Psychische Belastung durch Künstliche Intelligenz in der Arbeitswelt
Künstliche Intelligenz ist mit physischer sowie psychischer Belastung verbunden. Psychische Belastung kann, je nachdem, wie sie gestaltet ist, Motivation und Gesundheit fördern oder zu Stress, Monotonie sowie langfristig Unfällen und Erkrankungen führen. Bei der Gestaltung von KI-Systemen sollte dies berücksichtigt werden.
Key Facts
- Anlagen und Software, die Künstliche Intelligenz nutzen, wirken psychisch auf die Beschäftigten ein
- Dadurch können sich positive sowie auch negative Auswirkungen auf die Sicherheit und Gesundheit ergeben
- Schon bei der Einführung von Künstlicher Intelligenz sollten mögliche negative Beanspruchungsfolgen mitbedacht werden
Künstliche Intelligenz (KI) ist aktuell überall Thema, weil sie in immer mehr Bereichen eingesetzt wird. Zum Teil wird der Begriff jedoch undifferenziert genutzt. Dann stellt sich die Frage: Ist das noch Automatisierung oder schon KI? Im Folgenden sollen die Begriffe differenziert und anhand von Beispielen aus dem Pflegebereich veranschaulicht werden.
Bei der Automatisierung werden Technologien genutzt, um Prozesse ohne oder mit geringer menschlicher Unterstützung ablaufen zu lassen. Ein Beispiel sind automatisierte Medikamentenspender. Davon abzugrenzen ist KI, die in schwache und starke KI unterteilt werden kann.[1]
- Schwache KI oder auch spezialisierte KI beschreibt Systeme, die auf spezifische, klar definierte Aufgaben spezialisiert sind. Sie können sich in eingeschränktem Maße durch Datenverarbeitung an den Kontext anpassen, verfügen aber nicht über die Fähigkeit, neue Probleme zu lösen beziehungsweise über ein menschenähnliches Bewusstsein. Dazu gehört das Überwachen von Vitaldaten, um frühzeitig das Risiko einer Sepsis zu erkennen und dem Pflegepersonal präventive Maßnahmen vorzuschlagen.
- Starke KI oder auch allgemeine KI hingegen bezeichnet Systeme, die eigenständig komplexe Probleme in verschiedenen Kontexten lösen können. Ein Beispiel wäre ein Pflegeroboter, der allein Pflegebedürftige betreut, auf unvorhergesehene Situationen reagieren und empathisch kommunizieren kann. Solche Systeme übertreffen die menschliche Intelligenz in vielen Aspekten, konnten bisher aber noch nicht erstellt werden.
Verbreitung von KI
Schwache KI wird inzwischen in zahlreichen Branchen und Tätigkeiten eingesetzt. In Deutschland nutzten 2024 bereits 62 Prozent der Beschäftigten KI am Arbeitsplatz[2]. Laut Bitkom setzen 2025 36 Prozent der Unternehmen in Deutschland generative KI ein[3].
Psychische Belastung bei der Arbeit mit KI
KI wirkt psychisch auf uns Menschen ein, das bedeutet, sie beeinflusst unser Denken, Fühlen und Handeln. Sie geht also mit psychischer Belastung einher. Der Begriff wird in der Arbeitspsychologie unabhängig von der Wirkung und damit neutral betrachtet.[4]
Je nach Tätigkeitsbereich spielen verschiedene Belastungsfaktoren im Zusammenhang mit KI eine Rolle. Nicht jede KI-Anwendung ist mit allen Faktoren verbunden. Die GDA-Empfehlungen[5] geben einen strukturierten Überblick über die Vielfalt psychischer Belastungsfaktoren, wovon viele bei der Nutzung von KI am Arbeitsplatz relevant sind und somit frühzeitig betrachtet werden sollten.
Im Praxisfeld „Psychische Belastung mit Stresskammer“ der DGUV Akademie wird die Bedeutung psychischer Belastungsfaktoren praktisch erlebbar und es wird aufgezeigt, wie eine gute Gestaltung aussehen kann.

Psychische Belastungsfaktoren – Beispiele
Ob sich ein psychischer Belastungsfaktor positiv oder negativ auf den Menschen auswirkt, hängt davon ab, wie gut die Arbeit gestaltet ist und welche Tätigkeiten durch KI unterstützt oder ersetzt werden.
Für die einzelnen Gestaltungsbereiche psychischer Belastung der GDA sollen verschiedene Beispiele dargestellt werden.
