Innere Stärke & Resilienz

KI-Stress: Warum Ihr Gehirn mit ChatGPT überfordert ist

Illustration: Ein Marketingleiter presst am Schreibtisch die Fingerspitzen an die Schläfen und kneift die Augen zu, links ein aufgeklapptes MacBook, rechts ein großer iMac mit einer dicht gefüllten Tabelle.

Die Hörfassung entsteht neu. Ich habe diesen Beitrag fachlich überarbeitet. Die Aufnahme folgt dem heutigen Stand, damit Sie hören, was hier steht.

Das Phänomen

Warum Ihr Gehirn mit KI überfordert ist

ChatGPT, Gemini, Claude, Copilot, Midjourney, Perplexity. Vor drei Jahren kannte kaum eine Führungskraft diese Namen, heute arbeiten viele an einem einzigen Tag mit mehreren davon. Eine belastbare Erhebung darüber, wie viele es im Schnitt sind, gibt es nicht. Was sich sagen lässt: Ihr Gehirn wurde für diese Art von Informationsverarbeitung nicht gebaut.

John Sweller formulierte 1988 die Cognitive Load Theory: Das Arbeitsgedächtnis des Menschen kann gleichzeitig nur 4±1 Informationseinheiten verarbeiten (Cowan, 2001). Diese Kapazität hat sich in der gesamten Menschheitsgeschichte nicht verändert. Was sich verändert hat, ist die Menge an Informationen, die in einer einzigen Minute auf dieses System einprasselt.

KI-Tools erzeugen eine spezifische Form der Überlastung, die sich von klassischer Informationsüberflutung unterscheidet. Jede KI-Antwort eröffnet neue Entscheidungspunkte: Ist die Antwort korrekt? Soll ich nachfragen? Ist ein anderes Tool besser? Soll ich den Prompt optimieren? Roy Baumeister beschrieb Entscheiden als Zugriff auf eine gemeinsame, begrenzte Ressource. Dieses Bild vom aufgebrauchten Willenskraftspeicher hat die Replikationsforschung nicht bestätigt: Eine vorregistrierte Wiederholung über 23 Labore mit 2.141 Personen fand den Effekt nicht (Hagger et al., 2016). Die Alltagsbeobachtung bleibt trotzdem richtig: Ein Tag voller KI-Interaktionen lässt Sie ausgelaugt in genau die Entscheidungen gehen, auf die es ankommt.

Das Ergebnis: KI-Stress ist keine Frage der Technikkompetenz. Es ist eine neurokognitive Überlastung, die selbst digital versierte Führungskräfte betrifft.

4±1
Items im Arbeitsgedächtnis gleichzeitig (Cowan, 2001)
68 %
kommen mit Tempo und Menge der Arbeit nicht mit, nicht auf KI bezogen (Work Trend Index 2024 von Microsoft und LinkedIn, Unternehmensbefragung)
65 %
günstige Bewährungsentscheide zu Sitzungsbeginn, gegen null zum Ende (Danziger et al., 2011, Deutung methodisch bestritten)
Die Mechanismen

Drei neurokognitive Fallen der KI-Nutzung

KI-Stress entsteht nicht durch die Technologie selbst, sondern durch drei Mechanismen, die Ihr Gehirn an seine Grenzen bringen.

Infografik: Ein Studiensteckbrief in vier Zeilen zu Personen, Messung, Befund und Einwand. In der Befundzeile fällt eine kleine Linie von links oben nach rechts unten und springt am rechten Rand wieder nach oben.

Cognitive Overload: Zu viel, zu schnell

KI-Tools liefern Antworten in Sekunden, die früher Stunden erforderten. Das Problem: Ihr Arbeitsgedächtnis hält diese Geschwindigkeit nicht mit. Sweller, van Merrienboer und Paas unterscheiden 1998 drei Formen der Last: die intrinsische (Komplexität der Aufgabe), die extrinsische (wie die Information dargestellt wird) und die lernförderliche germane load (Kapazität, die in den Aufbau von Schemata fließt). KI-Antworten treiben die ersten beiden gleichzeitig nach oben und lassen für den Schemaaufbau kaum etwas übrig.

