---
title: "Menschen, die im AI-Zeitalter erfolgreich sind: Produktivität und Denkvermögen gemeinsam steigern"
locale: de
category: ai_data
category_name: "KI-Daten"
translation_status: reviewed
license: cc_by
author: "injoys"
source_url: https://injoys.com/en/articles/how-to-thrive-in-the-ai-era
published_at: 2026-07-31T03:32:55+09:00
---

# Menschen, die im AI-Zeitalter erfolgreich sind: Produktivität und Denkvermögen gemeinsam steigern

> Je schneller und kostengünstiger AI geistige Arbeit macht, desto eher könnte der entscheidende Unterschied weniger in der Intelligenz liegen als in der Bereitschaft, schwierige Probleme weiter zu erforschen und Ergebnisse zu überprüfen. Wird AI nicht als Verfasser erster Entwürfe, sondern als Tutor, Kritiker und Forschungsassistent eingesetzt, lassen sich Produktivität und menschliche Fähigkeiten zugleich steigern.

## Key Points

- Da die durch AI eingesparte Zeit statt mit Erholung erneut mit zusätzlichen Aufgaben gefüllt werden kann, bedeuten höhere Produktivität und eine geringere Arbeitsbelastung nicht dasselbe.
- Das Kognitionsbedürfnis ist nicht mit Intelligenz gleichzusetzen, sondern bezeichnet die Neigung, sich freiwillig auf komplexe Denkaufgaben einzulassen und Freude daran zu haben.
- Wer AI auch die Problemdefinition und Urteilsbildung überlässt, kann zwar kurzfristig mehr Ergebnisse erzielen, doch Wissensbildung, Fehlererkennung und die Fähigkeit zur eigenständigen Problemlösung können darunter leiden.
- Wer zuerst einen eigenen Entwurf erstellt und AI anschließend Gegenbeispiele, Fehler und Auslassungen suchen lässt, kann leichter die Kontrolle über den Denkprozess behalten.
- Schulen und Organisationen sollten nicht nur den Umfang der AI-Nutzung bewerten, sondern auch Autonomie, Kompetenzgefühl, soziale Eingebundenheit, den Überprüfungsprozess und die Fähigkeit zur eigenständigen Ausführung.

Generative AI senkt rasch die Kosten intellektueller Aufgaben wie Zusammenfassen, Übersetzen, Schreiben, Analysieren und Programmieren. Doch je größer die Fähigkeit wird, Antworten zu erzeugen, desto weniger verschwinden die Kompetenzen, die Menschen benötigen. Vielmehr könnte der Wert der Fähigkeit steigen, **zu entscheiden, was man fragen sollte, Antworten zu überprüfen und schwierige Probleme bis zum Ende zu erforschen**.

Die Kernaussage dieses Textes lautet nicht, AI weniger zu nutzen. Vielmehr ist er ein Vorschlag, AI so einzusetzen, dass nicht nur die kurzfristige Produktivität berücksichtigt wird, sondern auch die Auswirkungen auf das Wissen, die Urteilskraft, die Neugier und die Fähigkeit der Nutzer, Aufgaben selbstständig zu bewältigen.

## AI verändert eher die Arbeitsdichte als die Arbeitszeit

Auch wenn AI die für eine einzelne Aufgabe erforderliche Zeit verkürzt, lässt sich daraus nicht ableiten, dass die gesamte tägliche Arbeitsmenge im gleichen Verhältnis abnimmt. Unternehmen können die eingesparte Zeit mit mehr E-Mails, Analysen, Berichten, Codeänderungen und Besprechungen füllen. Auch Einzelpersonen erledigen nun selbst kleine Aufgaben, die sie früher aufgegeben oder ausgelagert hätten.

Dabei können folgende Veränderungen auftreten:

- Die Zahl der in derselben Zeit erledigten Aufgaben nimmt zu.
- Die Ergebnisse mehrerer AI-Werkzeuge oder Agenten werden gleichzeitig überwacht.
- Kurze Aufgaben dringen bis in den Abend, in Fahrtzeiten und Wochenenden vor.
- Die Zahl der Kontextwechsel steigt, wodurch Phasen tiefer Konzentration zerstückelt werden.
- Die Produktionsmenge wächst, zugleich nehmen aber auch die zu prüfenden Ergebnisse zu.

