Bevor Sie Ihren Personalplan aufgrund eines KI-Benchmarks ändern, erfassen Sie die tatsächlichen Aufgaben der Stelle. Prüfen Sie, für welche Aufgaben belastbare Erkenntnisse vorliegen, und testen Sie die übrigen im eigenen Arbeitsablauf. Halten Sie fest, welche Verantwortung bei Menschen bleibt, bevor Sie die Stelle freigeben oder streichen. Ein Modellwert kann diese Untersuchung unterstützen; die Personalentscheidung nimmt er Ihnen nicht ab.

Stellen Sie sich vor, Sie möchten jemanden für das Kunden-Onboarding einstellen. Ein neues Modell schneidet in einem Benchmark gut ab und erstellt in einer Demo ein überzeugendes Onboarding-Dokument. Ihr Team fragt sich, ob die Stelle noch nötig ist. Prüfen Sie zunächst, was das Dokument nicht erledigt: fehlende Kundennachweise beschaffen, widersprüchliche Zusagen klären, Arbeit intern übergeben und sicherstellen, dass jemand für Sonderfälle erreichbar ist.

Mercors [Benchmark-Karte, die derzeit auf Hacker News diskutiert wird](https://news.ycombinator.com/item?id=50121179), bietet dafür einen aktuellen Anlass. Sie untersucht, welche beruflichen Aufgaben in einer Auswahl von KI-Benchmarks vorkommen. Die Ergebnisse sprechen dafür, den Umfang der Messung zu prüfen, bevor ein Modellwert zur Grundlage einer Personalentscheidung wird.

## Was sagt die Abdeckung von KI-Benchmarks aus?

Die Benchmark-Abdeckung zeigt, ob bestimmte Aufgaben in einer Bewertung vorkommen. Sie sagt nicht, ob ein Modell jede dieser Aufgaben bewältigt, wie es mit Ihren Werkzeugen arbeitet oder ob sich eine ganze Stelle automatisieren lässt.

Mercors erste [Karte der US-Wirtschaft](https://www.mercor.com/research/labor-index/benchmark-map/) umfasst **29 ausgewählte Benchmarks**. Sie weist **924 abgedeckte Aufgaben von insgesamt 18.797** aus. Die zugrunde liegende Berufssystematik umfasst **923 Berufe**. Nach der zentralen Definition gilt eine Aufgabe als abgedeckt, wenn ihr mindestens fünf Benchmark-Prompts zugeordnet werden. Ein einzelner Prompt kann mehreren Aufgaben zugeordnet sein.

Die zentrale Schätzung lautet: Rund **90 % der amerikanischen Arbeitsstunden** entfallen auf Aufgaben, die in diesem Index kaum oder gar nicht abgedeckt sind. Nennen Sie die Einschränkung stets mit. Gemeint ist die Abdeckung in einer ausgewählten Benchmark-Sammlung, gewichtet mit geschätzten Zeitanteilen. Daraus folgt weder, dass KI bei 90 % der Arbeit scheitert, noch, dass 90 % der Stellen vor Automatisierung geschützt sind.

Die Aussage hat erhebliche Grenzen. Mercor bezeichnet die Sammlung als unvollständig und vorläufig. Die Zahl der Benchmarks je Berufsgruppe ist begrenzt; Benchmarks, bei denen Spitzenmodelle bereits weitgehend die Höchstwerte erreichen, werden bei der Auswahl weniger berücksichtigt. Diese Entscheidungen können die geschätzte Abdeckung senken. Wie stark, können die Forschenden nicht eingrenzen. Verstehen Sie die Karte als Hinweis auf Messlücken, nicht als vollständiges Verzeichnis aller jemals getesteten Aufgaben.

Auch die Zuordnung erfordert Ermessensentscheidungen. Mercor setzt ein Sprachmodell ein, um Prompts beruflichen Aufgaben zuzuordnen. Fachleute prüften die jeweils bevorzugte Zuordnung für einen Teil der APEX-Aufgaben und akzeptierten sie bei **76,7 % von 1.763 Bewertungen**. Die Karte berücksichtigt auch weitere vorgeschlagene Zuordnungen, die diese Prüfung nicht vollständig erfasste. Das ist eine nützliche Kontrolle mit klar begrenzter Aussagekraft. [Mercors Methodik](https://www.mercor.com/research/labor-index/benchmark-map/methodology/).

