11.04.2025
STUDIE

Ineffizienz: „Wir kommen vor lauter Arbeit nicht mehr zum Arbeiten“

Die globale Deloitte-Studie "Human Capital Trends" zeigt teils massive Ineffizienzen im Arbeitsalltag durchschnittlicher Unternehmen auf.
/artikel/ineffizienz-wir-kommen-vor-lauter-arbeit-nicht-mehr-zum-arbeiten
(c) Jason Goodman via Unsplash
(c) Jason Goodman via Unsplash

Die meisten kennen es wohl: Nach einem vollen und langen Arbeitstag hat man das Gefühl, nicht wirklich etwas weitergebracht zu haben. Denn statt der eigentlichen Kernaufgaben hat man viel Zeit mit Meetings, Administration und Co verbracht. Tatsächlich ist dieses Phänomen weit verbreitet und hat ein enormes Ausmaß, wie die globale Deloitte-Studie „Human Capital Trends“ nun zeigt.

41 Prozent der täglichen Arbeitszeit für nicht wertschöpfende Tätigkeiten

Rund 13.000 Führungskräfte aus 93 Ländern, darunter auch Österreich, wurden befragt. Ein Kernergebnis: Arbeitnehmer:innen verbringen laut Studie im Schnitt 41 Prozent ihrer täglichen Arbeitszeit mit nicht wertschöpfenden Tätigkeiten. Ganze 68 Prozent haben laut Erhebung während des Arbeitstages zu wenig Zeit, um sich auf ihre essenziellen Aufgaben zu konzentrieren. Julian Mauhart, Partner bei Deloitte Österreich, kommentiert: „Wir kommen vor lauter Arbeit nicht mehr zum Arbeiten. Neue Lösungen und Ideen bleiben in diesem Umfeld völlig auf der Strecke.“

Julian Mauhart | (c) Deloitte/feelimage

Es brauche auch „einen freien Kopf, Zeit und Energie“, um an Lösungen für größere Themen zu arbeiten, meint Mauhart. „Viele haben das Gefühl der Überforderung – alles ändert sich gleichzeitig: Märkte, Kundenbedürfnisse, Technologien.“ Dafür sei im Alltag der Arbeitnehmenden aber kein Platz – „auch weil viele mit überbordender Bürokratie, Reporting und administrativen Aufgaben beschäftigt sind. Von diesen Zeitfressern müssen sie befreit werden“, so der Experte.

Tabula rasa mit dem „Zero-Based-Work-Ansatz“

Deloitte schlägt dazu konkrete Ansätze vor. Eine Methode, die zu mehr Freiräumen führen könne, sei etwa der sogenannte „Zero-Based-Work-Ansatz“. „Dabei werden Arbeitsprozesse von Grund auf neu bewertet, um Ineffizienzen abzubauen und Kapazitäten freizusetzen. Was nicht zum direkten Zweck des Jobs beiträgt, schafft es nicht in die Aufgabenliste“, heißt es vom Beratungsunternehmen. Wichtig dabei sei, die geschaffenen Freiräume nicht sofort wieder mit neuen Aufgaben zu füllen, ergänzt Mauhart. Wenig überraschend führt Deloitte zudem die Nutzung von AI-Tools zur Effizienzsteigerung ins Treffen.

Mittleres Management mit Schlüsselrolle

Bedeutend sei bei all dem auch die Rolle des mittleren Managements. Dort seien die Fachkenntnisse angesiedelt, die es brauche, um die notwendigen Veränderungen herbeizuführen und Prioritäten zu setzen. „Das mittlere Management wurde lange Zeit unterschätzt, dabei ist es der Schlüssel zur dezentralen Organisation. Dank der Nähe zum operativen Kerngeschäft sind diese Führungskräfte nicht nur in der Lage Ressourcen richtig zu verteilen, sondern haben auch die entsprechende Expertise, wenn es um Agilität, Problemlösung und Innovation geht“, meint Mauhart. Das funktioniere allerdings nur, wenn Unternehmen im mittleren Management auch tatsächliche Entscheidungsmacht ansiedeln und überbordende Administrationsaufgaben streichen würden.

Einstiegsjobs verschwinden

Ein anderes Problem, das Deloitte in seinen „Human Capital Trends“ identifiziert, ist das Verschwinden von Einstiegsjobs durch neue Technologien und wachsende Erwartungen der Arbeitgeber. „Wenn Unternehmen nicht aktiv gegensteuern, verschwinden zunehmend die Jobs, in denen man wichtige erste Berufserfahrung sammeln kann. Das ist nicht nur für die Jobsuchenden ein Problem, sondern auch für die Unternehmen selbst, weil zu wenige Menschen die Erfahrungen erwerben, die sie für seniorere Rollen dringend brauchen“, analysiert Mauhart. „Unternehmen müssen gezielt solche Rollen bauen und aktiv Zeit einplanen, in der Mitarbeitende wachsen und lernen können.“

