Burnout im KI-Zeitalter: Wenn Automatisierung neue Überforderung schafft

Wie Unternehmen mit künstlicher Intelligenz Effizienz versprechen – und dabei neue Burnout-Risiken erzeugen:

Künstliche Intelligenz soll Arbeit leichter machen. Sie verspricht Effizienz, Entlastung und Produktivitätsgewinne – und wird von Unternehmen oft als logischer nächster Schritt in einer ohnehin beschleunigten Arbeitswelt präsentiert. Doch während Algorithmen Routineaufgaben übernehmen, geraten viele Beschäftigte unter neuen Druck. Nicht weil Maschinen zu schnell oder zu mächtig wären, sondern weil mit ihnen Verantwortlichkeiten verschwimmen, Aufgaben unsichtbar werden und Arbeit neu verteilt wird, ohne klar benannt zu sein.

Aktuelle arbeitsmedizinische Studien zeigen: Im Schatten der Automatisierung wächst ein altbekanntes Risiko – Rollenambiguität. Wer nicht mehr genau weiß, wofür er zuständig ist, wer entscheidet und wer haftet, arbeitet unter permanenter Unsicherheit. Diese Unsicherheit ist kein Randphänomen, sondern entwickelt sich im KI-Zeitalter zu einem zentralen Treiber von Stress und Burnout. Die eigentliche Gefahr liegt damit nicht in der Technologie selbst, sondern in der Art, wie Organisationen sie einführen – schnell, funktional und oft ohne Rücksicht auf die psychische Architektur von Arbeit.

Rollenambiguität: Ein Klassiker der Arbeitsforschung kehrt zurück

Rollenambiguität beschreibt einen Zustand, in dem Beschäftigte nicht klar wissen, welche Aufgaben sie haben, wofür sie verantwortlich sind und nach welchen Kriterien ihre Leistung bewertet wird. In der Arbeits- und Organisationspsychologie gilt sie seit Jahrzehnten als einer der stärksten Prädiktoren für Stress, Unzufriedenheit und Burnout.

Mit dem Einzug von KI erhält dieses Konzept neue Aktualität. Während Algorithmen standardisierte Tätigkeiten übernehmen, verschiebt sich menschliche Arbeit in Bereiche, die schwerer zu definieren sind: Überwachung von Systemen, Bewertung von Ergebnissen, Eingreifen bei Fehlern, moralische und rechtliche Verantwortung.

Eine aktuelle arbeitsmedizinische Studie fasst diese Entwicklung so zusammen:

„Wenn KI Routinetätigkeiten übernimmt, verschieben sich menschliche Rollen hin zu Steuerung, Problemlösung oder emotionaler Arbeit – alles Bereiche mit jeweils eigenen psychischen Anforderungen.“

Das Problem: Diese neuen Rollen entstehen schneller, als Organisationen sie beschreiben, absichern oder anerkennen. Beschäftigte bewegen sich in Grauzonen – mit wachsender Verantwortung, aber ohne klare Abgrenzung.

Wenn Entlastung neue Arbeit erzeugt

Automatisierung wird häufig mit Arbeitsersparnis gleichgesetzt. Doch empirische Untersuchungen zeigen ein widersprüchliches Bild. Zwar verschwinden einzelne Aufgaben, gleichzeitig entstehen neue: das Prüfen von KI-Ergebnissen, das Korrigieren fehlerhafter Ausgaben, das Anpassen von Eingaben, das Erklären algorithmischer Entscheidungen gegenüber Dritten.

Diese Tätigkeiten gelten oft nicht als „eigentliche Arbeit“. Sie tauchen weder in Stellenprofilen noch in Zeitbudgets auf. Genau hier beginnt das Problem. Arbeit wächst – aber sie bleibt unsichtbar. Verantwortung nimmt zu – ohne formale Anerkennung. Belastung steigt – ohne organisationalen Gegenpol.

Forschende sprechen in diesem Zusammenhang von versteckten Arbeitslasten. Sie sind besonders problematisch, weil sie sich der klassischen Arbeitsorganisation entziehen. Wer sie trägt, hat selten die Möglichkeit, sie zu begrenzen oder abzulehnen.

Technostress: Die emotionale Seite der Digitalisierung

Rollenambiguität wirkt selten allein. Sie ist eng verbunden mit einem weiteren Phänomen: Technostress. Gemeint sind psychische Belastungen, die durch den Umgang mit digitalen Technologien entstehen – etwa durch Komplexität, ständige Erreichbarkeit, Informationsüberflutung oder Kontrollverlust.

Schon lange zeigt die Forschung, dass Technostress mit emotionaler Erschöpfung, sinkender Arbeitszufriedenheit und gesundheitlichen Beschwerden zusammenhängt. Mit KI verschärft sich diese Dynamik. Systeme werden leistungsfähiger, aber auch intransparenter. Beschäftigte sollen Ergebnisse verantworten, deren Entstehung sie nicht vollständig nachvollziehen können.

