Künstliche Intelligenz und Mental Load: Ursachen und Gegenmaßnahmen

Die zunehmend flächendeckende Integration Künstlicher Intelligenz (KI) in den Unternehmensalltag galt in Arbeitswissenschaft und Unternehmensführung als das zentrale Versprechen für einen historischen Produktivitätssprung. Die Automatisierung monotoner Routineaufgaben sollte Beschäftigte spürbar entlasten, um Raum für strategische Innovationen, kreative Problemlösungen und eine ausgewogenere Work-Life-Balance zu schaffen. Die bisherige empiritsche Realität zeigt jedoch ein anderes Phänomen: Während die rein quantitative Effizienz bei der Ausführung isolierter Einzelaufgaben steigt, berichten Beschäftigte branchenübergreifend von einer signifikanten Zunahme des mentalen Drucks (Mental Load), einer besorgniserregenden Aufmerksamkeitsfragmentierung und beschleunigten kognitiven Erschöpfungssymptomen.

Dieser Effekt, höhere maschinelle Verarbeitungsgeschwindigkeit bei gleichzeitig steigendem Burnout-Risiko, resultiert aus der Verdichtung von Arbeitsabläufen und neuartigen neurobiologischen Belastungsfaktoren. Die durch Automatisierung gewonnene Zeit wird in vielen Organisationen direkt durch ein höheres Aufgabenvolumen, kürzere Abgabefristen und die kontinuierliche Überwachung von KI-Systemen absorbiert. Statt mentaler Entlastung entsteht eine neuartige Form kognitiver Überforderung, die das Wohlergehen der Beschäftigten und die langfristige Innovationskraft von Unternehmen gefährdet. Gerade lässt sich sagen: Im Prinzip sind wir evolutionär nicht dafür gemacht und wir und unser Nervensystem können sich weniger schnell anpassen, als es notwendig wäre.

Die psychologischen und neurobiologischen Ursachen des KI-Beinflussten Mental Loads

Der Anstieg des Mental Loads durch KI ist nicht primär auf mangelnde digitale Anwenderkompetenz zurückzuführen, sondern auf fundamentale Veränderungen in der menschlichen Informationsverarbeitung und Arbeitsorganisation.

Kognitive Schuld: Was KI Nutzung mit dem Gehirn macht

Auf neurobiologischer Ebene verändern große Sprachmodelle (Large Language Models) die Art und Weise, wie das menschliche Gehirn Probleme durchdenkt. In der bahnbrechenden Elektroenzephalografie-Studie „Your Brain on ChatGPT“ des Massachusetts Institute of Technology (MIT Media Lab) untersuchten Forscher um Nataliya Kosmyna die Hirnaktivität von Personen beim Verfassen von Essays unter drei Bedingungen: ohne Hilfsmittel („brain-only“), mit einer klassischen Suchmaschine und mit Unterstützung eines KI-Assistenten. Das EEG zeigte bei den Nutzungsgruppen von generativer KI die schwächste und am wenigsten verteilte neuronale Aktivität.

Die Wissenschaftler leiteten daraus das Konzept der Kognitiven Schuld (Cognitive Debt) ab: Wer argumentative Entwürfe, Analysen oder Programmiercode routinemäßig an Chatbots delegiert, nimmt einen kognitiven Kredit auf. Das unmittelbare Leistungsergebnis steht zwar zur Verfügung, doch der Preis besteht in ungenutzten neuronalen Verschaltungen, schlechterer Erinnerungsleistung bezüglich der eigenen Arbeitsergebnisse und dem Abbau von Frustrationstoleranz.

Ergänzende randomisierte kontrollierte Studien belegen, dass bereits eine zehnminütige Interaktion mit KI-Systemen das Durchhaltevermögen bei anschließenden Aufgaben ohne KI-Unterstützung messbar senkt. Das Gehirn adaptiert extrem schnell an die sofortige Antwortbereitschaft der Maschinen und lernt, das eigene Nichtwissen oder kognitive Hürden als unzumutbare Belastung zu betrachten. Dies führt mittelfristig zum Verlust des sogenannten „Error-Sensing“ – der Fähigkeit, subtile Fehler, Halluzinationen oder Unstimmigkeiten in KI-generierten Inhalten verlässlich und auch intuitiv zu erkennen.

