Das Problem hat einen Namen
KI-Projekte landen fast immer bei denselben zwei, drei Personen. Der Netzwerkadministrator soll plötzlich Sprachmodelle evaluieren. Die Entwicklerin, die eigentlich die Warenwirtschaft betreut, baut nebenbei einen Chatbot. Der IT-Leiter sitzt zwischen Tagesgeschäft und Strategiemeeting.
Das ist kein Einzelfall. Laut einer Erhebung des österreichischen Wirtschaftsforschungsinstituts WIFO aus 2025 geben 61 Prozent der befragten KMU an, KI-Initiativen intern umzusetzen — aber nur 18 Prozent haben dafür dedizierte Stellen geschaffen. Die Rechnung geht auf Kosten des vorhandenen Personals.
Burnout in IT-Abteilungen ist nicht neu. KI macht ihn schneller, stiller und schwerer erkennbar. Hier sind drei Symptome, die ich in der Beratungspraxis regelmäßig sehe.
Symptom 1: Permanente Kompetenzangst
KI-Werkzeuge ändern sich rasend schnell. Ein Modell, das im Jänner als Standard gilt, ist im Juni veraltet. Für IT-Mitarbeiter bedeutet das: Wissen hat kürzere Halbwertszeit als je zuvor.
Häufiges Muster: Ein Entwickler investiert vier Wochen in die Einarbeitung in ein KI-Framework. Drei Monate später erscheint Version 2.0 mit komplett veränderter Architektur. Die Einarbeitung beginnt von vorn — neben dem laufenden Betrieb.
Das erzeugt eine spezifische Erschöpfungsform: nicht physische Überlastung, sondern kognitive Dauerbelastung. Betroffene beschreiben das Gefühl, nie auf dem aktuellen Stand zu sein, egal wie viel sie lernen. In der Psychologie nennt man das erlernte Hilflosigkeit — man hört auf, Kontrolle über die eigene Kompetenzentwicklung zu erleben.
Was das für KMU bedeutet: Mitarbeiter werden still. Sie melden sich nicht mehr für neue Projekte. Sie liefern, ohne Fragen zu stellen. Das sieht nach Effizienz aus — ist aber oft ein frühes Warnsignal.
Gegenmaßnahme: Lernzeit institutionalisieren. Nicht als Bonus, sondern als fixer Bestandteil der Arbeitszeit. Typisch wirksam: vier Stunden pro Woche, geschützt vor Meetings und Tickets. Kein KMU kann sich leisten, qualifizierte IT-Mitarbeiter durch strukturelle Vernachlässigung zu verlieren.
Symptom 2: Projektstau durch fehlende Entscheidungen
KI-Projekte in KMU scheitern selten an der Technik. Sie scheitern daran, dass niemand Entscheidungen trifft.
Typisches Beispiel: Ein IT-Team evaluiert drei Monate lang verschiedene KI-Anbieter. Die Geschäftsführung will abwarten, bis sich der Markt konsolidiert. Das Team bereitet Präsentation nach Präsentation vor, jedes Mal mit neuen Anbietern, die inzwischen aufgetaucht sind. Ergebnis: null produktive Stunden, maximale Frustration.
Das ist kein technisches Problem. Es ist ein Führungsproblem. Wenn Entscheidungen ausbleiben, trägt die IT-Abteilung die gesamte emotionale Last des Projekts — Erwartungsdruck von oben, Ungewissheit über den Ausgang, kein klares Ziel.
Laut einer Studie von McKinsey aus 2024 verbringen IT-Mitarbeiter in Unternehmen ohne klare KI-Governance durchschnittlich 30 Prozent ihrer Projektzeit mit Abstimmungen und Neubewertungen statt mit produktiver Arbeit. In KMU, wo Teams kleiner sind, fällt dieser Anteil noch stärker ins Gewicht.
Häufiges Muster: IT-Leiter kündigen innerlich, bevor sie formal kündigen. Der erste Schritt ist Rückzug aus der Initiative: weniger Eigeninitiative, weniger Ideen, nur noch Pflichterfüllung.