Deine ungelesenen Artikel:
02.06.2026

700 Prozent Produktivitätsplus: Grazer KI-Startup vertieft Partnerschaft mit deutschem Softwareentwickler

Das Grazer KI-Startup Context64.ai stellt die technologische Infrastruktur für die neue Produktlinie von Emposo (Hays Group). Bei einem gemeinsamen Projekt im Automotive-Engineering wurde laut den Unternehmen eine siebenfache Produktivitätssteigerung erzielt.
/artikel/700-prozent-produktivitaetsplus-grazer-ki-startup-vertieft-partnerschaft-mit-deutschem-softwareentwickler
02.06.2026

700 Prozent Produktivitätsplus: Grazer KI-Startup vertieft Partnerschaft mit deutschem Softwareentwickler

Das Grazer KI-Startup Context64.ai stellt die technologische Infrastruktur für die neue Produktlinie von Emposo (Hays Group). Bei einem gemeinsamen Projekt im Automotive-Engineering wurde laut den Unternehmen eine siebenfache Produktivitätssteigerung erzielt.
/artikel/700-prozent-produktivitaetsplus-grazer-ki-startup-vertieft-partnerschaft-mit-deutschem-softwareentwickler
Context64.ai CEO & Founder Marko Lah (r.) mit COO Jan Bernasch (l.)

Das steirische Startup Context64.ai, gegründet von Marko Lah, hat sich auf die Bereitstellung horizontaler und industrieagnostischer KI-Infrastruktur spezialisiert. Erst Anfang des Jahres ging das Unternehmen mit der deutschen 3DSE Management Consultants GmbH eine strategische Allianz ein – brutkasten berichtete. Nun stellen die Grazer die technologische Plattform für die neue „Data2AI“-Produktlinie des deutschen Softwareentwicklers Emposo bereit.

Klare Rollenverteilung

Die Rollenverteilung bei der Kooperation ist klar: Context64 stellt die Plattform, Emposo baut daraus fertige Kundenlösungen. Emposo ist eine hundertprozentige Tochtergesellschaft der Hays Holding. Während der Mutterkonzern Hays primär als weltweit agierender Personaldienstleister im Recruiting-Bereich bekannt ist, konzentriert sich Emposo als spezialisierter Lösungsanbieter auf IT- und Engineering-Dienstleistungen sowie die Abwicklung von Werk- und Serviceverträgen. Nach einer einjährigen Pilotphase wurde die Zusammenarbeit mit dem Grazer Startup nun fest verankert.

Strukturierte Daten statt KI-Halluzinationen

Der Software-Stack von Context64.ai setzt beim sogenannten Kontextproblem herkömmlicher Sprachmodelle an. Über den „Data Context Hub“ werden verteilte Unternehmensdaten – darunter Anforderungen, Stücklisten und Qualitätsdaten – in einem Knowledge Graph miteinander vernetzt.

Die ergänzende Komponente „M4AI“ (Memory for AI) ermöglicht KI-Agenten den gezielten Zugriff auf dieses strukturierte Wissen. Dadurch navigieren die Agenten entlang der realen Unternehmensstruktur, anstatt isolierte Dokumente zu durchsuchen. Das soll Verarbeitungszeiten verkürzen, Fehlantworten (Halluzinationen) minimieren und den Ressourceneinsatz senken.

Pilotprojekt im Automobil-Sektor

Als ersten produktiven Anwendungsfall nennen die Unternehmen ein Projekt aus dem Automobil-Engineering, bei dem ausführbare Testfälle automatisiert aus Spezifikationen und Signaldaten erzeugt werden. Laut Aussendung führte der Einsatz der Software in dem langjährigen Kundenprogramm zu einer siebenfachen Produktivitätssteigerung gegenüber der zuvor wochenlangen manuellen Erstellung.

Context64.ai-Gründer Marko Lah sieht in dem Projekt ein übergeordnetes Muster für den Markt: „KI selbst wird zur Commodity – entscheidend ist, was darunter liegt: die saubere Vernetzung von Daten über Systemgrenzen hinweg, Präzision, effizienter Token-Einsatz.“, argumentiert er. „Die Domänenexperten sitzen bereits in den Unternehmen. Was fehlt, ist die Infrastruktur, dieses Wissen mit KI zu verbinden – die liefern wir als Plattform.“

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Ineffizienz: „Wir kommen vor lauter Arbeit nicht mehr zum Arbeiten“

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ineffizienz: „Wir kommen vor lauter Arbeit nicht mehr zum Arbeiten“

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ineffizienz: „Wir kommen vor lauter Arbeit nicht mehr zum Arbeiten“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ineffizienz: „Wir kommen vor lauter Arbeit nicht mehr zum Arbeiten“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ineffizienz: „Wir kommen vor lauter Arbeit nicht mehr zum Arbeiten“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ineffizienz: „Wir kommen vor lauter Arbeit nicht mehr zum Arbeiten“

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ineffizienz: „Wir kommen vor lauter Arbeit nicht mehr zum Arbeiten“

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ineffizienz: „Wir kommen vor lauter Arbeit nicht mehr zum Arbeiten“

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Ineffizienz: „Wir kommen vor lauter Arbeit nicht mehr zum Arbeiten“