AI Brain Fry: Wenn die Steuerung von KI Tools erschöpft

Arbeitspsychologisch transformiert KI das Anforderungsprofil von der aktiven Gestaltung hin zur kontinuierlichen Regie und Überwachung. Führungskräfte ermutigen Mitarbeiter zunehmend, komplexe Teams aus KI-Agenten aufzubauen und zu steuern. Die Steuerung mehrerer paralleler Systeme erfordert jedoch eine Form der Daueraufmerksamkeit, die vom NeuroLeadership Institute als AI Brain Fry identifiziert wurde. Dieser Zustand beschreibt die geistige Überreizung durch permanente Kontroll- und Validierungsaufgaben. Untersuchungen der Boston Consulting Group (BCG) verdeutlichen, dass die Überwachung von KI-Outputs zusätzlich zu bestehenden Kernaufgaben die mentale Belastung verdoppeln bis verdreifachen kann, was bei fehlenden Ruhephasen zu einer erhöhten Fehlerquote führt.

Erschwert wird diese Dynamik durch die ungehemmte Zunahme genutzter Anwendungen. Eine repräsentative Erhebung unter 1.488 Vollzeitbeschäftigten ergab, dass die individuelle Produktivität ab der gleichzeitigen Nutzung von mehr als drei KI-Tools messbar absinkt, während die mentale Überlastung exponentiell steigt. 14 Prozent der Befragten gaben an, regelmäßig unter „AI Brain Fry“ zu leiden; im Personalwesen liegt dieser Wert bei 19,3 Prozent und in der Marketingbranche sogar bei 25,9 Prozent.

Arbeitspsychologen bezeichnen den kognitiven Zusatzaufwand für Prompt-Formulierungen, Re-Prompting, das Korrigieren stilistisch homogener Outputs sowie das Filtern ungenauer Fakten als KI-Steuer (AI Tax). Diese Steuer wiegt kognitiv schwer, da die rechtliche und fachliche Verantwortung für das Endprodukt uneingeschränkt beim menschlichen Mitarbeiter verbleibt.

Verdichtung der Arbeitszeit und Erwartungsrekalibrierung

Empirische Daten des Upwork Research Institute zeigen, dass über 70 Prozent der Beschäftigten, die KI-Tools einsetzen, über ein gestiegenes Gesamtarbeitsvolumen berichten. 71 Prozent der Befragten klagen über Burnout-Symptome, wobei der Anteil der Erschöpften unter denjenigen mit den höchsten Produktivitätsgewinnen mit 88 Prozent am höchsten ausfällt.

Diese Entwicklung erklärt sich aus einer fehlerhaften Erwartungshaltung auf Managementebene. Sobald Aufgaben durch KI schneller erledigt werden, erhöhen Führungskräfte häufig die Durchsatzerwartungen. Der Arbeitstag wird dichter, da mikroskopische Erholungsphasen, etwa das intuitive Nachdenken beim Tippen oder das manuelle Durchsuchen von Unterlagen, gestrichen werden. Dies führt zu einer Flut an „überproduzierten“ Inhalten („AI Slop“), die wiederum von anderen Beschäftigten konsumiert und geprüft werden müssen, ohne dass daraus ein echter Mehrwert entsteht.

Betriebliche Gegenmaßnahmen: Strategien gegen kognitive Erschöpfung Bei AI Nutzung

Um den negativen Effekten der kognitiven Verdichtung vorzubeugen, müssen Unternehmen von einer rein technologiezentrierten Effizienzsteigerung zu einer menschenzentrierten „KI-Governance“ übergehen. Dies erfordert strukturelle Schutzmechanismen, die die menschliche Aufmerksamkeitsspanne als begrenzte und schützenswerte Ressource behandeln.

Das 50/50 Zeitmodell als betriebliche Gegenmaßnahme

Eine der wirksamsten betrieblichen Gegenmaßnahme ist die Implementierung einer verbindlichen 50/50-Regelung für gewonnene Arbeitszeit. Dieses Modell schreibt vor, dass die durch Automatisierung und KI-Unterstützung eingesparte Zeit nicht vollständig in die Steigerung des quantitativen Arbeitsvolumens fließen darf. Stattdessen wird die gewonnene Zeit systematisch und zu gleichen Teilen auf zwei schützenswerte Säulen aufgeteilt.