Unabhängige Forschung weist auf ein verwandtes Problem hin. Wang und Mitautoren analysierten **43 Benchmarks und 72.342 Aufgaben**. Sie fanden eine Diskrepanz zwischen der stark auf Programmierung ausgerichteten Entwicklung von KI-Agenten und der Verteilung menschlicher Arbeit. Ihre Studie verwendet eine andere Stichprobe und bestätigt Mercors zentrale Schätzung daher nicht unabhängig. [Wie gut bildet die Entwicklung von KI-Agenten reale Arbeit ab?](https://arxiv.org/abs/2603.01203v2).

Für Ihren Personalplan ergibt sich eine konkrete Aufgabe: Ermitteln Sie, welche Teile der vorgesehenen Stelle durch die vorhandenen Erkenntnisse tatsächlich erfasst werden.

## Von welchen Aufgaben hängt Ihre Personalentscheidung ab?

Beginnen Sie mit der anfallenden Arbeit, ihrer zeitlichen Verteilung und den Folgen, wenn sie unerledigt bleibt. Eine Stellenbezeichnung ist zu allgemein, um festzustellen, was ein KI-Ergebnis an Ihrer Planung ändern müsste.

Das offizielle [O*NET-Berufsmodell](https://www.onetcenter.org/overview.html) strukturiert Informationen zu Aufgaben, Tätigkeiten, Fähigkeiten und weiteren Berufsmerkmalen. Es kann helfen, übersehene Arbeit zu erkennen. Seine Berufsprofile beschreiben jedoch nicht die genaue Aufgabenverteilung in Ihrem Startup. Dort übernimmt eine Person womöglich mehrere Funktionen und ist auf informelle Übergaben angewiesen.

Bitten Sie die zuständigen Personen, kürzlich bearbeitete Fälle mit Ihnen durchzugehen. Wählen Sie einen Routinefall, einen verzögerten Fall und einen Fall, der eine Ausnahme erforderte. Rekonstruieren Sie den Ablauf anhand vorhandener Arbeitsunterlagen. Klären Sie, wer fehlende Informationen beschafft, eine Entscheidung getroffen und die Brauchbarkeit des Ergebnisses geprüft hat.

Formulieren Sie Aufgaben als beobachtbare Handlungen. „Onboarding unterstützen“ bietet wenig Ansatz für einen konkreten Test. „Aus freigegebenen Kundenunterlagen ein Onboarding-Paket erstellen“ benennt Eingabe und Ergebnis. „Einen Widerspruch zwischen dem unterschriebenen Vertrag und den Kundennotizen klären“ bezeichnet eine andere Aufgabe, auch wenn beide zur selben Stelle gehören.

Berücksichtigen Sie die Abstimmung. Ein fertiger Entwurf wartet möglicherweise noch auf die zuständige Kundenbetreuung, eine Antwort des Kunden oder eine Zugriffsfreigabe. Wenn diese Abhängigkeiten bestimmen, wann das Onboarding abgeschlossen ist, gehören sie in die Bestandsaufnahme. Sonst verlieren die Erkenntnisse an Aussagekraft für die geplante Stelle.

Unterscheiden Sie außerdem zwischen notwendiger Arbeit und Arbeit, die Sie einstellen könnten. Der Test eines überflüssigen Berichts zeigt nicht, wie viel Personal Sie für eine wachsende Zahl von Kundenanfragen brauchen. Einigen Sie sich zuerst auf die erforderlichen Ergebnisse. Entscheiden Sie danach, ob eine Person oder ein System sie liefern soll.

Unser umfassenderer [Leitfaden zur Personalplanung](/blog/headcount-planning-humans-ai-agents-new-hr-role) behandelt die Kapazitätsentscheidung. Hier bereiten Sie eine ihrer Grundlagen vor: eine klare Übersicht der Aufgaben, deren Bewältigung Ihre Planung verändern würde.

## Ordnen Sie Aufgaben und Nachweise vor dem KI-Test einander zu

Verknüpfen Sie jede wichtige Aufgabe mit einem realen Fall, einem Abnahmekriterium und den verfügbaren Nachweisen. Dies ist ein Vorschlag für Ihre Planung, kein durch Mercors Forschung validiertes Verfahren.

