KI reduziert Arbeit nicht, sie verdichtet sie. Was eine "AI Practice" dagegen tun kann
Zwei Forscherinnen der UC Berkeley haben acht Monate lang beobachtet, wie generative KI den Arbeitsalltag in einem US-amerikanischen Technologieunternehmen mit rund 200 Mitarbeitenden verändert hat. Das zentrale Ergebnis: Die Mitarbeitenden haben nicht weniger gearbeitet, sondern mehr. Schneller, breiter und mit weniger Pausen. Und das, obwohl das Unternehmen den KI-Einsatz nicht einmal vorgeschrieben hatte.
Die drei Formen der Arbeitsverdichtung
Die Studie, veröffentlicht im Harvard Business Review (Aruna Ranganathan / Xingqi Maggie Ye; AI Doesn’t Reduce Work-It Intensifies It, https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it), identifiziert drei Mechanismen, durch die KI die Arbeit intensiviert.
1. Aufgabenexpansion
Weil KI-Tools Wissenslücken überbrücken, übernahmen Mitarbeitende zunehmend Aufgaben, die bisher anderen Rollen vorbehalten waren. Produktmanager begannen, Code zu schreiben. Designer und Researcher erledigten Engineering-Aufgaben. Tätigkeiten, die man früher ausgelagert oder aufgeschoben hätte, wurden plötzlich selbst in Angriff genommen. So heisst es im HBR-Artikel: “These tools provided what many experienced as an empowering cognitive boost: They reduced dependence on others, and offered immediate feedback and correction along the way. Workers described this as ‘just trying things’ with the AI, but these experiments accumulated into a meaningful widening of job scope. In fact, workers increasingly absorbed work that might previously have justified additional help or headcount.”
Das klingt zunächst nach einem Effizienzgewinn. Die Kehrseite davon war aber, dass die Spezialisten (in der Studie: die Ingenieure) anschliessend mehr Zeit aufwenden mussten, um die KI-gestützten Arbeitsergebnisse ihrer Kollegen zu prüfen, zu korrigieren und zu begleiten. Diese zusätzliche Betreuungsarbeit fand oft informell statt, in Slack-Nachrichten oder kurzen Gesprächen am Schreibtisch.
2. Verwischung der Grenzen zwischen Arbeit und Freizeit
Weil der Einstieg in eine Aufgabe mit KI so niedrigschwellig ist, ein kurzer Prompt genügt, rutschte Arbeit in Momente, die vorher Pausen waren. Mitarbeitende im beobachteten Unternehmen prompteten während der Mittagspause, in Sitzungen oder in den Minuten vor Feierabend. Ein “letzter kurzer Prompt”, damit die KI schon mal arbeiten kann, während man den Schreibtisch verlässt. Das Tückische daran: Es fühlt sich nicht wie Arbeit an. Im Artikel heisst es: “The conversational style of prompting further softened the experience; typing a line to an AI system felt closer to chatting than to undertaking a formal task, making it easy for work to spill into evenings or early mornings without deliberate intention.” Erst im Rückblick merkten viele Arbeitnehmer, dass ihre Pausen keine echte Erholung mehr boten. Arbeit wurde - wie es der HBR-Artikel formuliert - “ambient”: “The boundary between work and non-work did not disappear, but it became easier to cross.”
3. Mehr Multitasking
KI ermöglichte einen neuen Arbeitsrhythmus: Mehrere Aufgaben gleichzeitig vorantreiben, parallele KI-Agents laufen lassen, liegengebliebene Projekte wieder aufnehmen, weil die KI sie “im Hintergrund erledigen” kann. Die Mitarbeiter hatten das Gefühl, einen “Partner” zu haben, der sie durch den Arbeitsberg begleitet. In der Realität bedeutete das, so der Artikel, ”a continual switching of attention, frequent checking of AI outputs, and a growing number of open tasks. This created cognitive load and a sense of always juggling, even as the work felt productive.”