Mit Blick auf die Arbeitsaufgabe ergeben sich sehr viele Belastungsfaktoren, die mit positiven oder negativen Auswirkungen verbunden sein können. So kann den Beschäftigten durch den Einsatz von KI langweilige Routinearbeit abgenommen werden. Unfälle können durch Risikoeinschätzung und Vorhersage schädigender Ereignisse vermieden werden, kognitive Beanspruchung (beispielsweise durch Vorselektion von Information) wird verringert und monotone Aufgaben werden durch KI übernommen.
Häufig negativ wirkt sich KI aus, wenn der Handlungs- und Entscheidungsspielraum für die Nutzenden verringert wird. Beispielsweise nutzt ein Unternehmen KI-Software, um eingehende Bewerbungen zu analysieren und zu sortieren. Die KI bewertet Lebensläufe, Anschreiben und Online-Profile anhand vordefinierter Kriterien wie Schlüsselwörter, Ausbildung, Berufserfahrung und sogar Sprachstil. Personalverantwortliche verlieren einen Teil ihrer Entscheidungsfreiheit, weil sie oft nur noch mit den von der KI vorselektierten Kandidatinnen und Kandidaten arbeiten.
Eine Herausforderung beim Einsatz von KI in Arbeitsprozessen besteht darin, dass Beschäftigte zunehmend als abstrakte Datenpunkte gesehen werden. Verhaltensweisen und Emotionen können durch algorithmische Verfahren analysiert, prognostiziert und in bestimmten Fällen sogar kontrolliert werden. So ermöglichen tragbare Sensortechnologien die kontinuierliche Erfassung physiologischer Parameter sowie die Bestimmung der räumlichen Nähe zu bekannten Gefahrenquellen am Arbeitsplatz.[6] Dies kann zu Sorgen bezüglich Überwachung oder der Verletzung der Privatsphäre führen.
Darüber hinaus kann das Problem diskriminierender Effekte bestehen, etwa bei der automatisierten Bewertung von Bewerbungsunterlagen. Dies resultiert häufig aus Verzerrungen im Trainingsmaterial der Systeme. Ein weiteres Beispiel hierfür ist die unzureichende Erkennung dunklerer Hauttöne bei der Kollisionsvermeidung zwischen Mensch und Roboter, die auf eine überwiegende Berücksichtigung hellerer Hauttöne im Trainingsprozess zurückzuführen ist.[7]
Im Bereich Arbeitsorganisation können positive Effekte zum Beispiel dadurch entstehen, dass Beschäftigte in der Pflege KI-Dokumentationsassistenten nutzen und dadurch mehr Zeit haben, Bewohnerinnen und Bewohner in Heimen direkt zu betreuen.
Durch die Nutzung von KI-Arbeitsmanagementsystemen kann sich aber auch die Arbeitsintensität höhen. Diese können zum Beispiel in Logistikzentren genutzt werden, um Fertigstellungszeiten von Bestellungen zu verfolgen, Bewegungen, Wege und Fehler zu überwachen und dadurch Zeitverzögerungen zu eliminieren. Wenn die Systeme nicht an die physischen und kognitiven Fähigkeiten der Menschen angepasst sind und diese übersteigen, kann dies zu Zeit- und Leistungsdruck führen.
Der Fokus auf Effizienz und die steigende Zahl der Möglichkeiten, Beschäftigte zu überwachen, kann die Gestaltung der Arbeitszeit negativ beeinflussen. Werden Leistungsdaten systematisch ausgewertet und zum Beispiel durch Bestenlisten für alle sichtbar gemacht, kann das dazu führen, dass Wettbewerb zwischen Beschäftigten verschärft wird und diese eher Pausen ausfallen lassen, um die eigene Position im Ranking zu verbessern.[8]
Gleichzeitig können soziale Beziehungen am Arbeitsplatz leiden, wenn der Fokus auf Produktivität und Effizienz liegt und Kommunikation sowie Kooperation nicht mehr möglich sind. Lieferanten von Online-Essenslieferdiensten, die von einer KI per App über ihre nächste Auslieferung informiert werden, haben möglicherweise keinen direkten Kontakt mehr zu Kolleginnen und Kollegen oder Vorgesetzten. Die KI kann sogar verhindern, dass sich Lieferanten bei der Arbeit treffen, indem ein Warten vor dem gleichen Restaurant unterbunden wird.
Wenn durch KI Effizienzgewinne erzielt werden, kann aber auch mehr Zeit für Austausch, Führung und soziale Unterstützung entstehen. Das kann sich nachhaltig positiv auf das Betriebsklima und die Leistungsfähigkeit des Unternehmens auswirken.
Weiterhin ist es möglich, dass Arbeitsmittel ungünstig gestaltet sind, da das technische System bei Funktionsfehlern ungenügende oder unklare Antworten liefert. Immer häufiger werden bei Fragen und Problemen der Beschäftigten Chatbots eingesetzt, statt mit einem Menschen differenzierte Lösungen für ein Problem zu finden. Arbeitsplätze können durch KI aber auch für Menschen mit besonderen Bedürfnissen zugänglicher werden[9]. So profitieren gehörlose Menschen bereits durch Autotranskription von Gesprächen oder Vorlesungen.
Um eine sichere und gesundheitsgerechte Gestaltung der Arbeit mit KI zu ermöglichen, ist eine Beurteilung der Arbeitsbedingungen, die die psychische Belastung einschließt, schon bei der Einführung von KI sinnvoll.
Bezüglich der Arbeitsumgebung lassen sich viele Potenziale von KI feststellen. Die physische Arbeitsbelastung durch schwere Lasten und ungesunde Haltung sowie auch schmutzige und gefährliche Tätigkeiten können weiter verringert werden. So können selbstfahrende LKWs und Bohrmaschinen das Risiko für Menschen in Minen reduzieren. KI-gestützte Systeme sind in der Lage, toxische Materialien zu identifizieren und zu handhaben.
Folgen für Sicherheit und Gesundheit
Belastungsfaktoren, wie die hier beschriebenen, können sich negativ auf die Sicherheit und Gesundheit der Beschäftigten auswirken. So kann eine hohe Arbeitsintensität die Gesundheit verschlechtern[10] und Isolation das Wohlbefinden am Arbeitsplatz verringern.[11] Fallen Pausen häufig aus, kann sich sowohl das Unfallrisiko erhöhen[12] als auch das Auftreten von Nacken-, Rücken- und Schulterschmerzen, Müdigkeit sowie physischer und emotionaler Erschöpfung begünstigt werden.[13]
Maßnahmen für einen guten Umgang mit KI
Um eine sichere und gesundheitsgerechte Gestaltung der Arbeit mit KI zu ermöglichen, ist eine Beurteilung der Arbeitsbedingungen, die die psychische Belastung einschließt, schon bei der Einführung von KI sinnvoll.
Grundsätzlich sollte ein menschenzentrierter Ansatz verfolgt werden. Damit wird bewusst Abstand von einer technikzentrierten Gestaltung von KI-Systemen genommen, die vor allem Effizienzsteigerung in den Vordergrund stellt. Stattdessen rückt der Mensch wieder in den Mittelpunkt[14], indem er gemeinsam mit KI arbeitet, kreativ gestaltet und eigenverantwortlich Entscheidungen trifft. KI soll die Arbeit unterstützen, nicht ersetzen.
Aus diesem Grund sollte zunächst geprüft werden, in welchen Bereichen auf die Einführung von KI verzichtet werden sollte, wenn deren Nutzen die Risiken nicht übersteigt oder eine gute Gestaltung nicht gewährleistet werden kann. Fällt die Entscheidung für eine Einführung von KI, bieten die folgenden Beispiele einen ersten Einblick und Impulse für technische, organisatorische und personenbezogene Maßnahmen.
Als technische Maßnahmen ist „Explainable AI“ (erklärbare KI) eine besondere Unterstützung. Dabei macht die KI ihre internen Informationsverarbeitungsschritte nachvollziehbar, statt nur die Ergebnisse der Verarbeitung zu liefern. Dies versetzt den Menschen in die Lage, das System besser zu verstehen und erhöht somit Vertrauen in das System sowie dessen Effizienz.[15] Das oben genannte System, das vor einer Sepsis warnt, könnte beispielsweise die konkreten Vitalparameter sowie deren Gewichtung transparent machen, die zu einer Warnmeldung und Handlungsempfehlungen geführt haben.
Aus organisatorischer Sicht ist es hilfreich und sinnvoll, die KI-Einführung als Change Management zu verstehen. KI beeinflusst potenziell sehr verschiedene Arbeitstätigkeiten in der Organisation und hängt somit mit vielen Belastungsfaktoren zusammen. Somit eignet sich ein systematisch gestalteter Veränderungsprozess, der schon bei der Analyse und der Planung die Beschäftigten einbindet und kontinuierlich die Chancen und Herausforderungen für die Arbeit sowie Sicherheit und Gesundheit der Beschäftigten im Blick hat, besonders.