Produktivität sollte daher nicht allein als „Fähigkeit, schneller fertig zu werden“ gemessen werden. Auch die Zeit für Fehlerkorrekturen, die Zahl der Aufgabenwechsel, die Fähigkeit zur selbstständigen Ausführung sowie Ermüdung und Erholung müssen berücksichtigt werden. Wie stark AI die Arbeitsdichte erhöht, hängt von Tätigkeit, Unternehmenskultur und Leistungskriterien ab und zeigt sich daher nicht bei allen Beschäftigten gleichermaßen.

## Warum Eigeninitiative wichtiger wird, je reichlicher Intelligenz verfügbar ist

AI liefert bereits in vielen Bereichen sofort flüssige Entwürfe und plausibel wirkende Analysen. In einer solchen Umgebung lässt sich allein anhand der äußeren Form eines Ergebnisses nur schwer beurteilen, wie gut jemand ein Thema verstanden hat oder wie fachkundig er ist. Die Unterschiede zeigen sich in den folgenden Schritten.

1. Ein Problem auswählen, dessen Lösung sich lohnt.
2. Die Bedingungen des Problems und die Erfolgskriterien selbst definieren.
3. Fakten, Logik und Quellen der AI-Antwort überprüfen.
4. Gegenbeispiele und alternative Erklärungen untersuchen.
5. Als Mensch die Verantwortung für die Schlussfolgerung übernehmen.
6. Die wesentlichen Inhalte auch ohne AI erklären oder reproduzieren.

Diese Haltung hängt mit dem psychologischen Konzept des **Denkbedürfnisses** zusammen. Denkbedürfnis bezeichnet eine relativ stabile Neigung, sich an komplexen Denkaktivitäten zu beteiligen und den Prozess zu genießen. Es ist nicht dasselbe wie die mit Intelligenztests gemessene Fähigkeit. Auch Menschen mit hoher Schlussfolgerungsfähigkeit können geistige Anstrengung vermeiden, während Menschen mit durchschnittlichen Fähigkeiten beharrlich prüfen und lernen können.

Ein hohes Denkbedürfnis führt ebenfalls nicht immer zu richtigen Schlussfolgerungen. Wer gründlich nachgedacht hat, kann sich stark an die selbst entwickelte Erklärung binden. Deshalb braucht es neben anhaltendem Denken auch Widerlegbarkeit, externe Überprüfung und die Bereitschaft, die eigene Meinung zu ändern.

## Drei konzeptionelle Typen zum Verständnis von AI-Nutzern

Die folgende Einteilung ist weder ein validierter Persönlichkeitstest noch eine klinische Diagnose, sondern ein konzeptionelles Modell zur Beschreibung von Gewohnheiten bei der AI-Nutzung. Auch ein und dieselbe Person kann sich je nach Aufgabe und Situation wie unterschiedliche Typen verhalten.

| Typ | Art der AI-Nutzung | Kurzfristige Wirkung | Langfristiges Risiko oder Potenzial |
|---|---|---|---|
| Produktiver Passagier | Überlässt AI von der Problemdefinition bis zur endgültigen Formulierung einen großen Teil der Arbeit | Umfang und Geschwindigkeit der Ergebnisse steigen | Internes Wissen und die Fähigkeit zur selbstständigen Ausführung können nachlassen |
| Widerwilliger Optimierer | Möchte selbst nachdenken, delegiert wegen Zeitdruck und Erschöpfung jedoch zunehmend | Verringert die Belastung und hält Fristen ein | Wird Bequemlichkeit zur Grundgewohnheit, kann die Überprüfungsphase verkürzt werden |
| Geistiger Marathonläufer | Denkt zunächst selbst und bittet AI um Hinweise, Gegenbeispiele und Überprüfung | Die anfängliche Geschwindigkeit kann geringer sein | Produktivität, Lernen und Urteilskraft könnten gemeinsam steigen |

Der entscheidende Unterschied besteht nicht darin, ob AI genutzt wird. Wichtig ist, **welcher Teil des Denkprozesses delegiert wurde und was der Mensch nach der Nutzung neu verstanden hat**.

