Scattered Minds: Wie viele Agenten ein Kopf beaufsichtigen kann

Acht Threads, ein Kopf

Auf dem Bildschirm laufen acht Agenten, jeder an einer anderen Aufgabe. Einer baut eine Datenbankmigration, einer sucht einen Fehler in der Abrechnung, einer schreibt Tests für ein Modul, das seit Monaten niemand angefasst hat. Alle fünfundvierzig Sekunden meldet sich irgendwo ein Zwischenstand. Man liest ihn, beurteilt ihn, legt den nächsten Schritt fest und springt weiter. In den Lücken dazwischen schaut man kurz ins Postfach, oder man startet gleich einen neunten Agenten, was viele tun. Die Details erledigen die Agenten, man selbst kümmert sich um Richtung und Architektur und nimmt am Ende ab.

Nach drei Stunden ist man nicht müde. Der Kopf ist voll, wie ein Raum voll ist, in dem zu viele Leute gleichzeitig reden.

Manche erleben genau diesen Zustand als angenehm: ein leicht zappeliger Flow, in dem ständig etwas fertig wird und man selbst den Takt vorgibt. Auch diese Erfahrung ist echt, und sie gehört in diesen Text. Am Ende steht trotzdem eine Grenze, die wir für uns gezogen haben.

Ein Name für den Zustand

Wir nennen das Reihum-Aufsicht. Die Agenten arbeiten parallel, man selbst schaut nacheinander bei ihnen vorbei, ungefähr so, wie ein Betriebssystem Rechenzeit in Zeitscheiben verteilt. Bei jedem Besuch liegt etwas Halbfertiges auf dem Tisch: ein Entwurf, ein roter Test, ein Plan mit drei offenen Fragen. Jedes davon verlangt ein Urteil. Man muss Arbeit verstehen, die man nicht selbst gemacht hat, und steht für Code gerade, den man nicht geschrieben hat.

Neu ist das Grundproblem nicht. Die Ingenieurpsychologie untersucht seit Jahrzehnten, wie Menschen automatisierte Systeme überwachen, und die Robotik hat sogar ein Maß dafür, wie viele Roboter ein Mensch zugleich sinnvoll führen kann. In Versuchen mit simulierten Robotern hing diese Zahl davon ab, wie selbstständig sie arbeiteten und wie schwer die Aufgabe war. Agenten sind keine Roboter, das Prinzip gilt trotzdem: Wie viele man führen kann, hängt davon ab, wie lange jeder ohne Aufsicht auskommt. Zwei Studien übertragen die Konzepte dieser Forschung bereits auf Coding-Agenten, und eine davon beschreibt genau die Last, fremde Arbeit ausreichend verstehen zu müssen. Das Maß dafür, wie viele Roboter ein Mensch führen kann, übertragen beide nicht auf Agenten (Quellen im Anhang).

Wen diese Arbeitsweise befreit

Vor den Kosten kommt etwas anderes, und das schreibe ich selbst. Für mich ist diese Arbeitsweise eine Befreiung. Zum ersten Mal kann ich mehrere Gedankenstränge parallel verfolgen und jeden davon fachlich ordentlich durchdeklinieren. Die Ergebnisse kommen schnell. Der Stand der Technik fließt von allein ein, und meine Konzepte werden unterwegs hinterfragt und korrigiert.

Woran das liegt, kann ich genau benennen. Ich lasse die Details los, und die Zeit, bis eine kreative Idee in der Praxis überprüft ist, ist auf einen Bruchteil geschrumpft. Beides zusammen macht die Arbeit für mich motivierend.

Nicht allen geht es so. Was ich hier beschreibe, ist meine Erfahrung mit dieser Arbeit.

Was die Befragung zeigt

Am nächsten kommt diesem Zustand eine Befragung der Boston Consulting Group unter Beschäftigten großer US-Unternehmen. Die Ergebnisse sind im März 2026 in der Harvard Business Review erschienen. Als Beraterumfrage beruht sie auf Selbstauskünften und zeigt Zusammenhänge zu einem einzigen Zeitpunkt.

