Tempo und Burnout im KI-Zeitalter: Wohin die gesparte Zeit tatsächlich fließt

Von Victor Hoang · Aktualisiert am 22. September 2026

KI sollte das Arbeitspensum senken. Für die meisten Beschäftigten hat sie stattdessen das Tempo erhöht. 77 Prozent der Beschäftigten sagen, KI-Tools hätten ihre Arbeitslast erhöht statt verringert, und gerade die Beschäftigten mit den größten KI-bedingten Produktivitätsgewinnen berichten vom höchsten Burnout in der Belegschaft. Der Mechanismus ist nicht rätselhaft: Schnellerer Output erzeugt schnellere Erwartungen, das Prüfen von KI-Arbeit ist echte kognitive Arbeit, die kaum je mitgezählt wird, und die Zeit, die KI spart, wird in Durchsatz statt in Erholung reinvestiert. Nichts davon heißt, dass KI wertlos wäre. Es heißt, dass die Gewinne gestaltet werden müssen, sonst frisst das Tempo sie auf.

Wenn das zu dem passt, was Sie in Ihrem Team sehen, lesen Sie die Daten richtig und reagieren nicht über auf ein holpriges Quartal. Es ist ein Problem des Lastmanagements mit sichtbarer Mechanik, und Mechanik lässt sich umgestalten.

Wichtige Fakten

• 77 Prozent der Beschäftigten sagen, KI-Tools hätten ihre Arbeitslast erhöht statt verringert; 47 Prozent wissen nicht, wie sie die Produktivitätsgewinne erreichen sollen, die ihr Arbeitgeber erwartet (Upwork und Workplace Intelligence, Juli 2024).
• 39 Prozent sagen, sie verbrächten nun mehr Zeit damit, KI-generierte Inhalte zu prüfen oder zu moderieren, ein direktes Maß für die Verifikationssteuer, die die Arbeitsplanung ausspart (Upwork und Workplace Intelligence, Juli 2024).
• Unter den Beschäftigten mit den höchsten KI-bedingten Produktivitätsgewinnen berichten 88 Prozent von Burnout, und sie erwägen doppelt so häufig zu kündigen (Upwork und Workplace Intelligence, Juli 2025).
• 80 Prozent der weltweiten Belegschaft fehlen Zeit oder Energie für ihren Job, und Wissensarbeitende werden in den Kernzeiten etwa alle zwei Minuten unterbrochen, rund 275 Mal am Tag (Microsoft 2025 Work Trend Index; Microsoft WorkLab, Juni 2025).
• 40 Prozent der Beschäftigten, die um 6 Uhr morgens online sind, sichten bereits ihre E-Mails, und knapp 29 Prozent der um 22 Uhr noch Aktiven sind wieder im Posteingang (Microsoft WorkLab, „Breaking Down the Infinite Workday", Juni 2025).
• Die WHO stuft Burnout in der ICD-11 als berufsbezogenes Phänomen mit drei Dimensionen ein: Erschöpfung, Zynismus gegenüber dem Job und verringerte berufliche Wirksamkeit, hervorgerufen durch chronischen Stress am Arbeitsplatz, der nicht erfolgreich bewältigt wurde (WHO, Mai 2019).
• Beschäftigte, die durchgängig genug Zeit für ihre Arbeit haben, berichten etwa 70 Prozent seltener von hohem Burnout, der direkteste einzelne Hebel in der ursprünglichen Burnout-Forschung von Gallup (Gallup, 2018).

Erwartungsinflation: Die Geschwindigkeit des Tools wird zur neuen Basislinie

Der erste Mechanismus ist der einfachste und lässt sich, solange er wirkt, am leichtesten übersehen. Vor KI dauerte ein erster Berichtsentwurf einen Tag. Mit KI dauert er zwanzig Minuten. Der naheliegende nächste Schritt, den fast jedes Team ohne Diskussion geht, ist nicht, die gesparten Stunden zu verbuchen. Er besteht darin, den Bericht bis Tagesende statt bis Wochenende zu erwarten, weil das Tool diese Geschwindigkeit möglich gemacht hat.