## Der produktive Passagier und kognitive Schulden

Selbst wenn ein von AI erzeugtes Ergebnis zunächst ordnungsgemäß funktioniert, können sich künftige Wartungskosten ansammeln, wenn der Nutzer die interne Struktur nicht versteht. Zur Beschreibung dieses Phänomens kann der Ausdruck „kognitive Schulden“ verwendet werden.

Wenn beispielsweise ein Entwickler AI-generierten Code fortlaufend zusammenführt, ohne ihn ausreichend zu verstehen, können folgende Probleme entstehen:

- Bei Fehlern lässt sich die Ursache nur schwer eingrenzen.
- Annahmen zur Sicherheit oder Leistung können nicht erklärt werden.
- Die Struktur lässt sich nur schwer an neue Anforderungen anpassen.
- Es fehlen Maßstäbe, um zu beurteilen, ob eine AI-Antwort falsch ist.
- Das gesamte Team kennt möglicherweise die Funktionsweise des Systems nicht mehr.

Kognitive Schulden hängen mit technischen Schulden zusammen, sind aber nicht völlig dasselbe. Technische Schulden bezeichnen vor allem künftige Kosten, die bei Systemdesign und Implementierung entstehen. Kognitive Schulden konzentrieren sich dagegen auf einen Zustand, in dem Menschen oder Organisationen nicht genügend Fähigkeit aufgebaut haben, ein System zu verstehen und zu beurteilen.

Dagegen ließe sich einwenden, dass das Problem durch eine erneute Analyse mit AI gelöst werden kann. Doch um die Analyseergebnisse zu bewerten und mit dem tatsächlichen System abzugleichen, sind weiterhin Fachwissen und Urteilskraft erforderlich. Je wichtiger ein System ist, desto notwendiger ist es, dass Menschen die Verantwortlichen, die zentralen Annahmen, die Testmethoden und die Verfahren zur manuellen Wiederherstellung verstehen.

## Wege, auf denen AI-Abhängigkeit das Lernen schwächen kann

### Angemessene Schwierigkeiten verschwinden

Lernen erfordert, Informationen aus dem Gedächtnis abzurufen, Hypothesen aufzustellen und Fehler zu korrigieren. Wenn AI von Anfang an eine fertige Antwort liefert, können Nutzer diesen Prozess überspringen. Das Gefühl, ein Ergebnis beim Lesen verstanden zu haben, ist nicht dasselbe wie die Fähigkeit, es vor einem leeren Bildschirm selbstständig zu reproduzieren.

### Sprachliche Gewandtheit wird mit Richtigkeit verwechselt

Generative AI kann auch falsche Inhalte in natürlichen und selbstbewussten Sätzen ausdrücken. Wenn Nutzer weder über Fachwissen noch über Prüfverfahren verfügen, verwechseln sie sprachliche Gewandtheit leicht mit der Stärke der Belege.

### Neugier und Erkundungsspielraum nehmen ab

In der Bildungsforschung wurden Ergebnisse vorgelegt, wonach eine direkte Anleitung zur festgelegten Verwendung von Gegenständen die freie Erkundung einschränken kann. Dies lässt sich nicht unverändert auf AI verallgemeinern, deutet aber darauf hin, dass Nutzer weniger Gelegenheiten haben könnten, andere Möglichkeiten auszuprobieren, wenn ein Chatbot stets sofort eine einzige Methode und Schlussfolgerung präsentiert.

### Einfache Arbeit wird zum neuen Maßstab

Wenn eine gemeinsam mit AI ausgeführte Aufgabe sehr schnell und reibungslos verläuft, kann Arbeit ohne AI im Vergleich langsam und langweilig erscheinen. Wiederholt sich dies, könnten die Zeit, die man an unsicheren Problemen festhält, und die Motivation, selbstständig anzufangen, abnehmen. Die Auswirkungen von AI auf die Motivation hängen jedoch von der Art der Aufgabe, der Nutzererfahrung, der Gestaltung des Werkzeugs und der Bewertungsmethode ab und dürfen daher nicht als einheitlicher Kausalzusammenhang interpretiert werden.

