KI spart Zeit und verdichtet zugleich die Arbeit

Die Verheißung der KI war klar: weniger Routine, kürzere Bearbeitungszeiten, mehr Raum für anspruchsvolle Arbeit. Doch zwischen technischer Beschleunigung und tatsächlicher Entlastung besteht ein erheblicher Unterschied. Genau dort beginnt das Produktivitätsparadox.

Darauf weist eine achtmonatige ethnografische Untersuchung der UC Berkeley Haas School hin, die 200 Beschäftigte eines US-Technologieunternehmens begleitete. Wer KI nutzte, arbeitete nicht ruhiger. Die Beschäftigten übernahmen zusätzliche Aufgaben, dehnten die Arbeit in die Mittagspause und in den Abend aus und steuerten mehrere KI-gestützte Arbeitsabläufe gleichzeitig. Die Forschenden sprechen von Arbeitsintensivierung.

Schnellere Werkzeuge senken die Last nicht automatisch

Die Ausgangsannahme war plausibel: Wenn ein Werkzeug schneller ist, müsste weniger Arbeit anfallen. Die Daten deuten jedoch darauf hin, dass Organisationen frei werdende Zeit selten als gewonnene Zeit behandeln. Sie interpretieren sie vielmehr als zusätzliche Kapazität.

Damit verschiebt sich die Norm dessen, was als zumutbar oder erwartbar gilt. Was gestern noch als aufwendig galt, wird morgen zur Standardanforderung. KI schafft dann keinen Puffer, sondern erhöht das Tempo, in dem neue Anforderungen in bestehende Arbeitstage hineingedrückt werden.

37 Prozent der eingesparten Zeit gehen in Nacharbeit verloren

Wie konkret dieses Muster ist, zeigt eine Erhebung von Workday und AlixPartners. Laut der Befragung von 3.200 Beschäftigten in Nordamerika, Asien-Pazifik und EMEA sparen 85 Prozent mit KI zwischen einer und sieben Stunden pro Woche. Zugleich verschwinden 37 Prozent dieser gewonnenen Zeit in Nacharbeit: in Korrekturen, Umschreibungen und die Prüfung von Ergebnissen, die plausibel wirken, aber fehlerhaft sind.

Wer also glaubt, fünf Stunden zurückzugewinnen, gewinnt womöglich nur drei. Die übrigen zwei Stunden gehen dafür drauf, die Hilfe zu beaufsichtigen, die eigentlich entlasten sollte. Damit wird sichtbar, was in vielen Effizienzrechnungen fehlt: Überwachung ist ebenfalls Arbeit, auch wenn sie sich weniger greifbar anfühlt als klassische Sachbearbeitung.

Ein CTO von Dun & Bradstreet formulierte dieses Dilemma bemerkenswert offen: „I got the eight hours to two hours, but now I can get 20 hours of work.“ Der entscheidende Punkt liegt nicht nur in der Beschleunigung, sondern in der Ausweitung der erwartbaren Leistung.

Wo der kognitive Preis anfällt

Eine weitere Ebene zeigt eine Untersuchung von Boston Consulting Group und UC Riverside, die 1.488 vollzeitbeschäftigte US-Arbeitnehmerinnen und Arbeitnehmer befragte. Sie prägten dafür den Begriff „AI brain fry“. Beschäftigte mit hoher Verantwortung für die Aufsicht über KI berichteten von 14 Prozent mehr mentalem Aufwand, 12 Prozent größerer mentaler Ermüdung und 19 Prozent mehr Informationsüberlastung als Personen mit geringer Aufsichtslast.

Bemerkenswert ist dabei die Grenze der Nützlichkeit. Bei ein bis drei KI-Werkzeugen stieg die selbst berichtete Produktivität. Kam ein viertes hinzu, brach sie ein. Mehr Werkzeuge bedeuteten also nicht automatisch mehr Leistung, sondern häufig mehr Kontextwechsel, mehr Prüfung und mehr kleinteilige Entscheidungen pro Stunde, als dauerhaft sinnvoll zu bewältigen sind.

