Das Effizienz-Paradoxon: Warum KI uns härter arbeiten lässt, nicht klüger

In den letzten Jahren war das Narrativ rund um Künstliche Intelligenz (Artificial Intelligence, AI) am Arbeitsplatz gleichermaßen eindeutig wie verlockend: KI ist die ultimative Zeitersparnis. Uns wurde eine Zukunft versprochen, in der große Sprachmodelle (Large Language Models) und autonome Agenten die Routinearbeit erledigen und menschliche Mitarbeiter entlasten würden, damit sie sich auf hochgradige Strategie und Kreativität konzentrieren können – oder vielleicht einfach nur, um ein wenig früher nach Hause zu gehen.

Eine bahnbrechende neue Studie der University of California, Berkeley, die diese Woche im Harvard Business Review veröffentlicht wurde, hat diese Illusion jedoch zerstört. Die Untersuchung, die 200 Mitarbeiter eines US-Technologieunternehmens über acht Monate hinweg begleitete, offenbart eine völlig andere Realität: Anstatt die Arbeit zu reduzieren, führen KI-Tools konsequent zu einer Intensivierung der Arbeit.

Während wir bei Creati.ai diese Ergebnisse analysieren, wird deutlich, dass wir Zeuge des Entstehens eines „Produktivitätsparadoxons“ werden. Während die Output-Kennzahlen steigen mögen, nehmen die menschlichen Kosten – gemessen an kognitiver Erschöpfung, verschwimmenden Grenzen und rasant steigenden Burnout-Raten – noch schneller zu.

Die Ergebnisse der UC Berkeley entschlüsseln

Die Studie, die von außerordentlicher Professorin Aruna Ranganathan und der Forscherin Xingqi Maggie Ye von der Haas School of Business geleitet wurde, bietet einen der bisher detailliertesten Einblicke in die praktischen Auswirkungen der KI-Einführung. Im Gegensatz zu breit angelegten Umfragen, die auf selbsterfassten Stimmungsbildern basieren, bettete diese Forschung Beobachter in eine Belegschaft ein, die freiwillig Generative KI (Generative AI) Tools einsetzte.

Die Forscher identifizierten ein Phänomen, das sie als „Workload-Creep“ (schleichende Arbeitslast-Zunahme) bezeichnen. Obwohl einzelne Aufgaben tatsächlich schneller erledigt wurden, wurde die eingesparte Zeit von den Mitarbeitern nicht für Erholung oder tiefgreifendes Nachdenken zurückgewonnen. Stattdessen wurde sie sofort mit mehr Arbeit gefüllt, die oft anderer Natur war als die eigentliche Kernrolle des Mitarbeiters.

Der Studie zufolge wird die Arbeitsintensivierung durch drei spezifische Mechanismen vorangetrieben, die vom Management oft unbemerkt bleiben, bis ein Burnout eintritt.

1. Aufgabenausweitung

KI senkt die Einstiegshürde für komplexe technische Aufgaben. In der Studie begannen Produktmanager, ihren eigenen Code zu schreiben, und User-Researcher fingen an, Engineering-Tickets zu übernehmen. Während sich diese „Demokratisierung von Fähigkeiten“ anfangs ermutigend anfühlte, bedeutete sie, dass Mitarbeiter effektiv Rollen absorbierten, die zuvor anderen Abteilungen gehörten. Das Ergebnis war eine erhebliche Ausweitung des Aufgabenbereichs ohne jegliche Anpassung der formellen Erwartungen an den Job.

2. Das Verschwinden von „Mikropausen“

Eine der heimtückischeren Erkenntnisse war, wie die KI die natürlichen Pausen eines Arbeitstages erodierte. In einem traditionellen Arbeitsablauf bedeutete das Erreichen eines Hindernisses oft, eine Pause einzulegen, um nachzudenken oder einen Kollegen zu konsultieren. Mit KI ist die Lösung immer nur „einen Prompt entfernt“. Mitarbeiter berichteten, dass sie jeden freien Moment – einschließlich der Mittagspausen und der Minuten zwischen Meetings – mit „schnellen“ KI-Abfragen füllten. Die für die Erholung erforderliche geistige Auszeit wurde durch die Verlockung sofortiger Antworten systematisch eliminiert.

3. Multitasking-Überlastung

Die Studie beschreibt einen „neuen Rhythmus“ der Arbeit, bei dem Mitarbeiter mehrere aktive Fäden gleichzeitig verwalten. Ein Entwickler könnte ein Skript manuell debuggen, während ein KI-Agent ein zweites generiert und ein drittes Fenster eine Test-Suite ausführt. Diese parallele Verarbeitung erzeugt eine schwere kognitive Last und macht den Arbeiter zu einem Hochgeschwindigkeits-Verkehrsleiter für digitale Ergebnisse statt zu einem fokussierten Schöpfer.

Visualisierung des Wandels: Traditionelle vs. KI-gestützte Arbeit

Um besser zu verstehen, wie sich die Beschaffenheit des Arbeitstages verändert hat, können wir den Workflow vor der KI mit den in der Berkeley-Studie beobachteten intensivierten Mustern vergleichen.

