Kurzfassung: Wenn Sie von einer Aufgabe zur nächsten wechseln, bleibt ein Stück Ihrer Aufmerksamkeit bei der ersten zurück. Die Psychologin Sophie Leroy nannte das 2009 Aufmerksamkeitsrückstand, und ihre Forschung fand, dass er am schlimmsten ist, wenn die soeben verlassene Aufgabe unerledigt oder unter Zeitdruck war – genau der Zustand, in dem ein halbfertiger Prompt oder ein “wird noch generiert”-Fenster Sie zurücklässt. Das KI-Zeitalter verschärft das aus einem einfachen strukturellen Grund: KI liefert Arbeit in Sekunden, also enthält eine einzige Stunde nun weit mehr Übergaben zwischen dem Anweisen einer Maschine und der Zusammenarbeit mit Menschen als je eine Stunde vor der KI, und jede Übergabe hinterlässt Rückstand. Die verifizierten Kosten sind hoch: Es dauert etwa 23 Minuten, um zu einer unterbrochenen Aufgabe voll zurückzukehren (Gloria Mark, 2008), Wechseln kann bis zu 40% der produktiven Zeit verbrennen (APA, 2001), und Wissensarbeiter springen bereits rund 1.200-mal am Tag zwischen Apps (HBR, 2022) – alles, bevor Sie KI hinzufügen, die 75% der Wissensarbeiter inzwischen bei der Arbeit nutzen (Microsoft und LinkedIn, 2024). Dieser Artikel macht aus diesen Befunden ein originales Mensch-KI-Wechselbuch und eine auswertbare Selbstprüfung. Der Zug: Budgetieren Sie Ihre Wechsel so, wie ein CEO knappes Kapital zuteilt, und bleiben Sie genug Student, um zu lernen, wo Ihr eigener Rückstand am schnellsten leckt.
Sie setzen sich, um etwas Schwieriges zu schreiben. Sie geben einen Teil davon an eine KI ab – “entwirf die Einleitung” – und während sie generiert, springen Sie zu Slack, antworten einem Kollegen, werfen einen Blick in die E-Mails und kommen dann zurück, um die KI-Ausgabe zu beurteilen. Die ganze Schleife dauerte neunzig Sekunden und fühlte sich effizient an. War sie nicht. Sie haben mindestens drei Aufgaben halb offen gelassen, viermal den kognitiven Modus gewechselt und kehrten zum Schreiben zurück und trugen den Rückstand von allen. Der Entwurf auf dem Bildschirm ist in Ordnung; Ihre Fähigkeit, ihn zu beurteilen, ist es nicht. Das ist die stille Steuer der Arbeit mit Maschinen, und fast niemand budgetiert dafür.
Die Wissenschaft hinter dieser Steuer hat einen Namen und einen klaren Ursprung. 2009 veröffentlichte die Organisationspsychologin Sophie Leroy ein Papier mit einem Titel, der wie ein Seufzer klingt: “Warum ist es so schwer, meine Arbeit zu tun?” Ihre Antwort war der Aufmerksamkeitsrückstand – der Befund, dass beim Wechsel von Aufgabe A zu Aufgabe B ein Teil Ihrer Aufmerksamkeit kognitiv an Aufgabe A hängen bleibt und dieser verbleibende Rückstand Ihre Leistung bei Aufgabe B messbar verschlechtert. Der Effekt ist, entscheidend, am stärksten, wenn Aufgabe A unerledigt war oder unter Zeitdruck erledigt wurde. Das KI-Zeitalter hat den Aufmerksamkeitsrückstand nicht erfunden. Es hat die Bedingungen industrialisiert, die ihn erzeugen.
Was Aufmerksamkeitsrückstand wirklich ist (und was die Forschung tatsächlich fand)
Leroys Kernaussage ist eng und gut belegt: Sie können Ihre Aufmerksamkeit einer neuen Aufgabe nicht voll zuwenden, während ein Teil davon noch die alte verarbeitet. In ihren Experimenten trugen Personen, die mitten in einer Aufgabe unterbrochen wurden – besonders, wenn sie erwarteten, später unter Zeitdruck fertig werden zu müssen – den Rückstand in die nächste Aufgabe und schnitten dort schlechter ab als jene, die einen natürlichen Haltepunkt erreichten. Der Rückstand ist kein Charakterfehler und kein Willensversagen. Er ist eine normale Eigenschaft davon, wie Aufmerksamkeit zwischen Zielen wechselt.