14 Prozent der KI-Nutzenden gaben an, ein solches Erschöpfungsmuster erlebt zu haben. In Marketingteams stieg der Anteil auf 26 Prozent. Unter den Betroffenen traten 39 Prozent mehr gravierende Fehler auf, 34 Prozent planten aktiv zu kündigen. Die Daten legen nahe, dass Überforderung nicht nur Wohlbefinden, sondern auch Qualität und Bindung an das Unternehmen beeinträchtigt.

Das eigentliche Problem ist die Neubefüllung der Lücke

Die Berkeley-Forschenden beobachteten, dass verdichtete Arbeitstage nicht deshalb entstehen, weil KI schlecht wäre, sondern weil frei gewordene Zeit sofort wieder besetzt wird. Wurde eine Aufgabe von sechs Stunden auf 40 Minuten verkürzt, bedeutete das nicht Feierabend. Es bedeutete zusätzliche Aufgaben, weitere Kommunikationsschleifen und parallele Prozesse. Eine befragte Person brachte es nüchtern auf den Punkt: Man glaube vielleicht, weniger zu arbeiten, arbeite aber am Ende nicht weniger.

Eine im PubMed-Archiv veröffentlichte Übersichtsarbeit beschreibt dieses Muster als Effizienzparadox. Ein Prozess wird schneller, der Gesamtaufwand sinkt dennoch nicht, wenn das System darauf mit noch mehr Prozessen reagiert. Hinzu kommt, dass dieselbe Forschungslinie zum Zusammenhang von Mind-Wandering und divergentem Denken Korrelationen von r = .14 bis .16 bei 865 Teilnehmenden fand. Jene vermeintlich unproduktiven Zwischenräume könnten also gerade die Phasen sein, in denen originelle Ideen entstehen.

Vor diesem Hintergrund erhalten die Unternehmensbeispiele ein anderes Gewicht. Google berichtet, dass 50 Prozent des Codes inzwischen von KI erzeugt werden, verbunden mit einem Geschwindigkeitsgewinn von deutlich über 10 Prozent. KPMG reduzierte die Vorbereitung von Meetings um 75 Prozent. AES verkürzte einen 14-tägigen Auditprozess auf eine Stunde. Frei gewordene Zeit wurde jedoch in allen Fällen wieder in zusätzliche Arbeit überführt.

Was die wenigen erfolgreichen Unternehmen anders machen

Laut Daten von McKinsey und Goldman Sachs, die in dieser Analyse zum kleinen Kreis profitabler KI-Nutzer aufgegriffen werden, erzielen lediglich 6 Prozent der Unternehmen tatsächlich messbare Renditen aus KI. Die Forschenden aus Berkeley schlagen dafür einen pragmatischen Ansatz vor: eine bewusste KI-Praxis mit klaren Normen dazu, wann, wie und in welchem Umfang KI eingesetzt wird.

Drei Empfehlungen stechen hervor. Erstens strukturierte Pausen zwischen KI-unterstützten Aufgaben, damit Tempo nicht jede Form von Reflexion verdrängt. Zweitens sequenzielle Bündelung statt paralleler Bearbeitung, um Kontextwechsel zu begrenzen. Drittens geschützte Fokuszeiten, in denen keine KI-Werkzeuge mitlaufen.

Die Pointe ist deutlich. Die Unternehmen, die den größten Nutzen aus KI ziehen, sind nicht jene, die jede Minute des Arbeitstags technisieren. Erfolgreich sind eher jene, die akzeptieren, dass menschliche Kognition Bandbreitengrenzen hat. Die nächste von KI eingesparte Stunde kann in die nächste Aufgabe fließen. Oder sie kann den Raum eröffnen, in dem gutes Denken überhaupt erst möglich wird.