Warum KI zuerst die besten Mitarbeiter erschöpft

Ihre verlässlichste Mitarbeiterin hat in einer Woche zwei schwerwiegende Fehler gemacht. Normalerweise passiert ihr das nicht. Zugleich ist sie die Person, die in ihrem Arbeitsalltag vier KI-Werkzeuge parallel steuert, deren Ausgaben prüft und fortlaufend entscheidet, was korrekt ist, was nachgebessert werden muss und was keinesfalls weitergegeben werden darf.

Genau dieses Muster steht im Mittelpunkt einer in der Harvard Business Review veröffentlichten Untersuchung, die von Boston Consulting Group und der University of California, Riverside, durchgeführt wurde. Befragt wurden 1.488 Vollzeitbeschäftigte in den USA. Das Ergebnis ist bemerkenswert klar: Nicht die schwächeren, sondern häufig die leistungsstärksten Beschäftigten geraten zuerst unter kognitiven Druck, wenn sie mehrere KI-Systeme beaufsichtigen. Die Autoren bezeichnen diesen Zustand als „AI brain fry“, also als eine Form akuter mentaler Überlastung, die sich bereits innerhalb eines Arbeitstags bemerkbar machen kann.

Nach dem dritten Tool kippt der Effekt

Besonders aufschlussreich ist, dass die wahrgenommenen Produktivitätsgewinne nicht unbegrenzt ansteigen. Bis zu drei gleichzeitig genutzte KI-Tools scheint der Nutzen zuzunehmen. Beim vierten Werkzeug jedoch kippt die Kurve. Die Selbsteinschätzung der Produktivität verlangsamt sich nicht nur, sie bricht ein.

Wie Fortune unter Verweis auf die BCG-Daten berichtet, meldeten Beschäftigte mit hohem KI-Überwachungsaufwand 14 Prozent mehr mentale Anstrengung, 12 Prozent mehr mentale Ermüdung und 19 Prozent mehr Informationsüberlastung als Vergleichsgruppen mit geringeren Aufsichtspflichten. Das ist deshalb relevant, weil Unternehmen ihre kompetentesten Kräfte oft damit betrauen, „die KI-Themen mitzulösen“. Was organisatorisch effizient klingt, verlagert in der Praxis einen erheblichen Teil der Komplexität auf einzelne Köpfe.

Diese Form der Belastung unterscheidet sich zudem von klassischem Burnout. Burnout entwickelt sich eher schleichend. Hier beschreiben Beschäftigte eine Art Summen im Kopf, Nebel, Kopfschmerzen und vor allem eine nachlassende Fähigkeit, nach vielen Stunden des Prüfens und Korrigierens noch verlässlich zu entscheiden.

Gerade starke Leistungsträger sind besonders gefährdet

Die Verteilung dieses Effekts ist nicht zufällig. Insgesamt berichteten 14 Prozent der KI-Nutzenden von „brain fry“. Im Marketing lag der Anteil jedoch bei 26 Prozent, im Rechtsbereich bei nur 6 Prozent, wie The Decoder in seiner Einordnung der Studie hervorhebt.

Das spricht weniger für Unterschiede in Intelligenz oder Belastbarkeit als für Unterschiede in der Überwachungsintensität. Marketingteams prüfen häufig Texte, Analysen, Bilder und automatisierte Kundenantworten parallel. Jedes einzelne Ergebnis verlangt eine menschliche Beurteilung: Ist es sachlich korrekt? Passt es zur Marke? Entsteht ein rechtliches oder reputatives Risiko? Muss neu gearbeitet werden?

Wer so arbeitet, hält ständig einen Teil seiner Arbeitsgedächtniskapazität gebunden. Die Aufmerksamkeit zerfällt in kleine Prüfschritte. Tiefes Denken, das für Strategie, Einordnung und Priorisierung nötig wäre, wird dadurch erschwert. Die leistungsstarken Beschäftigten werden so zu einem stillen Puffer, der die Unschärfen der Systeme ausgleicht.

