«Macht KI meine Leute effizienter?» Der einzelne Mitarbeiter wird messbar schneller – ob die Organisation davon etwas hat, ist eine andere Frage. Dazwischen liegt ein ungesteuerter Mechanismus: Die gesparte Zeit kommt nicht als Freiraum zurück, sondern sie füllt sich sofort wieder von selbst.
Das ist kein Versagen von KI. Effizienzgewinne sind in der Geschichte der Büroarbeit selten als Freizeit zurückgekommen, sondern wurden meist zu mehr Arbeit. Neu ist nur, wie verlässlich KI diesem Muster folgt.
Der Rahmen dieser Serie hat gezeigt, dass sich die augenscheinlich gesparte Zeit sofort wieder füllt. Dieser Post fragt, warum sie es so zuverlässig tut und wohin die Arbeit wandert, wenn sie sich nicht mehr nur beim Einzelnen stapelt.
Der Kreislauf, der sich selbst beschleunigt
Die Verdichtung unserer Arbeit folgt keinem vorbereiteten Plan, sondern einem sich verstärkenden Kreislauf: KI beschleunigt eine Aufgabe, die Erwartung an das Tempo steigt, die Abhängigkeit vom Werkzeug wächst, der eigene Aufgabenbereich weitet sich – und am Ende steht mehr Arbeit, nicht weniger. Jede Runde dreht die nächste schneller. Dieser Ablauf steckt tief in unserem Umgang mit Werkzeugen jeder Art und lässt sich nicht einfach „abschalten”.
Was den Kreislauf antreibt, ist ein echter Gewinn. Jede einzelne Aufgabe wird tatsächlich schneller fertig, oft besser, und es fühlt sich produktiv an. Wir arbeiten mit KI motiviert und in gutem Glauben, nicht nachlässig. Dazu kommt die Reibungslosigkeit: Ein Prompt kostet fast nichts, also wird er gesetzt – im Meeting, in der Mittagspause, als letzter Handgriff vor dem Feierabend, damit die Maschine weiterarbeitet, während man selbst „Feierabend” hat. Die Hemmschwelle, die früher zwischen Arbeit und Pause lag, ist verschwunden, weil die Schnittstelle sich anfühlt wie ein einfaches Gespräch, nicht wie Arbeit.
Dieser letzte Prompt hat einen Preis. Er erzeugt einen offenen Loop: Das Ergebnis muss geprüft werden, also bleibt der Kopf damit beschäftigt. Die Maschine macht keine Pause, und man fühlt sich schuldig, selbst eine zu machen. Ich ertappe mich dabei – der Auftrag ist abgeschickt, der Abend beginnt, und ein Teil der Aufmerksamkeit hängt bei der Antwort, die irgendwann kommt. Die Arbeitszeit dehnt sich in den Abend.
Die Freiwilligkeit ist eine Falle. Eine Vorschrift könnte man bekämpfen, eine Überstunde verweigern. Aber niemand verordnet die Verdichtung – jeder wählt sie, einzeln, in bester Absicht, weil sich der nächste Prompt ja lohnt. Eine Reorganisation ohne Steuerung lässt sich nicht stoppen, wenn jeder Einzelne sie freiwillig vorantreibt.
Wenn Output Wert vortäuscht
Das Hamsterrad des Einzelnen greift auf die Zusammenarbeit im Team über und macht aus mehr Arbeit schlechtere.
Forscher von Stanford und BetterUp haben dem Phänomen einen Namen gegeben: Workslop. Inzwischen kennen wir alle die KI-generierten Inhalte, die aussehen wie gute Arbeit, aber keine Substanz haben, um die Aufgabe voranzubringen. Die Folie ist sauber formatiert, der Text liest sich flüssig – und der Empfänger merkt erst beim zweiten Lesen, dass nichts drinsteht. Vier von zehn Beschäftigten haben im letzten Monat Workslop erhalten; jeder Fall kostet den Empfänger im Schnitt knapp zwei Stunden, um ihn zu entschlüsseln, zu korrigieren oder neu zu machen.
