Scale AI und das Center for AI Safety haben Agenten an 240 echten, bereits bezahlten Freelance-Projekten getestet. Zum Start im Oktober 2025 erledigte der beste Agent 2,5 % davon vollständig. Auf dem Live-Leaderboard, gelesen am 7. September 2026, steht der Spitzenwert bei 15,80 %: sechsmal so hoch, und weiterhin ein Scheitern an fünf von sechs bezahlten Aufträgen. Upwork fand, dass ein Agent zusammen mit einem menschlichen Profi die Abschlussquote um bis zu 70 % hebt. Dein Job ist nicht, gegen einen Agenten anzutreten. Dein Job ist überwachte Lieferung.
Alle paar Monate behauptet eine Grafik, Freelance-Arbeit stehe kurz vor der Automatisierung. Der brauchbarste Test dieser Behauptung ist keine Grafik. Es ist ein Benchmark, der echte Freelance-Projekte genommen hat, für die ein Mensch bereits bezahlt worden war, und sie Agenten vorgelegt hat.
Der Remote Labor Index
Scale AI und das Center for AI Safety haben den Remote Labor Index am 29. Oktober 2025 veröffentlicht. Die Methode zählt hier mehr als die Schlagzeile. Gesammelt wurden 240 abgeschlossene Freelance-Projekte aus 23 Bereichen: Videoproduktion, CAD- und Architekturzeichnungen, Grafikdesign, Spieleentwicklung, Text, Datenbeschaffung, interaktive Datenvisualisierung und mehr. Die ursprüngliche Honorarsumme über alle Projekte: 143.991 $. Median-Projektwert: 200 $. Median-Dauer: rund 11,5 Stunden. Das sind ganz normale bezahlte Aufträge, keine Spielaufgaben.
Zum Start schnitt der Agent Manus am besten ab: 2,5 % der Projekte vollständig erledigt, 1.720 $ aus dem Topf. Alle getesteten Modelle blieben unter 3 %.
Interessant ist das Fehlermuster. Vergleichsweise gut liefen Audio- und Bilderzeugung sowie Teile der Daten- und Textarbeit. Gescheitert sind die Agenten an allem, was komplexes Editieren, Werkzeugnutzung und das genaue Befolgen mehrstufiger Vorgaben verlangte. Von den Fehlschlägen entfielen 45,6 % auf Qualitätsmängel, 35,7 % auf unvollständige oder fehlerhafte Ergebnisse, 17,6 % auf technische und Dateiprobleme und 14,8 % auf Widersprüche im Ergebnis. Anders gesagt: Es kommt etwas heraus, und dieses Etwas ist nicht lieferbar.
Ein Vorbehalt gehört dazu. Scale AI ist ein kommerzieller Anbieter von KI-Evaluierung, das ist also der eigene Benchmark des Hauses und keine neutrale Wahrheit. Der Ausgleich: Die Methode ist nachprüfbar, und die zugrunde liegenden Aufträge waren echt.
Der Wert am Schreibtag
Der RLI hat ein Live-Leaderboard und ist damit die seltene KI-Statistik, die du selbst nachprüfen kannst. Am 7. September 2026 gelesen, steht der Spitzenwert bei 15,80 %, dahinter 8,33 %, dann 6,25 %, und eine Gruppe von Modellen zwischen rund 2,5 % und 5 %. Weiterhin dieselben 240 Projekte.
Behandle die 15,80 % als Momentaufnahme, nicht als Tatsache. In wenigen Wochen stimmt der Wert nicht mehr, und zwar in eine Richtung. Zwei Dinge lohnen sich trotzdem zu sagen. Der Trend ist echt: eine Versechsfachung in weniger als einem Jahr. Und das Niveau ist niedrig: Auch der Spitzenreiter scheitert an rund fünf von sechs echten Projekten, und die Fehlschläge häufen sich genau in der mehrstufigen, urteilsintensiven Arbeit, die erfahrene Freelancer verkaufen.
Wo der Mensch tatsächlich Wert schafft
Upwork hat das Gegenexperiment gemacht und den Human+Agent Productivity Index am 13. November 2025 veröffentlicht. Über mehr als 300 echte Kundenprojekte hinweg, bewusst als einfach, klar umrissen und wenig komplex ausgewählt, hob die Kombination aus KI-Agent und menschlichem Profi die Abschlussquote um bis zu 70 % gegenüber Agenten allein.
Die zweite Zahl ist die für das Kundengespräch: Diese einfachen, klar umrissenen Projekte, bei denen ein Agent allein eine reelle Chance hat, machen unter 6 % des gesamten Auftragsvolumens von Upwork aus. Upwork ist ein Marktplatz mit kommerziellem Interesse an der Botschaft "Freelancer werden weiter gebraucht", also zählt hier die Methode mehr als die Überschrift. Die Richtung überlebt den Abschlag.
Microsofts Work Trend Index 2026, gestützt auf 20.000 Beschäftigte in zehn Ländern plus eigene Produktdaten, ergänzt die Kompetenzseite. Auf die Frage, welche menschlichen Fähigkeiten in KI-lastiger Arbeit am meisten zählen, nannten die Befragten die Qualitätskontrolle von KI-Ergebnissen (50 %) und kritisches Denken (46 %). Der Report findet außerdem, dass organisationale Faktoren, also Kultur, Führung und Personalpraxis, mehr als doppelt so stark auf KI-Ergebnisse wirken wie individuelle (67 % gegenüber 32 %), während 65 % der Nutzenden fürchten zurückzufallen und nur 13 % sagen, dass sie für das Neudenken ihrer Arbeit anerkannt werden.
Zusammengenommen ergibt sich die eigentliche Stellenbeschreibung: jemand, der den Agenten führt, dessen Fehler findet und für das Ergebnis geradesteht.
Wie das in der Praxis aussieht
Lucas Chevillard macht E-Mail-Marketing und CRM-Strategie, arbeitet mit sieben bis zehn Kunden pro Jahr und drei gleichzeitig, und hat sich 2026 ein System gebaut, das aufgezeichnete Kundengespräche in To-dos, Content-Ideen und Entwürfe von Ergebnisdokumenten verwandelt. Seine Bühnenzahlen: 57 verarbeitete Calls, 159 Content-Ideen, und die Nachbereitung eines Erstgesprächs von ein bis zwei Stunden auf rund zehn Minuten.
Entscheidend ist, was er mit dem Ergebnis macht:
"Ich weiß, das ist nicht das Dokument, das ich meinem Kunden gebe. Ganz sicher nicht. Aber es ist eine ziemlich gute Ausgangsbasis, damit ich alle wichtigen Informationen beisammen habe, wenn ich so ein Projekt liefere." (Lucas Chevillard, übersetzt)
Beim Review ist er genauso deutlich: Alles, was er abgibt, geht er gründlich durch, denn "wenn du mit KI etwas erstellst oder schreibst, musst du als der, der liefert, hinter jedem Satz stehen."
Seine nützlichste Frage für alle, die so etwas bauen wollen, ist eine Positionierungsfrage, keine technische. Wenn er durchgeht, wohin die Zeit fließt, fragt er: Was bringst du ein, das in keinem Tool steckt? Kombinierst du mehrere Dinge, ziehst du aus dem, was der Wettbewerb macht, warum ist das Ergebnis deins? Diese Antwort ist der Teil, den der Agent nicht liefern kann, und genau der Teil, für den du Geld nimmst.
Auch zum Kundengespräch ist er klar. Er verkauft nicht "ich baue euch einen Agenten". Er wird für ein Audit oder eine Empfehlung geholt, sieht einen Engpass und baut eine kleine Sache, um zu zeigen, was möglich ist. Und beim Aufzeichnen von Calls hat er die eigene Lücke offen benannt: Er will die Erlaubnis dafür in seine Kundenverträge schreiben und ist damit noch nicht durch. Angesichts der DSGVO ist das der richtige Instinkt.
Warum die Arbeit nicht ausgeht
Julien Look ist Softwareentwickler und Berater und begleitet KI-Einführungen in Unternehmen. Sein Vortrag drehte sich darum, warum solche Projekte scheitern, und er zeigte dem Publikum zwei Zahlen, mit denen er arbeitet: Rund 88 % der Menschen in Organisationen nutzen bereits in irgendeiner Form KI, während nur etwa 5 % der KI-Projekte messbaren Wert erzeugen. Seine Zahlen, von seinen Folien.
Seine Diagnose ist nicht technisch. Auf die Frage, ob die größte Hürde Technologie, Budget oder Change Management sei, entschied sich der Saal überwiegend für Change Management, und er stimmte zu. Das Scheitern, das er von einem großen Industriekunden beschrieb, ist ein Vertrauensproblem: Die Leute glauben dem Ergebnis nicht und benutzen das System nicht mehr. Seine Antwort: jeden Schritt nachvollziehbar machen und die Menschen, die die Arbeit tun, in die Gestaltung des Ablaufs holen, bevor irgendein Tool auftaucht.
