AI-Fatigue: Wenn Künstliche Intelligenz müde macht

Zwischen Produktivitätsversprechen und mentaler Erschöpfung

Künstliche Intelligenz sollte Arbeit erleichtern, Prozesse beschleunigen und Menschen entlasten. In der Praxis zeigt sich jedoch zunehmend ein gegenteiliger Effekt: Viele Beschäftigte fühlen sich durch den allgegenwärtigen Einsatz von KI geistig erschöpft, emotional unter Druck gesetzt und kognitiv überfordert. Dieses Phänomen wird inzwischen als AI-Fatigue oder KI‑Erschöpfung beschrieben und ist längst kein Randthema mehr, sondern ein strukturelles Risiko für Unternehmen.

Was AI-Fatigue bedeutet – und wie sie sich äußert

AI-Fatigue beschreibt ein Gefühl anhaltender Überforderung, das aus der dauerhaften Konfrontation mit KI‑Systemen, KI‑generierten Inhalten und dem impliziten Erwartungsdruck entsteht, diese Technologien ständig produktiv zu nutzen.

Typische Symptome reichen von mentaler Erschöpfung über Entscheidungs‑ und Konzentrationsschwäche bis hin zu Frustration und innerem Rückzug. Besonders ausgeprägt ist die Belastung bei jüngeren Beschäftigten. EY sieht die Ursachen in einer Mischung aus der wachsenden Angst vor Arbeitsplatzverlust und dem Gefühl, trotz KI‑Unterstützung immer mehr leisten zu müssen.

Ein zentraler Treiber von AI-Fatigue ist der permanente Hype: Neue Modelle, Copiloten und Agenten erscheinen in immer kürzeren Zyklen. Anwender stehen unter Druck, Schritt halten zu müssen – oft ohne klare Priorisierung oder strategische Leitplanken. Hinzu kommt ein hoher Lern‑ und Anpassungsaufwand, da sich Werkzeuge, Interfaces und Best Practices fortwährend ändern. Gleichzeitig leidet die Qualität vieler KI‑Outputs. Das hat u. a. den den sogenannten Workslop zur Folge – umfangreiche menschliche Nacharbeit aufgrund fehlerhafter, generischer oder kontextarmer Ergebnisse.

Die Umkehr des parkinsonschen Gesetzes

Eine Untersuchung der UC Berkeley, veröffentlicht im Harvard Business Review, ergab, dass generative KI zwar einzelne Aufgaben beschleunigt, insgesamt jedoch zu mehr Arbeit führt.

Besonders prägnant beschreibt der Software‑Engineer Siddhant Khare dieses Phänomen. In seinem vielbeachteten Essay AI-Fatigue is real and nobody talks about it berichtet er, mehr Code ausgeliefert zu haben als je zuvor – und sich gleichzeitig stärker ausgelaugt zu fühlen als in jedem anderen Quartal seiner Karriere.

Der Grund liegt laut Khare nicht in der Technologie selbst, sondern in den veränderten Arbeitsmustern. KI senkt die Kosten einzelner Aufgaben, erhöht aber die Erwartungen an Geschwindigkeit und Umfang.

“Vor KI war mein Job: über ein Problem nachdenken, Code schreiben, ihn testen, ihn ausliefern. Ich war der Schöpfer. Der Macher. Das war es, was die meisten von uns überhaupt erst zur Technik gebracht hat – das Bauen. Mit KI veränderten sich meine Aufgaben und wurden immer mehr: Aufforderung, Warten, Ausgabe lesen, Ausgabe bewerten, entscheiden, ob die Ausgabe richtig ist, entscheiden, ob die Ausgabe sicher ist, entscheiden, ob die Ausgabe zur Architektur passt, die Teile reparieren, die nicht passen, erneute Aufforderung, Wiederholung. Ich wurde zum Prüfer. Zum Richter. Zum Qualitätsprüfer an einem Fließband, das niemals stillsteht“, schreibt Khare in seinem Blog. “Die KI wird zwischen den Problemen nicht müde. Ich schon”

Das Parkinsonsche Gesetz besagt, dass sich Arbeit exakt in dem Maß ausdehnt, wie Zeit für deren Erledigung zur Verfügung steht. Aufgaben füllen den vorgesehenen Zeitrahmen aus – unabhängig von ihrer tatsächlichen Komplexität.

Mit KI scheint sich das Prinzip umzukehren: KI gibt den Takt vor und zwingt uns, den Zeitrahmen an die Erledigung der Aufgabe anzupassen und damit mehr Aufgaben im zur Verfügung stehenden Gesamtzeitraum (aka Arbeitstag) zu erledigen – ein Prozess, der im Grunde genommen bereits mit der Industrialisierung begann.

