AI Brain Fry: Die Erschöpfung der Entlasteten

Worum es geht

Als die Waschmaschine in den Fünfzigerjahren in die Haushalte einzog, versprach die Werbung den Hausfrauen vor allem eines: Zeit. Die Maschine sollte übernehmen, was zuvor einen ganzen Waschtag gekostet hatte. Heute versprechen KI-Werkzeuge den Büros dasselbe, und wieder zeigt sich, dass eine Maschine, die Arbeit abnimmt, noch lange keine Ruhe bringt.

Im März 2026 haben Forschende der Boston Consulting Group der Müdigkeit, die nach langen Tagen mit KI-Werkzeugen und Agenten zurückbleibt, einen Namen gegeben: AI Brain Fry (1), eine geistige Erschöpfung, die entsteht, wenn Menschen KI so intensiv nutzen oder beaufsichtigen, dass ihre kognitive Kapazität nicht mehr mitkommt. Der Begriff klingt nach Boulevard. Die Überlastung lässt sich jedoch mit einer älteren ökonomischen Beobachtung verbinden: Wenn Technik Arbeit erleichtert, wird häufig mehr davon erledigt. Und sie wirft eine Frage auf, die bei der Einführung von KI leicht untergeht: Wem gehört eigentlich die Zeit, die eine Maschine spart?

Für die Studie befragten Julie Bedard, Gabriella Rosen Kellerman und ihr Team 1.488 Vollzeitbeschäftigte in großen US-Unternehmen. 14 Prozent derer, die KI nutzen, gaben an, die beschriebene Erschöpfung schon erlebt zu haben. Sie schildern ein Summen im Kopf, Nebel, Konzentrationsprobleme, langsamere Entscheidungen und Kopfschmerzen. In den Selbstauskünften zeigen sich klare Unterschiede: Betroffene berichten von einem Drittel mehr Entscheidungsmüdigkeit, von häufigeren kleinen und deutlich häufigeren schweren Fehlern, und ihre Kündigungsabsicht liegt bei 34 statt 25 Prozent.

Am häufigsten berichten Beschäftigte im Marketing davon, dort rund ein Viertel, gefolgt von Personalabteilungen; Juristinnen und Juristen am seltensten. Eine Befragung zeigt Zusammenhänge und belegt nicht, dass die KI-Nutzung die Beschwerden verursacht hat. Die Muster sind allerdings zu ausgeprägt, um sie als Befindlichkeit abzutun.

Ein Teil des Forschungsteams hatte im Herbst 2025 bereits den Begriff Workslop geprägt, für KI-Arbeitsergebnisse, die nach Substanz aussehen und beim Empfänger vor allem Nacharbeit erzeugen. Brain Fry ist gewissermaßen die Innenansicht desselben Problems. Aufschlussreich ist die Abgrenzung, die das Team zieht: Burnout ist emotionale Erschöpfung, ein chronischer Zustand aus Überlastung und Entfremdung von der eigenen Arbeit. Brain Fry dagegen ist eine akute kognitive Überlastung, bei der Aufmerksamkeit und Arbeitsgedächtnis über ihre Grenzen hinaus beansprucht werden.

Bemerkenswert ist, dass KI beide Zustände in unterschiedliche Richtungen bewegt. Wo sie Routine übernimmt, sinken in der Studie die Burnout-Werte, die mentale Ermüdung sinkt dabei aber nicht mit. Ein Team kann sich bei Routineaufgaben entlastet fühlen und sich zugleich an den verbleibenden Prüf- und Entscheidungsaufgaben erschöpfen. Die üblichen Burnout-Befragungen, mit denen Personalabteilungen das Wohlbefinden ihrer Belegschaft messen, laufen deshalb Gefahr, genau diese Form der Überlastung zu übersehen.

1865 beobachtete der britische Ökonom William Stanley Jevons etwas Paradoxes (2). Dampfmaschinen wurden immer sparsamer, und trotzdem stieg der Kohleverbrauch Englands. Die Effizienz machte Kohle für mehr Zwecke attraktiv, also wurde mehr davon verfeuert. Was als Jevons-Paradox in die Lehrbücher einging, heißt in allgemeinerer Form Rebound-Effekt: Eine Einsparung durch Technik wird ganz oder teilweise durch Mehrverbrauch wieder aufgezehrt.

