20.11.2026
Von Peter Hecker, Inhaber von HECKER CONSULTINGCoding-Agenten steigern die Produktivität, verlagern die Last aber auf Aufsicht und Entscheidungen. Was Studien zeigen und welche Regeln schützen.

Neulich erzählte mir ein Weggefährte am Telefon von einem Zoobesuch. Sein Sohn arbeitet im Silicon Valley in der IT, und die drei waren gemeinsam unterwegs: Großvater, Vater und Enkelin. Unterwegs bekam der Sohn eine Nachricht von seinem KI-Agenten. Er tippte eine Weile in sein Handy, um dem Agenten weitere Anweisungen zu geben, und ging dann mit Vater und Tochter weiter durch den Zoo.
Mein Weggefährte nannte das „Agentic-Work-Life-Balance“: Die Arbeit läuft weiter, während man mit der Familie unterwegs ist. Ich hielt „Agentic-Burn-out“ dagegen. Denn in diesen Minuten war der Sohn weder ganz im Zoo noch ganz bei der Arbeit. Hinter dem Wortspiel steckt eine ernste Frage, die sich gerade viele stellen, die mit Coding-Agenten arbeiten: Machen uns die Agenten produktiver und zugleich erschöpfter?
Ich arbeite selbst seit Monaten mit Agenten. Die Forschung zur Frage ist noch jung und lückenhaft, aber sie zeigt ein erstaunlich klares Muster. Und sie reicht für ein paar handfeste Regeln.
Ein Coding-Agent ist ein KI-Programm, das nicht nur Code vorschlägt, sondern selbstständig Dateien liest und ändert, Tests startet und Ergebnisse meldet. Ein klassischer KI-Assistent ergänzt im Editor die nächste Zeile. Ein Agent dagegen arbeitet eine Weile allein und kommt dann mit einem fertigen Zwischenstand zurück. Bekannte Beispiele sind Claude Code und OpenAI Codex.
Die bisher aufschlussreichste Studie zur Frage stammt von Annie Vella und Kelly Blincoe von der University of Auckland. Sie haben Entwickler, die KI-Coding-Assistenten nutzen, zweimal im Abstand von sechs Monaten befragt; 95 Personen nahmen an beiden Runden teil. 84 Prozent berichteten zu beiden Zeitpunkten, dass sie produktiver arbeiten. Zugleich wuchs der Anteil derer, deren Arbeitserleben sich in mindestens einem Bereich verschlechtert hatte, von 14 auf 27 Prozent. Die Studie nennt das ein „productivity-experience paradox“: Die Leistung fühlt sich besser an, die Arbeit selbst nicht unbedingt.
Zwei Einschränkungen gehören dazu. Bei Flow, also dem konzentrierten Aufgehen in einer Aufgabe, und bei der geistigen Belastung zeigte sich nur eine leichte, statistisch nicht signifikante Tendenz zum Schlechteren. Und befragt wurden nur Menschen, die die Werkzeuge weiter nutzten; wer frustriert aufgehört hat, fehlt in der Statistik. Die Arbeit ist zur Veröffentlichung in der Fachzeitschrift ACM TOSEM angenommen.
Burn-out im engeren Sinn misst bisher nur eine Studie. Zixuan Feng, Sadia Afroz und Anita Sarma von der Oregon State University befragten 442 Entwickler zur Einführung generativer KI, und zwar allgemein, nicht speziell zu Agenten. Vorgestellt wurde die Arbeit auf der ICSE-SEIS 2026, dem Programmteil der Software-Engineering-Konferenz ICSE, der sich mit Software und Gesellschaft befasst. Das Ergebnis: Wo mit der KI die Anforderungen steigen, etwa durch Druck aus der Organisation und mehr Arbeitsmenge, berichten Entwickler mehr Burn-out. Autonomie, Lernmöglichkeiten und eine positive Sicht auf KI wirken als Puffer. Weil alle zum selben Zeitpunkt befragt wurden, zeigt die Studie einen Zusammenhang, keinen Beweis für Ursache und Wirkung.
