Technostress im Zeitalter der KI: Warum es so müde macht, auf dem Laufenden zu bleiben

„Mit KI habe ich in einer Stunde geschafft, wofür ich früher eine Woche gebraucht habe.“ Solche Nachrichten kursieren täglich auf LinkedIn und hinterlassen bei vielen Lesern eine unbequeme Frage: „Und was mache eigentlich ich?“

Diese Unruhe hat seit vierzig Jahren einen Namen: Technostress. Neu ist mit der künstlichen Intelligenz das Tempo: Werkzeuge, die jeden Monat erscheinen, und Regeln, die sich ändern, bevor man sie gelernt hat.

Dieser Artikel erklärt, was Technostress ist, warum KI ihn verstärkt und was die Daten zeigen. Dabei hilft ein Philosoph, der es kommen sah: Byung-Chul Han, Autor der Müdigkeitsgesellschaft und Träger des Prinzessin-von-Asturien-Preises für Kommunikation und Geisteswissenschaften 2025.

Kurz gesagt

• Technostress ist Stress, der mit Technologie zusammenhängt. Craig Brod beschrieb ihn 1984, und das spanische INSST stuft ihn als vermeidbares psychosoziales Risiko ein.
• Laut Byung-Chul Han macht uns heute das „Können“ müder als das „Sollen“: Niemand zwingt uns, wir fordern es von uns selbst. KI vervielfacht dieses „Können“.
• KI spart Zeit, verbraucht aber auch welche: 77 % derer, die sie nutzen, sagen, sie habe ihnen zusätzliche Arbeit gebracht (Upwork, 2024).
• Die Angst, überflüssig zu werden, ist gewachsen: von 15 % auf 22 % der Beschäftigten in den USA zwischen 2021 und 2023 (Gallup).
• Mehr Nutzung beruhigt nicht immer: In einer Studie mit 1.151 Personen erzielten KI-Nutzer etwas höhere Angstwerte.
• Von der Angst zur Erschöpfung: In den USA wird nach „AI fatigue“ inzwischen dreimal so oft gesucht wie nach „AI anxiety“ (eigene Auswertung mit Daten von Ahrefs).

Was Technostress ist

Den Begriff prägte der US-amerikanische Psychologe Craig Brod im Jahr 1984, in einem Buch mit einem vielsagenden Untertitel: die menschlichen Kosten der Computerrevolution. Brod beschrieb Büroangestellte, die von den ersten Personal Computern überfordert waren.

In Spanien gilt als Referenz die Technische Präventionsnotiz 730 (NTP 730) des nationalen Instituts für Sicherheit und Gesundheit am Arbeitsplatz (INSST), verfasst von Marisa Salanova, Susana Llorens und Eva Cifre von der Universitat Jaume I sowie Clotilde Nogareda. Ihr Ansatz verortet den Ursprung außerhalb der Person: Technostress ist eine psychosoziale Belastung, der die Organisation vorbeugen kann.

Heute spricht man oft auch allgemeiner von digitalem Stress. Gemeint ist im Kern dasselbe Phänomen, nur mit einem breiteren Blick auf Smartphone, Messenger und ständige Erreichbarkeit.

Die fünf Gesichter des Technostress, übertragen auf KI

2007 veröffentlichten Monideepa Tarafdar und ihr Team im Journal of Management Information Systems das meistzitierte Modell zum Thema. Sie identifizierten fünf Quellen von Technostress. Gedacht waren sie für E-Mail und Unternehmenssoftware, doch auf KI passen sie fast besser als auf die Technik von damals:

Quelle	Was sie beschreibt	Wie sie sich bei KI zeigt
Überlastung	Technologie zwingt dazu, mehr und schneller zu arbeiten	Mehr Entwürfe, mehr Versionen, mehr zu prüfen
Entgrenzung	Die Arbeit dringt in jeden Moment ein	Das Gefühl, man könnte immer gerade etwas automatisieren
Komplexität	Man beherrscht das Werkzeug nie ganz	Jeden Monat eine neue Anwendung, jede mit eigener Logik
Unsicherheit	Angst, von der Technik oder von denen ersetzt zu werden, die sie beherrschen	„Macht die KI das besser als ich?“
Ungewissheit	Ständige Veränderungen lassen das Gelernte nicht sacken	Was im Januar funktionierte, taugt im Juni nicht mehr

Auffällig ist, dass keine der fünf davon abhängt, dass KI schlecht funktioniert: Sie treten gerade deshalb auf, weil sie gut funktioniert und sich schnell verändert.