## Was beim Lesen von Forschungsergebnissen zu beachten ist

Die Forschung zu AI und menschlichem Denken nimmt rasch zu, doch in vielen Bereichen ist es noch zu früh für langfristige Schlussfolgerungen.

- Selbstberichtete Umfragen können möglicherweise nicht zwischen dem von Nutzern empfundenen Aufwand und tatsächlichen Veränderungen ihrer Fähigkeiten unterscheiden.
- Die Ergebnisse kurzer Experimente lassen sich nicht ohne Weiteres auf jahrelanges Lernen oder Veränderungen beruflicher Kompetenzen übertragen.
- Allein anhand eines physiologischen Indikators wie der Vernetzung von Hirnströmen lässt sich weder die Qualität des Lernens noch eine „Verschlechterung der Gehirnfunktion“ feststellen.
- Selbst wenn eine Korrelation zwischen häufiger AI-Nutzung und geringem kritischem Denken gefunden wird, lässt sich nur schwer bestimmen, welche Seite die Ursache ist.
- Die Ergebnisse können je nach Leistungsfähigkeit des Werkzeugs, Prompt, Schwierigkeitsgrad der Aufgabe und Vorwissen der Teilnehmer variieren.

Daher ist die Schlussfolgerung, dass „die Denkfähigkeit durch die Nutzung von AI zwangsläufig abnimmt“, überzogen. Die präzisere Frage lautet: **Bei welchen Aufgaben, auf welche Weise, in welchem Umfang und bei wem verändern sich welche Fähigkeiten?**

## Ein Prüfverfahren zur Vermeidung kognitiver Kapitulation

„Kognitive Kapitulation“ ist ein bildlicher Ausdruck für einen Zustand, in dem die Antwort von AI nicht überprüft und dem eigenen Urteil vorgezogen wird. Es handelt sich nicht um eine standardisierte psychologische Diagnose.

Wichtige Antworten können mit folgendem Verfahren geprüft werden:

1. **Behauptungen trennen.** Zwischen Fakten, Schlussfolgerungen, Prognosen und Werturteilen unterscheiden.
2. **Belege prüfen.** Lesen, ob die Originalquelle tatsächlich existiert und die jeweilige Behauptung stützt.
3. **Datum und Geltungsbereich prüfen.** Untersuchen, ob die Informationen aktuell sind und ob Daten aus anderen Ländern oder unter anderen Bedingungen fälschlich übertragen wurden.
4. **Nach Gegenbeispielen fragen.** AI Gegenargumente erstellen lassen und anschließend als Mensch deren Stichhaltigkeit bewerten.
5. **Unabhängig nachrechnen.** Zahlen, Code und logische Schlussfolgerungen mit einer separaten Methode reproduzieren.
6. **Verantwortliche bestimmen.** Entscheidungen in den Bereichen Medizin, Recht, Finanzen, Personalbeschaffung und Sicherheit von qualifizierten Personen prüfen lassen.

Beim Risikomanagement für AI geht es nicht nur darum, die Richtigkeit der Ausgaben zu überprüfen. Es muss auch festgelegt werden, wer die Prüfung übernimmt, wie Fehler erkannt werden und wer für die endgültige Entscheidung verantwortlich ist.

## Wie AI als geistiges Trainingswerkzeug genutzt werden kann

### 1. Schrittweise Hinweise statt fertiger Antworten anfordern

Eine mögliche Anfrage lautet:

> Nenne mir nicht sofort die richtige Antwort, sondern nur die notwendigen Konzepte und den ersten Hinweis. Wenn ich antworte, weise auf logische Fehler hin und gib mir jeweils einen weiteren Hinweis.

Die Hinweismethode lässt den Nutzern Raum, Wissen aus dem Gedächtnis abzurufen und Hypothesen aufzustellen. In einem Bereich, in dem überhaupt kein Grundwissen vorhanden ist, sollten jedoch zunächst vertrauenswürdige Einführungsmaterialien und zentrale Fachbegriffe geprüft werden.

