Projekte, die früher drei Wochen dauerten, sind heute in einer Woche erledigt. Berichte, für die ein voller Arbeitstag nötig war, sind vor dem Mittagessen fertig. Dennoch werden Beschäftigte bereits an diesem beschleunigten Maßstab gemessen, bevor überhaupt Einigkeit darüber besteht, ob er nachhaltig, präzise oder gerecht ist. Die Effizienzgewinne sind bei den Unternehmen angekommen; der verstärkte Druck bei den Einzelnen.

In nahezu allen Branchen, die künstliche Intelligenz einführen, zeigt sich dasselbe Muster. Effizienzgewinne werden den Beschäftigten nicht als gewonnene Zeit zurückgegeben. Stattdessen werden sie – oft unmittelbar – in höhere Output-Erwartungen umgewandelt. Die zugrunde liegende Logik, die selten offen ausgesprochen wird, ist einfach: Wenn KI Ihnen einen Teil des Nachmittags freigeschaufelt hat, gehört dieser Nachmittag nun der nächsten Aufgabe. Beschäftigte bekommen keine Zeit zurück. Sie bekommen mehr Arbeit, in einem schnelleren Takt, bei derselben Anzahl von Stunden am Tag.

Dies ist nicht das erste Mal, dass eine transformative Technologie versprochen hat, Arbeitslasten zu verringern und sie zugleich zu erhöhen. Der Ökonom Robert Solow stellte 1987 fest, dass Computer überall auftauchten – nur nicht in den Produktivitätsstatistiken –, ein Phänomen, das später als Produktivitätsparadox bezeichnet wurde. E-Mail, Instant Messaging und mobile Geräte verliefen jeweils auf vergleichbaren Bahnen: Sie wurden eingeführt, um Zeit zu sparen, und erweiterten stattdessen Umfang und Tempo dessen, was Beschäftigte bewältigen sollten. Was die aktuelle KI-Welle unterscheidet, ist die Geschwindigkeit und Breite der Einführung, verbunden damit, dass KI kognitive Aufgaben übernimmt, die zuvor als menschliches Urteilsvermögen galten.

Die Forschung ist eindeutig: KI intensiviert Arbeit, statt sie zu reduzieren

Forschung von GoTo und Workplace Intelligence bringt das Paradox mit ungewöhnlicher Klarheit auf den Punkt. Die Pulse of Work in 2026-Studie, für die 2.500 Beschäftigte und IT-Entscheidungsträger in zehn Ländern befragt wurden, ergab, dass Beschäftigte mit KI-Tools täglich mehr als zwei Stunden einsparen. Gleichzeitig zeigte die Studie jedoch, dass 60% der Beschäftigten sich unter Druck gesetzt fühlen, KI zur Steigerung der Produktivität einzusetzen, 50% sagen, sie verließen sich zu stark darauf, und 39% geben an, diese Abhängigkeit mache sie weniger intelligent. Produktivitätsgewinne und menschliche Leistungskosten treten gleichzeitig auf, doch die meisten Organisationen erfassen nur eine Seite der Gleichung.

Eine separate Analyse von ActivTrak über 443 Millionen Stunden Arbeitsaktivität in mehr als 1.100 Organisationen ergab, dass KI die Zeit für E-Mails und Nachrichten verdoppelte, während fokussierte Deep-Work-Zeiten um 9% zurückgingen. Eine Studie im Harvard Business Review, die Anfang dieses Jahres veröffentlicht wurde, berichtete, dass Beschäftigte nach der Einführung von KI schneller arbeiteten, ein breiteres Aufgabenspektrum übernahmen und ihre Arbeit in mehr Stunden des Tages ausdehnten – oft ohne dazu aufgefordert worden zu sein. Die Tools erzeugen mehr Aktivität und untergraben zugleich die Fähigkeit zu jener hochwertigen Denkarbeit, die dieser Aktivität ihren Wert verleiht.

Diese Befunde knüpfen an Sorgen an, die der aktuellen KI-Welle vorausgehen. Die Weltgesundheitsorganisation erkannte Burnout 2019 offiziell als arbeitsbedingtes Phänomen an, und Gallups Forschung vor der KI-Ära identifizierte seit Jahren zunehmende Entfremdung in der globalen Belegschaft. KI hat diese Belastungen nicht aus dem Nichts geschaffen – sie hat neue kognitive Anforderungen auf eine ohnehin belastete Arbeitskultur aufgesetzt.

Bewertet nach Geschwindigkeit, nicht nach Urteilskraft

Wenn KI Zeitpläne komprimiert, ist die sichtbarste Veränderung die Geschwindigkeit. Weil Geschwindigkeit das am leichtesten lesbare und am einfachsten quantifizierbare Ergebnis der KI-Einführung ist, wird sie rasch zum faktischen Stellvertreter für Leistung. Gallups Forschung zeigt, dass 65% der Beschäftigten angeben, KI habe ihre Produktivität verbessert, und dass die häufige Nutzung von KI unter Führungskräften seit 2023 von 15% auf 30% gestiegen ist. Doch diese zunehmende Verbreitung erzeugt eine wachsende Kluft zwischen denen, die profitieren, und denen, die den Druck absorbieren: Führungskräfte berichten von den stärksten Produktivitätsgewinnen, während einzelne Mitarbeitende am seltensten Anleitung dazu erhalten, wie sie KI wirksam einsetzen. Zugleich sagen 54% der Führungskräfte, die Erwartungen am Arbeitsplatz seien direkt aufgrund von KI gestiegen. Die Messlatte steigt, und die Messrahmen halten nicht Schritt.

