Weniger Routinearbeit, mehr Zeit fürs Wesentliche, mehr Raum für strategisches Denken: So klingt das Versprechen der KI-Einführung in den meisten Unternehmen. Die Tools sollen entlasten, beschleunigen, vereinfachen.
Und tatsächlich tun sie das auch – nur eben nicht so, wie viele es sich erhofft haben. Eine aktuelle Studie der UC Berkeley, die im Februar 2026 im Harvard Business Review erschienen ist, liefert dazu ernüchternde Daten aus dem Innenleben eines echten Unternehmens.
Das Ergebnis in Kurzform ist so klar wie unbequem: KI spart keine Zeit – sie füllt sie neu.
Aruna Ranganathan, Professorin an der UC Berkeley Haas School of Business, und ihre Doktorandin Xingqi Maggie Ye verbrachten acht Monate in einem US-amerikanischen Technologieunternehmen.
Sie führten über 40 Tiefeninterviews mit Beschäftigten aus Engineering, Produktentwicklung, Design, Research und Operations durch und waren regelmäßig vor Ort. Kein Selbstauskunftsbogen, kein Zwei-Wochen-Pilot, sondern ethnografische Forschung, die Verhalten sichtbar macht, das Menschen selbst nicht benennen würden.
Das Unternehmen hatte KI-Tools eingeführt, ohne deren Nutzung zu verpflichten. Niemand verlangte höhere Leistung. Und trotzdem stellten die Forscherinnen fest: Viele Beschäftigte weiteten ihre Arbeitsaktivitäten aus.
Drei Muster der Intensivierung
Ranganathan und Ye identifizierten drei sich gegenseitig verstärkende Mechanismen.
Task Expansion. Alle machen plötzlich alles. KI senkte die Hürde, fachfremde Aufgaben zu übernehmen, auf nahezu null. Product Manager schrieben Code. Researcher übernahmen Engineering-Aufgaben. Arbeit, die zuvor ausgelagert oder aufgeschoben worden wäre, wurde intern erledigt, weil KI sie „machbar“ erscheinen ließ. Die Jobprofile weiteten sich still aus – bis die individuelle Kapazität an ihre Grenze stieß.
Verwischte Grenzen. Ein schneller Prompt in der Mittagspause fühlt sich nicht nach Arbeit an. Genau das ist der kritische Punkt. Weil der Einstieg so leicht ist, begannen Beschäftigte, KI-Tools in Pausen, Meetings und kurzen Leerlaufmomenten zu nutzen. Erholungsphasen schrumpften, ohne dass dies bewusst entschieden worden wäre.
Multitasking als Dauerzustand. KI etablierte einen neuen Arbeitsrhythmus: mehrere aktive Stränge gleichzeitig, parallele Agenten im Hintergrund, reaktivierte Aufgaben, die lange aufgeschoben worden waren. Das Ergebnis war ein permanentes Aufmerksamkeitsschalten und eine wachsende Zahl offener Tasks mit erhöhtem kognitivem Stresspegel, wie die Studie berichtet.
Der selbstverstärkende Kreislauf
Die Forscherinnen beschreiben eine Spirale: KI beschleunigt Aufgaben – Erwartungen an Tempo steigen – Abhängigkeit von KI wächst – Aufgabenumfang weitet sich aus – Arbeitsbelastung intensiviert sich. Und das alles stillschweigend, ohne Anweisung von oben.
Das Paradoxe daran: Die Produktivitätsgewinne waren real. Gleichzeitig berichteten Beschäftigte nicht zwangsläufig von geringerer Arbeitsbelastung. Wer nur Output und Geschwindigkeit misst, sieht das Effizienzversprechen bestätigt und übersieht möglicherweise, was auf der anderen Seite der Rechnung steht.
Was das für IT-Beratungshäuser bedeutet
Nach dem anfänglichen Experimentierreiz weist die Studie darauf hin, dass solche Dynamiken langfristig Risiken bergen können, darunter Burnout, schleichende Arbeitsverdichtung, kognitive Überlastung und geschwächte Entscheidungsfähigkeit. Diese Effekte werden von den Autorinnen als mögliche Folgen beschrieben, nicht als zwingend eintretende Resultate.
Für Kanzleien, Beratungshäuser und IT-nahe Organisationen gilt daher: KI-Einführung ist nicht nur ein technisches Projekt, sondern auch ein organisatorisches. Wer Teams mit Tools ausstattet, ohne strukturelle Rahmenbedingungen anzupassen, riskiert, dass Produktivitätsgewinne mit steigender Belastung einhergehen.
Ranganathan und Ye schlagen ein Rahmenkonzept vor, das sie „AI Practice“ nennen: echte Stopppunkte in Arbeitsabläufen – keine bloßen Empfehlungen, Pausen zu nehmen.
Die Forschung zeigt: Ohne strukturelle Vorgaben nehmen Beschäftigte diese Pausen häufig nicht. Die Intensivierungsspirale kann sich dadurch weiter verstärken. Zu den konreten Handlungsanweisungen für Projektmanager und Führungskräfte in Unternehmen gehören deshalb folgende Punkte:
- Rollenprofile schützen: Festlegen, welche Aufgaben KI ermöglichen darf – und welche explizit nicht in den Aufgabenbereich einer Stelle fallen.
• Meetings reduzieren, nicht Projekte aufstocken: KI sollte zuerst eingesetzt werden, um Abstimmungsaufwände zu senken, nicht um zusätzliche Vorhaben draufzupacken.
• Belastung messen: Arbeitszeiten, Fokusblöcke und Burnout-Indikatoren vor und nach KI-Einführung erheben und aktiv justieren.
• Führungskräfte sensibilisieren: KI-Intensivierung geschieht ohne Ansage. Wer sie nicht aktiv beobachtet, bemerkt sie oft erst, wenn Teams erschöpft sind.
Fazit der Studie
Ranganathan und Ye ziehen aus ihrer Forschung eine klare Schlussfolgerung: KI-Tools verändern nicht nur, wie gearbeitet wird – sie verändern, wie viel gearbeitet wird. Und das meist ohne bewusste Entscheidung.
Die Beschäftigten in ihrer Studie wurden nicht von oben gedrängt. Sie weiteten ihre Arbeit aus, weil die Tools es ermöglichten und weil die organisatorischen Rahmenbedingungen keine Grenzen setzten.
Der Vorschlag der Froscherinnen ist deshalb kein Appell an die Eigenverantwortung der Mitarbeiter, sondern an die Strukturen: echte Stopppunkte in Arbeitsabläufen, klare Rollenprofile, aktives Monitoring der Belastung. Kurz: eine „AI Practice“, die nicht dem Zufall überlassen bleibt.
Die Studie liefert keine Warnung vor KI. Sie zeigt aber, was passiert, wenn KI ohne organisatorische Begleitung eingeführt wird und was Unternehmen tun können, um es anders zu machen.
Quelle: Ranganathan, A. & Ye, X.M. (2026). AI Doesn’t Reduce Work—It Intensifies It. Harvard Business Review, 9. Februar 2026.