Entwickeln wir uns zu KI-Fachidioten?

Noch nie war es so einfach, klug zu wirken. Und vielleicht war es noch nie so schwierig festzustellen, ob man es tatsächlich ist.

Unsere Wissenskultur hat sich in erstaunlich kurzer Zeit fundamental verändert.

Vor einigen Jahrzehnten hieß es: Wissen ist Macht.

Später lernten wir: Man muss nicht alles wissen. Man muss nur wissen, wo es steht.

Mit Google kam die nächste Stufe: Man muss nicht einmal mehr wissen, wo es steht. Man muss nur wissen, wie man danach sucht.

Und heute?

Heute muss man eigentlich nur noch wissen, welche KI man fragt.

Das klingt zunächst nach Fortschritt. Und selbstverständlich ist es einer. Noch nie hatte ein einzelner Mensch Zugriff auf derart viel Wissen und analytische Leistung. Noch nie konnten wir so schnell recherchieren, formulieren, programmieren, analysieren und konzipieren.

Aber möglicherweise übersehen wir dabei etwas.

Wir lagern nicht mehr nur unser Wissen aus. Wir beginnen, unser Denken auszulagern.

Ein Lexikon nahm uns das Speichern von Fakten ab.

Google nahm uns einen Teil der Suche ab.

Generative KI geht einen entscheidenden Schritt weiter: Sie sucht nicht nur Informationen. Sie sortiert sie, gewichtet sie, stellt Zusammenhänge her, formuliert Argumente – und liefert uns am Ende gleich die passende Schlussfolgerung.

Damit delegieren wir erstmals in großem Umfang nicht nur Wissen, sondern Teile unserer Urteilsbildung.

Wenn wir unser Denken auslagern

In der Wissenschaft gibt es dafür einen Begriff: Cognitive Offloading – die Auslagerung geistiger Arbeit an externe Systeme.

Das ist zunächst weder neu noch schlecht. Auch ein Taschenrechner ist Cognitive Offloading.

Problematisch wird es an einer anderen Stelle.

KI kann unsere Leistung steigern – und gleichzeitig unsere Kompetenz senken.

Das klingt paradox.

Aber genau darauf deutet inzwischen Forschung hin.

Eine Untersuchung mit 319 Wissensarbeitern und 936 konkreten KI-Anwendungen zeigte einen bemerkenswerten Zusammenhang: Je größer das Vertrauen in die KI, desto weniger kritisches Denken berichteten die Nutzer. Umgekehrt war eine hohe eigene fachliche Sicherheit mit mehr kritischer Auseinandersetzung verbunden.

Eine aktuelle experimentelle Untersuchung mit jungen Erwachsenen kommt zu einem ähnlich interessanten Ergebnis: Mit ChatGPT wurden Aufgaben zwar korrekter und mit deutlich geringerem mentalem Aufwand gelöst. Entscheidend war aber, wie die KI eingesetzt wurde: als Ersatz für eigenes Denken oder als Unterstützung dafür.

Und genau hier liegt meines Erachtens der Kern des Problems:

Wir verwechseln zunehmend die Qualität unseres Outputs mit der Qualität unserer eigenen Kompetenz.

Wer mit KI innerhalb von zehn Minuten eine ausgezeichnete Marktanalyse erstellt, hat zunächst einmal eine ausgezeichnete Marktanalyse.

Ob er dadurch selbst zu einem ausgezeichneten Marktanalysten geworden ist, steht auf einem völlig anderen Blatt.

Die gefährlichste Kompetenzlücke ist die, die wir nicht mehr bemerken

Wer wenig weiß, aber weiß, dass er wenig weiß, kann lernen.

Interessanter wird es bei jemandem, der mit Hilfe von KI Ergebnisse produziert, die weit oberhalb seines eigenen Kompetenzniveaus liegen.

Denn plötzlich entsteht eine neue Form der Kompetenzillusion:

Die Maschine ist kompetent – und der Mensch hält deren Kompetenz unbewusst für seine eigene.

Das kann lange gut gehen.

Bis die KI irrt.

Dann braucht es nämlich genau das, was vorher zunehmend ausgelagert wurde: Fachwissen, Erfahrung, Größenordnungsgefühl, Plausibilitätsprüfung und Urteilskraft.

Oder einfacher gesagt:

Wer eine Antwort nicht selbst hätte entwickeln können, hat häufig auch Schwierigkeiten zu erkennen, ob sie falsch ist.

