KI-Überlastung ist ein echtes Problem. Hier ist, was in deinem Gehirn passiert.

Etwas hat sich um 2024 verändert. Die Anzahl der Menschen, die eine bestimmte Art von kognitiver Erschöpfung beschreiben — nicht ganz Burnout, nicht ganz Informationsüberflutung, sondern etwas an der Schnittstelle von beidem — ist stark gestiegen. Die Beschreibungen sind konsistent: ein Gefühl der geistigen Sättigung, Schwierigkeiten beim unabhängigen Denken, reduzierte Toleranz für Unsicherheit und eine unangenehme Abhängigkeit von KI-Tools, die das Denken irgendwie schwieriger und nicht einfacher erscheinen lassen.

Das ist keine Technikangst oder Nostalgie. Es spiegelt echte neurologische Dynamiken wider, die vorhersehbar sind, wenn man bedenkt, wie das Gehirn Informationen verarbeitet, kognitive Funktionen aufrechterhält und auf jederzeit verfügbare Unterstützung reagiert. Hier ist, was passiert — und was die Beweise darüber aussagen, wie man damit umgeht.

Die neue kognitive Umgebung

Seit 2025 interagieren Wissensarbeiter in den meisten Branchen mehrmals täglich mit KI-Tools — ChatGPT, Copilot, Gemini, Claude und Dutzenden von spezialisierten Tools. Der durchschnittliche Nutzer stellt täglich Dutzende von Anfragen. KI-generierte Inhalte machen mittlerweile einen erheblichen Anteil an E-Mail-Entwürfen, Besprechungszusammenfassungen, Code, schriftlichen Dokumenten und Suchergebnissen aus.

Das ist eine wirklich neue kognitive Umgebung. Zum ersten Mal in der Geschichte kann ein großer Teil der kognitiven Arbeit, die zuvor nachhaltige Anstrengung erforderte — Entwurf, Zusammenfassung, Suche, Planung, Debugging — fast sofort ausgelagert werden. Die Frage ist, was das langfristig mit dem Gehirn macht.

Die Antwort, basierend auf dem, was wir über kognitive Funktionen und kognitive Belastung wissen, ist komplexer als die optimistische Version (KI erweitert die menschlichen Fähigkeiten) oder die pessimistische (KI verringert die menschlichen Fähigkeiten). Beides passiert, auf unterschiedliche Weise, für unterschiedliche Arten des Denkens.

Warum KI-Tools die kognitive Belastung erhöhen können, anstatt sie zu verringern

Die intuitive Annahme ist, dass das Auslagern von Arbeit an KI die kognitive Belastung verringert. In gewisser Weise tut es das. Aber die Forschung zur kognitiven Belastungstheorie (Sweller, 1988) unterscheidet zwischen <em>intrinsischer</em> Belastung (der Komplexität der Aufgabe selbst), <em>extrinsischer</em> Belastung (kognitive Anforderungen, die durch die Präsentation der Aufgabe entstehen) und <em>germaner</em> Belastung (der kognitive Aufwand, der Verständnis und Fähigkeiten aufbaut).

KI-Tools reduzieren hauptsächlich die intrinsische und germanische Belastung — sie übernehmen die Arbeit, die sonst Anstrengung erfordern und Lernen produzieren würde. Aber sie <em>erhöhen</em> oft die extrinsische Belastung: die Bewertung der KI-Ausgaben auf Genauigkeit, die Integration mehrerer KI-generierter Teile in eine kohärente Arbeit, das Management des Kontexts über mehrere Tools hinweg, die Entscheidung, was delegiert werden soll und was persönlich zu erledigen ist, und die Aufrechterhaltung der Aufsicht über KI-Prozesse. Das sind neue kognitive Anforderungen, die vorher nicht existierten.

Das Ergebnis für viele Menschen ist ein Paradoxon: mehr Output, mehr kognitive Ermüdung. Die Arbeit fühlt sich in einzelnen Momenten leichter an, ist aber über den Tag hinweg erschöpfender. Das steht im Einklang mit der Forschung zur <em>Entscheidungsermüdung</em> — die kumulative Kosten, viele kleine Entscheidungen zu treffen, erschöpfen dieselben Ressourcen im präfrontalen Bereich wie das Treffen weniger großer Entscheidungen.

