Ist Deep Work mit KI noch möglich?

Das Prinzip, das meine Arbeitsweise am stärksten verändert hat, verletze ich inzwischen jeden Tag. Nicht aus Nachlässigkeit — sondern weil KI die Wissensarbeit von innen umgebaut hat. Und der Preis dafür ist nicht die Zeit, die dabei verloren geht. Es ist die Prüfung, die dabei ausfällt.

Was Deep Work ursprünglich versprochen hat

2016 hat Cal Newport in „Deep Work“ eine einfache Regel formuliert: eine Sache, keine Ablenkung, bis sie fertig ist. Multitasking sei Gift.

Das ist mehr als Ratgeber-Prosa, denn der Mechanismus dahinter ist gemessen. Die Organisationsforscherin Sophie Leroy hat 2009 beschrieben, was beim Wechseln passiert: Ein Teil der Aufmerksamkeit bleibt an der unfertigen Aufgabe hängen. Sie nennt das Rest-Aufmerksamkeit — und wer Aufgabe A unfertig verlässt und zu B wechselt, arbeitet bei B messbar schlechter.

Bei mir hat das sofort gewirkt. Ich habe angefangen, meinen Arbeitstag nach einer einzigen Frage zu sortieren: Welche Art Arbeit steht vorne?

Warum ich dieses Prinzip mit KI täglich brechen muss

Dann hat sich meine Arbeit verändert. So sieht sie heute aus:

Ich beschreibe der KI, was zu tun ist. Dann arbeitet sie. Manchmal Sekunden, manchmal viele Minuten. Und ich warte.

Warten fühlt sich nach verschwendeter Zeit an. Also starte ich einen zweiten Auftrag. Dann einen dritten. Und bin genau da, wovor das Buch gewarnt hat.

Der Unterschied zu früher liegt in der Herkunft der Unterbrechung. Früher kam sie von außen: eine Mail, ein Anruf, ein Kollege in der Tür. Dagegen kann man sich abschirmen. Heute kommt sie nicht als Benachrichtigung, sondern als Fortschrittsbalken — und ich baue sie mir selbst.

Was die selbstgebaute Unterbrechung wirklich kostet

Hier wird es unbequem, und hier liegt der eigentliche Punkt.

Die Rechnung „drei Aufträge parallel sind schneller als drei hintereinander“ geht auf, solange man nur die Zeit betrachtet. Sie geht nicht mehr auf, sobald man die Prüfung mitrechnet.

Die Forschung dazu ist älter als die heutige KI, und sie ist eindeutig. Raja Parasuraman und Dietrich Manzey haben 2010 die Literatur zur sogenannten Automatisierungs-Selbstzufriedenheit zusammengeführt. Ihr Befund: Menschen übersehen die Fehler eines automatischen Systems nicht zufällig, sondern genau dann, wenn sie parallel andere Aufgaben bearbeiten, die um dieselbe Aufmerksamkeit konkurrieren. Der Effekt tritt bei Anfängern und bei Fachleuten gleichermaßen auf, und er lässt sich durch Training nicht wegüben.

Übersetzt in meinen Arbeitstag heißt das: Der zweite Auftrag kostet mich nicht nur Konzentration. Er kostet mich die Fähigkeit, den ersten zu beurteilen.

Das ist keine Theorie. In einer Studie der Universität Stanford schrieben Teilnehmer mit KI-Assistenz messbar unsichereren Code als die Kontrollgruppe — und hielten ihn gleichzeitig für sicherer. Beides zusammen ist das Problem: nicht der Fehler allein, sondern der Fehler plus die Überzeugung, es sei alles in Ordnung. Bemerkenswert ist der Nebenbefund derselben Studie: Wer der KI weniger vertraute und stärker mit den Anweisungen arbeitete, lieferte Code mit weniger Schwachstellen.

Eine Untersuchung von 2026 zeigt, wie das im Alltag aussieht. Für die FAccT-Konferenz haben Shipi Dhanorkar, Samir Passi und Mihaela Vorvoreanu 17 erfahrene Entwickler befragt, die mit autonomen Software-Agenten arbeiten. Sie beschreiben vier Formen von Aufsicht: Vorgaben setzen, mitplanen, live mitlesen und nachträglich prüfen. Und sie halten fest, dass gerade das nachträgliche Prüfen von Agenten-Code schwerfällt — weshalb sich Behelfsregeln einschleichen, etwa grüne Tests als Beweis für Korrektheit zu nehmen.

Das ist genau der Moment, den ich bei mir selbst kenne. Das Ergebnis kommt zurück, ich stecke zu tief in Auftrag zwei — und winke es durch.

Warum du nicht merkst, dass dir das passiert

Jetzt die Zahl, die mich am längsten beschäftigt hat.

Die Forschungsorganisation METR hat 2025 einen kontrollierten Versuch mit 16 erfahrenen Open-Source-Entwicklern und 246 echten Aufgaben durchgeführt. Jede Aufgabe wurde zufällig zugeteilt: KI-Werkzeuge erlaubt oder nicht. Ergebnis: Mit KI brauchten die Entwickler 19 Prozent länger.

