Wenn gute KI-Nutzung zur Burnout-Falle wird

Eine Berkeley-Studie zeigt, dass KI-Tools in einem Unternehmen für mehr Arbeit statt für weniger sorgten. Die unbequeme Pointe: Das Problem liegt weder im Werkzeug noch in seiner Qualität, sondern darin, wie wenig Organisationen auf die Folgen vorbereitet sind. Eine achtmonatige ethnografische Studie der Berkeley Haas School of Business in einem US-Tech-Unternehmen mit rund 200 Mitarbeitern widerspricht dem gängigen Entlastungsversprechen. KI-Tools reduzierten die Arbeit nicht, sie intensivierten sie. Die Forscherinnen Aruna Ranganathan und Xingqi Maggie Ye beobachteten, dass Mitarbeiter schneller arbeiteten, breitere Aufgaben übernahmen und ihre Arbeitszeit ausdehnten, oft ohne Aufforderung. Heise und andere Medien griffen die Ergebnisse unter dem Stichwort Burnout-Gefahr auf. Die eigentliche Pointe: KI funktioniert gut, Aufgabe für Aufgabe. Nur bleibt es nie bei einer. Ein Kreislauf, den niemand angeordnet hat Berkeley beschreibt einen Mechanismus, der sich plausibel auf andere Wissensarbeit übertragen lässt. KI beschleunigt einzelne Aufgaben, was die Erwartungen an Geschwindigkeit erhöht. Höhere Erwartungen weiten den Aufgabenumfang aus. Ein breiterer Umfang erzeugt mehr Arbeit, die wieder nach KI-Unterstützung verlangt. Gerade wer das Werkzeug gut beherrscht, wird besonders eingespannt, weil für ihn mehr möglich ist. Hinzu kommt ein Rollenwandel. Eine qualitative Studie der Universität Osnabrück und des DFKI mit 15 Interviews in IT, Forschung, Marketing und Finanzen zeigt, wie Wissensarbeiter von Erstellern zu Bewertern werden. Statt selbst zu programmieren, überwachen IT-Mitarbeiter mehrere KI-Prozesse parallel. Ein Befragter berichtete, man könne „zehn Projekte gleichzeitig“ haben, wenn man primär kontrolliere. Ein Forscher merkte an, dass einfache Aufgaben, die früher als mentale Pausen dienten, wegfallen: „Wenn ich nur noch komplexe Aufgaben mache, sagt mein Kopf irgendwann Nein.“ Die Osnabrücker nennen das Phänomen GenAI-spezifischen Technostress. Sie unterscheiden es aber ausdrücklich vom „Techno-Eustress“. Viele Befragte erlebten KI als motivierend und lernförderlich. Dieselbe Technologie wirkte je nach Arbeitskontext als Bereicherung oder Belastung. Der Hebel liegt in der Organisation, nicht im Werkzeug. Produktiver, erschöpfter, einsamer Dass Organisationen diesen Hebel bislang kaum bedienen, legt eine Umfrage des Upwork Research Institute nahe. 96 Prozent der Führungskräfte erwarteten 2024 Produktivitätsgewinne, nur 13 Prozent hatten eine tatsächlich umgesetzte KI-Strategie. 77 Prozent der Beschäftigten berichteten, KI-Tools hätten ihre Arbeitslast in mindestens einer Hinsicht erhöht. Die Folgebefragung 2025 verschärft das Bild. Angestellte mit KI-Zugang berichten von durchschnittlich 40 Prozent Produktivitätssteigerung. Doch die produktivsten Nutzer sind zugleich die am stärksten Ausgebrannten. 88 Prozent von ihnen berichten von Burnout. Sie haben eine doppelt so hohe Wahrscheinlichkeit zu kündigen. 62 Prozent verstehen nicht, wie ihre KI-Nutzung zu Unternehmenszielen beiträgt. Auffällig ist ein sozialer Nebeneffekt. 67 Prozent vertrauen KI stärker als Kolleginnen und Kollegen, 64 Prozent beschreiben die Beziehung zu KI als besser als die zu Teammitgliedern. Wer sich vom Team entkoppelt, verliert genau die informellen Bremsen, die Verdichtung normalerweise abfedern. Der Autonomie-Hinweis Dieselbe Upwork-Erhebung enthält ein Gegenbild. Von 2.500 Befragten waren 625 Freelancer. Fast 90 Prozent berichten positive Effekte, 42 Prozent nutzen KI, um sich in einer Nische zu spezialisieren, 90 Prozent vor allem als Lernwerkzeug. Ihr Wohlbefinden liegt über dem der Festangestellten. Der Unterschied liegt in der Autonomie. Freelancer entscheiden selbst, welche Aufgaben sie annehmen und wie sie das Werkzeug einsetzen. Es fehlt der Verstärkungsmechanismus einer Organisation, die aus Effizienzgewinnen steigende Erwartungen ableitet. Warum Selbstregulierung nicht reicht Ein Teil des Problems liegt in der niedrigschwelligen Bedienung. Weil ein Prompt sich eher wie eine kurze Nachricht anfühlt als wie ein Arbeitsschritt, lässt er sich überall einschieben. Berkeley beobachtete, dass Prompts in Pausen, Meetings oder abends eingeschoben werden. Einzeln betrachtet keine Arbeit, in der Summe eine Grenzauflösung. Die DFKI-Befragten berichten, KI in ihrer Freizeit zu nutzen, weniger aus Leidenschaft als aus Angst vor Anschlussverlust. Der Software-Ingenieur Siddhant Khare beschreibt das in einem Blogpost aus erster Hand. Er habe in einem Quartal mehr Code ausgeliefert als je zuvor und sei gleichzeitig erschöpfter gewesen, Wochenenden für Tool-Evaluationen inklusive. Phänomene wie Decision Fatigue und Context Switching spielen hier ebenfalls eine Rolle. Was für KI-Einführungen folgt Die Berkeley-Autorinnen empfehlen eine „AI Practice“. Dazu gehören bewusste Pausen vor Entscheidungen, zeitliche Sequenzierung statt permanenter Reaktion und geschützter Raum für menschlichen Austausch. Die Osnabrücker Gruppe kommt zu einem verwandten Schluss. KI-Literacy, klare Governance und durchdachtes Arbeitsdesign könnten negative Effekte abmildern, während Effizienzgewinne erhalten bleiben. Die vorhandenen Befunde deuten in eine Richtung: Produktivitätsgewinne durch KI schlagen ohne neue Arbeitsorganisation leicht in Verdichtung um. Das Enterprise-Abo ist nur der Anfang. Wer nicht mitdefiniert, wofür KI im Unternehmen genutzt werden soll, welche Erwartungen sich dadurch verschieben dürfen und wo Schutzräume bleiben müssen, bekommt möglicherweise den Produktivitätsgewinn. Aber auf Kosten derjenigen, die ihn erzeugen.

Wenn gute KI-Nutzung zur Burnout-Falle wird

heise KI PROKI VERSTEHEN UND ANWENDEN

heise KI PRO
KI VERSTEHEN UND ANWENDEN