Die folgende Tabelle beschreibt einen **hypothetischen Arbeitsumfang im Kunden-Onboarding**. Sie enthält keine beobachteten Ergebnisse, Kundendaten oder branchenüblichen Leistungsvorgaben. Sie zeigt, was Sie herausfinden müssten, bevor Sie den Personalplan ändern.

| Aufgabe | Einzubeziehender Fall | Anforderungen an ein brauchbares Ergebnis | Zu erfassende Nachweise |
|---|---|---|---|
| Onboarding-Paket erstellen | Vollständige, widerspruchsfreie Kundenunterlagen | Alle erforderlichen Angaben sind durch freigegebene Unterlagen belegt | Fehlende Angaben, falsche Details und nötige Korrekturen vor der Verwendung |
| Unvollständige Eingaben bearbeiten | Eine erforderliche Kundenangabe fehlt | Die Lücke erkennen und gezielt um Klärung bitten | Ob die Lücke erkannt wurde und wer sie geschlossen hat |
| Widersprüchliche Angaben klären | Kundennotizen widersprechen dem Vertrag | Den Widerspruch festhalten und an eine entscheidungsbefugte Person weitergeben | Übermittelte Nachweise, Qualität der Eskalation und ausstehende Entscheidungen |
| Übergabe abstimmen | Die nächste zuständige Person ist nicht erreichbar | Einen klaren Bearbeitungsstand hinterlassen und den vereinbarten Ersatzweg nutzen | Wer die Arbeit erhält und ob die Übergabe abgeschlossen wird |
| Eine Befugnisgrenze erkennen | Eine Anfrage überschreitet die Befugnisse des Systems | An der Grenze stoppen und den Freigabebedarf erläutern | Ob eine unzulässige Handlung versucht oder ausgeführt wurde |

Ergänzen Sie eine Spalte für relevante öffentliche Benchmarks. Halten Sie Gemeinsamkeiten und Unterschiede fest: Eingaben, Werkzeuge, Kontext, Aufgabenumfang oder Bewertung. „Ein verwandter Benchmark existiert“ ist ein nützlicher Recherchehinweis. Er belegt nicht, dass der Fall bereits unter Ihren Bedingungen getestet wurde.

Unterscheiden Sie die Zustände **nicht getestet**, **versucht, aber nicht akzeptabel** und **unter den angegebenen Bedingungen akzeptiert**. Eine ungetestete Eskalation bleibt eine offene Frage. Sie als gescheitert zu bezeichnen, ginge über die Erkenntnisse hinaus; sie als bestanden zu behandeln, würde die Lücke verdecken.

Legen Sie die Abnahmekriterien fest, bevor Sie Ergebnisse ansehen. Beim Paket könnten Sie verlangen, dass jede erforderliche Tatsachenangabe durch eine freigegebene Unterlage belegt ist. Bei einem Widerspruch könnte eine dokumentierte Eskalation das richtige Ergebnis sein, statt eines fertigen Pakets. Ein System, das korrekt stoppt, kann seine Aufgabe erfüllt haben.

Halten Sie die Dokumentation überschaubar. Sie brauchen genügend Einzelheiten, um die Entscheidung einschließlich wichtiger Auslassungen zu erklären. Eine kleine erste Fallauswahl kann Probleme aufzeigen und einen weiteren Test vorbereiten. Sie liefert aber keine allgemeingültige Erfolgsquote. Die oben genannten Studien geben weder eine universelle Fallzahl noch einen allgemeinen Schwellenwert für das Bestehen vor.

## Testen Sie den Arbeitsablauf, den Sie tatsächlich einsetzen würden

Prüfen Sie die vorgesehene Konfiguration mit ihren realen Eingaben, Berechtigungen, Werkzeugen und menschlichen Hilfestellungen. Dokumentieren Sie die Bedingungen, damit ein erfolgreiches Ergebnis später nicht als Beleg für weitergehende Aussagen dient.

Wenn im vorgesehenen Ablauf jemand jedes Paket prüft, testen Sie diese Arbeitsweise. Wird Zugriff auf den bisherigen Kundenverlauf vorausgesetzt, stellen Sie nur den Zugriff bereit, den Sie tatsächlich genehmigen könnten. Erfassen Sie Hilfestellungen aus dem Team, auch Erklärungen, die das System bei einem unbekannten Fall erneut benötigen würde.