Ein Ingenieur brachte es auf den Punkt: “You had thought that maybe, oh, because you could be more productive with AI, then you save some time, you can work less. But then really, you don't work less. You just work the same amount or even more.”
Der selbstverstärkende Kreislauf
Die drei Effekte greifen ineinander und bilden einen Kreislauf: “AI accelerated certain tasks, which raised expectations for speed; higher speed made workers more reliant on AI. Increased reliance widened the scope of what workers attempted, and a wider scope further expanded the quantity and density of work.”
Die Arbeitnehmer berichteten, dass sie sich zwar produktiver fühlten, aber keineswegs weniger beschäftigt. Was kurzfristig wie ein Produktivitätsschub aussieht, kann langfristig in kognitive Erschöpfung, schlechtere Entscheidungsqualität und Burnout münden. Gerade weil der Mehraufwand freiwillig geschieht und oft als “Experimentieren” erlebt wird, bleibt er für die Führungskräft oft unsichtbar. Der HBR-Artikel formuliert es so: “Because the extra effort is voluntary and often framed as enjoyable experimentation, it is easy for leaders to overlook how much additional load workers are carrying.”
Lösungsansatz: Eine bewusste “AI Practice”
Die Forscherinnen empfehlen, dem nicht einfach passiv zuzuschauen, sondern eine aktive, eine bewusste “AI Practice” zu etablieren. Also ein Bündel aus Normen und Routinen, das regelt, wie KI eingesetzt wird, wann es angebracht ist aufzuhören und wie sich der Aufgabenumfang verändern darf. Konkret schlagen sie drei Bausteine vor:
Bewusste Pausen
Kurze, strukturierte Momente, in denen man innehält und sich fragt: Stimmt die Richtung noch? Ist die Aufgabe tatsächlich sinnvoll, oder habe ich sie nur übernommen, weil es mit KI so einfach ging? Vor einer wichtigen Entscheidung beispielsweise bewusst ein Gegenargument formulieren und den Bezug zum eigentlichen Ziel prüfen.
Sequenzierung statt Dauerreaktivität
Nicht jedes KI-Ergebnis sofort aufgreifen, sondern die Arbeit in zusammenhängenden Phasen vorantreiben. Nicht-dringende Benachrichtigungen bündeln, Fokuszeiten schützen, Ergebnisse erst an natürlichen Haltepunkten sichten. In der Praxis könnte dies so aussehen, dass man die KI-Recherchen zu einem festen Zeitpunkt gesammelt auswertet, statt jeden Output sofort zu prüfen und dabei ständig den Kontext zu wechseln.
Menschliche Verankerung
KI fördert eine zunehmend isolierte Arbeitsweise. Die Forscherinnen empfehlen, bewusst Raum für menschlichen Austausch zu schaffen. Gerade in der juristischen Arbeit, wo die Qualität von Argumenten vom Austausch verschiedener Perspektiven lebt, ist das kein Luxus, sondern oft eine fachliche Notwendigkeit.
Fazit
Der Harvard Business Review Artikel liefert meines Erachtens keine Argumente gegen den Einsatz von KI. Vielmehr liefern die Forscherinnen Argumente dafür, diesen Einsatz bewusst zu gestalten. Die Frage ist also nicht, ob KI die Arbeit im Rechtsmarkt verändern wird, sondern ob die Akteure im Rechtsmarkt diese Veränderung aktiv steuern oder sich von ihr still und schleichend formen lassen.
Wer KI-Tools einführt, sollte daher nicht nur fragen, welche Aufgaben damit schneller gehen. Sondern auch: Welche neuen Belastungen entstehen? Wo braucht es klare Grenzen? Und wie stellen wir sicher, dass die gewonnene Geschwindigkeit nicht auf Kosten der Urteilskraft geht, die unsere eigentliche Kernleistung ausmacht?