Eine spätere Studie schärfte die praktische Konsequenz. 2018 zeigten Leroy und Theresa Glomb (Organization Science), dass ein kurzer “bereit-zum-Fortsetzen”-Plan – sich vor dem Wechsel kurz zu notieren, wo man steht und was als Nächstes kommt – den Aufmerksamkeitsrückstand deutlich reduzierte und die Leistung bei der unterbrechenden Aufgabe schützte. Dieser eine Befund ist der umsetzbarste Hebel in diesem ganzen Artikel, und wir kommen darauf zurück.
Aufmerksamkeitsrückstand ist eine spezifische Kostenart innerhalb einer grösseren, gut dokumentierten Familie von Wechselkosten. Bevor wir einen Rahmen bauen, hier die verifizierte Grundwahrheit – jede Zahl lässt sich auf die genannte Quelle zurückführen.
Was die Forschung robust stützt (verifiziert)
| Befund | Was die Forschung zeigt | Quelle (Jahr) |
|---|---|---|
| Aufmerksamkeitsrückstand ist real | Aufgabenwechsel lässt einen Teil Ihrer Aufmerksamkeit an der vorigen Aufgabe “hängen” und senkt die Leistung bei der nächsten; am schlimmsten, wenn die vorige unerledigt oder unter Zeitdruck war | Sophie Leroy, Organizational Behavior and Human Decision Processes (2009) |
| Man kann den Rückstand verkleinern | Ein kurzer “bereit-zum-Fortsetzen”-Plan (notieren, wo man steht und was als Nächstes kommt, vor dem Wechsel) reduziert den Rückstand deutlich und schützt die Leistung | Leroy & Glomb, Organization Science (2018) |
| Erholung ist langsam | Nach einer Unterbrechung wurde die Arbeit im Schnitt nach etwa 23 Minuten und 15 Sekunden wieder aufgenommen, oft mit zwei zwischengeschalteten Aufgaben vor der Rückkehr | Gloria Mark et al., The Cost of Interrupted Work, CHI (2008) |
| Aufmerksamkeit zersplittert schnell | Die durchschnittliche Aufmerksamkeitsspanne am Bildschirm fiel zuletzt auf rund 47 Sekunden (Median 40 s), von etwa 2,5 Minuten 2004 | Gloria Mark, Attention Span (2023) |
| Wechseln ist die Steuer | Kurze mentale Blockaden durch Aufgabenwechsel können bis zu 40% der produktiven Zeit kosten, steigend mit der Aufgabenkomplexität | Rubinstein, Meyer & Evans – APA / J. Exp. Psychology (2001) |
| Hin und Her ist schon konstant | Wissensarbeiter springen rund 1.200-mal am Tag zwischen Apps und Fenstern und verbringen fast vier Stunden pro Woche (~9% der Arbeitszeit) mit Neuorientierung | Harvard-Business-Review-Studie mit 137 Nutzern in 20 Teams (2022) |
| Jetzt ist KI in der Schleife | 75% der Wissensarbeiter nutzen bei der Arbeit generative KI, und 78% bringen ihre eigenen Werkzeuge mit (“BYOAI”) | Microsoft & LinkedIn, Work Trend Index (2024) |
Lesen Sie die Tabelle als einen Satz: Menschliche Aufmerksamkeit war schon vor der KI zersplittert und teuer neu zu laden – und KI entfernt keinen Wechsel, sie fügt einen neuen Partner hinzu, zu dem man wechselt.
Warum die Arbeit mit KI besonders rückstandslastig ist
Es ist verlockend anzunehmen, KI reduziere das Wechseln, weil sie einen Teil Ihrer Arbeit übernimmt. In der Praxis verändert sie die Struktur Ihres Tages auf drei Weisen, die jeweils direkt auf Leroys Rückstandsauslöser abbilden.
1. KI vervielfacht die Zahl der Wechsel pro Stunde. Der ganze Reiz der KI ist Tempo: Sie liefert einen Entwurf, eine Zusammenfassung oder eine Antwort in Sekunden. Aber schnelle Rückmeldungen bedeuten mehr Gelegenheiten zu wechseln. Wo eine Aufgabe vor der KI zwanzig Minuten ununterbrochen lief, wird die KI-gestützte Version zu: Prompt, warten, beurteilen, neu prompten, warten, beurteilen – ein Dutzend Mikro-Übergaben im selben Fenster. Mehr Übergaben sind schlicht mehr Rückstand, denn Rückstand wird pro Wechsel gezahlt, nicht pro Stunde.