### 2. Zuerst die leere Seite überwinden

Vor dem Öffnen von AI werden die folgenden Punkte kurz notiert:

- Das Problem, das ich lösen möchte
- Die Fakten, die ich derzeit kenne
- Eine vorläufige Schlussfolgerung
- Unsichere Punkte
- Zu erwartende Gegenargumente
- Zu prüfende Materialien

Anschließend wird AI nach fehlenden Perspektiven, Gegenbeispielen, logischen Sprüngen und Prüfpunkten gefragt. So bestimmt AI nicht den Ausgangspunkt des Denkens, sondern kritisiert eine vom Nutzer selbst entwickelte Struktur.

### 3. Aufgaben mit und ohne AI abwechselnd bearbeiten

- Materialien mit AI zusammenfassen, danach den Originaltext prüfen und die Gliederung selbst erstellen.
- Ein Codebeispiel mit AI ansehen, dann den Bildschirm schließen und die Kernfunktion von Grund auf implementieren.
- AI um Gegenargumente bitten, die endgültige Schlussfolgerung jedoch in eigenen Worten verfassen.
- Zunächst die Fehlerursache selbst analysieren und das Ergebnis anschließend mit der Diagnose von AI vergleichen.
- Inhalte, die gemeinsam mit AI gelernt wurden, einer anderen Person ohne Hilfsmittel erklären.

Diese Methode hilft dabei, zwischen der „Leistung mit Unterstützung“ und der „tatsächlich erworbenen Fähigkeit“ zu unterscheiden.

### 4. Den Chatbot als Tutor statt als Antwortmaschine einrichten

Ein guter AI-Tutor ermittelt das aktuelle Niveau des Nutzers durch Fragen, stellt jeweils nur eine Aufgabe und gibt nach einer falschen Antwort nicht sofort die vollständige Lösung preis. Dazu kann folgender Prompt verwendet werden:

> Verhalte dich wie ein Tutor, der dieses Thema unterrichtet. Stelle mir zunächst eine Frage, um mein Niveau zu ermitteln. Wenn ich falsch liege, nenne nicht sofort die richtige Antwort, sondern erläutere die Voraussetzung oder das Konzept, über das ich noch einmal nachdenken sollte. Lass mich am Ende jedes Schrittes das Gelernte in eigenen Worten erklären.

### 5. Zwischen zu delegierenden und selbst auszuführenden Aufgaben unterscheiden

| Aufgaben, die sich leicht AI überlassen lassen | Aufgaben, die vom Menschen geleitet werden sollten |
|---|---|
| Formatumwandlung und Rechtschreibprüfung | Definition von Problem und Ziel |
| Erste Strukturierung wiederkehrender Dokumente | Wichtige Werturteile |
| Regelmäßige Datenklassifizierung | Festlegung von Strategie und Prioritäten |
| Entwürfe funktionaler E-Mails | Texte, bei denen persönliche Erfahrungen und Perspektiven entscheidend sind |
| Entwurf wiederkehrenden Codes | Endgültige Entscheidungen zu Sicherheit, Recht, Medizin und Finanzen |
| Orientierende Zusammenfassung langer Materialien | Prüfung von Belegen und verantwortliche Freigabe |

Das Unterscheidungskriterium ist nicht nur, ob eine Aufgabe kreativ oder nicht kreativ ist. Entscheidend ist die Frage: **Muss dieser Prozess selbst ausgeführt werden, damit künftige Urteilskraft entsteht?**

### 6. Eine intellektuelle Landkarte statt einer Schlussfolgerung anfordern

Statt AI direkt zu fragen, „was richtig ist“, sollten folgende Informationen angefordert werden:

- Wichtige Forschende und Theorien zu diesem Problem
- Miteinander konkurrierende Erklärungen
- Repräsentative Gegenargumente
- Zu prüfende Primärquellen
- Zentrale Annahmen der einzelnen Perspektiven
- Noch ungeklärte Streitfragen

AI kann wie ein Forschungsassistent oder Bibliothekar eingesetzt werden. Ob die genannten Autoren, Aufsätze und Zitate tatsächlich existieren, muss jedoch separat überprüft werden.

## AI-Entropie und menschliche Einzigartigkeit

„AI-Entropie“ ist weniger ein standardisierter technischer Begriff als vielmehr eine Metapher für das Phänomen, dass große Mengen von AI-Ergebnissen zu durchschnittlichen und ähnlichen Formen konvergieren. Da generative Modelle ihre Ausgaben auf Grundlage häufig vorkommender Muster in den Trainingsdaten erstellen, liefern sie bei gewöhnlichen Prompts leicht vertraute Strukturen und unauffällige Formulierungen.