Tabelle: Die Auswirkungen von KI auf die Workflow-Dynamik

Die kognitiven Kosten der „Always-On“-Produktivität

Die Ergebnisse aus Berkeley decken sich mit einer wachsenden Zahl von Belegen für kognitive Erschöpfung im KI-Zeitalter. Wenn Mitarbeiter Routineaufgaben an die KI auslagern, bleiben ihnen nur die hochriskanten Entscheidungskomponenten und komplexen Problemlösungsaspekte ihrer Arbeit. Was theoretisch ideal klingt, ist für das menschliche Gehirn problematisch: Es ist nicht darauf ausgelegt, acht Stunden am Stück mit höchster kognitiver Intensität zu arbeiten, ohne den „Gaumenreiniger“ durch Aufgaben mit geringerem Wert.

Die Studie stellt fest, dass die Mitarbeiter anfangs einen Motivationsschub verspürten und die KI als einen „Partner“ beschrieben, der ihnen half, Rückstände abzuarbeiten. Dieser Schwung war jedoch oft illusorisch. Bis zum sechsten Monat der Studie waren Berichte über Burnout, Angstzustände und Entscheidungsparalyse sprunghaft angestiegen. Die Forscher warnen, dass das, was im ersten Quartal wie ein Produktivitätswunder aussieht, bis zum dritten Quartal oft zu Fluktuation und Qualitätsverlust führt.

Darüber hinaus unterstreicht die im Bericht erwähnte „Multitasking-Überlastung“ ein grundlegendes Missverständnis der menschlichen Aufmerksamkeit. Wir sind keine echten Multitasker; wir sind Aufgaben-Umschalter (Task-Switcher). Jedes Mal, wenn ein Mitarbeiter zwischen der Überprüfung von KI-Ergebnissen, dem Eingeben einer neuen Abfrage und dem Verifizieren einer Tatsache wechselt, entstehen „Wechselkosten“ (Switching Costs). Über einen Tag hinweg summieren sich diese Mikrokosten zu einer tiefgreifenden geistigen Erschöpfung.

Ein Weckruf für die Führungsebene

Für Unternehmensleiter dient die UC Berkeley-Studie als dringende Warnung: Verwechseln Sie Aktivität nicht mit nachhaltiger Produktivität. Die Kennzahlen, die viele Unternehmen derzeit verwenden, um den KI-Erfolg zu messen – wie geschriebene Codezeilen oder abgeschlossene Tickets – erfassen das Volumen der Arbeit, ignorieren aber die Intensität.

Die Forscher betonen, dass diese Arbeitsintensivierung weitgehend freiwillig erfolgt. Den Mitarbeitern wird nicht unbedingt befohlen, mehr zu tun; sie lassen sich von den Fähigkeiten der Tools dazu verführen, mehr zu übernehmen. Das macht das Problem schwerer erkennbar und schwerer lösbar.

Empfehlungen für eine nachhaltige KI-Strategie:

• Einführung von „KI-Praktiken“: Die Studie legt nahe, dass Organisationen bewusste Normen oder eine „KI-Praxis“ etablieren müssen. Dazu gehören vorgeschriebene Pausen und klare Richtlinien, wann KI nicht eingesetzt werden sollte.
• Produktivität neu definieren: Abkehr von outputbasierten Kennzahlen (die durch KI leicht aufgebläht werden können) hin zu ergebnisbasierten Kennzahlen. Messen Sie die Wirkung der Arbeit, nicht nur die Geschwindigkeit ihrer Erstellung.
• Leitplanken für den Aufgabenbereich: Manager müssen wachsam gegenüber „Scope Creep“ sein. Nur weil ein Marketingmanager mit KI SQL-Abfragen generieren kann, heißt das nicht, dass er zusätzlich zu seinen eigenen Aufgaben auch noch den Job des Datenteams erledigen sollte.
• Menschliche Verbindung priorisieren: Da die Interaktionen mit KI-Agenten zunehmen, muss die Zeit für die zwischenmenschliche Zusammenarbeit – die oft emotionale Unterstützung bietet und kreative Funken schlägt – geschützt werden.

Die Zukunft der Arbeit gestalten

Bei Creati.ai bleiben wir optimistisch, was das Potenzial der Künstlichen Intelligenz zur Transformation von Branchen angeht. Die Transformation darf jedoch nicht auf Kosten der psychischen Gesundheit der Belegschaft gehen. Das Werkzeug sollte dem Menschen dienen, nicht umgekehrt.

Die Studie der UC Berkeley ist keine Verurteilung der Technologie, sondern eine Kritik daran, wie wir sie derzeit einsetzen. Wenn wir KI weiterhin ausschließlich als Mechanismus betrachten, um mehr Stunden aus dem Tag herauszupressen, werden wir mit einer Burnout-Krise konfrontiert sein, die kein Algorithmus lösen kann. Der Weg nach vorn erfordert eine bewusste Neugestaltung der Arbeit – eine, die unsere kognitiven Grenzen anerkennt und nachhaltige, langfristige Kreativität über kurzfristige Effizienzschübe stellt.

Während wir uns weiter ins Jahr 2026 bewegen, wird der Wettbewerbsvorteil nicht den Unternehmen gehören, die KI nutzen, um am schnellsten zu laufen, sondern denen, die sie nutzen, um am längsten durchzuhalten.