KI-Überlastung ist ein echtes Phänomen. Das passiert in deinem Gehirn.

Irgendetwas hat sich um 2024 herum verändert. Die Zahl der Menschen, die eine bestimmte Art von kognitiver Erschöpfung beschreiben — nicht ganz Burnout, nicht ganz Informationsüberlastung, sondern etwas dazwischen — ist stark gestiegen. Die Beschreibungen ähneln sich: das Gefühl geistiger Überlastung, Schwierigkeiten, eigenständig zu denken, eine geringere Toleranz für Unsicherheit und eine unangenehme Abhängigkeit von KI-Tools, die das Denken irgendwie schwerer statt leichter macht.

Das ist weder Technikangst noch Nostalgie. Es spiegelt reale neurologische Dynamiken wider, die vorhersehbar sind, wenn man bedenkt, wie das Gehirn Informationen verarbeitet, kognitive Funktionen aufrechterhält und auf jederzeit verfügbare Unterstützung reagiert. Hier passiert, was los ist — und was die Evidenz darüber nahelegt, wie du damit umgehen kannst.

Die neue kognitive Umgebung

Stand 2025 nutzen Wissensarbeitende in den meisten Branchen KI-Tools — ChatGPT, Copilot, Gemini, Claude und Dutzende spezialisierte Tools — mehrmals täglich. Die durchschnittliche Person stellt täglich Dutzende Anfragen. Von KI erstellte Inhalte machen inzwischen einen erheblichen Teil von E-Mail-Entwürfen, Meeting-Zusammenfassungen, Code, schriftlichen Dokumenten und Suchergebnissen aus.

Das ist wirklich eine neue kognitive Umgebung. Zum ersten Mal in der Geschichte kann ein großer Teil der geistigen Arbeit, die früher anhaltende Anstrengung erforderte — Entwürfe schreiben, zusammenfassen, suchen, planen, Fehler beheben — fast augenblicklich ausgelagert werden. Die Frage ist, was das auf Dauer mit dem Gehirn macht.

Die Antwort ist, auf Grundlage dessen, was wir über kognitive Funktionen und kognitive Belastung wissen, komplexer als entweder die optimistische Variante (KI erweitert menschliche Fähigkeiten) oder die pessimistische (KI lässt menschliche Fähigkeiten verkümmern). Beides passiert — auf unterschiedliche Weise und bei unterschiedlichen Arten des Denkens.

Warum KI-Tools die kognitive Belastung erhöhen können statt sie zu senken

Die naheliegende Annahme ist, dass das Auslagern von Arbeit an KI die kognitive Belastung verringert. In gewisser Weise tut es das auch. Aber die Forschung zur Cognitive-Load-Theorie (Sweller, 1988) unterscheidet zwischen intrinsischer Belastung (der Komplexität der Aufgabe selbst), extrinsischer Belastung (kognitiven Anforderungen, die durch die Art der Darstellung der Aufgabe entstehen) und lernrelevanter Belastung (dem geistigen Aufwand, der Verständnis und Können aufbaut).

KI-Tools verringern vor allem die intrinsische und die lernrelevante Belastung — sie übernehmen die Arbeit, die sonst Anstrengung erfordern und Lernen ermöglichen würde. Aber sie erhöhen oft die extrinsische Belastung: KI-Ergebnisse auf ihre Genauigkeit zu prüfen, mehrere von KI erzeugte Teile zu einem stimmigen Ganzen zusammenzufügen, den Kontext über mehrere Tools hinweg zu behalten, zu entscheiden, was du delegieren kannst und was du selbst erledigen solltest, und die KI-Prozesse im Blick zu behalten. Das sind neue kognitive Anforderungen, die es vorher nicht gab.

Das Ergebnis ist für viele ein Paradox: mehr Output, mehr kognitive Ermüdung. Die Arbeit fühlt sich in einzelnen Momenten leichter an, ist über den Tag hinweg aber anstrengender. Viele beschreiben das als Entscheidungsmüdigkeit: Eine lange Reihe kleiner Entscheidungen fühlt sich genauso ermüdend an wie ein paar große. Warum das so ist, ist in der Forschung umstritten, aber das Gefühl geistiger Ermüdung nach stundenlangen ständigen Mikroentscheidungen ist weit verbreitet.