Die Autoren nennen das Phänomen „AI brain fry“: geistige Erschöpfung durch übermäßige Nutzung oder Beaufsichtigung von KI-Werkzeugen, die über die eigene Kapazität hinausgeht. Die Befragten beschreiben Nebel im Kopf, Konzentrationsprobleme, langsamere Entscheidungen und Kopfschmerzen. Eine Minderheit der KI-Nutzer kannte das aus eigener Erfahrung, und Engineering gehört zu den stärker betroffenen Bereichen. Am stärksten geht die Erschöpfung mit der Aufsicht einher: Wer KI-Werkzeuge intensiv beaufsichtigte, berichtete von mehr Anstrengung, Ermüdung und Informationsflut, und wer den Zustand kannte, nach eigener Einschätzung auch von mehr Entscheidungsmüdigkeit und mehr Fehlern. Die Autoren grenzen das ausdrücklich von Burnout ab: KI-Nutzung an sich ging in ihren Daten nicht mit mehr Burnout einher (Zahlen und Einschränkungen im Anhang).

Dazu kommt eine Kurve. Wer zwei KI-Werkzeuge gleichzeitig nutzte, schätzte seine Produktivität deutlich höher ein als jemand mit einem, und wer drei nutzte, noch etwas höher. Bei mehr als drei Werkzeugen sank der Wert. Verglichen werden dabei verschiedene Menschen, und gemessen wird ihre gefühlte Produktivität. Was eine einzelne Person tatsächlich liefert, wenn sie Werkzeuge dazunimmt, steht nicht in den Daten. Die Form ist trotzdem deutlich: Die Kurve steigt, flacht ab und knickt (Grafik im Anhang).

Der Engpass beim Entscheiden und beim Wechseln

Drei Befunde passen zusammen. Der erste betrifft das Entscheiden. In einem Laborexperiment mit Hirnscans lief bei zwei überlappenden Aufgaben die frühe Wahrnehmung weitgehend parallel, während sich die Aufgaben bei der Auswahl der Reaktion hintereinander anstellten. Das Experiment drehte sich um einfache Tastendrücke, die Übertragung auf Agentenaufsicht ist unser Schluss: Acht Zwischenstände nimmt man fast gleichzeitig wahr, entschieden wird über einen nach dem anderen.

Hinzu kommt der Wechsel. In zwei Experimenten fiel es Menschen schwer, die Aufmerksamkeit von einer unfertigen Aufgabe zu lösen, und ihre Leistung bei der nächsten litt darunter. Die Forschung nennt diesen Rest an Aufmerksamkeit, der an der vorigen Aufgabe hängen bleibt, Attention Residue. Nur wer die erste Aufgabe unter Zeitdruck abgeschlossen hatte, löste sich leichter von ihr. Bei der Reihum-Aufsicht ist beim Wechsel fast nie etwas abgeschlossen.

Zuletzt geht es um die Rückkehr: In einer kleinen Beobachtungsstudie in einem einzigen Unternehmen vergingen im Schnitt rund 25 Minuten, bis jemand zu unterbrochener Arbeit zurückkehrte, sofern das am selben Tag geschah. Ein Takt von 45 Sekunden ist um ein Vielfaches kürzer, ein Thread wird also kaum je mit freiem Kopf wieder aufgegriffen. Wir folgern daraus, dass sich dieser Zustand während der Arbeit anhäuft. Eine Messung dazu kennen wir nicht (Studien und Zahlen im Anhang).

Das Lagebild geht verloren

Lisanne Bainbridge hat 1983 beschrieben, was Leitwarten seither begleitet. Automatisierung könne die Probleme mit dem menschlichen Bediener eher vergrößern als beseitigen, schreibt sie. Ihm bleibt, was sich nicht automatisieren ließ, und er muss übernehmen, wenn etwas aus dem Ruder läuft, also dann, wenn Fähigkeiten gefragt sind, die ohne Übung verkümmern. Sie schrieb über die Prozessindustrie, die Übertragung auf Agenten ist unsere Analogie.

