Microsoft Copilot zeigt: 29 % schneller — aber nur mit der richtigen Wissensbasis

Microsoft hat mit dem Work Trend Index 2023 eine der grössten kontrollierten Studien zur KI-Produktivität am Arbeitsplatz veröffentlicht. Die Kernzahl ist beeindruckend: Mitarbeitende, die mit Copilot arbeiten, erledigen Standardaufgaben 29 Prozent schneller. Und trotzdem enthält dieselbe Studie eine Zahl, die dieses Ergebnis relativiert: 64 Prozent der Mitarbeitenden geben an, nicht genug Zeit oder Energie für ihre eigentliche Arbeit zu haben – Copilot hin oder her.

Diese beiden Zahlen aus derselben Studie widersprechen sich nicht. Sie beschreiben zwei verschiedene Kategorien von Arbeit – und genau dieser Unterschied entscheidet darüber, ob eine KI-Investition den vollen Effekt entfaltet oder nur einen Teil davon.

Was Copilot laut Microsoft tatsächlich leistet

Der Work Trend Index 2023 liefert differenzierte, überwiegend sehr positive Ergebnisse:

• 29 Prozent schnellere Bearbeitung bei einer Reihe von Standardaufgaben (Suchen, Schreiben, Zusammenfassen)
• 71 Prozent der Nutzenden geben an, durch Copilot Zeit bei repetitiven Routineaufgaben zu sparen
• 86 Prozent empfinden den Wiedereinstieg nach einer Abwesenheit (Ferien, Krankheit, Projektwechsel) als spürbar leichter

Microsoft Work Trend Index 2023 – Transforming Work with AI

Diese Zahlen sind glaubwürdig und decken sich mit dem, was generative KI in Office-Umgebungen nachweislich gut kann: E-Mails entwerfen, Besprechungen zusammenfassen, Texte strukturieren, Standardformulierungen beschleunigen. Für diese Art von Aufgaben ist Copilot ein starkes, gut belegtes Werkzeug.

Der Widerspruch, den dieselbe Studie offenlegt

Und dennoch: 64 Prozent der Befragten – aus derselben Erhebung – sagen, sie hätten nicht genug Zeit oder Energie für ihre Arbeit. Wie passt das zusammen mit 29 Prozent mehr Geschwindigkeit?

Die Antwort liegt nicht in der Studie selbst, sondern in der Natur der beschleunigten Aufgaben. Copilot ist trainiert auf öffentlich verfügbarem Wissen und arbeitet exzellent mit dem, was in Office-Dokumenten, E-Mails und allgemeinen Sprachmustern steckt. Was Copilot strukturell nicht wissen kann, sind die Fragen, die den grössten Teil der Reibung in einem KMU verursachen:

• Wie ist unser Onboarding-Prozess für neue Kunden im Detail geregelt?
• Was haben wir mit Kunde X in der letzten Verhandlung genau vereinbart?
• Welche Ausnahmeregelung gilt für diesen speziellen Fall – und warum?
• Wo ist das Wissen von Person Y dokumentiert, die letzten Monat das Unternehmen verlassen hat?

Diese Fragen sind nicht generisch. Sie sind unternehmensspezifisch, oft nirgendwo zentral dokumentiert und existieren häufig nur im Kopf einzelner Mitarbeitender. Für genau diese Kategorie von Fragen bringt auch die leistungsfähigste generische KI keinen Geschwindigkeitsvorteil – weil ihr die Datenbasis fehlt, nicht die Sprachfähigkeit.

Die Datenlücke ist kein Einzelfall — sie ist die Regel

Dass dieser blinde Fleck kein Nischenproblem ist, zeigt eine zweite, unabhängige Studie von Accenture (2024): 61 Prozent der Unternehmen geben an, dass ihre Daten schlicht nicht bereit für den produktiven GenAI-Einsatz sind. 70 Prozent berichten von konkreten Schwierigkeiten, KI-Projekte mit ihren eigenen, unternehmensspezifischen (proprietären) Daten zu skalieren.

Zusammengenommen ergibt sich ein klares Muster: Die Technologie funktioniert. Was in den meisten Unternehmen fehlt, ist eine strukturierte, durchsuchbare Grundlage des eigenen Wissens, auf der diese Technologie aufsetzen kann. Copilot kann diese Grundlage nicht selbst herstellen – das ist schlicht nicht seine Aufgabe. Es ist ein Werkzeug, das mit der Wissensbasis arbeitet, die man ihm gibt. Fehlt diese Basis für unternehmensspezifisches Wissen, bleibt der 29-Prozent-Effekt auf generische Aufgaben beschränkt – und die 64 Prozent, denen die Zeit fehlt, bleiben es auch mit Copilot.