Die ersten 50 Prozent der eingesparten Zeit werden als Regenerative Zeit deklariert. Dieser Zeitblock dient dem bewussten kognitiven Rückzug und der Entlastung des Arbeitsgedächtnisses. Er beinhaltet das Einrichten bildschirmfreier Arbeitszonen („analoge Inseln“), strukturierte Mikropausen sowie Phasen des unstrukturierten Nachdenkens. Damit wird verhindert, dass das Gehirn in einen Zustand permanenter Informationsüberreizung gerät. Unternehmen müssen sicherstellen, dass diese Phasen kulturell akzeptiert und nicht von Führungskräften als Leerlauf missverstanden werden.

Die verbleibenden 50 Prozent werden als Strategische Zeit für eigenständige, hochkognitive Tätigkeiten reserviert. Hierzu zählen die Vertiefung der Metakognition, die Durchführung ungestörter Fokusarbeit („Deep Work“) ohne KI-Assistenten sowie der Aufbau interpersoneller Komplementärkompetenzen. Durch das eigenständige Bewältigen anspruchsvoller Aufgaben wird das Gehirn davor bewahrt, in die Kognitive Schuld abzugleiten. Das Modell garantiert, dass der Kompetenzaufbau mit dem Tempo der technologischen Automatisierung Schritt hält.

Stärkung der Metakognition und Reduktion der Tool-Komplexität

Um den Mental Load durch das Steuern zahlreicher Einzellösungen zu senken, müssen Organisationen ihre Softwarenutzung strikt konsolidieren. Die Beschränkung auf wenige, nahtlos integrierte KI-Systeme reduziert die kognitive Steuerungs- und Wechselbedarfe der Beschäftigten erheblich.

Ergänzend erfordert ein gesundes digitales Arbeitsumfeld die gezielte Schulung der Metakognition, d.h. das bewusste Nachdenkens über das eigene Denken und Instrumentalisieren von Werkzeugen. Beschäftigte müssen lernen, KI-Systeme als reflexive Sparringspartner zu nutzen, anstatt ihnen die argumentative Erststrukturierung von Problemen zu überlassen. Arbeitsmethoden wie das zeitlich gebündelte Prüfen von KI-Inhalten verhindern permanente Kontextwechsel und schützen die Konzentrationsfähigkeit.

Einbettung des PERMA-Modells und menschenzentrierte KI-Governance

Für die gesundheitsförderliche Gestaltung digitaler Arbeit bietet das arbeitspsychologische PERMA-Modell (Positive Emotions, Engagement, Relationships, Meaning, Accomplishment) ein wissenschaftlich fundiertes Fundament:

• Positive Emotionen (Positive Emotions): KI-Anwendungen müssen transparent gestaltet sein und administrative Routinen verlässlich abnehmen, anstatt durch verdeckte Überwachung Misstrauen zu schüren.
• Engagement: Automatisierung sollte primär für monotone repetitive Tätigkeiten eingesetzt werden, um Freiräume für anspruchsvolle Projekte zu schaffen, die persönliche Stärken fordern und Erlebnisse von Flow ermöglichen.
• Beziehungen (Relationships): Der KI-Einsatz darf das zwischenmenschliche Miteinander nicht verdrängen. Unternehmen müssen Begegnungsräume schaffen, da isolierte Bildschirmarbeit das Gefühl der Entfremdung verstärkt.
• Sinn (Meaning): Der Zweck automatisierter Prozesse muss verständlich kommuniziert werden, damit Mitarbeiter den Beitrag ihrer aufbereiteten Daten zum Gesamterfolg des Unternehmens nachvollziehen können.
• Zielerreichung (Accomplishment): Das finale Arbeitsergebnis und die Leistungssummierung müssen dem menschlichen Akteur zugeschrieben werden, um das Gefühl von Autonomie und intellektueller Selbstwirksamkeit zu bewahren.

Diese arbeitspsychologischen Kriterien korrespondieren mit den Vorgaben der Deutschen Gesetzlichen Unfallversicherung (DGUV) zur Gefährdungsbeurteilung psychischer Belastungen. Arbeitgeber sind verpflichtet, die Gestaltungsfelder Arbeitsaufgabe, Arbeitsorganisation, Arbeitszeit und Arbeitsmittel bei der Verteilung von KI-Werkzeugen kontinuierlich zu überprüfen. Außerdem ist ein strategische Nutzung Pflicht, ein permanentes Schulen der Mitarbeitenden und eine klare Vorgabe WIE und WO, WELCHE KI genutzt werden soll. Und auch wer die Verantwortung dafür übernimmt, wenn Inhalte fehlerhaft sind.

