KI steigert die Arbeitseffizienz, bedeutet aber nicht, dass du es einfacher haben wirst? Berkeley-Studie widerlegt die 10X-Produktivitätsgeschichte des Silicon Valley

Berkeley Haas School of Business über einen Zeitraum von neun Monaten die Arbeit von 200 Tech-Mitarbeitern verfolgt und festgestellt, dass KI-Tools die Arbeitsbelastung nicht verringern, sondern vielmehr ein Hochintensiv-Arbeitsmuster mit „Multithreading“ fördern, bei dem die kognitive Belastung und das Burnout-Risiko gleichzeitig steigen.
(Vorheriger Kontext: Entschlüsselung „x402“: Neuaufbau des Vertrauens in die KI-Ära, der Heilige Gral zum Übergang zur nächsten Maschinenzivilisation)
(Hintergrund: Die Bedeutung von X402 für Stablecoin-Zahlungen)

Inhaltsverzeichnis

• Der ständig jonglierende neue Arbeitsrhythmus
• Vom Labor in die reale Welt
• Das Problem liegt nicht bei KI, sondern daran, dass niemand dir zeigt, wie man sie richtig nutzt
• Belastungstests für KI-Erzählungen
• Die Neuausrichtung jahrzehntelanger Arbeitsgewohnheiten

Wenn du im vergangenen Jahr irgendeinen Investment-Deck für die Tech-Branche gelesen hast, hast du wahrscheinlich eine ähnliche Erzählung gesehen: KI wird die Produktivität erheblich steigern, Mitarbeiter erledigen weniger Aufgaben und liefern mehr Ergebnisse, wodurch die Gewinnmargen der Unternehmen explodieren. Die Menschheit kann endlich ihre Zeit für „kreativere“ Arbeit verwenden.

Diese Erzählung klingt schön. Das Problem ist… sie könnte falsch sein.

Zwei Forscher des Berkeley Haas Business School, Aruna Ranganathan und Xingqi Maggie Ye, veröffentlichten eine neunmonatige Studie in der „Harvard Business Review“. Von April bis Dezember 2025 verfolgten sie 200 Mitarbeitende eines US-Technologieunternehmens und beobachteten Verhaltensänderungen nach der Einführung von KI-Tools im Arbeitsalltag.

Das Ergebnis ist klar: KI hat die Arbeit nicht reduziert, sondern verschärft sie.

Der ständig jonglierende neue Arbeitsrhythmus

Das Forscherteam stellte fest, dass die Einführung von KI-Tools die Aufgabenmenge oder die Arbeitszeit der Mitarbeitenden nicht wirklich verringert hat. Im Gegenteil, sie schuf einen völlig neuen Arbeitsrhythmus – das „Multithreading“.

Konkret: Mitarbeitende schrieben gleichzeitig Code und ließen KI alternative Versionen generieren; mehrere KI-Agenten bearbeiteten unterschiedliche Aufgaben parallel; sogar alte, aufgeschobene Projekte wurden wieder aufgenommen, weil „die KI das ja im Hintergrund erledigen kann“.

Auf den ersten Blick eine Produktivitätssteigerung: Die Anzahl der gleichzeitig vorangetriebenen Projekte stieg, die Geschwindigkeit der Ergebnisse auch. Doch die Realität, die die Forscher beobachteten, war eine andere:

„Ständiges Umschalten der Aufmerksamkeit, häufiges Überprüfen der KI-Ausgaben und die ständig wachsende To-Do-Liste. Das erzeugt eine kognitive Belastung und ein Gefühl des ‚Juggling‘ – auch wenn die Arbeit selbst produktiv erscheint.“

Mit anderen Worten: Die Mitarbeitenden haben tatsächlich mehr getan. Aber sie sind auch erschöpfter – und zwar auf eine Weise, die sich anfühlt, als ob man zwar effizient ist, sich aber nach Feierabend ausgelaugt fühlt.

Vom Labor in die reale Welt

Die Daten stammen aus Unternehmen, doch außerhalb der Unternehmensmauern passiert Ähnliches.

Der bekannte Entwickler Simon Willison teilte auf seinem Blog die Studie und bestätigte, dass seine eigenen Erfahrungen sehr ähnlich sind. Als einer der aktivsten Praktiker großer Sprachmodelle (LLMs) nutzt er KI-Tools seit langem in seinem Workflow. Er sagt, er könne gleichzeitig zwei bis drei Projekte vorantreiben und mehr Arbeit erledigen als früher.

Der Preis: Innerhalb von ein bis zwei Stunden ist seine Energie aufgebraucht.