Warum Prompten nicht die entscheidende Zukunftskompetenz ist

Wir hören derzeit überall, wir müssten nur lernen, KI richtig zu prompten.

Ich bezweifle, dass das langfristig der entscheidende Punkt sein wird.

KI-Systeme werden immer besser darin, unsere Absichten zu verstehen. Die handwerkliche Kunst des Promptens dürfte deshalb eher an Bedeutung verlieren.

Wichtiger wird etwas anderes:

die Qualität der eigenen Gedanken vor dem Prompt – und die Qualität des eigenen Urteils nach der Antwort.

Dazu braucht es Wissen.

Aber nicht unbedingt jenes enzyklopädische Detailwissen, das frühere Generationen anhäufen mussten.

Wir benötigen zunehmend Strukturwissen.

Wir müssen verstehen, wie Dinge grundsätzlich funktionieren. Welche Zusammenhänge bestehen. Welche Größenordnungen realistisch sind. Welche Ursache welche Wirkung haben kann. Und wo möglicherweise ein Denkfehler steckt.

Genau deshalb könnte ausgerechnet im Zeitalter hoch spezialisierter KI der Generalist wieder an Bedeutung gewinnen.

Der Generalist hat eine Landkarte im Kopf

Er kennt vielleicht nicht jede Straße.

Aber er weiß, wo Norden ist.

Er erkennt, dass ein wirtschaftliches Problem möglicherweise ein psychologisches ist. Dass hinter einer technischen Frage ein physikalisches Grundprinzip steckt. Dass eine beeindruckende Zahl statistisch vollkommen belanglos sein kann.

Dieses vernetzte Denken ermöglicht etwas, das im Umgang mit KI immer wichtiger wird:

Plausibilität.

Und damit verändert sich auch die Bedeutung von Wissen.

Wir müssen nicht mehr jedes Detail im Kopf haben.

Aber wir brauchen ein belastbares Modell der Welt, an dem wir die Antworten der Maschinen messen können.

Entsteht eine neue kognitive Zweiklassengesellschaft?

Nicht zwischen Menschen, die KI benutzen, und solchen, die es nicht tun.

Sondern zwischen Menschen, die KI anstelle ihres Denkens einsetzen, und Menschen, die KI zur Erweiterung ihres Denkens einsetzen.

Der Unterschied ist gewaltig.

Der eine sagt:

„Löse mir das Problem.“

Der andere sagt:

„Hier ist meine Einschätzung. Wo könnte ich falsch liegen? Welche Gegenargumente übersehe ich? Prüfe meine Annahmen.“

Beide benutzen dieselbe Technologie.

Aber nur einer trainiert dabei weiterhin sein eigenes Denken.

Neuere Forschung unterscheidet inzwischen tatsächlich zwischen abhängigem kognitivem Auslagern – KI übernimmt das Denken – und autonomem Auslagern, bei dem KI das eigene Denken unterstützt. Die Ergebnisse sprechen dafür, dass diese Unterscheidung wesentlich ist.

Warum wir geistige Reibung brauchen

Vielleicht sollten wir deshalb bewusst etwas erhalten, was wir seit Jahrhunderten zu beseitigen versuchen:

geistige Reibung.

Nicht jede Anstrengung ist ineffizient.

Manchmal sind gerade die fünf Minuten, in denen ich über ein Problem nachdenke, drei Hypothesen verwerfe und schließlich eine eigene Erklärung finde, wertvoller als die perfekte Antwort, die mir eine KI nach fünf Sekunden liefert.

Was also wird aus „Wissen ist Macht“?

Vielleicht war der Satz nie so falsch, wie wir zwischenzeitlich glaubten.

Nur die Funktion des Wissens verändert sich.

Früher brauchten wir Wissen vor allem, um Antworten zu haben.

Heute brauchen wir Wissen zunehmend, um Antworten beurteilen zu können.

Und deshalb würde ich die Entwicklung unserer Wissenskultur so beschreiben:

Wissen ist Macht.

Dann:

Man muss nicht alles wissen. Man muss wissen, wo es steht.

Dann:

Man muss wissen, wie man es findet.

Heute:

Man muss wissen, wie man die KI fragt.

Und morgen vielleicht:

Man muss genug verstehen, um zu erkennen, ob die Antwort der KI überhaupt etwas taugt.

Das wäre dann keine Rückkehr in die Vergangenheit.

Es wäre eine neue Form von Bildung.

Denn die entscheidende menschliche Kompetenz im Zeitalter künstlicher Intelligenz könnte am Ende ausgerechnet eine sehr alte sein:

Selbst denken.