Entscheidungslast: Tod durch tausend Mikro-Entscheidungen

Jede KI-Interaktion erzwingt Dutzende Mikro-Entscheidungen: Welches Tool? Welcher Prompt? Ist die Antwort gut genug? Nachfragen oder akzeptieren? Die bekannte Danziger-Studie (2011) an israelischen Richtern fand, dass der Anteil günstiger Bewährungsentscheide innerhalb jedes Sitzungsblocks von rund 65 Prozent auf nahezu null fällt und nach der Pause abrupt auf rund 65 Prozent zurückspringt. Erhoben wurde der Anteil der Entscheide, nicht ihre Qualität. Die Deutung als Entscheidungsermüdung ist methodisch bestritten: Die Reihenfolge der Fälle war nicht zufällig (Weinshall-Margel und Shapard, 2011).

Comparison Stress: Das Unmöglichkeits-Paradox

KI produziert in Minuten, wofür Menschen Tage brauchen. Das erzeugt einen permanenten Vergleich, der das Selbstwertgefühl und die Leistungswahrnehmung untergräbt. Festinger (1954) beschrieb Social Comparison als fundamentales menschliches Bedürfnis. Seine Arbeit ist eine Theorie ohne physiologische Messung. Dass der Vergleich nach oben die Motivation dämpfen kann, ist gut belegt. Eine Cortisolreaktion auf den Vergleich mit KI-Ausgaben ist dagegen nie gemessen worden, wer sie behauptet, rät.

Warum 'Einfach weniger KI nutzen' keine Lösung ist

Die Forderung, KI weniger zu nutzen, ignoriert die Realität: KI wird zur Voraussetzung professioneller Arbeit. McKinsey rechnet in einer Beratungsprognose damit, dass bis 2030 rund 30 Prozent der Arbeitsstunden durch KI verändert werden. Das ist eine Schätzung, keine Messung. Die Lösung liegt nicht im Verzicht, sondern in der neurokognitiven Kompetenz: dem bewussten Umgang mit den begrenzten Ressourcen Ihres Arbeitsgedächtnisses in einer KI-durchdrungenen Arbeitswelt.

Digital Overwhelm

Das Gehirn im Dauerzugriff: Digital Overwhelm verstehen

KI-Stress existiert nicht isoliert. Er addiert sich zu einer bereits bestehenden digitalen Überlastung, die Ihr Nervensystem seit Jahren unter Druck setzt.

Gloria Mark (University of California, Irvine) dokumentierte, wie kurz die Aufmerksamkeitsspannen von Wissensarbeitern am Bildschirm geworden sind. Jeder Wechsel kostet kognitive Energie. Das Gehirn muss den aktuellen Kontext speichern, den neuen laden und den vorherigen Faden wiederfinden. Sophie Leroy prägte 2009 in Organizational Behavior and Human Decision Processes dafür den Begriff Attention Residue: Ein Teil Ihrer Aufmerksamkeit bleibt bei der vorherigen Aufgabe hängen, selbst wenn Sie sich bewusst umfokussieren.

KI-Tools verschärfen dieses Problem: Sie produzieren so schnell Output, dass der Wechsel zwischen verschiedenen KI-Kontexten (E-Mail mit Copilot, dann ChatGPT für Strategie, dann Midjourney für Präsentationen) zum Dauerzustand wird. Wie ich mir die Folge erkläre, ist mein Arbeitsmodell und keine Messung: ein Nervensystem, das kaum noch in die Erholung kommt, weil der nächste Kontextwechsel schon anliegt. Für KI-Werkzeuge ist dieser Zusammenhang nicht untersucht. Den geläufigen Begriff der vagalen Bremse vermeide ich hier bewusst, seine anatomischen Grundannahmen sind fachlich bestritten (Neuhuber und Berthoud, 2022).

Cognitive Load

Das Arbeitsgedächtnis ist biologisch auf 4±1 Items begrenzt (Cowan, 2001). KI-Tools überfluten dieses System mit Informationen, Optionen und Entscheidungspunkten gleichzeitig.

Entscheidungslast

Längeres anspruchsvolles Arbeiten verändert das Entscheidungsverhalten. Das Bild vom aufgebrauchten Willenskraftspeicher ist dagegen nicht bestätigt, der Glukoseteil des Modells gilt als nicht tragfähig (Hagger et al., 2016; Vadillo et al., 2016). Der praktische Rat bleibt derselbe: Mikro-Entscheidungen begrenzen, damit die wichtigen nicht ans Ende des Tages rutschen.

Attention Residue

Leroy (2009): Nach jedem Aufgabenwechsel bleiben kognitive Rückstände zurück. Bei dutzenden KI-Interaktionen täglich akkumuliert sich eine Aufmerksamkeitsschuld, die Ihre Denktiefe reduziert.