Die Technikhistorikerin Ruth Schwartz Cowan hat diesen Effekt dort nachgewiesen, wo man ihn am wenigsten vermutet, im Haushalt (3). Waschmaschine, Staubsauger und Kühlschrank sollten die Hausarbeit drastisch verringern. Doch mit den Geräten stiegen die Ansprüche an Sauberkeit: Hemden wurden öfter gewechselt, Bettwäsche häufiger gewaschen. Die Zeit, die amerikanische Hausfrauen mit Hausarbeit verbrachten, blieb über Jahrzehnte erstaunlich stabil. Cowans Buchtitel More Work for Mother ist bereits die ganze Pointe. Überträgt man das Bild auf die Gegenwart, ist KI die Waschmaschine der Wissensarbeit.

Im Büro lässt sich Ähnliches beobachten. Als die Tabellenkalkulation in die Buchhaltung einzog, verschwanden viele klassische Buchhaltungsstellen, zugleich entstanden mehr Stellen für Analyse und Prüfung, weil Rechnen plötzlich mühelos war und man es entsprechend öfter tat. Der Rebound ist also kein Unglück an sich. Problematisch wird er erst, wenn das Mehr an Arbeit auf Menschen trifft, deren Kapazität nicht mitwächst. Wie konsequent gesparte Zeit schon heute im Betrieb bleibt, zeigen Daten aus Dänemark: Nur wenige Beschäftigte berichten, dass sie die Ersparnis für Pausen oder Freizeit nutzen.

Wie das im Alltag aussieht, haben Aruna Ranganathan und Xingqi Maggie Ye von der Haas School of Business in Berkeley beobachtet (4). Acht Monate lang begleiteten sie 2025 rund 200 Beschäftigte eines US-Technologieunternehmens. Ihr Befund: Die Beschäftigten arbeiteten schneller, übernahmen mehr Aufgaben und dehnten ihre Arbeit auf mehr Stunden des Tages aus, oft ohne dass es jemand verlangt hätte.

Sie holten liegen gebliebene Projekte hervor, weil die KI sie ja nebenbei erledigen könne, ließen einen Agenten eine Alternative schreiben, während sie selbst an der ersten Fassung saßen, und füllten Pausen mit einem schnellen Prompt. Das fühlte sich produktiv an. Tatsächlich bestand der Tag aus ständigen Aufmerksamkeitswechseln, Prüfschleifen und einer wachsenden Zahl offener Vorgänge.

Der Entwickler Simon Willison, einer der aufmerksamsten Chronisten der KI-Praxis, beschrieb eine ähnliche Erfahrung: Er arbeite oft an zwei, drei Projekten parallel und schaffe enorm viel, doch nach ein, zwei Stunden sei seine geistige Energie für den Tag nahezu verbraucht. Hinzu kommt der soziale Rebound. Wer Folien in Minuten erstellen kann, erstellt mehr Folien, und wer weiß, dass alle es können, erwartet bessere. Sitzungsprotokolle, Checklisten, Berichte und E-Mails kosten kaum noch Mühe, also werden es mehr, und der Verwaltungsaufwand wuchert. Manche Unternehmen messen inzwischen sogar den Verbrauch von KI-Tokens als Leistungsnachweis. Damit greift, was der Ökonom Charles Goodhart beschrieben hat: Eine Kennzahl, die zum Ziel wird, verliert ihre Aussagekraft, und wer Nutzung belohnt, bekommt vor allem Nutzung.

Als besonders belastend identifiziert die BCG-Studie nicht das Arbeiten mit KI, sondern das Beaufsichtigen von KI. Am stärksten gefährdet sind jene, die mehrere Werkzeuge gleichzeitig nutzen oder mehrere Agenten steuern, also die begeistertsten Frühanwender. Wie das aussehen kann, zeigte zum Jahresbeginn 2026 eine Software des Programmierers Steve Yegge namens Gas Town, mit der sich ganze Schwärme von Coding-Agenten gleichzeitig dirigieren lassen. Die Agenten produzierten in kurzer Zeit große Mengen Code. Ein früher Nutzer beschrieb seinen ersten Tag trotzdem eher als Zustand denn als Triumph: Es passiere schlicht zu viel, um es noch zu begreifen, schon beim Zusehen habe er körperlichen Stress gespürt.