2. KI lässt Aufgaben in genau dem “unerledigten” Zustand, den der Rückstand liebt. Leroy fand, dass der Rückstand am schlimmsten ist, wenn man eine Aufgabe unvollendet verlässt. Ein Prompt, der noch generiert, ist das platonische Ideal einer unerledigten Aufgabe: Sie haben sie begonnen, können sie noch nicht beenden und wechseln weg, um die Wartezeit zu füllen. Wenn Sie zurückkehren, setzen Sie eine offene Schleife fort – die höchste Rückstandsbedingung, die es gibt.
3. KI erzwingt einen kognitiven Moduswechsel, nicht nur einen Aufgabenwechsel. Das ist der Teil, den die meisten übersehen. Mit KI zu arbeiten ist nicht eine Tätigkeit; es sind zwei gegensätzliche. Mit KI zu generieren ist schnell, flüssig und unkritisch – Sie sind in einem erlaubenden, produktiven Register. KI-Ausgabe zu bewerten erfordert die Gegenhaltung: skeptisch, langsam, nach dem Fehler suchend. Viele Male pro Stunde zwischen “Erstellen”-Modus und “Kritiker”-Modus zu kippen, ist ein tieferer Wechsel als zwischen zwei ähnlichen Aufgaben und trägt schwereren Rückstand. Und obendrauf liegt der soziale Registerwechsel, auf den der Titel zeigt: Eine Maschine anzuweisen ist transaktional, mit einem Kollegen zusammenzuarbeiten ist relational, und das Springen zwischen beiden hinterlässt eigenen Rückstand.
Nichts davon heisst, dass KI schlecht für die Konzentration ist. Gut genutzt ist sie Hebelwirkung. Es heisst, dass KI verändert, wo die Kosten leben: Die Arbeit wird schneller, aber die Wechselfläche wird grösser, und diese Fläche ist der Ort, an dem sich Aufmerksamkeitsrückstand ansammelt. Ein CEO würde sagen, die Stückkosten haben sich geändert – und eine veränderte Kostenstruktur managt man nicht mit den alten Gewohnheiten.
Das Mensch-KI-Wechselbuch
Hier ist der originale Rahmen im Zentrum dieses Artikels. Ein Buch listet auf, wo eine Ressource ausgegeben wird, damit Sie die Lecks sehen. Das Mensch-KI-Wechselbuch benennt die fünf Wechseltypen, die einen KI-gestützten Tag dominieren, ordnet jedem zu, warum er Rückstand erzeugt (mit Leroys Mechanismus), und gibt den CEO+Student-Hebel, um ihn zurückzugewinnen.
Dies ist ein analytischer Rahmen, keine gemessene Studie – er behauptet keine genaue “dieser Wechsel kostet X Minuten”-Zahl, weil es keinen solchen Datensatz pro Wechsel für Mensch-KI-Arbeit gibt. Es ist eine Entscheidungshilfe auf Basis der oben verifizierten Wechselkostenforschung. Nutzen Sie es wie ein Haushaltsbuch: um die blutende Zeile zu finden.