Zwei Schichten, zwei Werkzeuge

Für IT-Verantwortliche, die M365 bereits im Einsatz haben und über Copilot nachdenken, lohnt sich deshalb eine klare Unterscheidung zwischen zwei verschiedenen Wissensschichten:

	Generisches Weltwissen	Unternehmensspezifisches Wissen
Beispiele	Textentwürfe, allgemeine Recherche, Standardformulierungen, Zusammenfassungen	Interne Prozesse, Kundenvereinbarungen, Produktdetails, implizites Erfahrungswissen
Wo das Wissen liegt	Trainingsdaten des Sprachmodells	Verteilt in Köpfen, E-Mails, Ordnerstrukturen, ungenutzten Dokumenten
Passendes Werkzeug	Microsoft Copilot	Eine eigene, semantisch indexierte Wissensbasis
Belegter Effekt	29% schneller (Microsoft WTI 2023)	Abhängig von Datenqualität — bei 61% der Unternehmen laut Accenture nicht gegeben

Wer nach «Copilot Alternative Schweiz» sucht, sucht in den meisten Fällen tatsächlich nicht nach einem Ersatz für Copilot – sondern nach genau dieser zweiten, fehlenden Schicht. Die Frage ist selten «Copilot oder etwas anderes?», sondern «Was brauchen wir zusätzlich zu Copilot, damit unser eigenes Wissen genauso zugänglich wird wie das öffentliche Internet-Wissen?»

Was diese zweite Schicht konkret leisten muss

Eine unternehmenseigene Wissensbasis, die diese Lücke schliesst, braucht vier Komponenten, die Copilot naturgemäss nicht mitbringt, weil sie nicht Teil seines Aufgabenbereichs sind:

• Ein Dokumentenrepositorium mit semantischen Embeddings – damit eine Suche nicht nur exakte Begriffe findet, sondern Bedeutung versteht, auch wenn die Formulierung im Dokument anders lautet als in der Frage.
• Ein KI-Assistent, der auf den eigenen Dokumenten trainiert bzw. daran ausgerichtet ist – der also nicht mit allgemeinem Internetwissen, sondern mit den tatsächlichen internen Prozessen, Richtlinien und Vereinbarungen antwortet.
• Erfassung von implizitem Wissen per Spracheingabe – damit das Wissen, das heute nur im Kopf erfahrener Mitarbeitender existiert, überhaupt erst in eine durchsuchbare Form gebracht wird, bevor es beim nächsten Weggang verloren geht.
• Semantische Suche, die Bedeutung statt Stichworte versteht – damit eine Frage wie «Was haben wir mit Kunde X vereinbart?» auch dann ein Ergebnis liefert, wenn das Dokument die Formulierung anders wählt.

Genau diese vier Komponenten bildet Einblick KI ab – als Ergänzung zu Copilot, nicht als Konkurrenz dazu. Copilot bleibt das richtige Werkzeug für generische Office-Produktivität; Einblick KI übernimmt die Schicht, für die es laut Accenture bei 61 Prozent der Unternehmen schlicht keine strukturierte Datenbasis gibt.

Ein zusätzlicher Punkt für regulierte Branchen: Datenhoheit

Für Unternehmen in Banking, Versicherung oder anderen regulierten Bereichen kommt ein weiterer Aspekt hinzu, der bei der Wahl der Wissensbasis-Schicht eine Rolle spielt: der US CLOUD Act verpflichtet US-Anbieter grundsätzlich, Daten auf Anfrage US-Behörden zugänglich zu machen – unabhängig davon, wo diese Daten physisch gespeichert sind. Für Unternehmen, die aus Compliance-Gründen sicherstellen möchten, dass ihre sensibelsten, unternehmensspezifischen Wissensinhalte diesem Zugriffsrahmen nicht unterliegen, ist eine auf Schweizer Servern betriebene, vom US CLOUD Act unabhängige Lösung ein relevantes Kriterium.

Fazit

Die 29-Prozent-Zahl von Microsoft ist real und gut belegt – für die Aufgabenkategorie, für die sie gemessen wurde. Sie ist kein Versprechen, das sich automatisch auf unternehmensspezifisches Wissen überträgt, und Microsoft behauptet das in der eigenen Studie auch nicht. Die 64 Prozent, die trotz Copilot noch immer nicht genug Zeit für ihre Arbeit haben, sind der Beleg dafür, dass generische KI-Produktivität und unternehmensspezifisches Wissensmanagement zwei unterschiedliche Probleme mit zwei unterschiedlichen Lösungen sind.

Wer Copilot bereits einsetzt oder einführt, sollte sich deshalb nicht fragen, ob eine Ergänzung nötig ist – sondern welche der beiden Wissensschichten in seinem Unternehmen heute unstrukturiert bleibt.

Quellen: Microsoft Work Trend Index 2023 (PDF); Accenture 2024 (61 % Daten nicht bereit, 70 % Skalierungsprobleme mit proprietären Daten).