Work: Die unsichtbare Kantine – Wie KI die informelle Wissensarbeit zerstört und warum Innovation darunter leidet
Jeder kennt das Gefühl: Du stehst mit dem Kaffee in der Hand neben dem Automaten, ein Kollege erzählt beiläufig von einem Problem in seinem Projekt – und plötzlich fällt dir die Lösung für dein eigenes ein. Kein Meeting, kein Ticket, kein Prompt. Einfach ein Zufall, der nur passieren konnte, weil zwei Menschen zur gleichen Zeit am gleichen Ort waren.
Genau diese Momente verschwinden gerade. Nicht weil jemand sie verbietet, sondern weil sie überflüssig werden. Warum den Kollegen fragen, wenn Claude in 30 Sekunden antwortet? Warum zum Whiteboard gehen, wenn ChatGPT den Entwurf schneller liefert? Die Effizienzmaschine KI optimiert die formelle Wissensarbeit – und eliminiert dabei still die informelle. Das Problem: Aus genau dieser informellen Arbeit entsteht der größte Teil echter Innovation.
Das Produktivitäts-Paradox: Schneller arbeiten, weniger erreichen
Die Zahlen klingen beeindruckend. Bei AES Energy wurde ein 14-Tage-Audit auf eine Stunde komprimiert. Google lässt 50 Prozent seines Codes von KI schreiben und meldet über 10 Prozent Geschwindigkeitsgewinn bei zehntausenden Ingenieuren. KPMG reduzierte die Vorbereitungszeit für Executive-Meetings um 75 Prozent – 90 Prozent der Mitarbeiter nutzten das Tool innerhalb von zwei Wochen. [1]
Aber was passiert mit der freigewordenen Zeit? Sie wird nicht frei. Mike Manos, CTO von Dun & Bradstreet, bringt es auf den Punkt: „I got the eight hours to two hours, but now I can get 20 hours of work." Die Unternehmen füllen jede gewonnene Minute sofort mit neuer Arbeit. Boston Consulting Group dokumentiert, dass Mitarbeiter, die mehrere KI-Tools gleichzeitig überwachen, 12 Prozent mehr mentale Ermüdung und signifikante Informationsüberlastung berichten. [1]
John Maynard Keynes prognostizierte in den 1930er-Jahren, dass wir bis 2030 eine 15-Stunden-Woche haben würden. Fast hundert Jahre später arbeiten wir mehr als je zuvor – nur schneller. Das ist kein Bug, das ist das System.
Und es wird noch paradoxer: Eine Fortune-Studie von Februar 2026 befragte 6.000 CEOs und Führungskräfte aus den USA, Großbritannien, Deutschland und Australien. Die große Mehrheit sieht trotz massiver KI-Investitionen kaum messbare Auswirkungen auf die Gesamtproduktivität ihres Unternehmens. [2] Der individuelle Speed-Boost existiert – aber er übersetzt sich nicht in kollektiven Fortschritt.
Die Kantine als Innovationsmotor
Warum nicht? Weil Produktivität und Innovation zwei fundamental verschiedene Dinge sind.
Produktivität ist linear: Input rein, Output raus, messbar, optimierbar. Innovation ist chaotisch: Sie braucht Reibung, Zufall, Umwege. Der Soziologe Mark Granovetter nannte das 1973 die „Strength of Weak Ties" – die Kraft der losen Verbindungen. [3] Nicht dein enger Projektkreis bringt die Durchbrüche, sondern der flüchtige Kontakt mit jemandem aus einer anderen Abteilung, einem anderen Fachgebiet, einer anderen Denkwelt.
Die Kantine, der Flur, die Kaffeepause – das sind keine Zeitverschwendung. Es sind die Orte, an denen schwache Verbindungen entstehen. Wo der Designer zufällig dem Data Engineer erzählt, wie er ein UI-Problem gelöst hat, und der Data Engineer plötzlich einen neuen Ansatz für seine Pipeline sieht.
STADLER Rail, der Schweizer Schienenfahrzeug-Hersteller, hat ChatGPT für 650 Mitarbeitende ausgerollt, um die Wissensarbeit zu transformieren und Zeit zu sparen. [4] Das ist sinnvoll für dokumentierbare, wiederholbare Prozesse. Aber welche Innovationen bei STADLER entstanden vorher aus den Gesprächen zwischen Ingenieuren verschiedener Abteilungen in der Mittagspause? Das misst niemand. Und was nicht gemessen wird, wird nicht vermisst – bis es zu spät ist.