Das ist Erwartungsinflation: Die Obergrenze dessen, was KI produzieren kann, wird still zur Untergrenze dessen, was von einem Menschen erwartet wird. Niemand verkündet dafür eine neue Richtlinie. Eine Führungskraft sieht eine schnelle Durchlaufzeit, nimmt an, sie sei nun der Standardzyklus, und plant die nächste Anfrage auf dieser Annahme. Vervielfältigt über ein Dutzend Anfragende, soll ein Mensch bei jeder Aufgabe in maschinennahem Tempo arbeiten, nicht nur bei der, bei der KI tatsächlich geholfen hat.

Die Falle: Die Beschleunigung ist meist nur für einen schmalen Ausschnitt der Aufgabe real, Entwerfen, Zusammenfassen, Erstentwurf von Code, während die umgebende Arbeit (die Anfrage verstehen, das Ergebnis prüfen, Ausnahmen behandeln) nicht im selben Maß schrumpft. Erwartungen blähen sich auf den schnellsten sichtbaren Schritt hin auf, nicht auf den Durchschnitt des gesamten Jobs. Diese Diskrepanz erklärt zu einem großen Teil, warum das Produktivitätsparadoxon der KI auf Unternehmensebene existiert: Einzelne Schritte werden schneller, aber der Workflow drumherum wurde nicht umgestaltet, sodass der Gewinn von der Erwartungsausweitung aufgezehrt wird, statt als Puffer zu erscheinen.

Die Verifikationssteuer: Das Prüfen von KI-Arbeit ist ein Job, den niemand eingeplant hat

Der zweite Mechanismus wiegt schwerer und ist in der Arbeitsplanung weit weniger sichtbar. Jedes relevante KI-Ergebnis muss geprüft werden: auf Richtigkeit, auf Tonalität, auf die falsche Annahme im dritten Absatz, auf das Zitat, das nicht sagt, was die Zusammenfassung behauptet. Dieses Prüfen ist echte kognitive Arbeit, verschieden davon, etwas selbst zu entwerfen oder den Entwurf eines vertrauten Kollegen abzusegnen.

Jahrzehntelange Forschung zur menschlichen Überwachung automatisierter Systeme erklärt, warum dieses Prüfen so zehrend ist. Raja Parasuraman und Dietrich Manzey fanden in ihrer Übersicht zu Automationsgenügsamkeit (Complacency) und Verzerrung, dass die Überwachung eines automatisierten Systems direkt mit den anderen Aufgaben einer Person um knappe Aufmerksamkeit konkurriert und dass sich diese Genügsamkeit bei erfahrenen Fachleuten ebenso zeigt wie bei Neulingen, Übung allein löst sie nicht (Parasuraman & Manzey, „Complacency and Bias in Human Use of Automation", Human Factors, 2010). Das Verifizieren von KI-Ergebnissen verlangt von einem Menschen, zwei widersprüchliche Haltungen zugleich einzunehmen: dem System genug zu vertrauen, um sein Ergebnis effizient zu nutzen, und skeptisch genug zu bleiben, um es zu ertappen, wenn es selbstsicher falschliegt. Diese geteilte Aufmerksamkeit ist der eigentliche Preis jedes Human-in-the-Loop-Designs, und sie zehrt mehr, als die Arbeit von Grund auf selbst zu erledigen oder den Entwurf eines bewährt zuverlässigen Kollegen zu prüfen, weil sowohl die Fehlerquote als auch der Fehlerort unvorhersehbar sind.