Byung-Chul Han: vom „Sollen“ zum „Können“

2010 veröffentlichte der Philosoph Byung-Chul Han (Seoul, 1959), Professor an der Universität der Künste Berlin, einen schmalen Essay, der zum Verlagsphänomen wurde: Müdigkeitsgesellschaft (Matthes & Seitz, Berlin). Seine These hilft zu verstehen, warum KI so müde macht, auch wenn Han damals nicht über sie schrieb.

Von der Disziplinar- zur Leistungsgesellschaft

Han geht von einer Unterscheidung aus:

• Die Disziplinargesellschaft des 20. Jahrhunderts funktionierte mit Verboten und Anweisungen von außen: Sollen, Nicht-Dürfen. Der Chef, die Fabrik, die Stechuhr.
• Die Leistungsgesellschaft von heute funktioniert mit einem anderen Verb: Können. Projekte, Initiative, Motivation. Niemand zwingt dich; du zwingst dich selbst.

Der Wandel wirkt wie eine Befreiung, und zum Teil ist er das auch. Aber er hat einen Preis: Wenn alles möglich ist, ist es deine Schuld, wenn du es nicht tust.

Ausbeuter und Ausgebeuteter zugleich

Das ist der bekannteste Gedanke des Buches. Für Han hält sich das Leistungssubjekt für frei, verlangt sich aber mehr ab, als jeder Chef es tun würde. Es sei, so Han, Ausbeuter und Ausgebeuteter in einer Person. Selbstausbeutung ist effizienter als Fremdausbeutung, weil sie mit einem Gefühl von Freiheit einhergeht. Gegen sich selbst rebelliert niemand.

Han verbindet dieses Modell mit dem, was er die neuronalen Erkrankungen des 21. Jahrhunderts nennt: Depression, ADHS, Borderline-Persönlichkeitsstörung und das Burnout-Syndrom. Ihr Ursprung liege, schreibt er, in einem Übermaß an Positivität, an Möglichkeiten, eher als in einem Feind oder einem Verbot.

KI als das endgültige „Können“

Hier folgt eine eigene Lesart, nicht Hans: KI treibt das „Können“ auf die Spitze. Wenn ein Werkzeug erlaubt, in Minuten zu schreiben, zu programmieren, zu gestalten oder zu analysieren, wirkt jede Grenze wie eine Ausrede. Ein „Das kann ich nicht“, das als Bremse dienen könnte, gibt es nicht mehr: Immer gibt es ein Tutorial, einen Prompt oder eine neue Anwendung, die es lösen würde.

Selten muss ein Chef anordnen, das Werkzeug der Stunde zu lernen. Man ordnet es sich selbst an, um elf Uhr abends, mit einem Video über „zehn KI-Tricks“. Das ist der Mechanismus, den Han beschreibt.

Viele Tabs, wenig Aufmerksamkeit

Eine weitere Passage widmet Han dem Multitasking. Sein Urteil ist deutlich: Multitasking ist für ihn kein Fortschritt. Von einem Reiz zum nächsten zu springen, sei eine breite, aber flache Form der Aufmerksamkeit, wie die eines Tieres in der Wildnis, das alles gleichzeitig im Blick behält. Verloren geht die tiefe Aufmerksamkeit, die es erlaubt, bei einer Sache zu verweilen. Wer mit drei geöffneten KI-Assistenten arbeitet, während er E-Mails beantwortet, wird die Szene wiedererkennen.

In Undinge (2021) kommt Han direkt auf KI zu sprechen: Er vertritt die These, dass künstliche Intelligenz rechnet, aber nicht denkt, weil menschliches Denken mit etwas beginnt, das uns berührt und ergreift. Man kann über diese These streiten, aber sie hinterlässt einen nützlichen Gedanken: Sich mit einer Maschine zu vergleichen heißt, sich an einem Maßstab zu messen, der nicht menschlich ist.

Das Paradox: Werkzeuge, die Zeit sparen und mehr Arbeit machen

Wenn KI Zeit spart, warum haben so viele Menschen das Gefühl, mehr zu arbeiten? Die Geschichte kennt Vorläufer.

• 1930 sagte John Maynard Keynes voraus, seine Enkel würden dank des technischen Fortschritts etwa fünfzehn Stunden pro Woche arbeiten.
• 1983 zeigte die Historikerin Ruth Schwartz Cowan in More Work for Mother, dass Haushaltsgeräte die Hausarbeit nicht so stark verringerten, wie sie versprachen: Die Ansprüche stiegen (sauberere Wäsche, häufiger gewaschen), und Aufgaben, die früher verteilt waren, konzentrierten sich auf eine einzige Person.