Er beobachtete auch bei anderen Entwicklern ähnliche Muster: Manche schreiben „noch ein Prompt“ und arbeiten bis in die frühen Morgenstunden, was ihren Schlaf erheblich beeinträchtigt. Es fühlt sich nicht wie Überstunden an, sondern eher wie ein unabspeicherbares Spiel – man weiß, wann man aufhören sollte, aber der nächste „Zug“ ist zu verlockend.

Wenn wissenschaftliche Studien und praktische Erfahrungen beide zu demselben Schluss kommen, ist das kein Einzelfall, sondern ein systemisches Problem.

Das Problem liegt nicht bei KI, sondern daran, dass niemand dir zeigt, wie man sie richtig nutzt

Der wichtigste Erkenntnisgewinn des Teams liegt nicht im Schluss, dass „KI die Menschen erschöpft“, sondern in der Diagnose: Organisationen fehlen klare Strukturen für den KI-Einsatz.

Die meisten Unternehmen, die KI-Tools einführen, machen Folgendes: Sie kaufen Lizenzen, erstellen Accounts, legen eine „Best Practice“-PDF bei – und hoffen, dass die Mitarbeitenden selbst den besten Weg finden. Das ist, als würde man einen Turbolader an ein Fahrrad montieren und dem Fahrer sagen: „Viel Spaß.“

Die Empfehlung der Forscher: Unternehmen sollten formale Rahmenwerke für den KI-Einsatz entwickeln, die klar definieren, in welchen Szenarien KI genutzt werden soll, in welchen nicht, und wie man echte Effizienzsteigerung von bloßer Mehrarbeit unterscheidet.

Belastungstests für KI-Erzählungen

Lasst uns die Studienergebnisse in einen größeren Kontext stellen.

Im vergangenen Jahr war die Annahme, „KI steigert die Produktivität“, eine zentrale Logik für die Bewertung von Tech-Aktien. Von Nvidia über Microsoft bis OpenAI und Start-ups im KI-Bereich basierte die Bewertung auf der Annahme: KI wird die Produktion jedes Wissensarbeiters um das 2- bis 10-fache steigern, Unternehmen können mit weniger Personal mehr leisten, und die Gewinnmargen steigen strukturell.

Wenn die Berkeley-Studie Recht hat und die tatsächliche Wirkung von KI nicht darin besteht, „weniger zu tun“, sondern „mehr zu tun, aber erschöpfter“, dann muss dieses Bewertungsmodell neu kalibriert werden.

Produktivitätssteigerung und Arbeitsintensivierung sind zwei unterschiedliche Dinge. Erstere senkt die Kosten und erhöht die Gewinne; letztere führt kurzfristig zu mehr Output, langfristig aber zu Burnout, höherer Fluktuation und Qualitätsverlust.

Wenn man die Berkeley-Funde auf Unternehmensmodelle anwendet, ist die Folge nicht unbedingt eine Steigerung der Gewinnmargen, sondern eine Umverteilung der Personalkosten: höhere Schulungskosten, mehr Ausgaben für psychische Gesundheit, höhere Kosten für Personalwechsel.

Natürlich bedeutet das nicht, dass KI keinen Wert hat. Sie hat ihn offensichtlich. Aber ihr Wert liegt vielleicht nicht darin, „Menschen weniger arbeiten zu lassen“, sondern darin, „Menschen andere Aufgaben machen zu lassen“. Und „andere Aufgaben“ sind nicht zwangsläufig leichter.

Die jahrzehntelangen Arbeitsgewohnheiten neu kalibrieren

Die Studie enthält auch eine weniger diskutierte Dimension: die Anpassungsphase. Willison hebt in seinem Blog hervor, dass die aktuellen Arbeitsnormen – wie Aufmerksamkeit verteilt wird, wie Leistung gemessen wird, was als „Tagesarbeit“ gilt – über Jahrzehnte aufgebaut wurden.

Die explosive Verbreitung von KI zwischen 2023 und 2025 bedeutet, dass das gesamte Wissensekonomische System innerhalb von zwei Jahren neu lernen muss, wie Arbeit funktioniert.

Dieses „Neulernen“ passiert nicht automatisch. Es erfordert bewusste Organisationsgestaltung, ein Umdenken im Management und vor allem die Anerkennung, dass „mehr Output“ und „bessere Arbeit“ zwei völlig unterschiedliche Dinge sind.

Silicon Valley spricht gern von „10x Engineers“ – außergewöhnlich produktive Entwickler. KI verspricht, jeden zu einem „10x“ zu machen. Doch diese Studie zeigt: Vielleicht bekommen wir nicht 10-fache Effizienz, sondern 10-fache Erschöpfung… Was denkst du?