Norvio KI-Arbeitswelt Report 2026
– Zwischen Entlastung und neuer Arbeitsintensität

Große und wissensintensive Betriebe liegen vorn

Die Diffusion verläuft ungleich. Unter kleinen Betrieben mit 1 bis 9 Beschäftigten lag der GenAI-Einsatz 2025 bei 21 %, unter Betrieben ab 200 Beschäftigten bei 48 % [3]. Junge Betriebe unter fünf Jahren kamen auf 30 %, Betriebe mit mehr als 25 Jahren auf 21 %.

Auch nach Branche entsteht ein klares Gefälle. Information und Kommunikation lagen bei 59 %, Finanz- und Versicherungswesen bei 50 %, unternehmensnahe Dienstleistungen bei 37 % und Erziehung und Unterricht bei 34 %. Im Primärsektor waren es 9 %, mehrere stärker physische oder interaktive Branchen lagen im Bereich von 13 bis 15 % [3].

Auch auf Beschäftigtenebene verteilt sich KI nicht gleichmäßig. Nach der BIBB-Auswertung zu DiWaBe 2.0 nutzt knapp ein Drittel der Beschäftigten ohne Bildungsabschluss KI. Bei Beschäftigten mit beruflichem Abschluss sind es 58 %, mit Hochschul-, Meister- oder Technikerabschluss rund 80 % [2][4].

Damit ist KI 2026 vor allem dort angekommen, wo Arbeit bereits informationsintensiv, digital und vergleichsweise autonom organisiert ist. Das ist wichtig, weil technologische Vorteile nicht automatisch gleichmäßig über den Arbeitsmarkt verteilt werden.

Wissensarbeit beschleunigt, Produktion folgt langsamer

Die Konstanzer KI-Studie zeigt dieselbe Trennlinie nach Tätigkeit. In Büro- und Wissenstätigkeiten stieg die berufliche KI-Nutzung von 30 % im Jahr 2024 auf 45 % im Jahr 2025. In Produktion und körperlichen Tätigkeiten erhöhte sie sich nur von 17 % auf 21 % [8]. Die Nutzungslücke wächst damit von 13 auf 24 Prozentpunkte.

Das Produktivitätsparadox: Die Aufgabe wird schneller, der Arbeitstag nicht zwingend ruhiger

Internationale Experimente zeigen, dass GenAI einzelne Aufgaben deutlich beschleunigen kann. Doch eine eingesparte Stunde ist noch keine Stunde weniger Arbeit. Wenn Zeitgewinne durch zusätzliche Aufgaben, höhere Leistungserwartungen, mehr Informationsverarbeitung oder neue Kontrollpflichten aufgefüllt werden, steigt die Netto-Belastung trotz effizienterer Einzelprozesse.

Die Daten erlauben deshalb noch keine Aussage, ob KI den Arbeitstag im Saldo leichter oder schwerer macht. Zusammengenommen zeigen die Befunde aber, dass Produktivitätsgewinne und Arbeitsverdichtung sich nicht ausschließen. Dazu passt der EU-weite Eurofound-Befund: 43 % berichten, dass Technologie neue Aufgaben geschaffen hat, 31 % dass Aufgaben entfallen sind [6]. Genau diese Gleichzeitigkeit dürfte für die betriebliche Arbeitsgestaltung wichtiger sein als die Frage, wie viele Minuten ein einzelner Arbeitsschritt spart. Den breiteren Zusammenhang von Arbeitsbedingungen und Leistungseinbußen bündelt die Norvio-Auswertung zu Produktivitätsverlust.

Die stärksten kausalen Produktivitätsbefunde stammen bislang aus internationalen Experimenten. Brynjolfsson, Li und Raymond untersuchten 5.179 Kundenservice-Agenten in den USA und fanden im Durchschnitt 14 % höhere Produktivität durch generative KI. Bei Novizen lag der Zuwachs bei 34 % [9]. Noy und Zhang zeigten in einem kontrollierten Experiment mit 443 professionellen Schreibenden 40 % weniger Bearbeitungszeit und 18 % höhere Qualität [10].

Diese Befunde zeigen, dass KI bei klar definierten Tätigkeiten erhebliche Effekte haben kann. Sie liefern aber keine allgemeine Produktivitätszahl für die deutsche Wirtschaft. Bei Softwareentwicklern fallen die Ergebnisse in mehreren Feldexperimenten heterogener aus [11]. Tätigkeit, Erfahrung, Messgröße und organisatorischer Kontext verändern den Effekt.

Upskilling, Deskilling und die neue Kontrollarbeit

Auch die Kompetenzfrage ist nicht eindimensional. DiWaBe 2.0 verbindet intensivierte KI-Nutzung mit komplexeren kognitiven Anforderungen, was in Teilen der Wissensarbeit für Upskilling spricht [2]. Gleichzeitig warnt die BAuA vor Deskilling, wenn Beschäftigte KI-Ausgaben ungeprüft übernehmen und eigene Fähigkeiten schrittweise verlieren [12].