Wer mit einem Agenten arbeitet, schreibt weniger Code und tut dafür etwas anderes: Er beschreibt Aufgaben, wartet, prüft, korrigiert und entscheidet. Vella und Blincoe nennen das „supervisory engineering work“, beaufsichtigende Ingenieursarbeit. Das klingt nach Entlastung, ist aber eine andere Art von Anstrengung.
Wie diese Arbeit im Alltag aussieht, hat ein Team um Yi-Hung Chou von der University of California, Irvine, beobachtet. Die Forscher begleiteten elf professionelle Entwickler bei ihrer eigenen Arbeit mit Coding-Agenten, insgesamt rund 15 Stunden. Im Schnitt ging ein Drittel der beobachteten Zeit, genau 33,4 Prozent, für das Formulieren von Anweisungen und das Prüfen der KI-Antworten drauf. Die Zahl der Aufgabenwechsel reichte je nach Person von null bis 101,6 pro Stunde. Der Titel der Studie bringt es auf den Punkt: Developers as Managers of AI Agents, Entwickler als Manager von KI-Agenten. Die Arbeit ist eine Vorabveröffentlichung (Preprint), also noch nicht von Fachkollegen begutachtet, und die Stichprobe ist klein. Sie beschreibt aber, was viele aus dem eigenen Alltag kennen.
Drei Mechanismen machen diese Managerrolle anstrengend:
Wie hoch der Preis werden kann, schilderte der Softwareentwickler Simon Willison im April 2026 in einem Podcast. Er könne vier Agenten parallel an vier verschiedenen Problemen arbeiten lassen, und gegen elf Uhr vormittags sei er für den Tag erledigt. Adam Tornhill, Gründer und Technikchef des Codeanalyse-Anbieters CodeScene, formulierte es nüchterner: Agentisches Programmieren sei geistig teuer, er halte das Tempo meist ein paar Stunden durch und brauche dann eine Pause.
Neben der Anstrengung im Moment gibt es einen zweiten Effekt: Die Arbeit wird dichter und breitet sich aus. Die Organisationsforscherinnen Aruna Ranganathan und Xingqi Maggie Ye von der University of California, Berkeley, haben acht Monate lang ein US-Technologieunternehmen mit rund 200 Beschäftigten begleitet und mehr als 40 Interviews geführt. Ihr Befund, im Februar 2026 in der Harvard Business Review veröffentlicht: KI hat die Arbeit nicht verringert, sondern verdichtet. Die Beschäftigten arbeiteten schneller, übernahmen breitere Aufgaben und dehnten die Arbeit aus, oft ohne dass jemand es verlangt hätte. Die Mehrarbeit kam also aus eigenem Antrieb: Weil mehr möglich war, wurde mehr gemacht. Eine Burn-out-Messung enthält diese Fallstudie nicht.
Pratima Arora, Produkt- und Technikchefin beim Softwareanbieter Smartsheet, brachte es im Mai 2026 im Blog von Stack Overflow auf eine Formel: Die Arbeitszeit habe sich nicht verändert, wohl aber die Dichte der Arbeit.
Eine Befragung der Boston Consulting Group unter 1.488 Vollzeitbeschäftigten in den USA, im März 2026 ebenfalls in der Harvard Business Review erschienen, gibt dem Phänomen einen Namen: „AI brain fry“. Gemeint ist geistige Ermüdung durch übermäßige Nutzung, Interaktion oder Überwachung von KI-Werkzeugen jenseits der eigenen geistigen Kapazität. Rund 14 Prozent der Befragten berichteten davon. Wer KI-Werkzeuge stark überwachen muss, gab 14 Prozent mehr geistigen Aufwand, 12 Prozent mehr geistige Erschöpfung und 19 Prozent mehr Informationsüberlastung an als Befragte mit wenig Überwachungsarbeit. Die selbst eingeschätzte Produktivität sank ab dem vierten genutzten KI-Werkzeug. Gemeint sind KI-Werkzeuge allgemein, nicht speziell Coding-Agenten. Und die Autoren grenzen Brain Fry ausdrücklich von Burn-out ab.