Warum die Steuer in der Arbeitsplanung unsichtbar ist

Niemand setzt „KI-Ergebnis auf Halluzinationen prüfen" auf eine Aufgabenliste oder in eine Zeitschätzung. Es wird in den Posten aufgesogen, in den das Ergebnis einfließt, sodass eine Führungskraft „Kundenangebot geschrieben" sieht und annimmt, der KI-Entwurf habe diesen Posten beschleunigt, während in Wirklichkeit ein spürbarer Teil der Zeit ins Prüfen, Korrigieren und erneute Prüfen des Entwurfs floss. Die Forschung von Upwork beziffert das: 39 Prozent der Beschäftigten sagen, sie verbrächten nun mehr Zeit als zuvor damit, KI-generierte Inhalte zu prüfen oder zu moderieren, Zeit, die in einem Kapazitätsplan auf Basis der alten Aufgabenliste aus der Zeit vor KI nirgends auftaucht. Das menschliche Urteilsvermögen scharf halten behandelt die Kompetenzseite, ein guter Prüfer zu bleiben; dies ist die Workload-Seite desselben Problems, die Stunden, die die Verifikation still verbraucht.

Der unendliche Arbeitstag, jetzt mit KI-Akzent

Die Forschung zum Work Trend Index von Microsoft beschreibt ein Muster, das sie den unendlichen Arbeitstag nennt: Der durchschnittliche Wissensarbeitende wird in den Kernzeiten etwa alle zwei Minuten unterbrochen, rund 275 Mal am Tag, durch Meetings, E-Mails und Chats, und der Arbeitstag selbst hat seine Ränder verloren. Vierzig Prozent der Menschen, die um 6 Uhr morgens online sind, sichten bereits ihre E-Mails, und knapp 29 Prozent der aktiven Nutzenden sind um 22 Uhr wieder im Posteingang. Achtzig Prozent der weltweiten Belegschaft sagen, ihnen fehle Zeit oder Energie, um ihre Arbeit zu schaffen. Meetings machen allein einen großen Teil dieser Unterbrechungen aus, was mit erklärt, warum eine Neugestaltung der Meeting-Kultur zu den wenigen Maßnahmen gehört, die das Unterbrechungsvolumen tatsächlich senken, statt es nur umzuschichten.

KI tritt aus zwei Richtungen in dieses Muster ein, die sich größtenteils aufheben. Ein KI-Assistent kann die E-Mail entwerfen oder einen Rückstandsposten in Sekunden abräumen, was den Arbeitstag verkürzen sollte. Doch KI-Output kommt auch schneller und ständiger an als der eines menschlichen Kollegen; ein Agent kann eine Aufgabe um 23 Uhr ebenso leicht abschließen und zur Prüfung zurückgeben wie um 11 Uhr, und die Norm wird „prüfen, wenn es fertig ist", nicht „prüfen während der Arbeitszeit". Der unendliche Arbeitstag war schon vor generativer KI ein Problem erodierender Grenzen; zu jeder Stunde eintreffende KI-Arbeit, für die dieselbe Prüfgeschwindigkeit erwartet wird, verstärkt diese Erosion. Die Lösung überschneidet sich mit der Frage, wie KI Kommunikationsnormen verändert, denn dieser Druck kommt über dieselben Kanäle, in denen „gelesen" still „jetzt antworten" bedeutet.

Warum schnellere Durchlaufzeiten weniger Erholung bedeuten können statt mehr Puffer

Hier stolpert selbst sorgfältige Arbeitsplanung. Die intuitive Annahme lautet: Wenn ein Zyklus, der früher eine Woche dauerte, nun zwei Tage braucht, werden die freigewordenen fünf Tage zu Puffer, Erholungszeit oder Raum für tiefere Arbeit. In der Praxis werden schnellere Durchlaufzeiten meist auf mehr Zyklen umverteilt, nicht auf mehr Ruhe, weil Durchsatz die Kennzahl ist, an der die meisten Teams tatsächlich gemessen werden.