Parasympathische Erschöpfung

Ständiger KI-Input lässt wenig Raum für Erholungsphasen. Ohne bewusste Gegenregulation fehlt die Ruhe, die Kreativität und Konsolidierung brauchen. Eine Messung dieses Zusammenhangs an KI-Werkzeugen gibt es nicht, der Mechanismus ist von der Stressforschung im Allgemeinen übertragen.

Für die Praxis

Das KI-Hygiene-Protokoll: 6 Strategien gegen digitale Überlastung

Diese evidenzbasierten Strategien helfen Ihnen, KI als Werkzeug zu nutzen, ohne Ihr Gehirn zu überlasten.

Infografik: Ein Trichter schüttet viele kleine Formen auf eine Reihe von fünf Plätzen, von denen vier gefüllt und einer leer ist. Mehrere Formen fallen daneben heraus. Rechts stehen vier typische Mikro-Entscheidungen.
KI-Batching: Bündeln Sie KI-Interaktionen in 2-3 definierte Zeitfenster pro Tag. Zwischen den Fenstern: keine KI-Tools. Das reduziert Kontextwechsel und gibt dem Arbeitsgedächtnis Verarbeitungszeit.
Das Entscheidungsbudget: Setzen Sie ein bewusstes Limit für KI-gestützte Entscheidungen. Beginnen Sie mit den wichtigsten. Routine-Entscheidungen delegieren Sie an einfache Regeln, nicht an weitere KI-Abfragen.
Analoge Anker: Planen Sie täglich 60 Minuten komplett analoge Denkzeit. Papier, Stift, Whiteboard. Keine Bildschirme. Ihr Default Mode Network braucht Input-freie Zeit für kreative Synthese.
Single-Tool-Disziplin: Nutzen Sie pro Aufgabe maximal ein KI-Tool. Der ständige Vergleich zwischen ChatGPT, Claude und Gemini für dieselbe Frage verdreifacht die kognitive Last ohne proportionalen Mehrwert.
Die 2-Minuten-Pause: Nach jeder KI-Interaktion, die länger als 10 Minuten dauert, 2 Minuten Pause ohne Bildschirm. Blick aus dem Fenster, Atemübung, kurzer Spaziergang. Das reduziert Attention Residue.
KI-freie Entscheidungszonen: Die wichtigsten strategischen Entscheidungen treffen Sie ohne KI-Input. Nutzen Sie KI für Informationssammlung, aber die finale Bewertung erfolgt analog. Ihr intuitives System (Somatische Marker, Damasio) braucht Raum.

„Technologie ist ein nützlicher Diener, aber ein gefährlicher Herr.“

— Christian Lous Lange, Friedensnobelpreisträger

Zur Vertiefung

Reflexionsimpulse

Diese Fragen helfen Ihnen, Ihr persönliches KI-Nutzungsmuster zu analysieren.

Wie viele verschiedene KI-Tools haben Sie heute genutzt? Wie viele Mikro-Entscheidungen hat das erzeugt?
Wann hatten Sie zuletzt einen kompletten Arbeitstag ohne KI-Tools? Wie hat sich Ihre Denkqualität unterschieden?
Zu welcher Tageszeit nutzen Sie KI am intensivsten? Ist das auch die Zeit, in der Ihre wichtigsten Entscheidungen anstehen?
Vergleichen Sie sich mit KI-Output? Beeinflusst das Ihre Einschätzung Ihrer eigenen Leistung?
Was passiert in Ihrem Körper, wenn Sie ChatGPT öffnen? Spannung? Erleichterung? Erschöpfung? Diese körperlichen Signale sind Daten.
Kostenloser Guide
Wissenschaftlich fundiertHandverlesene Inhalte

5 Neurowissenschaftliche Prinzipien für wirksame Führung

Kein Spam. Jederzeit abbestellbar. Datenschutz

Stimmen aus der Praxis22 Bewertungen
M.K.

“Ich kam als Geschäftsführer, der ständig reagiert hat. Nach 3 Monaten hatte ich ein System, das mir erlaubt, strategisch zu führen, ohne ständig auf Abruf zu sein.”

Geschäftsführer, IT-Dienstleistung

Arbeitszeit um 12h/Woche reduziert bei höherem Output

S.W.

“Kein anderer Coach hat mir so klar gezeigt, welche Muster mich blockieren. Wissenschaftlich, nicht esoterisch. Das hat den Unterschied gemacht.”