Bleibt die Erreichbarkeit, die mein Weggefährte so charmant fand. Ein Agent arbeitet weiter, wenn der Mensch Feierabend hat, und er meldet sich, sobald er fertig ist. Willison erzählte im selben Podcast von Leuten, die abends eine halbe Stunde länger aufbleiben, um noch ein paar Aufgaben anzustoßen, und dann um vier Uhr morgens wach liegen. Der Softwareentwickler und Autor Steve Yegge verglich KI im Februar 2026 in seinem Essay „The AI Vampire“ mit einem Energievampir und spielte durch, wer den Gewinn aus der höheren Produktivität einstreicht. Im ungünstigsten Fall, so sein Gedankenexperiment, allein der Arbeitgeber.
Neu ist das Grundproblem nicht. Arbeiten der Bundesanstalt für Arbeitsschutz und Arbeitsmedizin (BAuA) zeigen seit Jahren, dass ständige Erreichbarkeit mit Erschöpfung und Schlafproblemen zusammenhängt. Agenten liefern diesem alten Problem nur einen neuen, sehr verlockenden Anlass: Es fühlt sich nicht nach Arbeit an, kurz eine Anweisung zu tippen.
Wer jetzt Alarm schlägt, macht es sich zu einfach. Die großen DORA-Befragungen, die das Forschungsprogramm DORA bei Google Cloud jährlich zur Softwareentwicklung durchführt, finden keinen Burn-out-Effekt durch KI. Im Bericht 2024 gingen 25 Prozent mehr KI-Nutzung mit etwas mehr Flow (plus 2,6 Prozent), Zufriedenheit (plus 2,2 Prozent) und Produktivität (plus 2,1 Prozent) einher, während der Burn-out-Wert praktisch unverändert blieb. KI habe es nicht schlimmer gemacht, schreiben die Autoren. Der Bericht 2025 mit 4.867 Befragten findet keinen messbaren Zusammenhang zwischen KI und Burn-out.
Zum vollständigen Bild gehört allerdings auch: Derselbe Bericht 2024 sah bei mehr KI-Nutzung eine geringere Stabilität der Software-Auslieferung (minus 7,2 Prozent), und die Zeit für Arbeit, die die Befragten als wertvoll empfinden, nahm leicht ab. Die BCG-Befragung wiederum liefert einen ausdrücklich positiven Befund: Wo KI Routinearbeit ersetzt, lagen die Burn-out-Werte um 15 Prozent niedriger. Die geistige Erschöpfung sank dadurch allerdings nicht.
Zusammen ergibt das ein schlüssiges Bild. KI an sich macht nicht krank. Belastend wird sie dort, wo sie zusätzliche Aufsicht, Parallelität und Erwartungen erzeugt. Entlastend wirkt sie dort, wo sie lästige Routine tatsächlich abnimmt. Die entscheidende Frage ist also nicht, ob ein Team Agenten nutzt, sondern wie.
„Agentic-Burn-out“ ist ein griffiges Wort, als Befund aber zu groß. Burn-out gilt in der Klassifikation ICD-11 der Weltgesundheitsorganisation nicht als Krankheit, sondern als berufsbezogenes Phänomen: die Folge von chronischem Stress am Arbeitsplatz, der nicht erfolgreich bewältigt wurde. Die WHO beschreibt drei Merkmale: Erschöpfung, wachsende innere Distanz zur Arbeit und das Gefühl, weniger zu bewirken. Ob jemand gesundheitlich betroffen ist, klären Ärztinnen und Ärzte, nicht ein Text im Internet.
Für den Alltag mit Agenten schlage ich eine einfachere Unterscheidung vor. Sie ist mein eigener Ordnungsversuch, kein etablierter Fachbegriff:
Der Sohn im Zoo zeigt deshalb noch keinen Burn-out. Er zeigt den Moment, in dem sich Verdichtung wie Normalität anzufühlen beginnt. Genau dort lohnt es sich, gegenzusteuern.