Der Gensler-Widerspruch: KI-Nutzer sind sozialer
Hier wird es interessant. Der Global Workplace Survey 2026 des Gensler Research Institute liefert ein auf den ersten Blick widersprüchliches Ergebnis: Die Mitarbeiter, die am tiefsten in KI-Tools eingebettet sind, sind gleichzeitig am stärksten mit ihren Teams verbunden. KI scheint den Arbeitstag so umzustrukturieren, dass mehr Raum für Kollaboration, Lernen und zwischenmenschliche Interaktion entsteht. [5]
Klingt wie ein Gegenargument. Ist es aber nur auf den ersten Blick.
Denn die Studie misst geplante Kollaboration – Meetings, Teamchats, strukturierte Zusammenarbeit. Das ist nicht dasselbe wie informelle Interaktion. Im Gegenteil: Wenn KI die Routinearbeit übernimmt und der Kalender sich mit „strategischen Meetings" füllt, bleibt weniger Zeit für das Unstrukturierte. Das Geplante verdrängt das Ungeplante. Und genau im Ungeplanten liegt der Wert.
Roberto Rigobon vom MIT warnt in diesem Kontext vor einem fundamentaleren Problem: dem Verlust von Neuroplastizität. „When we stop using our brains, we forget", sagt er. Wenn wir kreative Denkprozesse an KI auslagern, verkümmern genau die neuronalen Pfade, die für Unternehmertum und künstlerisches Schaffen verantwortlich sind. [6] Es geht nicht nur um verlorene Begegnungen – es geht um verlorene Fähigkeiten.
Remote Work hat den Boden bereitet
Das Problem ist nicht neu. Es hat 2020 begonnen. Die Pandemie hat die räumliche Infrastruktur für informelle Interaktion zerstört – Großraumbüros, Kantinen, Flure. Remote Work hat gezeigt, dass formelle Arbeit auch ohne physische Präsenz funktioniert. Aber es hat auch gezeigt, was verloren geht: Die informelle Wissensübertragung, die nie in einem Slack-Channel stattfindet. [7]
KI beschleunigt diesen Trend exponentiell. Denn Remote Work hat nur den Ort der informellen Interaktion entfernt. KI entfernt den Anlass. Warum sollte ich jemanden fragen, wenn ich eine Maschine fragen kann, die schneller, verfügbarer und urteilsfreier antwortet?
Eine Studie in Frontiers in Organizational Psychology identifiziert KI als „powerful resource for informal workplace learning" – aber mit einer entscheidenden Einschränkung: KI kann strukturiertes Wissen vermitteln, aber nicht die soziale Einbettung replizieren, die informelles Lernen am Arbeitsplatz ausmacht. [8] Du lernst von Claude, wie ein API-Endpunkt funktioniert. Aber du lernst nicht, dass der Kollege drei Stockwerke höher dasselbe Problem letzte Woche gelöst hat – mit einem Ansatz, auf den kein Modell der Welt gekommen wäre.
Die SaaS-Disruption als Warnsignal
Was auf Unternehmensebene passiert, spiegelt sich auf Marktebene. Der Legacy-SaaS-Markt hat knapp eine Billion Dollar an Börsenwert verloren, weil KI-Agenten und Open-Source-Coding-Tools die Kernversprechen dieser Unternehmen untergraben. [9] Block entlässt Mitarbeiter, die Aktie steigt. Der Markt belohnt Effizienz.
Aber Effizienz ist ein Nullsummenspiel. Wenn jedes Unternehmen dieselben KI-Tools nutzt, hat niemand einen Vorteil. Der Differenzierungsfaktor wird dann nicht mehr sein, wer die beste KI hat – sondern wer die besten Menschen hat und wie diese Menschen zusammenarbeiten. Tacit Knowledge, das stille Wissen, das in keiner Datenbank steht und in keinem Prompt formuliert werden kann.
Die Unternehmen, die verstehen, wie man kollektive Intelligenz freisetzt, ihre Mitarbeiter einbindet und das implizite Wissen nutzt, das sie bereits haben – und dann KI einsetzen – werden gewinnen. [2] Die Reihenfolge ist entscheidend.
Brauchen wir einen Inefficiency-Mode?
Die provokante Frage: Braucht die nächste KI-Generation einen eingebauten „Ineffizienz-Modus"?