Ein Experiment aus den Neunzigern zeigt, was dabei mit dem Verständnis passiert. Wer bei einer automatisierten Navigationsaufgabe die Entscheidungen nicht mehr selbst traf, verstand die Lage schlechter und entschied nach einem Ausfall der Automatik langsamer, obwohl er dieselben Informationen auf dem Bildschirm sah. Für die Reihum-Aufsicht heißt das: Man sieht alles und versteht weniger, weil man die Details nicht mehr selbst entscheidet. Eingreifen muss man genau dann, wenn der Agent scheitert, also im ungünstigsten Moment und mit dem schwächsten Lagebild (Quellen und Zitate im Anhang).

Eine Gruppe von Microsoft Research hat mit ParallelPilot ein Werkzeug gebaut, das hier helfen soll, und es im einzigen kontrollierten Laborexperiment zu parallelem Programmieren mit KI geprüft, das wir gefunden haben. Der Durchsatz stieg deutlich, und die Teilnehmer fanden es weniger mühsam, den Überblick zu behalten. Das Gefühl, die Lage im Griff zu haben, stieg dagegen nicht signifikant. Die Studie ist klein und nicht begutachtet, und die Autoren prüfen ihr eigenes Werkzeug. Wir lesen daraus: Den Zustand auszulagern entlastet das Arbeitsgedächtnis, das Lagebild bleibt so lückenhaft wie zuvor (Zahlen und Einschränkungen im Anhang).

Über Wochen kommt etwas Leiseres hinzu. In einer Befragung von Wissensarbeitern gaben die Befragten umso weniger kritisches Denken an, je mehr sie der KI bei der konkreten Aufgabe vertrauten, und umso mehr, je mehr sie ihren eigenen Fähigkeiten trauten. Auch das ist eine einmalige Selbstauskunft, einen Verlauf über Wochen hat die Studie nicht gemessen. Wir halten einen solchen Abbau für wahrscheinlich, denn das Gespür für einen falschen Zwischenschritt verkümmert wie jede Fähigkeit, die man nicht benutzt (Studie im Anhang).

Was die Forschung nicht sagt

Einen Längsschnitt oder ein Experiment zu genau diesem Muster haben wir nicht gefunden: mehrere voneinander unabhängige Agenten, ein Mensch, ein Blick im Takt von Sekunden, über Wochen. Die BCG-Daten sind ein Querschnitt aus Selbstauskünften. Ob intensive Aufsicht erschöpft, ob erschöpfte Menschen anders mit ihren Werkzeugen umgehen oder ob ein dritter Faktor beides erklärt, lässt sich daraus nicht ablesen. Eine Studie, die diese Arbeitsweise mit validierten klinischen Messinstrumenten untersucht, kennen wir nicht. Die Belege reichen für Ermüdung, zersplitterte Aufmerksamkeit und Kosten beim Entscheiden, und dabei bleibt dieser Text.

Eine belastbare Zahl für die Kapazität kennen wir ebenfalls nicht. Die Befragung zählt KI-Werkzeuge, und ein Thread mit einem Coding-Agenten ist eine andere Einheit. Dass die Kurve irgendwo knickt, ist gut begründet. Wo sie für Coding-Agenten knickt, weiß noch niemand.

Die Unterschiede zwischen Menschen sind groß und folgen keiner einfachen Regel. In einer Simulation der US-Armee litten Bediener, die ihre eigene Aufmerksamkeitssteuerung hoch einschätzten, stärker unter Fehlalarmen der Automatik, Bediener mit niedriger Einschätzung stärker unter übersehenen Ereignissen. Welche Fehler wen treffen, hängt von der Person ab. In einer Interviewstudie mit Entwicklern mit ADHS schilderte eine Person, wie mehrere gleichzeitig laufende Agenten sie in Schwung halten, andere fanden das Prüfen großer Mengen KI-Code erschöpfend (beide Studien im Anhang).

Bleibt der berechtigte Einwand, dass jedes neue Medium dieselben Klagen hervorgebracht hat. Amy Orben hat diesen Kreislauf von Technikängsten beschrieben. Unser Argument stützt sich deshalb auf den seriellen Engpass beim Entscheiden, und den räumt sogar Steven Pinker ein, der gegen solche Ängste angeschrieben hat (Quellen im Anhang).