KI-gestütztes Arbeiten erhöht die Zahl der Mikroentscheidungen drastisch: diesen Vorschlag annehmen, jenen ablehnen, diesen Absatz überarbeiten, diese Eingabe neu stellen. Jede Entscheidung geht schnell, aber die gesamte Belastung durch Hunderte täglicher Mikroentscheidungen ist beträchtlich.

Das Automatisierungsparadox und der Abbau von Fähigkeiten

In der Ergonomie und in der Human-Factors-Forschung gibt es ein gut dokumentiertes Phänomen namens Automatisierungsparadox oder Ironien der Automatisierung (Bainbridge, 1983): Wenn Automatisierung die Routinearbeit übernimmt, sind menschliche Bediener bei den Fähigkeiten für nicht routinemäßige Situationen weniger geübt. Piloten, die sich bei den meisten Flügen auf den Autopiloten verlassen, zeigen schlechtere manuelle Flugfähigkeiten. Radiologen, die KI-Diagnosetools nutzen, zeigen geringere Erkennungsraten, wenn die KI etwas übersieht.

Dasselbe Muster gilt auch für kognitive Arbeit. Schreiben, Probleme durchdenken, planen und kreative Zusammenhänge herstellen sind Fähigkeiten, die durch Übung wachsen und ohne Übung nachlassen. Wenn KI den ersten Entwurf, die Zusammenführung von Ideen oder das strukturierte Nachdenken übernimmt, werden diese kognitiven Bahnen weniger beansprucht. Die Sorge ist nicht dramatisch — das heißt nicht, dass Menschen das Denken verlernen —, aber der langsame Abbau geübter Fähigkeiten verändert mit der Zeit die kognitive Leistungsfähigkeit und das Selbstvertrauen ganz real.

Das ist etwas anderes als einfach nur weniger geübt darin zu sein, handschriftlich zu schreiben. Schreiben — also wirklich selbst formulieren, nicht diktieren oder bearbeiten — beansprucht Arbeitsgedächtnis, konzeptuelle Ordnung und reflektierendes Denken auf eine Weise, die das Überprüfen und Bearbeiten von KI-Ausgaben nicht vollständig nachbildet. Die kognitive Arbeit des Formulierens ist generativ; die kognitive Arbeit des Bearbeitens ist bewertend. Beides ist wertvoll; es ist nicht austauschbar.

Die Ebene der fragmentierten Aufmerksamkeit

Unabhängig von kognitiver Belastung und dem Abbau von Fähigkeiten fügen KI-Tools einer ohnehin schon von Unterbrechungen gesättigten Umgebung noch eine weitere Ebene fragmentierter Aufmerksamkeit hinzu. Jede Chat-Oberfläche, jeder Coding-Assistent und jedes Schreibtool ist eine potenzielle Unterbrechungsquelle — eine Anfrage zum Erzeugen, ein Ergebnis zum Prüfen, ein weiterer Schritt zum Verfeinern.

Der präfrontale Kortex, der anhaltende Aufmerksamkeit und Exekutivfunktionen steuert, unterscheidet nicht zwischen von Menschen und von KI erzeugten Unterbrechungen. Die Forschung zu den Kosten des Aufgabenwechsels (Rubinstein et al., 2001) zeigt, dass der Wechsel zwischen Aufgaben — selbst nur kurz — einen kognitiven Nachteil mit sich bringt, der sich über den Tag hinweg aufsummiert. Mehrere KI-Tools in eine ohnehin fragmentierte Arbeitsumgebung einzubauen, verschlimmert das, ohne dass viele Menschen die Quelle ihrer Erschöpfung erkennen.

Die Ironie ist, dass KI-Tools oft gerade eingeführt werden, um die kognitive Belastung zu verringern. Aber neue Tools, neue Oberflächen und neue Entscheidungspunkte erhöhen oft die gesamte kognitive Anforderung, statt sie zu senken — zumindest so lange, bis diese Tools so gut integriert sind, dass man sie automatisch und nicht mehr bewusst gesteuert nutzen kann.