Bei KI weisen die Daten in dieselbe Richtung. 2024 befragte das Upwork Research Institute Beschäftigte und Führungskräfte:

• 77 % der Beschäftigten, die KI nutzten, gaben an, dass sie ihre Arbeitslast erhöht habe.
• 39 % verbrachten mehr Zeit damit, das von der KI Erzeugte zu prüfen.
• 23 % investierten mehr Zeit, um zu lernen, wie man sie nutzt.
• 21 % bekamen als direkte Folge der KI mehr Aufgaben.
• 47 % wussten nicht, wie sie die Produktivität erreichen sollten, die ihr Unternehmen erwartete.

Die eingesparte Zeit wird reinvestiert, und selten in Erholung.

Abgehängt ohne KI, ersetzbar mit KI

KI schafft außerdem eine Zwickmühle, in der keine Option ganz beruhigt. Der Work Trend Index 2024 von Microsoft und LinkedIn, mit 31.000 Menschen in 31 Ländern, zeigt das deutlich:

• 52 % derer, die KI bei der Arbeit nutzten, wollten nicht zugeben, dass sie sie für ihre wichtigsten Aufgaben einsetzten.
• 53 % fürchteten, die Nutzung für diese Aufgaben könnte sie ersetzbar erscheinen lassen.

Wer sie nicht nutzt, fürchtet, zurückzubleiben; wer sie nutzt, fürchtet, dass es auffällt. Beide Wege erzeugen Angst, was mit erklärt, warum so viele sie nutzen, ohne es zu sagen.

FOBO: dieselbe Abkürzung, eine andere Angst

Im Artikel über FOMO ging es darum, dass FOBO für fear of a better option steht, die Angst, dass noch ein besserer Plan auftaucht. Im Job wird dieselbe Abkürzung für etwas anderes verwendet: fear of becoming obsolete, die Angst, überflüssig zu werden.

Gallup hat sie im August 2023 in den USA gemessen:

• 22 % der Beschäftigten fürchteten, die Technologie könnte ihren Job überflüssig machen, gegenüber 15 % im Jahr 2021.
• Der Sprung kam vor allem von den Akademikerinnen und Akademikern: von 8 % auf 20 % in zwei Jahren.
• Unter den Beschäftigten zwischen 18 und 34 Jahren lag der Wert bei 28 %.

Jahrzehntelang beunruhigte die Automatisierung vor allem körperliche Arbeit. Der Sprung bei den Akademikern deutet darauf hin, dass generative KI diese Unruhe in die Büros getragen hat, zu denen, die schreiben, analysieren oder programmieren.

Von der Angst zur Erschöpfung: was die Suchanfragen zeigen

Für diesen Artikel haben wir uns angesehen, wie sich einige Google-Suchanfragen seit 2020 entwickelt haben, auf Basis der monatlichen Schätzungen des Tools Ahrefs. Es sind Näherungswerte, aber sie zeichnen einen klaren Trend:

• „AI anxiety“ (Angst vor KI) wurde in den USA vor 2023 kaum gesucht: zwischen 7- und 15-mal im Monat. Nach dem Start von ChatGPT sprang der Begriff auf 588 im Mai 2023 und bewegt sich seitdem zwischen 400 und 500.
• „AI fatigue“ (KI-Müdigkeit) wurde bis 2023 fast gar nicht gesucht. Im Sommer 2024 überholte der Begriff „AI anxiety“ zum ersten Mal und liegt 2026 bei rund 1.200 Suchanfragen im Monat, dem Dreifachen.
• „Technostress“ in Deutschland bleibt stabil, seit 2021 bei grob 125 bis 250 Suchanfragen im Monat. Von 2021 bis 2026 ist der August jedes Jahr der Monat mit den wenigsten Suchanfragen oder einer der schwächsten, also die Zeit der Sommerferien: Der Begriff folgt dem Arbeitskalender.

Unsere Lesart ist, dass sich das Gespräch von der Angst vor dem, was KI tun könnte, zur Erschöpfung durch das Leben mit ihr verschoben hat. Es ist die Verschiebung, die Han beschreibt: die Müdigkeit derer, die alles können.