Das klingt absurd. Aber der Gedanke hat Substanz. Wenn KI-Systeme jeden Arbeitsprozess auf maximale Effizienz trimmen, eliminieren sie systematisch die Reibung, aus der Innovation entsteht. Ein bewusster Inefficiency-Mode könnte bedeuten:
- Zufällige Verbindungen herstellen: Die KI schlägt nicht die schnellste Lösung vor, sondern verbindet dich mit einem Kollegen, der an einem ähnlichen Problem arbeitet.
- Bewusste Verlangsamung: Statt sofortiger Antworten generiert das System Fragen, die zum Nachdenken zwingen – und zum Gespräch mit anderen.
- Serendipity by Design: Unternehmen investieren in Räume, die zufällige Begegnungen fördern – kollaborative Lounges, Innovation Labs, immersive VR-Meeting-Räume. [5]
Das ist kein Rückschritt. Es ist die Erkenntnis, dass menschliche Systeme anders funktionieren als Maschinen. Die effizienteste Fabrik ist vollautomatisiert. Die innovativste Organisation ist es nicht.
MIT-Forscher Rama Ramakrishnan weist darauf hin, dass LLM-Genauigkeit die menschliche Genauigkeit bei vielen Enterprise-Aufgaben bereits 2026 übertrifft. [6] Das ist für kodifizierte Aufgaben relevant. Aber für die Aufgaben, die niemand kodifizieren kann – die spontane Idee, die unerwartete Verbindung, den kreativen Sprung – bleibt der Mensch nicht nur überlegen, sondern alternativlos.
Was das für die Praxis bedeutet
Die Lösung ist nicht, KI abzuschalten. Das wäre, als würde man das Fließband abbauen, weil die Arbeiter nicht mehr miteinander reden.
Die Lösung ist, informelle Interaktion als das zu behandeln, was sie ist: kritische Infrastruktur. Genauso wie Unternehmen in Server, Software und Sicherheit investieren, müssen sie in die Bedingungen für zufällige menschliche Begegnung investieren.
Konkret heißt das:
- KI für Routine, Menschen für Resonanz: Automatisiere alles, was automatisierbar ist – aber schaffe bewusst Räume und Zeit für unstrukturierte Interaktion.
- Hybrid richtig denken: Nicht „drei Tage Büro, zwei Tage Home" als Regel, sondern die Bürotage gezielt für Kollaboration und informellen Austausch nutzen.
- KI als Brücke, nicht als Ersatz: Tools, die Mitarbeiter mit ähnlichen Problemen verbinden, statt ihnen isolierte Antworten zu liefern.
Die unsichtbare Kantine war nie ein Ort. Sie war ein Zustand – die Möglichkeit, dass etwas Unerwartetes passiert. Wer diesen Zustand der Effizienz opfert, spart heute Zeit und verliert morgen die Zukunft.
Referenzen
- The AI productivity paradox: More work, not less – Fortune, März 2026
https://fortune.com/2026/03/10/ai-productivity-workers-workday-efficiency/ - AI Productivity Paradox: Thousands of CEOs admit AI had no impact on employment or productivity – Fortune, Februar 2026
https://fortune.com/2026/02/17/ai-productivity-paradox-ceo-study-robert-solow-information-technology-age/ - Mark Granovetter: The Strength of Weak Ties, American Journal of Sociology, 1973
https://www.jstor.org/stable/2776392 - ChatGPT-Einsatz bei STADLER Rail und OpenAI-Ankündigungen, März 2026
https://openai.com - The AI Paradox: Gensler's Global Survey Finds the Most Tech-Driven Workers Are Also the Most Human, 2026
https://www.architectmagazine.com/design/the-ai-paradox-genslers-global-survey-finds-the-most-tech-driven-workers-are-also-the-most-human/ - Looking ahead at AI and work in 2026 – MIT Sloan, 2026
https://mitsloan.mit.edu/ideas-made-to-matter/looking-ahead-ai-and-work-2026 - Knowledge Evaporation: Don't let your agency's watercooler creativity disappear – BHyve
https://bhyve.io/blogs/knowledge-evaporation-dont-let-your-agencys-watercooler-creativity-disappear - Artificial intelligence for informal workplace learning: a problem-solving perspective – Frontiers in Organizational Psychology, 2025
https://www.frontiersin.org/journals/organizational-psychology/articles/10.3389/forgp.2025.1555429/full - Anthropic warnt vor KI-Tsunami ab 2027: SaaSpocalypse und Marktverschiebungen – Everlast AI, März 2026
https://www.youtube.com/watch?v=P6XUnkU0Hb8