Menschen können dieser Vereinheitlichung widerstehen, indem sie folgende Elemente ergänzen:

- Konkrete, selbst beobachtete Tatsachen
- Persönliche Erinnerungen und Misserfolge
- Vor Ort erworbenes implizites Wissen
- Klare Wertmaßstäbe und Gründe für Entscheidungen
- Punkte, in denen bestehenden Erklärungen widersprochen wird
- Das Verfahren zur Überprüfung der Ergebnisse und dessen Grenzen

Menschliche Einzigartigkeit entsteht nicht allein dadurch, dass ein Satz selbst eingegeben wurde. Sie entsteht daraus, was auf Grundlage welcher Erfahrungen und Maßstäbe ausgewählt und verantwortet wurde.

## Welche Rahmenbedingungen Schulen und Organisationen gestalten sollten

Bildung im Zeitalter von AI bedeutet nicht, die Wissensvermittlung aufzugeben, sondern sie um die Fähigkeit zu erweitern, Wissen anzuwenden und zu überprüfen. Ohne Grundwissen ist es schwer, Fehler von AI zu erkennen oder gute Fragen zu formulieren.

Die Selbstbestimmungstheorie nennt Autonomie, Kompetenzerleben und soziale Eingebundenheit als zentrale Voraussetzungen für das Verständnis anhaltender Motivation und des Wohlbefindens.

| Voraussetzung | Bedeutung | Gestaltungsbeispiel für eine AI-Umgebung |
|---|---|---|
| Autonomie | Das Gefühl, bei Zielen und Methoden Wahlmöglichkeiten zu haben | Lernende bestimmen die Forschungsfrage und den Umfang der AI-Nutzung |
| Kompetenzerleben | Das Gefühl, dass sich Fähigkeiten durch Übung weiterentwickeln | Aufgaben mit angemessenem Schwierigkeitsgrad, schrittweises Feedback und Möglichkeiten für neue Versuche anbieten |
| Soziale Eingebundenheit | Das Gefühl, mit anderen verbunden und respektiert zu sein | Überprüfung durch Mentoren, Diskussionen mit Gleichgestellten und gemeinsames Problemlösen einbeziehen |

Schulen und Organisationen können die folgenden Punkte gemeinsam bewerten:

- Können die zentralen Konzepte ohne AI erklärt werden?
- Wurden die verwendeten Materialien und das Prüfverfahren offengelegt?
- Wird die Schlussfolgerung geändert, wenn gegenteilige Belege auftauchen?
- Wurden Unsicherheiten angemessen gekennzeichnet?
- Wurden komplexe, langfristige Aufgaben bewältigt?
- Wurden die Ergebnisse anderer kritisch geprüft und verbessert?

Auch Lehrverhältnisse sind wichtig. Erfahrene Fachkräfte vermitteln nicht nur technische Fertigkeiten, sondern auch Maßstäbe für die Auswahl guter Probleme, Methoden zur Interpretation von Misserfolgen, ein Gespür für Qualität und berufliche Verantwortung. Dieses implizite Wissen lässt sich nur schwer erlernen, wenn man ausschließlich fertige Antworten erhält.

## Betriebsgrundsätze zur Verringerung kognitiver Polarisierung

AI kann auf der einen Seite als Sprungbrett dienen, um schwierigere Probleme anzugehen, und auf der anderen Seite als Mittel, um das Denken zu überspringen. Wenn sich dieser Unterschied summiert, könnte daraus nicht nur eine Kluft bei der Produktionsmenge entstehen, sondern auch bei Urteilskraft und Autonomie.

Einzelpersonen und Organisationen können die Risiken durch folgende Grundsätze verringern:

1. Nicht nur festhalten, ob AI genutzt wurde, sondern auch, welche Denkschritte delegiert wurden.
2. Für wichtige Aufgaben menschliche Prüfpunkte und Verantwortliche für die Freigabe bestimmen.
3. Regelmäßig Aufgaben ohne AI reproduzieren.
4. Zeit für Quellenprüfung und die Suche nach Gegenbeispielen in den Leistungsprozess einbeziehen.
5. Nicht nur Geschwindigkeit, sondern auch Fehlerquote, Korrekturkosten und Lernergebnisse messen.
6. Konzentrationsphasen und langfristige Projekte schützen, für die keine AI-Nutzung erforderlich ist.
7. Erfahrene Fachkräfte nicht nur die Ergebnisse von Anfängern, sondern auch deren Denkprozess prüfen lassen.