Hinzu kommt neue Arbeit, die in klassischen Automatisierungsversprechen oft fehlt: Ergebnisse müssen geprüft, Fehler erkannt, Unsicherheiten bewertet und Entscheidungen verantwortet werden. Die BAuA beschreibt diese Kontroll- und Freigabeverantwortung ausdrücklich als zusätzliche Belastung [12]. KI kann also Arbeit abnehmen und gleichzeitig Kontrollarbeit erzeugen. Was diese Verschiebung für Wissensarbeit, Prüfung und Kompetenzaufbau bedeutet, ordnet Norvio vertiefend unter KI und kritisches Denken ein.

Die Konstanzer KI-Studie zeigt zudem eine steigende Fortbildungsmotivation: in Wissensarbeit von 27 auf 37 %, in Produktion von 17 auf 27 % [8]. Die Lücke zwischen den Tätigkeitsgruppen bleibt bestehen.

Ein KI-Assistent, den Beschäftigte selbst für Recherche, Text oder Analyse einsetzen, ist etwas anderes als ein System, das Aufgaben verteilt, Leistung überwacht oder Arbeitszeiten festlegt. Genau diese zweite Ebene beschreibt Algorithmic Management.

Eine OECD-Erhebung unter 6.047 mittleren Führungskräften in sechs Ländern zeigt für Deutschland eine hohe Verbreitung: 78 % berichten mindestens ein Tool zum Anweisen, Überwachen oder Bewerten von Beschäftigten [5]. Der EU-Durchschnitt liegt bei 79 %, die USA bei 90 %, Japan bei 40 %.

Bei gesundheitlichen Folgen ist die Datenlage deutlich schwächer als bei Verbreitung und Produktivität. Intensivierte KI-Nutzung steht mit höherer Arbeitsintensität und Informationslast in Zusammenhang [1][2]. EU-OSHA beschreibt zusätzlich mögliche psychosoziale Risiken digitaler und KI-basierter Systeme, darunter Stress, kognitive Überlastung, Kontrollverlust und soziale Isolation [7].

Das reicht jedoch nicht für die Aussage „KI macht krank“. Bis September 2026 liegt keine belastbare deutsche Längsschnittstudie vor, die KI-Nutzung kausal mit Krankenstand, Burnout-Inzidenz, Schlafqualität oder depressiver Symptomatik verbindet. Genau diese Forschungslücke ist für Norvio zentral.

Subjektive Sorgen sind dennoch messbar. Bitkom erfasst als wahrgenommene Nachteile unter anderem unklare Datenflüsse (66 %), weniger menschlichen Kontakt (64 %), ungeklärte Haftung (57 %), ein Kontrollgefühl durch KI (21 %) und zusätzlichen Leistungsdruck (13 %) [13]. Solche Angaben beschreiben Wahrnehmung und Risikoerleben, nicht diagnostizierte Erkrankung.

Die organisatorische Begleitung hält nicht mit

Während sich generative KI schnell verbreitet, entwickeln sich Weiterbildung und interne Regeln deutlich langsamer. Unter KI-nutzenden Betrieben bieten 27 % Weiterbildung oder Schulung an; weitere 21 % planen sie. Interne KI-Regeln bestehen bei 21 %, weitere 22 % planen sie [3]. Wie solche Maßnahmen in ein betriebliches Steuerungssystem eingebettet werden können, zeigt die Norvio-Seite zum Betrieblichen Gesundheitsmanagement.

Die Daten sprechen weder für ein pauschales Entlastungs- noch für ein pauschales Belastungsnarrativ. KI verbreitet sich schnell, vor allem in wissensintensiven Tätigkeiten und größeren Betrieben. Sie kann Produktivität und Handlungsspielraum erhöhen. Gleichzeitig geht intensivierte Nutzung mit höherer Arbeitsintensität, Informationslast und komplexeren Anforderungen einher.

Damit verschiebt sich die entscheidende Frage von der Technologie zur Arbeitsorganisation. Eine Aufgabe kann schneller werden, ohne dass der Arbeitstag ruhiger wird. Ein KI-Werkzeug kann Autonomie erhöhen, während algorithmische Steuerung an anderer Stelle Autonomie reduziert. Ein Assistenzsystem kann Kompetenzen erweitern und gleichzeitig neue Kontrollarbeit erzeugen.

Für die Gesundheit bleibt der belastbare Nettoeffekt offen. Gerade deshalb ist es zu früh für einfache Versprechen ebenso wie für alarmistische Gewissheiten. Was bereits heute erkennbar ist: Weiterbildung, klare Regeln, transparente Verantwortlichkeit und eine menschenzentrierte Gestaltung entscheiden mit darüber, ob KI als Entlastungsinstrument oder als Beschleuniger bestehender Belastungen wirkt.