Die eigentlichen Kosten zeigen sich in Entscheidungen

Laut der Harvard Business Review berichteten Betroffene von 33 Prozent mehr Entscheidungsmüdigkeit, 11 Prozent mehr kleineren Fehlern und 39 Prozent mehr gravierenden Fehlern. Das sind keine bloßen Tippfehler. Es geht um Fehlentscheidungen, die Qualität, Sicherheit und wirtschaftliche Ergebnisse beeinträchtigen können.

Hinzu kommt eine von Gartner zitierte Schätzung: Bei einem Unternehmen mit 5 Milliarden US-Dollar Jahresumsatz können suboptimale Entscheidungen rund 150 Millionen US-Dollar pro Jahr kosten. Umgerechnet entspricht das ungefähr 138 Millionen Euro. Der Punkt ist weniger die exakte Währung als die Größenordnung. Wenn Unternehmen ihre besten Entscheider mit zusätzlicher KI-Aufsicht belasten und zugleich schnellere Entscheidungen erwarten, erzeugen sie ein strukturelles Risiko im Kern der Wertschöpfung.

Auch die Bindung leidet. Die Kündigungsabsicht steigt von 25 Prozent bei Unbetroffenen auf 34 Prozent bei Betroffenen, was einem um 39 Prozent höheren Abwanderungsrisiko entspricht, wie Futurism in seiner Zusammenfassung betont. Besonders problematisch ist, dass dieser Effekt jene Personen trifft, deren Erfahrung und Urteilsvermögen Unternehmen nur schwer ersetzen können.

Zwei organisatorische Hebel wirken tatsächlich

Die Studie benennt allerdings nicht nur das Problem, sondern auch praktikable Gegenmaßnahmen. Der wirksamste Hebel war die Art, wie Unternehmen den Einsatz von KI kommunizierten. Dort, wo KI als Mittel verstanden wurde, um Routinen zu reduzieren und eine bessere Work-Life-Balance zu ermöglichen, lagen die Ermüdungswerte 28 Prozent niedriger. Dort hingegen, wo KI vor allem mit höheren Leistungserwartungen verknüpft wurde, stieg die Ermüdung um 12 Prozent.

Ein zweiter Hebel war die Rolle der Führungskraft. Unterstützten Vorgesetzte ihre Teams aktiv bei KI-Fragen und boten konkrete Schulung an, sank die mentale Ermüdung um 15 Prozent. Mussten Beschäftigte sich selbst helfen, stieg sie um 5 Prozent. Die Differenz von 20 Prozentpunkten ist bemerkenswert, weil sie fast ausschließlich durch die Qualität der Einführung entsteht.

Darüber hinaus berichteten Beschäftigte, die KI gezielt zum Abbau repetitiver Aufgaben nutzten, von 15 Prozent weniger Burnout. Genau hier liegt der Unterschied zwischen sinnvoller Entlastung und bloßer Arbeitsverdichtung, die am Ende in versprochener Zeitersparnis und tatsächlicher Nacharbeit münden kann.

Was jetzt sinnvoll wäre, bevor die Besten gehen

Für viele Unternehmen dürfte die naheliegende Konsequenz kontraintuitiv sein: Geben Sie Ihren stärksten Kräften eher weniger als mehr KI-Tools gleichzeitig. Ein Limit von drei parallelen Werkzeugen pro Rolle erscheint vernünftig. Ebenso sinnvoll ist es, feste Zeitfenster für Prüfung und Validierung einzuplanen, statt diese Arbeit zwischen Meetings und andere Kernaufgaben zu quetschen.

Ein Studienteilnehmer beschrieb seinen Zustand als Denken, das nicht kaputt, sondern nur laut geworden sei, wie eine Form von mentalem Rauschen, die nicht mehr aufhöre. Genau darin liegt die Warnung. Das Problem ist nicht allein die KI. Problematisch ist eine Organisationslogik, die annimmt, derselbe Kopf könne ohne Folgen immer mehr maschinelle Ausgaben beaufsichtigen und zugleich auf höchstem Niveau urteilen.