Ich arbeite seit Monaten agentisch, meist an mehreren Projekten gleichzeitig, mit Claude Code und mehreren parallel arbeitenden Agenten. Für mich ist diese Arbeitsweise inspirierend: Ich kann Ideen in sehr kurzer Zeit und in sehr guter Qualität umsetzen. Aber alles hat seinen Preis, das ist einer meiner Lieblingssätze, wenn es um Entscheidungen geht. Mal eben schnell etwas ausprobieren, und auf einmal sind zwei Stunden um und der Arbeitstag hat mehr als acht Stunden.
Einige Regeln sind dabei aus Fehlern entstanden, und sie haben mehr mit Arbeitsorganisation zu tun als mit Technik:
Im Rückblick fällt auf: Fast jede dieser Regeln begrenzt nicht die Agenten, sondern die Menge dessen, was ein Mensch gleichzeitig im Blick behalten muss. Genau darum geht es beim Schutz vor Überlastung. Ganz gelöst habe ich das für mich nicht. Ich überlege, mich selbst stärker zu Pausen zu konditionieren oder weniger zu kontrollieren. Das ist ein Prozess.
Aus Studien, Erfahrungsberichten und eigener Praxis lassen sich einige Regeln ableiten. Keine davon ist wissenschaftlich vermessen, aber alle setzen an den Mechanismen an, die oben beschrieben sind.
Wie Führungskräfte solche Veränderungen begleiten und Erwartungen steuern, behandelt das Seminar Führung und Management in der Welt der Künstlichen Intelligenz.
Eine feste Stundenzahl gibt die Forschung nicht her. Steve Yegge fordert einen Arbeitstag von drei bis vier Stunden für alle; das ist eine zugespitzte Meinung, kein Messwert. Belastbarer ist das Muster, das sich durch alle Befunde zieht: Agenten steigern die Leistung und verlagern die Last vom Schreiben auf Aufsicht, Entscheidungen und Verantwortung. Ob das krank macht, hängt weniger an der Technik als daran, wie viel Parallelität, Tempo und Erreichbarkeit man ihr erlaubt.
Meine Einschätzung: Für die meisten Teams lohnt sich der Einsatz von Coding-Agenten, aber nur mit Regeln. Überschätzt wird, wie viel Zeit Agenten tatsächlich freimachen. Unterschätzt wird die Aufsicht, die sie verlangen. Wer Agenten einführt, sollte deshalb nicht nur Werkzeuge und Lizenzen planen, sondern auch Arbeitsweise, Prüfroutinen und Grenzen. Wie sich die Rolle von Entwicklern dabei verändert, beschreibt der Beitrag Vom Programmierer zum Dirigenten.
Und die Agentic-Work-Life-Balance aus dem Zoo? Es gibt sie, glaube ich. Aber sie entsteht nicht dadurch, dass der Agent überall mitkommt. Sie entsteht dadurch, dass er warten muss, bis man wieder am Schreibtisch sitzt.
Wer Arbeitsweisen mit Coding-Agenten im Team aufbauen will, findet im Seminar Claude Code Praxis den praktischen Einstieg, einschließlich Arbeitsabläufen, Tests und Prüfroutinen. Weitere Seminare bündelt das Themenfeld KI-Softwareentwicklung.
Der Ausdruck beschreibt umgangssprachlich die Erschöpfung, die entstehen kann, wenn man viele KI-Agenten steuert, ihre Ergebnisse prüft und ständig erreichbar ist. Er ist weder ein Fachbegriff noch eine Diagnose. Nach der WHO ist Burn-out ein berufsbezogenes Phänomen infolge von chronischem, nicht bewältigtem Stress am Arbeitsplatz.
Nicht automatisch. Die DORA-Berichte finden keinen messbaren Zusammenhang zwischen KI-Nutzung und Burn-out, und wo KI Routinearbeit ersetzt, lagen die Burn-out-Werte in der BCG-Befragung sogar niedriger. Belastend wird es, wenn Aufsicht, Parallelität und Erwartungen wachsen, ohne dass jemand gegensteuert.