## Fazit

Wer im Zeitalter von AI erfolgreich ist, nutzt AI nicht zwangsläufig am meisten oder am wenigsten. Es sind Menschen, die mithilfe von AI wiederkehrende Aufgaben reduzieren, ohne Problemdefinition, Überprüfung, Werturteile und Verantwortung aufzugeben.

AI kann rechnen, kombinieren und mögliche Antworten vorhersagen. Doch zu entscheiden, welche Ziele verfolgt werden, was als wichtig gilt und welche Schwierigkeiten in Kauf genommen werden, bleibt weiterhin Aufgabe der Menschen und menschlicher Gemeinschaften. Es ist nicht nötig, sich zwischen Produktivität und Wachstum zu entscheiden. Wer zunächst eigene Gedanken entwickelt und AI als Kritiker, Tutor und Forschungsassistent einsetzt, kann beide Ziele zugleich verfolgen.

## FAQ

### Nimmt die Fähigkeit zum kritischen Denken zwangsläufig ab, wenn man AI häufig nutzt?
Das ist nicht zwangsläufig der Fall. Die Auswirkungen hängen von der Aufgabe, der Art der Nutzung, dem Vorwissen und dem Prüfverfahren ab. Wenn man AI sowohl die Problemdefinition als auch die Schlussfolgerung überlässt, kann der kognitive Aufwand sinken. Erstellt man jedoch zuerst einen eigenen Entwurf und lässt AI dann nach Gegenbeispielen und Fehlern suchen, kann sie zu einem Werkzeug werden, das kritisches Denken unterstützt.

### Bedeutet ein starkes Bedürfnis nach Kognition, dass man hochintelligent ist?
Nein. Das Bedürfnis nach Kognition ist die Neigung, sich mit komplexen Denkaufgaben zu beschäftigen und Freude an diesem Prozess zu haben. Es ist von Intelligenz zu unterscheiden, die die Problemlösungsfähigkeit selbst bezeichnet. Auch hochintelligente Menschen können geistige Anstrengung vermeiden, während Menschen mit durchschnittlichen Fähigkeiten ausdauernd nachdenken können.

### Ist ein geistiger Marathonläufer jemand, der keine AI nutzt?
Nein. Ein geistiger Marathonläufer ist eine metaphorische Bezeichnung für jemanden, der AI nutzt, aber bei der Problemdefinition, den zentralen Schlussfolgerungen, der Überprüfung und der endgültigen Beurteilung die Führung behält. Typisch ist dabei, statt fertiger Antworten um Hinweise, Gegenbeispiele, Materialien und Feedback zu bitten.

### Wie kann man den Lerneffekt aufrechterhalten, während man AI nutzt?
Es ist ratsam, vor dem Öffnen von AI zunächst eine eigene Antwort oder Hypothese zu formulieren und nach der erhaltenen Hilfe die zentralen Inhalte ohne das Werkzeug zu reproduzieren. Zusammenfassungen von AI sollten mit dem Original abgeglichen und Code selbst erneut implementiert werden. Bei falschen Antworten kann man statt der richtigen Antwort um schrittweise Hinweise bitten.

### Was sind kognitive Schulden?
Kognitive Schulden sind eine Bezeichnung für einen Zustand, in dem von AI erstellter Code oder von ihr erstellte Dokumente zwar zunächst funktionieren, die zuständige Person jedoch die internen Prinzipien und zentralen Annahmen nicht ausreichend versteht, sodass die Kosten zukünftiger Entscheidungen und Änderungen steigen. Es handelt sich weniger um eine weithin standardisierte wissenschaftliche Kennzahl als vielmehr um ein Konzept zur Beschreibung der organisatorischen Risiken einer Abhängigkeit von AI.