Denken Sie es als Warteschlange, nicht als Aufgabenliste. Löst ein Support-Team Tickets mit einem KI-Assistenten doppelt so schnell, bleibt die Warteschlange nicht leer, sie füllt sich wieder, denn das Anfragevolumen war nie allein durch menschliche Geschwindigkeit kapazitätsbegrenzt, sondern durch das, was die Anfragen erzeugt: Kundenvolumen, Vertriebspipeline, interne Nachfrage. Wird die Serviceseite dieses Kreislaufs verdichtet und fehlt eine bewusste Entscheidung, den Gewinn als Erholungszeit zu verbuchen, verarbeitet das System standardmäßig mehr von derselben Warteschlange in derselben Intensität, nur schneller. Der Output steigt. Die Ruhezeit nicht. Das ist der mechanische Grund, warum ein tatsächlich schnellerer Prozess dennoch Burnout erzeugen kann: Tempo ohne einen gestalteten Haltepunkt führt den Menschen nur früher zum nächsten Posten, unbegrenzt.

Das Produktivitätsparadoxon der KI zeigt die Unternehmensversion davon: individuelle Beschleunigungen, die den Kontakt mit einem nicht umgestalteten Workflow nicht überleben. Tempo und Burnout sind die individuelle Version desselben Scheiterns. Beide entstehen daraus, eine lokale Beschleunigung zu behandeln, als würde sie automatisch zum organisatorischen Puffer, obwohl Puffer eine bewusste Gestaltungsentscheidung sein muss und kein angenommener Nebeneffekt.

Mehrere Agenten zu beaufsichtigen ist eine eigene Art von Last

Eine neuere Variante des Problems zeigt sich, wenn Teams mehr als einen KI-Agenten gleichzeitig betreiben: einen, der Inhalte entwirft, einen, der eine Warteschlange sichtet, einen, der ein Dashboard überwacht, jeder mit einer anderen Art menschlicher Kontrolle in einem anderen Takt. Das sieht nach Delegation aus, und in gewissem Sinn ist es das auch. Doch mehrere halbautonome Prozesse zu beaufsichtigen ist eine grundlegend andere kognitive Aufgabe als konzentriertes Arbeiten an einer Sache, und sie erbt die gut dokumentierten Kosten des Aufgabenwechsels.

Die Forschung von Gloria Mark an der UC Irvine, die echte Büroangestellte über ihre tatsächlichen Arbeitstage begleitete, ergab, dass es nach einer einzigen Unterbrechung im Schnitt über 23 Minuten dauerte, bis man mit derselben Konzentrationstiefe zur ursprünglichen Aufgabe zurückgekehrt war (Mark, Gonzalez & Harris, „The Cost of Interrupted Work", CHI 2008). Menschen kompensieren, indem sie nach jedem Wechsel schneller arbeiten, doch das zeigt sich als messbar höherer Stress, nicht als gratis Erholung. Drei Agenten zu betreuen, die alle zwanzig Minuten einen Check brauchen, ist nicht dreimal leichter, als ein großes Projekt zu betreuen; es kann schwerer sein, weil jeder Check ein Kontextwechsel mit eigenen Wiedereinstiegskosten ist. Vom Ausführenden zum Orchestrator behandelt, wie das die Rolle des Individual Contributors umformt; die Variante für das Lastmanagement besteht darin, „zu beaufsichtigende Agenten" als Kostenfaktor zu behandeln und nicht als kostenlosen Multiplikator des Outputs.

Echte Entlastung versus Lastverschiebung

Nicht jede KI-Nutzung erhöht die Last. Manches nimmt tatsächlich Fronarbeit ab, ohne dass dem ein Gegenposten gegenübersteht: eine Tabelle formatieren, ein Gespräch transkribieren, Textbausteine erzeugen, die ohnehin niemand Zeile für Zeile prüfte. Für das Workload-Design zählt, ob die gesparte Zeit als Erholung reinvestiert oder in eine weniger sichtbare Form von Arbeit verschoben wurde.

Workload-Design-Maßnahmen, die wirklich wirken

Das zu beheben heißt nicht, KI weniger zu nutzen. Es heißt, die Kategorien in dieser Tabelle als Workload-Variablen zu behandeln, über die ausdrücklich entschieden werden muss, so wie über Stellenzahl und Fristen längst ausdrücklich entschieden wird, und es ist eindeutig eine Aufgabe für die mittlere Führungskraft, deren Rolle sich unter KI ohnehin bereits verändert.