Jenseits von etwa drei parallel genutzten Werkzeugen, so ein weiterer Befund der Studie, steigt die empfundene Produktivität kaum noch. Die Erklärung ist älter als jedes Sprachmodell. 1983 beschrieb die Psychologin Lisanne Bainbridge die Ironien der Automatisierung (5): Je weiter ein System automatisiert ist, desto wichtiger und zugleich schwieriger wird die verbleibende Rolle des Menschen. Er soll genau die seltenen Fehler bemerken, für die ihm die Übung fehlt, und das ausgerechnet in einer Tätigkeit, dem Überwachen, in der Menschen nachweislich schlecht sind.

Wer früher eine Sache gemacht hat, beaufsichtigt heute fünf. Machen kann in einen Zustand konzentrierter Versenkung führen, Beaufsichtigen erzeugt dagegen vor allem Entscheidungen: Stimmt das? Reicht das? Passt das zu dem, was gestern beschlossen wurde? Jede dieser Fragen ist klein, doch sie stellen sich im Minutentakt. Hinzu kommt, dass Kontrolle selten organisiert ist. Zweihundert generierte Codezeilen Zeile für Zeile zu lesen, kostet viel Kraft, und trotzdem rutschen dabei die Annahmen dahinter leicht durch. Bei KI-Agenten wird die Verifikation zum eigentlichen Engpass, und wer sie nicht organisiert, verlagert sie in den Kopf der Einzelnen.

Aus dem Rebound folgt eine Konsequenz, die in der Debatte um Arbeitsplätze meist untergeht: Was KI zuerst bedroht, sind womöglich weniger Jobs als die Muße. Gemeint ist damit mehr als Freizeit. Die griechische scholé, von der unser Wort Schule abstammt, bezeichnete Zeit, die keinem Zweck geschuldet ist und gerade deshalb Raum für Nachdenken lässt. Eine Technik, die jede gewonnene Minute sofort in neue Aufgaben verwandelt, lässt diesen Raum verschwinden, obschon sie ihn versprochen hat. Welche Anstrengung wir uns erhalten sollten, ist deshalb die eine Frage. Welche Pause wir uns erhalten wollen, ist die andere.

Der Rebound ist dabei kein Naturgesetz. Er ist die Summe vieler kleiner Entscheidungen, getroffen von Führungskräften, von Werkzeugen, die auf ständige Interaktion ausgelegt sind, und von uns selbst. Die BCG-Studie findet deutlich weniger Brain Fry dort, wo es eine klare KI-Strategie gibt, wo Führungskräfte die Arbeitslast im Blick behalten und wo KI in die Abläufe des Teams eingebunden ist, statt als Sammlung individueller Werkzeuge nebenherzulaufen. Ranganathan und Ye empfehlen eine bewusste KI-Praxis mit festen Pausen, in denen Tempo und Richtung überprüft werden.

Praktisch heißt das: Ein Team sollte ausdrücklich festlegen, welcher Teil der gewonnenen Zeit in neue Aufgaben fließt und welcher als Puffer erhalten bleibt. Es hilft, die Zahl parallel laufender Agenten zu begrenzen, Prüfungen nach Risiko zu organisieren, Annahmen und Entscheidungen ausdrücklich festzuhalten und wiederkehrende Kontrollen durch automatisierte Tests abzusichern.

KI gehört zuerst dorthin, wo sie Routine ersetzt, und erst später dorthin, wo sie Dauerüberwachung erzeugt. Und es wäre klug, Nutzungsstatistiken nicht mit Leistung zu verwechseln. Die Haushalte, die Ruth Schwartz Cowan untersucht hat, zeigen, dass technische Entlastung allein noch keine freie Zeit schafft.