OpenAI-Analyse: KI soll Wissensarbeitern 40 bis 80 Minuten pro Tag sparen

OpenAI hat einen umfassenden Bericht zur KI-Nutzung in Unternehmen veröffentlicht. Die Daten zeigen Produktivitätsgewinne und eine wachsende Kluft zwischen Vorreitern und Nachzüglern.

Laut dem Bericht "The State of Enterprise AI 2025" von OpenAI sparen Unternehmensnutzer von ChatGPT Enterprise durchschnittlich 40 bis 60 Minuten pro aktivem Arbeitstag. Mitarbeiter in den Bereichen Data Science, Engineering und Kommunikation berichten sogar von 60 bis 80 Minuten Zeitersparnis.

75 Prozent der befragten Arbeiter geben an, dass KI entweder die Geschwindigkeit oder die Qualität ihrer Arbeit verbessert habe. Die Auswirkungen variieren je nach Funktion: 87 Prozent der IT-Mitarbeiter berichten von schnellerer Problemlösung, 85 Prozent der Marketing- und Produkt-Mitarbeiter von schnellerer Kampagnenausführung und 73 Prozent der Ingenieure von schnellerer Code-Auslieferung.

Die Analyse basiert auf de-identifizierten und aggregierten Nutzungsdaten von OpenAIs Enterprise-Angeboten sowie einer Umfrage unter 9.000 Arbeitnehmern aus fast 100 Unternehmen.

Wer mehr KI nutzt, spart mehr Zeit

Die berichtete Zeitersparnis hängt stark davon ab, wie vielfältig Nutzer KI einsetzen: Wer etwa sieben verschiedene Aufgabentypen abdeckt, berichtet von fünfmal mehr Zeitersparnis als Nutzer mit nur vier Aufgabentypen. Intensive Nutzer setzen zudem häufiger fortgeschrittene Funktionen wie Deep Research und Reasoning-Modelle ein.

75 Prozent der Nutzer geben zudem an, nun Aufgaben erledigen zu können, die sie zuvor nicht ausführen konnten. Dazu gehören Programmierunterstützung, Code-Review, Tabellenanalyse und -automatisierung sowie die Entwicklung technischer Tools. Nutzer, die mehr als zehn Stunden pro Woche einsparen, verbrauchen achtmal mehr Credits als Nutzer ohne Zeitersparnis.

KI-Nutzung nimmt branchenübergreifend zu

Das Nachrichtenvolumen bei ChatGPT Enterprise ist laut dem Bericht seit November 2024 um das Achtfache gestiegen, die Zahl der Enterprise-Sitze um das Neunfache im Jahresvergleich. Der durchschnittliche Verbrauch von Reasoning-Tokens pro Organisation stieg um das 320-Fache, was auf eine verstärkte Nutzung fortschrittlicherer KI-Modelle hindeutet, die länger nachdenken und daher mehr Token generieren. Ob das eine aussagekräftige Metrik für KI-Erfolg ist, ist eine andere Frage.

Das Wachstum verteilt sich unterschiedlich auf die Branchen. Der Mediansektor wuchs um mehr als das Sechsfache im Jahresvergleich. Die Technologiebranche führt mit elffachem Wachstum, gefolgt von Healthcare (8x) und Manufacturing (7x). In absoluten Zahlen sind die meisten ChatGPT-Enterprise-Kunden in Professional Services, Finance und Technologie konzentriert.

Die wöchentlichen Nutzer von Custom GPTs und Projects sind um das 19-Fache gestiegen. Etwa 20 Prozent aller Enterprise-Nachrichten werden mittlerweile über einen Custom-GPT oder ein Project verarbeitet.

Die API-Nutzungsmuster unterscheiden sich ebenfalls: Technologieunternehmen setzen die API primär für kundenorientierte Anwendungen wie In-App-Assistenten ein, Professional-Services-Firmen konzentrieren sich auf Coding- und Entwicklertools, Finanzunternehmen beginnen häufig mit Kundensupport. Das internationale Wachstum hat sich laut OpenAI insgesamt beschleunigt im Vergleich zur USA.

Das Vereinigte Königreich und Deutschland gehören zu den größten ChatGPT‑Enterprise-Märkten außerhalb der USA nach Kundenzahl; nach Nachrichtenvolumen zählen Deutschland und Japan zu den aktivsten Märkten.

Wachsende Kluft zwischen Vorreitern und Nachzüglern

Der Bericht identifiziert erhebliche Unterschiede in der Nutzungsintensität. Sogenannte Frontier-Arbeiter, definiert als das 95. Perzentil der Adoptionsintensität, senden sechsmal mehr Nachrichten als der Mediannutzer. Bei Coding-Aufgaben ist die Kluft noch größer: Hier liegt der Faktor bei 17.

Auf Unternehmensebene zeigt sich ein ähnliches Bild: Frontier-Firmen generieren etwa doppelt so viele Nachrichten pro Sitz wie das Medianunternehmen und siebenmal mehr Nachrichten an GPTs.

Viele aktive Nutzer haben fortgeschrittene Funktionen zudem nie ausprobiert. Von den monatlich aktiven Nutzern haben 19 Prozent nie die Datenanalyse-Funktion verwendet, 14 Prozent nie Reasoning und 12 Prozent nie die Suchfunktion. Bei täglich aktiven Nutzern sinken diese Anteile auf ein bis drei Prozent.