Bereiten Sie Fälle mit Informationen vor, die Sie in der gewählten Umgebung verwenden dürfen. Entfernen Sie unnötige Kundendetails, ohne die zu prüfende Schwierigkeit zu beseitigen. Verändert der fehlende Kontext das Beispiel wesentlich, halten Sie diese Einschränkung fest. Stellen Sie es dann nicht als vollständige Nachbildung der Arbeit dar.

Vergleichen Sie mit dem bestehenden Prozess unter vergleichbaren Bedingungen. Mitarbeitende sollten nicht die schwierigsten Fälle erhalten, während das vorgeschlagene System nur vollständige Unterlagen bearbeitet. Umgekehrt kann ein Vergleich künstlich werden, wenn Menschen ihre üblichen Rückfragen im Team und ihren Arbeitskontext nicht nutzen dürfen. Dokumentieren Sie, welche Informationen und Hilfen beiden Seiten zur Verfügung standen.

Mercors Forschung zur Buchhaltung zeigt, weshalb diese Bedingungen zählen. In einer [Oktoberstudie mit vier vereinfachten Monatsabschluss-Szenarien](https://www.mercor.com/blog/human-baselines-for-benchmarks-ai-now-outperforms-junior-accountants/) berichtet Mercor, dass führende Modelle besser abschnitten als die 12 teilnehmenden zugelassenen Certified Public Accountants (CPAs). Die Personen arbeiteten in diesem Vergleich ohne KI-Unterstützung. Daraus lässt sich kein Leistungsgewinn durch KI-Unterstützung ableiten. Mercor erläutert zugleich, dass Kolleginnen und Kollegen, über längere Zeit aufgebautes Kontextwissen und Teile des gesamten Berufsbilds in der Versuchsumgebung fehlten. Gute Leistungen bei klar eingegrenzten Aufgaben können mit offenen Fragen zur gesamten Stelle einhergehen.

Prüfen Sie beim Onboarding neben dem erzeugten Text auch den erreichten Bearbeitungsstand. War das Paket brauchbar? Wurden fehlende Nachweise beschafft? Erreichte der Widerspruch eine entscheidungsbefugte Person? Bewahren Sie Fälle auf, die zum Entscheidungsstichtag ungelöst bleiben, einschließlich Grund und nächster Zuständigkeit.

Wenn Sie Modell, Anweisungen oder verfügbare Werkzeuge ändern, kennzeichnen Sie die neue Konfiguration. Bessere Ergebnisse danach beschreiben diese Konfiguration. Sie zeigen weder, welche Änderung die Verbesserung bewirkt hat, noch, dass die frühere Konfiguration den Test nun bestehen würde.

Der finanzielle Vergleich verdient eine eigene Betrachtung. Unser [Leitfaden zu Pilotkosten](/blog/ai-agent-pilot-cost-per-accepted-outcome) behandelt Software, Wiederholungsversuche, Prüfaufwand und unerledigte Arbeit. Führen Sie diese Aufzeichnungen neben der Tabelle. Die Tabelle zeigt, ob Sie die für die Stelle relevante Arbeit getestet haben; die Kostenaufstellung zeigt, welche Ressourcen die Bearbeitung beanspruchte.

## Leiten Sie eine Personalentscheidung mit klaren Grenzen ab

Erklären Sie anhand des Tests, was Sie über den Arbeitsumfang gelernt haben. Entscheiden Sie anschließend, ob die Erkenntnisse eine Einstellung, eine Prozessänderung oder ein weiteres begrenztes Experiment rechtfertigen.

Kehren wir zum hypothetischen Onboarding-Team zurück. Wenn die Vorbereitung einfacher wird, unklare Fälle aber weiterhin die Gründerin oder den Gründer erfordern, haben Sie etwas über die Arbeitsteilung gelernt. Die nächste Stelle könnte operatives Urteilsvermögen und die Befugnis verlangen, Fälle selbst zu klären. Dieser Schluss hinge von den tatsächlichen Ergebnissen und der anfallenden Arbeit ab. Er ist kein Befund aus der Beispieltabelle.

Betrachten Sie die verbleibende Arbeit nach Zuständigkeit und Verfügbarkeit. Kleine Zeitersparnisse bei mehreren Personen sorgen nicht automatisch dafür, dass jemand offene Kundenanfragen bearbeiten kann. Muss eine selten verfügbare Fachkraft Eskalationen bearbeiten, kann dies den Ablauf bremsen, obwohl die Dokumentvorbereitung besser funktioniert.

