Ich benutze KI den ganzen Tag und das macht es mit meinem Kopf

Ich verrate schon mal vorab, dass das, was KI mit meinem Kopf macht, nichts Gutes ist. Denn KI erhöht den Arbeitsdruck tatsächlich, anstatt ihn zu senken.

Mit manchen Menschen spreche ich oft über die positiven Dinge, die KI bringt. Mit anderen wiederum konzentriere ich mich auch auf die Nachteile von KI für unsere Arbeit. Louis von der Firma werkvierentwintig gehört zur letzten Kategorie.

Denn ich nutze KI wirklich sehr viel, merke aber auch, dass mein Kopf schneller „leer“ ist. Und der KI-Arbeitsdruck ist der Grund dafür.

Das Versprechen ist recht einfach: KI übernimmt die Routinearbeit, sodass Du mehr Zeit für das hast, was wirklich wichtig ist. Dadurch musst Du weniger tippen und kannst schneller analysieren, während Code jederzeit verfügbar ist. Ich kann in derselben Zeit einfach mehr erledigen und mehr Wert liefern.

Klingt natürlich toll, aber die Realität sieht anders aus.

Im Februar 2026 veröffentlichten Aruna Ranganathan und Xingqi Maggie Ye von der Haas School of Business der UC Berkeley einen Artikel in der Harvard Business Review: „AI Doesn’t Reduce Work, It Intensifies It.“ Sie begleiteten acht Monate lang 200 Mitarbeiter eines amerikanischen Technologieunternehmens, nicht über Umfragen, sondern durch direkte Beobachtung und mehr als 40 Tiefeninterviews. Das Unternehmen hatte KI nicht verpflichtend eingeführt, aber für alle zugänglich gemacht.

Was sie beobachteten, war konsistent: Menschen arbeiteten schneller, übernahmen mehr Aufgaben und verlängerten ihre Arbeitstage. Früher anfangen, später aufhören. Ohne dass irgendjemand das von ihnen verlangt hatte. Eine Teilnehmerin sagte es so: „Man hätte gedacht, dass man vielleicht etwas Zeit spart, dass man weniger arbeiten kann. Aber dann stellt man fest, dass man doch nicht weniger arbeitet.“

Einen Monat später, im März 2026, veröffentlichte das BCG Henderson Institute eine zweite Studie, ebenfalls in der Harvard Business Review. Sie befragten 1.488 amerikanische Arbeitnehmer aus verschiedenen Branchen. Ihre Erkenntnis führte einen neuen Begriff ein: „AI brain fry.“ Mentale Erschöpfung, verursacht durch übermäßigen Einsatz von oder Überwachung über KI-Tools, die die kognitive Kapazität übersteigt.

Gleichzeitig beschrieb TNO auf Basis von Praxisforschung bei drei niederländischen Unternehmen, wie GenAI Produktivitätssteigerungen ermöglicht, die Arbeit aber auch intensiviert, die mentale Belastung erhöht und den sozialen Kontakt am Arbeitsplatz verringert.

Drei Studien. Drei verschiedene Methoden. Drei Länder. Ein Muster.

Die Forscher in Berkeley beschreiben drei Formen der Arbeitsintensivierung, die sich gegenseitig verstärken.

Weil KI Aufgaben ausführbar macht, die zuvor außerhalb der menschlichen Kapazitäten lagen, übernehmen Kollegen sie jetzt doch. Produktmanager schreiben nun Code. Forscher übernehmen die Rolle des Engineers. Das fühlt sich nach Selbstbestimmung an und das ist es auch, aber es hat einen Dominoeffekt. Software-Engineers müssen den von Kollegen generierten KI-Code prüfen, was ihren eigenen Arbeitsdruck erhöht. Die Grenze der „Funktion“ verschwindet. Ich bin zwar nicht dagegen, aber es ist schon angenehm zu wissen, wo Deine Arbeit beginnt und die eines anderen ungefähr aufhört.

KI ist immer verfügbar, niedrigschwellig und reaktiv. Das macht es verlockend, kleine Aufgaben in Momenten zu erledigen, die früher als Pause dienten: Mittags einen Prompt senden, abends eine Idee ausarbeiten, vor einem Meeting schnell eine Analyse durchführen. Die natürlichen „Erholungsmomente“ im Tag verschwinden so. Das liegt auch daran, dass KI für bestimmte Aufgaben mehr Zeit benötigt, nachdem Du den Prompt eingegeben hast. Und je ausgereifter KI-Systeme werden, desto mehr wird das zunehmen. Das bringt uns auch zum dritten Mechanismus.

KI ermöglicht es, mehrere Aufgaben gleichzeitig zu bearbeiten. Manuell Code schreiben, während ein Agent eine alternative Version generiert. Mehrere Agenten parallel laufen lassen. Lange aufgeschobene Aufgaben neu starten, weil KI sie „eben mal regeln kann“. Die Forscher beschreiben dies als „ein Gefühl, ständig zu jonglieren, auch wenn die Arbeit eigentlich produktiv erscheint“.