Was eine auf Geschwindigkeit ausgerichtete Bewertung übersieht, ist genau die kognitive Arbeit, die KI nicht leisten kann: Ergebnisse auf Richtigkeit zu prüfen, Halluzinationen zu erkennen, bevor sie zu Entscheidungen werden, und den kontextbezogenen Urteilsrahmen anzuwenden, der Modellen fehlt. KI-Ergebnisse auf Fehler zu prüfen und einen zu 80% fertigen Entwurf tatsächlich gut zu machen, ist keine lästige Routine, die sich im Autopilot erledigen lässt. Das ist Urteilsvermögen auf Führungsebene, das den ganzen Tag im Hintergrund arbeitet. Wenn Beschäftigte vor allem danach bewertet werden, wie schnell sie produzieren, bleibt diese unsichtbare kognitive Arbeit unbemerkt – und wird letztlich erschöpft.

Die Folge ist ein Phänomen, das Forschende inzwischen „workslop“ nennen: schnell erzeugte, aber wenig wertvolle Arbeit, die Organisationen überschwemmt, wenn nur Geschwindigkeit gemessen wird. Die GoTo-und-Workplace-Intelligence-Studie ergab, dass 43% der Beschäftigten KI-generierte Inhalte verwendet haben, obwohl sie vermuteten, dass diese von schlechter Qualität seien oder Fehler enthielten, und dass 77% sagen, KI-generierte Arbeit brauche mehr Zeit zur Prüfung als von Menschen erstellte Arbeit. Wie Built In berichtete, greifen Beschäftigte, wenn Führungskräfte beschleunigten Output über alles stellen, auf Quantität statt Qualität zurück, und die Empfängerinnen und Empfänger verbringen zusätzliche Zeit damit, die von KI erzeugten Ergebnisse zu korrigieren. Schnellere Ausgabe bedeutet in der Praxis oft langsameren Nettowortschritt.

Der Kreislauf, den niemand unterbricht

Was diese Dynamik so schwer zu adressieren macht, ist, dass sie sich stillschweigend verstärkt. Die GoTo-und-Workplace-Intelligence-Studie ergab, dass 65% der Beschäftigten sagen, Arbeitgeber vermittelten ihnen nicht die Fähigkeiten, die sie brauchen, während KI mehr Arbeit übernimmt, und 80% sagen, die meisten Beschäftigten würden nicht angemessen darin geschult, KI-Tools richtig zu nutzen. Dennoch berichten fast eine von vier IT-Führungskräften, dass KI-Fehler bereits Kundinnen und Kunden oder das Endergebnis ihres Unternehmens beeinträchtigt haben. Organisationen beschleunigen die Einführung und investieren zugleich zu wenig in die menschliche Infrastruktur, die nötig ist, um sie tragfähig zu machen.

Führungskräfte, die ihren Vorständen KI-gestützte Produktivitätsgewinne berichten, erwähnen in der Regel nicht die gleichzeitig gestiegene kognitive Belastung, den Rückgang der Zeit für konzentriertes Arbeiten oder die Erosion der Urteilsqualität, von der diese Gewinne abhängen. Die Kennzahlen, die in einer Präsentation gut aussehen, werden hervorgehoben. Die Kennzahlen, die die menschlichen Kosten sichtbar machen würden, wurden bislang nicht entwickelt.

Was Führungskräfte anders machen müssen

Der erste Eingriff ist der einfachste und seltenste: die gewonnene Zeit tatsächlich an die Beschäftigten zurückzugeben. Wenn KI ein dreiwöchiges Projekt auf eine Woche verkürzt, besteht die Standardreaktion darin, zwei weitere Aufgaben oben draufzulegen. Die Alternative besteht darin, die zurückgewonnene Kapazität für jene Arbeit zu nutzen, die KI nicht leisten kann: tiefere Beziehungen, gründlichere Qualitätskontrollen, Kompetenzentwicklung und die Art von nicht gehetztem Urteilsvermögen, die dauerhafte statt schnelle Ergebnisse hervorbringt. Organisationen, die jeden Effizienzgewinn als Einladung verstehen, mehr Arbeit aufzutürmen, werden feststellen, dass sie ein schnelleres Hamsterrad gebaut haben – keine leistungsfähigere Belegschaft.

Der zweite Schritt ist die Neugestaltung der Leistungsbewertung. Die Beschäftigten mit dem höchsten Output erzeugen nicht zwangsläufig den größten Wert. Wer KI-Fehler erkennt, bevor sie zu Entscheidungen werden, kontextbezogenes Urteilsvermögen anwendet, das Ergebnisse nutzbar macht, und Qualität sichert, während andere auf Volumen optimieren, ist genau die Person, die Organisationen am dringendsten identifizieren und halten müssen. Das erfordert eine Messung von Wirkung statt Durchsatz – ein schwierigeres Problem mit deutlich wertvolleren Antworten.

Der dritte Punkt ist eine ehrliche Erwartungsklärung auf allen Ebenen. Die meisten Beschäftigten haben nicht zugesagt, zusätzlich zu ihrer eigentlichen Arbeit auch noch ein KI-System zu managen. Sie haben zugestimmt, ihre Arbeit besser zu machen. Wenn Organisationen KI-Tools einführen, ohne Arbeitslasten, Zeitpläne oder Erfolgskriterien anzupassen, stärken sie ihre Belegschaft nicht. Sie definieren stillschweigend neu, was als genug gilt, ohne zu prüfen, ob das für irgendjemanden dauerhaft tragbar ist. Diese Diskussion gehört offen geführt und nicht in einem Produktivitäts-Dashboard verborgen.

Die in Kommentaren auf Fortune.com geäußerten Ansichten sind ausschließlich die der Autorinnen und Autoren und spiegeln nicht notwendigerweise die Ansichten und Überzeugungen von Fortune wider.

Diese Geschichte erschien ursprünglich auf Fortune.com