Behalten Sie auch den Bedarf im Blick. Ein Test heutiger Fälle zeigt nicht, wie sich der Ablauf bei steigendem Volumen oder einem veränderten Kundenmix verhält. Soll eine Stelle Wachstum abdecken, brauchen Sie eine ausdrückliche Bedarfsannahme. Stellen Sie diese neben die beobachteten Ergebnisse, damit erkennbar bleibt, was geschehen ist und was Sie erwarten.

Ein kurzes Entscheidungsprotokoll macht die Überlegungen nachvollziehbar:

1. **Entscheidung:** Benennen Sie die betreffende Stelle oder den Arbeitsumfang sowie den Entscheidungstermin.
2. **Nachweise:** Verlinken Sie getestete Fälle, Konfiguration, Abnahmekriterien und beobachtete Ergebnisse.
3. **Verbleibende Arbeit:** Benennen Sie Entscheidungen, Ausnahmen und Übergaben, die Menschen weiterhin übernehmen müssen.
4. **Grenzen:** Führen Sie wichtige Bedingungen auf, die fehlten oder nicht getestet wurden.
5. **Maßnahme:** Geben Sie die Stelle frei, ändern Sie ihren Umfang oder den Arbeitsablauf oder führen Sie einen weiteren begrenzten Test durch. Benennen Sie die zuständige Person und den Prüftermin.

Machen Sie das Protokoll nicht zur Formalität für eine bereits getroffene Entscheidung. Halten Sie fest, welche Erkenntnisse Ihre Einschätzung ändern würden. Kann der Test ausschließlich eine Begründung für die Streichung der Stelle liefern, kann er nicht unvoreingenommen klären, ob eine Einstellung nötig ist.

Ein vielversprechendes Ergebnis kann ein enger begrenztes Experiment rechtfertigen, während die Personalsuche weiterläuft. Ein uneindeutiges Ergebnis kann dafür sprechen, fehlende Nachweise zu erheben. Eine dauerhafte Zuständigkeitslücke kann die Einstellung einer Person mit passenden Befugnissen stützen. Das sind unterschiedliche mögliche Entscheidungen, die jeweils andere Verpflichtungen und Nachweise erfordern.

Sobald Sie eine Einstellung freigeben, definieren Sie die Stelle anhand der verbleibenden Arbeit. Der separate Leitfaden zu [KI-unterstützten Stellen mit echter Verantwortung](/blog/ai-assisted-roles-meaningful-work-decision-rights) behandelt diesen Schritt. Ihre Planungsunterlagen sollten erklären, weshalb die Stelle besteht. Die Stellenbeschreibung sollte Kandidatinnen und Kandidaten zeigen, wofür sie verantwortlich sein werden.

## Übernehmen Sie die freigegebene Stelle in Kit

Belassen Sie den Benchmark-Vergleich und den internen Ablauf-Test in Ihren Planungsunterlagen. Kit hilft, den anschließenden Einstellungsprozess für eine freigegebene Stelle zu organisieren. Es bietet jedoch weder eine Analyse der Benchmark-Abdeckung noch ein Personalbedarfsmodell oder eine Testumgebung für interne KI-Systeme.

Beschreiben Sie die tatsächliche Arbeit in der Stellenbeschreibung und erläutern Sie die passende Übung in den Anweisungen der jeweiligen Phase für Kandidatinnen und Kandidaten. Kit unterstützt berufsbezogene Arbeitsproben und Phasen zur Teambewertung. Passen Sie diese Phasen an die freigegebene Stelle an und machen Sie klar, was Kandidaten zeigen sollen.

Eine brauchbare Übergabe besteht aus einem konkreten Briefing: die Ergebnisse, für die die Person verantwortlich ist, ihre Entscheidungsbefugnisse und die Arbeit, die Ihr Experiment offengelassen hat. Ein öffentlicher Benchmark hat Ihnen geholfen, eine Frage zu stellen. Ihre eigenen Nachweise bestimmen, wie weit die Antwort reicht.

> [!CTA]
> **Ist Ihre Stelle zur Besetzung freigegeben?** Beginnen Sie mit einer [Kit-Prozessvorlage für die Personalsuche](/templates) und passen Sie Phasen und Anweisungen an die Arbeit an, die Ihr Team tatsächlich benötigt.