Die Folge ist das, was in der Neuropsychologie „Aufmerksamkeitsrückstand“ genannt wird: Das Gehirn braucht nach jedem Aufgabenwechsel Zeit, um vollständig umzuschalten. Diese Zeit gibt es nicht mehr.

Ich erkenne alle drei sehr gut. Meistens habe ich so etwa acht Gedankengänge gleichzeitig laufen, die oft wirklich sehr unterschiedlicher Natur sind. Das erfordert ständige Aufmerksamkeit, Koordination und hat kontinuierliche Wechselkosten. Mein AuDHD-Kopf liebt das zwar, aber es ist absolut ungesund und nicht nachhaltig. Und ich möchte noch einen vierten Mechanismus hinzufügen.

Wenn man eines mit einem Entwicklungsunternehmen lernt, dann dass alles, was man baut, auch Wartung erfordert. Und mit KI neigt man dazu, viel zu bauen. Clevere maßgeschneiderte Software, die die Arbeit einfacher macht. Schöne optimierte KI-Prozesse, mit denen man Standardaufgaben noch schneller lösen kann. Und jedes Mal, wenn man so etwas fertiggestellt hat, gibt es Raum für neue Features und neue automatisierte Prozesse. Aber alles, was man baut, muss man auch warten und das wird oft vergessen. Und der Zeit- und Kostenaufwand für diese Wartung nimmt kontinuierlich zu, je mehr man von seiner Arbeit automatisiert.

KI senkt die Kosten des Schreibens, Analysierens und Programmierens. Das stimuliert mehr Produktion, mehr Aufgaben, mehr Output. Ich möchte nicht weniger in derselben Zeit erledigen. Ich möchte mehr geschafft kriegen.

Gleichzeitig verschwindet niedrig-intensive Arbeit aus dem Arbeitstag. Die Routineaufgaben, die kognitiv wenig kosteten, dem Gehirn aber die Möglichkeit gaben, sich zu erholen. Denn alles, was einfach war, nimmt mir die KI ab. Unterdessen häuft sich hoch-intensive Arbeit an. Taylor beobachtete bereits, dass Menschen körperlich für etwa 42 % eines Arbeitstages belastbar waren, damals etwa vier Stunden. Unser Gehirn hat ähnliche Grenzen. Und die haben sich nicht verschoben.

Die BCG-Studie macht die kognitiven Kosten messbar. Mitarbeiter, die KI-Tools intensiv überwachen und korrigieren mussten (der Standardmodus bei agentischer KI)  berichteten von 14 % mehr mentaler Anstrengung, 12 % mehr mentaler Erschöpfung und 19 % mehr Informationsüberlastung als Menschen, die KI für Aufgabenübernahme ohne intensive Aufsicht einsetzten.

Es wurde festgestellt, dass die Produktivität einer umgekehrten U-Kurve folgt. Mit einem bis drei KI-Tools steigt die Produktivität. Ab vier Tools flacht der Anstieg ab und es tritt ein Einbruch auf. Nicht weil die Tools nicht funktionieren, sondern weil das Managen davon mehr kostet als es bringt.

14 % der KI-Nutzer in der Studie erleben „brain fry“. Im Marketing, wo KI-Output kontinuierlich bewertet und nachgesteuert wird, sind es 26 %. Die Folgen sind konkret: 39 % mehr schwerwiegende Fehler, 33 % mehr Entscheidungserschöpfung und 39 % höhere Absicht, das Unternehmen zu verlassen.

Ein leitender Engineering-Manager formulierte es so: „Es ist, als hätte ich zwölf Browser-Tabs in meinem Kopf offen. Ich ertappe mich dabei, dieselben Dinge immer wieder zu lesen, viel mehr an meinen eigenen Schlussfolgerungen zu zweifeln und bizarr ungeduldig zu werden. Ich arbeite härter daran, die Tools zu verwalten, als das eigentliche Problem zu lösen.“

Lies das noch einmal. „Ich arbeite härter daran, die Tools zu verwalten, als das eigentliche Problem zu lösen.“

MIT-Forscher veröffentlichten ein Preprint über die Langzeiteffekte von struktureller ChatGPT-Nutzung. Menschen, die vier Monate lang ausschließlich mit ChatGPT Essays schrieben, zeigten signifikant geringere Gehirnkonnektivität als Menschen, die ohne Hilfsmittel oder mit einer Suchmaschine schrieben. Die Forscher nennen dies „cognitive debt“: Wenn man strukturell auf externe Systeme angewiesen ist, ersetzen diese die kognitiven Prozesse, die man für selbstständiges Denken entwickeln würde. Neuroplastizität in umgekehrter Richtung.

Das ist unabhängig von brain fry. Brain fry ist akute Überlastung. 

Cognitive debt ist schleichend und kumulativ.

Zwei Seiten desselben Problems: Zu viel KI-Nutzung ermüdet das Gehirn kurzfristig und lässt es langfristig schrumpfen.

All das spielt sich in einem Arbeitsumfeld ab, das bereits vor KI strukturell zu wenig Raum für tiefe, konzentrierte Arbeit hatte.