Das ist die soziale Form des Verdichtungs-Paradoxes. Die Zeit, die der Sender gespart hat, ist nicht verschwunden – sie taucht beim Empfänger wieder auf, oft mit Zins. Die Verdichtung wandert durch die Organisation und wird dabei teurer.
Warum funktioniert das überhaupt? Weil eine echte Vorlage etwas leistet, das ein KI-Entwurf nur vortäuscht. Wenn ein Mitarbeiter mir eine Einschätzung vorlegt, nimmt sie mir Unsicherheit ab: Jemand hat geurteilt, jemand haftet für das Urteil, und ich kann nachfragen. Der Soziologe Niklas Luhmann nannte das Unsicherheitsabsorption: der eigentliche Stoff, aus dem Organisationen gemacht sind. Ein Workslop-Dokument sieht aus wie Absorption, leistet sie aber nicht. Niemand hat geurteilt, niemand haftet, und die Rückfrage läuft ins Leere. Die Unsicherheit ist nicht absorbiert, sie ist nur überdeckt – und sie kommt beim Empfänger wieder hoch.
Dazu fällt ein Filter weg, der bisher unsichtbar gearbeitet hat: die Knappheit. Einen brauchbaren Entwurf zu schreiben kostete Zeit, und dieser Preis war eine Hürde. Wer eine schwache Idee hatte, scheute den Aufwand und liess sie liegen oder dachte sie zu Ende, bevor er sie weitergab. Die Arbeit erzwang eine Vorauswahl. KI senkt diesen Preis auf fast null: Sie hebt den Boden an, jeder produziert jetzt einen passablen ersten Entwurf. Aber wenn der Entwurf gratis ist, nimmt keine Idee mehr die Hürde, also landet mehr auf dem Tisch – und jede Vorlage bläht sich auf, weil auch der Umfang nichts mehr kostet: Das Memo wird fünf Seiten, weil fünf Seiten so billig sind wie eine. Mehr Output, weniger Wert. Die Prüfarbeit, die der Aufwand früher erübrigt hat, fällt jetzt erst recht an, nur später und bei jemand anderem. Denken wird wegdelegiert.
Das erklärt, warum so viel Aktivität so wenig Ertrag bringt. Die KI-Nutzung am Arbeitsplatz hat sich in zwei Jahren nahezu verdoppelt, die Begeisterung ist gross – und doch zeigen 95 Prozent der KI-Pilotprojekte keinen messbaren Ertrag. Dieses Problem lässt sich nicht über immer bessere KI-Modelle lösen, sondern ist ein Organisationsproblem, solange Organisationen überwiegend aus Menschen bestehen.
Vom Pilot zum Ertrag: Die wenigsten GenAI-Initiativen zeigen messbaren Geschäftswert. Quelle: MIT, State of AI in Business 2025.
Wer entscheidet, was „fertig” heisst
Die Verdichtung ist zum privaten Bewältigungsverhalten geworden, und mit ihr der Massstab für Qualität. Solange ein Entwurf Aufwand kostete, trug dieser Aufwand eine Vereinbarung darüber, was gut genug ist, um es jemandem zu schicken. Diese Vereinbarung ist mit dem Aufwand verschwunden. Jeder entscheidet jetzt für sich, wann KI-Output abgesendet werden darf. Die glatte Form von KI-Output hat eine Diskussion über Qualitätsstandards in den meisten Organisationen bisher kaum ausgelöst.
Ob das KI-Modell oder die App gut ist, ist weniger wichtig. Die Frage ist, wer bei dir festlegt, was «fertig» heisst, wenn der erste Entwurf nichts mehr kostet. Wer darf sagen: das geht so nicht raus? Und wer hat entschieden, ab wann KI-Output das Haus verlässt – oder überlässt das inzwischen jeder sich selbst? Fällt darauf keine Antwort, setzt der Kreislauf den Standard – nach unten.
Was passiert, wenn diese verdichtete, teils hohle Arbeit zwischen immer mehr Menschen zirkulieren muss, ist die Frage der nächsten Folge.