Beschleunigte Dysfunktionalität

1. Wie es wirkt bestimmt das System

Es ist Montagnachmittag. Drei Tabs sind offen, vier Channels laufen parallel, ein KI-Tool hat in der letzten Stunde fünf Entwürfe produziert, die jetzt bewertet, sortiert und entschieden werden wollen. Das Meeting um 15 Uhr war für eine Stunde angesetzt – es wurde auf dreißig Minuten verkürzt, weil alle "schneller geworden sind". Und irgendwo, zwischen dem zweiten Kaffee und dem sechsten Tab, schleicht sich ein Gefühl ein: Das hier läuft nicht besser. Es läuft nur irgendwie heftiger.

Ich vermute, viele kennen dieses Gefühl. Was mich daran interessiert, ist nicht die subjektive Erschöpfung – die ist real, aber sie ist Symptom. Was mich interessiert, ist die strukturelle Frage dahinter. Stellen wir sie am besten mit einem Gedankenexperiment. Stellen wir uns zwei Unternehmen vor:

1. Im ersten wirken Entscheidungen ruhig und selbstverständlich, weil sie auf klaren, für alle sichtbaren Kriterien beruhen – und von denjenigen getroffen werden, die dem Problem am nächsten sind. Informationen fließen ohne Reibung dorthin, wo sie gebraucht werden. Hierarchien spielen kaum eine Rolle, denn Einfluss entsteht aus Kompetenz und Beitrag, nicht aus Position. Der Blick ist konsequent nach außen gerichtet, auf den tatsächlichen Nutzen für den Kunden. Aktivität hat keinen Wert an sich – entscheidend ist, was tatsächlich bewirkt wird. Menschen lernen, hinterfragen Annahmen, probieren aus – ohne Angst vor Fehlern. Führung ist spürbar, aber unaufdringlich: Sie schafft Orientierung und Vertrauen, sodass Zusammenarbeit nicht erzwungen werden muss, sondern sich fast organisch ergibt.
2. Im zweiten Unternehmen sieht es anders aus: Entscheidungen wirken schwerfällig und widersprüchlich, geprägt von Zuständigkeiten, Hierarchien und impliziten Interessen. Informationen bleiben in Silos hängen oder werden strategisch zurückgehalten. Abstimmungen dienen mehr der Absicherung als der Lösung. Einfluss ergibt sich aus Position, nicht aus Kompetenz. Der Blick richtet sich stärker nach innen als nach außen; Prozesse und Kennzahlen entwickeln eine Eigendynamik, während der Kundennutzen in den Hintergrund tritt. Aktivität wird mit Leistung verwechselt, Auslastung mit Wirksamkeit. Fehler sind mit Risiko verbunden, Lernen findet punktuell und unter Vorbehalt statt. Für viele Mitarbeitende entsteht ein Spannungsfeld, in dem sie gefordert sind, aber nicht wirklich wirksam sein können.

Nehmen wir nun an, wir würden beiden Unternehmen künstliche Intelligenz einführen. Welches der beiden würde am Ende mit funktionalen Strukturen und gesunden Menschen dastehen? Die Antwort ist so einfach wie unbequem: Wenn wir dysfunktionale Systeme beschleunigen, werden sie dadurch nicht besser. Wir erhalten schlicht beschleunigte dysfunktionale Systeme. Das klingt provokant. Aber ich glaube, es ist präzise.

2. Alte Muster werden verstärkt

Was die Empirie dazu sagt, ist bemerkenswert. Eine Studie von Ranganathan und Ye, 2026 im Harvard Business Review erschienen, beschreibt das Muster nüchtern: Mitarbeitende arbeiten mit KI schneller, übernehmen breitere Aufgabenspektren und dehnen ihre Arbeitszeit aus – oft ohne dazu aufgefordert zu werden. Die Beschleunigung kommt nicht von oben. Sie kommt von innen. Menschen spüren, dass mehr möglich ist, und tun mehr. Das Ergebnis ist ein neuer Rhythmus simultaner Aufgaben, den die Studie als „Gefühl ständigen Jonglierens" beschreibt. Eine zweite HBR-Untersuchung aus demselben Jahr dokumentiert, was dieses Jonglieren im Körper hinterlässt: Konzentrationsschwierigkeiten, verlangsamte Entscheidungsfindung, Kopfschmerzen – ein Phänomen, das die Autoren „AI brain fry" nennen: kognitives Ausbrennen durch KI-Nutzung.

Das ist strukturell paradox. Ein Werkzeug, das kognitive Arbeit abnehmen soll, produziert kognitive Erschöpfung. Die naheliegende Erklärung lautet: schlechtes Change-Management, fehlende Einführung. Das mag stimmen. Aber ich glaube, diese Erklärung greift zu kurz. Sie behandelt das Problem als Implementierungsfehler – und damit als behebbar durch bessere Implementierung. Was sie ausblendet, ist die Möglichkeit, dass das Problem tiefer sitzt. Der DGB-Index Gute Arbeit hatte es bereits für die Digitalisierung insgesamt gezeigt: Für rund die Hälfte der Beschäftigten hat die Arbeitsmenge durch Digitalisierung zugenommen, nicht abgenommen. Und bei dieser Studie spielten K.I.-Agenten noch gar keine Rolle. 

Das Problem scheint also tiefer zu liegen. Im Wesen unseres Wirtschaftssystems selbst.

3. Die Folgen der Beschleunigung

Hier kommt Hartmut Rosa ins Spiel – und sein Befund ist unbequemer als jede Change-Management-Checkliste. Rosa, Soziologe und einer der einflussreichsten Gesellschaftstheoretiker der Gegenwart, beschreibt in sienem Buch Beschleunigung eine These, die zunächst kontraintuitiv klingt: Moderne Gesellschaften können ihre Ordnung nur durch permanente Beschleunigung aufrechterhalten – nicht weil irgendjemand das so entschieden hätte, sondern weil das System selbst so gebaut ist, dass Stillstand Rückschritt bedeutet.

Rosa unterscheidet dabei drei Ebenen:

• technologische Beschleunigung durch schnellere Maschinen und Prozesse;
• sozialen Wandel durch kürzere Halbwertszeiten von Wissen, Berufen und Beziehungen; und
• die Beschleunigung des Lebenstempos selbst – das Gefühl, immer weniger Zeit zu haben, obwohl technisch immer mehr eingespart wird.

Die Pointe ist diese: Was zunächst nach Befreiung aussieht, droht in der Spätmoderne in sein Gegenteil umzuschlagen. Beschleunigung erzeugt nicht mehr Raum. Sie erzeugt mehr Verdichtung. KI ist der aktuell stärkste Verstärker dieser Logik – nicht weil KI schlecht ist, sondern weil sie in Systeme eingebettet wird, die bereits unter Beschleunigungsdruck stehen.

4. Desynchronisation

Was konkret passiert, wenn ein System zu schnell wird, beschreibt Thomas Fuchs genauer als jede Burnout-Statistik. Fuchs, Psychiater und Phänomenologe, entwickelt in seiner Arbeit über Melancholie und Zeitwahrnehmung den Begriff der Desynchronisation: einen Zustand, in dem der innere Zeitrhythmus eines Organismus und der äußere Rhythmus seiner Umwelt auseinanderfallen. Der Körper hat sein eigenes Tempo – Schlaf, Erholung, Aufmerksamkeit, emotionale Verarbeitung. Wenn die Umwelt ein anderes Tempo vorgibt und Resynchronisierungsversuche scheitern, fällt die Person buchstäblich aus dem gemeinsamen Zeitrhythmus heraus. Fuchs beschreibt das als pathologischen Zustand – nicht als individuelle Schwäche, sondern als strukturelles Scheitern der Anpassung.

Fuchs denkt leiblich und klinisch, nicht organisationstheoretisch. Sein Konzept gilt primär für Menschen, nicht für Teams oder Unternehmen. Den Übergang auf Arbeitsorganisationen muss man begründen, nicht einfach voraussetzen. Mein Eindruck ist dennoch, dass er trägt – wenn man ihn ernst nimmt. In Organisationen gibt es ebenfalls Rhythmen: Entscheidungszyklen, Kommunikationsfrequenzen, Planungshorizonte, Erholungszeiten. KI operiert in Millisekunden. Entscheidungen brauchen Wochen. Konzeption braucht Stunden konzentrierter Aufmerksamkeit. Wenn diese Rhythmen auseinanderfallen, entsteht kein höherer Output. Es entsteht kognitives Rauschen – das, was die HBR-Studie „brain fry" nennt. Und das erklärt, warum mehr KI-Einsatz in dysfunktionalen Systemen nicht zur Verbesserung führt: nicht weil die Menschen falsch damit umgehen, sondern weil die Rhythmen nicht zusammenpassen. Schnellere Werkzeuge in desynchronisierten Systemen erzeugen nicht mehr Abstimmung – sie erzeugen mehr Reibung. Andreas Boes und Tobias Kämpf haben diesen Mechanismus bereits 2016 beschrieben: einen „Taylorismus 2.0", der unter dem Deckmantel der Modernisierung alte Kontroll- und Verdichtungsmechanismen neu erfindet.

4. Die Antwort liegt vor unserer Nase

Was also ist die Antwort? Wenn das Problem Desynchronisation ist, ist die Antwort nicht mehr Beschleunigung – sondern Resynchronisation. Und hier ist ein Bogen, der in der aktuellen KI-Debatte fast vollständig fehlt.

Moderne agile Arbeitsweisen bieten dafür konkrete Ansatzpunkte – aber nicht im Sinne des üblichen Missverständnisses. Agil bedeutet nicht schnell. Das ist die häufigste Fehllektüre. Agil bedeutet, im ursprünglichen Sinne: rhythmisch. WIP-Limits, also Obergrenzen für gleichzeitig bearbeitete Aufgaben, sind keine Produktivitätshebel. Sie sind ein Mechanismus, der Überlastung sichtbar macht und zwingt, Prioritäten zu setzen, statt alles gleichzeitig zu tun. Klare Backlogs schaffen Transparenz darüber, was wirklich entschieden ist und was noch offen ist. Iterative Zyklen geben dem System ein gemeinsames Zeitgefühl: Hier beginnt etwas, hier endet es, hier wird reflektiert. Diese Werkzeuge synchronisieren technische Prozesse mit menschlichen Kapazitäten – Aufmerksamkeit, Entscheidungskraft, Erholungsbedarf.

Das ist kein Plädoyer für Agilität als Heilsversprechen. Agile degeneriert in der Praxis selbst oft zum Beschleunigungswerkzeug: wenn Daily Standups zu Kontrollmeetings werden, wenn Sprints zu Marathons werden, wenn das Retro zur Pflichtübung schrumpft. Auch agile Strukturen können desynchronisieren. Auch sie sind kein Schutz vor dem Sog der Beschleunigungslogik, die Rosa beschreibt. Der Punkt ist ein anderer: Es gibt Werkzeuge, die auf Rhythmus ausgelegt sind – auf Abstimmung zwischen dem, was technisch möglich ist, und dem, was menschlich tragbar ist. Und genau das ist die Frage, die vor jeder KI-Einführung gestellt werden müsste: nicht „Was können wir damit schneller machen?" – sondern: „In welchem Zustand ist das System, das wir gerade beschleunigen wollen?"

• Sind die Entscheidungsstrukturen klar?
• Gibt es gemeinsame Prioritäten, die wirklich entschieden sind – oder werden sie durch Beschleunigung nur überdeckt?
• Haben die Menschen im System genug Rhythmus, um überhaupt zu reflektieren, was mit ihnen passiert?

Wenn diese Fragen mit Nein beantwortet werden müssen, ist KI-Einführung kein Produktivitätsgewinn. Es ist ein Verstärker für das, was schon nicht funktioniert.

5. Mein Schluss

Das Versprechen der KI – mehr Output, weniger Aufwand – ist nicht falsch. Es ist kontextabhängig. Es gilt unter Bedingungen, die wir erst herstellen müssen. Und diese Bedingungen haben weniger mit Technologie zu tun als mit den sozialen und organisatorischen Strukturen, in die Technologie eingebettet wird. Verantwortungsvolle Organisationsentwicklung ist kein Gegensatz zu technologischem Fortschritt. Sie ist seine Voraussetzung.

Warum fällt es uns dennoch so schwer, vor der Einführung neuer Werkzeuge die Frage nach der Systemstruktur zu stellen? Weil Strukturarbeit langsam ist und Tool-Einführungen sichtbar – und wir in Systemen leben, die Sichtbarkeit über Tiefe stellen? Und wenn das stimmt: Was sagt das über die Gesellschaft aus, die diese Systeme hervorbringt? Was beschleunigen wir eigentlich – und wohin?

Literatur:

• Rosa, H. (2005). Beschleunigung. Die Veränderung der Zeitstrukturen in der Moderne. Suhrkamp.
• Fuchs, T. (2001). Melancholia as a desynchronisation: Towards a psychopathology of interpersonal time. Psychopathology, 34(4), 179–186.
• Ranganathan, A. & Ye, X. M. (2026). AI Doesn't Reduce Work—It Intensifies It. Harvard Business Review. https://hbr.org/2026/02/ai-doesntreduce-work-it-intensifies-it
• Harvard Business Review (2026). When Using AI Leads to "Brain Fry". https://hbr.org/2026/03/when-using-ai-leads-to-brain-fry
• Boes, A. & Kämpf, T. (2016). Informatisierung und neue Entwicklungstendenzen von Arbeit. In K. Hirsch-Kreinsen & A. Minssen (Hrsg.), Lexikon der Arbeits- und Industriesoziologie. Nomos.
• DGB-Index Gute Arbeit (2021). Digitalisierung der Arbeitswelt. DGB.
• Blog: https://circleci.com/blog/dora-ai-amplifier/?utm_source=chatgpt.com (25.03.2026)