Der eigentliche Befund ist aber der zweite. Vorher hatten die Teilnehmer geschätzt, KI werde sie 24 Prozent schneller machen. Und nachdem sie die Aufgaben erledigt hatten, nach der selbst erlebten Verlangsamung, schätzten sie weiterhin, KI habe sie um 20 Prozent beschleunigt.

Sie haben es nicht gemerkt. Nicht vorher, und nicht hinterher.

Ich lese das nicht als „KI macht langsamer“ — das wäre die falsche Verallgemeinerung aus einem Versuch mit 16 Personen an sehr vertrautem Code. Ich lese es als etwas Schlichteres und Härteres: Das Gefühl, produktiv zu sein, ist bei dieser Art Arbeit kein verlässlicher Messwert. Wer wissen will, ob sein KI-Einsatz trägt, muss messen statt spüren — dieselbe Logik, die auch bei der Auswahl des richtigen Modells gilt.

Ist das nicht einfach ein Disziplinproblem?

Die naheliegende Antwort wäre: mehr zusammenreißen. Newport selbst begründet seine Regeln unter anderem damit, dass Willenskraft ein begrenzter Vorrat sei, der sich mit dem Gebrauch erschöpft.

Diese Begründung hält nicht. Sie stammt aus der Ego-Depletion-Forschung, und die ist an der Replikation gescheitert: 23 Labore mit zusammen 2.141 Teilnehmern fanden 2016 einen Effekt von praktisch null — das Konfidenzintervall schließt die Null ein. Eine zweite, vorab registrierte Untersuchung mit 36 Laboren und 3.531 Teilnehmern kam 2021 zum selben Ergebnis.

Das klingt zunächst wie eine Absage, ist aber eine gute Nachricht. Wenn das Problem kein Kraftproblem ist, dann ist die Lösung auch keine Kraftanstrengung. Was zuverlässig wirkt, ist die Entscheidung vorher — nicht die Beherrschung im Moment.

Genau daran hängt der praktische Teil.

Was heißt das für einen Betrieb, der KI einführt?

Drei Dinge, die sich aus dem Befund ergeben und die nichts kosten außer Klarheit.

Erstens: Prüfen ist Arbeit und braucht einen Platz im Plan. Wenn eine KI eine Aufgabe in zehn Minuten erledigt, für die vorher zwei Stunden nötig waren, ist die Arbeit nicht verschwunden. Sie hat sich verschoben — vom Erstellen zum Beurteilen. Wer nur die Erstellzeit einspart und die Prüfzeit nicht einplant, hat kein schnelleres Verfahren. Er hat ein ungeprüftes.

Zweitens: ein Mensch, ein Auftrag. Die verlockendste Fehlentscheidung bei der Einführung lautet, eine Person „drei Agenten beaufsichtigen“ zu lassen. Genau diese Konstellation — mehrere Aufgaben, die um dieselbe Aufmerksamkeit konkurrieren — ist die, in der die Forschung die meisten übersehenen Fehler findet. Parallelität ist hier kein Effizienzgewinn, sondern der Mechanismus des Fehlers.

Drittens: automatische Prüfungen sind ein Werkzeug, kein Freibrief. Grüne Tests beweisen, was getestet wurde — nicht, dass das Ergebnis richtig ist. Als Behelfsregel unter Zeitdruck ist das inzwischen dokumentiert; als Abnahmekriterium ist es zu wenig.

Und ein Maß, das ich jedem Betrieb empfehlen würde: Zähle nicht, wie schnell etwas erzeugt wurde, sondern wie oft du nachbessern musstest. Die erste Zahl fühlt sich gut an. Die zweite sagt etwas. Es ist derselbe Denkfehler, der auch KI-Projekte scheitern lässt, bevor sie im Alltag ankommen.

Wie ich selbst damit umgehe

Vier Dinge, keine davon spektakulär.

Mein Arbeitstag beginnt mit einem konzentrierten Block — bevor Mail, Telefon und Chat aufgehen. Das ist keine neue Pflicht, nur eine Reihenfolge.

Ich entscheide vor dem Warten, was in die Wartezeit darf. Und was nicht hineindarf, ist eine zweite Aufgabe, die auch denken will.

Aufstehen ist eine erlaubte Antwort. Der langsamste Teil meiner Arbeit ist längst nicht mehr das Tippen.

Und: Ich stecke mehr Sorgfalt in das Gerüst, in dem ich arbeite, als in die Wahl des Modells darin — aus guten, messbaren Gründen.

Ist Deep Work also noch möglich?

Ja. Aber nicht mehr als Abschirmung.

Tiefe Arbeit heißt heute nicht „keine Unterbrechung“. Sie heißt: vorher entscheiden, was in die Wartezeit darf. Newports Regel gilt weiter — nur ist der Gegner umgezogen. Er sitzt nicht mehr im Postfach. Er sitzt in meiner Ungeduld.

Und dafür bin ich da: nicht fürs Tippen, sondern fürs Urteilen.

KI einführen, ohne die Prüfung zu verlieren

Du willst KI im Betrieb einführen, ohne dass die Prüfung unter die Räder kommt? Wir schauen uns gemeinsam an, welche Aufgabe sich zuerst lohnt — und wie der Ablauf dazu aussieht.