Im Microsoft-Research-Podcast „Ideas“ sprechen Microsoft Chief Scientist und Technical Fellow Jaime Teevan sowie Jenna Butler, Jake Hofman und Rebecca Janssen über den Microsoft New Future of Work Report 2025. Die seit 2020 laufende Forschungsinitiative untersucht, wie sich Arbeit unter dem Einfluss von Pandemie, Hybrid Work und zunehmend leistungsfähigen KI-Modellen verändert.
Der Report erscheint jährlich und bündelt Forschung aus Microsoft und externen Quellen. Laut Butler soll er Entwicklungen rund um KI und Arbeit in forschungsbasierten, belastbaren Aussagen zusammenfassen, darunter Themen wie Wirtschaft, Adoption, Thinking and Learning, einzelne Branchen sowie Einschätzungen externer Fachleute. Die Beiträge sollen auch für ein akademisches Publikum ohne spezielle KI-Vorkenntnisse zugänglich sein.
Im Gespräch wird betont, dass die Veränderungen der vergangenen Jahre nicht als voneinander getrennte Umbrüche verstanden werden, sondern als Teil einer größeren Verschiebung darin, wie digitale Technologien Menschen bei der Arbeit unterstützen. Hofman beschreibt, wie sich die Forschung zu generativer KI und Arbeit in den letzten drei Jahren verändert hat: Anfang 2023 standen vor allem isolierte Modellbewertungen im Vordergrund, während heute deutlich mehr Feldexperimente mit realen Nutzerinnen und Nutzern möglich sind. Zugleich habe sich der Fokus von reiner Beschleunigung hin zu breiteren Effekten verschoben.
Bei der Nutzung von KI verweist Janssen auf Umfragedaten und Feldstudien, die insgesamt steigende Adoption zeigen, allerdings mit deutlichen Unterschieden nach Branche und Anwendungszweck. Genannt wird eine deutsche Umfrage, nach der rund 38 Prozent der Befragten KI für die Arbeit nutzen. Weitere Erhebungen deuten darauf hin, dass etwa IT und Procurement offener für KI sind als Marketing oder Operations. Zudem gebe es Hinweise darauf, dass Männer KI eher nutzen als Frauen. Bei den Nutzungsmustern zählen Information Retrieval, Kommunikation und schreibbezogene Aufgaben zu den häufigen Einsatzfeldern; je nach Tool können sich die Schwerpunkte aber unterscheiden, etwa mit stärkerem Gewicht auf Coding- und Entwickler-Szenarien.
Für den Bildungsbereich verweist Hofman auf Umfragen, nach denen 80 Prozent der K-12-Lehrkräfte und 90 Prozent der K-12-Schülerinnen und -Schüler generative KI für schulische Arbeit verwendet haben. Trotz einer Vielzahl spezieller Bildungstools würden viele dabei vor allem allgemeine Produkte wie Copilot, ChatGPT, Claude oder Gemini nutzen. Daraus leitet er eine Lücke bei Policy und Training ab. Zugleich nennt er ein Programm der American Federation of Teachers gemeinsam mit Microsoft, OpenAI und Anthropic, das Lehrkräfte für einen angemessenen Einsatz weiterqualifizieren soll.
Mehrfach wird hervorgehoben, dass KI-Nutzung innerhalb von Organisationen nicht nur von bereitgestelltem Zugang abhängt. Butler beschreibt, dass individuelle Gespräche unter Kolleginnen und Kollegen sowie das Verhalten von Führungskräften beeinflussen können, ob und wofür Menschen KI einsetzen. Hofman ergänzt, dass die niedrigere Hürde zur Automatisierung zu viel Experimentieren und kreativen Anwendungen führt, zugleich aber auch riskante Nutzung begünstigen kann, etwa bei agentischen Systemen mit weitreichenden Berechtigungen. Janssen hebt neue Formen der Interaktion mit KI hervor, die über textbasierte Eingaben hinausgehen und stärker auf individuelle Präferenzen eingehen können.
Bei den Auswirkungen auf Arbeit und Produktivität betonen die Gesprächspartner, dass sich Veränderungen eher auf Aufgabenebene als auf Ebene ganzer Berufe beobachten lassen. Butler nennt für Software Engineering Befunde, nach denen Entwicklerinnen und Entwickler mehr Zeit für schwierigere und aus ihrer Sicht interessantere Probleme aufwenden und weniger Boilerplate-Arbeit erledigen. Gleichzeitig könne dies zu Burnout oder kognitiver Überlastung beitragen, wenn Entlastung bei einfacheren Aufgaben wegfällt.
Janssen verweist auf mehrere Labor- und Feldstudien aus verschiedenen Berufen, in denen Gruppen mit KI-Einsatz Aufgaben häufig schneller erledigen und oft bessere Ergebnisse erzielen. Zugleich gebe es auch Studien ohne solche Effekte sowie Hinweise auf Overreliance. Daher bleibe wichtig zu prüfen, für welche Aufgaben KI tatsächlich hilfreich ist. Sie verweist dabei auf eine „jagged frontier“ dessen, was KI leisten kann und was nicht.
Auf Ebene des Arbeitsmarkts sieht Janssen bislang keine großen Gesamteffekte. Studien zu Beschäftigungsraten, Stellenanzeigen und verwandten Indikatoren zeigten insgesamt eher moderate Auswirkungen. Abweichungen könne es in speziellen Bereichen wie Online-Arbeitsplattformen geben. Als mögliche besonders betroffene Gruppe nennt sie Berufseinsteigerinnen und Berufseinsteiger, bei denen KI einige Aufgaben leichter übernehmen könne als in späteren Karrierephasen. Auch hier sei jedoch weitere Evidenz nötig, um Effekte eindeutig auf KI und nicht auf makroökonomische Trends zurückzuführen.
Im weiteren Verlauf wird betont, dass individuelle Produktivitätseffekte nicht automatisch Produktivitätseffekten auf Gruppenebene entsprechen und dass mehr KI-Nutzung nicht zwangsläufig bessere Ergebnisse bedeutet. Entscheidend sei auch, wann und wie Menschen KI einsetzen. Hofman warnt davor, wie bei Social Media nur auf leicht messbare Ziele wie Adoption, Engagement oder Effizienz zu optimieren. Stattdessen müsse beobachtet und gemessen werden, welche breiteren Folgen die Werkzeuge haben, um die Entwicklung bewusst zu steuern.