Das Mensch-KI-Wechselbuch (CEOtudent-Rahmen, 2026)
| Wechseltyp | Was tatsächlich passiert | Warum er Rückstand hinterlässt (Leroy-Mechanismus) | Der CEO+Student-Hebel |
|---|---|---|---|
| 1. Delegieren-und-abdriften | Sie geben eine Aufgabe an die KI ab und füllen die Wartezeit, indem Sie zu E-Mail, Chat oder Feed springen | Sie lassen die Ursprungsaufgabe unerledigt und öffnen eine zweite Schleife – die Spitzen-Rückstandsbedingung | Warten Sie in der Aufgabe. Bleiben Sie am selben Problem, während sie generiert (skizzieren Sie den nächsten Abschnitt), oder bündeln Sie Prompts, damit sich Wartezeiten überlappen statt vervielfachen |
| 2. Erzeuger-zu-Kritiker-Kippen | Sie wechseln vom flüssigen “mit KI erstellen”-Modus in den skeptischen “Ausgabe bewerten”-Modus | Ein tiefer Registerwechsel; Erstellen-Modus-Rückstand verunreinigt das Kritiker-Modus-Urteil, also prüfen Sie zu wenig | Trennen Sie die Durchgänge. Erzeugen Sie zuerst mehrere Ausgaben, wechseln Sie dann einmal in einen eigenen Bewertungsblock mit Checkliste – nicht pro Ausgabe kippen |
| 3. Neu-Prompt-Gewirbel | Iterieren mit KI in vielen kleinen, teilweisen Austauschen, die nie “fertig” erreichen | Jeder teilweise Austausch ist eine unerledigte Aufgabe; die Schleife schliesst nie, also häuft sich Rückstand | Definieren Sie “fertig” vor dem Prompten. Schreiben Sie die Abnahmekriterien zuerst; hören Sie auf, wenn erfüllt, statt endlos nachzuschieben |
| 4. Werkzeug-Springen | Hin und Her zwischen mehreren KI-Werkzeugen und Browser-Tabs innerhalb eines Arbeitsstücks | Klassische Hin-und-Her-Steuer (das ~1.200/Tag-Problem) plus Neuorientierungskosten bei jedem Sprung | Standardisieren Sie Ihren Stack. Ein Werkzeug pro Aufgabe; schliessen Sie bei tiefer Arbeit jeden Tab ausser dem aktiven |
| 5. Mensch-zu-Maschine-Registerwechsel | Abwechseln zwischen Zusammenarbeit mit Menschen und Anweisen der KI | Ein Wechsel von sozial zu transaktional; relationaler Rückstand zieht in die Maschinenarbeit und umgekehrt | Bündeln Sie nach Register. Gruppieren Sie menschliche Zusammenarbeit in einige Fenster und KI-Arbeit in andere, sodass Sie das Register ein paar Mal am Tag wechseln, nicht ständig |
Drei Dinge springen ins Auge, sobald das Buch auf dem Tisch liegt. Erstens ist Delegieren-und-abdriften (Zeile 1) meist das grösste Einzelleck, weil die “freie” Wartezeit wie ein Bonus wirkt und tatsächlich der Moment ist, in dem Sie Ihre teuerste Schleife öffnen. Zweitens ist das Erzeuger-zu-Kritiker-Kippen (Zeile 2) das gefährlichste, nicht das häufigste – hier beschädigt der Rückstand still Ihr Urteil über die KI-Ausgabe, genau den menschlichen Beitrag, den KI nicht ersetzen kann. Drittens ist das Neu-Prompt-Gewirbel (Zeile 3) am leichtesten zu kürzen, weil das meiste davon verschwindet, sobald Sie im Voraus entscheiden, wie “gut genug” aussieht.
Der CEO-Zug: budgetieren Sie Ihre Wechsel, bevor der Tag sie für Sie ausgibt
Ein CEO, der einer knappen Ressource gegenübersteht, versucht nicht, mehr davon zu erzeugen; er entscheidet im Voraus, wohin sie zugeteilt wird, und schützt die wertvollsten Verwendungen davor, weggeknabbert zu werden. Aufmerksamkeit ist diese Ressource, und Wechsel sind, wie sie ausgegeben wird, ohne dass jemand zu geben beschliesst.
Die Architektur, die aus dem Buch folgt, ist konkret:
- Schützen Sie ein oder zwei tiefe Blöcke, in denen Sie überhaupt nicht das Register wechseln. Die urteilsstärkste Arbeit – die Bewertung, die KI nicht für Sie tun kann – gehört in ein Fenster, bevor das Hin und Her des Tages Ihre Aufmerksamkeit zersplittert hat. Zahlen Sie Ihre wichtigste Aufmerksamkeitsrechnung zuerst.
- Bündeln Sie Ihre KI-Arbeit in definierte Sitzungen, statt sie über den Tag zu verstreuen. Verstreute KI-Nutzung maximiert die Wechselfläche; gebündelte Nutzung lässt Sie in einem Register bleiben und den Moduswechsel einmal zahlen.
- Behandeln Sie “wird generiert…” als Bleib-sitzen-Signal, nicht als Wechsel-weg-Einladung. Die eine Gewohnheit, die am meisten Rückstand tötet, ist, sich während der Wartezeit nicht abdriften zu lassen. Ist die Wartezeit wirklich lang, bündeln Sie mehrere Prompts, damit sich die Wartezeiten überlappen, statt dass jeder einen frischen Wechsel auslöst.
