Neuer Forschungsrahmen: Wie menschlicher Aufwand bei KI-Unterstützung skaliert

Eine neue Studie aus dem arXiv-Repository präsentiert ein vereinfachtes Modell der Zusammenarbeit zwischen Mensch und KI, das einen entscheidenden Mechanismus namens „Novelty Bottleneck“ identifiziert. Dieser Mechanismus beschreibt, wie ein bestimmter Anteil einer Aufgabe – der als „neu“ gilt und nicht im Vorwissen des KI-Agenten enthalten ist – einen unvermeidbaren seriellen Teil der Arbeit darstellt, ähnlich wie die Amdahl’sche Gesetzgebung in der Parallelverarbeitung.

Das Modell geht davon aus, dass Aufgaben in atomare Entscheidungen zerlegt werden können, von denen ein Anteil ν als neu betrachtet wird. Für jede dieser Entscheidungen werden Spezifikation, Verifikation und Fehlerkorrektur benötigt, wobei alle diese Schritte mit der Größe der Aufgabe skalieren. Aus diesen Annahmen folgen fünf zentrale Erkenntnisse: Erstens gibt es keinen sanften Übergang von linearem zu sublinearem menschlichem Aufwand; der Aufwand springt scharf von O(E) zu O(1). Zweitens verbessert eine bessere KI lediglich den Koeffizienten, nicht aber den Exponenten des menschlichen Aufwands. Drittens verringert sich die optimale Teamgröße bei steigender KI-Fähigkeit. Viertens kann die Gesamtzeit durch parallele Teamarbeit auf O(√E) reduziert werden, während der gesamte menschliche Aufwand weiterhin O(E) bleibt. Abschließend zeigt das Modell, dass KI bei der Erschließung neuer Forschungslücken begrenzt ist, während sie bei der Nutzung bestehender Erkenntnisse kaum Einschränkungen erfährt.

Die Autoren stützen ihre theoretischen Vorhersagen auf empirische Daten aus KI-Coding-Benchmarks, wissenschaftlicher Produktivität und Berichten von Fachleuten. Die Ergebnisse legen nahe, dass die „Novelty‑Fraction“ ν der entscheidende Parameter ist, der die Produktivität von KI‑unterstützter Arbeit bestimmt. Das Modell liefert damit ein klareres Bild davon, wie menschlicher Aufwand in einer zunehmend KI‑gestützten Arbeitswelt skaliert, ohne die weit verbreiteten Annahmen über künstliche Intelligenz zu widerlegen.