Vorständin, Mittelstand

Beförderung in den Vorstand innerhalb von 8 Monaten

A.R.

“Die Kombination aus psychologischer Tiefe und unternehmerischem Verständnis ist einzigartig. Dennis versteht den Druck, unter dem wir stehen.”

Managing Director, Finanzbranche

Team-Fluktuation von 35% auf 8% gesenkt

1 von 8

Vom Wissen zur Wirkung

Diese Impulse sind der Anfang. Im individuellen Coaching setzen wir genau dort an, wo Sie stehen, und entwickeln eine Strategie, die zu Ihnen passt.

Transparent und ohne Umwege: Pakete und Preise ansehen

Ihr nächster Schritt

Wie hoch ist Ihre Belastung wirklich?

5 Minuten, Ampel-Ergebnis, ohne Anmeldung

Stress-Level prüfen

Dennis Tefett, Executive Coach

Dennis Tefett

Psychologie, Erziehungs- & Sozialwissenschaften (M.Ed.) | Gesundheitsmanager (B.A.)

Ich schreibe diese Impulse aus der Praxis. Wer ein Thema tiefer bearbeiten möchte, findet dafür Seminare und Kurse.

Veröffentlicht am Aktualisiert am

Quellen und weiterführende Lektüre

14 Belege

Jede Angabe wurde einzeln gegen die Originalquelle geprüft.

  1. Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257-285.

  2. Cowan, N. (2001). The magical number 4 in short-term memory: A reconsideration of mental storage capacity. Behavioral and Brain Sciences, 24(1), 87-114.

  3. Baumeister, R. F., Bratslavsky, E., Muraven, M., und Tice, D. M. (1998). Ego depletion: Is the active self a limited resource? Journal of Personality and Social Psychology, 74(5), 1252-1265. Originalarbeit zur Entscheidungsermüdung.

  4. Hagger, M. S., Chatzisarantis, N. L. D., et al. (2016). A multilab preregistered replication of the ego-depletion effect. Perspectives on Psychological Science, 11(4), 546-573. Einschränkung, diese Replikation über mehrere Labore fand den Effekt nicht wieder.

  5. Danziger, S., Levav, J., und Avnaim-Pesso, L. (2011). Extraneous factors in judicial decisions. Proceedings of the National Academy of Sciences, 108(17), 6889-6892.

  6. Weinshall-Margel, K., und Shapard, J. (2011). Overlooked factors in the analysis of parole decisions. Proceedings of the National Academy of Sciences, 108(42), E833. Methodische Gegenposition zur Danziger-Studie.

  7. Festinger, L. (1954). A theory of social comparison processes. Human Relations, 7(2), 117-140.

  8. Mark, G., Gudith, D., und Klocke, U. (2008). The cost of interrupted work: More speed and stress. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 107-110.

  9. Leroy, S. (2009). Why is it so hard to do my work? The challenge of attention residue when switching between work tasks. Organizational Behavior and Human Decision Processes, 109(2), 168-181. Urheberin des Begriffs Attention Residue.

  10. Bechara, A., und Damasio, A. R. (2005). The somatic marker hypothesis: A neural theory of economic decision. Games and Economic Behavior, 52(2), 336-372.

  11. Sweller, J., van Merrienboer, J. J. G., und Paas, F. G. W. C. (1998). Cognitive Architecture and Instructional Design. Educational Psychology Review, 10(3), 251-296. Hier steht die Dreiteilung in intrinsische, extrinsische und lernförderliche Last, nicht bei Sweller 1988.

  12. Vadillo, M. A., Gold, N., und Osman, M. (2016). The Bitter Truth About Sugar and Willpower. Psychological Science, 27(9), 1207-1214. p-Kurven-Analyse zum Glukosemodell.

  13. Neuhuber, W. L., und Berthoud, H.-R. (2022). Functional anatomy of the vagus system: How does the polyvagal theory comply? Biological Psychology, 174, 108425. Fachliche Gegenposition zur Polyvagaltheorie.

  14. Microsoft, und LinkedIn (2024). 2024 Work Trend Index Annual Report: AI at Work Is Here. Now Comes the Hard Part. Unternehmensbefragung durch Edelman Data and Intelligence, 31.000 Wissensarbeitende in 31 Ländern, keine begutachtete Studie.

Angebote ansehenSeminare, Kurse und Begleitung