Besonders belastend ist dabei die asymmetrische Verantwortung: Menschen haften für Entscheidungen, die sie nur begrenzt kontrollieren. Diese Konstellation gilt als klassischer Burnout-Treiber.

Das Produktivitäts-Paradoxon

Hinzu kommt ein weiteres Phänomen: das Produktivitäts-Paradoxon. Trotz technologischer Unterstützung berichten viele Beschäftigte, dass ihre Arbeitsbelastung nicht sinkt – sondern steigt. Zeitgewinne werden durch höhere Erwartungen kompensiert. Wer schneller arbeitet, bekommt mehr Aufgaben. Wer effizienter ist, gilt als skalierbar.

Aus arbeitspsychologischer Sicht ist das kein Fortschritt, sondern eine Verschiebung von Leistungsnormen. Produktivität wird nicht genutzt, um Arbeit zu reduzieren, sondern um sie zu verdichten. KI wird so nicht zum Entlastungsinstrument, sondern zum Verstärker bestehender Überforderung.

Einordnung: Anforderungen, Ressourcen und Burnout

Diese Entwicklungen lassen sich gut mit etablierten Stressmodellen erklären. Besonders relevant ist das Job-Demands-Resources-Modell. Es geht davon aus, dass Burnout entsteht, wenn hohe Anforderungen auf unzureichende Ressourcen treffen.

Im KI-Kontext steigen die Anforderungen deutlich: mehr Komplexität, mehr Verantwortung, mehr Lernaufwand. Gleichzeitig bleiben zentrale Ressourcen oft aus: klare Rollen, verlässliche Zuständigkeiten, ausreichende Schulung, psychologische Sicherheit.

Rollenambiguität wirkt hier wie ein Katalysator. Sie entzieht Beschäftigten Orientierung – genau in dem Moment, in dem Anforderungen wachsen.

Individualisierung eines strukturellen Problems

Auffällig ist, wie häufig diese Belastungen individualisiert werden. Beschäftigte sollen resilienter werden, sich anpassen, neue Kompetenzen erwerben. Die strukturelle Dimension bleibt dabei oft unbeachtet.

Dabei zeigt die Forschung eindeutig: Burnout ist kein individuelles Defizit, sondern ein Organisationsversagen. Entscheidend ist nicht, ob KI eingesetzt wird, sondern wie. Werden Rollen neu definiert? Werden zusätzliche Aufgaben sichtbar gemacht? Gibt es klare Grenzen zwischen menschlicher und maschineller Verantwortung?

Fehlen diese Strukturen, entsteht ein Klima permanenter Unsicherheit. Mitarbeitende wissen nicht genau, wofür sie verantwortlich sind – aber sehr wohl, dass sie im Zweifel verantwortlich gemacht werden. Psychologisch ist das eine hochriskante Konstellation.

Kann KI auch entlasten?

Trotz aller Kritik wäre es verkürzt, KI pauschal als Burnout-Treiber darzustellen. Unter bestimmten Bedingungen kann sie tatsächlich entlasten: wenn monotone Tätigkeiten wegfallen, wenn Entscheidungsunterstützung sinnvoll eingesetzt wird, wenn neue Freiräume entstehen.

Auch im Bereich der Prävention gibt es Ansätze, KI zur Früherkennung von Überlastung oder zur anonymen Unterstützung psychischer Gesundheit zu nutzen. Doch auch hier gilt: Ohne klare Regeln, transparente Ziele und ethische Leitplanken drohen neue Belastungen.

Fazit: Burnout als Warnsignal

Burnout im KI-Zeitalter ist kein Kollateralschaden technologischen Fortschritts. Er ist ein Warnsignal. Er zeigt, dass Arbeit schneller verändert wird, als Organisationen sie gestalten. Rollenambiguität, Technostress und versteckte Mehrarbeit sind keine Nebeneffekte, sondern Symptome einer einseitig verstandenen Effizienzlogik.

Die entscheidende Frage lautet nicht, wie leistungsfähig künstliche Intelligenz ist. Sie lautet, wie verantwortungsvoll mit ihr gearbeitet wird. Wer KI einführt, ohne Arbeit neu zu denken, produziert keine Zukunft, sondern Erschöpfung. Und wer Burnout im Namen der Innovation in Kauf nimmt, riskiert am Ende genau das, was er zu steigern vorgibt: nachhaltige Produktivität.

Quellen und weiterführende Literatur

Wissenschaftliche Studien

• Shemtob, L. et al. (2026): Human–AI interaction is the new frontier of occupational health. Occupational Medicine.
• Meyer, S.-C. & Tisch, A. (2024): Technostress am Arbeitsplatz und sein Zusammenhang mit Burnout. Bundesanstalt für Arbeitsschutz und Arbeitsmedizin.
• Bakker, A. B. & Demerouti, E. (2017): Job Demands–Resources Theory. Journal of Occupational Health Psychology.

Berichte und Analysen

• Upwork Research Institute (2024): AI Productivity Paradox.
• Management Issues (2025): Human-AI interaction and occupational health.
• DUP Magazin (2024): Technostress: Was KI mit unserer mentalen Gesundheit macht.