – kann helfen, solche Effekte zu reduzieren.

Kooperationspartner: Liebherr-Digital Development Center GmbH

Projektzeitraum: 2024 – Juli 2025

 

Transfer

Die Projektergebnisse liefern Unternehmen wichtige Erkenntnisse für den praktischen Einsatz von GenAI in wissensintensiven Arbeitsprozessen. Sie zeigen, bei welchen Aufgaben GenAI besonders effektiv eingesetzt werden kann und wo mögliche Risiken für Qualität, Kreativität und Vielfalt der Ergebnisse bestehen. Auf dieser Grundlage lassen sich Handlungsempfehlungen für die Gestaltung von Human-(Gen)AI-Collaboration ableiten, beispielsweise für den Aufbau von Kompetenzen im Umgang mit GenAI, die Gestaltung von Arbeitsprozessen sowie für einen reflektierten Einsatz von GenAI im Arbeitsalltag. Die Ergebnisse fließen sowohl in wissenschaftliche Publikationen als auch in den Wissenstransfer mit Unternehmen ein und tragen dazu bei, den produktiven und verantwortungsvollen Einsatz von GenAI in der Wissensarbeit zu fördern.