Was bedeutet das in der Praxis?

Nicht nur das Arbeitspensum dehnt sich aus. Auch Kontexte wechseln schneller, und Menschen werden vom Gestalter zum permanenten Prüfer einer niemals endenden KI‑Pipeline. Die Folge ist kognitive Erschöpfung durch Dauer‑Multitasking und fehlende Phasen tiefer Konzentration. Khare fasst es wie folgt zusammen: “KI senkt die Produktionskosten, erhöht aber die Kosten für Koordination, Überprüfung und Entscheidungsfindung. Und diese Kosten gehen komplett auf die Rechnung der Menschen.“ Die “grausame Ironie” ist für ihn, “dass KI-generierter Code sorgfältiger geprüft werden muss als von Menschen geschriebener Code.”

Für Unternehmen ist AI-Fatigue mehr als nur ein individuelles Wohlbefindensproblem.

Wenn Beschäftigte sich entmenschlicht fühlen, weil Algorithmen den Takt vorgeben, sinken Motivation, Kreativität und Qualität. In der Harvard‑Studie wird ausdrücklich darauf hingewiesen, dass der anfängliche Produktivitätsschub durch KI in Burnout, Fluktuation und sinkende Entscheidungsqualität umschlagen kann, wenn keine klaren Regeln etabliert werden.

Auch auf Führungsebene wächst die Ernüchterung. Laut EY fühlen sich viele Führungskräfte von der Geschwindigkeit der KI‑Entwicklung überfordert. Sie sehen die Akzeptanz in der Belegschaft trotz steigender Investitionen sinken.

Wege aus der Erschöpfung

Praxisberichte zeigen klare Gegenmaßnahmen. Entscheidend ist eine klare Kommunikation, die transparent macht, wofür KI eingesetzt wird – und wofür nicht. Unrealistische Heilsversprechen verstärken Ermüdung, während klar definierte Use Cases Orientierung schaffen.

Ebenso wichtig sind gezielte Schulungen und kontinuierlicher Support. Mitarbeitende brauchen nicht nur Tool‑Einweisungen, sondern auch Leitlinien für die sinnvolle Nutzung, Qualitätskontrollen sowie bewusste Pausen. Die Harvard‑Forscher sprechen in diesem Zusammenhang von einer notwendigen „AI Practice“ – organisatorischen Regeln, die den KI‑Einsatz strukturieren und begrenzen.

Im Zentrum steht schließlich ein human‑zentrierter Ansatz. KI sollte menschliche Fähigkeiten ergänzen, nicht verdrängen. Siddhant Khare plädiert für „Sustainable Output“ statt maximaler Ausstoßmengen: nachhaltige Leistungsfähigkeit, die Raum für Denken, Lernen und Erholung lässt. Nur so lässt sich verhindern, dass die Produktivität kurzfristig steigt, langfristig jedoch die Gesundheit und Innovationskraft untergräbt.

Leitfragen für IT-Verantwortliche zur Bewertung von AI-Fatigue als Governance‑, Risiko‑ und Security‑Faktor:

1. Sind KI‑Werkzeuge, Copiloten und Agenten zentral geregelt (Einsatz, Berechtigungen, etc.) und inventarisiert?
2. Ist AI Fatigue Teil von Risk‑Assessments und Audits? Werden Überlastung und Fehlentscheidungen als Sicherheitsrisiko anerkannt?
3. Gibt es verpflichtende Prüfmechanismen für sicherheitsrelevante KI‑Ergebnisse?
4. Ist Fehlerkultur in der Organisations-DNA verankert?
5. Werden Teams gezielt im Umgang mit Halluzinationen, Bias und Fehlinterpretationen geschult?
6. Ist Human‑in‑the‑Loop fester Bestandteil der KI-Strategie; sind kritische Entscheidungen bewusst nicht vollständig automatisiert?
7. Existieren Leitplanken gegen Dauer‑Alerting, Output‑Overload und Entscheidungsstress?

Fazit

AI-Fatigue ist ein Warnsignal. Sie zeigt, dass technologische Leistungsfähigkeit und menschliche Belastbarkeit nicht automatisch im Gleichschritt gehen. Für Unternehmen bedeutet das: Der Erfolg von KI entscheidet sich weniger an Modellen und Rechenleistung als an Führung, Kultur und realistischen Erwartungen. Wer KI als Werkzeug begreift – und nicht als Dauerbeschleuniger –, kann die Produktivität steigern, ohne Menschen zu erschöpfen.

Wie hoch ist Ihr AI-Fatigue-Risiko?

Machen Sie mit uns den Schnelltest: