Zwischen Effizienzgewinn und Erschöpfungsfalle

Wie KI den Arbeitsalltag verdichtet und Unternehmen zum Umdenken zwingt

Generative KI gilt als Produktivitätsbooster: Texte entstehen in Sekunden, Code schreibt sich auf Zuruf, Analysen lassen sich im Dialog erstellen. Doch neue Studien zeichnen ein deutlich nüchterneres Bild. Statt Arbeit zu reduzieren, intensiviert KI sie – oft unbemerkt. Die To-do-Liste schrumpft nicht, sie beschleunigt nur.

Für eine aktuelle Untersuchung begleitete Harvard Business Review acht Monate lang ein Technologieunternehmen mit rund 200 Beschäftigten. Das zentrale Ergebnis: KI reduziert Arbeit nicht – sie verdichtet sie.

Generative KI spart zwar Zeit bei einzelnen Aufgaben, führt aber insgesamt zu mehr Arbeit, größerer Aufgabenbreite und längeren Arbeitstagen.

Falsche Produktivität

Die Studie zeigt drei zentrale Effekte. Erstens dehnen Beschäftigte ihre Aufgabenbereiche aus. Produktmanager schreiben Code, Forschende übernehmen Engineering-Aufgaben, Designer testen technische Lösungen. KI senkt die Einstiegshürden und macht Tätigkeiten „machbar“, die zuvor delegiert oder aufgeschoben worden wären. Das fühlt sich nach Empowerment an – erhöht das Arbeitsvolumen jedoch spürbar.

Zweitens verschwimmen die Grenzen zwischen Arbeit und Pause. Weil KI den Einstieg in Aufgaben erleichtert, wird Arbeit in Mikromomenten erledigt: während der Mittagspause, zwischen Meetings oder kurz vor Feierabend, „damit die KI schon mal weiterarbeitet“. Die Forschenden beschreiben Arbeit als „ambient“ – immer verfügbar, immer verlockend. Erholungsphasen verlieren ihre Wirkung.

Drittens steigt die Taktung. Beschäftigte arbeiten schneller, parallelisieren Aufgaben und jonglieren mehrere KI‑gestützte Arbeitsstränge gleichzeitig. Das subjektive Gefühl von Produktivität nimmt zu – objektiv ist es jedoch die Belastung.

Effizienzsteigerung bis zur Erschöpfung

Ökonomisch betrachtet ist das alles nicht neu: Sinkt der Aufwand für eine Tätigkeit, wird sie häufiger ausgeführt. Generative KI beseitigt Reibung – und genau diese Reibung hatte zuvor natürliche Grenzen gesetzt. Warten auf Feedback, leere Seiten oder fehlende Expertise fungierten als Pausenmechanismen. Mit KI verschwinden sie.

Problematisch ist, dass diese Entwicklung kaum gesteuert wird. In der untersuchten Organisation war die Nutzung von KI nicht verpflichtend. Der zusätzliche Arbeitsumfang entstand aus Eigeninitiative. Genau darin liegt die Gefahr: Selbstregulation reicht nicht aus, um Überlastung zu verhindern.

Nach anfänglichen Produktivitätshochs berichten die Forschenden von kognitiver Ermüdung, Entscheidungsverzögerungen und sinkender Arbeitsqualität. Das Risiko von Burnout steigt, ebenso die Fluktuationsgefahr. Der kurzfristige Effizienzgewinn droht, langfristig ins Gegenteil umzuschlagen.

Hinzu kommt eine Illusion von Qualität, der sogenannte Workslop: Von KI erzeugte Inhalte wirken auf den ersten Blick solide, erweisen sich jedoch als inhaltlich schwach oder unvollständig. Die Praxis zeigt, dass von KI erzeugte Inhalte regelmäßig Nacharbeit erfordern.

Von „AI Use“ zu „AI Practice“

Für Unternehmen entsteht damit ein Paradox: Sie investieren in Produktivitätstechnologie und erzeugen gleichzeitig höhere Belastung, mehr Koordinationsaufwand und neue Qualitätsrisiken. Ohne klare Leitplanken verstärkt KI bestehende Arbeitsmuster lediglich, statt sie zu verbessern.

Die Forschenden plädieren daher für eine bewusste „AI Practice“. Gemeint sind organisatorische Regeln und Routinen für den Einsatz von KI: bewusste Pausen, klare Sequenzierung von Aufgaben und gezielte „Human Grounding“-Momente, also Austausch mit realen Menschen, um aus KI‑induzierten Silos auszubrechen.

Einen weitergehenden Ansatz beschreibt Kieran Klaassen, General Manager bei Every und Mitentwickler des Konzepts „Compound Engineering“. Statt KI zu nutzen, um immer mehr Aufgaben zu erledigen, sollen Unternehmen Systeme aufbauen, bei denen jede Aufgabe den nächsten Task erleichtert.

Der Fokus liegt auf Planung, Wiederverwendbarkeit und automatisierten Sicherheitsnetzen, etwa auf Tests, die Fehler abfangen, statt jede KI‑Ausgabe manuell zu prüfen.

Klare Handlungsaufforderung an das Management

Die zentrale Lehre lautet: KI sollte Schwungräder bauen, keine Hamsterräder. Für Unternehmen ergeben sich daraus drei klare Handlungsaufforderungen.

• Erstens müssen sie Produktivität neu definieren. Mehr Output pro Zeiteinheit ist kein Erfolg, wenn Qualität, Gesundheit und Entscheidungsfähigkeit leiden.
• Zweitens braucht KI Governance jenseits von Compliance: klare Erwartungen, welche Aufgaben mit KI beschleunigt werden sollen – und welche bewusst nicht.
• Drittens sollten Organisationen in Arbeitsarchitekturen investieren, nicht nur in Tools. Prozesse, Standards und Qualitätssicherungen entscheiden darüber, ob KI ein Produktivitätshebel oder ein Erschöpfungsbeschleuniger wird.

Wer generative KI ungebremst in bestehende Arbeitslogiken kippt, automatisiert am Ende vor allem eines – Erschöpfung.