AI Brain Fry: Ab Tool Nummer 4 fängt dein Gehirn an zu schmurgeln

14 % deiner Kollegen haben gerade KI-Burnout – und keiner spricht drüber.

Die Boston Consulting Group hat im März 2026 eine Studie unter 1.488 US-Beschäftigten in Großunternehmen veröffentlicht. Untersucht wurde, was KI mit der mentalen Belastung von Wissensarbeitern macht. Das Ergebnis hat einen unschönen Namen bekommen: AI Brain Fry.

Frei übersetzt: KI frittiert dein Hirn.

Und die Zahlen, die BCG dazu sauber durchgerechnet hat, sind unangenehm konkret. Die Kurzfassung: Ja, KI kann Burnout reduzieren – aber nur, wenn du sie richtig einsetzt. Und „richtig” heißt vor allem: nicht zu viele Tools gleichzeitig.

Lass mich aufdröseln, was die Studie wirklich sagt – und was das für eure KI-Strategie bedeutet.

Was ist AI Brain Fry überhaupt?

BCG definiert Brain Fry sauber: „mentale Erschöpfung, die aus übermäßiger Nutzung, Interaktion mit und/oder Aufsicht über KI-Tools jenseits der eigenen kognitiven Kapazität entsteht.”

Übersetzung in den Alltag: Du springst zwischen ChatGPT, Claude, Gemini, Copilot, Notion AI, Perplexity und drei verschiedenen Vertical-Tools hin und her. Du prüfst jede Ausgabe auf Halluzinationen. Du formulierst Prompts um. Du kontrollierst, ob der Code-Agent dir grade etwas Sinnvolles in dein Repo schreibt. Und nach drei Stunden weißt du nicht mehr, wer hier eigentlich für wen arbeitet.

Genau dieses „buzzing”, wie BCG es im Original nennt, ist messbar.

Die Zahlen, die jeder Manager kennen sollte

Die BCG-Studie und das parallel im Harvard Business Review erschienene Paper liefern eine ganze Reihe konkreter Effekte. Die wichtigsten:

• 14 % aller befragten KI-Nutzer berichten von Brain Fry. Das ist keine Randerscheinung – das ist jede:r Siebte.
• In HR liegt der Anteil bei 19,3 %, im Marketing bei 25,9 %. Marketing ist damit die am stärksten betroffene Funktion. Mehr KI-Tools, mehr Output-Erwartung, mehr Switching.
• +14 % mehr mentaler Aufwand bei hoher KI-Aufsicht (sprich: wenn du jeden Agent-Schritt prüfst).
• +12 % mehr mentale Erschöpfung, +19 % mehr Information Overload in derselben Gruppe.
• +33 % mehr Decision Fatigue bei den Betroffenen gegenüber den nicht Betroffenen.
• +11 % kleinere Fehler, +39 % schwere Fehler. Das ist die Zahl, bei der jeder COO leise wird.
• 34 % der Brain-Fry-Betroffenen denken aktiv über Kündigung nach – gegenüber 25 % bei den nicht Betroffenen. Das sind die +39 % Kündigungsabsicht aus der LinkedIn-Kurzfassung.

Eine wichtige Nuance: BCG misst eine Verschiebung im Wahrscheinlichkeitsfeld von Kündigungsabsicht, nicht 39 % mehr Kündigungen. Trotzdem: 9 Prozentpunkte Differenz im Mindset von „ich gehe” ist für jede HR-Abteilung ein Alarmsignal.

Die magische Zahl: Drei Tools

Der vielleicht praktischste Befund der Studie steht in den Begleit-Berichten wie Fortune und UNLEASH: Produktivität steigt mit 1 bis 3 KI-Tools – ab dem vierten kippt sie. Mehr Werkzeuge, mehr Context-Switching, weniger Output. Fortune fasst es trocken zusammen: „Productivity collapse and burnout.”

Das deckt sich mit dem, was Cognitive Scientists wie Gloria Mark seit Jahren zur Context-Switching-Steuer publizieren. Jeder Werkzeug-Wechsel kostet Aufmerksamkeit, jeder neue Prompt-Style erfordert kurzes Re-Loading des mentalen Modells. Skalier das auf acht Tools pro Tag, und du verbrennst einen guten Teil deiner kognitiven Bandbreite an die Wechsel selbst, nicht an die Arbeit.

Ich sehe genau das auch in meinen Workshops. Wer im Team „KI” sagt und damit sieben verschiedene Subscriptions meint, baut sich gerade still und leise die nächste Burnout-Welle.