Planen Sie Verifikationszeit als eigenen Posten ein. Enthält eine Aufgabe nun einen KI-generierten Erstentwurf, sollte die Zeitschätzung einen separaten Zuschlag für die Prüfung enthalten, nicht die Annahme, die Entwurfszeit sei einfach geschrumpft. Erfassen Sie einen Monat lang die tatsächliche Prüfzeit, bevor Sie diesen Zuschlag festlegen; Schätzen unterschätzt sie erfahrungsgemäß stark.

Setzen Sie Durchlaufzeit-Standards unabhängig von der Tool-Geschwindigkeit. Entscheiden Sie bewusst, welche Durchlaufzeit für ein bestimmtes Ergebnis erwartet wird, und halten Sie diesen Standard, auch wenn das Tool technisch schneller sein könnte. Das ist der schnellste einzelne Weg, zu verhindern, dass Erwartungsinflation zum Normalfall wird.

Geben Sie KI-generierter Arbeit dieselben Grenzen außerhalb der Arbeitszeit wie von Menschen erzeugter Arbeit. Wenn eine Nachricht eines Kollegen um 23 Uhr keine Antwort noch in derselben Nacht erfordert, dann auch kein Bericht, den ein Agent um 23 Uhr fertiggestellt hat. Schreiben Sie die Norm auf; ungeschriebene Normen richten sich nach dem, was am schnellsten ist, und das ist meist am schlechtesten für die Erholung.

Entscheiden Sie im Voraus, wie eine Beschleunigung verwendet wird. Benennen Sie, bevor ein Tool eingeführt wird, das einen Zyklus verdichtet, die Aufteilung: Wie viel gesparte Zeit wird zu Durchsatz und wie viel zu geschützter Erholung oder tieferer Arbeit? Bleibt das offen, lautet die Standardantwort 100 Prozent Durchsatz, weil das gemessen wird. Das hängt direkt mit Performance Management, wenn KI einen Teil der Arbeit erledigt zusammen, da es verändert, wie eine faire Arbeitslast aussieht.

Begrenzen und bündeln Sie die Agentenaufsicht. Behandeln Sie die Zahl der KI-Prozesse, die eine Person aktiv beaufsichtigt, als echte Kapazitätsgrenze, so wie eine Führungskraft die Zahl ihrer direkten Berichtenden begrenzt, und bündeln Sie Statusabfragen in geplante Reviews, statt jeden Agenten einzeln unterbrechen zu lassen.

Achten Sie auf Lastverschiebung, die als Entlastung getarnt ist. Wenn jemand berichtet, ein Tool habe „enorm Zeit gespart", fragen Sie, wohin diese Zeit ging. Lautet die ehrliche Antwort „ich habe mehr Arbeit übernommen", ist das Durchsatz, keine Entlastung, und es lohnt sich, das auszusprechen, bevor es zur unausgesprochenen neuen Normalität wird.

Nichts davon erfordert ein großes Programm. Es sind eine Handvoll ausdrücklicher Entscheidungen in einem einzigen Planungsgespräch, Entscheidungen, die derzeit standardmäßig und stillschweigend fallen, jedes Mal in die Richtung von mehr Durchsatz und weniger Erholung. Sie bewusst zu treffen, ist die ganze Lösung. Das ist ein Problem des Workload-Designs, nicht der Kultur; zur Seite der Normen und des Vertrauens im Umgang mit KI siehe Burnout-Kultur und Workslop, Aufwand und Ownership.

Eine Workflow-Schicht, die protokolliert, wie lange Prüfschritte tatsächlich dauern, statt anzunehmen, dass sie zusammen mit dem Entwerfen schrumpfen, macht die Verifikationssteuer sichtbar, statt sie zu erraten. Keine der beiden ersetzt die oben genannten Entscheidungen der Führungskräfte; sie macht nur die unsichtbaren Teile der Tabelle messbar.

Eine Beschleunigung ohne Ziel wird standardmäßig zu mehr Arbeit. Wählen Sie zuerst das Ziel.