Dann der Teil, der deine Rechnung betrifft:
"Die Teams werden kleiner. Das stimmt wirklich, weil man für ein SaaS-Produkt kein zehnköpfiges Team mehr braucht. Drei Leute können reichen." (Julien Look, übersetzt)
Und direkt danach:
"Selbst wenn die Teams kleiner werden, bewegen wir uns viel schneller, und Organisationen tun sich mit der ganzen Einführung weiter schwer. Ich glaube, für Leute in unserer Position wird in Zukunft nur mehr Arbeit entstehen." (Julien Look, übersetzt)
Das ist die ehrliche Fassung des Ausblicks. Kleinere Teams pro Projekt, mehr Projekte, und ein anhaltender Mangel an Menschen, die eine Einführung wirklich zum Laufen bringen. Sein praktischer Hinweis für Freelancer, die solche Projekte anbieten: Transformation läuft in Jahren, nicht in einem Sechs-Monats-Projekt. Preis und Vertrag sollten das abbilden.
Die Mitte bepreisen, ohne eine Zahl zu erfinden
Ehrlich gesagt kann dir dazu niemand etwas Belastbares liefern: Es gibt keine Primärforschung zur Preisgestaltung agentengestützter Lieferung. Alles zum Thema ist Agenturmarketing ohne offengelegte Methode. Wer dir einen konkreten Aufschlag für "Mensch plus Agent" nennt, hat ihn sich ausgedacht.
Was der Upwork-Index stützt, ist eine Richtung: Der Wert konzentriert sich auf überwachte Lieferung, nicht auf eines der beiden Extreme. Daraus folgen vertretbare Preiszüge:
- Bepreise das Ergebnis und die Verantwortung, nicht die Stunden, die der Agent dir gespart hat. Der Kunde kauft, dass du dahinterstehst.
- Gib die volle Zeitersparnis nicht als Rabatt weiter. Wer zwei Stunden spart und den Preis um zwei Stunden senkt, hat den ganzen Gewinn abgegeben und das Risiko behalten.
- Berechne die Prüfebene separat, wo sie schwer wiegt. Verifikation ist heute eine Leistung, und Microsofts Befragte nennen sie als wichtigste menschliche Fähigkeit.
- Sag, was automatisiert ist, wenn der Kunde fragt, und zeig deine Prüfung. Solange die meisten dazu schweigen, ist das ein Unterschied.
Was du am Montag tust
- Liste deine letzten zehn Projekte und markiere jedes, das ein Agent plausibel allein zu Ende bringen könnte. Sind es mehr als ein oder zwei, ist das deine Risikofläche.
- Nimm eine wiederkehrende Leistung und stoppe die agentengestützte Variante von Anfang bis Ende, inklusive deines Reviews. Diese Zahl ist dein echter Produktivitätsgewinn, nicht die aus der Demo.
- Schreib einen Absatz für deine Angebote darüber, was du prüfst und wofür du geradestehst. Verifikation ist eine verkaufbare Position.
- Nimm die Erlaubnis für Aufzeichnung und KI-Verarbeitung in deine Vertragsvorlage auf, wenn Kundengespräche in die Nähe eines Modells kommen.
- Such den Teil deines Ergebnisses, der unverwechselbar dein Urteil ist, und mach ihn im Deliverable sichtbarer, nicht unsichtbarer.
Was das mit den Honoraren auf beiden Marktseiten macht, steht in KI-Bonus oder KI-Rabatt. Die Bauseite mit echten Kosten zeigen zwei Freelancer in Eigenen KI-Assistenten bauen. Und wie du dein eigenes Urteil scharf hältst, während du die Tools täglich nutzt, steht in KI nutzen, ohne dein Urteil zu verlieren. Ein kostenloses Profil auf 9am bringt dich vor die Unternehmen, die schon verstanden haben, dass sie den Menschen brauchen und nicht nur den Agenten.
Freelance Unlocked wird von 9am gemeinsam mit Uplink und freelancermap organisiert. Dieser Artikel greift die Sessions von Julien Look und Lucas Chevillard bei Freelance Unlocked 2026 auf. Die ganzen Vorträge findest du oben im Video: freelanceunlocked.com.