Fazit

Die Einführung generativer Künstlicher Intelligenz steht an einem kritischen Wendepunkt. Während die Technologie das Potenzial besitzt, wertvolle Freiräume zu schaffen, zeigt die empirische Datenlage, dass ungesteuerte Implementierungen zu einer kognitiven Überlastung, dem Verlust von Kernkompetenzen und erhöhten Burnout-Raten führen.

Eine nachhaltige Transformation gelingt nur, wenn Unternehmen den Mental Load ihrer Belegschaft aktiv steuern. Das 50/50-Zeitmodell bildet dabei eine wirksame Brücke zwischen Produktivität und Gesundheitsschutz. Indem eingesparte Zeit zu gleichen Teilen in die mentale Regeneration und in den eigenständigen Erwerb hochwertiger Komplementärkompetenzen investiert wird, sichern Organisationen die kognitive Leistungsfähigkeit und Selbstwirksamkeit ihrer Mitarbeiter in einer zunehmend automatisierten Welt.

Quellenverzeichnis

1. Kosmyna, N., Hauptmann, E., Tuan, Y. T., et al. (2025): Your brain on ChatGPT: accumulation of cognitive debt when using an AI assistant for essay writing task. Massachusetts Institute of Technology (MIT Media Lab).URL: https://www.praxis-psychologie-berlin.de/wikiblog/articles/ki-deskilling-und-kognitive-schuld-ki-nutzung-untergr%C3%A4bt-die-denkf%C3%A4higkeit-nach-10-minuten
2. Personalwirtschaft (2024): Studie warnt: Zu viele KI-Tools führen zu Burnout – HR besonders gefährdet.URL: https://www.personalwirtschaft.de/news/hr-organisation/studie-warnt-zu-viele-ki-tools-fuehren-zu-burnout-hr-besonders-gefaehrdet-202321/
3. Rock, D., Weller, C. / NeuroLeadership Institute (2026): Brain Fry: Wie KI-Nutzung und Arbeitsverdichtung zu mentaler Erschöpfung führen. IT-Daily.URL: https://www.it-daily.net/thought-leadership/brain-fry-ki-nutzung-burnout
4. Upwork Research Institute (2024): AI and Human Work Dynamic Report: Research reveals new insights on employee workload and burnout.URL: https://investors.upwork.com/news-releases/news-release-details/upwork-research-reveals-new-insights-ai-human-work-dynamic
5. Microsoft Ireland / Microsoft 365 (2026): Work Trend Index Annual Report 2026: AI Skills, Workforce Expectations, and Burnout Trends.URL: https://www.thinkbusiness.ie/articles/microsoft-ireland-work-trend-index-2026-ai-career-skills-workforce/
6. Watermann, L., Bock, I. (2025): Neue Studie: KI im Job muss auf Menschen ausgerichtet sein – Das PERMA-Modell in der Praxis. Wirtschaftspsychologie Aktuell.URL: https://wirtschaftspsychologie-aktuell.de/magazin/new-work/neue-studie-ki-im-job-muss-auf-menschen-ausgerichtet-sein/
7. DPG Institut (2026): KI am Arbeitsplatz: Fluch oder Segen für die psychische Gesundheit.URL: https://dpg-institut.de/aktuelles-details/ki-am-arbeitsplatz-fluch-oder-segen-fuer-die-psychische-gesundheit
8. Deutsche Gesetzliche Unfallversicherung e. V. – DGUV (2026): Psychische Belastung durch den Einsatz von Künstlicher Intelligenz bei der Arbeit. DGUV Akademie.URL: https://publikationen.dguv.de/widgets/pdf/download/article/5257
9. Gownder, J. P. / Forrester Research & Computerworld (2026): Surviving AI: Navigating workload creep, AI slop, and the new tech career playbook. Computerworld.URL: https://www.computerworld.com/article/4196299/surviving-ai-navigating-workload-creep-ai-slop-and-the-new-tech-career-playbook.html
10. Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO (2025): Wie Künstliche Intelligenz den Mental Load reduzieren kann und nebenbei KI-Skills trainiert.URL: https://blog.iao.fraunhofer.de/wie-kuenstliche-intelligenz-den-mental-load-reduzieren-kann-und-nebenbei-ki-skills-trainiert/