Schauen wir uns um. Es ist 2026. Wir haben KI-Modelle, die coden, dichten und analysieren, fast zum Nulltarif. Die Kosten pro Token sind ins Bodenlose gefallen. Eigentlich müssten wir alle am Strand liegen und Cocktails schlürfen, während die Algorithmen unsere Arbeit machen.
Stattdessen sind unsere Kalender voller denn je, die Backlogs platzen aus allen Nähten, und die Informationsflut ist von einem Bach zu einem Tsunami angeschwollen. Alle reden über die neueste Modell-Architektur, über Latenzzeiten und Context-Windows. Aber kaum jemand redet darüber, was diese Technologie mit uns als Organisation macht.
Um zu verstehen, warum wir trotz (oder wegen) maximaler Effizienz mehr Stress haben als je zuvor, müssen wir eine Zeitreise machen. Wir müssen über William Stanley Jevons sprechen.

1865: Die Kohle, die Dampfmaschine und der grosse Irrtum
Reisen wir zurück ins England des 19. Jahrhunderts. James Watt hatte die Dampfmaschine revolutioniert. Sie war plötzlich viel effizienter. Die logische Erwartung der Ökonomen und Politiker damals war simpel: „Grossartig! Wenn wir weniger Kohle brauchen, um die gleiche Energie zu erzeugen, werden wir als Industrie / Gesellschaft weniger Kohle verbrauchen. Wir sparen Ressourcen!“
William Stanley Jevons sah genauer hin und erkannte das Paradoxon, das heute seinen Namen trägt: Effizienz führt nicht zu weniger Verbrauch, sondern zu mehr.
Warum? Weil die Energie plötzlich billiger und nützlicher wurde. Man setzte Dampfmaschinen nicht mehr nur dort ein, wo es unbedingt nötig war (in Minen), sondern überall: in Zügen, in Webstühlen, in Schiffen. Die Nachfrage explodierte. Der Verbrauch stieg rasant an. Die Effizienz war kein Sparprogramm, sie war ein Brandbeschleuniger.
2010er: Das Agile Versprechen und die „Feature Factory“
Spulen wir vor in die jüngere Vergangenheit. Erinnern wir uns an den Hype um Agile, DevOps und Cloud Computing.
- Die Erwartung: Durch Sprints, Automatisierung und skalierbare Server werden wir schneller fertig. Wir eliminieren „Waste“. Wir haben mehr Zeit für Qualität und vielleicht sogar für Innovation.
- Die Realität: Haben wir die gewonnene Zeit genutzt, um früher Feierabend zu machen? Nein. Wir haben die „Feature Factory“ erfunden. Da Software-Releases billiger und risikoärmer wurden, haben wir die Frequenz erhöht. Statt 4 Releases pro Jahr machen wir 4 pro Tag. Der Backlog wurde nie leerer, er wurde nur schneller nachgefüllt. Agile hat uns nicht entlastet, es hat nur die Schlagzahl im Hamsterrad erhöht.
2026: Die neue Dampfmaschine ist die KI
Und nun stehen wir hier mit Generativer KI. Das Muster wiederholt sich, aber diesmal mit einer Wucht, die alles Vorherige in den Schatten stellt.
- Die Erwartung: „Die KI schreibt meine E-Mails, meinen Code und meine Berichte. Ich spare 50% meiner Arbeitszeit.“
- Das Jevons-Szenario (Die Realität): Da die Erstellung von Inhalten (Text, Code, Bild, Analyse) Grenzkosten von fast Null hat, explodiert die Menge.
- Wir schreiben nicht eine gute E-Mail, wir generieren zehn Varianten.
- Wir bauen nicht ein schlankes Feature, wir lassen die KI ganze Applikationen „halluzinieren“, die dann gewartet werden müssen.
- Wir analysieren Daten nicht mehr zielgerichtet, sondern lassen uns von KI-Reports überfluten, „weil es ja nur einen Klick kostet“.
Wir ertrinken in Mittelmässigkeit, weil die Barriere zur Erstellung gefallen ist.
Die schleichende Veränderung in Organisationen
Während die Tech-Bros über Token-Preise diskutieren, verschieben sich in unseren Firmen tektonische Platten. Wenn wir dem Muster des Jevons-Paradoxons folgen, treten folgende Veränderungen ein – und wir müssen uns jetzt darauf einstellen:
1. Auf Team-Level: Vom Schöpfer zum Kurator (und Müllsortierer)
Die Rolle des Wissensarbeiters wandelt sich radikal. Wir sind nicht mehr die, die den ersten Entwurf machen (das macht die KI in Sekunden). Wir sind die, die prüfen müssen, ob der Entwurf stimmt. Die Gefahr: Das ist kognitiv extrem anstrengend. „Decision Fatigue“ wird zur Berufskrankheit Nr. 1. Teams brennen nicht aus, weil sie zu viel erschaffen, sondern weil sie zu viel validieren müssen.
2. In der Kommunikation: Die „Dead Internet Theory“ im Intranet
Wenn ich KI nutze, um eine E-Mail zu schreiben, und du KI nutzt, um sie zusammenzufassen – wer kommuniziert dann noch? Wir riskieren eine Entmenschlichung der Firmenkultur. Die Menge an Kommunikation steigt (Jevons), aber die Signaldichte sinkt. Wahre Wertschätzung zeigt sich 2026 darin, dass man keine KI benutzt hat.
3. Zum Kunden: Hyper-Personalisierung wird zu Spam
Jevons sagt vorher: Wenn Personalisierung billig ist, personalisieren wir alles. Kunden werden mit „massgeschneiderten“ Angeboten bombardiert, bis sie abstumpfen. Der Shift: Der neue Luxus ist nicht mehr die Information, sondern der echte menschliche Kontakt. Service-Organisationen müssen umschwenken: Weg von Effizienz („Wie viele Tickets schafft der Chatbot?“) hin zu Empathie („Wie fühlt sich der Kunde nach dem Gespräch?“).
4. Prozessual: Der Flaschenhals wandert
Früher war die Erstellung der Flaschenhals (zu wenige Entwickler, zu wenige Texter). Durch KI wird die Erstellung unendlich skalierbar. Der neue Flaschenhals ist die Entscheidung und die Verantwortung. Prozesse stauen sich nicht mehr am Anfang (Input), sondern am Ende (Abnahme). Organisationen, die ihre Prozesse nicht darauf anpassen, werden verstopfen.
Fazit: Beherrsche die Maschine, sonst beherrscht sie dich
Das Jevons-Paradoxon lehrt uns eines: Technologische Effizienz löst keine kulturellen Probleme. Sie verstärkt sie nur.
Wenn wir 2026 nicht einfach nur „schneller gegen die Wand fahren“ wollen, müssen wir aufhören, KI nur als Beschleuniger zu sehen. Wir müssen künstliche Verknappung einführen:
- Nicht alles produzieren, was möglich ist.
- Bewusst „No-AI-Zones“ schaffen für strategisches Denken.
- Qualität über Quantität stellen – radikaler als je zuvor.
Die Frage ist nicht: Was kann die KI für uns tun? Die Frage ist: Was lassen wir weg, obwohl die KI es tun könnte?
PS: Ich bin voll KI Fan, aber es wäre besser sie unterstützt uns als dass wir ihr dienen. 🙂