Wo wir die Grenze ziehen

Den stärksten Einwand aus der Praxis hat Rémy Duthu formuliert. Noch im März beschränkte er sich auf zwei Agenten, im Juni führte er manchmal ein Dutzend gleichzeitig und fühlte sich weniger gehetzt, weil autonomere Agenten und eine Statusübersicht aus dem ständigen Nachsehen eine Warteschlange gemacht hatten, die er der Reihe nach abarbeitete. Er räumt aber ein, dass zwei gleichzeitige Unterbrechungen genauso viel kosten wie eh und je und dass die Flut seiner PRs den Kollegen beim Review mehr Arbeit macht (Quelle im Anhang). Damit schärft er unsere Grenze. Es kommt auf die Zahl der Threads an, die im selben Moment ein Urteil verlangen, und der Takt von 30 bis 60 Sekunden ist eine Gewohnheit, die gutes Werkzeug abschaffen kann.

Unsere Empfehlung leiten wir aus der Form der Befunde ab. Niemand hat diese Grenze gemessen, sie ist unsere:

• Zwei bis drei Threads, die echtes Urteil verlangen.
• Vier bis acht nur, wenn sich die meisten von selbst melden, sobald etwas vom Plan abweicht, und höchstens ein oder zwei gerade aktiv geprüft werden.
• Den Zustand auslagern: Was jeder Thread gerade tut und worauf er wartet, steht in einer Übersicht.
• Reviews bündeln und die Agenten in einem selbst gewählten Rhythmus prüfen.
• Die Lücke leer lassen. Die halbe Minute zwischen zwei Entscheidungen ist Pause, das Postfach bleibt zu.
• Regelmäßig einen Thread bis auf die Ebene der Implementierung verfolgen, den Code lesen und selbst etwas ändern. Sonst wird man zu dem Bediener, der nur eingreift, wenn er am wenigsten weiß.

Warum wir das verfolgen

Wir arbeiten jeden Tag mit Coding-Agenten, auch in Kundensystemen, und sind dabei selbst an diese Grenze gestoßen. Deshalb verfolgen wir die Forschung dazu genau und passen unsere eigene Arbeitsweise an, sobald sie etwas Belastbares liefert.

Anhang: Zahlen und Quellen

Hier stehen die Belege zu den Abschnitten oben: Zahlen, wörtliche Zitate, der Aufbau der Studien, ihre Einschränkungen und die Quellenangaben.

Supervisory Control und Fan-out

Die Ingenieurpsychologie nennt die Überwachung automatisierter Systeme Supervisory Control; das Feld geht wesentlich auf Thomas Sheridan zurück.

• Fan-out: Die Robotik misst damit, wie viele Roboter ein Mensch zugleich sinnvoll führen kann (Olsen und Goodrich 2003). An simulierten Robotern lag der Fan-out im Mittel zwischen etwa eins und neun, je nach Autonomie der Roboter und Schwierigkeit der Aufgabe (Olsen und Wood 2004).
• Coding-Agenten: Park und Kollegen haben 19 erfahrene Entwickler bei der Arbeit mit Coding-Agenten beobachtet, daraus ein Modell der Aufsicht abgeleitet und es auf 102 Reddit-Diskussionen unter Entwicklern angewandt. Dort taucht die Last auf, fremde Arbeit ausreichend verstehen zu müssen (arXiv:2609.24234). Diese Arbeit und eine zweite von Long und Kollegen (arXiv:2609.33113) übertragen Sheridans Konzepte bereits auf Coding-Agenten, den Fan-out allerdings nicht.

Die Befragung von BCG

Bedard, Kropp und Kollegen (Boston Consulting Group): „When Using AI Leads to ‚Brain Fry‘“, Harvard Business Review, März 2026. Befragt wurden 1.488 Vollzeitbeschäftigte in den USA, die bei großen Unternehmen arbeiten.

Einschränkungen. Eine Beraterumfrage, ohne Begutachtung und ohne offengelegte Methodik, von einem Haus, das an KI-Projekten verdient. Die Daten sind ein Querschnitt aus Selbstauskünften und zeigen Zusammenhänge zu einem einzigen Zeitpunkt.