Der Lichtblick: KI kann Burnout auch senken

Wäre die Studie nur ein „KI ist gefährlich”-Papier, würde ich sie eher leise erwähnen. Sie ist es aber nicht. Der spannendste Satz steht im UNLEASH-Bericht:

Wer KI nutzt, um repetitive Aufgaben zu ersetzen, senkt seinen Burnout-Score um 15 %.

Das ist die andere Hälfte der Wahrheit. KI ist kein Problem per se. KI als zusätzliche Aufsichts-Schicht auf bestehende Arbeit ist eines. KI als Ersatz für stumpfe Arbeit ist ein Burnout-Mittel.

Konkret heißt das:

• Gut: „Claude, ziehe mir aus diesen 40 E-Mails die fünf, die wirklich eine Antwort brauchen.” → Stumpfe Triage weg, Mensch fokussiert sich auf das Wesentliche.
• Schlecht: „ChatGPT, schreib mir 40 Antworten, dann lese ich jede einzeln und überarbeite sie.” → Du hast deine Triage-Arbeit nicht reduziert, sondern eine zweite Quality-Control-Schicht draufgepackt.

Diese Unterscheidung ist der wichtigste Punkt aus der ganzen Studie. KI ersetzt Arbeit, oder sie vermehrt sie – und der Unterschied liegt nicht im Tool, sondern in der Workflow-Architektur.

Was das praktisch heißt – drei konkrete Hebel

In den Workshops, die ich seit Bekanntwerden der Studie mit Teams mache, läuft das auf drei Hebel hinaus. Nichts davon ist raketenwissenschaftlich. Aber fast niemand macht es:

1. Tool-Konsolidierung auf 2–3 Kernsysteme. Such dir bewusst aus, was deine Haupt-KIs sind. Bei mir ist das aktuell Claude (Generalist + Cowork) und ein domänenspezifischer Sidekick. Punkt. Alles andere ist Experiment-Sandbox, nicht produktiver Stack. Das hilft dem Team mehr als jedes Prompt-Engineering-Training.

2. „Replace, don’t supervise”-Regel. Bevor ein neues KI-Tool in einen Workflow kommt: Welche Aufgabe verschwindet dadurch? Wenn die Antwort „keine, ich überprüfe halt jetzt mehr” lautet, ist das Tool eine Burnout-Quelle, kein Produktivitäts-Hebel.

3. KI-Aufsicht limitieren. BCG sagt klar: Hohe Oversight → höhere mentale Last → mehr Fehler. Wer Agents einsetzt, muss bewusst entscheiden, wo Vertrauen reicht und wo Kontrolle nötig ist. „Ich prüfe alles aus Prinzip” ist keine Strategie, sondern ein Eingeständnis, dass der Prozess noch nicht reif ist.

Warum ich darüber schreibe

Ich bin KI-Trainer und -Enabler. Mein Geld verdiene ich nicht damit, Leuten den KI-Hype kaputtzumachen. Ganz im Gegenteil.

Aber genau deshalb finde ich die BCG-Studie wichtig. Sie liefert ein nüchternes Korrektiv zur „mach einfach alles mit KI”-Welle, die wir gerade durch jedes Unternehmen rauschen sehen. Und sie zeigt: Der Engpass von KI-Einführung ist 2026 nicht mehr Technologie, nicht mehr Zugang, nicht mehr Tooling.

Der Engpass ist die menschliche Bandbreite, die wir um die Tools herumgebaut haben.

Wer das ernst nimmt, hat einen unfairen Vorteil. Wer es weiter ignoriert, hat in zwei Jahren das gleiche Problem wie 2010 mit E-Mail und 2018 mit Slack: ein super Werkzeug, das die Leute krank macht, weil es niemand ordentlich in den Arbeitstag eingebettet hat.

Meine Frage an dich für diese Woche: Wie viele KI-Tools hast du gerade in Tabs offen? Und wenn die Zahl größer ist als drei – welches davon könntest du heute zumachen, ohne dass dir was fehlt?

Wahrscheinlich mehr, als du denkst.

Quellen

• BCG: When Using AI Leads to ‘Brain Fry’ (5. März 2026)
• Harvard Business Review: When Using AI Leads to ‘Brain Fry’
• Fortune: ‘AI brain fry’ is real – and it’s making workers more exhausted, not more productive
• UNLEASH: Your employees have AI brain fry & it’s affecting your business
• CNN Business: AI is exhausting workers so much, researchers have dubbed the condition ‘AI brain fry’

Quellen

• When Using AI Leads to 'Brain Fry' – BCG
• When Using AI Leads to 'Brain Fry' – Harvard Business Review
• AI brain fry is real – and it's making workers more exhausted – Fortune
• Your employees have AI brain fry – UNLEASH
• AI is exhausting workers so much, researchers call it 'AI brain fry' – CNN Business