### Welche Aufgaben sollte man AI sinnvollerweise übertragen?
Regelmäßige und leicht überprüfbare Aufgaben wie Formatumwandlungen, die Prüfung auf Tippfehler, die wiederholte Klassifizierung von Daten und eine erste Aufbereitung lassen sich gut delegieren. Dagegen sollten Problemdefinition, Strategie, Werturteile, kreative Tätigkeiten, bei denen eine persönliche Perspektive wichtig ist, sowie endgültige Entscheidungen in den Bereichen Sicherheit, Recht, Medizin und Finanzen unter menschlicher Führung bleiben.

### Wie sollte man die von AI angegebenen Quellen überprüfen?
Man muss prüfen, ob Autor, Titel, herausgebende Institution, Datum und URL tatsächlich existieren, und den Originaltext selbst lesen. Auch wenn die Quelle existiert, muss gesondert geprüft werden, ob die betreffende Passage die Behauptung von AI tatsächlich stützt und ob die Untersuchungsobjekte und Bedingungen auf das aktuelle Problem anwendbar sind.

### Sollten Schulen im Zeitalter von AI die Wissensvermittlung reduzieren?
Grundwissen ist vielmehr notwendig, um Ausgaben von AI zu überprüfen und gute Fragen zu formulieren. Allerdings sollten nicht nur das Auswendiglernen und das Hervorbringen richtiger Antworten bewertet werden, sondern auch langfristige Projekte, die Suche nach Gegenbeispielen, die Überprüfung von Quellen, Erklärungen und Reproduktionen ohne AI sowie der Prozess der Überarbeitung nach Fehlschlägen.

### Ist AI-Entropie ein wissenschaftlich etablierter Begriff?
In diesem Text ist AI-Entropie eine Metapher zur Beschreibung des Phänomens, dass große Mengen von AI-Ergebnissen zu vertrauten und durchschnittlichen Ausdrucksweisen konvergieren. Sie ist von dem standardisierten Konzept zu unterscheiden, bei dem die Entropie der Informationstheorie präzise gemessen wird.

### Sollte man gesondert Zeit für die Arbeit ohne AI einplanen?
Das ist nicht bei allen Aufgaben nötig, doch regelmäßige Aufgaben ohne AI sind nützlich, um die eigenen Kernkompetenzen zu überprüfen. Wenn man mit AI gelernte Inhalte ohne Hilfsmittel erklärt, zentralen Code neu schreibt und eigenständig Schlussfolgerungen zieht, lässt sich tatsächliches Lernen von der Abhängigkeit vom Werkzeug unterscheiden.

## Sources

- [Das Bedürfnis nach Kognition](https://doi.org/10.1037/0022-3514.42.1.116)
- [Selbstbestimmungstheorie](https://selfdeterminationtheory.org/theory/)
- [Das zweischneidige Schwert der Pädagogik: Unterweisung schränkt spontane Erkundung und Entdeckung ein](https://doi.org/10.1016/j.cognition.2010.10.001)
- [Die Auswirkungen generativer KI auf kritisches Denken: Selbstberichtete Verringerungen des kognitiven Aufwands und Auswirkungen auf das Selbstvertrauen aus einer Befragung von Wissensarbeitern](https://doi.org/10.1145/3706598.3713778)
- [Ihr Gehirn mit ChatGPT: Anhäufung kognitiver Schulden bei der Nutzung eines KI-Assistenten für eine Aufgabe zum Verfassen eines Essays](https://arxiv.org/abs/2506.08872)
- [NIST-Rahmenwerk für KI-Risikomanagement](https://www.nist.gov/itl/ai-risk-management-framework)

## Images

![Person in einem komplexen Labyrinth mit Formen, KI-Roboter, Analysesymbolen und Waage](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDM4NywicHVyIjoiYmxvYl9pZCJ9fQ==--d2355873076dcf1540d4c7c21227550833e52723/ai-d37dd98a.webp)
![Eine Person geht durch einen Garten zu einem KI-Roboter neben einem automatisierten Dokumentenband mit Uhr](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDM5MywicHVyIjoiYmxvYl9pZCJ9fQ==--a9fe146f2c1652668777c2dc72d67318d8e62dfc/ai-b140cfe1.webp)