KI macht Entwickler schneller. Und sie macht sie schneller erschöpft. Das klingt widersprüchlich, lässt sich in KI-gestützt arbeitenden Teams aber gut beobachten. Ein Entwickler arbeitet einen ganzen Tag intensiv mit KI, schafft sichtbar viel und ist mit dem Ergebnis zufrieden. Am Abend ist er trotzdem vollkommen ausgelaugt, deutlich stärker als nach einem klassischen Arbeitstag. Für dieses Phänomen kursiert inzwischen ein Begriff: AI Brain Fry. Er beschreibt, wie intensive KI-Nutzung das Gehirn auf eine neue Art fordert und Menschen schneller ermüden lässt als zuvor.

Die Arbeit verschiebt sich vom Schreiben zum Bewerten

Der Grund liegt nicht in der Menge der Arbeit, sondern in ihrer Art. Wer mit KI entwickelt, liest plötzlich viel mehr Code, als er selbst schreibt. Jedes Ergebnis will geprüft, verstanden und eingeordnet werden. Statt einer Zeile, die man selbst formuliert, steht ein fertiger Vorschlag da, den man bewerten muss: Passt das? Ist das korrekt? Gibt es einen besseren Weg? Dazu kommt das Denken in Schleifen, das ständige Umformulieren von Anweisungen, wenn das erste Ergebnis nicht trifft.

Früher gab es beim Programmieren Phasen von Flow, in denen der Kopf konzentriert, aber ruhig an einer Sache arbeitete. Heute weicht dieser Flow einer Daueranalyse. Der Entwickler befindet sich permanent im Review-Modus, ohne die Erholungsphasen, die das eigenständige Schreiben mit sich brachte. Genau diese ständige Bewertungslast beschreibt auch das Phänomen der Comprehension Debt: Der Code entsteht schneller, als das Verständnis dafür wachsen kann. KI nimmt die Tipparbeit ab, aber sie ersetzt nicht das Denken. Im Gegenteil, sie zwingt zu präziserem Denken als je zuvor, und präzises Denken über Stunden hinweg ist anstrengend.

Mehr parallelisieren verschärft das Problem

Auf diese neue Belastung reagiert die verbreitete Ratgeberliteratur mit einem einfachen Rezept: noch mehr davon. Mehr Agents, mehr Chats, mehr Produktivität. Man solle mehrere KI-Sitzungen gleichzeitig laufen lassen, parallele Agents starten und jede Wartepause mit einer weiteren Aufgabe füllen, um aus der ohnehin gestiegenen Produktivität noch mehr herauszuholen.

Der Denkfehler dabei ist, dass genau diese Dauerauslastung die kognitive Last weiter erhöht. Wer fünf Vorgänge parallel überwacht, ist in fünffachem Review-Modus. Die Produktivität steigt auf dem Papier, die Erschöpfung steigt mit. Für Führungskräfte ist das eine wichtige Unterscheidung. Ein Team, das kurzfristig mehr ausstößt, aber dauerhaft am Limit arbeitet, liefert keine nachhaltige Leistung. Die eigentliche Führungsaufgabe besteht darin, die Produktivitätsgewinne der KI nicht sofort wieder in mehr Gleichzeitigkeit umzusetzen.

Nicht jede Lücke muss gefüllt werden

Ein Gegenbeispiel dazu lieferte vor Jahren eine Kollegin, lange bevor KI zum Thema wurde. In einer Diskussion ging es darum, ob sie ihre Deployzeiten mit einem Werkzeug optimieren sollte, um die 20 bis 30 Sekunden Wartezeit bei jedem Neustart zu sparen. Die naheliegende Antwort schien ein klares Ja. Ihre Antwort war eine andere: Die Wartezeit störe sie nicht, sie nutze diese Sekunden, um ihren Code noch einmal anzusehen und zu überlegen, ob er so bleiben kann oder sich noch verbessern lässt.

Was damals überraschte, wirkt heute richtiger denn je. Nicht jede Lücke muss gefüllt werden, und nicht jede Wartezeit ist verschwendete Zeit. Manchmal ist es besser, eine Aufgabe wirklich abzuschließen, bevor die nächste beginnt, mit mehr Ruhe und mehr Fokus. Die Zeit zwischen zwei Anweisungen an die KI eignet sich gut zum bewussten Nachdenken über die Frage, was als Nächstes wirklich erreicht werden soll. Diese kurzen Pausen sind kein Leerlauf, sondern der Teil der Arbeit, in dem Urteilsvermögen entsteht.

Was Führungskräfte daraus ableiten sollten

Für die Organisation von Entwicklungsarbeit ergeben sich daraus konkrete Konsequenzen. Tempo ist nicht dasselbe wie Fortschritt, wenn es die Menschen dahinter verbrennt. Wer KI einführt, sollte die gewonnene Zeit nicht vollständig in zusätzliche Parallelität investieren, sondern einen Teil davon als Puffer für konzentriertes Arbeiten erhalten. Fokus auf eine Aufgabe schlägt in vielen Fällen die gleichzeitige Bearbeitung mehrerer, weil die Qualität der Bewertung steigt und die Ermüdung sinkt. Das gilt besonders für die anspruchsvollen Teile eines Projekts, bei denen ein übersehener Fehler teuer wird.

Fazit

AI Brain Fry ist keine Modeerscheinung, sondern die logische Folge einer veränderten Arbeitsweise. Die KI übernimmt das Schreiben, der Mensch übernimmt das Bewerten, und Bewerten über Stunden hinweg zehrt stärker als das ruhige Schreiben von früher. Die Antwort darauf liegt nicht in noch mehr Gleichzeitigkeit, sondern in bewusstem Fokus. Teams, die eine Aufgabe abschließen, bevor sie die nächste beginnen, und die Pausen als Denkzeit begreifen, arbeiten nicht langsamer. Sie arbeiten nachhaltiger, und das ist auf Dauer die höhere Produktivität.