Forschung von Worklytics zeigt, dass der durchschnittliche Wissensarbeiter 3,2 Stunden Fokuszeit pro Tag hat. Erst ab 3,5 Stunden berichten Mitarbeiter, sich selbst als produktiv wahrzunehmen. Gloria Mark von der UC Irvine zeigte, dass es nach einer Unterbrechung durchschnittlich 23 Minuten dauert, bis jemand wieder vollständig konzentriert ist. Microsofts Work Trend Index 2025 stellt fest, dass Mitarbeiter während der Kernarbeitszeiten alle zwei Minuten unterbrochen werden, etwa 275 Mal pro Tag. Asanas Forschung kommt zu dem Schluss, dass 60 % der Arbeitszeit für „Arbeit über Arbeit“ draufgeht: Status verfolgen, Informationen suchen, zwischen Tools wechseln.

KI fügt diesem Umfeld hinzu: mehr Tools zum Überwachen, mehr Output zum Bewerten, mehr Stränge zum Verwalten. Die Zusammenarbeit in Meetings und per E-Mail hat in den letzten zwei Jahrzehnten bereits um mehr als 50 % zugenommen. KI kommt jetzt noch obendrauf.

Wie macht man es dann richtig?

McKinsey formuliert es präzise in ihrem Bericht „Agents, robots, and us“: KI zu bestehenden Arbeitsprozessen hinzuzufügen liefert „bestenfalls marginale Verbesserungen“. Der echte Produktivitätsgewinn erfordert ein Neudesign. Workflows, bei denen Menschen und KI jeweils das tun, worin sie am besten sind.

Goulmy fügt eine verhaltenspsychologische Beobachtung hinzu: Menschen neigen strukturell dazu, etwas hinzuzufügen, anstatt wegzunehmen. In einem klassischen Experiment des Behavioral Scientist sollten Probanden eine schiefe LEGO-Brücke reparieren. Die meisten nahmen einen Stein dazu. Erst wenn explizit erwähnt wurde, dass Wegnehmen kostenlos ist, entfernte 61 % einen Stein.

Organisationen tun jetzt genau dasselbe. KI zu bestehenden Prozessen hinzufügen, bestehender Meeting-Kultur, bestehenden Erwartungen an den Output. Ohne zu fragen, welche Steine herausgenommen werden können.

Das erfordert eigentlich ein radikales Neudesign des Unternehmens und seiner Prozesse. Und wenn die kognitive Last zunimmt, müssen die Erholungsmomente zwingend ebenfalls zunehmen. Weniger Stunden arbeiten, mehr Stunden Pause. Denn vier Tage lang arbeiten ist nicht die Lösung. Fünf Tage oder besser noch vier kürzere Tage arbeiten. Meiner Meinung nach müssen wir dahin.

Die Studien zeigen in dieselbe Richtung. Ranganathan und Ye nennen es eine „AI Practice“: bewusste organisatorische Gewohnheiten, die dem natürlichen Hang zur Intensivierung entgegenwirken. Konkret: eingebaute Reflexionsmomente, strukturierte Arbeitsblöcke zur Begrenzung ständiger Benachrichtigungen, und Raum für menschlichen Kontakt, der sonst durch KI-gesteuerte Workflows versickert.

BCG empfiehlt klare Grenzen für den Einsatz und die Überwachung von KI-Tools und warnt, dass die Tendenz, immer mehr Tools hinzuzufügen, die kognitiven Mehrkosten strukturell ansteigen lässt.

Auch McKinsey sagt: Gestaltet die Workflows selbst neu. KI ist ein Anlass, darüber nachzudenken, wie Arbeit erledigt wird, wie Fähigkeiten eingesetzt werden, wie Rollen definiert werden.

Goulmy sagt es am schärfsten: Hört auf, Dinge hinzuzufügen, bevor Ihr etwas weggenommen habt. Wandelt den Produktivitätsgewinn, den KI bringt, strukturell in Zeitgewinn um und lasst diesen Gewinn bei denjenigen ankommen, die damit arbeiten. Das erhöht die Akzeptanz, senkt den Krankenstand und macht das Wachstum nachhaltig.

KI erhöht, was Menschen leisten können. Die Frage ist, wohin diese zusätzliche Kapazität fließt. In mehr Output, höhere Erwartungen und längere Arbeitstage? Oder in mehr Autonomie, bessere Gesundheit und klügeres Wachstum?

Bisher wählen die meisten Organisationen, oft unbewusst, die erste Option. Ich glaube, es wird Zeit, andere Entscheidungen zu treffen.

E-Mail hat den Arbeitsdruck nicht gesenkt. Das Auto hat uns nicht näher zusammengebracht. KI wird den Arbeitstag nicht erleichtern, es sei denn, Du entscheidest Dich aktiv und explizit dafür.

Der Standard ist immer mehr. Es sei denn, Du entscheidest, dass es genug ist. Also gehe ich jetzt in den Garten, um zu schauen, wie das Gras wächst, denn ich habe heute genug Bildschirm gesehen.

Auf Anregung von Louis, danke dafür!