Siddhant Khare, Softwareingenieur beim Unternehmen ONA und Hauptmaintainer des OpenFGA-Projekts, hat kürzlich einen Essay veröffentlicht, der in der gesamten Entwicklergemeinschaft großen Widerhall findet. In dem Text mit dem Titel „KI-Müdigkeit ist real, und niemand spricht darüber“ beschreibt er ein Paradox: KI-Tools machen ihn produktiver als je zuvor, erschöpfen ihn aber zugleich stärker als je zuvor.
Das Produktivitätsparadox
Khare lieferte im vergangenen Quartal mehr Code ab als in jedem anderen Abschnitt seiner Karriere. Gleichzeitig fühlte er sich jedoch erschöpfter als je zuvor. KI beschleunigt einzelne Aufgaben tatsächlich – was früher drei Stunden dauerte, nimmt heute 45 Minuten in Anspruch. Das Problem besteht darin, dass man, wenn jede Aufgabe weniger Zeit benötigt, nicht weniger, sondern mehr Aufgaben erledigt. Vor dem Aufkommen der KI konnte er einen ganzen Tag mit einem einzigen Designproblem verbringen. Heute kann er sich innerhalb eines einzigen Tages mit sechs verschiedenen Problemen befassen. Jedes davon „dauert mit KI nur eine Stunde“, doch der Kontextwechsel zwischen sechs Problemen ist für das menschliche Gehirn äußerst belastend. KI wird beim Wechsel zwischen Problemen nicht müde. Menschen schon.
Vor der KI war Khares Arbeit klar definiert: über ein Problem nachdenken, Code schreiben, ihn testen und ausliefern. Seit dem Aufkommen der KI hat sich seine Arbeit verändert: einen Prompt schreiben, warten, die Ausgabe lesen, sie bewerten, unpassende Teile korrigieren, erneut prompten, wiederholen. Er ist zum Kontrolleur an einem Fließband geworden, das niemals anhält. Erschaffen gibt Energie. Kontrollieren saugt sie aus. Khare bemerkte das erstmals während einer Woche intensiver KI-Nutzung. Am Mittwoch war er bereits nicht mehr in der Lage, einfache Entscheidungen zu treffen. Sein Kopf war voll. Nicht vom Schreiben von Code, sondern vom Beurteilen von Code. Hunderte kleine Entscheidungen, den ganzen Tag, jeden Tag. Die grausame Ironie besteht darin, dass KI-generierter Code sorgfältiger kontrolliert werden muss als von Menschen geschriebener Code. Bei KI ist jede Zeile verdächtig. Der Code wirkt überzeugend, kann aber auf subtile Weise falsch sein, die sich erst in der Produktion, unter Last, um drei Uhr morgens bemerkbar macht.
Khare hatte einen Prompt, der am Montag perfekt funktionierte. Am Dienstag verwendete er denselben Prompt für einen ähnlichen Endpunkt. Die Ausgabe war strukturell anders. Warum? Aus keinem für ihn nachvollziehbaren Grund. Für jemanden, dessen Karriere auf dem Grundsatz „Wenn etwas schiefgegangen ist, kann ich herausfinden, warum“ aufgebaut ist, ist das zutiefst beunruhigend.
Noch einen Prompt schreiben
Ein weiteres Problem ist das Innovationstempo. Claude Code liefert Sub-Agenten, OpenAI startet GPT-5.3-Codex, Google veröffentlicht Gemini CLI, GitHub fügt die MCP Registry hinzu. Das ist nicht innerhalb eines Jahres geschehen. Das sind nur wenige Monate. Khare verbrachte seine Wochenenden damit, neue Tools zu bewerten, sah sich jede Demo an und hatte Angst, den Anschluss zu verlieren. Jede Migration kostete ihn ein Wochenende und brachte vielleicht eine Verbesserung von 5 %, die er nicht einmal richtig messen konnte.
Man versucht, die KI dazu zu bringen, etwas Bestimmtes zu generieren. Die erste Ausgabe ist zu 70 % richtig. Man verbessert den Prompt. Die zweite Ausgabe ist zu 75 % richtig, hat aber etwas kaputtgemacht, was in der ersten noch korrekt war. Man sitzt bereits seit 45 Minuten daran und hätte es in 20 Minuten von Grund auf selbst schreiben können. Khare hat inzwischen eine strikte Regel: drei Versuche. Wenn die KI innerhalb von drei Prompts kein zu 70 % brauchbares Ergebnis liefert, schreibt er es selbst. Keine Ausnahmen.
Während einer Designbesprechung bat ihn jemand, an der Tafel über ein Nebenläufigkeitsproblem nachzudenken. Kein Laptop. Keine KI. Und er hatte Schwierigkeiten. Nicht, weil er die Konzepte nicht kannte, sondern weil er diesen Muskel seit Monaten nicht mehr trainiert hatte. Er hatte sein anfängliches Denken so lange an die KI ausgelagert, dass seine Fähigkeit, von Grund auf selbst zu denken, nachgelassen hatte. Es ist wie mit GPS und Navigation. Nach Jahren mit GPS kann man ohne es nicht mehr navigieren. Dasselbe geschieht mit KI und technischem Denken.
Was hat ihm geholfen?
Khare änderte seinen Ansatz:
Zeitliche Begrenzung von KI-Sitzungen – 30 Minuten für eine Aufgabe mit KI. Wenn der Timer abläuft, liefert er ab, was er hat, oder beginnt, es selbst zu schreiben.
Aufteilung der Zeit – der Vormittag ist zum Nachdenken da, der Nachmittag für die Umsetzung mithilfe von KI.
70 % von der KI akzeptieren – er hörte auf, eine perfekte Ausgabe erzielen zu wollen. Den Rest korrigiert er selbst.
Strategischer Umgang mit dem Hype-Zyklus – er hörte auf, jedes neue Tool bereits eine Woche nach seiner Einführung zu übernehmen.
Die wahre Fähigkeit
Khare erlitt Ende 2025 ein Burn-out. Nicht auf dramatische Weise – er verlor einfach das Interesse. Er machte nur noch mechanisch weiter, produzierte mehr als je zuvor und empfand weniger als je zuvor. Die Technologiebranche hatte schon vor der KI ein Burn-out-Problem. KI verschärft es, statt es zu verbessern. Vor der KI gab es eine Obergrenze dafür, wie viel man an einem Tag produzieren konnte. KI hat diese Begrenzung beseitigt. Jetzt ist die eigene kognitive Ausdauer die einzige Grenze.
Die wahre Fähigkeit des KI-Zeitalters ist weder Prompt Engineering noch das Wissen darüber, welches Modell man verwenden sollte. Sie besteht darin, zu wissen, wann man aufhören muss. Zu wissen, wann die Ausgabe der KI gut genug ist. Zu wissen, wann man es selbst schreiben sollte. Zu wissen, wann man sich ausruhen oder aufhören sollte. Wenn Sie müde sind, liegt das nicht daran, dass Sie es falsch machen. Es liegt daran, dass dies tatsächlich schwierig ist.