Was du stattdessen wirklich tun kannst

Unterscheide zwischen Entlasten und Auslagern. Nicht jede KI-Hilfe hat denselben kognitiven Effekt. Wenn du KI für wirklich wenig wertvolle Aufgaben nutzt (Formatierung, Standardbausteine, wiederholte Suchen), entlastet das, ohne nennenswerte Kosten für deine Fähigkeiten. Wenn du KI für Denken nutzt, in dem du geübt bleiben willst — komplexes Schreiben, begründete Analyse, kreatives Problemlösen —, entlastet das zwar, geht aber auf Kosten deiner geübten Fähigkeiten. Bewusst zu entscheiden, in welche Kategorie ein konkreter Anwendungsfall fällt, ist der Ausgangspunkt.

Schütze Zeit zum eigenständigen Denken. Die kognitiven Fähigkeiten, die durch das Auslagern an KI am stärksten gefährdet sind, sind genau die, deren Erhalt sich am meisten lohnt: selbstständiges Denken, längeres Schreiben, komplexe Planung. Das bewusste Üben dieser Fähigkeiten ohne KI-Unterstützung — über klar definierte Zeiträume und bei Aufgaben, die wichtig sind — ist keine Technikfeindlichkeit; es ist dieselbe Logik wie bei einem Chirurgen, der manuelle Techniken übt, obwohl robotische Werkzeuge verfügbar sind.

Reduziere die Anzahl der KI-Tools, die du aktiv nutzt. Die kognitiven Kosten, fünf verschiedene KI-Oberflächen zu verwalten, sind höher als die, eine gut ausgewählte zu beherrschen. Die Vermehrung von KI-Tools schafft dasselbe Problem der zersplitterten Aufmerksamkeit wie die Vermehrung von Apps und Benachrichtigungen. Bündelung reduziert die unnötige kognitive Belastung.

Wende die gleichen Prinzipien wie bei allgemeinem digitalem Wohlbefinden an. KI-Überlastung ist eine spezielle Form des größeren Problems, mit dem Unwire sich befasst: kognitive Umgebungen, die mehr verlangen, als sie zurückgeben, eine zersplitterte Aufmerksamkeit, die auszehrt, ohne wieder aufzufüllen, und ein ständig verfügbarer Reiz, der das Abschalten unmöglich erscheinen lässt. Die Maßnahmen sind dieselben: klar definierte Offline-Zeiten, eine Umgebungsgestaltung, die zufällige KI-Interaktionen begrenzt, und regelmäßige Erholungszeit, in der das Gehirn nicht gelenkt wird.

Die langfristige Perspektive

Die Integration von KI in wissensbasierte Arbeit wird sich nicht zurückdrehen lassen. Die Frage ist, wie du dich in einer Umgebung zurechtfindest, die von vornherein auf maximale Nutzerbindung und minimale Reibung ausgelegt ist — und was das über Jahre statt über Tage mit der kognitiven Gesundheit macht.

Die Forschung zu digitalem Wohlbefinden im weiteren Sinne legt nahe, dass die Menschen, die sich in Hightech-Umgebungen am besten zurechtfinden, nicht diejenigen sind, die die meisten Tools oder die wenigsten verwenden, sondern diejenigen, die die Bedingungen ihrer eigenen Aufmerksamkeit bewusst steuern: wann sie erreichbar sind, wann nicht, was sie auslagern und was sie schützen.

Diese bewusste Haltung ist in einer von KI durchdrungenen Umgebung schwerer aufrechtzuerhalten als in einer Umgebung, die einfach nur von Smartphones geprägt ist. Aber das zugrunde liegende Prinzip — schütze deine Fähigkeit, unabhängig zu denken, bring den Grundzustand deines Gehirns durch echte Erholung wieder ins Gleichgewicht, und gestalte deine Umgebung, statt nur auf sie zu reagieren — bleibt dasselbe.

Sources

1. Sweller, J. (1988). Cognitive load during problem solving: effects on learning. Cognitive Science, 12(2), 257–285.
2. Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
3. Rubinstein, J.S., et al. (2001). Executive control of cognitive processes in task switching. Journal of Experimental Psychology: Human Perception and Performance, 27(4), 763–797.
4. Wiehler, A., et al. (2022). A neuro-metabolic account of why daylong cognitive work alters the control of economic decisions. Current Biology, 32(16), 3564–3575.
5. Baumeister, R.F., et al. (1998). Ego depletion: is the active self a limited resource? Journal of Personality and Social Psychology, 74(5), 1252–1265.

Wie wir das recherchieren und prüfen