Begriff. Die Autoren beschreiben „AI brain fry“ als geistige Erschöpfung durch übermäßige Nutzung oder Beaufsichtigung von KI-Werkzeugen über die eigene kognitive Kapazität hinaus (Übersetzung von uns). Die Befragten berichten von einem „Summen“ oder einem Nebel im Kopf, von Konzentrationsproblemen, langsameren Entscheidungen und Kopfschmerzen.

Verbreitung. 14 Prozent derer, die KI bei der Arbeit nutzen, kannten das aus eigener Erfahrung, mit großen Unterschieden zwischen den Unternehmensbereichen: 6 Prozent im Rechtsbereich, 26 Prozent im Marketing. Engineering gehört zu den stärker betroffenen Bereichen.

Aufsicht. Wer KI-Werkzeuge intensiv beaufsichtigte, gab 14 Prozent mehr geistige Anstrengung an als Befragte mit wenig Aufsicht, dazu 12 Prozent mehr geistige Ermüdung und 19 Prozent mehr Informationsüberflutung. Wer „brain fry“ kannte, berichtete von 33 Prozent mehr Entscheidungsmüdigkeit und lag bei kleinen Fehlern um 11, bei großen um 39 Prozent höher, jeweils nach eigener Einschätzung.

Burnout. Die Autoren trennen das ausdrücklich von Burnout: KI-Nutzung an sich ging in ihren Daten nicht mit mehr Burnout einher, und wer KI für repetitive Aufgaben einsetzte, hatte sogar um 15 Prozent niedrigere Burnout-Werte.

Die Kurve. Die selbst eingeschätzte Produktivität lag bei zwei gleichzeitig genutzten KI-Werkzeugen deutlich höher als bei einem, mit einem dritten noch einmal etwas höher. „After three tools, though, productivity scores dipped“, schreiben die Autoren. Verglichen werden dabei verschiedene Menschen zu einem Zeitpunkt, und gemessen wird ihre gefühlte Produktivität. Was eine einzelne Person tatsächlich liefert, wenn sie Werkzeuge dazunimmt, steht nicht in den Daten.

Engpass, Wechsel und Unterbrechung

• Serieller Engpass: Yue, Newton und Marois haben 26 jungen Erwachsenen per ultraschneller 7-Tesla-fMRT ins Gehirn geschaut, während sich zwei einfache Reaktionsaufgaben überlappten (Nature Communications, 2025). Die frühe Wahrnehmung lief weitgehend parallel. Bei der Auswahl der Reaktion stellten sich die Aufgaben im frontoparietalen Netzwerk hintereinander an. Das ist Laborarbeit mit Tastendrücken, die Übertragung auf Agentenaufsicht ist unser Schluss.
• Addy Osmani hat den Engpass im April in einem Blogbeitrag knapper beschrieben: „Your cognitive bandwidth doesn’t parallelize.“
• Attention Residue: Leroy hat 2009 in zwei Experimenten gezeigt, dass es Menschen schwerfällt, die Aufmerksamkeit von einer unfertigen Aufgabe zu lösen, und dass die Leistung bei der nächsten darunter leidet (Organizational Behavior and Human Decision Processes). Der Fachbegriff steht schon im Titel ihrer Arbeit. Nur wer die erste Aufgabe unter Zeitdruck abgeschlossen hatte, löste sich leichter von ihr und schnitt auch bei der nächsten besser ab. Wie lange Attention Residue zum Abklingen braucht, hat Leroy nicht erfasst.
• Unterbrechungen: Mark, Gonzalez und Harris haben 2005 auf der CHI beschrieben, wie lange unterbrochene Arbeit liegen bleibt. Wurde sie am selben Tag wieder aufgenommen, vergingen im Schnitt 25 Minuten und 26 Sekunden bis zur Rückkehr, mit durchschnittlich 2,26 anderen Vorhaben dazwischen. Die Zahl beruht auf 24 Personen in einem Unternehmen, streut stark und misst nur die Zeit bis zur Rückkehr. Wann jemand danach wieder ganz bei der Sache ist, erfasst sie nicht.