Wie man KI-Angst misst

Das meistgenutzte Instrument ist die AIAS-Skala (Artificial Intelligence Anxiety Scale), die Yu-Yin Wang und Yi-Shun Wang 2019 veröffentlichten. Sie unterscheidet vier Dimensionen:

1. Lernen: die Unruhe darüber, lernen zu müssen, wie man sie nutzt.
2. Jobersatz: die Angst, die eigene Arbeit zu verlieren.
3. Soziotechnische Blindheit: das Gefühl, dass die Gesellschaft KI schneller übernimmt, als sie deren Folgen versteht.
4. Konfiguration: die Unruhe gegenüber Maschinen, die menschliche Züge nachahmen.

Was sich bei 1.151 Personen zeigte

2025 veröffentlichten Naciye Güliz Uğur und Faruk Dursun in Frontiers in Psychiatry eine Studie mit 1.151 Erwachsenen aus der Türkei, die neun Dimensionen der KI-Angst auf einer Skala von 1 bis 5 maß. Einige Ergebnisse:

• Den höchsten Wert erreichte der Wunsch, mehr über KI zu lernen (4,03). Unruhe und Interesse bestehen nebeneinander.
• Auch die soziotechnische Blindheit erreichte einen hohen Wert (3,41).
• Technophobie, die Ablehnung von Technologie, gehörte zu den niedrigsten (2,86).

Mehr Nutzung beruhigt nicht immer

Oft heißt es, die Angst vor KI verschwinde, sobald man sie nutzt. Die Daten sind weniger eindeutig:

• In der türkischen Studie erzielten diejenigen, die KI nutzten, etwas höhere Werte bei der allgemeinen Angst als diejenigen, die sie nicht nutzten (3,82 gegenüber 3,60). Und wer sie seit vier oder fünf Jahren nutzte, zeigte mehr Angst vor dem Jobersatz als wer sie seit einem Jahr oder weniger nutzte.
• In einer saudischen Studie mit 300 Personen (Alkhalifah und Kollegen, 2024) zeigten diejenigen, die KI kannten, sie aber nicht ausprobiert hatten, eine leicht höhere Angst. Der Zusammenhang mit der Nutzungshäufigkeit war nicht signifikant.

Die vorsichtige Schlussfolgerung lautet: Vertrautheit ist kein automatisches Gegenmittel. Wer das Werkzeug besser kennt, sieht auch besser, was es kann.

Technostress und Technophobie: zwei verschiedene Dinge

• Technophobie ist eine Ablehnung von Technologie. Wer sie hat, vermeidet es, sie zu nutzen.
• Technostress tritt oft bei Menschen auf, die Technologie täglich nutzen und davon profitieren. Was belastet, sind das Tempo, der Anspruch und die Ungewissheit.

Das passt zu den Daten oben: In der türkischen Studie schnitt Technophobie niedrig ab, und bei Gallup wuchs die Angst vor allem unter Jüngeren und Akademikern. Er hat mehr mit Müdigkeit am Bekannten zu tun als mit Angst vor dem Unbekannten.

Wer es gelassener erlebt

Die Studien beschreiben keine Formel, wohl aber einige Merkmale, die bei Menschen wiederkehren, die mit diesem Wandel besser zurechtkommen.

Mehr Toleranz für Ungewissheit. Der Psychologe Nicholas Carleton schlug 2016 vor, dass die Angst vor dem Unbekannten die grundlegende Angst hinter vielen anderen sein könnte. Wer besser aushält, nicht zu wissen, wie etwas ausgeht, leidet weniger unter einer Technologie, deren Zukunft niemand kennt.

Ein Umfeld, das begleitet. 2008 ermittelte das Team um Tarafdar, was Technostress in Organisationen verringert: Schulungen zum Werkzeug, leicht erreichbarer technischer Support und die Beteiligung der Beschäftigten an der Einführung. Das Umfeld wiegt so viel wie die Person.

Ein anderes Verhältnis zur Leistung. Han schließt die Müdigkeitsgesellschaft mit einem positiven Gedanken, den er Peter Handke entlehnt: Der vereinzelnden Müdigkeit dessen, der sich allein im Streben nach Leistung erschöpft, stellt er eine verbindende Müdigkeit gegenüber, die es erlaubt, innezuhalten, hinzuschauen und mit anderen zu sein. Für Han ist genau diese Fähigkeit innezuhalten das, was uns von einer rechnenden Maschine unterscheidet.

Was man nicht weiß

• Welche Jobs sich wann verändern werden. Prognosen zu Arbeit und KI wurden so oft revidiert, dass dieser Artikel keine aufstellt.
• Wie es im deutschsprachigen Raum erlebt wird. Die meisten Daten stammen aus den USA oder sind global.
• Wie es sich über die Zeit entwickelt. Fast alle Studien sind Querschnittsstudien: Sie messen Menschen zu einem einzigen Zeitpunkt.
• Wie weit Han trägt. Er ist Philosoph, kein empirischer Forscher: Seine Essays bieten einen Rahmen zum Nachdenken, keine Belege.