- Standardisieren Sie den Stack. Jedes zusätzliche KI-Werkzeug ist ein weiteres Fenster, in das man wechselt. Entscheiden Sie, welches Werkzeug welche Aufgabe macht, und hören Sie mit dem Vergleichs-Springen mitten in der Aufgabe auf.
Beachten Sie, was auf dieser Liste fehlt: sich mehr anstrengen. Rückstand wird nicht durch Disziplin besiegt, ebenso wenig wie er durch Faulheit verursacht wird. Er wird durch Architektur besiegt – indem man einen Tag entwirft, an dem die teuren Wechsel schlicht nicht passieren, sodass Ihre knappe Aufmerksamkeit standardmässig bereits auf die Arbeit gerichtet ist, die sich aufzinst.
Der Student-Zug: führen Sie das bereit-zum-Fortsetzen-Experiment an sich selbst durch
Der CEO teilt zu; der Student beobachtet und justiert. Die am besten belegte persönliche Intervention in diesem ganzen Feld ist zugleich die kleinste: Leroy und Glombs bereit-zum-Fortsetzen-Plan. Bevor Sie von einer Aufgabe wegwechseln – besonders bevor Sie während einer KI-Wartezeit abdriften – nehmen Sie sich fünfzehn Sekunden, um genau aufzuschreiben, wo Sie stehen und was Sie als Nächstes tun. Die Forschung fand, dass dies den Rückstand, den Sie in die nächste Aufgabe tragen, zuverlässig reduziert. Es wirkt, weil es die Schleife in Ihrem Kopf schliesst, obwohl die Aufgabe objektiv unerledigt ist.
Studieren Sie dann eine Woche lang Ihr eigenes Buch. Bemerken Sie drei Dinge: welchen Wechseltyp aus der Tabelle Sie am häufigsten begehen (das ist Ihr grösstes Leck), wann am Tag Ihre Bewertung der KI-Ausgabe schludrig wird (das ist das Erzeuger-zu-Kritiker-Kippen, das Zinsen kassiert), und welche Neu-Prompt-Schleifen Sie mit einem klaren “fertig” früher hätten beenden können. Sie jagen nicht die Zahl eines anderen; Sie lernen die Form Ihrer eigenen Aufmerksamkeit, um sie nächste Woche besser zuzuteilen als letzte. Führen Sie es wie ein CEO, lernen Sie es wie ein Student.
Die tiefste Neurahmung ist diese: In einer Zeit, in der KI das Produzieren von Ausgabe nahezu kostenlos macht, ist das Knappe und Wertvolle die unverunreinigte Aufmerksamkeit, die Sie zur Entscheidung mitbringen, ob diese Ausgabe etwas taugt. Aufmerksamkeitsrückstand ist die Steuer auf genau diese Fähigkeit. Die Menschen, die am meisten aus KI herausholen, sind nicht jene, die am schnellsten zu ihr wechseln – es sind jene, die das fokussierte menschliche Urteil schützen, das das Wechseln still erodiert.
Die Aufmerksamkeitsrückstand-Selbstprüfung
Bewerten Sie sich für einen typischen Arbeitstag je Zeile mit 0-2 (0 = selten, 1 = manchmal, 2 = oft). Dies ist ein Selbstreflexionswerkzeug, kein klinisches Instrument.
- Ich lasse eine Aufgabe offen und drifte zu E-Mail/Chat/Feeds, während die KI generiert. (Delegieren-und-abdriften)
- Ich nehme KI-Ausgabe im selben schnellen Modus an oder lehne sie ab, in dem ich sie erstellt habe, ohne einen eigenen kritischen Durchgang. (Erzeuger-zu-Kritiker-Kippen)
- Ich schiebe der KI immer wieder kleine Neu-Prompts nach, ohne klare Definition von “fertig”. (Neu-Prompt-Gewirbel)
- Ich bearbeite eine einzelne Aufgabe über viele KI-Werkzeuge und Browser-Tabs gleichzeitig. (Werkzeug-Springen)
- Ich springe viele Male pro Stunde zwischen Gesprächen mit Menschen und dem Anweisen der KI. (Registerwechsel)
- Ich wechsle von schweren Aufgaben weg, ohne zu notieren, wo ich war oder was als Nächstes kommt. (Kein bereit-zum-Fortsetzen)
- Bis zum frühen Nachmittag wird mein Urteil, ob KI-Ausgabe gut ist, spürbar schlechter. (Rückstandszins)
Ihre Punktzahl lesen. 0-4: Ihre Wechselfläche ist gut gemanagt; schützen Sie sie. 5-9: Rückstand ist ein echter Bremsklotz für Ihr Urteil; installieren Sie die bereit-zum-Fortsetzen-Gewohnheit und bündeln Sie Ihre KI-Arbeit. 10-14: Nicht die Arbeitslast, sondern das Wechseln ist wahrscheinlich Ihr Hauptengpass; beginnen Sie mit dem hebelstärksten Fix unten.