Dafür gibt es keine belegte Zahl. In der BCG-Befragung sank die selbst eingeschätzte Produktivität ab dem vierten genutzten KI-Werkzeug, allerdings für KI-Werkzeuge allgemein. Ich selbst lasse für Recherchen höchstens vier Agenten gleichzeitig laufen, für Änderungen an Daten nur einen. Wichtiger als die Zahl ist, ob Sie die Ergebnisse noch wirklich prüfen.
Warnzeichen sind etwa: Sie winken Ergebnisse durch, ohne sie zu verstehen, Sie starten abends noch neue Aufgaben, Sie schlafen schlechter oder können am Ende des Tages nicht mehr sagen, was eigentlich entstanden ist. Halten Erschöpfung und Distanz zur Arbeit über Wochen an, gehört das in ein Gespräch mit einer Ärztin oder einem Arzt.
Wir erweitern ständig unser Beratungsportfolio. Über 600 Beratungsleistungen haben wir für Sie im Programm. Selbstverständlich lassen sich die einzelnen Themen kombinieren. So erhalten Sie genau die Beratung, die Sie wünschen und brauchen.
Mehr IT-, Online-, Digital-Beratungsleistungen anzeigen >>Sie richten den quelloffenen Pi Coding Agent mit Modellen Ihrer Wahl ein, sichern ihn ab und bauen ihn mit AGENTS.md, Skills, Prompt Templates, Packages und eigenen Extensions zu Ihrem Werkzeug aus.
Produktiver entwickeln im Team: Sie binden Claude Code in Spezifikation, TDD, UI-Designsysteme, automatisierte Abnahmetests sowie GitHub-, Jira- und Pull-Request-Workflows ein – mit MCP, Skills, Hooks und klaren Freigaben.
Claude Code Intensiv: Sie entwickeln agentische KI-Systeme mit Agent SDK, orchestrieren Subagenten, gestalten Werkzeuge, Schemas und Gates und betreiben die Abläufe zuverlässig – mit Kontextmanagement und klaren Eskalationsregeln.
Vom einzelnen Prompt zum geführten Entwicklungsauftrag: Sie richten Claude Code im eigenen Projekt mit CLAUDE.md, Plan Mode und passenden Rechten ein und erweitern es um Subagents, Skills, MCP-Server, Hooks und Loops.
Sie setzen OpenAI Codex in CLI, IDE und Cloud mit AGENTS.md, Plan Mode, passender Sandbox und Git-Worktrees ein, erweitern es um Skills und MCP-Server und steuern es mit dem Codex SDK aus eigenen Skripten.
Sie führen KI-Werkzeuge im Entwicklungsteam mit klaren Regeln ein: Standortbestimmung, Governance und EU AI Act, Werkzeug- und Modellwahl, Context Engineering, eine KI-freundliche Codebasis, MCP und messbarer Nutzen.
Softwareentwickler:innen nutzen GitHub Copilot in Visual Studio, JetBrains-IDEs und VS Code gezielt für Vervollständigung, Debugging, Dokumentation und Tests – geübt an kurzen Aufgaben in Python, C#, Java und TypeScript.
Vibe Coding als Arbeitsweise: Sie bauen Anwendungen im Dialog mit einem KI-Agenten von der Idee bis zum lauffähigen Stand und sichern das Ergebnis mit Tests, Review und Versionskontrolle ab, damit es wartbar bleibt.
Sie bauen in VS Code mit GitHub Copilot eine vollständige REST-API – von Vervollständigung und Chat über den Agenten bis zum cloud agent – und sichern sie mit Tests, Dokumentation, Teamregeln und einer Deployment-Pipeline ab.
Aktuelle und interessante Themen und Beiträge für Sie zusammengetragen und aufbereitet.
Coding-Agenten schreiben immer mehr Code, Entwickler müssen ihn prüfen und verantworten. Welche von vier geförderten Weiterbildungen zur Softwareentwicklung mit KI zu Ihnen passt und wie der Bildungsgutschein funktioniert.
Coding Agents machen es möglich: Fachabteilungen bauen eigene Anwendungen. Was die IT dafür bereitstellen muss, welche Prüfung je Stufe nötig ist und was DSGVO, Betriebsrat und NIS2 verlangen, lesen Sie hier.