Automatisierung und Lagebild

• Bainbridge: Lisanne Bainbridge, „Ironies of Automation“, 1983 (Automatica). Automatisierung könne die Probleme mit dem menschlichen Bediener eher vergrößern als beseitigen, schreibt sie, und je weiter ein Steuerungssystem entwickelt sei, desto wichtiger sei womöglich der Mensch. Und weiter: Indem die Automatisierung dem Bediener die leichten Teile seiner Aufgabe abnimmt, kann sie ihm die schwierigen erschweren (Übersetzung von uns). Sie schrieb über Leitwarten der Prozessindustrie.
• Endsley und Kiris haben 1995 eine Navigationsaufgabe in fünf Stufen automatisiert (Human Factors). Wer die Entscheidungen nicht mehr selbst traf, verstand die Lage schlechter und entschied nach einem Ausfall der Automatik langsamer, obwohl er dieselben Informationen auf dem Bildschirm sah. Die Autoren führen das auf den Übergang von aktiver zu passiver Verarbeitung zurück. Bei voller Automatisierung war der Verlust größer als auf mittleren Stufen, wie Endsley 1996 in einem Buchkapitel ausführt, und er betraf das Verstehen der Lage, während die Wahrnehmung intakt blieb.
• Kritisches Denken: Lee, Sarkar und Kollegen haben 319 Wissensarbeiter zu 936 konkreten Einsätzen generativer KI befragt (CHI 2025). Je größer das Vertrauen in die KI bei der konkreten Aufgabe, desto weniger kritisches Denken gaben die Befragten an. Je größer das Vertrauen in die eigenen Fähigkeiten, desto mehr. Die Studie ist eine einmalige Selbstauskunft und hat keinen Verlauf über Wochen gemessen.

ParallelPilot von Microsoft Research

Long et al., arXiv:2609.33113.

Ergebnisse. Bei 16 Teilnehmern und Blöcken von 20 Minuten stieg der Durchsatz um 63 Prozent, von 0,272 auf 0,445 Tickets pro Minute, und in der Spitze lief im Schnitt etwa ein Agent mehr gleichzeitig (3,25 gegenüber 2,31). Den Aufwand, den Überblick zu behalten, bewerteten die Teilnehmer niedriger (2,75 gegenüber 4,63 auf einer siebenstufigen Skala). Das Gefühl, die Lage im Griff zu haben, stieg nicht signifikant, ebenso wenig der empfundene Erfolg beim Eingreifen. Nach Darstellung der Autoren fiel mit der Buchführung auch eine Mühe weg, die bei den Teilnehmern das Gefühl von Kontrolle gestärkt hatte.

Einschränkungen. Die Studie ist nicht begutachtet, und die Autoren prüfen ihr eigenes Werkzeug an kleinen Übungsprojekten. Die Teilnehmer brachten meist mehrere Jahre Programmiererfahrung mit, standen beim parallelen Arbeiten mit KI aber fast alle noch am Anfang. Code-Reviews wurden nicht gemessen.

Unterschiede zwischen Menschen und Gegenpositionen

• Aufmerksamkeitssteuerung: Chen und Terrence, Ergonomics 2009, zur Simulation der US-Armee.
• Entwickler mit ADHS: In einer Interviewstudie von 2026 mit 14 Entwicklern mit ADHS (formal diagnostiziert oder selbst identifiziert) beschrieb eine Person, wie sie mit mehreren gleichzeitig laufenden Agenten in Schwung bleibt. Andere Teilnehmende berichteten, dass das manuelle Prüfen großer Mengen KI-Code vor allem bei heiklen Projekten und kritischen Produktivsystemen erschöpft und Angst vor versteckten Fehlern macht (Pimenova et al., arXiv:2609.21254).
• Technikängste: Amy Orben hat den Kreislauf von Technikängsten 2020 beschrieben (Perspectives on Psychological Science).
• Steven Pinker schrieb 2010 in der New York Times gegen solche Ängste an und räumte dabei ein: „Genuine multitasking, too, has been exposed as a myth.“
• Rémy Duthu hat seinen Einwand im Juni im Blog von Mergify formuliert. Im März beschränkte er sich auf zwei Agenten, heute sind es manchmal ein Dutzend gleichzeitig. Er räumt ein, dass zwei gleichzeitige Unterbrechungen genauso viel kosten wie eh und je und dass das Code-Review darunter leidet: Die Flut seiner PRs macht den Kollegen beim Review mehr Arbeit.