Solide wirkt dagegen die Kernidee: KI verändert sowohl, was wir bei der Arbeit tun, als auch, was wir glauben, tun zu müssen. Wenn du sehen möchtest, wie du mit Ansprüchen umgehst, bieten der Burnout-Test, der Test zum Perfektionismus und der zum Hochstapler-Syndrom eine Orientierung, keine Diagnose. Und falls Stress dir in den ungünstigsten Momenten die Gedanken leer fegt, erklärt der Artikel darüber, warum Stress das Gedächtnis blockiert, was dabei im Gehirn geschieht.

Quellen

• Ahrefs, Keywords Explorer. Geschätztes monatliches Suchvolumen für „AI anxiety“ und „AI fatigue“ (USA) sowie „Technostress“ (Deutschland), Januar 2020 bis Oktober 2026. Eigene Abfrage vom 14. Oktober 2026.
• Alkhalifah, J. M., Bedaiwi, A. M., Shaikh, N., Seddiq, W. & Meo, S. A. (2024). Existential anxiety about artificial intelligence (AI): Is it the end of humanity era or a new chapter in the human revolution: questionnaire-based observational study. Frontiers in Psychiatry, 15, 1368122. https://doi.org/10.3389/fpsyt.2024.1368122
• Brod, C. (1984). Technostress: The Human Cost of the Computer Revolution. Reading (Massachusetts): Addison-Wesley.
• Carleton, R. N. (2016). Fear of the unknown: One fear to rule them all? Journal of Anxiety Disorders, 41, 5-21. https://doi.org/10.1016/j.janxdis.2016.03.011
• Cowan, R. S. (1983). More Work for Mother: The Ironies of Household Technology from the Open Hearth to the Microwave. New York: Basic Books.
• Gallup (2023, September). More U.S. workers fear technology making their jobs obsolete. https://news.gallup.com/poll/510551/workers-fear-technology-making-jobs-obsolete.aspx
• Han, B.-C. (2010). Müdigkeitsgesellschaft. Berlin: Matthes & Seitz.
• Han, B.-C. (2021). Undinge. Umbrüche der Lebenswelt. Berlin: Ullstein.
• Keynes, J. M. (1930). Economic possibilities for our grandchildren. In Essays in Persuasion (1931). London: Macmillan.
• Microsoft & LinkedIn (2024). 2024 Work Trend Index Annual Report: AI at Work Is Here. Now Comes the Hard Part.
• Ragu-Nathan, T. S., Tarafdar, M., Ragu-Nathan, B. S. & Tu, Q. (2008). The consequences of technostress for end users in organizations: Conceptual development and empirical validation. Information Systems Research, 19(4), 417-433.
• Salanova, M., Llorens, S., Cifre, E. & Nogareda, C. (2006). NTP 730: Tecnoestrés: concepto, medida e intervención psicosocial. Madrid: Instituto Nacional de Seguridad e Higiene en el Trabajo. https://www.insst.es/documentacion/colecciones-tecnicas/ntp-notas-tecnicas-de-prevencion/21-serie-ntp-numeros-716-a-750-ano-2006/ntp-730-tecnoestres-concepto-medida-e-intervencion-psicosocial
• Tarafdar, M., Tu, Q., Ragu-Nathan, B. S. & Ragu-Nathan, T. S. (2007). The impact of technostress on role stress and productivity. Journal of Management Information Systems, 24(1), 301-328.
• Upwork Research Institute (2024, Juli). Upwork study finds employee workloads rising despite increased C-suite investment in artificial intelligence. https://www.upwork.com/press/releases/upwork-study-finds-employee-workloads-rising-despite-increased-c-suite-investment-in-artificial-intelligence
• Uğur, N. G. & Dursun, F. (2025). The social anatomy of AI anxiety: gender, generations, and technological exposure. Frontiers in Psychiatry, 16, 1641546. https://doi.org/10.3389/fpsyt.2025.1641546
• Wang, Y.-Y. & Wang, Y.-S. (2022). Development and validation of an artificial intelligence anxiety scale: an initial application in predicting motivated learning behavior. Interactive Learning Environments, 30(4), 619-634. Online veröffentlicht 2019. https://doi.org/10.1080/10494820.2019.1674887