Der hebelstärkste Fix, für fast jeden, ist Zeile 1: Hören Sie auf, während KI-Wartezeiten abzudriften. Es ist der häufigste Wechsel, er öffnet Ihre teuerste Schleife, und ihn zu schliessen kostet nichts ausser der Entscheidung, sitzen zu bleiben.
Häufig gestellte Fragen
Ist Aufmerksamkeitsrückstand dasselbe wie Multitasking?
Nein, und der Unterschied zählt. Multitasking heisst meist, zwei Dinge buchstäblich gleichzeitig zu tun. Aufmerksamkeitsrückstand ist, was im Übergang zwischen nacheinander erledigten Aufgaben passiert – der Teil Ihres Geistes, der bei Aufgabe A zurückbleibt, wenn Sie schon zu Aufgabe B gewechselt sind. Sie können klassisches Multitasking vermeiden und trotzdem den ganzen Tag durch schnelles sequentielles Wechseln Rückstand verlieren, genau das, was KI-gestützte Arbeit fördert.
Macht KI die Konzentration wirklich schlechter, oder bin ich nur unorganisiert?
Beide Rahmungen verfehlen den strukturellen Punkt. KI zerstört Konzentration nicht direkt; sie vergrössert die Wechselfläche – die Zahl der verfügbaren Übergaben pro Stunde -, weil sie Arbeit so schnell zurückgibt. Mehr verfügbare Wechsel plus dieselbe menschliche Aufmerksamkeit ergibt mehr Rückstand, sofern Sie nicht bewusst neu gestalten, wann und wie Sie wechseln. Es ist kein Disziplinproblem; es ist ein Problem des Workflow-Designs, was gute Nachricht ist, denn Workflows lassen sich leichter ändern als Willenskraft.
Was ist die wirksamste einzelne Gewohnheit, um Aufmerksamkeitsrückstand zu senken?
Der “bereit-zum-Fortsetzen”-Plan aus Leroy und Glombs Forschung 2018: Bevor Sie von einer Aufgabe wegwechseln, nehmen Sie fünfzehn Sekunden, um aufzuschreiben, wo Sie stehen und was Sie als Nächstes tun. In ihren Experimenten reduzierte das den Rückstand zuverlässig, weil es Ihrem Geist erlaubt, eine unerledigte Aufgabe als “geparkt” statt “offen” zu behandeln. Wenden Sie es bei KI-Arbeit im Moment an, bevor Sie während einer Wartezeit abdriften.
Wie lange dauert es wirklich, sich nach einer Unterbrechung neu zu fokussieren?
Gloria Marks Studie 2008 fand, dass unterbrochene Arbeit im Schnitt nach etwa 23 Minuten und 15 Sekunden wieder aufgenommen wurde und Menschen typischerweise rund zwei andere Aufgaben erledigten, bevor sie zur ursprünglichen zurückkehrten. Diese Zahl betrifft die Rückkehr zur Arbeit, und volle kognitive Wiedervertiefung kann länger dauern. Die praktische Folge: Ein “schneller” Zwei-Minuten-Wechsel ist selten zwei Minuten, wenn Sie das Neu-Laden mitzählen.
Soll ich KI für tiefe Arbeit also einfach nicht mehr nutzen?
Nein – das wirft echte Hebelwirkung weg. Der Zug ist, KI-Nutzung zu bündeln statt zu verstreuen. Nutzen Sie KI in definierten Sitzungen, in denen Sie in einem Register bleiben, bündeln Sie Ihre Prompts, damit sich Wartezeiten überlappen, und reservieren Sie einen eigenen, uneiligen Block, um ihre Ausgabe mit einer Checkliste zu bewerten. So genutzt fügt KI Fähigkeit hinzu, ohne Ihre Aufmerksamkeit zu zerfetzen; als stets offenes Fenster genutzt, das alle dreissig Sekunden eine Entscheidung erbettelt, wird sie zur grössten einzelnen Rückstandsquelle Ihres Tages.