Die KI-unterstützte Arbeit erhöht dramatisch die Anzahl der Mikro-Entscheidungen: diesen Vorschlag annehmen, jenen ablehnen, diesen Absatz überarbeiten, jenes Prompt erneut abfragen. Jede Entscheidung ist schnell, aber die Gesamtbelastung durch Hunderte täglicher Mikro-Entscheidungen ist erheblich.

Das Automatisierungsparadoxon und der Verlust von Fähigkeiten

Es gibt ein gut dokumentiertes Phänomen in der Ergonomie und der Forschung zu menschlichen Faktoren, das als <em>Automatisierungsparadoxon</em> oder <em>Ironien der Automatisierung</em> (Bainbridge, 1983) bekannt ist: Wenn Automatisierung die Routinearbeit übernimmt, werden menschliche Bediener weniger geübt in den Fähigkeiten, die für nicht-routine Situationen erforderlich sind. Piloten, die für den Großteil ihres Flugs auf den Autopiloten angewiesen sind, zeigen verminderte manuelle Fertigkeiten. Radiologen, die KI-Diagnosetools verwenden, zeigen reduzierte Erkennungsraten, wenn die KI etwas übersieht.

Dasselbe Dynamik gilt für kognitive Arbeit. Schreiben, Problemlösungen durchdenken, planen und kreative Synthese sind Fähigkeiten, die durch Übung entwickelt werden und ohne sie verkümmern. Wenn KI den ersten Entwurf, die Synthese oder das strukturierte Denken übernimmt, bekommen diese kognitiven Wege weniger Bewegung. Die Sorge ist nicht dramatisch — es bedeutet nicht, dass Menschen vergessen, wie man denkt — aber der allmähliche Verlust geübter Fähigkeiten führt über die Zeit zu einer echten Veränderung der kognitiven Fähigkeit und des Selbstvertrauens.

Das unterscheidet sich davon, einfach weniger geübt im Tippen mit einem Bleistift zu sein. Schreiben — tatsächlich komponieren, nicht diktieren oder bearbeiten — beansprucht das Arbeitsgedächtnis, die konzeptionelle Organisation und das reflektierende Denken auf eine Weise, die das Überprüfen und Bearbeiten von KI-Ausgaben nicht vollständig nachahmt. Die kognitive Arbeit des Komponierens ist generativ; die kognitive Arbeit des Editierens ist evaluativ. Beide haben ihren Wert; sie sind nicht austauschbar.

Die Schicht der Aufmerksamkeitsfragmentierung

Getrennt von der kognitiven Belastung und dem Verlust von Fähigkeiten fügen KI-Tools eine weitere Schicht der Aufmerksamkeitsfragmentierung zu einer bereits mit Unterbrechungen gesättigten Umgebung hinzu. Jede Chat-Oberfläche, jeder Programmierassistent und jedes Schreibwerkzeug ist eine potenzielle Unterbrechungsquelle — eine Abfrage zu generieren, ein Ergebnis zu überprüfen, eine Nachverfolgung zu verfeinern.

Der präfrontale Kortex, der die anhaltende Aufmerksamkeit und die exekutive Funktion verwaltet, unterscheidet nicht zwischen menschlich erzeugten und KI-erzeugten Unterbrechungen. Die Forschung zu den Kosten des Aufgabenwechsels (Rubinstein et al., 2001) zeigt, dass der Wechsel zwischen Aufgaben — selbst kurz — eine kognitive Strafe auferlegt, die sich über den Tag summiert. Das Hinzufügen mehrerer KI-Tools zu einer bereits fragmentierten Arbeitsumgebung verschärft dies, ohne dass viele Menschen die Quelle ihrer Müdigkeit erkennen.

Die Ironie ist, dass KI-Tools oft speziell eingeführt werden, um die kognitive Belastung zu reduzieren. Aber die Hinzufügung neuer Tools, neuer Schnittstellen und neuer Entscheidungspunkte erhöht oft die gesamte kognitive Nachfrage, anstatt sie zu verringern — zumindest bis diese Tools ausreichend integriert sind, um automatisch und nicht absichtlich behandelt zu werden.

Was man tatsächlich dagegen tun kann

<strong>Unterscheiden Sie zwischen Reduzieren und Auslagern.</strong> Nicht alle KI-Hilfen haben denselben kognitiven Effekt. KI zu nutzen, um wirklich wertlose Aufgaben (Formatierung, Standardtexte, repetitive Suchen) zu übernehmen, reduziert die Belastung ohne signifikante Kosten für Fähigkeiten. KI zu nutzen, um Denken zu übernehmen, bei dem man geübt bleiben möchte — komplexes Schreiben, fundierte Analysen, kreative Problemlösungen — reduziert die Belastung auf Kosten der geübten Fähigkeiten. Bewusst zu sein, in welche Kategorie eine bestimmte Nutzung fällt, ist der Ausgangspunkt.

<strong>Schütze ungestörte Denkzeit.</strong> Die kognitiven Fähigkeiten, die am meisten durch das Auslagern an KI gefährdet sind, sind genau die, die es wert sind, bewahrt zu werden: unabhängiges Denken, nachhaltiges Schreiben, komplexe Planung. Gezieltes Üben dieser Fähigkeiten ohne KI-Unterstützung — für festgelegte Zeiträume, bei Aufgaben, die wichtig sind — ist keine Technophobie; es ist die gleiche Logik wie bei einem Chirurgen, der manuelle Techniken übt, auch wenn robotergestützte Werkzeuge verfügbar sind.

<strong>Reduziere die Anzahl der aktiven KI-Tools.</strong> Die kognitiven Kosten, fünf verschiedene KI-Oberflächen zu verwalten, sind höher als die Verwaltung eines gut gewählten. Die Verbreitung von KI-Tools schafft dasselbe Problem der Aufmerksamkeitsfragmentierung wie die Verbreitung von Apps und Benachrichtigungen. Konsolidierung reduziert die unnötige kognitive Belastung.

<strong>Wende die gleichen Prinzipien wie bei allgemeinem digitalen Wohlbefinden an.</strong> KI-Überlastung ist eine spezifische Form des breiteren Problems, das Unwire anspricht: kognitive Umgebungen, die mehr verlangen, als sie bieten, Aufmerksamkeitsfragmentierung, die erschöpft, ohne aufzufrischen, und ein ständig verfügbares Stimulus, das das Abschalten unmöglich erscheinen lässt. Die Interventionen sind konsistent: festgelegte Auszeiten, Umgebungsdesign, das die Interaktion mit KI einschränkt, und regelmäßige Erholungszeiten, in denen das Gehirn nicht gefordert wird.

Der längere Blick

Die Integration von KI in wissensbasierte Arbeit wird sich nicht umkehren. Die Frage ist, wie Einzelpersonen sich in einer Umgebung bewegen, die absichtlich auf maximale Engagement und minimale Reibung ausgerichtet ist — und was das über Jahre hinweg für die kognitive Gesundheit bedeutet, nicht nur über Tage.

Die Forschung zum digitalen Wohlbefinden im Allgemeinen legt nahe, dass die Menschen, die sich in hochtechnologischen Umgebungen am besten zurechtfinden, nicht die sind, die die meisten oder die wenigsten Tools verwenden, sondern diejenigen, die gezielte Kontrolle über die Bedingungen ihrer eigenen Aufmerksamkeit aufrechterhalten: wann sie verfügbar sind, wann nicht, was sie auslagern und was sie schützen.

Diese Zielstrebigkeit ist in einer KI-gesättigten Umgebung schwerer aufrechtzuerhalten als in einer nur smartphone-gesättigten. Aber das zugrunde liegende Prinzip — schütze deine Fähigkeit, unabhängig zu denken, stelle die Grundlinie des Gehirns durch echte Ruhe wieder her und gestalte deine Umgebung, anstatt 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.