Auf personenbezogener Ebene spielt KI-Kompetenz („AI literacy“) eine wichtige Rolle, um „KI-Systeme sachkundig einzusetzen sowie sich der Chancen und Risiken von KI und möglicher Schäden, die sie verursachen kann, bewusst zu werden“[16]. Laut europäischer KI-Verordnung müssen alle Personen, die in einer Organisation mit dem Betrieb oder der Nutzung von KI-Systemen zu tun haben, über solche Kompetenzen verfügen.[17]
Fazit
Eine gute Gestaltung von KI auf technischer, organisatorischer und personenbezogener Ebene ermöglicht es, die zahlreichen Chancen der Technologie zu nutzen, Herausforderungen frühzeitig im Blick zu haben und somit negative Auswirkungen auf Sicherheit und Gesundheit zu vermeiden.
Fußnoten
-
Jetha, A.; Bakhtari, H.; Rosella, L. C. et al.: Artificial intelligence and the work–health interface: a research agenda for a technologically transforming world of work. Am J Ind Med. 2023; 66: 815-830
-
Arntz et al.: Digitalisierung und Wandel der Beschäftigung (DiWaBe 2.0): Eine Datengrundlage für die Erforschung von Künstlicher Intelligenz und anderer Technologien in der Arbeitswelt. 1. Auflage. Dortmund: Bundesanstalt für Arbeitsschutz und Arbeitsmedizin, 2025
-
Bitkom, KI in der deutschen Wirtschaft – Status quo und Ausblick, abgerufen am 2.12.2025 https://www.bitkom.org/sites/main/files/2025-09/bitkom-pressekonferenz-ki-unternehmen-charts_1.pdf
-
Ergonomische Grundlagen bezüglich psychischer Arbeitsbelastung - Teil 1: Allgemeine Aspekte und Konzepte und Begriffe (ISO 10075-1:2017), Deutsche Fassung EN ISO 10075-1:2017 Ausgabe 2018-01
-
GDA-Arbeitsprogramm Psyche (Hrsg.): Berücksichtigung psychischer Belastung in der Gefährdungsbeurteilung – Empfehlungen zur Umsetzung in der betrieblichen Praxis, 4. Auflage, Berlin 2022
-
Howard J.: Algorithms and the future of work. Am J Ind Med. 2022; 65: 943-952
-
Fisher, E.; Flynn, M. A.; Pratap, P. & Vietas, J. A.: Occupational Safety and Health Equity Impacts of Artificial Intelligence: A scoping Review. Int. J. Environ. Res. Public Health 2023, 20(13), 6221
-
Reinhold, K.; Järvis, M. et al.: Artificial intelligence for worker management: implications for occupational safety and health. Executive Summary. European Agency for Safety and Health at Work, 2022
-
Heinold, E.; Rosen, P. H.; Wischniewski, S.: Policy brief: Advanced robotics and AI-based systems in the workplace: OSH challenges and opportunities originating from actual implementation. European Agency for Safety and Health at Work, EU-OSHA, 2023
-
Stab, N.; Jahn, S. & Schulz-Dadaczynski, A.: Psychische Gesundheit in der Arbeitswelt. Arbeitsintensität. Dortmund: Bundesanstalt für Arbeitsschutz und Arbeitsmedizin 2016
-
D'Oliveira, T. C. & Persico, L.: Workplace isolation, loneliness and wellbeing at work: The mediating role of task interdependence and supportive behaviours. Applied Ergonomics, 2023, 106, 103894
-
Fischer, D.; Lombardi, D. A.; Folkard, S.; Willetts, J. & Christiani, D. C: Updating the "Risk Index": A systematic review and meta-analysis of occupational injuries and work schedule characteristics. Chronobiol Int. 2017;34(10):1423-1438
-
Vieten, L.; Wöhrmann, A. M.; Wendsche, J. & Michel, A.: Employees’ work breaks and their physical and mental health: Results from a representative German survey. Applied Ergonomics, 2023. 110: p. 103998
-
Denkfabrik Digitale Arbeitsgesellschaft im Bundesministerium für Arbeit und Soziales (Hrsg.): Arbeiten mit Künstlicher Intelligenz. Perspektiven für eine menschenzentrierte Gestaltung von KI. Working Paper. Berlin 12/2022
-
Fisher, E.; Flynn, M. A.; Pratap, P. & Vietas, J. A.: Occupational Safety and Health Equity Impacts of Artificial Intelligence: A scoping Review. Int. J. Environ. Res. Public Health 2023, 20(13), 6221
-
Verordnung über künstliche Intelligenz (Artificial Intelligence Act), Artikel 3 Nr. 56, abgerufen am 10.11. 2025 https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX%3A32024R1689&qid=1762771452258
-
Verordnung über künstliche Intelligenz (Artificial Intelligence Act), Artikel 4, abgerufen am 10.11. 2025 https://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX%3A32024R1689&qid=1762771452258