Ist “tiefe Arbeit” noch möglich, wenn mein Job ständige KI-Interaktion erfordert?
Ja, aber Sie müssen den Block neu definieren. Tiefe Arbeit in einer KI-gestützten Rolle sind nicht zwingend lange Strecken ohne Werkzeuge; es sind Strecken, in denen Sie nicht das Register wechseln – in denen Sie entweder erstellen oder bewerten oder zusammenarbeiten, aber nicht jede Minute zwischen allen dreien kippen. Registerstabilität zu schützen ist die moderne Version, ununterbrochene Zeit zu schützen.
Quellen
Sophie Leroy. 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, 2009) – führte das Konzept des Aufmerksamkeitsrückstands ein und zeigte, dass Aufgabenwechsel einen Teil der Aufmerksamkeit an der vorigen Aufgabe lässt und die Leistung bei der nächsten senkt, wobei der Effekt am stärksten ist, wenn die vorige unerledigt oder unter Zeitdruck war.
Sophie Leroy & Theresa M. Glomb. Tasks Interrupted: How Anticipating Time Pressure on Resumption of an Interrupted Task Causes Attention Residue and Low Performance on Interrupting Tasks and How a Ready-to-Resume Plan Mitigates the Effects (Organization Science, 2018) – zeigte über vier Studien, dass ein kurzer Plan zur Wiederaufnahme einer unterbrochenen Aufgabe den Aufmerksamkeitsrückstand deutlich reduziert und die Leistung bei der unterbrechenden Aufgabe schützt.
Gloria Mark, Daniela Gudith & Ulrich Klocke. The Cost of Interrupted Work: More Speed and Stress (Proceedings of CHI, 2008), University of California, Irvine – fand, dass unterbrochene Arbeit im Schnitt nach etwa 23 Minuten und 15 Sekunden wieder aufgenommen wurde, typischerweise nach zwei zwischengeschalteten Aufgaben.
Gloria Mark. Attention Span: A Groundbreaking Way to Restore Balance, Happiness and Productivity (2023) und zugehörige Forschung der University of California, Irvine – dokumentiert, dass die durchschnittliche Aufmerksamkeitsspanne am Bildschirm zuletzt von rund 2,5 Minuten 2004 auf etwa 47 Sekunden (Median 40 Sekunden) fiel.
Joshua Rubinstein, David Meyer & Jeffrey Evans. Executive Control of Cognitive Processes in Task Switching (Journal of Experimental Psychology: Human Perception and Performance, 2001), zusammengefasst von der American Psychological Association – kurze mentale Blockaden durch Aufgabenwechsel können bis zu 40% der produktiven Zeit kosten, mit steigenden Kosten bei komplexeren Aufgaben.
Harvard Business Review. How Much Time and Energy Do We Waste Toggling Between Applications? (2022) – eine Studie mit 137 Nutzern in 20 Teams bei drei grossen Firmen fand, dass Beschäftigte rund 1.200-mal am Tag zwischen Apps und Fenstern sprangen und fast vier Stunden pro Woche (etwa 9% der Arbeitszeit) mit Neuorientierung verbrachten.
Microsoft & LinkedIn. Work Trend Index Jahresbericht: AI at Work Is Here. Now Comes the Hard Part (2024), basierend auf einer Befragung von 31.000 Wissensarbeitern in 31 Märkten – berichtete, dass 75% der Wissensarbeiter bei der Arbeit generative KI nutzen und 78% ihre eigenen KI-Werkzeuge mitbringen.
Redaktioneller Hinweis: Dieser Artikel ist Teil des vollständig KI-gestützten redaktionellen Prozesses von CEOtudent. Das Mensch-KI-Wechselbuch und die Aufmerksamkeitsrückstand-Selbstprüfung sind originale CEOtudent-Entscheidungshilfen – analytische Rahmen zum Managen von Aufgabenwechseln, keine gemessenen Studien; insbesondere wird keine genaue Zahl “Mensch-KI-Wechsel kostet X%” behauptet, weil es keinen solchen Datensatz gibt. Die unterstützenden Zahlen stammen aus den oben genannten öffentlich zugänglichen Quellen und wurden im Juni 2026 verifiziert. Dieser Artikel ist allgemeiner Bildungskommentar zu Aufmerksamkeit und Produktivität, keine medizinische, psychologische oder klinische Beratung.
This post is also available in:
