Programmierer Steve Yegge startete Anfang 2026 eine Open-Source-Plattform namens Gas Town, die es erlaubt, Schwärme von Claude-Code-Agenten gleichzeitig zu orchestrieren. Die Ergebnisse waren beeindruckend — aber auch verstörend. „Es passiert wirklich zu viel, als dass man es vernünftig erfassen könnte", schrieb ein früher Nutzer. „Ich hatte ein spürbares Gefühl von Stress beim Zuschauen."
Was sich hier zeigt, ist kein Einzelfall. Eine neue Studie von Boston Consulting Group (BCG), veröffentlicht im Harvard Business Review, beschreibt ein Phänomen, das die Autoren „AI Brain Fry" nennen: mentale Erschöpfung durch übermäßige Nutzung oder Überwachung von KI-Tools, die die kognitive Kapazität des Nutzers übersteigt.
Summen im Kopf statt Produktivitätsschub
Die Symptome, die Teilnehmer der Studie beschrieben, klingen alarmierend: ein „Summen" im Kopf, mentaler Nebel, Konzentrationsschwierigkeiten, verlangsamte Entscheidungsfindung und Kopfschmerzen. Nicht die KI selbst macht krank — sondern der Versuch, sie zu beaufsichtigen.
Denn je mehr Unternehmen auf agentische KI-Workflows setzen, desto höher wird die kognitive Belastung für die Menschen, die diese Agenten steuern sollen. Die Studie zeigt: Effektives Agent-Management ist keine Routinearbeit. Es ist, wie BCG-Berater Matthew Kropp laut Business Insider erklärt habe, mental extrem fordernd — ein „Frühwarnsystem" für die Grenzen der Mensch-Maschine-Zusammenarbeit.
Token-Verbrauch als KPI: Der falsche Anreiz
Besonders problematisch: Immer mehr Unternehmen incentivieren den KI-Einsatz über Metriken wie Token-Verbrauch. Wer mehr KI-Tools nutzt, gilt als produktiver. Die BCG-Studie zeigt, dass dieser Ansatz Mitarbeiter systematisch an ihre kognitiven Grenzen drängt. Die Folgen seien messbar: erhöhte Fehlerquoten, Entscheidungsmüdigkeit und — besonders brisant — eine signifikant höhere Kündigungsabsicht.
Die Lösung ist kein KI-Verzicht
Die Autoren der Studie plädieren nicht für weniger KI, sondern für besseres Design der KI-Workflows. Konkret bedeutet das: klare Aufgabenteilung zwischen Mensch und Agent, bewusste Pausen zwischen Überwachungsphasen und eine Abkehr von Token-Verbrauch als alleinigem Performance-Indikator. KI-Workflows könnten so gestaltet werden, dass sie Burnout reduzieren statt verstärken.
🎯 Was das für die Praxis bedeutet
1. Kognitive Belastung ernst nehmen: Wer Mitarbeitende mit Multi-Agenten-Systemen arbeiten lässt, muss auch die mentale Beanspruchung monitoren. AI Brain Fry ist ein reales Risiko, nicht nur ein Buzzword.
2. Token-KPIs hinterfragen: Die Menge der KI-Nutzung sagt wenig über die Qualität der Arbeit. Bessere Metriken messen Ergebnisse, nicht Verbrauch.
3. Workflow-Design vor Tool-Einführung: Bevor ein Unternehmen agentische Workflows einführt, muss die kognitive Architektur stimmen — klare Verantwortlichkeiten, sinnvolle Automatisierungsgrade, menschliche Pufferzonen.