Gegenmaßnahme: Entscheidungsfenster definieren. Konkret: Bei KI-Projekten maximal sechs Wochen Evaluationsphase, danach verbindliche Entscheidung — auch wenn der Markt sich weiterentwickelt. Ein mittelmaßiges Werkzeug, das konsequent eingesetzt wird, schlägt jede theoretisch optimale Lösung, die nie in Betrieb geht.
Symptom 3: Rollendiffusion
In KMU verschwimmen Rollen schnell. Das ist oft eine Stärke — Flexibilität, kurze Wege, pragmatisches Anpacken. Bei KI-Projekten wird es zum Problem.
Typisches Beispiel: Ein Systemadministrator mit 15 Jahren Erfahrung soll plötzlich KI-Ethikrichtlinien formulieren, Datenschutzfolgeabschätzungen für KI-Systeme erstellen und gleichzeitig den Helpdesk am Laufen halten. Keine dieser Aufgaben gehört zu seinem ursprünglichen Aufgabenbereich. Alle drei werden trotzdem erwartet.
Das Ergebnis ist nicht nur Überlastung. Es ist Identitätsverlust. Mitarbeiter wissen nicht mehr, wofür sie gut sind. Ihr Fachwissen — aufgebaut über Jahre — scheint plötzlich weniger relevant als neue KI-Kompetenzen, die sie noch nicht haben.
Das ist besonders gefährlich, weil es erfahrene Mitarbeiter betrifft. Wer zehn oder zwanzig Jahre Erfahrung mitbringt, hat höhere Ansprüche an die eigene Leistung. Wenn diese Erfahrung durch neue Technologien entwertet wirkt, ist die psychologische Belastung überproportional groß.
Laut einer Auswertung des deutschen Bundesinstituts für Berufsbildung aus 2025 berichten 44 Prozent der IT-Fachkräfte mit mehr als zehn Jahren Berufserfahrung von einem spürbaren Rückgang ihrer Arbeitszufriedenheit seit Beginn intensiver KI-Einführung in ihren Unternehmen.
Gegenmaßnahme: Rollenklarheit vor Projekteinstieg. Das bedeutet: Vor jedem KI-Projekt einen einseitigen Zuständigkeitsplan erstellen. Wer entscheidet was. Wer ist verantwortlich. Wer wird nur informiert. Das klingt banal — in der Praxis fehlt es in sieben von zehn KMU-KI-Projekten, die ich begleite.
Was Geschäftsführer konkret tun können
Drei Maßnahmen, die keinen Sonderetat erfordern:
Erstens: Regelmäßige Einzelgespräche, fokussiert auf Belastung. Nicht auf Projektstatus. Explizit fragen: Was blockiert Sie gerade am meisten? Was würden Sie sofort abgeben, wenn Sie könnten? Diese Fragen liefern Frühwarnsignale, bevor sie zu Kündigungen werden.
Zweitens: KI-Projekte priorisieren, nicht stapeln. Ein KMU mit fünf IT-Mitarbeitern kann nicht gleichzeitig CRM-KI, Dokumentenautomatisierung und einen internen Wissensassistenten einführen. Wer alles gleichzeitig will, bekommt nichts fertig und erschöpft sein Team. Ein Projekt zu Ende, dann das nächste.
Drittens: Externe Unterstützung als strukturelle Entscheidung, nicht als Notnagel. Viele KMU holen externe Berater erst, wenn das Team bereits am Limit ist. Besser: Von Beginn an definieren, welche KI-Kompetenzen intern aufgebaut werden und welche dauerhaft extern bleiben. Das entlastet das Team und setzt realistische Erwartungen.
Meine Einschätzung
KI-Burnout in IT-Abteilungen ist kein Softieproblem. Er kostet. Eine erfahrene IT-Fachkraft zu ersetzen kostet in Österreich realistisch zwischen 40.000 und 80.000 Euro — Recruiting, Einarbeitung, Produktivitätsverlust eingerechnet. Präventive Maßnahmen, die ich oben beschrieben habe, kosten einen Bruchteil davon.
Das Argument „Wir haben keine Zeit für sowas" höre ich oft. Ich halte es für eine Fehlkalkulation. Wer keine Zeit hat, das Team zu schützen, wird Zeit haben müssen, es zu ersetzen.
KI-Einführung ist ein Marathonprojekt, kein Sprint. Wer sein Team im ersten Jahr verbrennt, läuft den Rest des Weges allein.